Arquitectura de un decodificador convolucional a partir del algoritmo de Viterbi
|
|
- Gonzalo Villalba Olivares
- hace 6 años
- Vistas:
Transcripción
1 Arquitectura de u decodificador covolucioal a partir del algoritmo de Viterbi Juli Ordeix, Pere Martí, Moisès Serra, Jordi Carrabia 2 : Dept. d'electròica i Telecomuicacios, Uiversitat de Vic. 2: Dept. Iformàtica, ETSE, Uiversitat Autòoma de Barceloa. {juli.ordeix, moises.serra, pere.marti}@uvic.es, Jordi.Carrabia@uab.es Resume. E este documeto se preseta el diseño de u módulo decodificador covolucioal e base al algoritmo de Viterbi, utilizado e la recepció de u sistema de trasmisió OFDM (adoptado por el estádar Hiperla/2), para poder ser implemetado e u dispositivo lógico programable (FPGA). Para el diseño del módulo se ha utilizado herramietas de diseño a ivel sistema (Matlab-Simulik) de geeració de código para su implemetació e los dispositivos lógicos programables (Sstem Geerator ISE). Este trabajo se emarca e la costrucció de u demostrador para OFDM e el cual trabaja el grupo de ivestigació Codiseño Hardware Software de la Uiversitat de Vic co la colaboració del Departameto de Iformática de la Uiversitat Autòoma de Barceloa. Itroducció La aplicació desarrollada es u módulo utilizado e la recepció de u sistema de trasmisió OFDM (Ortogoal Frequec Divisio Multiplexig) que se ha estadarizado para ser utilizado e modo de trasmisió de paquetes e redes si hilos (WirelessLAN). El decodificador covolucioal basado e el algoritmo de Viterbi, desarrollado e este trabajo, está detro de los estádares, coocidos como IEEE 802.a (USA) Hiperla/2 (Europa). Para la costrucció del módulo se ha utilizado herramietas de diseño a ivel sistema Matlab-Simulik de geeració de código para la implemetació a los dispositivos lógicos programables (Sstem Geerator - ISE). Matlab-Simulik icorpora librerías que permite diseñar sistemas para FPGA de fabricates específicos (Xilix, e este caso). Estas herramietas, además, permite geerar módulos IP tato a partir de compoetes defiidos e sus librerías como partir de diseños defiidos por el usuario. 2 Trasmisió OFDM codificació covolucioal El pricipio básico de la trasmisió OFDM es particioar u flujo de datos a gra velocidad e pequeños flujos a baja velocidad que so trasmitidos simultáeamete sobre varias subportadoras. Por este motivo la modulació OFDM es robusta, puesto que ua
2 iterferecia afectará ta solo a u pequeño porcetaje de subportadoras. Obviamete, el caal de trasmisió itroduce ruido e la señal. De ahí que el codificador covolucioal añade redudacia e la iformació trasmitida, la cual permite que el decodificador pueda corregir los errores. El caal de trasmisió, e el ámbito de las comuicacioes móviles, itroduce ráfagas de errores e la señal recibida, de maera que el receptor podría o recuperar la secuecia origial. Para romper las ráfagas erróeas, se itroduce el módulo deomiado etrelazado (iterleavig) que desordea las secuecias permitir la correcta decodificació. A efectos prácticos, el módulo de etrelazado permite cosiderar el caal si memoria, es decir, que los errores se itroduce de forma idepediete etre si. Así, podemos cosiderar que el ruido es aditivo, blaco estadístico (AWGN, Additive white Gausia Noise), el cual afecta a los símbolos o señales trasmitidas de forma idepediete [5]. Desde el puto de vista de la codificació/decodificació utilizado la técica de etrelazado, podemos cosiderar el diagrama de bloques simplificado del trasmisor/receptor OFDM mostrado a la Figura. Etrada datos biarios m x s i(t) sˆ i(t) Codificador Modulador Caal covolucial AWGN Demodulador ˆ Decodificador Viterbi ˆ m Salida datos biarios Fig.. Diagrama de bloques simplificado del trasmisor/receptor OFDM El codificador covolucioal, a ivel estructural, es u registro de desplazamieto dode se itroduce, e serie, u vector m formado por datos biarios geera u vector x. El codificador covolucioal refereciado por el estádar Hiperla/2 dispoe de los parámetros: R c /2 K7 [3], por lo tato se defie 64 estados. Su estructura, defiida e la Figura 2, utiliza registros de tipo D. x a m Reg. Reg. 2 Reg. 3 Reg. 4 Reg. 5 Reg. 6 x x b Fig. 2. Codificador covolucioal co R c /2 K7 Para simplificar el razoamieto de la estructura del decodificador covolucioal utilizaremos iicialmete u codificador co R c /2 K3 [3], ver Figura 3 (a). m Reg. Reg. 2 (a) x a x b x t0 00 t t2 t3 t4 Estado Estat Fig. 3. Codificador covolucioal co K3 Rc/2 (a) su diagrama de Trellis (b) t5 t6 t (b) Estado Estat 0 0 Estado Estat 0 0 Estado Estat
