Capítulo 3 Complejidad de algoritmos recursivos

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Capítulo 3 Complejidad de algoritmos recursivos"

Transcripción

1 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos Capítulo 3 Coplejdad de algortos recursvos 3. Defcó de fucó de recurreca Ua recurreca es ua ecuacó o ua desgualdad que descrbe ua fucó e téros de su propo valor sobre etradas ás pequeñas. Por ejeplo, el cálculo del Factoral de u úero se puede descrbr co la ecuacó de recurreca F(). F F = ( ) f f > = La solucó del Factoral de 4 se puede obteer sguedo las reglas de la ecuacó de recurreca. F(4) = 4 F(3) F(3) = 3 F() F() = F() F() = F() F() = F(4) = 4 3 = 4 Ua recurreca es leal, s cada llaada recursva geera cuado ucho otra llaada recursva, e caso cotraro es o-leal. 3. Deduccó de recurrecas a partr de algortos Los recursos epleados por algortos recursvos (por ejeplo, el úero de coparacoes de clave y el úero de ultplcacoes) se puede descrbr co la recurreca T(), la cual tee ua estructura ductva: a) coplejdad de los casos base y b) coplejdad de los casos progresvos. Los casos base detee la recursvdad, etras los casos progresvos la reactva. coplejdad de los casos base s correspode a los casos base T = coplejdad de los casos progresvos s correspode a los casos progresvos Sguedo co el ejeplo del Factoral, ahora se aalza el desepeño del algorto recursvo correspodete. Algorto Factoral () Etradas: u úero etero Saldas: u úero etero correspodete al factoral de s = etoces //caso base Factoral 3 so // caso progresvo 4 Factoral *Factoral(-)

2 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos S la operacó básca es el úero de ultplcacoes, etoces la recurreca que de el desepeño de algorto Factoral se obtee detfcado sus casos y escrbedo las reglas que detera cada caso y las fucoes de desepeño correspodetes. E el caso base (=) o se realza gua ultplcacó y e el caso progresvo (>) se realza ua ultplcacó ás las ultplcacoes que el algorto ejecuta al ser llaado recursvaete co u valor de -, este últo calculo se deota co T(-). s = (caso base) T = + T ( ) s > (caso progresvo) Ates se expadó la recurreca F() para deterar el factoral de 4, ahora se expade la recurreca T() para calcular el úero de ultplcacoes. T(4) = + T(3)=4 T(3) = + T()=3 T() = + T()= T() = + T()= T() = T(4) = = 4 Se puede observar que para calcular el factoral de 4, el algorto realza cuatro ultplcacoes: Factoral(4)=4 3. Este úero de ultplcacoes cocde co el obtedo por la recurreca T(4)= Recurreca de peor caso del algorto de búsqueda secuecal recursvo Ua versó efcete del algorto de búsqueda secuecal es su pleetacó recursva. A pesar de sus ltacoes, esta versó es seclla y splfca la troduccó de los casos de u problea al aálss de algortos recursvos. Algorto busquedasecrec(e,p,u,k) Etradas: Arreglo E, e ídces p y u que delta el subarreglo a ordear cotedo e E[p,...,u]. Saldas: E[p,...,u] e orde ascedete. s p>u etoces //caso base de fracaso respuesta = - 3 so s (E[p]=k) etoces //caso base de éxto 4 respuesta p 5 so 6 respuesta busquedasecrec(e,p+,u,k)//caso progresvo 7 devolver respuesta El peor desepeño del algorto busquedasecrec sucede cuado la búsqueda fracasa. Este coportaeto se puede detfcar fáclete e el algorto. Prero la recursvdad se actva varas veces porque la llave k o ha sdo ecotrada (caso progresvo). Falete el algorto se detee cuado o exste ás datos para aalzar (caso base de fracaso). A cotuacó se detalla el aálss del peor caso.

3 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos a) Caso base de fracaso: p>u E el paso, cuado todos los eleetos de E ya ha sdo aalzados, el ídce p rebasa el valor del ídce u. E u p E estas codcoes el algorto se detee porque o tuvo éxto, así que el úero de coparacoes es cero porque o se tee eleetos e el segeto de búsqueda ya que p>u. Es portate otar que la codcó s p>u equvale a la codcó s =. W() paso =, s = b) Caso progresvo (vocacó de recursvdad): p u y E[p] k Después que e el paso se ecotró que p u, e el paso 3 se realza ua coparacó o extosa ya que E[p] k. E este paso el subarreglo sí tee eleetos ya que p u. De gual aera la codcó s p u equvale a la codcó s >. W() paso 3 =, > E el paso 6 se ejecuta ua vocacó recursva co u subarreglo dsudo e ua udad; e este paso el subarreglo tabé tee eleetos. W() paso 6 = W(-), > c) Recurreca del peor caso Cosderado todos los casos volucrados (caso base de fracaso y caso progresvo), la recurreca del peor caso queda coo sgue: W s = = + W( ) s > Itutvaete se puede observar que e cada llaada recursva se realza ua coparacó. Dado que se realza vocacoes al algorto, la solucó de la recurreca es. W = = =Θ

4 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS 3.. Recurreca de peor caso del algorto de búsqueda bara Capítulo 3 Coplejdad de algortos recursvos U algorto uy popular es el de búsqueda bara. La aplcacó de este algorto requere u ordeaeto prevo de los datos. Algorto búsquedabara (E,p,u,k) Etradas: Arreglo E, e ídces p y u que delta el subarreglo a ordear cotedo e E[p,...,u]. Saldas: E[p,...,u] e orde ascedete. s (p>u)etoces //caso base de fracaso devolver - 3 edo (p + u)/ 4 s k = E(edo) etoces //caso base de éxto 5 ídce edo 6 so s (k < E[edo]) etoces 7 ídce búsquedabara(e,p,edo,k) //caso progresvo 8 so 9 ídce búsquedabara(e,edo+,u,k) //caso progresvo devolver ídce El peor desepeño del algorto búsquedabara sucede cuado la búsqueda fracasa. Prero la recursvdad se actva varas veces porque la llave k o ha sdo ecotrada e la poscó eda (caso recursvo). Falete el algorto se detee cuado o exste ás datos para aalzar (caso base de fracaso). a) Caso base de fracaso : p > u Cuado todos los eleetos de E ya ha sdo aalzados, el valor de p rebasa al de u; así que el úero de eleetos del segeto de búsquedas es cero. W() paso =, s = b) Caso progresvo (vocacó de recursvdad): p u y E[edo] k E el paso 5 del algorto se realza ua coparacó o extosa. W() paso 5 =, s > E el paso 7 se realza ua coparacó para ubcar la sguete búsqueda. W() paso 7 =, s > E las líeas 8 y 9 las vocacoes recursvas se realza co subarreglos de dferetes taaños. Cuado es par: el segeto zquerdo es / y el derecho es (/)-. Cuado es par: los segetos zquerdo y derecho so (-)/. El ayor de cada tpo de taaño es / y (-)/. Abos taaños áxos queda expresados co /. W() paso 8 o paso 9 = W( / ), s >

