SlideShare una empresa de Scribd logo
1 de 2
ACTIVIDADINTEGRADORA OBLIGATORIA Nº1
CARRERA:INGENIERIA DE SISTEMAS
ASIGNATURA:INTRODUCCIÓN A LA INFORMÁTICA
ALUMNO: LilianaE. Lugo
DNI:21686510
1) RAMLa Memoriade AccesoAleatorio(RAM) esunsistemade almacenamientotantopara
lasinstrucciones de losprogramascomopara los datosque estosmanejandurante su
ejecución.LaRAMse divide enceldas,cadaunade lascualestiene unadirecciónúnica.
Habitualmente,cadaceldaestáformadapor 4 bytesy cada byte está formadopor8 bits.
Cada bit,que puede estaractivoo inactivo,representaunúnicovalorbinario.Lamemoria
RAMse mide porel númerode bitsque contiene.
2) Dadas dosproposicionespqse llamaconjunciónoproductológicode p y q, a la
proposiciónqse obtiene enunciadoqacontinuaciónde p,unidasambaspor la palabray
se indicap  q y se lee py q.
Ejemplo:uncuadradoesun rombolas proposicionesson
p= un cuadrado esun rombo.
q= un cuadrado enun rectángulo.
p  q.
3) Los argumentoslógicosinvolucranproposicionessimples,que nopuedensubdividirse.Las
proposicionessimplesse combinanmediante conexionesparaformarproposiciones
compuestas.Existenciertasproposiciones,llamadastautologías,que siempre son
verdaderas.Lastautologíasdanlugar a implicacioneslógicasy aequivalenciaslógicas.Las
implicacioneslógicassonbásicasparaunrazonamientosólido,ylasequivalenciaslógicas
proporcionanlosmediosparamanipularproposicionesalgebraicamente.Porejemplo:
ColondescubrióAmérica.Estaproposiciónpodríaser falsasi losacontecimientos
históricoshubieransidodiferentes.
4) Si A y B sondos expresiones lógicasysi A y B tiene siempreel mismovalorde verdad
entoncesse dice que A y B son lógicamente equivalentesyescribimosA є B si y solose
A↔B esuna tautología.
5)
p q p  q q  p p  q  q  p
v f f f v
v v v v v
f v f f v
f f f f v
6) “Todos losalumnosde laFacultadde Cienciasde laAdministraciónestudianIngenieríade
Sistemas”.
p: todoslosalumnos.
q: estudianIngenieríade Sistemas.
p  q
¬p¬q
7) A. Algoritmoesunasecuenciafinitade pasosejecutablesnoambiguosque,de seguirla,
terminaráenalgúnmomento.
b. Porejemplo,lainstrucciónúnica:"repite este paso"resultaunprocesointerminable;en
tanto que "si ya ejecutaste este pasocuatroveces,detente;si no,repítelo".
Otro ejemplo:
Cambiar la bombilla de la cocina
Inicio Quitar la bombilla dañada del techo de la cocina
Tomar el envase de las nuevas bombillas y retirar una
Colocar la bombilla en el lugar de la bombilla dañada
Verificar el funcionamiento de la nueva bombilla
Si no funciona volver al paso 3
Volver al paso 4
Finalizar
c. El problemaaquíes laambigüedad.Loslenguajesnaturalessurgieroncomo
herramientasde comunicaciónentreseresinteligentesy,porlotanto, carecen de la
precisiónque confrecuenciase requiere paraexpresarunalgoritmo.
d. Para representaralgoritmos usamosprimitivasque consiste enunaestructura
semánticabiendefinidajuntoconunasintaxisnoambiguapara representarla.
e.En larepresentaciónde algoritmosse establece primerounacolecciónsuficientemente
rica de primitivasparaque cualquieralgoritmose puedaexpresarmediante
combinacionesde lasmismas,ydespuésse expresantodoslosalgoritmosenestos
términos.Tal colecciónde primitivas,juntoconlasreglasde combinaciónpara
representarestructurasmáscomplejas,constituyeunlenguaje de programación.
f.Pseudocódigoesunsistemade notaciónmenosformal ymás intuitivoque el de un
lenguaje de programación,el "pseudocódigo".Esunsistemade notaciónenel que
expresamosinformalmente ideasdurante el procesode creaciónde algoritmos.
g. Las fasesde Polyapara resolverproblemasson:
Fase 1. Entenderel problema.
Fase 2. Idearunplan para resolverel problema.
Fase 3. Llevara cabo el plan.
Fase 4.Evaluar lasoluciónencuantoa suexactitudya su potencial comoherramientapara
resolverproblemas

