Este documento describe diferentes métodos de simulación en R, incluyendo simulaciones de lanzamientos de dados, extracciones de bolas de urnas, cartas de baraja, y colas de autobús. Explica funciones como sample(), rbinom(), rpois(), y rnorm() para generar números aleatorios que siguen distribuciones discretas y continuas específicas. También cubre conceptos como medias, varianzas, densidades de probabilidad y funciones de distribución acumulativa.
Este documento presenta el método numérico del punto fijo para resolver ecuaciones no lineales de la forma f(x)=0. Explica la teoría del método, incluyendo cómo transformar la ecuación en una equivalente de punto fijo x=g(x) y realizar iteraciones para aproximar la raíz. Luego, muestra cuatro ejemplos numéricos aplicando los pasos del método para encontrar raíces de diferentes funciones como x2-2x-3=0, cos(x)=0 y e-x-x=0. Finalmente, propone dos ej
Este documento explica el método del punto fijo para encontrar las raíces de funciones utilizando Microsoft Excel. Presenta cuatro ejemplos numéricos para encontrar las raíces de diferentes funciones aplicando el método del punto fijo en Excel. En cada ejemplo se muestra la tabla con las fórmulas para iterar el proceso y encontrar la aproximación a la raíz, así como un gráfico de la función para verificar la solución obtenida.
Este documento presenta una guía sobre métodos numéricos para ingeniería. Contiene 16 preguntas de selección múltiple sobre temas como integración numérica, ecuaciones no lineales y derivadas parciales. También incluye 6 problemas resueltos que ilustran el uso de métodos como Adams-Bashforth, Simpson compuesto, trapecio compuesto y Newton-Raphson.
Este documento presenta diferentes métodos para la derivación e integración numérica. Explica cómo calcular la primera y segunda derivada de una función utilizando aproximaciones de diferencias finitas con 2 y 3 puntos. También describe cómo aplicar la extrapolación de Richardson para mejorar la precisión de los cálculos de derivadas numéricas. Finalmente, introduce un método para calcular derivadas en puntos no equiespaciados usando interpolación polinómica.
Este documento presenta información sobre distribuciones de probabilidad continua. Explica conceptos como funciones de densidad, intervalos de probabilidad y cálculo de probabilidades para diferentes distribuciones como la normal, uniforme y binomial. Incluye ejemplos y ejercicios resueltos sobre el cálculo de probabilidades para estas distribuciones.
Este documento describe el método del punto fijo para encontrar las raíces reales de una ecuación no lineal f(x)=0. Explica cómo reescribir la ecuación original en la forma x=g(x) y generar una sucesión iterativa xi+1=g(xi) que converge a la raíz. También analiza las condiciones para la convergencia del método y provee un ejemplo numérico para calcular las raíces de la ecuación f(x)=e-πx=0.
El documento presenta el concepto de antiderivada e integral indefinida. Explica que la antiderivada de una función f(x) es otra función F(x)+C cuya derivada es f(x). Proporciona ejemplos de cálculo de antiderivadas aplicando las reglas básicas como integrar funciones constantes, potencias y sumas. Finalmente, presenta ejercicios resueltos para afianzar el concepto.
Este documento presenta el método numérico del punto fijo para resolver ecuaciones no lineales de la forma f(x)=0. Explica la teoría del método, incluyendo cómo transformar la ecuación en una equivalente de punto fijo x=g(x) y realizar iteraciones para aproximar la raíz. Luego, muestra cuatro ejemplos numéricos aplicando los pasos del método para encontrar raíces de diferentes funciones como x2-2x-3=0, cos(x)=0 y e-x-x=0. Finalmente, propone dos ej
Este documento explica el método del punto fijo para encontrar las raíces de funciones utilizando Microsoft Excel. Presenta cuatro ejemplos numéricos para encontrar las raíces de diferentes funciones aplicando el método del punto fijo en Excel. En cada ejemplo se muestra la tabla con las fórmulas para iterar el proceso y encontrar la aproximación a la raíz, así como un gráfico de la función para verificar la solución obtenida.
Este documento presenta una guía sobre métodos numéricos para ingeniería. Contiene 16 preguntas de selección múltiple sobre temas como integración numérica, ecuaciones no lineales y derivadas parciales. También incluye 6 problemas resueltos que ilustran el uso de métodos como Adams-Bashforth, Simpson compuesto, trapecio compuesto y Newton-Raphson.
Este documento presenta diferentes métodos para la derivación e integración numérica. Explica cómo calcular la primera y segunda derivada de una función utilizando aproximaciones de diferencias finitas con 2 y 3 puntos. También describe cómo aplicar la extrapolación de Richardson para mejorar la precisión de los cálculos de derivadas numéricas. Finalmente, introduce un método para calcular derivadas en puntos no equiespaciados usando interpolación polinómica.
Este documento presenta información sobre distribuciones de probabilidad continua. Explica conceptos como funciones de densidad, intervalos de probabilidad y cálculo de probabilidades para diferentes distribuciones como la normal, uniforme y binomial. Incluye ejemplos y ejercicios resueltos sobre el cálculo de probabilidades para estas distribuciones.
Este documento describe el método del punto fijo para encontrar las raíces reales de una ecuación no lineal f(x)=0. Explica cómo reescribir la ecuación original en la forma x=g(x) y generar una sucesión iterativa xi+1=g(xi) que converge a la raíz. También analiza las condiciones para la convergencia del método y provee un ejemplo numérico para calcular las raíces de la ecuación f(x)=e-πx=0.
El documento presenta el concepto de antiderivada e integral indefinida. Explica que la antiderivada de una función f(x) es otra función F(x)+C cuya derivada es f(x). Proporciona ejemplos de cálculo de antiderivadas aplicando las reglas básicas como integrar funciones constantes, potencias y sumas. Finalmente, presenta ejercicios resueltos para afianzar el concepto.
Este documento presenta el segundo teorema fundamental del cálculo y métodos para aproximar integrales definidas como las sumas de Riemann. Explica cómo dividir un intervalo en subintervalos y aproximar la integral como la suma de las áreas de los rectángulos definidos por los puntos de la partición.
Este documento presenta el concepto de interpolación polinómica. Explica cómo construir un polinomio de interpolación que pasa exactamente por una serie de puntos de datos dados, y cómo evaluar dicho polinomio en otros puntos. También introduce el polinomio de interpolación de Lagrange como una forma eficiente de calcular el polinomio de interpolación sin usar la matriz de Vandermonde.
