Métodos de la Minería de Datos
|
|
- Alba Parra Miguélez
- hace 5 años
- Vistas:
Transcripción
1 This is page i Priter: Opaque this Métodos de la Miería de Datos Dr Oldemar Rodríguez Rojas 6 de mayo de 2008
2 ii
3 This is page iii Priter: Opaque this Cotets Elemetos básicos de aálisis de datos exploratorio V Tipos de variables v 2 Descripció de ua variable cuatitativa v 3 Descripció de ua variable cualitativa viii 4 Relació etre dos variables cuatitativas xi 4 La regresió lieal (simple) xi 42 La ecuació de aálisis de la variaza xiv 43 Iterpretació geométrica del coeficiete de correlacióxvii 5 Regresió múltiple xviii 5 Iterpretació e el espacio de los idividuos xx 52 Iterpretació e el espacio de las variables xx
4 iv
5 This is page v Priter: Opaque this Elemetos básicos de aálisis de datos exploratorio Tipos de variables Defiició Ua variable describe ua característica para el cojuto de idividuos que fue defiida Defiició 2 El cojuto de idividuos es la població e estudio, por ejemplo, el cojuto de todos los costarriceses o las provicias de Costa Rica Observació Existe dos tipos de variables: Las cuatitativas y las cualitativas Las variables cuatitativas describe ua catidad (u úmero real), por ejemplo, el peso de u idividuos, el salario o la altura Las variables cualitativas describe ua cualidad, por ejemplo el color de los ojos, el diploma que posee la persoa Ua variable cualitativa siempre tiee asociada modalidades Por ejemplo para la variable Y color de ojos las modalidades podría ser: egro, azul, café, otro 2 Descripció de ua variable cuatitativa Ua variable cuatitativa está descrita por los valores que toma e el cojuto de idividuos para los cuales fue defiida Ejemplo idividuo tamaño Para sitetizar la iformació coteida e ua variable cuatitativa los ídices más comues so: El promedio, deotado por X, que se defie por: X x i
6 vi Elemetos básicos de aálisis de datos exploratorio El promedio es u idicador de tedecia cetral La variaza, deotada por var(x), defiida por: var(x) (x i X) 2 La variaza es ua medida de dispersió que refleja la magitud de la fluctuació de los datos La desviació estádar, dootada por σ x, se defie por: σ x var(x) Teorema Si a, b R y X es ua variable cuatitativa, etoces: ax + b ax + b 2 var(ax + b) a 2 var(x) Prueba 2 ax + b ( var(ax + b) (ax i + b) a ) x i ax + b ax + b + b [ ] 2 (ax i + b) (ax + b) (ax i + b ax b) 2 (ax i ax) 2 a2 (x i x) 2 a 2 var(x)
7 Elemetos básicos de aálisis de datos exploratorio vii Defiició 3 Ua variable X cuatitativa se dice cetrada y reducida si se cumple: X 0 2 var(x) Teorema 2 Sea variable X cuatitativa y Z la variable cuatitativa defiida por: z i : x i X σ x, etoces la variable Z está cetrada y reducida Prueba Se debe probar que la media de Z es cero y que la variaza de Z es uo Z z i x i X σ x (x i X) σ x ( ) x i X σ x ( ) x i X σ x ( ) X X σ x 0
8 viii Elemetos básicos de aálisis de datos exploratorio 2 var(z) (z i Z) 2 ( xi X 0 σ x ( ) 2 xi X σ 2 x σ 2 x ( σ x (x i X) 2 ) 2 ) (x i X) 2 var(x) var(x) Observació 2 Usualmete cada variable de ua tabla de datos se cetra y se reduce, de modo que todas las variables tiee la misma media y la misma variaza, evitádose así los efectos de las diferetes escalas 3 Descripció de ua variable cualitativa Ua variable cualitativa tambié está descrita por los valores que toma e el cojuto de idividuos para los cuales fue defiida Ejemplo 2 idividuo color de ojos azul 2 verde 3 egro 4 verde 5 azul 6 azul La variable color de ojos del ejemplo aterior tiee e este caso 3 modalidades: azul, verde y egro Para cada modalidad se defie la frecuecia absoluta F, como el úmero o catidad de idividuos que toma dicha modalidad Por ejemplo, e