Más contenido relacionado

La actualidad más candente

Algoritmo de Retropropagación
Algoritmo de RetropropagaciónAlgoritmo de Retropropagación
Algoritmo de RetropropagaciónESCOM
 
RED NEURONAL Backpropagation
RED NEURONAL BackpropagationRED NEURONAL Backpropagation
RED NEURONAL BackpropagationESCOM
 
Gradiente descendiente
Gradiente descendienteGradiente descendiente
Gradiente descendienteESCOM
 
RED De Retro-propagación Neuronal
RED De Retro-propagación NeuronalRED De Retro-propagación Neuronal
RED De Retro-propagación NeuronalESCOM
 
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundacionesArquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundacionesAndrea Lezcano
 
Variantes de BACKPROPAGATION
Variantes de BACKPROPAGATIONVariantes de BACKPROPAGATION
Variantes de BACKPROPAGATIONESCOM
 
Compresion graficos
Compresion graficosCompresion graficos
Compresion graficos1121887074
 
Utp ia_sl4 la rna perceptron
 Utp ia_sl4 la rna perceptron Utp ia_sl4 la rna perceptron
Utp ia_sl4 la rna perceptronjcbenitezp
 
Utp i_ay_se_sistemas difusos i 2013-3
 Utp i_ay_se_sistemas difusos i 2013-3 Utp i_ay_se_sistemas difusos i 2013-3
Utp i_ay_se_sistemas difusos i 2013-3jcbenitezp
 
Inteligencia artificial avanzada
Inteligencia artificial avanzadaInteligencia artificial avanzada
Inteligencia artificial avanzadaDiego Guamán
 
Utp sirn_sl4 la rna perceptron
 Utp sirn_sl4 la rna perceptron Utp sirn_sl4 la rna perceptron
Utp sirn_sl4 la rna perceptronc09271
 
Manual algoritmos y_estructura_de_datos
Manual algoritmos y_estructura_de_datosManual algoritmos y_estructura_de_datos
Manual algoritmos y_estructura_de_datosJuan Timoteo Cori
 
Tema 4: Lógica Combinacional Programable.
Tema 4: Lógica Combinacional Programable.Tema 4: Lógica Combinacional Programable.
Tema 4: Lógica Combinacional Programable.Manuel Fernandez Barcell
 
Redes de propagación hacia delante y aprendizaje supervisado
Redes de propagación hacia delante   y aprendizaje supervisadoRedes de propagación hacia delante   y aprendizaje supervisado
Redes de propagación hacia delante y aprendizaje supervisadoESCOM
 
Utp sirn_sl2 la rna perceptron
 Utp sirn_sl2 la rna perceptron Utp sirn_sl2 la rna perceptron
Utp sirn_sl2 la rna perceptronjcbenitezp
 
Reporte avance individual redes neuronales
Reporte avance individual redes neuronalesReporte avance individual redes neuronales
Reporte avance individual redes neuronalesAdán Silva
 

La actualidad más candente (18)

Algoritmo de Retropropagación
Algoritmo de RetropropagaciónAlgoritmo de Retropropagación
Algoritmo de Retropropagación
 
Toma de decisión y control (VB.Net)
Toma de decisión y control (VB.Net)Toma de decisión y control (VB.Net)
Toma de decisión y control (VB.Net)
 
RED NEURONAL Backpropagation
RED NEURONAL BackpropagationRED NEURONAL Backpropagation
RED NEURONAL Backpropagation
 
