q-Gaussianas e invariancia de escala

Slides:



Advertisements
Presentaciones similares
1. MODELO DE REGRESIÓN SIMPLE
Advertisements

Problemas Resueltos de Funciones Continuas
MATEMATICAS 1ºG PROFESOR D.PEDRO ROSA.
LECCION 13. LA TECNOLOGÍA DE LA EMPRESA.
EPIDEMIOLOGIA Ciencia que estudia la distribución de los fenómenos biológicos y sociales en las poblaciones, así como las causas de dicha distribución.
METODO SIMPLEX FORMA TABULAR.
FORMA TABULAR. REGLAS DE AUMENTO TIPO DE RESTRICCION Agregar a la restricción Agregar a la función objetivo (las variables de holgura y excedente tienen.
Sumas de Riemann e Integrales Definidas
Departament destadísticoa Grup destadísticoa Computacional Introducción a la metodología bootstrap Jordi Ocaña Departament destadísticoa Secció Departamental.
Inferencia estadística
Curso de actualización en Ingeniería de calidad
PERT en un contexto aleatorio y método Monte Carlo
Estadística: -Correlación y regresión
Procesos Estocásticos
Lección 3: Conceptos básicos
Generación de Números y Variable aleatorias
Introducción a las Señales Aleatorias ISAL
Introducción a las Señales Aleatorias ISAL
Variables Aleatorias ETSITGC Madrid. Variables Aleatorias ETSITGC Madrid Índice.
Caracterización de Variables Aleatorias
Caracterización de Variables Aleatorias
Errores, incertidumbres, etc. en Ingeniería
Hugo Jimenez Miguel Galicia Manuel Wiechers. Introducción No solo considera el edo. del proceso en el instante t El costo puede depender de más variables.
Tema 6: Compresión de imagen
1. MUESTREO ALEATORIO Depto. Matemáticas – IES Elaios
Longitud de arco..
Introducción a la Estadística. Modelos de regresión
Taller 2. Medición de distancia entre variables y sujetos
Distribuciones habituales
Rectas presupuestarias x2x2 x1x1 Elecciones optimas.
Muestreo Introducción Suma muestral Media muestral
Nombre: Israel Espinosa Jiménez Matricula: Carrera: TIC Cuatrimestre: 4 Página 1 de 5.
MUESTREO ESTADISTICO. Nivel de Comportamiento Se puede entrevistar o encuestar a una muestra representativa para programas de muchos clientes.
Las Matemáticas en el Bachillerato
TEMA 8: ANÁLISIS DE LA REGRESIÓN Y CORRELACIÓN ENTRE DOS VARIABLES
Distribuciones de frecuencias bidimensionales
MEDIDAS DE CORRELACIÓN
Distribuciones bidimensionales. Tablas de contingencia
FUNCIONES DE DENSIDAD DE PROBABILIDAD
Licenciatura en Administración Pública
3er Encuentro de Usuarios de Stata en México
25. Distribución normal y pruebas de normalidad
CORPORACIÓN UNIVERSITARIA REMINGTON
Sesión 2: Teoría de Probabilidad “Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para.
Elementos Básicos de Probabilidad y Estadística Javier Aparicio División de Estudios Políticos, CIDE Julio 2009
TEOREMA CENTRAL DEL LÍMITE. CONDICIÓN DE LÉVY-LINDEBERG Para una sucesión de variables aleatorias, independientes e idénticamente distribuidas a un modelo.
Bernardo Frontana de la Cruz Marco Antonio Gómez Ramírez Irene Patricia Valdez y Alfaro Junio de 2014.
Generación de Variables Aleatorias
DISTRIBUCION NORMAL GRUPO # 7 JUAN BANIGNO RATLIFF
Bioestadística PROGRAMA DE DOCTORADO EN SALUD PÚBLICA.
Capítulo 7 Estimación de Parámetros Estadística Computacional
H.Ilarraza, Jun Inicio Dr Hermes Ilarraza Lomelí Adaptación y traducción Algoritmo para elección de Pruebas diagnósticas Junio 2004 Fin Lista de.
Sesión 2: Teoría de Probabilidad
1º BACHILLERATO | Matemáticas © Oxford University Press España, S.A Hacer clic en la pantalla para avanzar VARIABLE ALEATORIA Errores comunes Es.
La ineficiencia de los mercados financieros según el plano complejidad-entropía Luciano Zunino V Workshop Mecánica Estadística y Teoría de la Información.
2. DISTRIBUCIÓN NORMAL MULTIVARIANTE Introducción Normal bivariante
LA ESTADÍSTICA PROF.: EDMUNDO C.PARDO H. CARACAS,OCTUBRE DE 2014
Estadística Aplicada Descripción del Curso Este curso trata sobre la presentación de modelos Probabilísticos y Estadísticos aplicados en las distintas.
Estadística Descriptiva
Sesión 2: Teoría de Probabilidad “Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para.
Elementos Básicos de Probabilidad y Estadística
La campana de Gauss Campana de Gauss
USO DE LA DISTRIBUCIÓN MUESTRAL
Laboratorio de Estadística administrativa Distribuciones de Muestreo Teorema del límite central Tamaño de muestra Marzo de 2007.
Técnicas numéricas para el procesamiento de datos reales Antonio Turiel Instituto de Ciencias del Mar de Barcelona.
Resumen de Definiciones PUCV, Instituto de Física Mecánica Estadística.
Laboratorio de Estadística administrativa Distribución Poisson Distribución exponencial Febrero de 2007.
Auxiliar 11 IN4402-1: Aplicaciones de Probabilidades y Estadística en Gestión Profesora: Paola Bordón T. Auxiliar: Andrés E. Fernández V, 28 de Julio,
Inicio: 6 de septiembre al 28 de septiembre.
Protocolo del rio de janeiro.
Transcripción de la presentación:

q-Gaussianas e invariancia de escala A. Rodrígueza, V. Schwämmleb, C. Tsallisb a Dpto. Matemática Aplicada y Estadística. UPM b Centro Brasileiro de Pesquisas Fisicas. Rio de Janeiro Aplicaciones de la Mecánica Estadística no Extensiva. Una aproximación a los sistemas complejos. E.U.I.T.Aeronáutica. U.P.M. 19 de septiembre de 2008.