3 Así, dado u vector vector de salida: x m [ ] T x x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 de de etrada, se geera el siguiete [ ] T [5.] La codificació puede represetarse de diferetes maeras [2]. El díagrama de Trellis, represetació de los estados del codificador mediate u diagrama e forma de red, es la maera más compacta de represetarla. E la Figura 3 (b) se preseta el diagrama de Trellis del codificador covolucioal co Rc/2 K3. 2. Decodificació covolucioal: algoritmo de Viterbi 2.. Fució de verosimilitud Dada ua úica observació e el receptor, existe ua secuecia x eviada, llamada x màx, detro del cojuto de secuecias eviadas posibles de x que hace máxima la fució de verosimilitud. Es decir, la secuecia x màx es la que tiee más probabilidad de haber geerado la observació. E el diagrama de Trellis del codificador, observamos que e cada odo coflue más de ua rama. El algoritmo de Viterbi permitirá escoger e cada tiempo t j, cual es la rama que acumula el camio más verosímil. Asumiedo que el caal de trasmisió o tiee memoria que el ruido afecta a cada uo de los símbolos recibidos de forma idepediete, podemos aplicar la fució logaritmo a la fució verosimilitud [2], así, obteiédose la métrica de la rama: µ j µ ( x j, j ) log f ( x ) log f ( x ) [5.2] k El caal gausiao dispoe de u alfabeto discreto de etrada u alfabeto cotiuo de salida, cosiderado de - a +. Además, segú el modelo simplificado de caal que utilizamos, se añade ruido gausiao aleatorio, llamado AWGN (Added White Gaussia Noise). Así, cosiderado ua señal biaria a la etrada del caal, la salida puede tomar ifiitos valores. A efectos prácticos podemos cosiderar la señal recibida e térmios de la variable aleatoria. E la Figura 4 se represeta la probabilidad de la señal recibida codicioado al hecho de haber eviado u 0 f( 0 ) la probabilidad al hecho de haber eviado u f( ) cuado se itroduce ruido AWGN al caal. f ( 0 ) f ( ) Fig. 4. Decisioes del decodificador hard soft. El demodulador aplicado a u decodificador soft cuatifica ua graduació etre los dos iveles de señal del emisor 0. Así, la decisió de si u símbolo es o 0 se suaviza (decisió soft). E la figura 4, el decodificador Viterbi iterpretará el símbolo 000 como k Decisió soft Decisió hard 0 ˆ x [5.3] j k
4 u 0 co máxima probabilidad el símbolo como u co máxima probabilidad. E medio se ecuetra el resto de símbolos. La métrica se maximiza co el producto escalar del código recibido respecto al asociado a cada rama [5.3] Algoritmo de Viterbi aplicado al decodificador Soft Desarrollado por Adrew J. Viterbi el año 967. Aplica la fució de máxima verosimilitud, reduciedo la carga computacioal, puesto que utiliza la estructura del diagrama de Trellis. El algoritmo de Viterbi permite descartar los camios que o tiee posibilidades de ser cosiderados de máxima verosimilitud: Acció de podar. Así, el cómputo queda reducido e el cojuto de camios supervivietes. La Figura 5 muestra u odo (o estado) dode coflue más de ua rama proveiete de odos (o estados) ateriores. M i (t j - ) M i (t j - ) i i x j j x j i m ˆ i ' i j k x ' M i (t j ) Best [M i (t j - )+ m i i, M i (t j - )+ m i i ] m i '' i ˆ j k x ' j: Código recibido e el itervalo de tiempo tj xj : Codigo asociado a la rama j, e la trasició etre el primer estado permitido i el estado actual i. x j : Codigo asociado a la rama j, e la trasició etre el primer estado permitido i el estado actual. m i i: asociada a la trasició etre el primer estado permitido i el estado actual i. m i i: asociada a la trasició etre el primer estado permitido i el estado actual i. Mi : acumulada e el primer estado permitido i. Mi : acumulada e el primer estado permitido i. Fig. 5. Cálculo de métricas poda de camios del decodificador soft. El operador Best extrae el mejor valor (rama co meor métrica) de las dos sumas para obteer la