Colisión de horarios de docentes.

Es normal que se den en horarios de 4 horas cátedras, en una grilla de 6 módulos diarios incluyendo horario de mañana y tarde, los 5 días de la semana, los que nos da una grilla de 30 cada módulo ocupa 2 horas cátedras.

La probabilidad de colisión en las primeras 4 horas cátedras es baja, es cero, pero va aumentando a medida que se van tomando más horas cátedras. El máximo admitido por la planilla es de 30 módulos correspondiente a 60 hs cátedras, existe un limitante de 36 hs cátedras como máximo a partir del cual el sueldo se reduce o sea hay un desincentivo a realizar estas actividades. Esta limitante no afecta en la probabilidad pero si será el límite hasta donde nos interese realizar el cálculo.

Aumenta la posible colisión a medida que se van ocupando estos casilleros, es importante resaltar que también pueden estar subdivididos en medios módulos, lo que obligaría a pensar que todo el módulo está cubierto, para simplificar el problema lo dividiremos en sólo módulos. Nunca es conveniente elegir medios módulos porque se hace de cuenta que se utiliza el módulo entero, normalmente los módulos enteros ocupan espacio ineficiente.

Math.ceil(Math.random()*30)

El código anterior genera un número aletarorio correspondiente a un módulo, generalmente se realizan de forma separada los 2 módulos son en la mañana o en la tarde. Por lo que el espacio muestral se reduce a 15 casilleros, donde duplicamos reducimos la probabilidad de colisión a la mitad teniendo la alternativa de la tarde. Muy pocas veces hay horas con horarios en mañana y tarde porque lo descartamos.

tomar=()=>Math.ceil(Math.random()*15)

Es más fácil calcular la probabilidad de colisión.

En principio la probabilidad de colisión va a ser 0, ya que tenemos todo el escenario disponible. para ocupar 2 casilleros. Luego la probabilidad empieza a aumentar. La probabilidad de colisión tomando 4 horas más, va a ser 2/15 ya que son 2 casilleros donde puede colisionar y de 15 de espacio muestral, pero como debemos ocupar otro casillero más para ocupar el total de 4 hs mas, vamos a tener que armar nuestro diagrama de árbol.

4HS: 0%

8HS: 2/15   +13/15 * 3/15 =    30%

12HS: 4/15 + 11/15* 6/15 =  56%

16HS: 6/15 + 9/15*8/15 =  72%

20HS: 8/15 + 7/15*10/15 =  84%

24HS: 10/15 + 5/15*12/15 =  93%

28HS: 12/15 + 3/15*14/15 =  98,7%

Estos valores se distribuyen de la misma forma en el horario de mañana o tarde, por lo que se puede dividir el problema en dos partes. Y tener en cuenta las horas tomadas en dicho horario.

El problema de los planilleros y las opciones.

 Alguna vez habrás sido testigo de que compraste un call y el subyacente sube, pero el call no. ¿Terrible pero porqué?, básicamente porque hace tasa libre de riesgo los planilleros, algo llamado sintética y lo que ocurre es que te pisan lanzando calls el precio.

Ejemplo, en galicia GFGC118.88FE, precio del call 15$, precio del put GFGV118.88FE 2.8 precio del subyacente 128$.

Acá tenemos una tasa, son 128+2.8= 130.8, una tasa del 15/130.8= en 51 días que faltan es una tasa mensual del 7%, como el plazo fijo está al 3% puede subir el papel mucho que van a seguir haciendo lo mismo. entonces te arruinan el call, te quitan toda flotabilidad y te lo dejan rozando la prima 0. Que ocurre justamente cuando el papel deja 118.88+15= 134$ a partir de este precio la prima.

¿En que calls esto no ocurre?

(call-put)/subyacente = interés.

Si es menor que el plazo fijo, aún está caro, y no, hay que comprarlo. Cuanto más se acerque a la tasa del plazo fijo es que más cerca estará de subir de subir por la fuerza, y tener ese apalancamiento por rotura de precios, y obtener lo que todos queremos que es, apalancarse.

tenes los planilleros, que cualquier podría ser planillero pero requisito indispensable es no pagar comisiones, porque sinó entras en la zona de planillero malo, y terminas ganando menos que el plazo fijo, porque vas a competir con los otros planilleros que pagan derechos del mercado nomas, después tenes los arriesgados, esos que pagan OTM y pueden esperar hasta el cierre total es poca plata, si la pegan es ganarse un premio del té lotería de l abuela, y que los largan cuando entra en la zona de planilleros, que le frenan todo y se ponen con la venas verdes. Después estamos nosotros los que acumulamos lo que los planilleros nos venden, los que no nos conformamos con un 4% mensual y vamos por mas.