5 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS c) Recurreca del peor caso Capítulo 3 Coplejdad de algortos recursvos La sguete recurreca expresa el úero de coparacoes de clave e el peor caso: s = W = + W s > 3.3 Ecuacoes de recurreca coues Muchos algortos cláscos ha sdo dseñados e base a dos téccas que perte platear la solucó de u problea e téros de varos subprobleas de eor desó Algortos basados e dvde-y-vecerás Usado la técca de dvde-y-vecerás, s u problea es deasado grade para resolverlo de ua vez, se descopoe e varas partes ás fácles de resolver. Co ás foraldad, dado u problea a resolver plateado e téros de ua etrada de taaño, la técca de dvde la etrada e b subprobleas, <b<. Estos subprobleas se resuelve depedeteete y después se coba sus solucoes parcales para obteer la solucó del problea orgal. E la fucó de recurreca para dvde-y-vecerás, es el taaño del problea prcpal, b so los subprobleas (<b< ), cada uo de taaño /c (<c< ). Para dvdr el problea e subprobleas y cobar las solucoes de los subprobleas exste certo costo o recursvo que se expresa e f(). T() = b T( /c ) + f() Núero de subprobleas (factor de rafcacó) Costo de dvdr e subprobleas y cobar las solucoes Costo de resolver u subproblea obtedo por dvsó El algorto de ordeaeto ergesort es u ejeplo de la aplcacó de la técca de dvde-y-veceras. Algorto ergesort (E, p, u) Etradas: Arreglo E, e ídces p y u que delta el subarreglo a ordear cotedo e E[p,...,u]. Saldas: E[p,...,u] e orde ascedete. s (p < u) etoces //caso progresvo (p + u)/ 3 ergesort(e, p, ) 4 ergesort(e, +, u) 5 fusoar(e, p,, u) El caso base del algorto ergesort o está explcto e el algorto, pero sucede cuado p u, e plca que o se realza coparacoes cuado el arreglo es de taaño. W( ) paso plcto =, s =

6 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos Cuado el arreglo es de taaño ayor de, el úero de coparacoes se puede dervar aplcado la fórula para los algortos de tpo dvde-y-veceras. ( ) W = W + ( ), s > Coparacoes para ordear por separado las parte derecha e zquerda que so de taaño / (b=, c=). Coparacoes para fusoar dos subarreglos ordeados de taaño /. E el peor caso se toa alteradaete u eleeto de cada subarreglo, requredose - coparacoes ( f() = - ). Reuedo e ua sola expresó los casos base y recursvo, la coplejdad del algorto ergesort e el peor caso es coo sgue. W s = = W + ( ) s > 3.3. Algortos basados e recorta-y-vecerás El problea prcpal de taaño se puede recortar a b subprobleas (<b< ), cada uo de taaño -c (<c< ), co costo o recursvo f() debdo a la tarea de recortar y cobar. T() = b T(-c) + f() Núero de subprobleas (factor de rafcacó) Costo de recortar e subprobleas y cobar solucoes Costo de resolver u problea obtedo por recorte S los subprobleas so de dstto taaño se puede obteer lítes astótcos que acota el desepeño. Cota superor expresada co O(): utlzado T() b T( c ax ) + f() Cota feror expresada co Ω(): utlzado T() b T( c ) + f() 3.4 Solucó de recurrecas edate el étodo teratvo Este étodo coverte la fucó de recurreca e ua suatora que posterorete se evalúa para obteer u líte de la fucó. De aera geeral el étodo teratvo cosste e: a) Expasó de la recurreca para detfcar patroes de regulardad y expresarlos coo suas de téros depedetes sólo de y las codcoes cales y, b) Evaluacó de la suatora Pasos del étodo teratvo La sguete secueca detallada de pasos perte deterar la coplejdad (O(), Θ(), o Ω()) de u algorto recursvo. Paso. Deterar ua fucó T() que represete el úero de operacoes báscas efectuadas por el algorto para el taaño base y para los casos defdos por recursvdad

7 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos fuera de la base. Para splfcar la explcacó del étodo usareos la sguete estructura de recurreca que geera e cada vel b probleas y deotareos co al taaño del problea e el vel de recurreca. c s correspode al caso base T ( ) = bt ( + ) + f ( ) s correspode al caso progresvo Paso. Evaluar la fucó T() del caso progresvo co u cojuto pequeño de valores cosecutvos de. T( ) = f( ) + bt( ) T( ) = f( ) + bt( ) T( ) = f( ) + bt( 3 ) T( 3 ) = f( 3 ) + bt( 4 ) T( 4 ) = f( 4 ) + bt( 4 ) Paso 3. Susttur los resultados del puto ateror e cada expresó atecesora. T( ) = f( ) + bf( ) +b f( ) + b 3 f( 3 ) + b 4 T( 4 ) Paso 4. Idetfcar u patró co el cual pueda geeralzarse la represetacó de los téros del desarrollo. Paso 5. Expresar e otacó de suatoras el patró detfcado, destacado dos partes e la expresó: u cojuto de téros ductvos y u téro llaado de base o de paro, referecado por. Paso 6. Deterar u valor de para el cual se satsfaga o al eos se aproxe a la gualdad taaño de problea taaño de problea del téro = que detee la referecado por recursvdad Paso 7. Susttur e la expresó de suatora obteda e el paso 5. Paso 8. Resolver la suatora co ua expresó equvalete o aproxada cuya úca varable depedete es. Para esta tarea puede ser de gra ayuda utlzar prograas coputacoales coo Derve Ejeplos de recurrecas resueltas co el étodo teratvo La sguete recurreca se utlzará para lustrar el étodo teratvo. T T + > = =

8 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos Prero se geera cuatro recurrecas para taaños de problea cosecutvos. = + ( ) ( ) = + T( 4) ( ) = + T 4 ( 8) 4 ( ) = + T( ) T T T T T Eseguda se usa las recurrecas de aterores para hacer la expasó de la recurreca orgal. = + + ( 4) = ( 8) = ( ) T T T T T T = T T Dado que se descooce e cuátos téros la fucó T() debe ser expadda para alcazar el caso base, se usará el ídce para hacer refereca al téro correspodete a la codcó de paro. [ ] 3 T = 3... téro téro Se fora ua suatora cuyo patró de regulardad es ( / ) co -. Posteror a esta suatora sgue el téro de paro, cuyo coefcete y taaño de problea sgue u patró slar co. ( ) T( ) ( ) ( ) 3 T= T T = + La suatora se splfca al cosderar que el últo tero correspode al caso base co = y T()=. ( ) ( ) () T = + T = + T = + Ecotraos el valor de gualado las dos codcoes de paro.