métrica acumulada M i del estado actual i. Así, se realiza la poda de camios. E la Figura 6, se desarrolla la secuecia de costrucció del diagrama de Trellis para el decodificador Soft de 4 estados. A modo de ejemplo se aplica la secuecia [5.] obteida e el codificador del apartado 2, cuatificada co ruido itroducido por el caal [2]. t t t 2 t 3 t 4 t 5 t 6 t Estat Estado Estat Estado Estat Estado Estat Estado Fig. 6. Desarrollo del diagrama de Trellis para el decodificador Soft. E la figura 6 se observa el cálculo de métrica e cada rama la poda para cada odo e cada istate de tiempo. Al fial de la profudidad de Trellis, se escoge el odo co maor métrica se recostrue el camio más verosímil. Así, dado que la rama cotiua determia u la discotiua u 0, la decodificació de la señal será mˆ [ ] T.
5 3. Arquitectura del decodificador La arquitectura utilizada para diseñar el decodificador covolucioal basado e el algoritmo de Viterbi se fudameta e el diagrama de Trellis su mecaismo de decodificació (Apartado 2). Así, para u decodificador de cuatro estados, iclue las siguietes uidades básicas presetadas e la Figura 7:. Adició-Comparació-Selecció (ACS). Iclue, para cada estado del diagrama de Trellis, ua operació para adicioar (acumular) las métricas de cada rama, ua operació de comparació etre los diferetes camios que coverge e u mismo odo ua operació de selecció del camio co mejor métrica. 2. Almaceador de Camios (AdC). Permite almacear los camios supervivietes por cada estado. Dispoe, por lo tato, de cuatro uidades de memoria. 3. Máxima Verosimilitud (MV). Determia el camio de máxima verosimilitud a partir de la mejor métrica obteida al fial de cada trama determia el código de salida. ACS AdC MV A camio A Iversor Etrada B C camio B camio C MC Código Salida Salida m ˆ D camio D Fig. 7. Arquitectura geeral del descodificador de Viterbi 3.. Módulo Adició-Comparació-Selecció (ACS) El módulo ACS reproduce fielmete el diagrama de Trellis utilizado e la decodificació. E la Figura 8 (a) se muestra el diagrama geérico etre dos tiempos t j- t j la Figura 8 (b) la represetació fucioal de las ramas que coverge al odo A, dode los dos bloques llamados rama AA rama CA realiza el cálculo de la métrica de las dos ramas (m AA m CA ) a partir del código de etrada j los códigos asociados a las ramas x AA x CA, respectivamete. A la métrica de cada ua de las ramas se le suma la métrica acumulada de los respectivos estados ateriores (istate de tiempo t j- ). Así, se obtiee la métrica acumulada para cada rama. Fialmete, el bloque comparador de ramas determia la mejor métrica M A, por tato, cual será la rama superviviete e el istate t j. A B C D t j - x AA x AB x CA x BD x DC x DD x CB x BC m A A m C A m A B m C B m B C m D C m B D m D D t j M A M B M C M D A B C D M B : M étrica acum ulada al camio B. X CB : Código asociado etre el odo C el odo B m D C : M étrica asociada a la ram a D C e t j. (a) (b) Fig. 8. Diagrama de Trellis geeral etre los tiempos t j- t j (a) la represetació fucioal de las ramas que coverge al odo A (b). A t j - C j x A A x C A j M étrica rama A A M é trica rama C A + + m AA m C A C omparador ramas M A t j A
6 Para coservar la métrica acumulada al tiempo t j-, se utilizará registros dode la etrada restará coectada al odo correspodiete. Así, la salida de cada registro permitirá etregar la métrica acumulada a los odos que la precise. El último elemeto que iclue los submódulos A, B, C D, es el bloque codificador de estado, el cual etrega a la salida u código que idica el odo o estado superviviete aterior, (deomiado Código A, B, C D). x AA rama AA maa + Codificador estado A Código A xca rama CA mca + Comparador ramas MA Reg. A Reg. C Fig. 9. Submódulo geerador del código A (módulo ACS) 3.2. Módulos Almaceadores de Camios (AdC) Camio de Máxima Verosimilitud (MV) El módulo ACS etrega a cada odo, salidas código A, B, C D, el odo que lo relacioa co el istate de tiempo aterior. Así, hará falta dispoer de cuatro uidades de memoria (ua por cada odo) que permita almacear los odos ateriores, a medida que se adelata e el desarrollo del diagrama de Trellis (de izquierda a derecha a la Figura 6). E referecia al ejemplo utilizado, el