Errata en SSII

7 files changed, 647 insertions, 278 deletions

diff --git a/si/n1.lyx b/si/n1.lyx
index b60a61b..f61ebc9 100644
--- a/si/n1.lyx
+++ b/si/n1.lyx
@@ -280,7 +280,7 @@ WATSON
  de IBM entiende preguntas en cualquier idioma, busca respuestas en su base
  de datos y elige la más plausible en menos de 3 segundos con un enfoque
  multialgorítmico, capaz de aprendizaje por observación de respuestas.
- Gano contra campeones humanos en el concurso televisivo 
+ Ganó contra campeones humanos en el concurso televisivo 
 \begin_inset Quotes cld
 \end_inset
 
@@ -305,10 +305,10 @@ spam
 \lang spanish
 ; ayudar a detectar fraude; buscar rutas en GPS; reconocer el habla, la
  escritura, dibujos, imágenes; así como en domótica, conducción, navegación,
- sillas de ruedas, asistentes personales, aspiradoras, exploración del espacio,
- guías de museos, deportes, diagnósticos médicos, diseño de fármacos, cirugía,
- inversiones financieras, películas, literatura, pintura, y como traductores
- y asistentes personales.
+ sillas de ruedas, asistentes personales, traductores, aspiradoras, exploración
+ del espacio, guías de museos, deportes, diagnósticos médicos, diseño de
+ fármacos, cirugía, inversiones financieras, películas, literatura, pintura,
+ etc.
 \end_layout
 
 \end_body
diff --git a/si/n2.lyx b/si/n2.lyx
index 69e2fed..8971dd3 100644
--- a/si/n2.lyx
+++ b/si/n2.lyx
@@ -251,7 +251,8 @@ antecesor
 \series bold
 resoluble
 \series default
- si es antecesor de un hiperarco cuyos sucesores son todos resolubles.
+ si es antecesor de un hiperarco cuyos sucesores son todos resolubles, siendo
+ el caso base el antecesor de un hiperarco sin sucesores.
 \end_layout
 
 \begin_layout Standard
@@ -267,20 +268,36 @@ Y-O
 \begin_inset Formula $u\in V$
 \end_inset
 
+, sea 
+\begin_inset Formula $N:=\{S\subseteq V:(u,S)\in A\}$
+\end_inset
+
 , 
-\begin_inset Formula $\{S\subseteq V:(u,S)\in A\}$
+\begin_inset Formula $\bigcup N$
+\end_inset
+
+ es finito y, bien 
+\begin_inset Formula $N$
 \end_inset
 
- es unipuntual o todos sus hiperarcos tienen un único sucesor.
- Si es unipuntual con al menos dos sucesores, es un nodo 
+ es unipuntual, bien todos sus elementos son unipuntuales.
+ Si es unipuntual con al menos dos sucesores, 
+\begin_inset Formula $u$
+\end_inset
+
+ es un nodo 
 \series bold
 Y
 \series default
-; si tiene algún hiperarco con un único sucesor, es un nodo 
+; si tiene al menos dos hiperarcos es un nodo 
 \series bold
 O
 \series default
-, y de lo contrario es un 
+, y si 
+\begin_inset Formula $\bigcup N=\emptyset$
+\end_inset
+
+, es un 
 \series bold
 terminal
 \series default
@@ -288,9 +305,11 @@ terminal
 \series bold
 primitiva
 \series default
- si es antecesor de un hiperarco sin sucesores.
+ si es resoluble, si y sólo si es antecesor de un hiperarco sin sucesores.
+ No se consideran nodos con un único sucesor.
  Así, un nodo es resoluble si es una primitiva, es de tipo Y con todos sus
- sucesores resolubles o es de tipo O con algún sucesor resoluble.
+ sucesores resolubles, es de tipo O con algún sucesor resoluble o tiene
+ un único sucesor y este es resoluble.
  Un 
 \series bold
 árbol Y/O
@@ -304,7 +323,7 @@ primitiva
 
 \end_deeper
 \begin_layout Standard
-El método a elegir depende de características como:
+El método a elegir depende de características del problema como:
 \end_layout
 
 \begin_layout Itemize
@@ -320,7 +339,7 @@ Si es
 \series bold
 recuperable
 \series default
-, esto es, se pueden deshacer las operaciones una vez ejecutadas, o es 
+ (se pueden deshacer las operaciones una vez ejecutadas) o es 
 \series bold
 irrecuperable
 \series default
@@ -333,8 +352,8 @@ Si es obvio si una cierta solución es suficientemente buena para ser aceptada
 \end_layout
 
 \begin_layout Itemize
-Si el conocimiento base es consistente; si es necesario tener mucho o solo
- ayuda a restringir la búsqueda.
+Si el conocimiento base es consistente, y si es necesario tener mucho o
+ este solo ayuda a restringir la búsqueda.
 \end_layout
 
 \begin_layout Standard
@@ -381,7 +400,7 @@ top-down
 \lang spanish
  si parte de la situación final y aplica operadores al revés hasta llegar
  a la situación inicial.
- También existen estrategias de búsqueda bidireccionales.
+ También hay estrategias de búsqueda bidireccionales.
 \end_layout
 
 \begin_layout Standard
@@ -391,8 +410,7 @@ emparejamiento
 \series default
  consiste en determinar los operadores aplicables a una cierta situación,
  comprobando sus precondiciones.
- A veces esto puede acarrear otra búsqueda si las precondiciones contienen
- variables.
+ Esto puede acarrear otra búsqueda si las precondiciones contienen variables.
 \end_layout
 