9 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos ( ) T = = = T() log = log = log La solucó de la recurreca dca que el algorto tee u creceto -logarítco. log T = + log T log = log + = log + =Θ( log ) Eseguda, u segudo ejeplo para clarfcar el étodo teratvo. T 3T + > = 4 θ () = Prero se geera recurrecas para dferetes taaños de problea. = + 3 ( 4 ) ( ) = + 3T 4 ( 6 ) 4 ( ) = + 3T 6 ( 64 ) 6 ( ) = + 3T ( ) T T T T T Eseguda se usa las recurrecas aterores para hacer la expasó de la recurreca orgal. T = + 3 T ( 4 ) ( 6 ) ( 64 ) ( ) 3 T = + + 9T T = T T = T

10 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos Dado que se descooce e cuátos téros la fucó T() debe ser expadda para alcazar el caso base, se usará el ídce para hacer refereca al téro correspodete a la codcó de paro T = téro referecado por [ ] Ates de la últa llaada recursva se fora ua suatora cuyo patró de regulardad (téro geeral) es 3 /4 co -. Después sgue el téro asocado a la codcó de paro, cuyo coefcete y taaño de problea sgue u patró slar co. ( ) T= 3 T T = 3 3 T + 4 ( 4 ) El últo téro de la suatora se splfca ya que éste correspode al caso base co = y T()=Θ(). () T = T 4 Usado el líte 4 4 téro de la suatora., ecotraos el valor de que hace refereca al últo ( ) ( ) T T, coo T = T(), etoces T T() log 4(4 ) log 4 log 4 El valor de se susttuye e la recurreca expadda. log 4 log Θ() 4 log 4 log 4 3 +Θ( 3 ) 4 log 4 log 4 (3) 3 +Θ( ) 4 T T T

11 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos El líte superor de la suatora de T() se puede susttur por fto para utlzar ua sere geoétrca fta. r = co r = 3/4 r T (3/4) +Θ T +Θ 3/4 T 4+Θ T = O log 4 (3) log 4 (3) log 4 (3) U líte superor ás ajustado para T() se obtee co ua sere geoétrca fta. k+ (( )/( ) ) k ar a r r =. Co las seres geoétrcas decrecetes, la sua total es a lo ás u factor costate ayor que el prer téro. Por lo tato e la solucó prevalece el prer téro que es eor que 4 por u factor de (3/ 4) = = Solucó de recurrecas edate el étodo de árbol de recursó Los árboles de recursó so ua herraeta vsual para aalzar el costo de procedetos recursvos asocados a ua estructura de árbol, por ejeplo los algortos de dvde-y-veceras Descrpcó del étodo de árbol de recursó Se costruye el árbol para orgazar por veles las operacoes algebracas ecesaras para resolver la recurreca. Cada odo del árbol tee ua estructura de dos copoetes: la fucó de costos y el costo o-recursvo. Los odos odos teredos se expade co los casos progresvo Fucó de costo Costo o-recursvo Los odos hoja so los casos base.

12 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos 3.5. Ejeplos de recurrecas resueltas co el étodo de árbol de recursó El sguete ejeplo lustra el étodo de solucó de recurrecas basado e árbol de recursó. T ( /) + > T = = Prero se costruye el árbol de recurreca deterado para cada odo la fucó de costos y el costo o recursvo. Para cada vel se calcula el costo total. T() T vel = log () T(/) (/) T(/) (/) T vel = (/) = / T(/4) (/4) T(/4) (/4) T(/4) (/4) T(/4) (/4) T vel = 4(/4) = /4 T() T vel = U aálss vsual del árbol revela que e cada vel el úero de subprobleas aueta e potecas de dos. ( ) ( ) ( )... ( ) E cada vel el taaño de los probleas dsuye e potecas de dos.... E cada vel la coplejdad algorítca total creeta e potecas de dos. Es portate observar que e el últo vel se tee odos y cada odo es de taaño (/ ).... ( ) T Usado el patró de coplejdad y las codcoes de teracó, la recurreca se expresa coo ua suatora. T = T + 4 T = = + 4

13 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS El valor de se detera gualado las dos expresoes del caso base. T () = T = ; = ; log = log = log Para la solucó de T() se usa la sere geoétrca co r=/. k+ (( )/( ) ) k ar a r r k = = k Capítulo 3 Coplejdad de algortos recursvos La solucó de la recurreca T() revela que el algorto tee ua velocdad de creceto cuadrátca (log ) T = = (log ) = = T =Θ Co u segudo ejeplo se lustra el étodo de árbol de recursó. T ( /3) + T( /3) + > T = = Prero se costruye el árbol de recurreca deterado para cada odo la fucó de costos y el costo o recursvo. Para cada vel se calcula el costo total. T() T vel = log 3/ () T(/3) (/3) T(/3) (/3) T vel = (/3)+ (/3)= T(/9) (/9) T(/9) (/9) T(/9) (/9) T(4/9) (4/9) T vel = (/9)+ + (4/9) = T() T vel =

14 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos E cada vel el úero de subprobleas aueta e potecas de dos. ( ) ( ) ( )... ( ) E cada vel el taaño ás grade de problea dsuye por u factor de (/3) E cada vel la coplejdad algorítca peraece costate. T 3... ( ) Usado el patró de coplejdad y las codcoes de teracó, la recurreca se expresa coo ua suatora. Dado que esta suatora correspode a la trayectora ás larga (subprobleas ayores), se obtee ua cota superor de las trayectoras restates. T ( ) T 3 T + El valor de se detera gualado las dos expresoes que represeta la codcó de paro. T = T() = = 3 log = log = log 3/ 3/ 3/ Para la solucó de T() se usa ua dfereca de lítes.

15 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos T log 3/ T log 3/ T () T (log + ) 3/ T log 3/ T = O ( log ) Co u tercer ejeplo se lustra el étodo de árbol de recursó. T ( /) + > T = = Prero se costruye el árbol de recurreca deterado para cada odo la fucó de costos y el costo o recursvo acordes al vel de recursvdad que le correspoda. Para cada vel se calcula el costo total. T() T vel = log () T(/) (/) T(/) (/) T vel = (/)+ (/)= T(/4) (/4) T(/4) (/4) T(/4) (/4) T(/4) (/4) T vel = (/4)+ + (/4) = T() T vel = E cada vel el úero de subprobleas aueta e potecas de dos. ( ) ( ) ( )... ( ) Establecedo el supuesto que e todos los veles del árbol es par, e cada vel el taaño del problea dsuye e potecas de dos....

16 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS E cada vel la coplejdad algorítca peraece costate. T... ( ) Capítulo 3 Coplejdad de algortos recursvos Usado el patró de coplejdad y las codcoes de teracó, la recurreca se expresa coo ua suatora. T = ( ) T = + El valor de se detera gualado las dos expresoes que represeta la codcó de paro. T = log = = = log = log Para la solucó de T() se usa ua dfereca de lítes. T = log log T = = T = = T = () T = log T =Θ( log ) 3.6 Solucó de recurrecas edate el étodo aestro El étodo aestro es ua receta para resolver recurrecas dervadas de aplcar la técca de dvde-y-vecerás. T() = b T( /c ) + f() 3.6. Descrpcó del étodo aestro E la aplcacó del étodo se puede otr el pso y techo del taaño del problea ya que o afecta a la solucó de la recurreca porque ésta se expresa co fucoes astótcas.