coteido de la memoria aparece e la Figura 0 (a). Este módulo lo deomiamos Almaceador de Camios (AdC). t 0 t t 2 t 3 t 4 t 5 t 6 t 7 A A A C A C C A B A A C A C C A C * B D B D D B D * B D B D D D (a) direcció código A dir. Memoria dato a dato_w dato_r A we 0 dir. M emoria dato_w 2A dato_r dato 2a we Fig. 0. (a) Tabla que relacioa los odos e cada istate de tiempo co el istate de tiempo aterior (Ejemplo Figura 6) (b) Esquema fucioal del bloque almaceador del camio A. Al llegar a la profudidad de Trellis, el sistema estará e disposició de recoocer el odo co mejor métrica. Etoces hará falta realizar u proceso de lectura de la uidad de memoria, para retroceder recompoer el camio de máxima verosimilitud. Dado que el flujo de datos que etra al decodificador es cotiuo, hará falta subdividir su tratamieto e grupos de logitud determiada por la profudidad del diagrama de Trellis. Así, mietras u grupo de datos es almaceado e memoria (modo escritura), se evalúa del grupo aterior (modo lectura) para poder ecotrar, posteriormete, el camio de máxima verosimilitud. E la Figura 0 (b) se preseta esquema fucioal del bloque almaceador del camio A, uo de los cuatro submódulos del módulo AdC. ctrl (b) Reg. A camioa
7 El módulo Camio de Máxima Verosimilitud (MV) evalúa cual es la mejor métrica, cuado se llega a la profudidad de Trellis (istate t 7, e el ejemplo de la figura 6). A través de u registro, ua realimetació permite aputar al siguiete odo e el retroceso de la trama (ver camio e la Figura 0 (a)). Así, se salta de u odo a otro de forma automática. Por lo tato, se obtiee el camio de máxima verosimilitud, aú cuado, ivertido temporalmete. Posteriormete se ivierte el camio trazado se codifica para obteer el código de salida mˆ que defie el código de máxima verosimilitud Diseño del decodificador de 64 estados Ua vez estudiado el decodificador de 4 estados (K3), el proceso de diseño de u decodificador de 64 estados (K7) sigue la misma topología. Si embargo hará falta ua maor catidad de recursos, tal como se muestra e la Figura : 64 submódulos calculadores de métrica e la uidad ACS 64 bloques de memoria, para almacear los camios e la uidad EdC. ACS AdC Camio MV Ivers. Etrada 2 Camio 2 MC Código salida Salida m ˆ 64 Camio 64 Fig.. Diagrama de bloques del decodificador de 64 estados 4. Resultados coclusioes El decodificador covolucioal, versió Soft, ha sido icorporado e el trasmisor/receptor de HIPERLAN/2, diseñado mediate las herramietas Simulik [7] Sstem Geerator de Xilix [8], tal como se observa e la Figura 2. Decodificador de Viterbi Fig. 2. Modelo de trasmisor receptor HIPERLAN/2
8 El decodificador covolucioal diseñado ha sido implemetado e ua FPGA Virtex XC2V2000 de Xilix. Sus características correspode a la versió Soft co 64 estados 4 bits de cuatificació. La arquitectura utilizada es de tipo paralelo, es decir, se determia, e cada señal de reloj, la métrica de cada rama la métrica acumulada asociada a cada odo. E cosecuecia, teiedo e cueta que la métrica se calcula mediate el producto escalar, se precisa gra catidad de recursos de la FPGA (pricipalmete, se cocetra e el módulo ACS). Por este motivo, se ha cotemplado las siguietes alterativas para optimizar recursos (Tabla I): Por u lado, la utilizació de memoria distribuida, es decir, distribució de los bloques de memoria usados e el diseño e los Slices dispoibles de la FPGA. Por otro lado, la elimiació de la redudacia e el cálculo de métrica, puesto que existe módulos que realiza la misma operativa co las mismas señales de etrada. XC2V2000-FG676-4 Capacidad Dispositivo Decodificador Viterbi Soft 64 estados 4 bits cuat. Slices % Flip Flops (Slices) % LUTs % Usadas como LUTs Usadas como route-thru 247 Usadas como 32x RAM IOBs % Bloques RAM % Equivalete e puertas 2M % Tabla I. Recursos utilizados para la implemetació del decodificador covolucioal Los resultados obteidos permite observar que la arquitectura paralela ocupa u gra úmero de recursos de la FPGA. Básicamete, los módulos calculadores de métrica ocupa recursos Slices, la profudidad de Trellis es idicativa del grado de ocupació de memoria RAM. Co todo, la utilizació de memoria distribuida la elimiació de módulos