Gradiente descendiente
Gradiente descendienteGradiente descendiente
Gradiente descendiente
 
RED De Retro-propagación Neuronal
RED De Retro-propagación NeuronalRED De Retro-propagación Neuronal
RED De Retro-propagación Neuronal
 
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundacionesArquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
 
Variantes de BACKPROPAGATION
Variantes de BACKPROPAGATIONVariantes de BACKPROPAGATION
Variantes de BACKPROPAGATION
 
Compresion graficos
Compresion graficosCompresion graficos
Compresion graficos
 
Utp ia_sl4 la rna perceptron
 Utp ia_sl4 la rna perceptron Utp ia_sl4 la rna perceptron
Utp ia_sl4 la rna perceptron
 
Utp i_ay_se_sistemas difusos i 2013-3
 Utp i_ay_se_sistemas difusos i 2013-3 Utp i_ay_se_sistemas difusos i 2013-3
Utp i_ay_se_sistemas difusos i 2013-3
 
Inteligencia artificial avanzada
Inteligencia artificial avanzadaInteligencia artificial avanzada
Inteligencia artificial avanzada
 
Utp sirn_sl4 la rna perceptron
 Utp sirn_sl4 la rna perceptron Utp sirn_sl4 la rna perceptron
Utp sirn_sl4 la rna perceptron
 
Manual algoritmos y_estructura_de_datos
Manual algoritmos y_estructura_de_datosManual algoritmos y_estructura_de_datos
Manual algoritmos y_estructura_de_datos
 
Tema 4: Lógica Combinacional Programable.
Tema 4: Lógica Combinacional Programable.Tema 4: Lógica Combinacional Programable.
Tema 4: Lógica Combinacional Programable.
 
Redes de propagación hacia delante y aprendizaje supervisado
Redes de propagación hacia delante   y aprendizaje supervisadoRedes de propagación hacia delante   y aprendizaje supervisado
Redes de propagación hacia delante y aprendizaje supervisado
 
Utp sirn_sl2 la rna perceptron
 Utp sirn_sl2 la rna perceptron Utp sirn_sl2 la rna perceptron
Utp sirn_sl2 la rna perceptron
 
Reporte avance individual redes neuronales
Reporte avance individual redes neuronalesReporte avance individual redes neuronales
Reporte avance individual redes neuronales
 
Manual estructura de_datos_2010___h._caselli_g
Manual estructura de_datos_2010___h._caselli_gManual estructura de_datos_2010___h._caselli_g
Manual estructura de_datos_2010___h._caselli_g
 

Similar a Actividad integradora obligatoria nº 1 liliana e. lugo

Actividad integradora obligatoria nº 1 jaqueline j. lugo
Actividad integradora obligatoria nº 1 jaqueline j. lugoActividad integradora obligatoria nº 1 jaqueline j. lugo
Actividad integradora obligatoria nº 1 jaqueline j. lugoJake Lugo
 
Utp ia_2014-2_s6_backpropagation
 Utp ia_2014-2_s6_backpropagation Utp ia_2014-2_s6_backpropagation
Utp ia_2014-2_s6_backpropagationjcbp_peru
 
Tema1 faa 16_17
Tema1 faa 16_17Tema1 faa 16_17
Tema1 faa 16_17alexray100
 
Implementación de un módulo para el entrenamiento y evaluación de redes neuro...
Implementación de un módulo para el entrenamiento y evaluación de redes neuro...Implementación de un módulo para el entrenamiento y evaluación de redes neuro...
Implementación de un módulo para el entrenamiento y evaluación de redes neuro...Adrián Palacios Corella
 
Simulacion de pi - monte carlo - buffon java
Simulacion de pi - monte carlo - buffon  javaSimulacion de pi - monte carlo - buffon  java
Simulacion de pi - monte carlo - buffon javaNestor Paucar Carhuatanta
 
Computación evolutiva no tradicional
Computación evolutiva no tradicionalComputación evolutiva no tradicional
Computación evolutiva no tradicionalJuan J. Merelo
 
