Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.
|
|
- Alfonso Fidalgo Mora
- hace 7 años
- Vistas:
Transcripción
1 Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació de Probabilidades Evetos y sus Probabilidades Alguas Relacioes Básicas de Probabilidad Probabilidad Codicioal Teorema de Bayes Slide 2 Slide 3 Probabilidad Probabilidad es ua medida umérica de qué ta factible es que u eveto ocurra. Los valores probabilísticos so siempre asigados e ua escala de 0 a 1. Ua probabilidad cercaa a 0 idica que u eveto es muy poco factible, co pocas posibilidades de ocurrir. Ua probabilidad cercaa a 1 idica que se trata de u eveto muy posible, que su ocurrecia es casi segura. Ua probabilidad de 0.5 idica que la ocurrecia de dicho eveto tiee ua factibilidad igual tato de que ocurra como de que o ocurra. Slide 3
2 Slide 4 Probabilidad como ua medida umérica de la factibilidad de ocurrecia Se icremeta la posibilidad de ocurrecia Probabilidad: La ocurrecia del eveto tiee las mismas posibilidades de ocurrir como de o ocurrir. Slide 4 Slide 5 U Experimeto y su Espacio Muestral U experimeto es cualquier proceso que geera resultados bie defiidos. El Espacio Muestral de u experimeto es el cojuto de todos los resultados posibles. U puto muestral es u elemeto del espacio muestral que tiee u resultado experimetal bie defiido. Slide 5 Slide 6 Ejemplo: Iversioes Bradley La firma Bradley ha ivertido e dos accioes, Markley Oil y Collis Miig. Bradley ha determiado que los resultados posibles de dichas iversioes e los próximos 3 meses so: Gaacia o Pérdida e los Próximos 3 meses (e $000) Markley Oil Collis Miig Slide 6
3 Slide 7 Reglas de Coteo para Experimetos e varias Etapas Si u experimeto cosiste e ua secuecia de k etapas o pasos e los cuales existe 1 resultados posibles para la primera etapa, 2 resultados posibles para la seguda etapa, y así sucesivamete, etoces el úmero total de resultados experimetales posibles está dado por ( 1 )( 2 )... ( k ). Ua herramieta muy útil para la represetació de u experimeto e etapas es u diagrama de árbol. Slide 7 Slide 8 Ejemplo: Bradley Ivestmets Ua Regla de Coteo para Experimetos de Varias Etapas Las iversioes Bradley Ivestmets puede ser vistas como u experimeto e dos etapas; dado que ivolucra a dos tipos de accioes, cada uo de ellos co u cojuto de resultados experimetales. Markley Oil: 1 = 4 Collis Miig: 2 = 2 Número Total de Resultados Experimetales: 1 2 = (4)(2) = 8 Slide 8 Slide 9 Ejemplo: Iversioes Bradley Diagrama de Árbol Markley Oil Collis Miig Resultados (Etapa 1) (Etapa 2) Experimetales Gaa 10 Pierde 20 Gaa 5 Par Gaa 8 (10, -2) Gaa $8,000 Pierde 2 Gaa 8 (5, 8) Gaa $13,000 Pierde 2 Gaa 8 Pierde 2 (0, -2) Pierde $2,000 Gaa 8 (-20, 8) Pierde $12,000 Pierde 2 (10, 8) Gaa $18,000 (5, -2) Gaa $3,000 (0, 8) Gaa $8,000 (-20, -2) Pierde $22,000 Slide 9
4 Slide 10 Reglas de Coteo para Combiacioes Otra regla útil os permite cotabilizar el úmero de resultados experimetales cuado objetos tiee que ser seleccioados a partir de u cojuto de N objetos. Número de combiacioes de N objetos tomado cada vez N N C N!!( N )! Dode N! = N(N - 1)(N - 2)... (2)(1)! = ( - 1)( - 2)... (2)(1) 0! = 1 Slide 10 Slide 11 Reglas de Coteo para Permutacioes Ua tercera regla útil para cotabilizar os permite cotar el úmero de resultados experimetales cuado seleccioamos objetos a partir de u cojuto de N objetos, e dóde el orde de selecció es importate. Número de Permutacioes de N objetos tomado cada vez P N N N!! ( N )! Slide 11 Slide 12 Asigado Probabilidades Método Clásico Asigar las probabilidades basados e el supuesto de que los resultados so igualmete factibles. Método de Frecuecia Relativa Asigar las probabilidades basados e la experimetació o e datos históricos. Método Subjetivo Asigar las probabilidades basados e el juicio de la persoa que se ecuetra tomado las decisioes. Slide 12