17 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS / c / c / c Capítulo 3 Coplejdad de algortos recursvos La solucó de ua recurreca está sujeta al caso que le correspoda. Se puede probar cada uo de los casos, o usar el árbol de recursvdad para detfcar la sere que ejor lo descrbe. Caso : La coplejdad es ua sere geoétrca crecete s f logc ( b ε ) =Ο para algua costate ε > logc etoces T =Θ ( b ) Caso : La coplejdad es costate e cada vel s f logc =Θ ( b ) logc etoces T =Θ ( b lg ) Caso 3: La coplejdad es ua sere geoétrca decrecete s f logc ( b +ε ) =Ω para algua costate ε >, y s bf(/c) c f() para algua costate c < y para sufceteete grade, etoces T =Θ ( f ) La seguda codcó prueba que bf(/c), la coplejdad del vel, dsuye o se atee co respecto a c f(), que es la coplejdad del vel Iterpretacó del étodo aestro E los tres casos se copara f(), que es el prer téro de la suatora expadda de la recurreca orgal, co log cb, que es el últo: Recurreca T = bt( c / ) + f Suatora logc ( / )... b T = f+ bf c + + a) E el caso la fucó f() es poloalete ás pequeña que log cb. Esto es, f() es astótcaete ás pequeña por u factor de ε. Esto sucede e las seres geoétrcas crecetes. b) E el caso la fucó f() es astótcaete equvalete a log cb, esto sucede e las seres costates.

18 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos c) E el caso 3 la fucó f() es poloalete ás grade que log cb por u factor de ε. Esto es, f() es astótcaete ás grade por u factor de ε. esto sucede e las seres geoetrcas decrecetes. La superordad de ua fucó h() sobre otra g() se dce que es poloal, s es sgfcatva. Esto es, exste ua costate ε> tal que g() es astótcaete ás pequeña que h() por u factor ε. ε g h E el caso : logc b h =, g = f ε logc b f logc b ε f E el caso 3: h = f, g = ε logc b f logc b+ε f logc b Las recurrecas e las que f() es superor o feror por u factor que o es poloal, o debe ser resueltas co el étodo aestro Ejeplos de recurrecas resueltas co el étodo aestro El sguete ejeplo lustra el prer caso correspodete a ua sere geoétrca crecete. 9 T ( /3) + > T = = De la fórula geeral de dvde-y-vecerás: T() = b T( /c ) + f() b=9, c=3, f() =, Para deterar que la recurreca correspode al caso del Teorea Maestro, sea: f = c g = b = = log log3 9 ε ε ε Se deuestra que f() = O(g()):

19 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos f l = l x x ε g l s ε x ε = ε = = l s > ε x ε = ε = < logc b ε ( ) f = Ο para ε > Por lo ateror, etoces el últo téro de la recurreca es el doate, T=Θ =Θ =Θ logc log3 9 ( b ) Alteratvaete se puede resolver la recurreca edate la costruccó del árbol de recursó. T() T vel = log 3 () T(/3) (/3). T(/3) (/3).. T(/9) (/9) T(/9) (/9) T(/9) (/9) T(/9) (/9).... T() T vel = (/3)+ +(/3)=9/3=3 T vel = (/9)+ + (/9) =8/3=9 T vel = + +=3 =3 log 3 = Se obtee el patró del taaño de problea: / E la profuddad del árbol el taaño del problea es 3 = 3 = log = log 3 3 = log 3 Se obtee el patró de coplejdad 3, que da lugar a ua sere crecete dode el últo téro es el doate.

20 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos T = (log 3 ) T = (log 3 ) T = (3 ) k k+ Usado la sere ar = a (( r )/( r ) ), se resuelve la recurreca. log 3 (3 ) ( ) T = = == 3 T =Θ El sguete ejeplo lustra el segudo caso correspodete a ua sere costate. T( /3) + > T = = De la fórula geeral de dvde-y-vecerás: T() = b T( /c ) + f(), b=, c=3/, f() =, Para deterar que la recurreca correspode al caso del Teorea Maestro, sea, f = g log c log 3/ = b = = = Se deuestra que f() = Θ(g()): f l = l = x g x c f =Θ log b logc Coo f( ) =Θ ( b ), etoces todos los lg téros de la recurreca so guales al últo téro, T=Θ =Θ =Θ logc log3/ ( b lg ) ( lg ) (lg ) Alteratvaete se puede resolver la recurreca edate la costruccó del árbol de recursó.

21 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos T() T vel = log 3/ () T(/3) T vel = T(4/9) T vel = T() T vel = Se obtee el patró del taaño de problea: (/3).... = E la profuddad del árbol, el taaño del problea es. = 3 3 = 3 log = log = log 3/ 3/ 3/ Se obtee coo patró de coplejdad ua costate que prevalece hasta la profuddad del árbol. T = log 3/ T = T = log 3/ + T =Θ(lg ) El sguete ejeplo lustra el tercer caso correspodete a ua sere geoétrca decrecete. 3 T ( /4) + lg > T = =

22 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos De la fórula geeral de dvde-y-veceras: T() = b T( /c ) + f(), b=3, c=4, f() =lg. Para deterar que la recurreca correspode al caso 3 del Teorea Maestro, sea f = lg c g = b = log + ε log4 3+ ε Se deuestra que f() = Ω(g()) f lg l = l x log4 3 x + ε g lg l l lg s ε.7 x.793 ε = = = x lg l s < ε.7 x.793 ε = logc b+ ε f =Ω para ε > Adeás, se deuestra que bf(/c) c f() para algua costate c < y para sufceteete grade 3 3 lg c lg s c = lg lg bf ( / c) c f para c < Por lo ateror, T =Θ ( f ) =Θ ( lg ) 3.7 Solucó de recurrecas edate el étodo de substtucó Se usa cuado las ecuacoes so o leales. Medate duccó ateátca se prueba que ua solucó advada para T() es correcta e codcoes líte Pasos del étodo de substtucó Paso: Advacó

23 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Se cojetura que la solucó de T() perteece a algú orde de O(f()). Paso: Prueba ductva a) Hpótess: La fucó advada se establece coo hpótess ductva T() cf() para ua c> b) Caso Base: Para pequeña se prueba T() cf(). Capítulo 3 Coplejdad de algortos recursvos La hpótess ductva se prueba co el taaño de problea ás pequeño. Coo la solucó advada se expresa e otacó astótca sólo basta ecotrar ua, tal que la hpótess ductva se cupla para cualquer >. El valor de se substtuye e la recurreca para ecotrar su solucó co pequeña. La prueba es correcta s la hpótess y la recurreca cocde e algua costate c. c) Caso Geeral: Supoedo T() cf() verdadera deostrar que T(-) cf(-) La hpótess ductva se prueba co u valor de problea grade. Para ello se asue que dcha hpótess es válda co el taaño ateror k f- al del ás grade que es k f. Esta se substtuye e la recurreca evaluada e k f, y se cosdera correcta s alcaza la fora exacta de la hpótess ductva Ejeplos de recurrecas resueltas co el étodo de susttucó El sguete ejeplo lustra el étodo de susttucó. T( / ) + > T = = Paso : Advacó Sea T() = O(lg) la solucó advada Paso : Prueba ductva a) Coo hpótess ductva se establece la fucó T() c(lg) para ua c>. b) Para probar que la hpótess ductva es válda co u taaño de problea grade k f =, prero se asue que esta hpótess es valda co u valor k f- = / ateror al de k f. La hpótess ductva de la solucó advada es:

24 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS T = O ( log ) T c ( log ) Capítulo 3 Coplejdad de algortos recursvos La hpótess ductva para k f- = / queda: T / c / lg / La recurreca orgal para k f = es: T = T( / ) + La hpótess ductva que es valda e k f- se susttuye e la recurreca especfcada e el taaño de problea ás grade k f. La recurreca orgal, co la susttucó de la hpótess ductva, queda T c / lg / + T c lg( / ) + T c lg c lg + T c lg c + Para c= se ecuetra la fora exacta de la hpótess ductva: T T () lg () + lg c) Se busca u valor pequeño de para el cual la hpótess ductva es válda. Para =, que es el taaño de problea ás pequeño, la hpótess ductva queda: () T c lg T c() lg() = La hpótess es cosstete co el caso base de la recurreca ya que o exste ua c que pueda obteer su codcó líte T()=. Cuado = la hpótess ductva o se cuple. Para =, la hpótess ductva queda: T T c lg c()lg() = c El valor de = se susttuye e la recurreca:

25 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos T = T( / ) + T = T ( / ) + T = () + = 4 Para c = la hpótess ductva correspode co la recurreca. T T c () = 4 Cuado = la hpótess ductva se cuple. Dado que se ecotró la fora exacta de la hpótess co grade y o se llegó a cosstecas co pequeña, queda deostrado que T = O ( log ) Cosejos para ua buea advacó a) Usar la solucó de ua recurreca slar a la recurreca co solucó coocda. Recurreca co solucó coocda T c = T( / ) + T() c = O(lg) Recurreca co solucó descoocda T c = T( / ) + 3+ Probar la solucó T() c = O(lg) b) Probar lítes superores e ferores holgados y después reducrlos hasta que coverja. Para la recurreca T = T( / ) + Probar coo líte feror el costo o recursvo T =Ω( ) Probar coo líte superor ua poteca del costo o recursvo

26 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos T =Ο( ) Reducr el líte superor y elevar el líte feror hasta que coverja e el correcto T() = Θ(lg) c) Covertr ua suposcó ductva débl e ua fuerte, restado el téro de ás bajo orde. Suposcó ductva débl Recurreca a resolver: T = T( / ) + T( / ) + Advacó de la fórula de la solucó: T = O Hpótess ductva: exste ua c> que haga certo que, T c Susttucó e la recurreca de la hpótess ductva evaluada e k f- = / T c / + c /+ T c+ La hpótess ductva se rechaza ya que o exste ua c que haga certa la hpótess e la recurreca ya que para toda c>, c c+ Suposcó ductva fuerte El téro de ás bajo orde de la recurreca es, el cual se resta de la hpótess ductva coo ua costate, quedado: T c b, co b Susttuyedo e la recurreca la hpótess ductva evaluada e k f- = / se tee: T c/ b+ c/ b+ T c b+ Para b= la recurreca y la hpótess cocde Recurreca

27 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS T c () + T c Hpótess Capítulo 3 Coplejdad de algortos recursvos T c b T c d) Cabo de varables. Medate ua apulacó algebraca hacer que ua recurreca descoocda sea slar a ua coocda Por ejeplo: T = T + lg. Para elar el logarto se troducedo ua ueva varable =lg. = T = T( ) + / T = T + La recurreca orgal T se reobra co S, cuyo taaño de problea es. S = T S = S ( /) + La ueva recurreca S es slar a otra recurreca de solucó coocda. T = T ( /) + T = O ( log ) Por lo tato, S tee la sa solucó que la recurreca coocda. S = O ( log ) Se restablece los valores orgales para obteer la solucó de la recurreca orgal. T = T = S T = O ( lg ) = O(lg (lg(lg ))), T = O(loglg )

28 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS 3.8 Ejerccos resueltos Capítulo 3 Coplejdad de algortos recursvos E los sguetes ejerccos, para la fucó de recurreca dada, se aplca los étodos de solucó dcados. Posterorete se detere el orde astótco de la fucó. Falete la solucó la solucó se coprueba utlzado la herraeta Derve Utlce el étodo aestro y al árbol de recurreca para resolver la fucó T() defda para todas las potecas de. T = -+ T / T () = a) Aplcacó de étodos de solucó de recurrecas Medate u aálss del árbol de recurreca se observa que la coplejdad e los dferetes veles del árbol o es costate y tapoco es ua sere geoétrca. Por lo ateror el teorea aestro o se puede utlzar para resolver la recurreca. T() - Coplejdad - T(/) (/)- T(/) (/)- - T(/4) (/4)- T(/4) (/4)- T(/4) (/4)- T(/4) (/4) Para facltar la detfcacó de patroes, se elabora ua tabla que resue la evolucó del taaño del problea, la coplejdad de u odo y la coplejdad de u vel. Nvel Taaño del problea Coplejdad (de u subproblea) No. de suprobleas Coplejdad (de todo el vel) - (-) = - / / - (/ -) = - /4 /4-4 4(/4 -) = -4 9 = T = T() = T T() () = = Patró de Coplejdad: -

29 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos T = ( ) + T() = ( ) + () = ( ) L Para =, que es el taaño de problea ás pequeño, y aplcado: b = x ; log x = L T () = T = = = lg Logrado co ello establecer el líte al cual llegará, es decr, la profuddad del árbol k + Utlzado la sere geoétrca = k b lg - lg - lg - T = ( - ) = - lg - lg - (lg -) + lg = - = (lg ) - ( -) = (lg ) - + T T = lg-+ b) Deteracó del orde astótco T =Θ ( lg ) c) Coprobacó co Derve GEOMETRIC es ua fucó que resuelve ecuacoes de recurreca lear-geoétrca obtedas de algortos de los tpos dvde-y-vecerás. La Fucó T() se debe trasforar para adqurr la fora esperada por GEOMETRIC. T = + T /, T() = T = T + ykx = pxyx + qx k =, x=, px =, q( x) =, x =, y = GEOMETRIC( k, p( x), q( x), x, x, y )

30 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos #: GEOMETRIC(,, -,,, ) LN() #: - + LN() Utlce el étodo aestro para resolver la fucó W defda por la ecuacó de recurreca y caso base sguetes: ( ) W = W / + W () = a) Aplcacó de étodos de solucó de recurrecas W() Coplejdad W(/) (/) W(/) (/) W(/4) (/4) W(/4) (/4) W(/4) (/4) W(/4) (/4) Observado el árbol de recurreca se puede otar que el patró de coplejdad se atee costate, correspodedo al caso del étodo aestro. De la forula geeral de dvde-y-vecerás se tee: T = bt( / c) + f b =, c =, f = logc Deostrar que f =Θ ( b ), requere detfcar las fucoes f() y g() f = lg g = = Coo f = g, se deuestra que f logc =Θ ( b ) Del teorea aestro se obtee la fora astótca de la solucó W log log =Θ ( c b lg ) =Θ ( lg ) =Θ ( lg )

31 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS b) Coprobacó co Derve Capítulo 3 Coplejdad de algortos recursvos ( ) W = W / +, W() = W = W + ykx = pxyx + qx k =, x =, p( x) =, q( x) = GEOMETRIC( k, p( x), q( x), x, x, y) #: GEOMETRIC(,,,,, ) LN() #: LN() Utlce el étodo aestro y el árbol de recurreca para resolver la fucó T defda por la ecuacó de recurreca y caso base sguetes: T = T( /) + lg, T() = a) Aplcacó de étodos de solucó de recurrecas Del aálss del árbol de recurreca se observa que la coplejdad o es costate y o es ua sere geoétrca decrecete, por lo que o posble aplcar el Teorea aestro para resolver la recurreca. T() T(/) T(/4) lg lg(/) lg(/4) Coplejdad lg lg(/) lg(/4)... lg(/ ) Nvel Taaño del problea Coplejdad (de u subproblea) No. de subprobleas Coplejdad (de todo el vel) lg lg / lg(/) (lg(/)) /4 lg(/4) (lg(/4)) / lg(/ ) lg(/ ) / = T(/ )=T()= T(/ )= T()=