9 Elemetos básicos de aálisis de datos exploratorio ix la tabla aterior se tiee que: F (azul) 3, F (verde) 2 y que F (egro) Tambié para cada modalidad se defie la frecuecia relativa F r, que es el cociete etre frecuecia absoluta y el úmero total de idividuos, es decir: F r F Por ejemplo, e la tabla aterior se tiee que: F r (azul) 3 6, F r(verde) 2 6 y que F r(egro) 6 Para facilitar los cálculos e u computador las variables cualitativas se represeta usualmete por ua matriz X, llamada el código disyutivo completo, que se defie como sigue: Sea X ua variable cualitativa co p modalidades defiida e u cojuto de idividuos, etoces la matriz X tedrá tamaño p y su etrada (i, j) es: { si el idividuo i tomó la modalidad j X ij 0 e caso cotrario Ejemplo 3 Para la variable color de ojos del ejemplo 2 el código disyutivo completo asociado es: X Las columas de X se llama idicatrices E el ejemplo aterior la columa es la idicatriz de la modalidad azul, la columa 2 es la idicatriz de la modalidad verde y la columa 3 es la idicatriz de la modalidad egro Es importate otar que e ua fila de la matriz X uca habrá más de u Esto garatiza los siguietes dos teoremas Teorema 3 La suma de las columas de la matriz X es el siguiete vector de tamaño :
10 x Elemetos básicos de aálisis de datos exploratorio Otra propiedad muy útil de X se expresa e el siguiete teorema Teorema 4 X t X es ua matriz p p diagoal tal que e cada etrada de la diagoal está la frecuecia absoluta de la modalidad respectiva Prueba La etrada X ij se obtiee efectuado el producto de la fila i de X t (columa i de X) por la columa j de X Si i j, dado que uca existe 2 uos e ua fila, el producto de dos columas columas diferetes es 0 Si i j, lo que hace el producto de la columa j por si misma, que es u coteo de cuátos idividuos tomaro la modalidad j, es decir la frecuecia absoluta de la modalidad j Ejemplo 4 Para la variable color de ojos del ejemplo 2 se tiee que: X t X Alguas veces ua variable cualitativa se covierte e variable cuatitativa asigado u código umérico a cada modalidad, por ejemplo color azul, color verde 2 y color egro 3 Así la variable color de ojos del ejemplo 2 se puede represetar por el vector columa: color de ojos 2 3 2, ótese que: Se debe teer cuidado co este tipo de codificació ya que las operacioes algebraicas podría o teer igú setido
11 Elemetos básicos de aálisis de datos exploratorio xi y i ax i + b Y y ax + b e i x i X FIGURE Recta de regresió 4 Relació etre dos variables cuatitativas 4 La regresió lieal (simple) Ejemplo 5 Etre las variables peso y altura usualmete existe ua relació, los idividuos más pesados e geeral so los más altos Esto puede ser cierto, pero o siempre, pues puede haber ua persoa más pesada que otra y si embargo su estatura podría ser meor Sea X y Y dos variables cualitatativas, la idea es determiar si existe ua relació (aproximada) lieal etre X y Y como se muestra e la Figura El problema matemático es ecotrar a, b R tal que: y i ax i + b + e i para i, 2,, de modo que los e i sea los más pequeños posibles Cocretamete se usa el criterio de los míimos cuadrados, es decir, se quiere que la suma sea míima e 2 i
12 xii Elemetos básicos de aálisis de datos exploratorio Teorema 5 La recta de regresió de míimos cuadrados etre dos variables cuatitativas X y Y (ie que miimiza e 2 i ) se calcula como sigue: Además: a (x i X)(y i Y ) b Y ax var(x) e i 0 Prueba Sea a, b R tal que y i míima Probaremos primero que ax i + b + e i y la suma e i 0 Para esto supogamos por cotradicció que Note que esto es equivalete a e i c e 2 i sea e i c co c 0 Nótese que y i ax i + b + e i ax i + (b + c) + (e i c) Pero: (e i c) 2 < (e 2 i 2e i c + c 2 ) e 2 i 2c e i + c 2 e 2 i 2cc + c 2 e 2 i 2c 2 + c 2 ( e 2 i e 2 i ) c 2
13 Esto implica que ya que Elemetos básicos de aálisis de datos exploratorio xiii e 2 i (e i c) 2 < es míimo Por lo tato c 0 lo que implica que e 2 i, lo cual es ua cotradicció e i 0 Probaremos que: b Y ax Note que e e i 0 0 lo que implica que: de dode b Y ax Probaremos que: a Y ax + b + e ax + b + e ax + b, (x i X)(y i Y ) var(x) Como y i ax i + b + e i etoces: e i y i ax i b y i ax i Y + ax (y i Y ) a(x i X) () Esto implica que miimizar e 2 i es equivalete a miimizar [ (yi Y ) a(x i X) ] 2 Para calcular este míimo se debe derivar [ (yi Y ) a(x i X) ] 2 respecto al úico parámetro a e igualar a 0 ( d [ (yi Y ) a(x i X) ] ) 2 2 [ (y i Y ) a(x i X) ] [ (x i X)] da [ 2(yi Y )(x i X) + 2a(x i X) 2] 2 (y i Y )(x i X) + 2a (x i X) 2