5 Slide 13 Método Clásico Si u experimeto tiee posibles resultados, este método asigará ua probabilidad de 1/ a cada resultado posible. Por Ejemplo: Experimeto: Tirar u dado Espacio Muestral: S = {1, 2, 3, 4, 5, 6} Probabilidades: Cada puto del espacio muestral tiee 1/6 probabilidad de ocurrecia. Slide 13 Slide 14 Ejemplo: Arriedo de Herramietas Lucas Método de Frecuecia Relativa Lucas quiere asigar probabilidades al úmero de pulidoras de piso que arrieda por día. Registros previos idica las siguietes frecuecias de retas diarias e los 40 días ateriores: Número de Número de Pulidoras Retadas Días Slide 14 Slide 15 Ejemplo: Arriedo de Herramietas Lucas Método de Frecuecia Relativa La asigació de probabilidad so dados dividiedo las frecuecias del úmero de días por la frecuecia total (úmero total de días) Número de Número Pulidoras de Días Probabilidad = 4/ = 6/ etc Slide 15
6 Slide 16 Método Subjetivo Cuado las codicioes ecoómicas y las circustacias de ua compañía cambia rápidamete, puede ser iapropiado asigar probabilidades basados simplemete e datos históricos. Podemos etoces usar cualquier dato dispoible así como uestra experiecia e ituició, pero al fial ua probabilidad debe expresar uestro grado de creecia de que u resultado experimetal ocurrirá. Los mejores estimados de la probabilidad de u eveto so, e muchos casos, obteidos mediate ua combiació de estimacioes usado los métodos clásicos o relativos, co los métodos subjetivos. Slide 16 Slide 17 Ejemplo: Iversioes Bradley Aplicado el método subjetivo, u aalista realizo las siguietes asigacioes de probabilidad. Resultado Ga/Pérd. Neta Probabilidad ( 10, 8) $18,000 Gaa.20 ( 10, -2) $8,000 Gaa.08 ( 5, 8) $13,000 Gaa.16 ( 5, -2) $3,000 Gaa.26 ( 0, 8) $8,000 Gaa.10 ( 0, -2) $2,000 Pierde.12 (-20, 8) $12,000 Pierde.02 (-20, -2) $22,000 Pierde.06 Slide 17 Slide 18 Evetos y su Probabilidad U Eveto es ua colecció de putos muéstrales. La probabilidad de cada eveto es igual a la suma de las probabilidades de los putos muéstrales detro del eveto. Si somos capaces de idetificar todos los putos muéstrales y asigar ua probabilidad a cada uo de ellos, etoces podemos calcular exactamete la probabilidad de ocurrecia de u eveto. Slide 18
7 Slide 19 Ejemplo: Iversioes Bradley Evetos y su Probabilidad Eveto M = Markley Oil es Lucrativo M = {(10, 8), (10, -2), (5, 8), (5, -2)} P(M) = P(10, 8) + P(10, -2) + P(5, 8) + P(5, -2) = =.70 Eveto C = Collis Miig es Lucrativo P(C) =.48 (Ecotrado usado la misma lógica) Slide 19 Slide 20 Alguas Relacioas Básicas de Probabilidad Existe alguas Relacioes Básicas de Probabilidad que puede ser usadas para calcular la probabilidad de u eveto si ecesariamete coocer todas las probabilidades de todos los putos muéstrales. Complemeto de u Eveto Uió de dos Evetos Itersecció de dos Evetos Evetos Mutuamete Excluyetes Slide 20 Slide 21 Complemeto de u Eveto El complemeto de u eveto A se defie como el eveto que cosiste e todos los putos muéstrales que o se ecuetra e A. El complemeto de A se deota por A c. El Diagrama de Ve abajo ilustra el cocepto de u complemeto. Espacio Muestral S Eveto A A c Slide 21