32 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Patró de coplejdad: lg Capítulo 3 Coplejdad de algortos recursvos L Para, que es el taaño de problea ás pequeño, y aplcado: b = x ; log x = L T ( / ) = T() = = = lg Logrado co ello establecer el líte al cual llegará, es decr la profuddad del árbol lg T = lg + T() lg lg lg lg T = lg lg + = lg + lg (lg ) (lg ) lg T = lg (lg ) + = (lg ) + (lg ) (lg ) + lg (lg ) + lg T = + = + b) Deteracó del orde astótco T =Θ ((lg ) ) c) Coprobacó co Derve T = T ( /) + lg, T() = T = T + lg b ykx = pxyx + qx k =, x=, p( x) =, q( x) = lg GEOMETRIC( k, p( x), q( x), x, x, y) #: GEOMETRIC(,, LOG(, ),,, ) LN() LN() #: + + LN() LN()

33 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos Utlce el étodo aestro para resolver la fucó T defda por la ecuacó de recurreca y caso base sguetes: T = T ( /) +, T() = a) Aplcacó de étodos de solucó de recurrecas Del aálss del árbol de recurreca se observa que la coplejdad es ua sere geoétrca decrecete, por lo que es recoedable aplcar el caso 3 del Teorea aestro. T() T(/) T(/4) (/) (/4) Coplejdad (/) (/4) (/ ) Nvel Taaño del problea Coplejdad (de u subproblea) Coplejdad (de todo el vel) / / / /4 /4 /4 De la forula geeral T = bt( / c) + f se tee se tee b =, c =, f =. logc Deostrar que ( b + ε f =Ω ) para ε >, requere detfcar las fucoes f ( ) y g f = log c log b + g ε + ε ( + = = = ε ) = ( ε ) Coo f ( / c) c' g se deuestra que f = Ω ( ε ) para ε = y c = El Teorea Maestro tabé pde deostrar que bf ( / c) c ' f para c ' <. bf ( / c) / bf = 3 para c ' = 3 Coo exste ua c ' <, se deuestra que bf ( / c) c ' f Cuado las deostracoes so extosas, el teorea aestro señala que T f Por tato, la fora astótca de la solucó queda: T =Θ =Θ.

34 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS b) Coprobacó co Derve T = T ( /) +, T() = T = T + Capítulo 3 Coplejdad de algortos recursvos ykx = pxyx + qx k =, x=, p( x) =, q( x) = GEOMETRIC( k, p( x), q( x), x, x, y) #: GEOMETRIC(,,,,, ) #: Utlce el étodo aestro para resolver la fucó T defda por la ecuacó de recurreca y caso base sguetes: T = T( /) +, T() = a) Aplcacó de étodos de solucó de recurrecas T() Coplejdad T(/) (/) T (/) (/) T(/4) (/4) T(/4) (/4) T(/4) (/4) T(/4) (/4).. Nvel Taaño del problea Coplejdad (de u subproblea) Coplejdad (de todo el vel) = / / (/) = /4 /4 4(/4) = Observado el árbol de recurreca se puede otar que el patró de coplejdad se atee costate, correspodedo al caso del étodo aestro. De la forula geeral de dvde-y-vecerás T = bt( / c) + f se tee b =, c =, f = Deostrar que f logc ( b ) =Θ, requere detfcar las fucoes f() y g() lg f =, g = =

35 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Coo f = g,se deuestra que f logc =Θ ( b ) Capítulo 3 Coplejdad de algortos recursvos Del teorea aestro se obtee la fora astótca de la solucó log log W =Θ ( c b lg ) =Θ ( lg ) =Θ ( lg ) b) Coprobacó co Derve T = T( /) +, T() = T = T + ykx = pxyx + qx k =, x =, p( x) =, q( x) = GEOMETRIC( k, p, q, x, x, y) #: GEOMETRIC(,,,,, ) LN() #: + LN() Utlce el étodo aestro y el árbol de recurreca para resolver la fucó T defda por la ecuacó de recurreca y caso base sguetes: T = T( /) + lg, T() = a) Aplcacó de étodos de solucó de recurrecas Del aálss del árbol de recurreca se observa que la coplejdad o se atee costate y o es ua sere geoétrca decrecete, por lo que o es posble utlzar el Teorea aestro para la solucó de la recurreca T() lg Coplejdad lg T(/) (/) lg / T(/) (/) lg (/) lg (/) T(/4) (/4) lg (/4) T(/4) (/4) lg ( /4) T(/4) (/4) lg (/4) T( /4) ( /4) lg (/4) lg (/4).... lg (/ )

36 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos Nvel Taaño del problea Coplejdad (de u subproblea) No. de subprobleas Coplejdad (de todo el vel) lg ( lg ) = lg() / (/)lg(/) 4 ((/) lg(/)) = lg(/) /4 (/4)lg(/4) 8 4((/4) lg(/4)) = lg(/4) / (/ )lg(/ ) lg(/ ) / T(/ )=T()= T(/ )= T() Patró de coplejdad: lg L Para =, que es el taaño de problea ás pequeño, y aplcado: b = x ; log x = L T ( / ) = T() = = = lg Logrado co ello establecer el líte al cual llegará, es decr, la profuddad del árbol b T T T lg log = lg () lg () + = + lg lg lg lg lg lg T = lg lg + = lg + = lg + lg (lg ) T = lg (lg ) + T = lg lg + lg+ T = lg + lg + b) Deteracó del orde astótco =Θ( log ) T

37 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS c) Coprobacó co Derve Capítulo 3 Coplejdad de algortos recursvos T = T ( /) + lg, T() = T = T + (lg ) ykx = pxyx + qx k =, x=, p( x) =, q( x) = lg GEOMETRIC( k, p( x), q( x), x, x, y) #: GEOMETRIC(,, LOG(, ),,, ) LN() LN() #: + + LN() LN() Utlce el étodo aestro y el árbol de recurreca para resolver la fucó T defda por la ecuacó de recurreca y caso base sguetes: T T T = ( /) +, () = a) Aplcacó de étodos de solucó de recurrecas Del aálss del árbol de recurreca se observa que la coplejdad es ua sere geoétrca decrecete, por lo que para la solucó de la recurreca se utlzará el caso 3 del Teorea Maestro. /4 T() Coplejdad T (/) (/4) T(/) (/4) (/) T(/4) (/6) T(/4) (/6) T(/4) (/6) T(/4) (/6) (/4).. (/ )