 \begin_layout Standard
@@ -417,7 +435,7 @@ técnica heurística
 función heurística
 \series default
 , que estima lo próximo que se encuentra un estado o subproblema a un estado
- final o problema primitivo y se usa para decidir el operador a tomar.
+ final o problema primitivo, y que se usa para decidir el operador a tomar.
 \end_layout
 
 \begin_layout Standard
@@ -433,8 +451,8 @@ backtracking
 \emph default
 \lang spanish
  sobre el grafo o el árbol de representación.
- En general esto es lento, pero es un método universal y se puede combinar
- con técnicas heurísticas.
+ Esto suele ser lento, pero es un método universal y se puede combinar con
+ técnicas heurísticas.
 \end_layout
 
 \end_body
diff --git a/si/n3.lyx b/si/n3.lyx
index 4198637..cdadc47 100644
--- a/si/n3.lyx
+++ b/si/n3.lyx
@@ -82,8 +82,8 @@ algorithm2e
 
 \begin_layout Standard
 Los algoritmos de búsqueda que veremos operan sobre un grafo o árbol de
- búsqueda, esto es, un grafo dirigido o árbol que representa un espacio
- de estados o una reducción (en cuyo caso sería un árbol o grafo Y-O).
+ búsqueda, un grafo dirigido o árbol que representa un espacio de estados
+ o una reducción (en cuyo caso sería un árbol o grafo Y-O).
  En cada nodo, además de almacenar el estado, almacenamos el nodo padre
  y la acción que se ha aplicado a este para obtener el nodo, lo que describe
  un camino.
@@ -105,11 +105,11 @@ El entorno es
 \series bold
 observable
 \series default
- si siempre conocemos todo el estado, 
+ si siempre conocemos todo el estado; 
 \series bold
 determinista
 \series default
- si sabemos el resultado de cualquier secuencia de acciones desde un estado,
+ si sabemos el resultado de cualquier secuencia de acciones desde un estado;
  
 \series bold
 estático
@@ -152,15 +152,15 @@ Podemos representar un problema de búsqueda en un espacio de estados como
 \begin_inset Formula $v$
 \end_inset
 
-; un estado inicial 
+; 
 \begin_inset Formula $s\in V$
 \end_inset
 
-, y un conjunto computable de estados finales 
+ es un estado inicial, y 
 \begin_inset Formula $F\subseteq V$
 \end_inset
 
-.
+ es un conjunto computable de estados finales.
  Entonces una solución es un camino de 
 \begin_inset Formula $s$
 \end_inset
@@ -470,6 +470,10 @@ Primero en profundidad con profundidad iterativa
 \begin_inset Formula $O(b^{d})$
 \end_inset
 
+ para 
+\begin_inset Formula $d>1$
+\end_inset
+
  y en espacio 
 \begin_inset Formula $O(bd)$
 \end_inset
@@ -499,7 +503,8 @@ Suponemos
 \begin_inset Formula $\omega(A)\subseteq\mathbb{R}^{\geq0}$
 \end_inset
 
-.Una 
+.
+ Una 
 \series bold
 función heurística
 \series default
@@ -507,7 +512,7 @@ función heurística
 \begin_inset Formula $h:V\to\mathbb{R}^{\geq0}$
 \end_inset
 
- estima el menor peso de un camino de un nodo dado a un nodo objetivo de
+ estima el menor peso de un camino de un nodo dado a un nodo objetivo, de
  forma que 
 \begin_inset Formula $h(F)=\{0\}$
 \end_inset
@@ -560,9 +565,9 @@ voraz
 \series default
  o 
 \series bold
-primero el mejor
+primero el mejor:
 \series default
-: 
+ 
 \begin_inset Formula $f(P)=h(\text{final}(P))$
 \end_inset
 
@@ -581,9 +586,9 @@ primero el mejor
 \begin_layout Itemize
 
 \series bold
-A*
+A*:
 \series default
-: 
+ 
 \begin_inset Formula $f(P)=\omega(P)+h(\text{final}(P))$
 \end_inset
 
@@ -604,12 +609,8 @@ admisible
 \series bold
 optimista
 \series default
- si, para 
-\begin_inset Formula $v\in V$
-\end_inset
-
-, 
-\begin_inset Formula $h(v)\leq\min\omega({\cal P}_{v,F})$
+ si 
+\begin_inset Formula $\forall v\in V,h(v)\leq\min\omega({\cal P}_{v,F})$
 \end_inset
 
 , y es 
@@ -657,7 +658,7 @@ Demostración:
  cumple 
 \begin_inset Formula 
 \[
-f(R)=\omega(R)+h(\text{final}(R))\leq\omega(R)+\min\omega({\cal P}_{\text{final}(R),F})\overset{S\in{\cal P}_{\text{final}(R),F}}{\leq}\omega(P)=c,
+f(R)=\omega(R)+h(\text{final}(R))\leq\omega(R)+\min\omega({\cal P}_{\text{final}(R),F})\overset{S\in{\cal P}_{\text{final}(R),F}}{\leq}\omega(RS)=c,
 \]
 