8 Slide 22 Uió de dos Evetos La uió de los evetos A y B es el eveto que cotiee todos los putos muéstrales que se ecuetra e A, e B, o e ambos. La uió se deota mediate A B La uió de A y B se ilustra a cotiuació. Espacio Muestral S Eveto A Eveto B Slide 22 Slide 23 Ejemplo: Iversioes Bradley Uió de dos Evetos Eveto M = Markley Oil Lucrativo Eveto C = Collis Miig Lucrativo M C = Markley Oil Lucrativo o Collis Miig Lucrativo M C = {(10, 8), (10, -2), (5, 8), (5, -2), (0, 8), (-20, 8)} P(M C) = P(10, 8) + P(10, -2) + P(5, 8) + P(5, -2) + P(0, 8) + P(-20, 8) = =.82 Slide 23 Slide 24 Itersecció de dos Evetos La itersecció de los evetos A y B es el cojuto de todos los putos muéstrales que se ecuetra tato e A como e B. Deotamos la itersecció mediate el símbolo A La itersecció de A y B es el área ecimada e el siguiete gráfico: Sample Space S Itersectio Evet A Evet B Slide 24
9 Slide 25 Ejemplo: Iversioes Bradley Itersecció de dos Evetos Eveto M = Markley Oil Lucrativo Eveto C = Collis Miig Lucrativo M C = Markley Oil Lucrativo ad Collis Miig Lucrativo M C = {(10, 8), (5, 8)} P(M C) = P(10, 8) + P(5, 8) = =.36 Slide 25 Slide 26 Ley Aditiva La Ley Aditiva provee ua maera de calcular la probabilidad del eveto A, o B, o tato A como B. Se escribe cómo: P(A B) = P(A) + P(B) - P(A B Slide 26 Slide 27 Ejemplo: Iversioes Bradley Ley Aditiva Markley Oil o Collis Miig Lucrativo Sabemos: P(M) =.70, P(C) =.48, P(M C) =.36 Etoces: P(M C) = P(M) + P(C) - P(M C) = =.82 Este resultado es el mismo que habíamos obteido ates utilizado la defiició de probabilidad de u eveto. Slide 27
10 Slide 28 Evetos Mutuamete Excluyetes Dos evetos se dice mutuamete excluyetes si dichos evetos o tiee u puto muestral e comú. Esto es, dos evetos to mutuamete excluyetes si, cuado u eveto ocurre, es otro o puede ocurrir. Espacio Muestral S Eveto A Eveto B Slide 28 Slide 29 Evetos Mutuamete Excluyetes Ley Aditiva para Evetos Mutuamete Excluyetes P(A B) = P(A) + P(B) Slide 29 Slide 30 Probabilidad Codicioal La probabilidad de u eveto dado que otro eveto ha ocurrido es llamada Probabilidad Codicioal. La probabilidad codicioal de A dado B se deota por P(A B). La probabilidad codicioal se calcula de la siguiete forma: P( A B) P( A B) P( B) Slide 30
11 Slide 31 Ejemplo: Iversioes Bradley Probabilidad Codicioal Collis Miig Lucrativa dado que Markley Oil es Lucrativa P( C M ). 36 P( C M ). 51 P( M ). 70 Slide 31 Slide 32 Ley de Multiplicativa La ley multiplicativa provee u método para calcular la probabilidad de ua itersecció de dos evetos. La Ley se escribe de la siguiete maera: P(A B) = P(B)P(A B) Slide 32 Slide 33 Ley Multiplicativa Ejemplo: Iversioes Bradley Markley Oil y Collis Miig so Lucrativas Sabemos: P(M) =.70, P(C M) =.51 Etoces: P(M C) = P(M)P(M C) = (.70)(.51) =.36 Este resultado es el mismo que habíamos obteido ates usado la defiició de probabilidad de u eveto. Slide 33
12 Slide 34 Evetos Idepedietes Los Evetos A y B so idepedietes si P(A B) = P(A). Slide 34 Slide 35 Evetos Idepedietes Ley Multiplicativa para Evetos Idepedietes P(A B) = P(A)P(B) La Ley Multiplicativa tambié puede ser usada para probar si dos evetos so idepedietes. Slide 35 Slide 36 Ejemplo: Iversioes Bradley Ley Multiplicativa para Evetos Idepedietes So M y C idepedietes? Es P(M C) = P(M)P(C)? Sabemos qué: P(M C) =.36, P(M) =.70, P(C) =.48 Pero: P(M)P(C) = (.70)(.48) = así que M y C o so idepedietes. Slide 36
13 Slide 37 Teorema de Bayes Frecuetemete, iiciamos el aálisis de probabilidad co alguas probabilidades iiciales o ateriores. Después, de ua muestra, reporte especial o pruebas diversas obteemos iformació adicioal. Dada ésta iformació, recalculamos las probabilidades iiciales (Las llamamos probabilidades a posteriori) El Teorema de Bayes os da u método para revisar dichas probabilidades iiciales. Probabilidades Iiciales Nueva Iformació Aplicació del Teorema de Bayes Probabilidades A Posteriori Slide 37 Slide 38 Slide 38 Slide 39 Ejemplo: Compañía L. S. Clothiers Slide 39