14 xiv Elemetos básicos de aálisis de datos exploratorio Así: d da es equivalete a: ( [ (yi Y ) a(x i X) ] ) 2 0 de dode: es decir: 2 (y i Y )(x i X) + 2a (x i X) 2 0, a a (x i X)(y i Y ), (x i X) 2 (x i X)(y i Y ) var(x) Defiició 4 Se defie la covariaza etre dos variables cualitativas X y Y como sigue: cov(x, Y ) : (x i X)(y i Y ) Teorema 6 La pediete de la recta de regresió se puede calcular como sigue: a cov(x, Y ) var(x) Prueba Es claro de la defiició 4 42 La ecuació de aálisis de la variaza Teorema 7 E el modelo y i ax i + b + e i se tiee que: dode: var(y ) var(ax + b) + var(e) var(y) es la variaza de Y var(ax + b) es la variaza explicada por las variacioes de X
15 Elemetos básicos de aálisis de datos exploratorio xv var(e) es la variaza de los residuos Prueba De () se sabe que e i (y i Y ) a(x i X), de dode: y i Y a(x i X) + e i Esto implica que: var(y ) (y i Y ) 2 [a(x i X) + e i ] 2 ( a 2 (x i X) 2 + 2a (x i X)e i + e 2 i ) Se sabe que: var(ax + b) a 2 var(x) a2 (x i X) 2, además se sabe que: e 2 i var(e) Basta probar que: (x i X)e i 0 Vamos esto:
16 xvi Elemetos básicos de aálisis de datos exploratorio (x i X)e i cov(x, e) cov(x, Y ax b) (x i X)(y i ax i b Y + ax + b) (x i X)(y i Y a(x i X)) [ ] (x i X)(y i Y ) a (x i X) 2 (x i X)(y i Y ) a (x i X) 2 ( cov(x, Y ) avar(x) pues a cov(x, Y ) ) var(x) cov(x, Y ) cov(x, Y ) 0 Defiició 5 El coeficiete de determiació se defie por: R 2 var(ax + b) var(y ) variaza explicada por la recta variaza total Teorema 8 R cov(x, Y ) σ X σ Y
17 Elemetos básicos de aálisis de datos exploratorio xvii Prueba R 2 (X, Y ) var(ax + b) var(y ) a2 var(x) var(y ) cov2 (X, Y )var(x) var 2 (X)var(Y ) cov 2 (X, Y ) var(x)var(y ) cov2 (X, Y ) σ 2 X σ2 Y ( ) 2 cov(x, Y ) σ X σ Y Defiició 6 R se llama el coeficiete de correlació 43 Iterpretació geométrica del coeficiete de correlació Ua variable X que toma valores puede ser represetada como u vector de R (E adelate R se deomiará espacio vectorial de las variables) E R el producto escalar (producto itero) usual es: Si X (x, x 2,, x ) y Y (y, y 2,, y ) etoces: X, Y x i y i E aálisis de datos se usa el siguiete producto itero: X, Y x i y i Co este producto itero se tiee la iterpretació del coeficiete de correlació que se expoe e el siguiete teorema Teorema 9 E el espacio vectorial de las variables R el coseo del águlo etre 2 variables cetradas y reducidas es igual al coeficiete de correlació etre esas 2 variables Corolario X σ X
18 xviii Elemetos básicos de aálisis de datos exploratorio 5 Regresió múltiple PROBLEMA: Se trata de explicar (predecir) ua variable cuatitativa Y, observada e idividuos, utilizado m variables cuatitativas liealmete idepedietes X j co j, 2,, m Estas variables tambié ha sido observadas e los mismos idividuos Ejemplo 6 Cosideremos que los pricipales factores que icide e el redimieto del cultivo del trigo so: a) Potasio y fósforo (kg/ha), b) Nitrógeo (kg/ha), c) Agua de lluvia promedio (cm 3 ), d) Acidez del suelo (ph) y e) Temperatura promedio ( ) Y que las respectivas variables explicativas se deotará como: X : Catidad de potasio y fósforo (mezcla) por hectárea X 2 : Catidad de itrógeo por hectárea X 3 : Acidez del suelo (ph) X 4 : Catidad promedio de lluvia caída (cm 3 ) X 5 : Temperatura promedio Y : Redimieto medido e quitales/ha (variable depediete a explicar) X X 2 X 3 X 4 X 5 Y Pot Nit Alluv PH tem red TABLE Redimieto de trigo, Y, e 0 parcelas segú los factores X i Nuestro objetivo es medir de algua forma la icidecia e la variable Y de los factores explicativos Asumimos que el efecto de cada factor sobre el redimieto es aditivo de maera que Y se expresa e térmios de los factores explicativos como: Y a 0 + a X + a 2 X a 5 X 5 + e (2) Al coocer los valores de los a i de este modelo, se explica el poder de icidecia de cada factor X i e la variable Y, lo que permite estimar el