 \end_inset
@@ -676,15 +677,18 @@ f(R)=\omega(R)+h(\text{final}(R))\leq\omega(R)+\min\omega({\cal P}_{\text{final}
 \end_inset
 
  cumple 
-\begin_inset Formula $\omega(Q)\leq f(Q)\leq c$
+\begin_inset Formula $\omega(Q)\leq\omega(Q)+h(\text{final}(Q))=f(Q)\leq c$
 \end_inset
 
  y tiene pues longitud máxima 
 \begin_inset Formula $c/p$
 \end_inset
 
-, luego hay una cantidad finita de nodos así y el algoritmo siempre llega
- a una solución con coste 
+, luego hay una cantidad finita de caminos con 
+\begin_inset Formula $f(Q)\leq c$
+\end_inset
+
+ y el algoritmo siempre llega a una solución con coste 
 \begin_inset Formula $c$
 \end_inset
 
@@ -788,7 +792,7 @@ Si
 \end_inset
 
  es 
-\begin_inset Formula $f(P_{j})=\omega(P_{j})+h(v_{j})=\omega(P_{i})+\omega(v_{i}\cdots v_{j})+h(v_{j})\geq\omega(P_{i})+h(v_{i})=f(P_{i})$
+\begin_inset Formula $f(P_{i})=\omega(P_{i})+h(v_{i})\leq\omega(P_{i})+\omega(v_{i}\cdots v_{j})+h(v_{j})=\omega(P_{j})+h(v_{j})=f(P_{j})$
 \end_inset
 
 .
@@ -802,7 +806,7 @@ Métodos limitados en memoria
 Cuando A* es óptimo, es el método óptimo más eficiente en tiempo, pero en
  general usa una frontera de tamaño exponencial y se queda pronto sin espacio.
  Algunos métodos usan menos espacio sin sacrificar optimalidad y completitud
- a cambio de un mayor coste de ejecución:
+ a cambio de un mayor tiempo de ejecución:
 \end_layout
 
 \begin_layout Standard
@@ -996,7 +1000,7 @@ lSSi{$
 \backslash
 text{
 \backslash
-rm fallo}(t):=r$}{$b
+rm fallo}(t):=r$}{$f_b
 \backslash
 gets t$}
 \end_layout
@@ -1136,8 +1140,8 @@ Concretamente se elimina el nodo más antiguo dentro de los de mayor valor
 
 .
  Esto se hace así para evitar entrar en un bucle cuando todos los nodos
- tienen el valor, y funciona si hay más de un nodo, pero si solo hay un
- nodo esto significa que el camino solución está ocupando toda la memoria
+ tienen el mismo valor, y funciona si hay más de un nodo, pero si solo hay
+ un nodo esto significa que el camino solución está ocupando toda la memoria
  y no es representable en memoria.
 \end_layout
 
@@ -1194,23 +1198,28 @@ Podemos representar un problema de reducción como una tupla
 \begin_inset Formula $(V,A,\omega,s)$
 \end_inset
 
- donde 
+, donde 
 \begin_inset Formula $(V,A)$
 \end_inset
 
- es un grafo YO acíclico con 
-\begin_inset Formula $\{(u,S):u\in V\}$
+ es un grafo Y/O acíclico con 
+\begin_inset Formula $V$
+\end_inset
+
+ contable y tanto 
+\begin_inset Formula $\{S\subseteq V:(u,S)\in V\}$
 \end_inset
 
- finito y recursivamente enumerable a partir de 
+ como cada uno de sus elementos finito y recursivamente enumerable a partir
+ de 
 \begin_inset Formula $u$
 \end_inset
 
-, 
+; 
 \begin_inset Formula $\omega:A\to\mathbb{R}^{\geq0}$
 \end_inset
 
- es una función de coste y 
+ es una función de coste, y 
 \begin_inset Formula $s\in V$
 \end_inset
 
@@ -1279,7 +1288,7 @@ noprefix "false"
 \end_inset
 
 , que va expandiendo nodos y eliminando nodos resolubles e irresolubles
- de la frontera hasta que el nodo inicial sea de uno de los dos tipos.
+ de la frontera hasta clasificar el nodo inicial.
 \end_layout
 
 \begin_layout Standard
@@ -1298,7 +1307,7 @@ status open
 \backslash
 Entrada{Problema de reducción $(V,A,
 \backslash
-omega,s)$.}
+omega,s)$ con $s$ no primitivo.}
 \end_layout
 
 \begin_layout Plain Layout
@@ -1320,7 +1329,7 @@ gets
 \backslash
 }$
 \backslash
-;
+tcp*{Caminos frontera}
 \end_layout
 
 \begin_layout Plain Layout
@@ -1331,7 +1340,7 @@ gets
 \backslash
 emptyset$
 \backslash
-;
+tcp*{Nodos irresolubles}
 \end_layout
 
 \begin_layout Plain Layout
@@ -1342,11 +1351,103 @@ gets
 \backslash
 emptyset$
 \backslash
+tcp*{Nodos resolubles y su hiperarco siguiente}
+\end_layout
+
+\begin_layout Plain Layout
+
+
+\backslash
+SetKwFunction{Resolucion}{{}resolución}
+\end_layout
+
+\begin_layout Plain Layout
+
+
+\backslash
+SetKwProg{Func}{función}{}{fin}
+\end_layout
+
+\begin_layout Plain Layout
+
+
+\backslash
+Func{
+\backslash
+Resolucion{$R,s$}}{
+\end_layout
+
+\begin_layout Plain Layout
+
+	$N
+\backslash
+gets R(s)$
+\backslash
 ;
 \end_layout
 