14 Slide 40 Ejemplo: Compañía L. S. Clothiers Diagrama de Árbol P(B A 1 ) =.2 P(A 1 B) =.14 P(A 1 ) =.7 P(B c A 1 ) =.8 P(B A 2 ) =.9 P(A 1 B c ) =.56 P(A 2 B) =.27 P(A 2 ) =.3 P(B c A 2 ) =.1 P(A 2 B c ) =.03 Slide 40 Slide 41 Teorema de Bayes Slide 41 Slide 42 Ejemplo: Compañía L. S. Clothiers Slide 42
15 Slide 43 Método Tabular Paso 1 Preparar las 3 siguietes columas: Columa 1 - Los evetos mutuamete excluyetes para los cuales se desea obteer probabilidades a posteriori. Columa 2 - Las probabilidades iiciales de los evetos. Columa 3 - Las probabilidades codicioales dada la ueva iformació para cada eveto. Slide 43 Slide 44 Método Tabular (1) (2) (3) (4) (5) Prob. Prob. Evetos Iicial Codicioal A i P(A i ) P(B A i ) A A Slide 44 Slide 45 Método Tabular Paso 2 E la Columa 4, calculamos las probabilidades adjutas para cada eveto y la ueva iformació B usado la Ley Multiplicativa. Multiplicar las probabilidades iiciales e la columa 2 por la probabilidad codicioal correspodiete e la columa 3. Esto es, P(A i IB) = P(A i ) P(B A i ). Slide 45
16 Slide 46 Método Tabular (1) (2) (3) (4) (5) Prob. Prob. Prob. Evetos Iicial Codicioal Adjuta A i P(A i ) P(B A i ) P(A i I B) A A Slide 46 Slide 47 Método Tabular Paso 3 Sumar las probabilidades adjutas e la columa 4. Esta suma es la probabilidad de la ueva iformació P(B). Podemos observar que existe ua probabilidad de.14 de que el cosejo apruebe el cambio de zoa dada ua recomedació egativa de la juta de plaeació. Existe ua probabilidad de.27 de que el cosejo desapruebe el cambio de zoa dada ua recomedació egativa de la juta. La suma muestra ua probabilidad total de.41 de ua recomedació egativa por parte de la juta. Slide 47 Slide 48 Método Tabular (1) (2) (3) (4) (5) Prob. Prob. Prob. Evetos Iicial Codicioal Adjuta A i P(A i ) P(B A i ) P(A i I B) A A P(B) =.41 Slide 48
17 Slide 49 Método Tabular Paso 4 E la columa 5, calculamos las probabilidades a posteriori usado la relació básica de probabilidad codicioal. P( Ai B) P( Ai B) P( B) Note que la probabilidad adjuta P(A i IB) se ecuetra e la columa 4 y que la probabilidad P(B) es la suma de la columa 4. Slide 49 Slide 50 Método Tabular (1) (2) (3) (4) (5) Prob. Prob. Prob. Prob. Evetos Iicial Codicioal Adjuta A posteriori A i P(A i ) P(B A i ) P(A i I B) P(A i B) A A P(B) = Slide 50
Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació
Más detallesCombinatoria y definiciones básicas de probabilidad
Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia
Más detalles2 FUNDAMENTOS DE PROBABILIDAD
2 FUNDAMENTOS DE PROBABILIDAD T al vez el estudio de la probabilidad toma setido cuado se percibe y se acepta la existecia de la aleatoriedad e diversos aspectos de la vida diaria. Si embargo, si cosideramos
Más detallesUNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios
1. Experimetos aleatorios U experimeto se llama aleatorio cuado o se puede predecir su resultado; además, si se repitiese el mismo experimeto e codicioes aálogas, los resultados puede diferir. a) El resultado
Más detallesProbabilidad FENÓMENOS ALEATORIOS
Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El
Más detallesSEMANA 01. CLASE 01. MARTES 04/10/16
EMANA 0. CLAE 0. MARTE 04/0/6. Experimeto aleatorio.. Defiició. Experimeto e el cual o se puede predecir el resultado ates de realizarlo. Para que u experimeto sea aleatorio debe teer al meos dos resultados
Más detallesMedida de Probabilidad
Medida de Probabilidad Memo Garro Resume E este artículo etramos de lleo e el estudio del cocepto de medida de probabilidad. Para llegar a él seguiremos dos camios complemetarios: e primer térmio, partiremos
Más detallesTema 3: Introducción a la probabilidad. Tema 3: Introducción a la probabilidad. Tema 3: Introducción a la probabilidad. 3.