19 Elemetos básicos de aálisis de datos exploratorio xix redimieto del cultivo de trigo Y, para diferetes valores de los factores explicativos X i (variables idepedietes), etre otros objetivos A fi de dispoer de los datos ecesarios para estimar los valores a 0,, a 5 se realizó el siguiete experimeto: cultivar trigo e 0 campos diferetes sometido a distitos tratamietos de las variables explicativas Las medicioes resultates de las 6 variables, e cada caso, se resume e la tabla Es ua geeralizació de la regresió lieal, es decir: dode: y i a 0 + a x i + a 2 x i2 + + a m x im + e i (3) y i es la observació i ésima de la variable y (es decir, e el idividuo i) x ij es la observació i ésima de la variable x j (es decir, e el idividuo i) Los coeficietes a j para j, 2,, m so las icogitas y será calculados usado el criterio de míimos cuadrados, es decir de modo tal que sea míimo e 2 i Aálogamete al caso lieal se puede probar que ē 0, e i 0 (tarea) ȳ a 0 + a x + a 2 x a m x m + e i, ȳ a 0 + a x + a 2 x a m x m (4) Restado (3) (4) se tiee que: y i ȳ a (x i x ) + a 2 (x i2 x 2 ) + + a m (x im x m ) + e i (5) Si deotamos por Y i y X j las variables cetradas: Y i y i ȳ y X ij x ij x j para i, 2,, ; j, 2,, m,
20 xx Elemetos básicos de aálisis de datos exploratorio etoces (5) se escribe como: Y i a X i + a 2 X i2 + + a m X im + e i, (6) para i, 2,, ; j, 2,, m Luego matricialmete (5) se escribe como: dode: Y Xa + e, (7) X X j X m Y Y 2 X X i X ij X im, Y, X X j X m Y a e a 2 e 2 a, e a m e 5 Iterpretació e el espacio de los idividuos El espacio de los idividuos es el espacio filas de la matriz por bloques [X Y ], es decir se tiee putos e R m+ Miimizar e 2 i correspode a ecotrar u hiperplao: Y i a X + a 2 X a m X m e R m+ de tal maera que pase lo más cerca posible de los putos (idividuos) 52 Iterpretació e el espacio de las variables E espacio de las variables R está las columas de X, deotadas por X, X 2,, X m Tambié está e este espacio los vectores Y y e La iterpretació está dada por el siguiete Teorema:
21 Elemetos básicos de aálisis de datos exploratorio xxi Teorema 0 Ecotrar los parámetros a, a 2,, a m de tal maera que la sea míima es equivalete a proyectar ortogoalmete el vector Y e 2 i sobre el espacio geerado por X, X 2,, X m B {X, X 2,, X m } {v, v 2,, v m } ortoormal Y Xa Y, v v + Y, v 2 v Y, v m v m Xa X(X t X) X t y Corolario 2 El vector que miimiza la suma del cuadrado de los residuos es: a (X t X) X t y Observació 3 Para proosticar ua variable Y, a partir de ua tabla de datos cetrada X, se utiliza: Y Ỹ Xa, (8) Observació 4 Para proosticar ua variable Y, a partir de ua tabla de datos NO cetrada X, se utiliza: dode: a 0 ȳ m a j x j y j Y Ỹ Xa + a 0, (9)
e i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
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 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 detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesEstadística Descriptiva
Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral
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 detallesTema 2: Diagonalización de matrices cuadradas
Departameto de Aálisis Ecoómico UNIVERSIDAD DE ZARAGOZA Tema : Diagoalizació de matrices cuadradas.1. El cojuto R Defiició: Dados úmeros reales x 1, x,..., x R, se llama -tupla ordeada a x = ( x 1,, x,...,
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
Más detallesVECTORES. 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
Más detallesE.T.S.I. Industriales y Telecomunicación Curso Grados E.T.S.I. Industriales y Telecomunicación. Tema 1: Números complejos
Grados E.T.S.I. Idustriales y Telecomuicació Asigatura: Cálculo I Coocimietos previos Para poder seguir adecuadamete este tema, se requiere que el alumo repase y poga al día sus coocimietos e los siguietes
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 detallesEspacio Vectorial Definición: Sea V un conjunto donde hemos definido una ley u operación interna, que
Sea V u cojuto dode hemos defiido ua ley u operació itera, que desigaremos por + V V. Sea K u cuerpo (comutativo) y sea, por último, ua operació extera que desigaremos por K V V. Diremos que (V,+, ) tiee
Más detallesANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la
ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de
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 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 detallesPROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.
PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:
Más detallesCLAVES 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