Este documento describe el método numérico de la bisección para calcular raíces reales de ecuaciones no lineales. Explica que el método itera dividendo el intervalo que contiene la raíz en dos partes iguales hasta que la longitud del intervalo sea menor que un error especificado. Luego presenta detalles como la convergencia lineal del método y cómo implementarlo computacionalmente en MATLAB. Finalmente, incluye un ejemplo numérico para ilustrar el proceso.
Este documento describe métodos de integración numérica como la regla del trapecio simple y compuesta. La regla del trapecio simple aproxima el área bajo una curva mediante un trapecio. La regla del trapecio compuesta divide el área en subintervalos y aplica la regla del trapecio en cada uno para obtener una mejor aproximación. El documento provee ejemplos para ilustrar cómo aplicar estos métodos y cómo el error se reduce al aumentar el número de subintervalos.
Este documento describe el método de interpolación por diferencias divididas de Newton. Explica cómo construir un polinomio de interpolación de grado n que pasa por n+1 puntos de datos no colineales utilizando las diferencias divididas de Newton. Luego, muestra un ejemplo completo de cómo aplicar el método para construir un polinomio cúbico de interpolación y estimar el valor de una función en un punto dado.
Este documento presenta varios ejercicios resueltos y propuestos relacionados con la interpolación polinómica. Los ejercicios resueltos incluyen interpolar funciones mediante polinomios de Lagrange y Newton e interpolar la función de Bessel. Los ejercicios propuestos piden construir polinomios de interpolación para diferentes funciones y datos, y aproximar valores de las funciones.
El documento describe diferentes métodos de diferenciación numérica por 3 y 5 puntos para aproximar la derivada de una función. Presenta las fórmulas para aproximar la derivada usando puntos hacia la derecha, izquierda y en el medio para 3 puntos, y una fórmula para 5 puntos. Luego aplica los métodos a una función exponencial para comparar los errores obtenidos.
El documento describe el método de iteración de punto fijo para resolver ecuaciones. Un punto fijo de una función g es un número p tal que g(p)=p. El método inicia con una aproximación x0 e itera xi+1=g(xi) hasta converger a la solución. La función g debe cumplir que su derivada sea menor a 1 en el punto fijo para garantizar convergencia. El documento provee ejemplos numéricos para ilustrar el método.
Ejercicos y problemas de interpolacion de lagrange.Sergio Riveros
El documento presenta 10 problemas de interpolación que involucran hallar polinomios de interpolación de Lagrange dados diferentes conjuntos de puntos, y evaluar dichos polinomios en diferentes valores. Los problemas implican datos de experimentos químicos y físicos.
Este documento presenta conceptos básicos de cálculo diferencial, incluyendo la definición de derivada, ejemplos de derivadas de funciones simples, reglas para derivar sumas, productos y cocientes de funciones, y ejemplos de aplicación de estas reglas.
La regla de Simpson proporciona una estimación más precisa de la integral de una función. La regla de Simpson 1/3 simple aproxima el área bajo una curva mediante el área bajo una parábola que une tres puntos. La regla de Simpson 1/3 compuesta divide el intervalo en subintervalos iguales y aplica la regla simple en cada uno para mejorar la precisión cuando el intervalo original es grande. Dividiendo en más subintervalos reduce aún más el error de la aproximación.
Este documento contiene varios ejercicios resueltos sobre interpolación polinomial y cálculo numérico. En el primer ejercicio se obtiene el polinomio interpolador de Lagrange para una función dada en cuatro puntos. En el segundo ejercicio se determina el polinomio interpolador de Lagrange para la función logaritmo en cinco puntos y se acota el error. En el tercer ejercicio se comprueba que los polinomios interpoladores de Lagrange y Newton son idénticos para una función dada en tres puntos.
Este documento introduce el concepto de integración numérica para aproximar el valor de integrales que no pueden ser evaluadas analíticamente. Explica la fórmula de los trapecios, que aproxima la función a integrar por rectas entre puntos, dividiendo el intervalo en subintervalos. También presenta una fórmula para estimar el error de truncamiento en esta aproximación. Finalmente, incluye ejemplos ilustrativos sobre cómo aplicar estos conceptos para aproximar valores de integrales y estimar la precisión de los resultados.
El documento presenta diferentes métodos numéricos para resolver ecuaciones no lineales, incluyendo métodos gráficos, el método de bisección, el método de la falsa posición, y el método de punto fijo. Explica los algoritmos de cada método y provee ejemplos numéricos y de código para ilustrar cómo implementarlos para encontrar raíces de funciones.
Este documento trata sobre interpolación y aproximación polinomial. Explica que los polinomios son útiles para aproximar funciones continuas debido al teorema de Weierstrass. Describe dos métodos de interpolación polinomial: el método de Lagrange y el método de Newton. El método de Lagrange usa una fórmula general para determinar un polinomio que pasa por puntos de datos específicos. También analiza el error asociado con el polinomio de interpolación de Lagrange.
1. El documento presenta definiciones y ejemplos relacionados con funciones crecientes, decrecientes y constantes, extremos locales, e identificar funciones pares e impares. 2. Se definen funciones crecientes, decrecientes y constantes usando gráficas e intervalos. También se explican extremos locales y cómo identificarlos. 3. Se proveen ejemplos para practicar la identificación de intervalos donde funciones son crecientes, decrecientes o constantes, así como la detección de extremos locales.
El método de punto fijo permite resolver sistemas de ecuaciones no lineales transformando la ecuación f(x)=0 en la forma x=g(x). Se evalúa g(x) repetidamente para valores iniciales de x hasta que los resultados convergen, lo que indica que se ha encontrado la raíz. Si los resultados se alejan, la iteración diverge y se debe modificar la función g(x).
El documento describe el método de iteración del punto fijo para resolver ecuaciones. Explica que se transforma la ecuación f(x)=0 en x=g(x) mediante una función iteradora g(x). Luego, se define un punto fijo como un número p tal que g(p)=p. El método genera una sucesión xn+1=g(xn) que converge a la solución cuando |g'(x)|<1. Finalmente, presenta un ejemplo numérico para aproximar la solución de una ecuación usando Excel.
Este documento presenta los métodos de integración numérica de Newton-Cotes, en particular la regla del trapecio y las reglas de Simpson. Explica que la regla del trapecio aproxima el área bajo una curva mediante el área de un trapecio, mientras que las reglas de Simpson usan polinomios de grado superior. Luego detalla la regla del trapecio simple y compuesta, así como la regla de Simpson 1/3 simple, indicando cómo aproximan la integral reemplazando la función con una función polinómica más fácil
Este documento presenta conceptos sobre extremos de funciones, funciones crecientes y decrecientes, máximos y mínimos relativos, concavidad y puntos de inflexión. Incluye ejemplos para ilustrar cómo determinar estos conceptos y dos problemas para aplicarlos.