Tema 3: Itroducció a la probabilidad Tema 3: Itroducció a la probabilidad 3.1 Itroducció Equiprobabilidad Métodos combiatorios Objetivos del tema: l fial del tema el alumo será capaz de: Compreder y describir
Más detallesPrueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)
Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA
Más detallesCI2612: Algoritmos y Estructuras de Datos II. Espacio de probabilidad. Objetivos. Blai Bonet
CI2612: Algoritmos y Estructuras de Datos II Blai Boet Aálisis probabiĺıstico Uiversidad Simó Boĺıvar, Caracas, Veezuela Objetivos Espacio de probabilidad Ituitivamete, utilizamos la idea de probabilidad
Más detallesP(A) > 0. Para cualquier otro suceso B (B A A ), se dfi define la probabilidad condicionada de B dado A o probabilidad de B condicionada a A como
Tema 4. Probabilidad Codicioada: Teoremas básicos. Idepedecia de Sucesos 4.. Probabilidad Codicioada. Defiició El objetivo de este tema es aalizar cómo afecta el coocimieto de la realizació de u determiado
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Las medidas de tedecia cetral so los valore que se ubica e el cetro de u cojuto de datos estos puede estar ordeados o o. Geeralmete se utiliza cuatro de estos valores coocidos
Más detallesSeries alternadas Introducción
Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia
Más detallesIdentificación de Sistemas
Departameto de Electróica Facultad de Ciecias Eactas Igeiería y Agrimesura Uiversidad Nacioal de osario Idetificació de Sistemas Coceptos Fudametales de robabilidad Variables Aleatorias y rocesos Aleatorios
Más detallesProbabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1
Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA
Más detallesResolución N 2. Axiomas de Probabilidades. Ejercicios Resueltos. Profesor: Iván Rapaport Z. Auxiliar: Abelino Jiménez G.
Resolució N 2 Axiomas de Probabilidades Profesor: Ivá Rapaport Z Auxiliar: Abelio Jiméez G Ejercicios Resueltos 1 Cierta efermedad se trasmite e forma geética de los padres a los hijos, del siguiete modo:
Más detallesCapítulo VARIABLES ALEATORIAS
Capítulo VI VARIALES ALEATORIAS. Itroducció Detro de la estadística se puede cosiderar dos ramas perfectamete difereciadas por sus objetivos y por los métodos que utiliza: Estadística Descriptiva o Deductiva
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado
Más detallesFrecuencia y probabilidad. Leyes del azar. Espacio probabilístico
Tema 63 Frecuecia y probabilidad. Leyes del azar. Espacio probabilístico 63. Itroducció E geeral, la Teoría de la robabilidad se ocupa de situacioes o modelos e los que está presete la icertidumbre. Llamaremos
Más detallesNOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011.
NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA José G. Ríos Alejadro Abril del 11. INTRODUCCIÓN E los cursos de estadística usualmete se estudia la estadística co efoque frecuetista, la cual alguos autores
Más detalles4.- Aproximación Funcional e Interpolación
4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detallesDefinición Diremos que el cardinal de un conjunto A es n si se puede establecer una
Tema 2 Combiatoria 2.1 Pricipios básicos de recueto 2.1.1 Cardial de u cojuto Defiició 2.1.1. Diremos que el cardial de u cojuto A es si se puede establecer ua biyecció f : {1,..., } A. Se deota A. Se
Más detallesIntroducción a las medidas de dispersión.
UNIDAD 8: INTERPRETEMOS LA VARIABILIDAD DE LA INFORMACION. Itroducció a las medidas de dispersió. Como su ombre lo idica, las medidas de dispersió so parámetros que os idica qué ta dispersos está los datos.
Más detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad
Más detallesEducación Estocástica La enseñanza y aprendizaje de la probabilidad y la estadística
I Ecuetro Colombiao de Educació Estocástica La eseñaza y apredizaje de la probabilidad y la estadística COMBINATORIA PARA LA ESCUELA Bejamí Sarmieto y Felipe Ferádez Uiversidad Pedagógica Nacioal (Colombia)
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesCAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.
5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto
Más detallesCombinatoria. Tema Principios básicos de recuento
Tema 4 Combiatoria La combiatoria, el estudio de las posibles distribucioes de objetos, es ua parte importate de la matemática discreta, que ya era estudiada e el siglo XVII, época e la que se platearo
Más detallesTEMA 64. Probabilidad Compuesta. Probabilidad condicionada. Probabilidad total. Teorema de Bayes.
TEM 64. Probabilidad Compuesta, codicioada, total y Teorema de Bayes. TEM 64. Probabilidad Compuesta. Probabilidad codicioada. Probabilidad total. Teorema de Bayes. 1. Itroducció. 1.1 Histórica. Los coceptos
Más detalles1.3 Introducción a la combinatoria
.3 Itroducció a la combiatoria Aprederemos e esta secció técicas básicas para cotar, aplicadas a diferetes aspectos: Cotar los elemetos de u cojuto, como por ejemplo los elemetos de A B o los de A B, co
Más detallesR. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.
R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de
Más detallescuando podemos calcular el límite anterior (por medio de alguna de las tres fórmulas dadas), es decir cuando el límite (1.1) existe.