Más detalles4. Sucesiones de números reales
4. Sucesioes de úmeros reales Aálisis de Variable Real 2014 2015 Ídice 1. Sucesioes y límites. Coceptos básicos 2 1.1. Defiició de sucesió... 2 1.2. Sucesioes covergetes... 2 1.3. Sucesioes acotadas...
Más detalles2.- ESPACIOS VECTORIALES. MATRICES.
2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces
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 detallesUniversidad 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.
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 detallesR-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
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 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 detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES Humao es errar; pero sólo los ecios persevera e el error. Ciceró. ACADEMIA DE MATEMÁTICAS Uidad II: Datos Bivariados Apredizajes.
Más detallesEjercicios para exámenes de Matemáticas (CCAA y CTA) Vectores
Ejercicios para exámees de Matemáticas (CCAA y CTA Vectores Jua-Miguel Gracia 7 de octubre de 014 Ejercicio Sea a, b vectores de R 5 que satisface a = 10, a + b = 11, a b = 9 Demostrar que existe u β R
Más detallesEXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 y 13
1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 y 13 1. a) (0,5 putos) Explica brevemete el cocepto de correlació. Po dos ejemplos: uo co correlació directa y otro co correlació iversa. b) (0,5 putos) Explica
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 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 detallesy i 0 1 x i 2 2 y i media 2 Varianza 2 i 1 Para calcular el los valores que maximizan L derivamos e igualamos a cero 2 y i 0 1 x i 0 # i 1
Demostracioes de Regresió Simple. Estimació La distribució de y es y i N 0 x i, Estimació Máximo Verosímil La fució de verosimilitud, sabiedo que y i es ua variable ormal será L exp y i 0 x i ya que la
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 detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detallesAplicaciones Lineales. Diagonalización 1.- Sean xy
Aplicacioes Lieales. Diagoalizació.- Sea xy, vectores propios de ua matriz A asociados al mismo valor propio. Etoces: a) x+ y tambié es vector propio de A. b) x+ y tambié es vector propio de A, si x +
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 detallesTRABAJO DE GRUPO Series de potencias
DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre
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 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 detallesRepaso...Último Contenidos NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Fucioes y relacioes. Diagrama Sagital. Sea A = { a,b, c} y B = { 1, 2, 3, 4} Repaso...Último Coteidos NM 4 A: Cojuto
Más detallesEjemplo: 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
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 detallesINFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
Más detalles. Una de las aplicaciones más importantes de los coeficientes binomiales es el Binomio de Newton : n k)
Permutacioes. E Matemáticas, dado u cojuto fiito co todos sus elemetos diferetes, llamamos permutació a cada ua de las posibles ordeacioes de los elemetos de dicho cojuto. Por ejemplo, e el cojuto 1, 2,
Más detallesAnálisis de resultados. Independencia de las muestras
Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas
Más detallesSesión 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,
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com Ig. Oscar Restrepo BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los histogramas
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 detallesAplicaciones lineales. Diagonalización. . La aplicación f es lineal si se verifican las dos condiciones siguientes:
Aplicacioes lieales Diagoalizació Defiició: Sea V y W dos espacios vectoriales sobre el mismo cuerpo y sea la aplicació f:v W v f v w La aplicació f es lieal si se verifica las dos codicioes siguietes:
Más detallesMINITAB 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
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 detallesMEDIDAS DE DISPERSIÓN.
MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está
Más detalles2.2. Estadísticos de tendencia central
40 Bioestadística: Métodos y Aplicacioes La dispersió o variació co respecto a este cetro; Los datos que ocupa ciertas posicioes. La simetría de los datos. La forma e la que los datos se agrupa. Cetro,
Más detalles1.1 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.
Más detalles4.4 Sistemas mal condicionados
7 4.4 Sistemas mal codicioados l resolver u sistema de ecuacioes lieales usado u método directo, es ecesario aalizar si el resultado calculado es cofiable. E esta secció se estudia el caso especial de
Más detallesPRÁCTICA # 3 PREPARACIÓN DE GRÁFICAS GRÁFICAS LINEALES
TEORIA PRÁCTICA # 3 PREPARACIÓN DE GRÁFICAS GRÁFICAS LINEALES Cuado se realiza experimetos usualmete se obtiee ua serie de datos, por ejemplo los mostrados e la tabla. Geeralmete, lo que se quiere es ecotrar
Más detallesFigura 10. No se satisface el supuesto de linealidad.
Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos
Más detallesDe 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
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 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 detalles1 Valores individuales del conjunto
5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral
Más detallesTAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas
TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo
Más detallesBurgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana
Las Matemáticas para la Gestió de Carteras co Riesgo. Carteras compuestas por activos co correlacioes estadísticas arbitrarias. El caso e que se fija el redimieto esperado de la cartera Apellidos, ombre
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los istogramas y los polígoos
Más detalles6.3. Uso de la SVD para determinar la estructura de una matriz. Primero definiremos algunas características de matrices.
Edgar Acuña/ ESMA 6665 Lecc 8 75 6.3. Uso de la SVD para determiar la estructura de ua matriz Primero defiiremos alguas características de matrices. Rago de ua matriz: Sea A ua matriz m x se etoces su
Más detallesConstrucción 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
Más detallesTrabajo Final Estadística Descriptiva
Prof: Ramó Alvarez Sebastiá Castro Pieria Costa Mathias Fuidio Motevideo, 9 de Juio del 0 ÍNDICE Itroducció Marco teórico.. Variables. Medidas de Resume. Medidas de Posició. Medidas de Dispersió. Medidas
Más detallesProbabilidad 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
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesDesigualdad entre las medias Aritmética y Geométrica
Desigualdad etre las medias Aritmética y Geométrica Jorge Tipe Villaueva Dados reales positivos a 1, a,..., a, defiimos la media aritmética de a 1, a,..., a como el úmero a 1 + a +... + a y la media geométrica
Más detallesLOS 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)
Más detallesTema 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
Más detallesMétodos de reducción de varianza
Métodos de reducció de variaza Clase ro 1 Curso 010 Métodos de reducció de variaza E la mayoría de las simulacioes, los experimetos tiee por obetivo obteer valores medios de los resultados que se muestrea
Más detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más detallesIr?-4ac > O, a > 01 Ir?-4ac > O, a < 01 Ir?- 4ac = 01 (a < O) X+J?..~±~b' -4.c ~±.Jb' -4.c. -b±~b2-4ac. 1.2 {2a si a > O
MATEMÁTICAS BÁSICAS X+J?..~±~b' -4.c ~±.Jb' -4.c 1. {a si a > O ( Recordar que -. 4a - =. ) a 4a a - a SI a < O Así que, si b - 4ac ~ O hay solamete dos raíces e R de la ecuació ax + bx + c = O, a saber,
Más detallesEje I: Números y Operaciones
Colegio Provicial de Educació Secudaria Nº Gregorio Álvarez Maestro Patagóico C I C L O Eje I: Números y Operacioes L E C T I V O 0 1 8 ALUMNO: PROFESORA: MARÍA ELISA PALMAS Eje I: Números y Operacioes