Presentacion proyecto final de carrera grado sistemas informática Valencia
Presentacion proyecto final de carrera grado sistemas informática ValenciaPresentacion proyecto final de carrera grado sistemas informática Valencia
Presentacion proyecto final de carrera grado sistemas informática ValenciaUniversidad CEU Cardenal Herrera
 
Sesion 01 _version_finalok__31124____37877__
Sesion 01 _version_finalok__31124____37877__Sesion 01 _version_finalok__31124____37877__
Sesion 01 _version_finalok__31124____37877__Ian Brady
 
Poslin y Purelin para la Resolución de la Discriminante de una Ecuación y de ...
Poslin y Purelin para la Resolución de la Discriminante de una Ecuación y de ...Poslin y Purelin para la Resolución de la Discriminante de una Ecuación y de ...
Poslin y Purelin para la Resolución de la Discriminante de una Ecuación y de ...Diego Paúl Cuenca Quezada
 
Diseño de Redes Neuronales Multicapa y Entrenamiento
Diseño de Redes Neuronales Multicapa y EntrenamientoDiseño de Redes Neuronales Multicapa y Entrenamiento
Diseño de Redes Neuronales Multicapa y EntrenamientoESCOM
 
Practicas 2016
Practicas 2016Practicas 2016
Practicas 2016Tensor
 
Cuestionario de programación.
Cuestionario de programación.Cuestionario de programación.
Cuestionario de programación.LorenaCMtz
 
Cuestionario de programacion (1)
Cuestionario de programacion (1)Cuestionario de programacion (1)
Cuestionario de programacion (1)GamePlayer34
 
Caracteristicas de C Sharp
Caracteristicas de C SharpCaracteristicas de C Sharp
Caracteristicas de C SharpEdgardo Martinez
 

Similar a Actividad integradora obligatoria nº 1 liliana e. lugo (20)

Actividad integradora obligatoria nº 1 jaqueline j. lugo
Actividad integradora obligatoria nº 1 jaqueline j. lugoActividad integradora obligatoria nº 1 jaqueline j. lugo
Actividad integradora obligatoria nº 1 jaqueline j. lugo
 
Utp ia_2014-2_s6_backpropagation
 Utp ia_2014-2_s6_backpropagation Utp ia_2014-2_s6_backpropagation
Utp ia_2014-2_s6_backpropagation
 
P proyecto 3
P proyecto 3P proyecto 3
P proyecto 3
 
Tema1 faa 16_17
Tema1 faa 16_17Tema1 faa 16_17
Tema1 faa 16_17
 
Perceptron parte 2
Perceptron parte 2Perceptron parte 2
Perceptron parte 2
 
Solemne 3 (con pauta)
Solemne 3 (con pauta)Solemne 3 (con pauta)
Solemne 3 (con pauta)
 
Implementación de un módulo para el entrenamiento y evaluación de redes neuro...
Implementación de un módulo para el entrenamiento y evaluación de redes neuro...Implementación de un módulo para el entrenamiento y evaluación de redes neuro...
Implementación de un módulo para el entrenamiento y evaluación de redes neuro...
 
Simulacion de pi - monte carlo - buffon java
Simulacion de pi - monte carlo - buffon  javaSimulacion de pi - monte carlo - buffon  java
Simulacion de pi - monte carlo - buffon java
 
Computación evolutiva no tradicional
Computación evolutiva no tradicionalComputación evolutiva no tradicional
Computación evolutiva no tradicional
 
Presentacion proyecto final de carrera grado sistemas informática Valencia
Presentacion proyecto final de carrera grado sistemas informática ValenciaPresentacion proyecto final de carrera grado sistemas informática Valencia
Presentacion proyecto final de carrera grado sistemas informática Valencia
 
Trabajo fin de Master
Trabajo fin de MasterTrabajo fin de Master
Trabajo fin de Master
 
Sesion 01 _version_finalok__31124____37877__
Sesion 01 _version_finalok__31124____37877__Sesion 01 _version_finalok__31124____37877__
Sesion 01 _version_finalok__31124____37877__
 
Pb1
Pb1Pb1
Pb1
 
Plantilla implementación
Plantilla implementaciónPlantilla implementación
Plantilla implementación
 
Poslin y Purelin para la Resolución de la Discriminante de una Ecuación y de ...
Poslin y Purelin para la Resolución de la Discriminante de una Ecuación y de ...Poslin y Purelin para la Resolución de la Discriminante de una Ecuación y de ...
Poslin y Purelin para la Resolución de la Discriminante de una Ecuación y de ...
 