Índice Mecánica Estadística no Extensiva Triángulos invariantes q-Gaussianas discretizadas Conclusiones y perspectivas Aplicaciones de la Mecánica Estadística no Extensiva. Una aproximación a los sistemas complejos. E.U.I.T.Aeronáutica. U.P.M. 19 de septiembre de 2008.

Mecánica Estadística no Extensiva q-logaritmo: q-exponencial:

Mecánica Estadística no Extensiva Gaussiana: q-Gaussiana:

q-Gaussianas q = 1

q-Gaussianas q = 0

q-Gaussianas q = -1

q-Gaussianas

q-Gaussianas q = 2

q-Gaussianas q = 2.9

Teorema Central del Límite N variables aleatorias TCL independencia correlación de largo alcance q-TCL q-independencia

Índice Mecánica Estadística no Extensiva Triángulos invariantes q-Gaussianas discretizadas Conclusiones y perspectivas Aplicaciones de la Mecánica Estadística no Extensiva. Una aproximación a los sistemas complejos. E.U.I.T.Aeronáutica. U.P.M. 19 de septiembre de 2008.

Invariancia de escala N=1 x1 1 p 1-p 1 N variables binarias distinguibles independientes N=1 x1 p 1-p 1 1

Invariancia de escala N=2 x1 x2 1 p2 p (1-p) (1-p)2 N variables binarias distinguibles independientes N=2 x1 p2 p (1-p) (1-p)2 1 x2

Invariancia de escala N=2 x1 x2 1 1 p2 p (1-p) p p (1-p) (1-p)2 1-p p N variables binarias distinguibles independientes N=2 x1 x2 1 1 p2 p (1-p) p p (1-p) (1-p)2 1-p p 1-p

Invariancia de escala N=3 p3 p2(1-p) p(1-p)2

Invariancia de escala p2(1-p) p(1-p)2 N=3 x3=0 (1-p)3 x3=1 p3 p2(1-p)

Invariancia de escala p2(1-p) p(1-p)2 N=3 p 1-p (1-p)3 N=1 N=2 p2(1-p)

Invariancia de escala + + + p 1-p N=1 N=2 p2 p(1-p) (1-p)2 p2(1-p) Regla de Leibniz 1 p 1-p N=0 N=1 N=2 + + p2 p(1-p) (1-p)2 + p2(1-p) p(1-p)2 N=3 p3 (1-p)3

Invariancia de escala p 1-p 1 N=1 N=2 1 1 p2 p(1-p) 1 2 (1-p)2 1 N=3 TCL 1 p 1-p 1 N=0 N=1 N=2 1 1 p2 p(1-p) 1 2 (1-p)2 1 N=3 p3 p2(1-p) 1 3 p(1-p)2 3 (1-p)3 1 Triángulo de Pascal

Triángulos invariantes 1 p 1-p N=0 N=1 N=2 p2 p(1-p) (1-p)2 N=3 p3 p2(1-p) p(1-p)2 (1-p)3

Triángulos invariantes de Leibniz N=0 N=1 N=2 N=3

Triángulos invariantes

Triángulos invariantes

Triángulos invariantes

Triángulos invariantes

Índice Mecánica Estadística no Extensiva Triángulos invariantes q-Gaussianas discretizadas Conclusiones y perspectivas Aplicaciones de la Mecánica Estadística no Extensiva. Una aproximación a los sistemas complejos. E.U.I.T.Aeronáutica. U.P.M. 19 de septiembre de 2008.

Invariancia de escala asintótica q < 1: [ ]

Invariancia de escala asintótica q < 1: q 1: [ [ [ [ ] ] ] ]

Invariancia de escala asintótica

Invariancia de escala asintótica q < 1: N=0 N=1 N=2 N=3

Invariancia de escala asintótica q < 1:

Invariancia de escala asintótica q 1:

Invariancia de escala asintótica

Índice Mecánica Estadística no Extensiva Triángulos invariantes q-Gaussianas discretizadas Conclusiones y perspectivas Aplicaciones de la Mecánica Estadística no Extensiva. Una aproximación a los sistemas complejos. E.U.I.T.Aeronáutica. U.P.M. 19 de septiembre de 2008.

Conclusiones y perspectivas Se ha explorado el tipo de correlaciones que conducen a q-Gaussianas como distribución límite. La invariancia de escala (estricta o asintótica) puede ser necesaria para la q-independencia. Posible caso de aplicación del q-TCL. Búsqueda de sistemas con y . Aplicaciones de la Mecánica Estadística no Extensiva. Una aproximación a los sistemas complejos. E.U.I.T.Aeronáutica. U.P.M. 19 de septiembre de 2008.

Conclusiones y perspectivas Strictly and asymptotically scale-invariant probabilistic models of correlated binary random variables having q-Gaussians as limiting distributions. A. Rodríguez, V. Schwämmle and C. Tsallis. J. Stat. Mech. In press. Aplicaciones de la Mecánica Estadística no Extensiva. Una aproximación a los sistemas complejos. E.U.I.T.Aeronáutica. U.P.M. 19 de septiembre de 2008.