 \begin_layout Plain Layout
 
+	$(V_0,A_0)
+\backslash
+gets(
+\backslash
+{s
+\backslash
+},
+\backslash
+{(s,N)
+\backslash
+})$
+\backslash
+;
+\end_layout
+
+\begin_layout Plain Layout
+
+	
+\backslash
+lPara{$n
+\backslash
+in N$}{$(V_n,A_n)
+\backslash
+gets
+\backslash
+text{
+\backslash
+Resolucion{
+\backslash
+ensuremath{R,n}}}$}
+\end_layout
+
+\begin_layout Plain Layout
+
+	
+\backslash
+Devolver $(V_0
+\backslash
+cup
+\backslash
+bigcup_{n
+\backslash
+in N}V_n,A_0
+\backslash
+cup
+\backslash
+bigcup_{n
+\backslash
+in N}A_n)$
+\backslash
+;
+\end_layout
+
+\begin_layout Plain Layout
+
+}
+\end_layout
+
+\begin_layout Plain Layout
+
 
 \backslash
 Mientras{$F
@@ -1380,6 +1481,8 @@ subseteq V:(u_n,S)
 in A
 \backslash
 }$
+\backslash
+;
 \end_layout
 
 \begin_layout Plain Layout
@@ -1404,7 +1507,9 @@ emptyset$}{
 
 		$i
 \backslash
-gets n$;
+gets n$
+\backslash
+;
 \end_layout
 
 \begin_layout Plain Layout
@@ -1464,7 +1569,9 @@ gets i-1$
 
 	
 \backslash
-Para{$v
+SSi{$
+\backslash
+exists v
 \backslash
 in N:(v,
 \backslash
@@ -1475,76 +1582,61 @@ in A$}{
 
 \begin_layout Plain Layout
 
-		$i
-\backslash
-gets n$
-\backslash
-;
-\end_layout
-
-\begin_layout Plain Layout
-
 		
 \backslash
-Repetir{$
+lPara{$v
+\backslash
+in N:(v,
 \backslash
-forall(u_i,S)
+emptyset)
 \backslash
-in A,S
+in A$}{añadir $(v,
 \backslash
-nsubseteq R$}{
+emptyset)$ a $R$}
 \end_layout
 
 \begin_layout Plain Layout
 
-			Añadir $u_i$ a $R$
+		$i
+\backslash
+gets n$
 \backslash
 ;
 \end_layout
 
 \begin_layout Plain Layout
 
-			
+		
 \backslash
-lSSi{$i=0$}{
-\end_layout
-
-\begin_layout Plain Layout
-
-				$A'
+Mientras{$
 \backslash
-gets
+exists(u_i,S)
 \backslash
-{
+in A:S
 \backslash
-text{todos los hiperarcos del camino }P
+subseteq
 \backslash
-}$
+text{
 \backslash
-;
+rm Dom}R$}{
 \end_layout
 
 \begin_layout Plain Layout
 
-				$V'
-\backslash
-gets
-\backslash
-text{vértices referenciados por }A'$
+			Añadir $(u_i,S)$ a $R$
 \backslash
 ;
 \end_layout
 
 \begin_layout Plain Layout
 
-				
+			
 \backslash
-Devolver{$(V',A')$}
-\end_layout
-
-\begin_layout Plain Layout
-
-			}
+lSSi{$i=0$}{
+\backslash
+Devolver
+\backslash
+Resolucion{$R,s$}}
 \end_layout
 
 \begin_layout Plain Layout
@@ -1563,7 +1655,9 @@ gets i-1$
 
 \begin_layout Plain Layout
 
-		Borrar de $F$ los nodos que contienen un vértice de $R$
+		Borrar de $F$ los nodos que contienen un vértice de $
+\backslash
+text{Dom}R$
 \backslash
 ;
 \end_layout
@@ -1605,6 +1699,12 @@ name "alg:search-generic-yo"
 \end_inset
 
 Algoritmo genérico de búsqueda en árboles Y/O.
+ En la versión de clase, 
+\begin_inset Formula $R$
+\end_inset
+
+ no guarda el hiperarco siguiente de los nodos y la solución se extrae pues
+ por arte de magia.
 \end_layout
 
 \end_inset
@@ -1642,7 +1742,7 @@ Primero en profundidad
 \series bold
 De profundidad limitada
 \series default
-: Como la búsqueda en profundidad pero con un límite de profundidad.
+: Como primero en profundidad pero con límite de profundidad.
 \end_layout
 
 \begin_layout Subsection
@@ -1654,7 +1754,7 @@ Usamos una función heurística
 \begin_inset Formula $h:V\to\mathbb{R}^{\geq0}$
 \end_inset
 
- que estima el coste mínimo de una solución a partir de un grafo.
+ que estima el coste mínimo de una solución a partir de un nodo.
  Si 
 \begin_inset Formula $h$
 \end_inset
@@ -1713,6 +1813,13 @@ emptyset$.}
 
 \begin_layout Plain Layout
 
+
+\backslash
+SetKwFunction{Resolucion}{{}resolución}
+\end_layout
+
+\begin_layout Plain Layout
+
 $R
 \backslash
 gets
@@ -1721,7 +1828,7 @@ gets
 \backslash
 }$
 \backslash
-;
+tcp*{Por resolver}
 \end_layout
 
 \begin_layout Plain Layout
@@ -1732,7 +1839,7 @@ gets
 \backslash
 emptyset$
 \backslash
-;
+tcp*{Completados}
 \end_layout
 