El documento describe las cinco extinciones masivas que han ocurrido en la Tierra a lo largo de los últimos 600 millones de años, incluyendo las posibles causas como cambios climáticos, erupciones volcánicas, y el impacto de meteoritos. También resume las principales evidencias que apoyan la teoría de la evolución, como el registro fósil, la anatomía comparada, la embriología, y la bioquímica. Finalmente, explica que la diversidad de la vida se debe a la evolución y adaptación de las especies a trav
Este documento presenta una secuencia didáctica para enseñar a los estudiantes sobre el texto prescriptivo "las instrucciones". La secuencia incluye seleccionar un proyecto de hacer un fósil de dinosaurio, analizar las partes estructurales de las instrucciones, leer y seguir las instrucciones para hacer el fósil, y escribir sus propias instrucciones. El objetivo es aproximar a los estudiantes a la lectura de instrucciones y avanzar en su proceso lector siguiendo los pasos y respetando su ritmo
Este documento presenta el segundo teorema fundamental del cálculo y métodos para aproximar integrales definidas como las sumas de Riemann. Explica cómo dividir un intervalo en subintervalos y aproximar la integral como la suma de las áreas de los rectángulos definidos por los puntos de la partición.
Este documento presenta el concepto de interpolación polinómica. Explica cómo construir un polinomio de interpolación que pasa exactamente por una serie de puntos de datos dados, y cómo evaluar dicho polinomio en otros puntos. También introduce el polinomio de interpolación de Lagrange como una forma eficiente de calcular el polinomio de interpolación sin usar la matriz de Vandermonde.
Este documento describe el método numérico de la bisección para calcular raíces reales de ecuaciones no lineales. Explica que el método itera dividendo el intervalo que contiene la raíz en dos partes iguales hasta que la longitud del intervalo sea menor que un error especificado. Luego presenta detalles como la convergencia lineal del método y cómo implementarlo computacionalmente en MATLAB. Finalmente, incluye un ejemplo numérico para ilustrar el proceso.
Este documento describe métodos de integración numérica como la regla del trapecio simple y compuesta. La regla del trapecio simple aproxima el área bajo una curva mediante un trapecio. La regla del trapecio compuesta divide el área en subintervalos y aplica la regla del trapecio en cada uno para obtener una mejor aproximación. El documento provee ejemplos para ilustrar cómo aplicar estos métodos y cómo el error se reduce al aumentar el número de subintervalos.
Este documento describe el método de interpolación por diferencias divididas de Newton. Explica cómo construir un polinomio de interpolación de grado n que pasa por n+1 puntos de datos no colineales utilizando las diferencias divididas de Newton. Luego, muestra un ejemplo completo de cómo aplicar el método para construir un polinomio cúbico de interpolación y estimar el valor de una función en un punto dado.
Este documento presenta varios ejercicios resueltos y propuestos relacionados con la interpolación polinómica. Los ejercicios resueltos incluyen interpolar funciones mediante polinomios de Lagrange y Newton e interpolar la función de Bessel. Los ejercicios propuestos piden construir polinomios de interpolación para diferentes funciones y datos, y aproximar valores de las funciones.
El documento describe diferentes métodos de diferenciación numérica por 3 y 5 puntos para aproximar la derivada de una función. Presenta las fórmulas para aproximar la derivada usando puntos hacia la derecha, izquierda y en el medio para 3 puntos, y una fórmula para 5 puntos. Luego aplica los métodos a una función exponencial para comparar los errores obtenidos.
El documento describe el método de iteración de punto fijo para resolver ecuaciones. Un punto fijo de una función g es un número p tal que g(p)=p. El método inicia con una aproximación x0 e itera xi+1=g(xi) hasta converger a la solución. La función g debe cumplir que su derivada sea menor a 1 en el punto fijo para garantizar convergencia. El documento provee ejemplos numéricos para ilustrar el método.
Ejercicos y problemas de interpolacion de lagrange.Sergio Riveros
El documento presenta 10 problemas de interpolación que involucran hallar polinomios de interpolación de Lagrange dados diferentes conjuntos de puntos, y evaluar dichos polinomios en diferentes valores. Los problemas implican datos de experimentos químicos y físicos.
Este documento presenta conceptos básicos de cálculo diferencial, incluyendo la definición de derivada, ejemplos de derivadas de funciones simples, reglas para derivar sumas, productos y cocientes de funciones, y ejemplos de aplicación de estas reglas.
La regla de Simpson proporciona una estimación más precisa de la integral de una función. La regla de Simpson 1/3 simple aproxima el área bajo una curva mediante el área bajo una parábola que une tres puntos. La regla de Simpson 1/3 compuesta divide el intervalo en subintervalos iguales y aplica la regla simple en cada uno para mejorar la precisión cuando el intervalo original es grande. Dividiendo en más subintervalos reduce aún más el error de la aproximación.
Este documento contiene varios ejercicios resueltos sobre interpolación polinomial y cálculo numérico. En el primer ejercicio se obtiene el polinomio interpolador de Lagrange para una función dada en cuatro puntos. En el segundo ejercicio se determina el polinomio interpolador de Lagrange para la función logaritmo en cinco puntos y se acota el error. En el tercer ejercicio se comprueba que los polinomios interpoladores de Lagrange y Newton son idénticos para una función dada en tres puntos.
Este documento introduce el concepto de integración numérica para aproximar el valor de integrales que no pueden ser evaluadas analíticamente. Explica la fórmula de los trapecios, que aproxima la función a integrar por rectas entre puntos, dividiendo el intervalo en subintervalos. También presenta una fórmula para estimar el error de truncamiento en esta aproximación. Finalmente, incluye ejemplos ilustrativos sobre cómo aplicar estos conceptos para aproximar valores de integrales y estimar la precisión de los resultados.
El documento presenta diferentes métodos numéricos para resolver ecuaciones no lineales, incluyendo métodos gráficos, el método de bisección, el método de la falsa posición, y el método de punto fijo. Explica los algoritmos de cada método y provee ejemplos numéricos y de código para ilustrar cómo implementarlos para encontrar raíces de funciones.