Diseño de Redes Neuronales Multicapa y Entrenamiento
Diseño de Redes Neuronales Multicapa y EntrenamientoDiseño de Redes Neuronales Multicapa y Entrenamiento
Diseño de Redes Neuronales Multicapa y Entrenamiento
 
Practicas 2016
Practicas 2016Practicas 2016
Practicas 2016
 
Cuestionario de programación.
Cuestionario de programación.Cuestionario de programación.
Cuestionario de programación.
 
Cuestionario de programacion (1)
Cuestionario de programacion (1)Cuestionario de programacion (1)
Cuestionario de programacion (1)
 
Caracteristicas de C Sharp
Caracteristicas de C SharpCaracteristicas de C Sharp
Caracteristicas de C Sharp
 

Más de Liliana Lugo

Clase4actividad3 liliana e. lugo jaqueline j. lugo
Clase4actividad3 liliana e. lugo   jaqueline j. lugoClase4actividad3 liliana e. lugo   jaqueline j. lugo
Clase4actividad3 liliana e. lugo jaqueline j. lugoLiliana Lugo
 
Matemtica1clase3unidad1actividad2
Matemtica1clase3unidad1actividad2Matemtica1clase3unidad1actividad2
Matemtica1clase3unidad1actividad2Liliana Lugo
 
Av mate 1_contrato_pedagogico, liliana evangelina lugo
Av mate 1_contrato_pedagogico, liliana evangelina lugoAv mate 1_contrato_pedagogico, liliana evangelina lugo
Av mate 1_contrato_pedagogico, liliana evangelina lugoLiliana Lugo
 
2017 contrato padagogico_castagnola. liliana e. lugo
2017 contrato padagogico_castagnola. liliana e. lugo2017 contrato padagogico_castagnola. liliana e. lugo
2017 contrato padagogico_castagnola. liliana e. lugoLiliana Lugo
 
Matematica 1 unidad 1, liliana e. lugo, jaqueline j. lugo
Matematica 1 unidad 1, liliana e. lugo, jaqueline j. lugoMatematica 1 unidad 1, liliana e. lugo, jaqueline j. lugo
Matematica 1 unidad 1, liliana e. lugo, jaqueline j. lugoLiliana Lugo
 
Unidad1, actividad2 autoevalucion
Unidad1, actividad2 autoevalucionUnidad1, actividad2 autoevalucion
Unidad1, actividad2 autoevalucionLiliana Lugo
 

Más de Liliana Lugo (6)

Clase4actividad3 liliana e. lugo jaqueline j. lugo
Clase4actividad3 liliana e. lugo   jaqueline j. lugoClase4actividad3 liliana e. lugo   jaqueline j. lugo
Clase4actividad3 liliana e. lugo jaqueline j. lugo
 
Matemtica1clase3unidad1actividad2
Matemtica1clase3unidad1actividad2Matemtica1clase3unidad1actividad2
Matemtica1clase3unidad1actividad2
 
Av mate 1_contrato_pedagogico, liliana evangelina lugo
Av mate 1_contrato_pedagogico, liliana evangelina lugoAv mate 1_contrato_pedagogico, liliana evangelina lugo
Av mate 1_contrato_pedagogico, liliana evangelina lugo
 
2017 contrato padagogico_castagnola. liliana e. lugo
2017 contrato padagogico_castagnola. liliana e. lugo2017 contrato padagogico_castagnola. liliana e. lugo
2017 contrato padagogico_castagnola. liliana e. lugo
 