Uiversidad Diego Portales Facultad de Igeiería. Istituto de Ciecias Básicas Laboratorio Nº 8 Cálculo I Càlculo de la derivada mediate defiiciò Coteido: Cocepto de derivada Límites de sucesioes Derivada
Más detalles- A h h+1 n-1 n
1º DMINISTRCIÓN Y FINNZS GESTIÓN FINNCIER. TEM 9 TEM Nº 9: SELECCIÓN DE INVERSIONES 1. DIMENSIÓN FINNCIER DE UN PROYECTO DE INVERSIÓN Desde el puto de vista fiaciero, es decir, moetario, cualquier proyecto
Más detallesEstadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana
Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar
Más detallesDISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)
DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y
Más detallesPre-PAES 2016 Media aritmética, moda y mediana.
Pre-PAES 016 Media aritmética, moda y mediaa. Nombre: Secció: Las medidas de tedecia cetral (MTC) so ciertos valores alrededor de los cuáles tiede a cocetrarse los datos de ua població, esto se debe a
Más detallesNotas de Teórico. Sistemas de Numeración
Departameto de Arquitectura Istituto de Computació Uiversidad de la República Motevideo - Uruguay Sistemas de umeració Arquitectura de Computadoras (Versió 4.3b - 6) SISTEMAS DE UMERACIÓ. Itroducció E
Más detallesPregunta Notas algún patrón al construir esta tabla? Puedes expresar esta tabla como un árbol binario?
Técicas de Coteo El Pricipio Básico de Coteo Vamos a ua cafetería que vede hamburguesas. U aucio os dice que co los igredietes lechuga, tomate, salsa de tomate y cebolla, podemos preparar ua hamburguesa
Más detallesNOCIONES FUNDAMENTALES DEL CÁLCULO DE PROBABILIDADES
NOCIONES FUNDAMENTALES DEL CÁLCULO DE PROBABILIDADES INTRODUCCION -.DEFINICIONES:.U experimeto o u feómeo es aleatorio si cumple:.si o hay codició extera que ifluya e el resultado, es decir, pos realizar
Más detallesEJERCICIOS RESUELTOS SOBRE SISTEMAS DE 1er y 2do ORDEN
EJERCICIOS RESUELTOS SOBRE SISTEMAS DE 1er y do ORDEN A cotiuació se resuelve tres problemas sobre sistemas de primer y segudo orde. El primer problema es sobre sistemas de primer orde co codicioes iiciales
Más detallesSesión preparatoria CO+ Combinatoria, juegos y estrategia
Sesió preparatoria CO+ Combiatoria, juegos y estrategia Atoio Arada y Jua Gozález-Meeses (sobre uas otas de Rafael Espíola, Jua Gozález-Meeses y Atoio Pallares) 26 de oviembre de 200 Combiatoria La combiatoria
Más detallesEn esta parte cambiamos el nombre de algunos objetos ya conocidos. Contaremos las formas de ordenar los elementos de un conjunto.
Capítulo 4 Coteo E esta parte cambiamos el ombre de alguos objetos ya coocidos. Cotaremos las formas de ordear los elemetos de u cojuto. 4.1. Espacio muestral. Sucesos Defiició 4.1. U experimeto es ua
Más detallesSeries de potencias Introducción. Temas Series de potencias. Intervalo y radio de convergencia de una serie de potencias.
Sesió 27 Series de potecias Temas Series de potecias. Itervalo y radio de covergecia de ua serie de potecias. Capacidades Coocer y compreder el cocepto de serie de potecias. Determiar el itervalo y el
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesP( A i B j ) = n ij n
1. PROBABILIDAD MARGINAL. Sea u espacio muestral Ω formado por putos co probabilidades iguales, 1. Sea A 1, A 2,..., A r ua partició de Ω formada por r subcojutos mutuamete excluyetes (disjutos). Sea B
Más detallesLAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO
LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que
Más detallesAxioma 1 (Principio de inducción matemática) Sea S N con la propiedad que: a) 1 S. b) k R, k S k + 1 S. Entonces S = N.
Iducció matemática A meudo deseamos probar proposicioes de la forma N, p. Por ejemplo: 1 N, 1 + + 3 + + 1 + 1. N, + 4. 3 N, par implica par. Proposicioes y 3 se puede probar usado la técica de variable
Más detallesUnidad 1: Las Ecuaciones Diferenciales y Sus Soluciones
Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detallesMatemáticas Discretas Inducción y Recursión
Coordiació de Ciecias Computacioales - INAOE Matemáticas Discretas Iducció y Recursió Cursos Propedéuticos 00 Ciecias Computacioales INAOE Iducció y recursió Geeralidades Iducció de úmeros aturales Iducció
Más detallesTEORÍA DE LA ESTIMACIÓN
TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesPROBABILIDAD. El espacio muestral de un experimento aleatorio es el conjunto de todos los resultados posibles que pueden producirse.