Este documento trata sobre interpolación y aproximación polinomial. Explica que los polinomios son útiles para aproximar funciones continuas debido al teorema de Weierstrass. Describe dos métodos de interpolación polinomial: el método de Lagrange y el método de Newton. El método de Lagrange usa una fórmula general para determinar un polinomio que pasa por puntos de datos específicos. También analiza el error asociado con el polinomio de interpolación de Lagrange.
1. El documento presenta definiciones y ejemplos relacionados con funciones crecientes, decrecientes y constantes, extremos locales, e identificar funciones pares e impares. 2. Se definen funciones crecientes, decrecientes y constantes usando gráficas e intervalos. También se explican extremos locales y cómo identificarlos. 3. Se proveen ejemplos para practicar la identificación de intervalos donde funciones son crecientes, decrecientes o constantes, así como la detección de extremos locales.
El método de punto fijo permite resolver sistemas de ecuaciones no lineales transformando la ecuación f(x)=0 en la forma x=g(x). Se evalúa g(x) repetidamente para valores iniciales de x hasta que los resultados convergen, lo que indica que se ha encontrado la raíz. Si los resultados se alejan, la iteración diverge y se debe modificar la función g(x).
El documento describe el método de iteración del punto fijo para resolver ecuaciones. Explica que se transforma la ecuación f(x)=0 en x=g(x) mediante una función iteradora g(x). Luego, se define un punto fijo como un número p tal que g(p)=p. El método genera una sucesión xn+1=g(xn) que converge a la solución cuando |g'(x)|<1. Finalmente, presenta un ejemplo numérico para aproximar la solución de una ecuación usando Excel.
Este documento presenta los métodos de integración numérica de Newton-Cotes, en particular la regla del trapecio y las reglas de Simpson. Explica que la regla del trapecio aproxima el área bajo una curva mediante el área de un trapecio, mientras que las reglas de Simpson usan polinomios de grado superior. Luego detalla la regla del trapecio simple y compuesta, así como la regla de Simpson 1/3 simple, indicando cómo aproximan la integral reemplazando la función con una función polinómica más fácil
Este documento presenta conceptos sobre extremos de funciones, funciones crecientes y decrecientes, máximos y mínimos relativos, concavidad y puntos de inflexión. Incluye ejemplos para ilustrar cómo determinar estos conceptos y dos problemas para aplicarlos.
El documento describe las cinco extinciones masivas que han ocurrido en la Tierra a lo largo de los últimos 600 millones de años, incluyendo las posibles causas como cambios climáticos, erupciones volcánicas, y el impacto de meteoritos. También resume las principales evidencias que apoyan la teoría de la evolución, como el registro fósil, la anatomía comparada, la embriología, y la bioquímica. Finalmente, explica que la diversidad de la vida se debe a la evolución y adaptación de las especies a trav
Este documento presenta una secuencia didáctica para enseñar a los estudiantes sobre el texto prescriptivo "las instrucciones". La secuencia incluye seleccionar un proyecto de hacer un fósil de dinosaurio, analizar las partes estructurales de las instrucciones, leer y seguir las instrucciones para hacer el fósil, y escribir sus propias instrucciones. El objetivo es aproximar a los estudiantes a la lectura de instrucciones y avanzar en su proceso lector siguiendo los pasos y respetando su ritmo
O documento lista seis produtos químicos comuns e suas aplicações, incluindo acetona para remover esmalte, amônia como desinfetante, terebintina para diluir tinta a óleo, naftalina para matar baratas, formol como conservante de cadáveres e fósforo usado em venenos para ratos.
O documento discute a importância do trabalho e do progresso resultante deste. Também enfatiza os princípios de pedir ajuda a Deus e ter fé para alcançar objetivos. Finalmente, incentiva o leitor a estabelecer metas e planos de ação para transformá-las em realidade.
Este documento descreve uma aula sobre livre-arbítrio, escolhas e espiritualidade no dia a dia. A aula dividirá os alunos em grupos para discutir situações do cotidiano e como percebem a presença da espiritualidade. Os alunos também escreverão pedidos em corações de papel para depositar em uma caixa, representando ações espirituais diárias como prece e contato com o mentor. Um vídeo sobre escolha de vida será exibido.
Este documento describe comandos externos y su función. Los comandos externos se almacenan en archivos de comandos denominados transitorios o externos y requieren de estos archivos para ejecutarse, además de tener un nombre propio y poder copiarse de un disco a otro. Entre los principales comandos externos descritos están append, backup, chkd sk, deltree, diskcopy, doskey, fc, format, print, keyes, label, mem, move y subst.
O documento descreve as principais eras geológicas da Terra, desde a mais antiga até a atual era Cenozoica. Ele fornece detalhes sobre as divisões de cada era e período, além de informações sobre a formação da Terra e da vida durante a era Cenozoica.
O documento discute a revelação divina através de Moisés e Jesus, afirmando que embora tenham lançado sementes da verdade, não revelaram tudo devido às limitações da época. Uma nova era traria novos conhecimentos para desvendar melhor os ensinamentos.
Este documento discute el concepto de robo de identidad y cómo insultar o degradar a otra persona va en contra de las enseñanzas de Jesús. Jesús enseñó que insultar a alguien es igual de malo que el asesinato porque insultar a la criatura es insultar al Creador que hizo a esa persona a su imagen. Jesús expandió el sexto mandamiento de "no matarás" para incluir que insultar o enojarse con otra persona de manera despectiva también es condenable.
El documento habla sobre el dolor y la inflamación. Explica que el dolor lento es transmitido por fibras nerviosas tipo C mientras que el dolor rápido lo es por fibras tipo Aσ. Describe los síntomas de la inflamación como calor, rubor, dolor y tumefacción. Además, explica las fases de la inflamación como aguda, subaguda y proliferativa. Finalmente, menciona algunos fármacos útiles para el dolor y la inflamación como AINE, anestésicos locales, corticoides y opioides.
Este documento presenta un resumen de 6 créditos de la carrera de Ciencias de la Educación, mención Lenguaje y Comunicación. El curso se titula "Teorías de la Personalidad" y compara las definiciones de personalidad según las principales corrientes cognitiva, gestalt, conductismo y psicoanálisis. El tutor es el Dr. Gonzalo Remache y la estudiante es Jenny Tatiana Rojas Arías para el curso de nivelación QTON1 en Riobamba entre septiembre de 2013 y febrero de 2014.