Matematica 1 unidad 1, liliana e. lugo, jaqueline j. lugo
Matematica 1 unidad 1, liliana e. lugo, jaqueline j. lugoMatematica 1 unidad 1, liliana e. lugo, jaqueline j. lugo
Matematica 1 unidad 1, liliana e. lugo, jaqueline j. lugo
 
Unidad1, actividad2 autoevalucion
Unidad1, actividad2 autoevalucionUnidad1, actividad2 autoevalucion
Unidad1, actividad2 autoevalucion
 

Último

Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024IES Vicent Andres Estelles
 
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOTUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOweislaco
 
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptxc3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptxMartín Ramírez
 
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptxPresentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptxYeseniaRivera50
 
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docxPLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docxJUANSIMONPACHIN
 
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...JAVIER SOLIS NOYOLA
 
CIENCIAS NATURALES 4 TO ambientes .docx
CIENCIAS NATURALES 4 TO  ambientes .docxCIENCIAS NATURALES 4 TO  ambientes .docx
CIENCIAS NATURALES 4 TO ambientes .docxAgustinaNuez21
 
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdfTarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdfManuel Molina
 
La Función tecnológica del tutor.pptx
La  Función  tecnológica  del tutor.pptxLa  Función  tecnológica  del tutor.pptx
La Función tecnológica del tutor.pptxJunkotantik
 
periodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicasperiodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicas123yudy
 
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMALVOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMALEDUCCUniversidadCatl
 
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdfEstrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdfAlfredoRamirez953210
 
Día de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundialDía de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundialpatriciaines1993
 
TEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdfTEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdfDannyTola1
 
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIATRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIAAbelardoVelaAlbrecht1
 
programa dia de las madres 10 de mayo para evento
programa dia de las madres 10 de mayo  para eventoprograma dia de las madres 10 de mayo  para evento
programa dia de las madres 10 de mayo para eventoDiegoMtsS
 
Fundamentos y Principios de Psicopedagogía..pdf
Fundamentos y Principios de Psicopedagogía..pdfFundamentos y Principios de Psicopedagogía..pdf
Fundamentos y Principios de Psicopedagogía..pdfsamyarrocha1
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.José Luis Palma
 

Último (20)

Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024
 
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOTUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
 
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptxc3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
 
Tema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdf
Tema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdfTema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdf
Tema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdf
 
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptxPresentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
 
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docxPLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
 
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
 
CIENCIAS NATURALES 4 TO ambientes .docx
CIENCIAS NATURALES 4 TO  ambientes .docxCIENCIAS NATURALES 4 TO  ambientes .docx
CIENCIAS NATURALES 4 TO ambientes .docx
 
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdfTarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
 
La Función tecnológica del tutor.pptx
La  Función  tecnológica  del tutor.pptxLa  Función  tecnológica  del tutor.pptx
La Función tecnológica del tutor.pptx
 
periodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicasperiodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicas
 
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMALVOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
 
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdfEstrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
 
Día de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundialDía de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundial
 
TEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdfTEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdf
 
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIATRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
 
TL/CNL – 2.ª FASE .
TL/CNL – 2.ª FASE                       .TL/CNL – 2.ª FASE                       .
TL/CNL – 2.ª FASE .
 
programa dia de las madres 10 de mayo para evento
programa dia de las madres 10 de mayo  para eventoprograma dia de las madres 10 de mayo  para evento
programa dia de las madres 10 de mayo para evento
 
Fundamentos y Principios de Psicopedagogía..pdf
Fundamentos y Principios de Psicopedagogía..pdfFundamentos y Principios de Psicopedagogía..pdf
Fundamentos y Principios de Psicopedagogía..pdf
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.
 