de cálculo de métrica permite optimizar recursos. Referecias [] Viterbi, A.J. CDMA. Priciples of Spread Spectrum Commuicatio. Addiso-Wesle Publishig Compa, 995. [2] Ordeix, Juli. Disse i prototipat d u IP per a mòduls de comuicació SoC: Descodificador covolucioal a partir de l algorisme de Viterbi. Tesia, 2002, UVic-UAB. [3] Ordeix, J., Parés, S. Martí, P., Carrabia, J. Descodificador covolucioal a partir de l algorisme de Viterbi. I Jorades de Codisse HW-SW, Vic, [4] Martí, Pere. Algorismes de detecció i recuperació de referècia per a modulacios trasformades. PhD Thesis, 200, UPC. [5] Sklar, B. Digital commuicatios. Fudametals ad applicatios. Pretice Hall Iteratioal Editios, 988. [6] Hiperla/2, ETSI TS v.2., [7] Matlab-Simulik, [8] Xilix Corp.,
Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG
Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas
1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... }
SEÑALES DE TIEMPO DISCRETO SEÑALES Y SISTEMAS DE TIEMPO DISCRETO Las señales está clasificadas de maera amplia, e señales aalógicas y señales discretas. Ua señal aalógica será deotada por a t e la cual
Departamento 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
Guía 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:
Prueba 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
TEMA 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
Medidas 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
Práctica 2 VARIABLES ALEATORIAS CONTINUAS
Práctica. Objetivos: a) Apreder a calcular probabilidades de las distribucioes Normal y Chi-cuadrado. b) Estudio de la fució de desidad de la distribució Normal ~ N(µ;σ) c) Cálculo de la fució de distribució
MINITAB y MODELOS DE REGRESIÓN
Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias
En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
GUÍA DE ESTUDIO ÁLGEBRA LINEAL
GUÍ DE ESUDIO ÁLGER LINEL ema. Espacios Vectoriales ) LOS NÚMEROS El sistema de úmeros reales cosiste e u cojuto R de elemetos llamados úmeros reales y dos operacioes deomiadas: adició y multiplicació,
Preguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
LAS SUCESIONES Y SU TENDENCIA AL INFINITO
LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció
Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi
u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo
Teorema del Muestreo
Teorema del Muestreo Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice 1.1. Itroducció 1.2. Coversió aalógico-digital y digital-aalógico 1.3. Proceso
CAPÍTULO 1 COMPUTADORA DIGITAL. Modelo De Von Neumann
CAPÍTULO 1 COMPUTADORA DIGITAL Ua computadora digital es ua combiació de dispositivos y circuitos electróicos orgaizados de tal forma, que puede realizar ua secuecia programada de operacioes co u míimo
Álgebra I Práctica 2 - Números naturales e inducción
FCEyN - UBA - Segudo Cuatrimestre 203 Álgebra I Práctica 2 - Números aturales e iducció. Reescribir cada ua de las siguietes sumas usado el símbolo de sumatoria (a) + 2 + 3 + 4 + + 00, (b) + 2 + 4 + 8
CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Se utilizan tres enunciados para básicos para definir los procesos de Poisson. Sea t un t 0, entonces se tiene:
9 TEORÍA DE TRÁFIO La teoría de tráfico es ua herramieta ampliamete utilizada para el aálisis del comportamieto de las redes de comuicacioes, las cuales puede ser de comutació de circuitos, como las redes
De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)
MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que
TRABAJO PRÁCTICO N O 1. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS
TRABAJO PRÁCTICO N O. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS PARTE : SEÑALES Recomedacioes geerales: Utilice el comado stem para el graficado de las señales discretas. El uso de plot o se ajusta al
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Técnicas 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
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio
26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,
1. 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
LAS 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
Construcción de los números reales.