Adivina para animales y plantas power caDeisy Pari
Este documento contiene una serie de adivinanzas sobre diferentes animales y frutas. Cada adivinanza consiste en una o dos oraciones que describen características clave del objeto para que el lector lo adivine. Los objetos incluyen pendientes, peras, sandías, plátanos, melones, melocotones, naranjas, avellanas, caracoles, burros, búhos, conejos, gatos, cigüeñas, leones, caballos, elefantes, vacas, ratones y más.
Por detrás do último ato da ciência espetáculo as células-tronco embrionáriasThuane Sales
O documento discute as controvérsias em torno da pesquisa com células-tronco embrionárias. A pesquisa com células-tronco adultas tem tido mais sucesso do que com células embrionárias, que apresentam grandes desafios técnicos e podem causar tumores. Apesar disso, há um marketing em torno das células embrionárias que gera expectativas irreais, assim como ocorreu anteriormente com o Projeto Genoma Humano.
El documento clasifica las sustancias psicoactivas de la siguiente manera:
Químicamente, las clasifica en alcohol, alucinógenos, drogas de diseño, psicodepresores, psicoestimulantes, cannabicos, opiáceos, opioides y volátiles. Legalmente distingue entre drogas legales e ilegales. Psicopatológicamente divide en depresores, estimulantes y alucinógenos. Finalmente, clasifica por grado de dependencia entre dependencia psicológica y física.
Este documento resume los principales modelos atómicos y conceptos sobre la estructura atómica. Explica que los átomos están formados por un núcleo central con protones y neutrones, y electrones que orbitan alrededor. Presenta los modelos de Thomson, Rutherford, Bohr y otros, los cuales llevaron al entendimiento moderno de que los átomos están estructurados con electrones en niveles de energía y órbitas alrededor del núcleo. También cubre conceptos como la configuración electrónica de los elementos
Este documento trata sobre los aparatos circulatorio y excretor del cuerpo humano. Explica brevemente la historia del conocimiento sobre la circulación de la sangre desde Galeno hasta Harvey, quien estableció el proceso completo de la doble circulación. También incluye un esquema sobre los contenidos a tratar, como las características del sistema circulatorio sanguíneo, los vasos sanguíneos, el corazón, la circulación doble y las enfermedades relacionadas. Finalmente, ofrece recursos visuales sobre los vasos sanguí
Estudio elaborado por el Dr. Héctor G. Riveros de la Facultad de Física de la UNAM sobre Monitoreo Ambiental en el DF. Presentado en el 2° Foro de Transporte y Ecología.
1) A 1a Guerra Mundial começou como uma guerra de movimentos mas evoluiu para uma guerra de trincheiras com batalhas sangrentas como Verdun e Somme.
2) A Batalha de Passchendaele entre Julho e Novembro de 1917 foi uma ofensiva britânica contra os alemães na Bélgica que resultou em centenas de milhares de mortes devido às condições de lama.
3) As consequências da guerra incluíram o declínio da Europa, a ascensão dos EUA, e mud
Este documento trata sobre la personalidad del consumidor. Explica que la personalidad está compuesta por características, sentimientos y pensamientos que influyen en el comportamiento. Luego describe diferentes teorías sobre la estructura de la personalidad como las de Freud y Eysenck. Finalmente, concluye que conocer la personalidad del consumidor es clave para posicionar y promocionar productos.
La reproducción permite la creación de nuevos organismos y es una característica común a todas las formas de vida. Existen dos tipos principales de reproducción: la reproducción sexual, que implica la combinación de material genético de dos padres, y la reproducción asexual, que no requiere la unión de gametos y es común en microorganismos, plantas y animales simples. Algunas formas de reproducción asexual incluyen la fisión, la fragmentación, la gemación y la partenogénesis.
El documento explica la notación científica, la cual representa números muy grandes o pequeños mediante potencias de diez. Se muestra cómo mover la coma decimal para expresar un número entre 1 y 9, y cómo el exponente indica la cantidad de lugares desplazados. También cubre operaciones como suma, resta, multiplicación y división con números en esta notación, sumando o restando exponentes según la operación.
Este documento trata sobre la simulación de variables aleatorias. Explica cómo generar números pseudoaleatorios uniformemente distribuidos entre 0 y 1 usando métodos como el generador incluido en hojas de cálculo o métodos congruenciales. Luego, cómo usar estos números para simular otras variables aleatorias siguiendo teorías como la transformación inversa. Finalmente, propone pruebas estadísticas como la prueba de media, varianza y forma para evaluar la calidad de los números pseudoaleatorios generados.
Como obtener expresiones que contengan al número π y al logaritmo natural de ...Enrique Ramon Acosta Ramos
El documento describe métodos para obtener expresiones de π y el logaritmo natural de 2 a partir del triángulo numérico de Pascal. Explica que el triángulo de Pascal puede representar los coeficientes del binomio de Newton y que sus elementos pueden escribirse como números combinatorios. También describe sucesiones diagonales en el triángulo y cómo la suma de sus términos está relacionada con combinaciones con repetición. Finalmente, menciona una fórmula antigua para obtener π a partir de una serie infinita de fracciones basadas
El primer documento presenta la solución a cinco ejercicios matemáticos que involucran cálculos con potencias y sumas. El segundo documento presenta seis problemas lógicos y matemáticos para estimular el pensamiento, con instrucciones para su resolución.
Este documento presenta 5 ejemplos de sistemas de ecuaciones lineales resueltos utilizando matrices. En cada ejemplo se describe el proceso de convertir el sistema en una matriz aumentada y luego aplicar operaciones de filas hasta obtener la forma reducida de la matriz que proporciona la solución. Los valores de las variables se obtienen al convertir la matriz reducida de nuevo a ecuaciones.
El documento presenta un problema matemático sobre la cantidad de maneras en que Juan puede subir una escalera de 7 escalones dando pasos de 1, 2 o 3 escalones. Luego, resuelve el problema descomponiendo el número 7 de diferentes maneras y sumando las posibilidades, obteniendo un total de 44 maneras. También presenta otros dos problemas matemáticos y sus soluciones.
El documento describe los sistemas de numeración decimal, binario, hexadecimal y octal. Explica cómo representar números en cada sistema y cómo realizar conversiones entre ellos, incluyendo operaciones aritméticas como suma y resta.
Este documento habla sobre fracciones comunes y operaciones con ellas. Explica las reglas básicas para sumar, restar, multiplicar y dividir fracciones, así como cómo convertir números a notación científica. También menciona la regla de tres, un método para resolver problemas de proporcionalidad.