Aprendiendo IA con not CSV

Aprendiendo con NOT CSV 

Como voy a ver los videos de el youtuber DOT CSV que lo recomiendo, voy a ir anotando toda la data y links útiles. La idea es recabar información y poder resumirla para poder revisarla luego o para que ustedes puedan adquirirla al ver cada video.

El youtuber promete 100 horas de inteligencia artificial y el canal es el siguietne.

https://www.youtube.com/channel/UCCRMEAVLqcvQrQRkqK9VpaQ

Población vs Simulaciones

 Una de las preguntas importantes en una simulación es si el tamaño de la población de la simulación es adecuado o deben realizarse más simulaciones. Si estamos evaluando como resultado el rendimiento de una especie, o si se obtiene la mejor especie de la simulación, veremos que es más conveniente con dos ejemplos simples, basados en la variable tamaño de población T, y numero de simulaciones N. La población mínima es de 3 individuos y la máxima de 30, las simulaciones irán desde 1 a 10, que necesitará la misma capacidad de cómputo.

T(población)	N(simulaciones)	Rate(puntaje)	Time(duración minutos)
3	10	2004.95	4:40
5	6	2014	4:50
6	5	2049	4:40
10	3	2065	4:32
30	1	1862	4:51

Como se puede observar en la tabla anterior, los tiempos de cómputo son muy similares, pero al poder realizar más simulaciones estamos seguros que el mejor rendimiento es un promedio o que se ha estudiado diferentes ramas del arbol genetico con diferentes resultados y todos los caminos convergen.

Nos pararemos en el número de 5 simulaciones que parece ser un buen promedio. Y ahora estudiaremos el rendimiento, cambiando en número de generaciones y población. con una población de 6 y 600 generaciones,  será nuestro punto de partida.

T(población)	G(Generaciones)	Rate(puntaje)	Time(duración minutos)
6	600	2049	4:40
4	900	1942	4:45
3	1200	1880	4:50
8	450	2055	4:35

Con esto podemos decir y concluir que el número de simulaciones, generaciones y población son variables que ajustan el tiempo de una simulación. Pero siempre que se trate de una simulación de adaptación, en caso de que haya aprendizaje, debería mostrarse cambios importantes en el Rate(puntaje), que por lo visto no se ven acá. Por lo que podemos concluir que no hay aprendizaje inteligente sinó una adaptación aleatoria en este esquema.de una capa de 5 neuronas, probaremos agregando más capas internas para ver resultados diferentes. ¿Cambia la velocidad de cómputo agregando más neuronas?

T(población)	Neuronas	Rate(puntaje)	Time(duración minutos)
6	600	[5]	4:40
6	[5,5]	1789	4:30
6	[5,5,5]	1691	5:00
6	[5,5,5,5]	1189	6:40
6	[10]	2210	4:30
6	[15]	2003	8:00
6	[20]	1886	12:30
6	[3,2]	2099	3:30
6	[2,3]	1421	3:30
6	[3]	1970	2:25
6	[2]	1715	2:15
6(duplicate generations)	[2]	2183	7:14

Como se puede ver la cantidad de neuronas no afecta demasiado la capacidad de cómputo, pero si tenemos un menor rendimiento a medida que aumenta la profundidad, claramente es encadenar el mismo problema.

El tercer viernes de cada mes vecen opciones.

 Normalmente las opciones vencen y mas o menos lo que es cultura bolsera argentina cada 2 meses, siempre en meses pares, y también puede haber en meses impares, pero manejan mucho menos volumen. El cierre de ejercicio, opex, o cierre es el fin de los contratos de opciones, hasta cuando pueden ser ejercidos, después de ese día mueren. El último día de operatoria normal es el dia anterior o sea, el 3er jueves del mes. El día que corresponde al 3er jueves de cada mes depende del año y del mes.

Se puede saber rápidamente sabiendo que día de la semana es el primer día. Día de la semana es lunes, martes miercones, jueves viernes,sabado y domingo, del 0 al 6 son numeros ciclicos y generalmente el 0 corresponde al domingo.

si el día 1 es lunes, tenemos 2 semanas y 4 días.