 \begin_layout Plain Layout
@@ -1741,33 +1848,47 @@ $w_s
 \backslash
 gets h(s)$
 \backslash
-;
+tcp*{Coste estimado}
 \end_layout
 
 \begin_layout Plain Layout
 
 
 \backslash
-lPara{$v
+SSi{$(s,
 \backslash
-in V$}{$b_s
+emptyset)
+\backslash
+in A$}{
+\end_layout
+
+\begin_layout Plain Layout
+
+	$b_s
 \backslash
 gets
 \backslash
-emptyset$}
+emptyset$
+\backslash
+tcp*{Conector siguiente}
 \end_layout
 
 \begin_layout Plain Layout
 
-
-\backslash
-lSSi{$s$ es primitiva}{$C
+	$C
 \backslash
 gets
 \backslash
 {s
 \backslash
-}$}
+}$
+\backslash
+;
+\end_layout
+
+\begin_layout Plain Layout
+
+}
 \end_layout
 
 \begin_layout Plain Layout
@@ -1778,7 +1899,7 @@ Mientras{$s
 \backslash
 notin C
 \backslash
-land c_s
+land w_s
 \backslash
 leq F$}{
 \end_layout
@@ -1787,9 +1908,11 @@ leq F$}{
 
 	Tomar $n
 \backslash
-in R$ con $b_n=
+in R
 \backslash
-emptyset$
+setminus
+\backslash
+text{Dom}b$
 \backslash
 ;
 \end_layout
@@ -1806,7 +1929,9 @@ in{
 \backslash
 cal P}(V):(n,S)
 \backslash
-in A$
+in A
+\backslash
+}$
 \backslash
 ;
 \end_layout
@@ -1856,15 +1981,18 @@ uSSi{$u$ es primitiva}{
 
 \begin_layout Plain Layout
 
-				$C
-\backslash
-gets C
+				$b_u
 \backslash
-cup
+gets
 \backslash
-{u
+emptyset$
 \backslash
-}$
+;
+\end_layout
+
+\begin_layout Plain Layout
+
+				Añadir $u$ a $C$
 \backslash
 ;
 \end_layout
@@ -1903,15 +2031,7 @@ gets h(u)$
 
 \begin_layout Plain Layout
 
-			$R
-\backslash
-gets R
-\backslash
-cup
-\backslash
-{u
-\backslash
-}$
+			Añadir $u$ a $R$
 \backslash
 ;
 \end_layout
@@ -1928,22 +2048,22 @@ cup
 
 \begin_layout Plain Layout
 
-	$P
+	$M
 \backslash
 gets
 \backslash
-{u
+{n
 \backslash
 }$
 \backslash
-;
+tcp*{Modificados}
 \end_layout
 
 \begin_layout Plain Layout
 
 	
 \backslash
-Mientras{$P
+Mientras{$M
 \backslash
 neq
 \backslash
@@ -1954,22 +2074,22 @@ emptyset$}{
 
 		Tomar $u
 \backslash
-in P$ y sacarlo de $P$
+in M$ sin sucesores en $M$ y sacarlo de $M$
 \backslash
 ;
 \end_layout
 
 \begin_layout Plain Layout
 
-		Tomar el $S:(u,S)
+		Tomar el $S$ con $(u,S)
 \backslash
-in A$ con mínimo $
+in A$ de menor $
 \backslash
 omega(u,S)+
 \backslash
 sum_{v
 \backslash
-in S}c_v$
+in S}w_v$
 \backslash
 ;
 \end_layout
@@ -1984,7 +2104,7 @@ omega(u,S)+
 \backslash
 sum_{v
 \backslash
-in S}c_v$
+in S}w_v$
 \backslash
 ;
 \end_layout
@@ -2004,20 +2124,16 @@ gets S$
 \backslash
 lSSi{$S
 \backslash
-subseteq C$}{$C
-\backslash
-gets C
-\backslash
-cup
-\backslash
-{Pu
-\backslash
-}$}
+subseteq C$}{añadir $u$ a $C$}
 \end_layout
 
 \begin_layout Plain Layout
 
-		Añadir a $P$ los antecesores $v$ con $u
+		Añadir a $M$ los $v
+\backslash
+in
+\backslash
+text{Dom}b$ con $u
 \backslash
 in b_v$
 \backslash
@@ -2038,9 +2154,9 @@ in b_v$
 
 
 \backslash
-Devolver un grafo que contenga el nodo $s$, el conector $b_s$, los sucesores
- $(n_i)_i$ de $b_s$, sus conectores $b_{n_i}$, etc., de forma recursiva hasta
- llegar a primitivas
+Devolver 
+\backslash
+Resolucion{$b,s$}
 \backslash
 ;
 \end_layout
@@ -2075,16 +2191,16 @@ Método YO*.
 
 \begin_layout Standard
 Para modelar procesos físicos en los que un subproblema puede tener que
- resolverse dos o más veces, se pueden modificar el método YO* para trabajar
+ resolverse dos o más veces, se puede modificar el método YO* para trabajar
  con grafos que tengan ciclos, contando el coste de resolverlos varias veces,
  pero esto no es apropiado para problemas con procesos de resolución distintos.
  