Estadio cognoscente - tratamiento de datos y ajuste de curva (WORD)Sheyla Caraballo
Este documento presenta los 19 pasos para realizar el ajuste de curva de datos no agrupados mediante el método de frecuencias absolutas. En primer lugar, se ordenan y agrupan los datos originales en una tabla. Luego, se calculan las medidas de tendencia central como la media, mediana y moda, así como las medidas de dispersión como la varianza y desviación estándar. Finalmente, se generan tablas con los intervalos de clase, frecuencias absolutas y relativas para graficar la curva de ajuste.
Métodos para obtener los coeficientes y/o el desarrollo de un polinomio eleva...Enrique Ramon Acosta Ramos
Este documento presenta tres métodos para obtener los coeficientes de un polinomio elevado a una potencia entera: 1) Usando la forma newtoniana del teorema multinomial, 2) Mediante particiones discretas de un entero en un número fijo de cifras, y 3) A través de la cadena multidimensional entre los coeficientes de polinomios con diferentes números de elementos. Se ilustran los métodos con ejemplos como (x1 + x2 + x3)5 y se explica cuando cada uno es más adecuado.
El documento explica cómo generalizar el triángulo de Pascal mediante el uso de coeficientes multinomiales. Define multinomiales como el producto de coeficientes binomiales sucesivos y muestra cómo esto permite construir triángulos de coeficientes para trinomiales, tetranomiales y polinomiales más altos como análogos del triángulo de Pascal. También resume brevemente la historia y propiedades básicas del triángulo de Pascal.
El documento presenta tres métodos numéricos para ingeniería: la interpolación de Newton, la interpolación de Lagrange y la regla trapezoidal. Explica el método de diferencias divididas de Newton para resolver un problema de interpolación de datos sobre la concentración de pentóxido de dinitrógeno en función del tiempo. También describe cómo usar el programa Geogebra para calcular el polinomio de interpolación de Newton y encontrar la concentración a un tiempo dado.
Este documento explica la notación científica, que permite representar números muy grandes o pequeños de forma concisa mediante el uso de potencias de diez. Describe cómo expresar números en esta notación desplazando la coma decimal y usando el exponente para indicar la posición de los decimales. Además, detalla cómo realizar operaciones como multiplicación, división, suma y resta con números en notación científica.
El documento presenta información sobre diferentes tipos de gráficas matemáticas como gráficas de barras, de puntos y líneas, de pastel y geométricas. Explica cómo construir y leer cada tipo de gráfica, incluyendo los ejes x e y, cálculos de porcentajes y grados. También cubre potencias, notación científica y algunos ejemplos para practicar la construcción y lectura de gráficas.
Este documento describe los métodos directos para resolver problemas numéricos y discute su implementación computacional. Los métodos directos obtienen resultados exactos realizando una secuencia finita de operaciones aritméticas. También se analiza la eficiencia de estos métodos y cómo se propaga y acumula el error de redondeo debido a las limitaciones en la representación de números reales durante los cálculos.
1) El documento presenta un examen de matemáticas con 9 preguntas sobre sistemas de ecuaciones, inecuaciones, logaritmos, restricciones y funciones. 2) Para recuperar la primera evaluación, es necesario aprobar las preguntas en negrita que suman 6 puntos. 3) La última pregunta calcula la recta tangente a una función cuando su pendiente vale -1.
El documento presenta varios problemas relacionados con muestreo estadístico y distribuciones normales. En el primer problema, se calcula el tamaño de muestra estratificado por sexo y nivel de trabajo para una encuesta de 80 personas. En el segundo, se calculan probabilidades asociadas a la estatura de estudiantes que sigue una distribución normal. En el tercero, se calculan intervalos de confianza para medias muestrales con diferentes niveles de confianza.
El documento presenta un examen de matemáticas aplicado a estudiantes de ingeniería. El examen contiene 14 preguntas divididas en 4 secciones: verdadero o falso, completación, selección múltiple y desarrollo. El examen evalúa las unidades 1 y 2 del programa de matemáticas II e incluye instrucciones generales para los estudiantes.
El documento describe el uso de arreglos para crear un algoritmo que genere un histograma a partir de una colección de datos. Explica que un arreglo es una estructura de datos que permite almacenar una colección de elementos del mismo tipo en celdas contiguas identificadas por índices. Luego, detalla cómo el algoritmo utiliza arreglos para almacenar la colección de datos, el histograma resultante con las frecuencias de cada valor, y genera el histograma mostrando cada valor y su frecuencia representada por asteriscos.
