1: Función de distribución acumulativa: presenta la función de distribución acumulativa y su función fundamental en la probabilidad.
2: Distribución de Cauchy: examina esta distribución de probabilidad clave y sus aplicaciones.
3: Valor esperado: analiza el concepto de resultados esperados en procesos estadísticos.
4: Variable aleatoria: explora la función de las variables aleatorias en los modelos probabilísticos.
5: Independencia (teoría de la probabilidad): analiza los eventos independientes y su importancia.
6: Teorema del límite central: detalla el impacto de este teorema fundamental en la aproximación de datos.
7: Función de densidad de probabilidad: describe la función de densidad de probabilidad y su vínculo con las distribuciones continuas.
8: Convergencia de variables aleatorias: explica los tipos de convergencia y su importancia en la robótica.
9: Función generadora de momentos: cubre las funciones que resumen las características de la distribución.
10: Función generadora de probabilidad: presenta las funciones generadoras en probabilidad.
11: Expectativa condicional: examina los valores esperados dadas ciertas condiciones conocidas.
12: Distribución de probabilidad conjunta: describe la probabilidad de múltiples eventos aleatorios.
13: Distribución de Lévy: investiga esta distribución y su relevancia en la robótica.
14: Teoría de la renovación: explora la teoría fundamental para modelar eventos repetitivos en robótica.
15: Sistema de Dynkin: analiza el papel de este sistema en la estructura de probabilidad.
16: Función de distribución empírica: analiza la estimación de la distribución en función de los datos.
17: Función característica: analiza las funciones que capturan las propiedades de la distribución.
18: PiSystem: revisa los pisystems para construir medidas de probabilidad.
19: Transformada integral de probabilidad: presenta la transformación de variables aleatorias.
20: Pruebas de convergencia de variables aleatorias: proporciona pruebas esenciales para la confiabilidad de la robótica.
21: Convolución de distribuciones de probabilidad: explora la combinación de distribuciones en robótica.
1: Función de distribución acumulativa: presenta la función de distribución acumulativa y su función fundamental en la probabilidad.
2: Distribución de Cauchy: examina esta distribución de probabilidad clave y sus aplicaciones.
3: Valor esperado: analiza el concepto de resultados esperados en procesos estadísticos.
4: Variable aleatoria: explora la función de las variables aleatorias en los modelos probabilísticos.
5: Independencia (teoría de la probabilidad): analiza los eventos independientes y su importancia.
6: Teorema del límite central: detalla el impacto de este teorema fundamental en la aproximación de datos.
7: Función de densidad de probabilidad: describe la función de densidad de probabilidad y su vínculo con las distribuciones continuas.
8: Convergencia de variables aleatorias: explica los tipos de convergencia y su importancia en la robótica.
9: Función generadora de momentos: cubre las funciones que resumen las características de la distribución.
10: Función generadora de probabilidad: presenta las funciones generadoras en probabilidad.
11: Expectativa condicional: examina los valores esperados dadas ciertas condiciones conocidas.
12: Distribución de probabilidad conjunta: describe la probabilidad de múltiples eventos aleatorios.
13: Distribución de Lévy: investiga esta distribución y su relevancia en la robótica.
14: Teoría de la renovación: explora la teoría fundamental para modelar eventos repetitivos en robótica.
15: Sistema de Dynkin: analiza el papel de este sistema en la estructura de probabilidad.
16: Función de distribución empírica: analiza la estimación de la distribución en función de los datos.
17: Función característica: analiza las funciones que capturan las propiedades de la distribución.
18: PiSystem: revisa los pisystems para construir medidas de probabilidad.
19: Transformada integral de probabilidad: presenta la transformación de variables aleatorias.
20: Pruebas de convergencia de variables aleatorias: proporciona pruebas esenciales para la confiabilidad de la robótica.
21: Convolución de distribuciones de probabilidad: explora la combinación de distribuciones en robótica.
Función de distribución acumulativa: Un enfoque matemático para el modelado probabilístico en robótica
422
Función de distribución acumulativa: Un enfoque matemático para el modelado probabilístico en robótica
422
Product Details
| BN ID: | 2940180970961 |
|---|---|
| Publisher: | Mil Millones De Conocimientos [Spanish] |
| Publication date: | 12/17/2024 |
| Series: | Ciencia Robótica [Spanish] , #31 |
| Sold by: | PUBLISHDRIVE KFT |
| Format: | eBook |
| Pages: | 422 |
| File size: | 2 MB |
| Language: | Spanish |