[SEGUNDA PRCTICA DE OFFICE I] 13 de abril de 2013

Segunda Prctica de
Office I





C C I - U N S A A C
A V . L A C U L T U R A N | 7 3 3
2 3 2 3 9 8 - 1 4 0 0
* 3 2 3 9 8
1 3 / 0 4 / 2 0 1 3
MARILIA HUAMAN
VALENZUELA
Practica del Curso Office I, desarrollado el mes
de Enero del 2013, este documento recordara la
mayor parte de elementos utilizados durante el
curso, para su evaluacin de aprendizaje de cada

[SEGUNDA PRCTICA DE OFFICE I] 13 de abril de 2013


[SEGUNDA PRCTICA DE OFFICE I] 13 de abril de 2013

1 Principales subramasPrincipales sub ramas

1.1 Teora de autmatasTeora de autmatas
Teora de autmatas.

Esta teora provee modelos matemticos que formalizan el concepto de computadora o
algoritmo de manera suficientemente simplificada y general para que se puedan analizar
sus capacidades y limitaciones. Algunos de estos modelos juegan un papel central en
varias aplicaciones de las ciencias de la computacin, incluyendo procesamiento de
texto, compiladores, diseo de hardware e inteligencia artificial.

Los tres principales modelos son los autmatas finitos, autmatas con pila y mquinas de
Turing, cada uno con sus variantes deterministas y no deterministas. Los autmatas
finitos son buenos modelos de computadoras que tienen una cantidad limitada de
memoria, los autmatas con pila modelan los que tienen gran cantidad de memoria pero
que solo pueden manipularla a manera de pila (el ltimo dato almacenado es el siguiente
ledo), y las mquinas de Turing modelan las computadoras que tienen una gran
cantidad de memoria almacenada en una cinta. Estos autmatas estn estrechamente
relacionados con la teora de lenguajes formales; cada autmata es equivalente a una
gramtica formal, lo que permite reinterpretar la jerarqua de Chomsky en trminos de
autmatas.

Existen muchos otros tipos de autmatas como las mquinas de acceso aleatorio,
autmatas celulares, mquinas baco y las mquinas de estado abstracto; sin embargo en
todos los casos se ha mostrado que estos modelos no son ms generales que la mquina
de Turing, pues la mquina de Turing tiene la capacidad de simular cada uno de estos
autmatas. Esto da lugar a que se piense en la mquina de Turing como el modelo
universal de computadora.

Teora de la computabilidad

Teora de la computabilidad.

Vase tambin: Indecidibilidad.

Esta teora explora los lmites de la posibilidad de solucionar problemas mediante
algoritmos. Gran parte de las ciencias computacionales estn dedicadas a resolver
problemas de forma algortmica, de manera que el descubrimiento de problemas

imposibles es una gran sorpresa. La teora de la computabilidad es til para no tratar de
resolver algoritmicamente estos problemas, ahorrando as tiempo y esfuerzo.

Los problemas se clasifican en esta teora de acuerdo a su grado de imposibilidad:
Los computables son aquellos para los cuales s existe un algoritmo que siempre los
resuelve cuando hay una solucin y adems es capaz de distinguir los casos que no la
tienen. Tambin se les conoce como decidibles, resolubles o recursivos.
Los semicomputables son aquellos para los cuales hay un algoritmo que es capaz
encontrar una solucin si es que existe, pero ningn algoritmo que determine cuando la
solucin no existe (en cuyo caso el algoritmo para encontrar la solucin entrara a un
bucle infinito). El ejemplo clsico por excelencia es el problema de la parada. A estos
problemas tambin se les conoce como listables, recursivamente enumerables o
reconocibles, porque si se enlistan todos los casos posibles del problema, es posible
reconocer a aquellos que s tienen solucin.
Los incomputables son aquellos para los cuales no hay ningn algoritmo que los pueda
resolver, no importando que tengan o no solucin. El ejemplo clsico por excelencia es el
problema de la implicacin lgica, que consiste en determinar cundo una proposicin
lgica es un teorema; para este problema no hay ningn algoritmo que en todos los casos
pueda distinguir si una proposicin o su negacin es un teorema.

Hay una versin ms general de esta clasificacin, donde los problemas incomputables se
subdividen a su vez en problemas ms difciles que otros. La herramienta principal para
lograr estas clasificaciones es el concepto de reducibilidad: Un problema A se reduce al
problema B si bajo la suposicin de que se sabe resolver el problema B es posible resolver
al problema A; esto se denota por A\le_t B, e informalmente significa que el problema A
no es ms difcil de resolver que el problema B. Por ejemplo, bajo la suposicin de que
una persona sabe sumar, es muy fcil ensearle a multiplicar haciendo sumas repetidas,
de manera que multiplicar se reduce a sumar.

[editar] Teora de la complejidad computacional

Artculo principal: Complejidad computacional.