1. Pr_actica 3: Simulaci_on con R (II)<br />1. Simulaciones<br />La funci_on sample es muy _util para efectuar simulaciones<br />> sample(1:10, 6)<br />[1] 5 2 9 3 8 7<br />extrae del vector 1:10, seis elementos al azar sin repetici_on<br />> sample(1:10, 6, rep = T)<br />[1] 10 8 4 10 6 6<br />extrae del mismo vector 6 elementos en los que se admite repetici_on.<br />1.1. Dados<br />Para simular la tirada de un dado podemos utilizar<br />> sample(1:6, 1)<br />[1] 3<br />Para simular la tirada de 4 dados, o de un mismo dado 4 veces, podemos<br />utilizar<br />> sample(1:6, 4, rep = T)<br />[1] 3 2 4 5<br />admitiendo repetici_on.<br />Si queremos simular la distribuci_on de la suma de los n_umeros que salen<br />al tirar 4 dados<br />1<br />> t <- sapply(1:10000, function(x) {<br />+ sum(sample(1:6, 4, rep = T))<br />+ })<br />donde la funci_on sapply aplica a un vector de tama~no 10000 una funci_on sin<br />nombre, generando a su vez un vector de tama~no 10000. La funci_on obtiene<br />muestras con repetici_on de tama~no 4 y, a continuaci_on, suma los n_umeros<br />de la muestra. Este proceso se repite 10000 veces. Lo mismo se podr__a haber<br />conseguido con un ciclo for, pero el procedimiento utilizado es m_as r_apido.<br />Para garantizar que los resultados son los mismos que los de esta pr_actica,<br />nos servimos de set.seed(111)<br />> set.seed(111)<br />> t <- sapply(1:10000, function(x) {<br />+ sum(sample(1:6, 4, rep = T))<br />+ })<br />y tabulamos los resultados con<br />> table(t)<br />t<br />4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19<br />11 31 82 170 263 417 633 773 976 1086 1121 1131 971 754 598 467<br />20 21 22 23 24<br />230 154 75 49 8<br />y podemos representar los resultados con un diagrama de barras<br />> barplot(table(t))<br />2<br />4 6 8 10 12 14 16 18 20 22 24<br />0 200 400 600 800 1000<br />Se podr__a haber procedido similarmente as__:<br />> x <- runif(4, 0, 6)<br />> x<br />[1] 5.02819982 1.82267011 5.95054520 0.05559562<br />genera 4 n_umeros aleatorios uniformemente distribuidos entre 0 y 6.<br />La funci_on<br />> ceiling(x)<br />[1] 6 2 6 1<br />transforma los valores anteriores en el menor entero no inferior al n_umero<br />(digamos que el n_umero siempre se redondea por arriba).<br />Combinando las dos instrucciones, se pueden generar n_umeros aleatorios<br />entre 1 y 6.<br />> ceiling(runif(4, 0, 6))<br />3<br />[1] 1 4 6 1<br />Con la siguiente instrucci_on podr__amos conseguir<br />> t <- sapply(1:10000, function(x) {<br />+ sum(ceiling(runif(4, 0, 6)))<br />+ })<br />lo mismo que anteriormente con<br />> t <- sapply(1:10000, function(x) {<br />+ sum(sample(1:6, 4, rep = T))<br />+ })<br />Si lo que se quiere es simular el n_umero de veces que sale, digamos, un seis,<br />en, por ejemplo, 10 tiradas, como el n_umero de seises sigue una distribuci_on<br />binomial de n=10 y p=1/6, podemos utilizar la funci_on de R rbinom para<br />generar n_umeros aleatorios seg_un esta distribuci_on y realizar la simulaci_on<br />m_as c_omodamente.<br />Con la siguiente expresi_on se generan 12 n_umeros aleatorios en las condiciones<br />antedichas<br />> rbinom(12, 10, 1/6)<br />[1] 4 2 3 3 1 2 1 0 2 1 1 3<br />que se interpreta as__: en la primera tirada de 10 dados salieron 2 seises; en la<br />segunda, 0; en la tercera, 0...<br />Si generamos 10000 n_umeros aleatorios con<br />> set.seed(111)<br />> t <- rbinom(10000, 10, 1/6)<br />que tabulamos con<br />> table(t)<br />t<br />0 1 2 3 4 5 6 7<br />1634 3209 2898 1572 537 127 20 3<br />y representamos con<br />4<br />> barplot(table(t))<br />0 1 2 3 4 5 6 7<br />0 500 1000 1500 2000 2500 3000<br />obtenemos un<br />diagrama del todo an_alogo al anteriormente obtenido.<br />1.2. Urnas<br />Tenemos una urna con 3 bolas blancas y 7 negras. Queremos simular la<br />extracci_on de una bola. El n_umero 1 representa blanca y 0, negra. Podemos<br />hacerlo con<br />> sample(c(1, 0), 1, prob = c(3, 5))<br />[1] 0<br />En este caso, habr__a salido blanca.<br />Si queremos simular 8 extracciones con reposici_on<br />> sample(c(1, 0), 8, rep = T, prob = c(3, 5))<br />[1] 0 1 0 1 0 0 0 1<br />5<br />En este caso, s_olo habr__amos obtenido una bola blanca en las 8 extracciones.<br />Si lo que nos interesa es s_olo el n_umero de bolas blancas, como este sigue una<br />distribuci_on binomial con n=8 y p=3/8<br />> rbinom(1, 8, 3/8)<br />[1] 3<br />Podemos simular 10000 extracciones de 8 bolas con reposici_on<br />> t <- rbinom(10000, 8, 3/8)<br />> set.seed(111)<br />> t <- rbinom(10000, 8, 3/8)<br />tabulamos<br />> table(t)<br />t<br />0 1 2 3 4 5 6 7 8<br />232 1168 2288 2797 2174 984 299 54 4<br />y representamos<br />> barplot(table(t))<br />6<br />0 1 2 3 4 5 6 7 8<br />0 500 1000 1500 2000 2500<br />Los valores exactos de las probabilidades los da la funci_on<br />> dbinom(0:8, 8, 3/8)<br />[1] 0.0232830644 0.1117587090 0.2346932888 0.2816319466 0.2112239599<br />[6] 0.1013875008 0.0304162502 0.0052142143 0.0003910661<br />donde 0:8 son los 9 valores cuya probabilidad se calcula. Comp_arense estas<br />probabilidades con los valores aproximados en diezmil_esimas obtenidos con<br />table(t) anteriormente.<br />1.3. Barajas<br />Si estamos interesados en los oros que salen en una extracci_on de 12 cartas<br />con reposici_on, se trata de una distribuci_on binomial con n=12 y p=10/40.<br />Si repetimos el experimento 10000 veces<br />> t <- rbinom(10000, 12, 0.25)<br />> table(t)<br />7<br />t<br />0 1 2 3 4 5 6 7 8 9<br />307 1313 2287 2578 1907 1041 420 123 20 4<br />Si estamos interesados en las _guras que salen en las mismas 12 extracciones<br />con reposici_on, se trata de una distribuci_on binomial con n=12 y p=16/40<br />1.4. Cola de espera para el autob_us<br />Supuesto que sigue una distribuci_on de Poisson de media 15 personas en<br />espera<br />La funci_on<br />> set.seed(111)<br />> t <- rpois(10000, 15)<br />genera 10000 experimentos, que tabulamos con<br />> table(t)<br />t<br />2 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18<br />1 11 19 63 98 217 344 489 661 805 938 1005 998 933 864 696<br />19 20 21 22 23 24 25 26 27 28 29 30 31<br />536 459 317 210 135 87 54 27 16 10 2 1 4<br />y representamos con<br />> barplot(table(t))<br />8<br />2 5 7 9 11 14 17 20 23 26 29<br />0 200 400 600 800 1000<br />Los valores exactos de las probabilidades los da la funci_on<br />> dpois(0:31, 15)<br />[1] 3.059023e-07 4.588535e-06 3.441401e-05 1.720701e-04 6.452627e-04<br />[6] 1.935788e-03 4.839470e-03 1.037029e-02 1.944430e-02 3.240717e-02<br />[11] 4.861075e-02 6.628739e-02 8.285923e-02 9.560681e-02 1.024359e-01<br />[16] 1.024359e-01 9.603362e-02 8.473555e-02 7.061296e-02 5.574707e-02<br />[21] 4.181031e-02 2.986450e-02 2.036216e-02 1.327967e-02 8.299794e-03<br />[26] 4.979876e-03 2.873006e-03 1.596114e-03 8.550612e-04 4.422730e-04<br />[31] 2.211365e-04 1.070015e-04<br />con que obtenemos las probabilidades de los valores de 0 a 31, para una media<br />de 15.