 \end_layout
 
 \begin_layout Standard
-Además, estamos suponiendo que la resolución de un subproblema no afecta
- a la de otro, pero en muchos problemas sí que afecta, por lo que en vez
- de esto se usan métodos de planificación.
+Además, hemos supuesto que la resolución de un subproblema no afecta a la
+ de otro, pero en muchos problemas sí que afecta, por lo que en vez de esto
+ se usan métodos de planificación.
 \end_layout
 
 \begin_layout Section
@@ -2100,29 +2216,39 @@ Si un problema tiene solución a profundidad
 \begin_inset Formula $N$
 \end_inset
 
- nodos (no se cuenta el nodo inicial), el 
+ nodos (sin contar el nodo inicial), el 
 \series bold
 factor de ramificación eficaz
 \series default
- es el que un árbol con igual número de hijos en cada nodo tendría que tener
- para que hubiera 
-\begin_inset Formula $N+1$
+ es un 
+\begin_inset Formula $b^{*}\in\mathbb{R}^{\geq0}$
+\end_inset
+
+ tal que 
+\begin_inset Formula $N=b^{*}+(b^{*})^{2}+\dots+(b^{*})^{d}$
+\end_inset
+
+, ya que cuando 
+\begin_inset Formula $b^{*}\in\mathbb{N}$
 \end_inset
 
- nodos con altura máxima 
+, un árbol de altura 
 \begin_inset Formula $d$
 \end_inset
 
-, un 
-\begin_inset Formula $b^{*}\in\mathbb{R}^{\geq0}$
+ con 
+\begin_inset Formula $b^{*}$
 \end_inset
 
- tal que 
-\begin_inset Formula $N=b^{*}+(b^{*})^{2}+\dots+(b^{*})^{d}$
+ hijos en cada nodo de nivel menor que 
+\begin_inset Formula $d$
+\end_inset
+
+ tiene tamaño 
+\begin_inset Formula $N+1$
 \end_inset
 
 .
- 
 \end_layout
 
 \begin_layout Standard
@@ -2135,13 +2261,13 @@ Una buena heurística debería producir valores de
 \end_inset
 
 .
- Una forma de obtener 
+ Podemos estimar un 
 \begin_inset Formula $b^{*}$
 \end_inset
 
- es generar y resolver muchos problemas del mismo tipo con el método a usar,
- comparando por ejemplo con BFS o búsqueda en profundidad iterativa para
- tener un caso base.
+ medio generando y resolviendo muchos problemas del mismo tipo con el método
+ a usar, comparando por ejemplo con BFS o búsqueda en profundidad iterativa
+ para tener un caso base.
 \end_layout
 
 \begin_layout Standard
@@ -2201,7 +2327,7 @@ problema 8-puzzle
 
 , dejando una casilla libre; como transiciones el movimiento a la casilla
  libre de una pieza adyacente vertical u horizontalmente, con coste 1, y
- el estado final es uno en que, al concatenar las filas, aparecen los números
+ como estado final uno en que, al concatenar las filas, aparecen los números
  del 1 al 8 en orden, con la casilla libre al principio o al final según
  el modo de juego.
 \end_layout
@@ -2239,7 +2365,7 @@ problema relajado
 \end_inset
 
  y 
-\begin_inset Formula $\omega'|_{V}=\omega$
+\begin_inset Formula $\omega'|_{A}=\omega$
 \end_inset
 
 , con lo que el coste de una solución óptima en el problema relajado es
diff --git a/si/n4.lyx b/si/n4.lyx
index 458941f..287a7af 100644
--- a/si/n4.lyx
+++ b/si/n4.lyx
@@ -88,25 +88,25 @@ Búsqueda local
 \end_layout
 
 \begin_layout Standard
-En muchos problemas, como en diseño de circuitos u optimización de redes,
+En muchos problemas, como el diseño de circuitos o la optimización de redes,
  solo importa el estado objetivo, no cómo se llega a él.
 \end_layout
 
 \begin_layout Standard
 Los métodos que veremos operan con un único estado actual, no suelen recordar
  los caminos, usan muy poca memoria y pueden encontrar soluciones razonables
- en espacios de estados grandes o continuos en que los algoritmos clásicos
+ en espacios de estados grandes o continuos en los que los algoritmos clásicos
  no son adecuados.
 \end_layout
 
 \begin_layout Standard
 Podemos considerar el espacio de estados como un paisaje donde la posición
  es un estado y la elevación viene dada por una función objetivo a maximizar
- o minimizar; supondremos que maximizar.
+ o minimizar; supondremos que a maximizar.
 \end_layout
 
 \begin_layout Standard
-Por ejemplo, en el 
+Para el 
 \series bold
 problema de las 8 reinas
 \series default
@@ -155,8 +155,7 @@ ascensión de colinas de reinicio aleatorio
 \series default
  consiste en ejecutar la ascensión de colinas repetidamente con distintos
  estados iniciales.
- Es completa con probabilidad 1, aunque no garantiza terminar, en espacios
- de estados finitos
+ En espacios de estados finitos
 \begin_inset Foot
 status open
 
@@ -167,7 +166,8 @@ En general cuando caer en un estado final tiene probabilidad no nula y ascender
 
 \end_inset
 
-, y es muy eficaz.
+, es completa con probabilidad 1, aunque no garantiza terminar, y es muy
+ eficaz.
 \end_layout
 
 \begin_layout Subsection
@@ -227,7 +227,7 @@ to
 \backslash
 mathbb{R}^{
 \backslash
-geq0}$.}
+geq0}$ monótono decreciente.}
 \end_layout
 
 \begin_layout Plain Layout
@@ -1104,7 +1104,7 @@ geq
 \backslash
 beta$}{
 \backslash
-Devolver $i$}
+Devolver $v$}
 \end_layout
 