B Costrucció de los úmeros reales. E el cojuto C de las sucesioes de Cauchy de úmeros racioales defiimos la relació siguiete: si (x ) =1 e (y ) =1 so dos sucesioes de C etoces (x ) =1 (y ) =1, si lím (x
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto
PALABRAS 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
Intervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.
Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base
Unidad 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
APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.
APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de
Límite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
TEMA VI: DISEÑO PROGRAMABLE
TEMA VI: DISEÑO PROGRAMABLE Cotiuado co los diferetes tipos de diseño, e el presete tema vamos a itroduciros e el deomiado diseño programable. Este uevo diseño apareció gracias a los cotiuos avaces e la
EJERCICIOS DE SERIES DE FUNCIONES
EJERCICIOS DE SERIES DE FUNCIONES. Campo de covergecia. Covergecia uiforme. Determiar el campo de covergecia de la serie 2 se x. Aplicado el criterio de la raíz, la serie es absolutamete covergete cuado:
Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton
Estado gaseoso Ecuació de estado de los gases perfectos o ideales Mezclas de gases ideales presió parcial de u gas e ua mezcla de gases ideales ley de Dalto Feómeos de disolució de gases e líquidos leyes
Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Capítulo 2. Operadores
Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática
Sistemas 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
Series de números reales
Tema 6 Series de úmeros reales 6. Series de úmeros reales. Defiició 6. Sea {a } ua sucesió de úmeros reales y cosideremos la sucesió {S }, defiida por S = a + a + + a, para cada IN, que llamaremos sucesió
Evaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad
Evaluació NOMBRE APELLIDOS CURSO GRUPO FECHA CALIFICACIÓN Calcula el térmio geeral de ua progresió geométrica que tiee de térmio a y por razó /. a) b) c) El 6 es: a) b) 0 c) / 6 7 El es: a) b) c) 0 El
MOSAICOS Y POLIEDROS REGULARES. UN PUNTO DE VISTA FUNCIONAL. Resumen: En este artículo se muestra como las transformaciones de funciones resultan
MOSAICOS Y POLIEDROS REGULARES. UN PUNTO DE VISTA FUNCIONAL Viceç Fot Departamet de Didàctica de les CCEE i de la Matemàtica de la Uiversitat de Barceloa Resume: E este artículo se muestra como las trasformacioes
Álgebra I Práctica 3 - Números enteros (Parte 1)
FCEyN - UBA - 1er cuatrimestre 015 Divisibilidad y algoritmo de divisió Álgebra I Práctica 3 - Números eteros (Parte 1 1. Decidir cuáles de las siguietes afirmacioes so verdaderas a, b, c Z i a b c a c
ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A
EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació
VECTORES. A partir de la representación de, como una recta numérica, los elementos
VECTORES VECTORES Los ectores, que era utilizados e mecáica e la composició de fuerzas y elocidades ya desde fies del siglo XVII, o tuiero repercusió etre los matemáticos hasta el siglo XIX cuado Gauss
- 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
Introducción básica a series
Itroducció básica a series Gearo Lua Carreto * 2 Noviembre de 206, 8 pm. Series: u caso particular de sucesió Supoga que tiee ua sucesió cualquiera a. Explicaremos la forma de geerar ua sucesió s, muy
Walter Orlado Gozales Caicedo Secuecias Lógicas OBJETIVO: Lograr habilidad y destreza e el alumo practicado u razoamieto abstracto PROCEDIMIENTOS: INICIAL: Halla el valor del térmio que cotiúa e:,,,, 0,
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
El método de Monte Carlo
El método de Mote Carlo El método de Mote Carlo es u procedimieto geeral para seleccioar muestras aleatorias de ua població utilizado úmeros aleatorios. La deomiació Mote Carlo fue popularizado por los
Práctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Sesión No. 6. Contextualización. Nombre: Funciones exponenciales y logarítmicas y el uso de las MATEMÁTICAS. progresiones aritméticas y geométricas.