1+2*7+4=1+14+4=19

si el día uno es martes., tenemos 2 semanas y 3 días.

1+2*7+3=1+14+3=18

si el día uno es miércoles., tenemos 2 semanas y 2 días.

1+2*7+2=1+14+2=17

si el día uno es jueves., tenemos 2 semanas y 1 días.

1+2*7+1=1+14+1=16

si el día uno es viernes., tenemos 2 semanas

1+2*7+0=1+14+0=15

si el día uno es domingo., tenemos 2 y 6 dias semanas

1+2*7+6=1+14+6=20

si el día uno es sabado, tenemos 2 y 7 semanas

1+2*7+5=1+14+5=21

Entonces para acelerar cálculos podemos armar una tabla simplemente.

{"0":21,"1":19,"2":18:,"3":17,"4":16,"5":15,"6":20}

así sabemos exactamente cuanto es el cierre de cad mes.

Día 1ro es domingo? 20

Día 1ro es lunes? 19

Día 1ro es martes? 18

Día 1ro es miercoles? 17

Día 1ro es jueves? 16

Día 1ro es viernes? 15

Día 1ro es sábado? 21

En javascript se puede optener fácilmente que día es el primero.

(new Date(2020,11,1)).getDay()

para diciembre, entonces creemos la función.

function cierre(ano,mes){

var tabla = {"0":20,"1":19,"2":18,"3":17,"4":16,"5":15,"6":21}

return tabla[(new Date(ano,mes+1,1)).getDay()]

}

Optimización del proceso de aprendizaje

 

Optimización del proceso de aprendizaje.

La curva de aprendizaje.

Es importante reconocer que no es necesario realizar una simulación completa para ver si el individuo es apto para determinado proceso ya que puede morirse antes de terminar la simulación, de esta forma nos libera capacidad de cómputo para simular individuos con mejor ranking.

Esto se denomina aprendizaje progresivo, y nos permite liberar mucha capacidad de cómputo para sólamente procesar aquellos que hayan cumplido con ciertos requisitos mínimos. Es típico de la "selección natural", que los seres que son muy poco aptos mueran en el camino y no lleguen a su tiempo de vida promedio. %, lo mismo debe ocurrir en una simulación, a medida que van pasando las generaciones y los individuos son más aptos debe ir aumentando su exposición a la simulación. Entonces se da una mayor cantidad de peso en simulación a los más aptos.

El espacio tiempo constante precargado.

Hay cosas que son constantes en el espacio tiempo son fijas, y no es necesario simularlas, se pueden cargar préviamente o calcular previamente y armar una tabla, por ejemplo los movimientos de los planetas, no es neceario calcular en cada instante de tiempo en que posición está un planeta ya que su espacio tiempo es constante, o sea, podemos precalcular su posición para una fecha determinada y armar una tabla, y cada vez que queramos saber donde se encuentra ese planeta simplemente buscar en la tabla para determinada fecha, esto nos mejora la capacidad de cómputo al evitar calcular espacio-tiempo constantes O(1), es la velocidad de acceso a tabla.

Reconocer un espacio tiempo constante es difícil porque no es intuitivo, por ejemplo una serie de números aleatorios, es un espacio-tiempo-constante, porque yo puedo precalcular esos números aletatoreos y volcarlos en una tabla, a dicha tabla puedo acceder reduciendo la necesidad de cómputo para generar estos números aletorios, y citaremos varios ejemplos.

• Un precio en una simulación es espacio tiempo constante, recuerden que cada simulación siempre se maneja con el diario del lunes, entonces el precio se puede tabular, y cualquier variable que dependa del precio.
• Un entorno estático por ejemplo, paredes, piso, ni siquiera cambia en el transcurso del tiempo asique es un espacio-tiempo-constante, porque ya es constante en el tiempo, y es lo más simple de percibir que es constante porque es constante en el tiempo.
• Comportamientos ciclicos,erraticos e independientes sin interacción, todo aquello que no podamos modificar, por más que interactuemos con el movimiento de un planeta va a seguir moviendose es un espacio-tiempo-constante, los números de la lotería por ejemplo, por más que desconozcamos que va a ocurrir, son tabulables y independientes.

Indicadores que impactan

 Voy a listar los indicadores por lista de impacto en un banco cualquiera.

1. Macd

3. BB

2. ROC

4.Highest and Lowest 14

5. ema y sma (todas) 7,20,50,100,200

6. Volumen.