 \begin_layout Plain Layout
@@ -1191,13 +1191,13 @@ in A$}{
 
 \begin_layout Plain Layout
 
-		$i
+		$v
 \backslash
 gets
 \backslash
 min
 \backslash
-{i,
+{v,
 \backslash
 MaxValor{$i,
 \backslash
diff --git a/si/n5.lyx b/si/n5.lyx
index fe6616b..a449826 100644
--- a/si/n5.lyx
+++ b/si/n5.lyx
@@ -88,13 +88,13 @@ El
 \series bold
 conocimiento
 \series default
- consiste en descripciones declarativas explícitas formadas por conceptos
+ consiste en descripciones declarativas explícitas, formadas por conceptos
  y relaciones entre los conceptos específicos a un dominio de aplicación,
- y en métodos genéricos de resolución de problemas, formados por 
+ junto con métodos genéricos de resolución de problemas, formados por 
 \series bold
 técnicas de razonamiento
 \series default
- que usan las relaciones entre conceptos para inferir conclusiones y una
+, que usan las relaciones entre conceptos para inferir conclusiones, y una
  estructura de control para aplicar las técnicas.
  Por ejemplo, se puede representar el conocimiento por cláusulas de lógica
  de predicados de primer orden, y entonces una técnica de razonamiento es
@@ -252,7 +252,7 @@ recuperación
  Muchas veces se selecciona un módulo completo, y se usa meta-conocimiento
  para elegir el siguiente módulo a cargar.
  Si hay varios métodos de resolución, se puede usar meta-conocimiento para
- usar el más apropiado.
+ elegir el más apropiado.
 \end_layout
 
 \begin_layout Standard
@@ -292,7 +292,7 @@ redundante
 \series default
  si se representa el mismo de varias formas, lo que permite una aplicación
  más efectiva porque algunas formas de conocimiento son más adecuadas para
- ciertos casos que otras pero aumenta el volumen de datos.
+ ciertos casos que otras, pero aumenta el volumen de datos.
 \end_layout
 
 \begin_layout Section
@@ -379,7 +379,7 @@ Una
 base de conocimiento
 \series default
  con las reglas del dominio.
- La ejecución de una acción puede modificar de la base de hechos, normalmente
+ La ejecución de una acción puede modificar la base de hechos, normalmente
  añadiendo hechos inferidos.
 \end_layout
 
@@ -397,9 +397,8 @@ red de inferencia
 \end_layout
 
 \begin_layout Standard
-Un hecho que sea se representa como una flecha que va hacia la entrada de
- las reglas que lo tengan como antecedente, posiblemente dividiéndose en
- el camino.
+Un hecho se representa como una flecha que va hacia la entrada de las reglas
+ que lo tengan como antecedente, posiblemente dividiéndose en el camino.
  Si el hecho es resultado del consecuente de una única regla, la flecha
  parte del consecuente; si lo es de varias reglas, parte de un rectángulo
  y se dibujan flechas de dichas reglas al rectángulo, y si no lo es de ninguna
@@ -628,9 +627,9 @@ monótona
 
 .
  Las lógicas clásicas son monótonas, pero la monotonía no es apropiada cuando
- el conocimiento es incompleto, pues puede que haya que hacer suposiciones
- por defecto que puedan invalidarse cuando se tenga más conocimiento, ni
- cuando el mundo es cambiante.
+ el conocimiento es incompleto o el mundo es cambiante, pues puede que haya
+ que hacer suposiciones por defecto que puedan invalidarse cuando se tenga
+ más conocimiento.
 \end_layout
 
 \begin_layout Standard
@@ -790,8 +789,8 @@ Factores de certeza
 Para razonar con hechos con fiabilidad o precisión limitada o sobre los
  que no estamos seguros, se suele incorporar la incertidumbre a una lógica
  que no la incluye.
- Esto se suele hacer con probabilidades y redes bayesianas, basadas probabilidad
- condicionada e independencia de sucesos.
+ Esto se suele hacer con probabilidades y redes bayesianas, basadas en probabili
+dad condicionada e independencia de sucesos.
 \end_layout
 
 \begin_layout Standard
@@ -885,7 +884,7 @@ Con esto, cada regla
 \begin_inset Formula $h\to e$
 \end_inset
 
- lleva un factor de certeza asociado 
+ lleva asociado un factor de certeza 
 \begin_inset Formula $\text{FC}(h,e)$
 \end_inset
 
@@ -893,7 +892,7 @@ Con esto, cada regla
 \begin_inset Formula $h$
 \end_inset
 
- en la base de hechos lleva un factor de certeza 
+ en la base de hechos lleva asociado un factor de certeza 
 \begin_inset Formula $\text{FC}(h,\bot)$
 \end_inset
 