Matemáticas Sesió No. 6 Nombre: Fucioes expoeciales y logarítmicas y el uso de las progresioes aritméticas y geométricas. Cotextualizació Las fucioes expoeciales y logarítmicas se les cooce como trascedetes,
Trabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
GUIA 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
MEDIDAS 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
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Ejercicio 1. Calcule y grafique la densidad espectral de potencia de la salida del filtro y el valor de potencia total. Ejercicio 2.
Guía de Ejercicios Ejercicio El circuito RC de la figura es excitado por ua señal de ruido blaco co desidad espectral de potecia costate e igual a N /. R w(t) C v(t) Calcule y grafique la desidad espectral
Series 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
Unidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS
CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS SECCIONES A. Series de térmios de sigo variable. B. Series depedietes de parámetros. C. Ejercicios propuestos. 193 A. SERIES DE TÉRMINOS DE SIGNO VARIABLE. E
Diversidad Espacial por Igual Ganancia como Contramedida a Desvanecimientos Lentos y Periodo Corto en un Canal Rayleigh.
Diversidad Espacial por Igual Gaacia como Cotramedida a Desvaecimietos Letos y Periodo Corto e u Caal Rayleigh. Everardo INZUNZA 1, Jua M HERNÁNDEZ 2, E Efre GARCÍA 1, Rosa M LÓPEZ 1, Oscar R LÓPEZ 1,
4 - 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
Números racionales. Caracterización.
Números reales Matemáticas I Aplicadas a las Ciecias Sociales 1 Números racioales. Caracterizació. ecuerda que u úmero r es racioal si se puede poer e forma de fracció de úmeros eteros de la forma a b
Probabilidad y estadística
Probabilidad y estadística MEDIDAS DE TENDENCIA CENTRAL, MEDIDAS DE DISPERSIÓN, GRÁFICAS, E INTERPRETANDO RESULTADOS Prof. Miguel Hesiquio Garduño. Est. Mirla Beavides Rojas Depto. De Igeiería Química
1.1 DEFINICIÓN 1.2 ENFOQUE GEOMÉTRICO 1.3 IGUALDAD 1.4 OPERACIONES
Moisés Villea Muñoz Vectores e,,,. DEFINICIÓN. ENFOQUE GEOMÉTRICO. IGUALDAD.4 OPERACIONES Los pares ordeados, que a se ha tratado, so los que llamaremos ectores de. Pero el iterés ahora es ser más geerales.
Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación
Aálisis de Señales y Sistemas Digitales FFT Cocepto Algoritmo Implemetació 2010 FFT Trasformada Rápida de Fourier Cocepto La trasformada rápida de fourier (FFT) es u algoritmo que permite él cálculo eficiete
C. INDICADORES DE EVALUACION DE PROYECTOS
C. INDICADORES DE EVALUACION DE PROYECTOS 1. Matemáticas Fiacieras 1.1 Iterés simple e iterés compuesto Iterés simple es aquel que se calcula siempre sobre el capital origial, y por tato excluye itereses
Técnicas para problemas de desigualdades
Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,
INTRODUCCIÓN 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
Sucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7
Sucesioes. Defiició Sucesió Matemática Ua sucesió fiita (a k ) (de logitud r) co elemetos perteecietes a u cojuto S, se defie como ua fució y e este caso el elemeto a k correspode a f(k). f : {,,...,r}
Teoría de la conmutación. Álgebra de Boole
Álgebra de Boole Defiicioes y axiomas Propiedades Variables y fucioes booleaas Defiicioes Propiedades Formas de represetació Fucioes booleaas y circuitos combiacioales Puertas lógicas Puertas lógicas fudametales
Tema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
2.1. Concepto Monto, capital, tasa de interés y tiempo.
1 2.1. Cocepto El iterés compuesto tiee lugar cuado el deudor o paga al cocluir cada periodo que sirve como base para su determiació los itereses correspodietes. Así, provoca que los mismos itereses se
IntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Axioma 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
1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua
Simulación de Sistemas Lineales Utilizando Labview
14 Simulació de Sistemas Lieales Utilizado Labview Bruo Vargas Tamai Facultad de Igeiería electróica Eléctrica, Uiversidad Nacioal Mayor de Sa Marcos, Lima, Perú RESUMEN: Mostramos la maera e que se puede
Problemas de Introducción al Procesado digital de Señales. Boletín 1.