Vase tambin: Clase de complejidad.

Aun cuando un problema sea computable, puede que no sea posible resolverlo en la
prctica si se requiere mucha memoria o tiempo de ejecucin. La teora de la
complejidad computacional estudia las necesidades de memoria, tiempo y otros recursos
computacionales para resolver problemas; de esta manera es posible explicar por qu

unos problemas son ms difciles de resolver que otros. Uno de los mayores logros de
esta rama es la clasificacin de problemas, similar a la tabla peridica, de acuerdo a su
dificultad. En esta clasificacin los problemas se separan por clases de complejidad.

Esta teora tiene aplicacin en casi todas las reas de conocimiento donde se desee
resolver un problema computacionalmente, porque los investigadores no solo desean
utilizar un mtodo para resolver un problema, sino utilizar el ms rpido. La teora de la
complejidad computacional tambin tiene aplicaciones en reas como la criptografa,
donde se espera que descifrar un cdigo secreto sea un problema muy difcil a menos
que se tenga la contrasea, en cuyo caso el problema se vuelve fcil.

[editar] Otras subramas
Modelos de cmputo Estudia abstracciones de hacer un cmputo. Aqu se incluyen los
clsicos modelos de la teora de autmatas adems de otros modelos como funciones
recursivas, clculo lambda e inclusive lenguajes de programacin.
Teora algortmica de la informacin Centra su atencin en la complejidad para
describir algoritmicamente una secuencia de datos (cadena); aqu la complejidad est
medida por la longitud de su descripcin ms pequea.
Especificacin y verificacin formal Busca metodologas para garantizar que un
problema est correctamente modelado y sistemas formales para validar la correccin de
la solucin algortmica.
La Teora del aprendizaje computacional busca algoritmos que hagan que las
computadoras modifiquen sus comportamientos de manera autnoma con base en datos
empricos, y concretamente en ejemplos y contraejemplos. A este tipo de aprendizaje se
le llama aprendizaje supervisado. De forma anloga a la teora de la complejidad
computacional, en esta teora las funciones se clasifican por su grado de dificultad de ser
aprendidas.
Teora de tipos Busca la clasificacin de enunciados de acuerdo a los tipos de valores
que calculan utilizando herramientas de teora de lenguajes formales.

[editar] Historia

Vanse tambin: Entscheidungsproblem y Tesis de Church-Turing.

La teora de la computacin comienza propiamente a principios del siglo XX, poco antes
que las computadoras electrnicas fuesen inventadas. En esta poca varios matemticos
se preguntaban si exista un mtodo universal para resolver todos los problemas
matemticos. Para ello deban desarrollar la nocin precisa de mtodo para resolver
problemas, es decir, la definicin formal de algoritmo.


Algunos de estos modelos formales fueron propuestos por precursores como Alonzo
Church (clculo Lambda), Kurt Gdel (funciones recursivas) y Alan Turing (mquina de
Turing). Se ha mostrado que estos modelos son equivalentes en el sentido de que pueden
simular los mismos algoritmos, aunque lo hagan de maneras diferentes. Entre los
modelos de cmputo ms recientes se encuentran los lenguajes de programacin, que
tambin han mostrado ser equivalentes a los modelos anteriores; esto es una fuerte
evidencia de la conjetura de Church-Turing, de que todo algoritmo habido y por haber se
puede simular en una mquina de Turing, o equivalentemente, usando funciones
recursivas. En 2007 Nachum Dershowitz y Yuri Gurevich publicaron una demostracin
de esta conjetura basndose en cierta axiomatizacin de algoritmos.[1]

ULTIMO PATRAFOUno de los primeros resultados de esta teora fue la existencia de
problemas imposibles de resolver algoritmicamente, siendo el problema de la parada el
ms famoso de ellos. Para estos problemas no existe ni existir ningn algoritmo que los
pueda resolver, no importando la cantidad de tiempo o memoria se disponga en una
computadora. Asimismo, con la llegada de las computadoras modernas se constat que
algunos problemas resolubles en teora eran imposibles en la prctica, puesto que dichas
soluciones necesitaban cantidades irrealistas de tiempo o memoria para poderse
encontrar.....



HOLA
PERU
CUSCO
FECHA






N

LUNE
S
MARTE
S
MIERCOLE
S
JUEVE
S
VIERNE
S
SABAD
O
DOMING
O






























































45
30
28
15
9
2 1
ELECCIONES
HUMALA
KEIKO
PPK
TOLEDO
CASTAEDA
FONAVI
OTROS
PANESILLOS
MANTEQUILLA
HARINA
HUEVOS









Call me maybe: 964339191

















0
10000
20000
30000
40000
50000
60000
ENERO FEBRERO MARZO ABRIL
A
x
i
s

T
i
t
l
e

Axis Title
Chart Title