PROAILIDAD 1.- EXPERIMENTOS ALEATORIOS De forma geeral podemos distiguir etre experimetos determiistas y experimetos aleatorios. Las leyes de la física, de la química y de otras ciecias os provee de ecuacioes
Más detallesRudimentos 5: Teorema del Binomio Profesor Ricardo Santander
Rudimetos 5: Teorema del Biomio Profesor Ricardo Satader Este capitulo esta destiado a presetar coteidos y actividades que permitirá al estudiate: Operar co simbología matemática, desarrollar expresioes
Más detallesUNIDAD 4 MODELOS PROBABILÍSTICOS
Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería
Más detallesSe utilizan los datos puntuales de altura de precipitación o intensidades máximas de lluvia registradas en una estación
.. Tormetas putuales Aspectos geerales Se utiliza los datos putuales de altura de precipitació o itesidades máximas de lluvia registradas e ua estació So válidas para áreas cuya extesió este defiida por
Más detallesSemana 10 [1/24] Sucesiones (II) 2 de mayo de Sucesiones (II)
Semaa 0 [/24] 2 de mayo de 2007 Sadwich de sucesioes Semaa 0 [2/24] Límites y Orde. Teorema Sea u ) y w ) sucesioes covergetes a u y w, respectivamete. Si 0 tal que para 0 se cumple que etoces u w. u w
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesINSTITUTO TECNOLÓGICO DE APIZACO TÉCNICAS DE CONTEO
TÉNIS DE ONTEO Para determiar el espacio muestral o el tamaño del espacio muestral, es ecesario desarrollar alguas técicas de eumeració las cuales so: El Diagrama de Árbol álisis ombiatorio. DIGRMS DE
Más detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la
Más detallesGUIA DE ESTUDIO Nro 1
MATERIA: MATEMÁTICA I CURSO: I AÑO EJE ESTRUCTURAL I: CONCEPTOS FUNDAMENTALES DEL ALGEBRA GRUPOS CONCEPTUALES: - Epresioes algebraicas. Poliomios. - Ecuacioes. Iecuacioes. TEMARIO: GUIA DE ESTUDIO Nro
Más detalles1. Muestreo Aleatorio Simple
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Estadística III-Material 2-2012 Revisió y Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo
Más detallesCoeficientes binomiales
Coeficietes biomiales (Ejercicios Objetivos Defiir coeficietes biomiales y estudiar sus propiedades pricipales Coocer su aplicació e la fórmula para las potecias del biomio y su setido combiatorio (si
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesSESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN
SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.
Más detallesSucesiones I Introducción
Temas Qué es ua sucesió? Notacioes y coceptos relacioados. Maeras de presetar ua sucesió. Gráfico de sucesioes. Capacidades Coocer y compreder el cocepto de sucesió. Coocer y maejar las diferetes maeras
Más detallesMg. Ing. Susana Vanlesberg Profesor Titular
Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeierías: Recursos Hídricos-Ambietal-Agrimesura- Iformática Mg. Ig. Susaa Valesberg Profesor Titular MODELOS PARA VARIABLES
Más detallesCAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo
CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD 4.1 Geeralidades Es u hecho bie coocido que la probabilidad de que u idividuo fallezca e u periodo determiado de tiempo depede de muchos factores, etre
Más detalles2 Conceptos básicos y planteamiento
ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.
Más detallesCombinatoria, juegos y estrategia
Combiatoria, juegos y estrategia Jua Gozález-Meeses y Atoio Pallares (sobre uas otas de Rafael Espíola) 3 de febrero de 200 Combiatoria La combiatoria es ua herramieta que os permite eumerar agrupacioes
Más detalles1. QUÉ ES LA ESTADÍSTICA?
1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular
Más detallesRELACIONES DE RECURRENCIA
Uidad 3 RELACIONES DE RECURRENCIA 60 Capítulo 5 RECURSIÓN Objetivo geeral Coocer e forma itroductoria los coceptos propios de la recurrecia e relació co matemática discreta. Objetivos específicos Coocer
Más detallesM arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para
GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más detallesNotas de Combinatoria Daniel Penazzi
Notas de Combiatoria Daiel Peazzi El Pricipio de Adició: Si se puede realizar ua acció A de formas distitas, y se puede realizar ua acció B de m formas distitas, y A y B so excluyetes, etoces el úmero
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesExplicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.
Explicació de la tarea 0 Felipe Guerra Para la explicació de esta tarea veamos primeramete que es lo que os está pidiedo. Ya hemos visto a lo largo del curso que la variaza es el error cuadrado medio de
Más detallesIntroducción. v Qué es la estadística?
v Qué es la estadística? Es ua Ciecia que explica y provee de herramietas para trabajar co datos, ha experimetado u gra desarrollo a lo largo de los últimos años. v E qué áreas se aplica la estadística?