Problemas de Itroducció al Procesado digital de Señales. Boletí. Se tiee la señal aalógica t e segudos t se 5 π t + cos 5 π t se 5 π t se muestrea co ua frecuecia de 5 H. Determia la señal obteida al hacer
Tema 2. Medidas descriptivas de los datos
Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa
E.T.S. Ingenieros de Caminos, Canales y Puertos
E.T.S. Igeieros de Camios, Caales y Puertos Uiversidad de Graada CUARTA PRÁCTICA TEORÍA DE ESTRUCTURAS MAYO 2011 APELLIDOS: FIRMA: NOMBRE: DNI: Imprescidible etregar el mauscrito origial grapado a este
R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ
06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la
Ejercicios Resueltos de Clasificación de Funciones
Istituto Tecológico de Ciudad Madero Uidad I. Complejidad Computacioal Capitulo. Clasificació de Algoritmos Ejercicios Resueltos de Clasificació de Fucioes.. Determie si f ( ) perteece a la clase idicada
α β la cual puede presentar
5.4 Covergecia de ua serie de Fourier 8 5.4 Covergecia de ua serie de Fourier Teorema de covergecia de las series de fourier Ua serie de Fourier es ua fució ( ) f x cotiua e [, ] α β la cual puede presetar
(10K) (12K) (470) (c) A v = 190 (d) f c = 53 MHz
3. AMPIFICADORES Y MEZCADORES 1. E el circuito de la figura: a) Determiar el puto de trabajo de ambos BJT. b) Represetar el circuito e pequeña señal idicado los valores de cada elemeto. c) Hallar la gaacia
LOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En
LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)
Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
ESTIMACIONES DE MEDIAS
COLEGIO SAN BARTOLOMÉ LA MERCED ESTADÍSTICA GRADO ESTIMACIÓN 0-0 Símbolos que se debe teer e cueta: POBLACIÓN MUESTRA MEDIA VARIANZA DESVIACIÓN ESTÁNDAR TAMAÑO N La estimació cosiste e determiar el valor
Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación
Matemáticas EJERCICIOS RESUELTOS: Fucioes de ua variable Elea Álvarez Sáiz Dpto. Matemática Aplicada y C. Computació Uiversidad de Catabria Igeiería de Telecomuicació Fudametos Matemáticos I Ejercicios:
CÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007
CÁLCULO Ejercicios Resueltos Semaa 0 Julio al Agosto 007 Ejercicios Resueltos. Estime el área ecerrada por la curva de ecuació y, el eje X y, para ello, divida el itervalo [0,] e cico partes iguales, y
Universidad Antonio Nariño Matemáticas Especiales
Uiversidad Atoio Nariño Matemáticas Especiales Guía N 1: Números Complejos Grupo de Matemáticas Especiales Resume Se preseta el cojuto de los úmeros complejos juto co sus operacioes y estructuras relacioadas.
6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES
6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:
Series de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
4.- Series. Criterios de convergencia. Series de Taylor y Laurent
4.- Series. Criterios de covergecia. Series de Taylor y Lauret a) Itroducció. Series de fucioes reales. b) Covergecia de secuecias y series. c) Series de Taylor. d) Series de Lauret. e) Propiedades adicioales
4 El Perceptrón Simple
El Perceptró Simple. Itroducció Ua de las características más sigificativas de las redes euroales es su capacidad para apreder a partir de algua fuete de iformació iteractuado co su etoro. E 958 el psicólogo
Capítulo 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
PRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Qué 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
con operacion inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,
Tema 9 El plao complejo 9. Números complejos E IR, las operacioes suma producto de úmeros reales so operacioes iteras (el resultado de operar es otro úmero real) que permite la existecia de operacioes