Actividad integradora obligatoria nº 1 liliana e. lugo

  • 1. ACTIVIDADINTEGRADORA OBLIGATORIA Nº1 CARRERA:INGENIERIA DE SISTEMAS ASIGNATURA:INTRODUCCIÓN A LA INFORMÁTICA ALUMNO: LilianaE. Lugo DNI:21686510 1) RAMLa Memoriade AccesoAleatorio(RAM) esunsistemade almacenamientotantopara lasinstrucciones de losprogramascomopara los datosque estosmanejandurante su ejecución.LaRAMse divide enceldas,cadaunade lascualestiene unadirecciónúnica. Habitualmente,cadaceldaestáformadapor 4 bytesy cada byte está formadopor8 bits. Cada bit,que puede estaractivoo inactivo,representaunúnicovalorbinario.Lamemoria RAMse mide porel númerode bitsque contiene. 2) Dadas dosproposicionespqse llamaconjunciónoproductológicode p y q, a la proposiciónqse obtiene enunciadoqacontinuaciónde p,unidasambaspor la palabray se indicap  q y se lee py q. Ejemplo:uncuadradoesun rombolas proposicionesson p= un cuadrado esun rombo. q= un cuadrado enun rectángulo. p  q. 3) Los argumentoslógicosinvolucranproposicionessimples,que nopuedensubdividirse.Las proposicionessimplesse combinanmediante conexionesparaformarproposiciones compuestas.Existenciertasproposiciones,llamadastautologías,que siempre son verdaderas.Lastautologíasdanlugar a implicacioneslógicasy aequivalenciaslógicas.Las implicacioneslógicassonbásicasparaunrazonamientosólido,ylasequivalenciaslógicas proporcionanlosmediosparamanipularproposicionesalgebraicamente.Porejemplo: ColondescubrióAmérica.Estaproposiciónpodríaser falsasi losacontecimientos históricoshubieransidodiferentes. 4) Si A y B sondos expresiones lógicasysi A y B tiene siempreel mismovalorde verdad entoncesse dice que A y B son lógicamente equivalentesyescribimosA є B si y solose A↔B esuna tautología. 5) p q p  q q  p p  q  q  p v f f f v v v v v v f v f f v f f f f v 6) “Todos losalumnosde laFacultadde Cienciasde laAdministraciónestudianIngenieríade Sistemas”. p: todoslosalumnos. q: estudianIngenieríade Sistemas.
  • 2. p  q ¬p¬q 7) A. Algoritmoesunasecuenciafinitade pasosejecutablesnoambiguosque,de seguirla, terminaráenalgúnmomento. b. Porejemplo,lainstrucciónúnica:"repite este paso"resultaunprocesointerminable;en tanto que "si ya ejecutaste este pasocuatroveces,detente;si no,repítelo". Otro ejemplo: Cambiar la bombilla de la cocina Inicio Quitar la bombilla dañada del techo de la cocina Tomar el envase de las nuevas bombillas y retirar una Colocar la bombilla en el lugar de la bombilla dañada Verificar el funcionamiento de la nueva bombilla Si no funciona volver al paso 3 Volver al paso 4 Finalizar c. El problemaaquíes laambigüedad.Loslenguajesnaturalessurgieroncomo herramientasde comunicaciónentreseresinteligentesy,porlotanto, carecen de la precisiónque confrecuenciase requiere paraexpresarunalgoritmo. d. Para representaralgoritmos usamosprimitivasque consiste enunaestructura semánticabiendefinidajuntoconunasintaxisnoambiguapara representarla. e.En larepresentaciónde algoritmosse establece primerounacolecciónsuficientemente rica de primitivasparaque cualquieralgoritmose puedaexpresarmediante combinacionesde lasmismas,ydespuésse expresantodoslosalgoritmosenestos términos.Tal colecciónde primitivas,juntoconlasreglasde combinaciónpara representarestructurasmáscomplejas,constituyeunlenguaje de programación. f.Pseudocódigoesunsistemade notaciónmenosformal ymás intuitivoque el de un lenguaje de programación,el "pseudocódigo".Esunsistemade notaciónenel que expresamosinformalmente ideasdurante el procesode creaciónde algoritmos. g. Las fasesde Polyapara resolverproblemasson: Fase 1. Entenderel problema. Fase 2. Idearunplan para resolverel problema. Fase 3. Llevara cabo el plan. Fase 4.Evaluar lasoluciónencuantoa suexactitudya su potencial comoherramientapara resolverproblemas