Más detallesAlgoritmos y Estructuras de Datos II, Segundo del Grado de Ingeniería Informática, Test de Análisis de Algoritmos, marzo Test jueves.
Algoritmos y Estructuras de Datos II, Segudo del Grado de Igeiería Iformática, Test de Aálisis de Algoritmos, marzo 017. Test jueves. Para cada problema habrá que justificar razoadamete la respuesta que
Más detalles6. ECUACIONES DE RECURRENCIA.
6. ECUACIONES DE RECURRENCIA. 6.1. Itroducció. Las relacioes de recurrecia puede cosiderarse como técicas avazadas de coteo. Resuelve problemas cuya solució o puede obteerse usado variacioes, permutacioes,
Más detallesMATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS
Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:
Más detallesMarco Teórico n = i = 2. Deducción: Si la serie se suma dos veces de la siguiente forma:
Uiversidad de Sa Carlos de Guatemala Teoría de Cojutos Estudiate: Roald Oliverio Chubay Gallia -6 de mayo 0- Marco Teórico Para el presete texto se deduce alguas expresioes y luego se demuestra, para otras
Más detallesConvergencia de variables aleatorias
Capítulo Covergecia de variables aleatorias El objetivo del presete capítulo es estudiar alguos tipos de covergecia de variables aleatorias. Iiciaremos co la defiició de los distitos modos de covergecia...
Más detallesDeterminantes. Ramón Espinoza Armenta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO
Determiates Ramó Espioza Armeta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO Sea A M ( K), dode 2. El i-ésimo meor de A es la matriz A i, obteida a partir de A elimiado el regló i y la columa. Eemplo. Sea 3
Más detallesÍNDICE. Prólogo Capítulo 1. Ecuaciones diferenciales ordinarias. Generalidades.. 11 Introducción teórica Ejercicios resueltos...
ÍNDICE Prólogo... 9 Capítulo 1. Ecuacioes difereciales ordiarias. Geeralidades.. 11 Itroducció teórica... 13 Ejercicios resueltos.... 16 Capítulo 2. itegració de la ecuació de primer orde. La ecuació lieal...................................................................
Más detallesMedidas de tendencia central
Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta
Más detallesTRANSFORMADA RAPIDA DE FOURIER (FFT)
Capítulo 6 TRASORADA RAPIDA DE OURIER (T) Los temas a tratar e el presete capítulo so: 6. Algoritmo T 6. T Iversa. 6.3 Implemetació Televisió Digital 6- La implemetació de la ec. (4.5) ivolucra u úmero
Más detallesUNIDAD 4 SISTEMAS COMPLEJOS DE TUBERÍAS
UNIDAD 4 SISTEMAS COMPLEJOS DE TUBERÍAS Capítulo 3 CONCEPTO ELEMENTAL DE BOMBA Y TURBINA COMPORTAMIENTO Y UTILIZACIÓN DE BOMBAS Curvas características Las curvas características de ua bomba, permite coocer
Más detallesUniversidad de los Andes Facultad de Ciencias Económicas y Sociales Escuela de Estadística. Técnicas de Conteo. Prof. Gudberto José León Rangel
Uiversidad de los Ades Facultad de Ciecias Ecoómicas y Sociales Escuela de Estadística Técicas de Coteo Prof. Gudberto José Leó Ragel MÉRIDA- VENEZUELA, 2015 Profesor Gudberto Leó Uiversidad de Los Ades
Más detallesCS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS
CS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS Uo de los efoques para determiar si u programa es correcto es establecer ua actividad de testig. Esta cosiste e seleccioar u cojuto de datos de etrada
Más detallesTema 2. Tema 2: Aproxim mación de funciones por po olinomios
Tema Itroducció al Cálcu ulo Ifiitesimal Tema : Aproim mació de fucioes por po oliomios 1.Orde de cotacto.poliomios de Taylor 3.Teorema de Taylor 4.Desarrollo de McLauri 5.Aplicació al cálculo de límites
Más detallesPALABRAS CLAVES: Cadena de Markov, Martingala y Valores propios.
Scietia et Techica Año IV, No 39, Septiembre de 2008 Uiversidad Tecológica de Pereira ISSN 0122-1701 459 PROPIEDADES DE LA MATRIZ Properties of the matrix EN UNA CADENA DE MARKOV i a Markov chai RESUMEN
Más detallesSumatoria, Progresiones y Teorema del Binomio
Capítulo Sumatoria, Progresioes y Teorema del Biomio.. Símbolo Sumatorio Es u símbolo muy útil y coveiete que permite escribir sumas e forma abreviada. Este símbolo se represeta mediate la letra griega
Más detalles