38 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Nvel Taaño del problea Coplejdad (de u subproblea) Capítulo 3 Coplejdad de algortos recursvos Coplejdad (de todo el vel) = (/) / (/) (/) = (/) /4 (/4) 4 (/4) = (/4) 3 /8 (/8) 8 (/8) = (/8) De la forula geeral T = btc ( / ) + f se tee b =, c =, f = Deostrar que f f = =Ω ε >, requere detfcar las fucoes f ( ) y g logc ( b + ε ) para g logc ( b + ε + ε = ) = Coo f c g, se deuestra que f c + ε = Ω para ε = y = El Teorea Maestro tabé pde deostrar que bf c f para c ' <. ( ) bf c = = c' f = ( 3 ) para c ' = 3 Coo exste ua c ' <, se deuestra que bf c f Cuado las deostracoes so extosas, el teorea aestro señala que T f tato, la fora astótca de la solucó queda: =Θ ( ) T b) Coprobacó co Derve T= T + T = ( /), () T = T + 4 =Θ. Por ykx = pxyx + qx k =, x=, p( x) =, q( x) = 4 GEOMETRIC( k, p( x), q( x), x, x, y)

39 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos #: GEOMETRIC(,, 4 ^,,, ) #: Utlce el étodo de árbol de recurreca para resolver la fucó: T( ) =, T( ) = 3T( - ) + a) Aplcacó de étodos de solucó de recurrecas T() Coplejdad T(-) T(-) T(-) (3) T(-) T(-) T(-) T(-) T(-) T(-) T(-) T(-) T(-) (9)... (3 ) Nvel Taaño del problea Coplejdad (de u subproblea) No. de subprobleas Coplejdad (de todo el vel) - 3 3() - 9 9() () () - T(-)=T()= 3 3 T(-)=3 T() =3 () Patró de Coplejdad: (3 ) () T = L Para, que es el taaño de problea ás pequeño, y aplcado: b = x ; logb x = L T(-)=T() -= =

40 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos Logrado co ello establecer el líte al cual llegará, es decr, la profuddad del árbol 3 3 T = T() = + 3 = T = = 3 =Θ(3 ) b) Coprobacó co Derve + LIN_DIFFERENCE es ua fucó que resuelve ecuacoes de recurreca de prer orde obtedas de algortos de los tpos recorta-y-vecerás. La Fucó T() se debe trasforar para adqurr la fora esperada por LIN_DIFFERENCE. T = 3 T ( - ) +, T() = T ( + ) = 3T + yx ( + ) = pxyx + qx x=, px = 3, qx = LIN_DIFFERENCE( p( x), q( x), x, x, y) #: LIN_DIFFERENCE(3,,,, ) - #: Utlce el étodo de expasó para resolver la sguete recurreca: T()=8, T()=3T(-)-5 a) Aplcacó de étodos de solucó de recurrecas La ecuacó ductva se expresa co dferetes taaños de problea T = 3 T( ) 5 T( ) = 3 T( ) 5 T( ) = 3 T( 3) 5 La ecuacó ductva se expade Expasó co T( ) T = 3 T( ) 5 Expasó co T ( ) T = 3 3 T ( ) 5 5 = (3)(3) T ( ) 3(5) 5 = 5 3(5) + 3 T ( )

41 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos Expasó co T( ) T = (3)(3) 3 T ( ) 5 (3)5 5 = 5 3(5) 3 (5) + 3 T ( 3) 3 () La ecuacó ductva se expresa co suatoras T = T ( ) E el caso base, T () = 8, por lo tato = y = ( ) = T() T = T() T T T = = (5) + (3 )(8) T = b) Coprobacó co Derve T = 3 T ( -)-5, T() = 8 T ( + ) = 3T 5 yx ( + ) = pxyx + qx x=, px = 3, qx = 5 LIN_DIFFERENCE( p( x), q( x), x, x, y) #: LIN_DIFFERENCE(3, -5,,, 8) #: Utlce el étodo de expasó para resolver la sguete recurreca: T () =, T = T( ) +

42 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS a) Aplcacó de étodos de solucó de recurrecas Capítulo 3 Coplejdad de algortos recursvos La ecuacó ductva se expresa co dferetes taaños de problea T = T( ) + T( ) = T( ) + T( ) = T( 3) + 3 La ecuacó ductva se expade Expasó co T( ) T = + T ( ) Expasó co T ( ) T = + ( T( ) + ) = ( ) + ( ) + T( ) Expasó co T( ) T = ( ) + ( ) + ( T( 3) + 3) = ( ) + ( ) + ( 3) + T( 3) La ecuacó ductva se expresa co suatoras T = ( ) + T ( ) E el caso base, T () =, por lo tato = y = T = ( ) + T() = ( ) + ( ) T = ( ) + = ( ) + = + + = + T b) Coprobacó co Derve T = T ( ) +, T() = T ( + ) = T + yx ( + ) = pxyx + qx x=, p( x) =, q( x) = LIN_DIFFERENCE( p( x), q( x), x, x, y)

43 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos #: LIN_DIFFERENCE(,,,, ) #: Ejerccos propuestos 3.9. Usado la otacó vsta e el curso de Aálss y Dseño de Algortos II, escrba la defcó de cada tpo de fucó de recurreca de la lsta de abajo. Para cada tpo de fucó, tabé presete u ejeplo y su solucó co alguo de los étodos vstos e el curso de aálss y dseño de Algortos I. a) Recurreca hoogéea leal de prer-orde co coefcetes costates b) Recurreca hoogéea leal de segudo-orde co coefcetes costates c) Recurreca o-hoogéea de prer-orde d) Recurreca o-hoogéea de segudo-orde e) Recurreca o-leal 3.9. Use el árbol de recurreca para resolver las recurrecas de los ejerccos 3.8. y 3.8.4, 3.8.5, Resuelva las sguetes recurrecas usado el étodo aestro, árbol de recurreca y expasó. Verfque la solucó co la herraeta Derve. + + T = = 3 T ( /) Resuelva las sguetes recurrecas usado el étodo aestro, árbol de recurreca y expasó. Verfque la solucó co la herraeta Derve. T ( ) T =... = = Ecuetre u ejeplo de recurreca de solucó coocda e el que las sguetes reglas aestras obtee la sa solucó que las reglas utlzadas e los ejerccos resueltos. k Para recurrecas co la fora geeral T = bt ( c) + a, la solucó de la recurreca se obtee co las sguetes reglas:

44 Isttuto Tecológco de Cudad Madero Udad I COMPLEJIDAD DE ALGORITMOS Capítulo 3 Coplejdad de algortos recursvos k Θ ( ) s b< c k T = Θ ( log ) s b= c Θ logc b s > b c k k k Bblografía. CoreT.H., LesersoC.E., RvestR.L: Itroducto to Algorths, MIT Press 99.. Sara Basse, Alle Va Gelder. Algortos Coputacoales: Itroduccó al aálss y dseño. Tercera Edcó. AddsoWesley.. 3. Ia Parberry, Wlla Gasarch. Probles o Algorths. Pretce Hall, 994

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Núeros Coplejos PREGUNTAS MÁS FRECUENTES. Qué es la udad agara? Es u eleeto del que cooceos úcaete su cuadrado:.obvaete, o se trata de u úero real.. Qué es u úero coplejo? Es

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO.

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO. Pága de 5 NÚCLEO UNIVERSITARIO RAFAEL RANGEL UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A ÁREA DE FÍSICA LABORATORIO DE FÍSICA LABORATORIO DE FÍSICA I/ PRÁCTICA No ANÁLISIS GRÁFICO OBJETIVO

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Tema 3: Valoración financiera de conjuntos de capitales 1

Tema 3: Valoración financiera de conjuntos de capitales 1 Tea 3: aloracó facera de cojuto de captale. alor facero de u cojuto de captale Se deoa valor facero de u cojuto de captale e u oeto t τ, a u ua facera e dcho puto. Aí, dado u cojuto de captale (, t,(,

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Diseño De Plantas UIS. Ing. Edwin Alberto Garavito H.