Más detallesSeries de funciones en C z n z. f n (z) converge puntualmente en D C, entonces
Series de fucioes e C. Defiició. Sea f : D C;, ua sucesió de fucioes. Sea S : D C la sucesió defiida por S (z) = f (z). La serie f (z) se dice covergete e z D si la sucesió {S (z)} es k= covergete e z
Más detallesFactorizar es escribir o representar una expresión algebraica como producto de sus factores: Factor común:
PERIODO I FACTORIZACIÓN Factorizar es escribir o represetar ua expresió algebraica como producto de sus factores: Ejemplo: x 4 = (x + ) (x ) = (x + ) (x + ) (x ) Ua expresió queda completamete factorizada
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesbc (b) a b + c d = ad+bc a b = b a
1 Cojutos 1 Describa los elemetos de los siguietes cojutos A = { x x 1 = 0 } D = { x x 3 x + x = } B = { x x 1 = 0 } E = { x x + 8 = 9 } C = {x x + 8 = 9} F = { x x + 16x = 17 } Para los cojutos del ejercicio
Más detallesGuía Semana 9 1. RESUMEN. Universidad de Chile. Ingeniería Matemática
1. RESUMEN Igeiería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo e Varias Variables 08-1 Igeiería Matemática Guía Semaa 9 Teorema de los multiplicadores de Lagrage
Más detallesPrácticas de Matemáticas I y Matemáticas II con DERIVE-5 138
Prácticas de Matemáticas I y Matemáticas II co DERIVE-5 8. DIGONLIZCIÓN... PRINCIPLES FUNCIONES DE DERIVE PR L DIGONLIZCION: CLCULO DE UTOVLORES Y UTOVECTORES. tes de iiciar el estudio de los pricipales
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 detallesCurso: 3 E.M. ALGEBRA 8
Colegio SSCC Cocepció - Depto. de Matemáticas Uidad de Apredizaje: POLINOMIOS Capacidades/Destreza/Habilidad: Racioamieto Matemático/ Aplicació / Calcular, Resolver Valores/ Actitudes: Respeto, Solidaridad,
Más detallesLa frecuencia relativa acumulada se suele expresar en forma de % y nos indica el % de datos que hay menores o iguales al valor xi correspondiente.
º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMA.- ESTADÍSTICA DESCRIPTIVA.- TABLAS Y GRÁFICOS ESTADÍSTICOS Estadística : Es la ciecia que estudia cojutos de datos obteidos de la realidad. Estos datos
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 detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemáticas 1º CCSS 1 RESUMEN DISTRIBUCIONES BIDIMENSIONALES Distribucioes bidimesioales Se estudia a la vez dos variables aleatorias (geéricamete X e Y; sus valores será ( i, y i )). Correlació Al estudiar
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 detallesb) Encontrar: τ o σ ; π o σ ; σ y τ. 2. Usar la definición de determinante para encontrar: 4. Calcular los determinantes de las siguientes matrices:
EJERCICIOS PROPUESTOS. Tarea 3. Cosiderar las siguietes particioes de S 5 σ = 354 τ = 354 π = 453. a) Determiar el sigo de cada ua de las ateriores particioes. b) Ecotrar: τ o σ ; π o σ ; σ y τ.. Usar
Más detallesMAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma
MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete
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 detallesTrata 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.
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 detallesSucesiones. 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}
Más detallesNúmero de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.
Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del
Más detallesCapítulo III Teoría de grupos
Capítulo III Teoría de grupos Tema 1. Leyes de composició iteras. 1.1 Leyes de composició iteras. Dado u cojuto A, se defie como Ley de composició itera defiida e A a toda aplicació, A A A ( x, y) x y
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
12.4. Raíces de la uidad Igeiería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Itroducció al Álgebra 08-1 Importate: Visita regularmete http://www.dim.uchile.cl/~algebra.
Más detalles