<br />9<br />2. Funciones de densidad y probabilidad<br />2.1. Variables aleatorias discretas<br />Hasta aqu__ se han mencionado las funciones: rbinom, rpois y otras en las<br />que la r inicial se ha sustituido por d, relativas a la distribuci_on binomial y de<br />Poisson, respectivamente. Todas ellas, desde el punto de vista del lenguaje R,<br />responden al mismo patr_on. Lo vemos con la binomial. Para _esta, disponemos<br />de 4 funciones, que empiezan por las letras: d, p, q, y r.<br />> dbinom(5, 10, 0.3)<br />[1] 0.1029193<br />devuelve la probabilidad P(x=5) en una binomial con n=10 y p=0.3.<br />> pbinom(5, 10, 0.3)<br />[1] 0.952651<br />devuelve P(x<=5), con con n=10 y p=0.3.<br />> pbinom(5, 10, 0.3, lower.tail = F)<br />[1] 0.04734899<br />devuelve P(x>5), con n=10 y p=0.3.<br />> qbinom(0.952651, 10, 0.3)<br />[1] 5<br />devuelve el cuantil, 5, correspondiente a 0.952651, P(x<=5)= 0.952651<br />> qbinom(0.04734899, 10, 0.3, lower.tail = F)<br />[1] 5<br />muestra el valor, 5, que deja por encima de s__ a .04734899 del total. P(x>5)=.04734899.<br />> rbinom(1, 10, 0.3)<br />[1] 2<br />genera 1 n_umero aleatorio para una distribuci_on binomial con n=10 y p=0.3.<br />Las restantes distribuciones rigen de modo an_alogo. Para saber qu_e par<br />_ametros han de introducirse y en qu_e orden, consultar la informaci_on. Por<br />ejemplo ?dpois nos da la informaci_on correspondiente a las funciones disponibles<br />para la distribuci_on de Poisson.<br />10<br />2.2. Variables aleatorias continuas<br />Ya hemos visto runif de la familia de la distribuci_on uniforme u<br />> dunif(5, 0, 6)<br />[1] 0.1666667<br />devuelve la ordenada en x=5 de la funci_on de densidad de la distribuci_on<br />uniforme entre 0 y 6.<br />> punif(3, 0, 6)<br />[1] 0.5<br />devuelve P(x<=3) en una uniforme entre 0 y 6<br />> punif(4, 0, 6, lower.tail = F)<br />[1] 0.3333333<br />devuelve P(x>4) en una uniforme entre 0 y 6.<br />> qunif(0.6, 0, 6)<br />[1] 3.6<br />devuelve el cuantil correspondiente a 0.6<br />> qunif(0.6, 0, 6, lower.tail = F)<br />[1] 2.4<br />devuelve el valor que deja por encima de s__ a 0.6 del total. P(x>=2.4)=0.6<br />> runif(1, 0, 6)<br />[1] 4.35431<br />devuelve un n_umero aleatorio para la distribuci_on uniforme entre 0 y 6<br />Para las otras dos familias de funciones que nos interesan: la normal y la<br />exponencial, v_ease la informaci_on correspondiente, por ejemplo con ?dnorm,<br />o ?dexp. En la distribuci_on exponencial, ha de tenerse en cuenta que el par_ametro<br />rate coincide con la ordenada en el origen de la funci_on de densidad<br />y es igual al inverso de la media. Para saber de qu_e distribuciones dispone R<br />, escribir<br />> help.search(quot;
distributionquot;
)<br />11<br />2.3. Simulaci_on de una distribuci_on normal<br />> set.seed(111)<br />> t <- rnorm(100, 3, 2)<br />genera 100 valores aleatorios que siguen una distribuci_on normal de media 3<br />y desviaci_on t__pica 2<br />> hist(t, freq = F)<br />representa el histograma, donde frec=F obliga a representar densidades.<br />> curve(dnorm(x, 3, 2), -4, 10, add = T)<br />representa la curva normal de media 3 y desviaci_on t__pica 2, para comparar.<br />El par_ametro add=T tiene el efecto de superponer la curva al histograma. Si<br />no se pone, se borrar__a _este.<br />Histogram of t<br />t<br />Density<br />-4 -2 0 2 4 6 8 10<br />0.00 0.05 0.10 0.15 0.20<br />Veamos el efecto que tiene sumar dos distribuciones normales, una de<br />media 3 y desviaci_on t__pica 2, y otra de media 5 y desviaci_on t__pica 3. Sabemos<br />que la distribuci_on normal es reproductiva respecto de la media y la varianza,<br />12<br />es decir: la distribuci_on resultante de sumar dos distribuciones normales es<br />tambi_en normal, con media la suma de medias y varianza la suma de varianzas<br />de las distribuciones sumadas. Con<br />> set.seed(111)<br />> t <- sapply(1:10000, function(x) {<br />+ rnorm(1, 3, 2) + rnorm(1, 5, 3)<br />+ })<br />generamos 10000 n_umeros aleatorios para la suma. Con<br />> mean(t)<br />[1] 7.998157<br />7;998157 ' 3 + 5 suma de medias<br />> var(t)<br />[1] 13.02742<br />13;02742 ' 22 + 32 suma de varianzas<br />Vemos qu_e bien se aproxima lo obtenido a lo esperado.<br />Con<br />> hist(t, freq = F)<br />> curve(dnorm(x, 8, sqrt(13)), -5, 20, add = T)<br />13<br />Histogram of t<br />t<br />Density<br />-5 0 5 10 15 20<br />0.00 0.02 0.04 0.06 0.08 0.10<br />constatamos gr_a-<br />_camente la normalidad de la suma.<br />2.4. Constataci_on de la alta de memoriaquot;
de la dis-<br />tribuci_on exponencial<br />Tenemos una distribuci_on exponencial de media 5.<br />Determinamos la probabilidad P(x>4)<br />> pexp(4, 0.2, lower.tail = F)<br />[1] 0.449329<br />y P(x>3)<br />> pexp(3, 0.2, lower.tail = F)<br />[1] 0.5488116<br />Finalmente la P(x>4+3 j x>4)<br />14<br />> pexp(4 + 3, 0.2, lower.tail = F)/pexp(4, 0.2, lower.tail = F)<br />[1] 0.5488116<br />que, como vemos coincide con P(x>3) sin condiciones.<br />15<br />