Diseño De Plantas UIS. Ing. Edwin Alberto Garavito H. MEJORMIENTO DEL DISEÑO DE DISTRIBUCIONES DE PLNT MEDINTE L UTILIZCIÓN DE CRFT. QUÉ ES CRFT? CRFT (Coputerzed Relatve llocato of Facltes Techque es uo de los paquetes de software ás avazados que se utlza

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca 7 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca Fracsco López

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Tema 2: Semiconductores intrínsecos y extrínsecos

Tema 2: Semiconductores intrínsecos y extrínsecos lectróca de dsostvos Dr.. Reg 5/6 Tea : Secoductores trísecos y extrísecos a. : K. Kao Itroduccó Desdad de stados (De) ucó de dstrbucó de er-drac Desdad de ortadores e secoductores trísecos. vel de er

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

El Amplificador Operacional de Tensiones

El Amplificador Operacional de Tensiones El Aplfcador Operacoal de Tesoes El Aplfcador Operacoal de Tesoes. Itroduccó 2. El Aplfcador Operacoal Ideal de Tesoes 3. Nodealdades e el Opap 4. Crcutos co ealetacó Postva. Itroduccó.. El problea de

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs.

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs. Boletí Técco Septebre No. Tabla esultados cálculos Núero edcoes Valor áxo Valor ío ago Proedo Desvacó Ídce capacdad l proceso Ídce capacdad l proceso Ídce capacdad aqua Ídce capacdad aqua Fraccó fectva

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Procesado digital de imagen y sonido

Procesado digital de imagen y sonido ea ta zabal zazu Uversdad del País Vasco Departaeto de Arqutectura y Tecología de oputadores upv ehu Tea 4_ Ssteas LTI Procesado dgtal de age y sodo Defcó y prcpal vetaja Aálss teporal de la respuesta

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

Estudio y optimización del algoritmo de ordenamiento Shellsort

Estudio y optimización del algoritmo de ordenamiento Shellsort Estudo y optmzacó del algortmo de ordeameto Sellsort Bejam Bustos Departameto de Cecas de la Computacó, Uversdad de Cle bebustos@dcc.ucle.cl Resume Este estudo aalza, e forma empírca, el desempeño del

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

La ecuación general de los gases es el resumen que engloba a varias leyes que se enunciaron de forma separada:

La ecuación general de los gases es el resumen que engloba a varias leyes que se enunciaron de forma separada: ECUACIÓN GENERAL DE LOS GASES PERFECTOS La ecuacó geeral de los gases es el resue que egloba a varas leyes que se eucaro de fora separada: Ley de Boyle - Marotte: Dce que, s se atee la teperatura costate,

Más detalles

UNIVERSIDAD NACIONAL DE QUILMES INGENIERÍA EN AUTOMATIZACIÓN Y CONTROL INDUSTRIAL Cátedra de Instrumentos y Mediciones Docente: Adrián E.

UNIVERSIDAD NACIONAL DE QUILMES INGENIERÍA EN AUTOMATIZACIÓN Y CONTROL INDUSTRIAL Cátedra de Instrumentos y Mediciones Docente: Adrián E. Cátedra de Istruetos y Medcoes Docete: Adrá E. Roco Medcó y Error.. Defcoes: Istrueto: Dspostvo para deterar el valor o agtud de ua catdad o varable. Eacttud: Aproacó co la cual la lectura de u strueto

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza El Método de Relajacó Aplcado a Optzacó de Ssteas Dscretos F. Szget, J. Cardllo, J. C. Heet y J. L. Calet Uersdad de Los Ades Departaeto de Ssteas de Cotrol, Mérda Veezela Laboratore d Aalyse et d Archtectre

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

Tema 2: Modelos lineales de optimización con variables enteras.

Tema 2: Modelos lineales de optimización con variables enteras. Tema 2: Modelos leales de optmzacó co varables eteras. Objetvos del tema: Itroducr la programacó leal etera y los domos de aplcacó. Apreder a formular el modelo de u problema de programacó leal etera.

Más detalles

1. Propiedades molares y propiedades molares parciales

1. Propiedades molares y propiedades molares parciales erodáca. ea 9 Ssteas abertos y ssteas cerrados de coposcó varable. ropedades olares y propedades olares parcales Ua agtud olar se dee coo: Sepre está asocada a u sstea terodáco de u úco copoete (sstea

Más detalles

MODELO 2. CONVERSION DE TASAS (parte 2) CASO 2: CONVERSIÓN DE UNA TASA EFECTIVA ANUAL A TASA NOMINAL

MODELO 2. CONVERSION DE TASAS (parte 2) CASO 2: CONVERSIÓN DE UNA TASA EFECTIVA ANUAL A TASA NOMINAL MODELO 2. CONVERSION DE TASAS (parte 2) CASO 2: CONVERSIÓN DE UNA TASA EFECTIVA ANUAL A TASA NOMINAL PROPÓSITO: Dseñar u modelo e hoja de cálculo que permta covertr ua tasa efectva, a su equvalete omal

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA:

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA: UNIVERSIDAD DE PANAÁ FACULTAD DE INFORÁTICA, ELECTRÓNICA Y COUNICACIÓN ESCUELA DE INFORÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS ONOGRAFÍA: INTEGRACIÓN NUÉRICA POR EL ÉTODO DE LOS TRAPECIOS PRESENTA:

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

UNIVERSIDAD DE BUENOS AIRES

UNIVERSIDAD DE BUENOS AIRES NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes

Más detalles

3. Unidad Aritmética Lógica (ALU)

3. Unidad Aritmética Lógica (ALU) 3. Udd rtmétc Lógc (LU) bordremos los spectos que permte l mplemetcó de l rtmétc de u computdor, trbuto fucol de l Udd rtmétc Lógc (LU). Prmero se revstrá lo relcodo l form de represetr los úmeros como

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

. Usaremos una vía algebraica y una geométrica que nos

. Usaremos una vía algebraica y una geométrica que nos Título: La desgualdad etre la meda artmétca y geométrca e problemas de olmpadas. Resume: E el presete artículo se pretede mostrar la utldad de ua desgualdad ta elemetal como la relacó etre las medas artmétca

Más detalles

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información MATEMÁTICA Udad 4 Resolvamos desgualdades Iterpretemos la varabldad de la formacó Objetvos de la Udad: Propodrás solucoes a problemas relacoados co desgualdades leales y cuadrátcas; y represetarás los

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

1. Hallar un número cuadrado perfecto de cinco cifras sabiendo que el producto de esas cinco cifras es 1568.

1. Hallar un número cuadrado perfecto de cinco cifras sabiendo que el producto de esas cinco cifras es 1568. Hoja de Probleas º Algebra. Hallar u úero cuadrado perfecto de cico cifras sabiedo que el producto de esas cico cifras es 568. Solució: Sea x 0 4 x 0 3 x 3 0 x 4 0 x 5 el úero que buscaos y sea a 0 b 0

Más detalles