@@ -902,10 +901,36 @@ Con esto, cada regla
 \end_inset
 
  es la situación particular, y las reglas son:
-\begin_inset Foot
+\begin_inset Formula 
+\begin{align*}
+\text{FC}(h_{1}\land h_{2},e) & =\min\{\text{FC}(h_{1},e),\text{FC}(h_{2},e)\},\\
+\text{FC}(h_{1}\lor h_{2},e) & =\max\{\text{FC}(h_{1},e),\text{FC}(h_{2},e)\},\\
+\text{FC}(h,e) & =\text{FC}(h,s)\max\{0,\text{FC}(s,e)\},\\
+\text{FC}(h,e_{1}\land e_{2}) & =\begin{cases}
+\text{FC}(h,e_{1})+\text{FC}(h,e_{2})-\text{FC}(h,e_{1})\text{FC}(h,e_{2}), & \text{FC}(h,e_{1}),\text{FC}(h,e_{2})\geq0;\\
+\text{FC}(h,e_{1})+\text{FC}(h,e_{2})+\text{FC}(h,e_{1})\text{FC}(h,e_{2}), & \text{FC}(h,e_{1}),\text{FC}(h,e_{2})\leq0;\\
+\frac{\text{FC}(h,e_{1})+\text{FC}(h,e_{2})}{1-\min\{|\text{FC}(h,e_{1})|,|\text{FC}(h,e_{2})|\}}, & \text{FC}(h,e_{1})\text{FC}(h,e_{2})\leq0.
+\end{cases}
+\end{align*}
+
+\end_inset
+
+
+\end_layout
+
+\begin_layout Standard
+\begin_inset ERT
 status open
 
 \begin_layout Plain Layout
+
+
+\backslash
+begin{sloppypar}
+\end_layout
+
+\end_inset
+
 En las diapositivas, las dos primeras reglas aparecen como 
 \begin_inset Formula $\text{FC}(h,e_{1}\land e_{2})=\min\{\text{FC}(h,e_{1}),\text{FC}(h,e_{2})\}$
 \end_inset
@@ -914,31 +939,25 @@ En las diapositivas, las dos primeras reglas aparecen como
 \begin_inset Formula $\text{FC}(h,e_{1}\lor e_{2})=\max\{\text{FC}(h,e_{1}),\text{FC}(h,e_{2})\}$
 \end_inset
 
-, pero esto tendría menos sentido aún que las reglas que realmente usamos,
- que son las que se muestran.
-\end_layout
+, lo que tiene aún menos sentido que las reglas que realmente usamos, que
+ son las que se muestran.
+ Las dos primeras reglas se usan para evaluar el factor de certeza de antecedent
+es de reglas; la tercera para obtener el factor de certeza del consecuente
+ de una regla sabiendo el de su antecedente, y la cuarta para combinar factores
+ de certeza obtenidos por distintas reglas.
+\begin_inset ERT
+status open
 
-\end_inset
+\begin_layout Plain Layout
 
 
-\begin_inset Formula 
-\begin{align*}
-\text{FC}(h_{1}\land h_{2},e) & =\min\{\text{FC}(h_{1},e),\text{FC}(h_{2},e)\},\\
-\text{FC}(h_{1}\lor h_{2},e) & =\max\{\text{FC}(h_{1},e),\text{FC}(h_{2},e)\},\\
-\text{FC}(h,e) & =\text{FC}(h,s)\max\{0,\text{FC}(s,e)\},\\
-\text{FC}(h,e_{1}\land e_{2}) & =\begin{cases}
-\text{FC}(h,e_{1})+\text{FC}(h,e_{2})-\text{FC}(h,e_{1})\text{FC}(h,e_{2}), & \text{FC}(h,e_{1}),\text{FC}(h,e_{2})\geq0;\\
-\text{FC}(h,e_{1})+\text{FC}(h,e_{2})+\text{FC}(h,e_{1})\text{FC}(h,e_{2}), & \text{FC}(h,e_{1}),\text{FC}(h,e_{2})\leq0;\\
-\frac{\text{FC}(h,e_{1})+\text{FC}(h,e_{2})}{1-\min\{|\text{FC}(h,e_{1})|,|\text{FC}(h,e_{2})|\}}, & \text{FC}(h,e_{1})\text{FC}(h,e_{2})\leq0.
-\end{cases}
-\end{align*}
+\backslash
+end{sloppypar}
+\end_layout
 
 \end_inset
 
-Las dos primeras se usan para evaluar el factor de certeza de antecedentes
- de reglas; la tercera para obtener el factor de certeza del consecuente
- de una regla sabiendo el de su antecedente y la cuarta para combinar factores
- de certeza obtenidos por distintas reglas.
+
 \end_layout
 
 \begin_layout Section
diff --git a/si/n6.lyx b/si/n6.lyx
index b4b3e21..55e23bd 100644
--- a/si/n6.lyx
+++ b/si/n6.lyx
@@ -115,8 +115,7 @@ frame problem
 \series bold
 cualificación
 \series default
- es qué necesita la regla que se cumpla para poder ejecutable, y el de la
- 
+ es qué debe cumplirse para poder ejecutar una regla, y el de la 
 \series bold
 ramificación
 \series default
@@ -244,8 +243,8 @@ En el caso de reglas tipo STRIPS, aplicar una regla hacia atrás genera un
  Para obtenerlo, unificamos un subconjunto de los literales del objetivo
  con la fórmula de adición, aplicamos el unificador a todo el objetivo y
  la regla y tomamos la conjunción de la fórmula de precondición de la regla
- con la regresión de los literales del objetivo que no aparecen en el subconjunt
-o unificado.
+ con la regresión de los literales del objetivo que no están en el subconjunto
+ de literales que se unificó con la regla de adición.
  La 
 \series bold
 regresión
@@ -271,7 +270,7 @@ Pila de objetivos
 
 \begin_layout Standard
 STRIPS usa una planificación lineal mediante una pila de subobjetivos con
- el algoritmo 
+ el Algoritmo 
 \begin_inset CommandInset ref
 LatexCommand ref
 reference "alg:strips"
@@ -281,6 +280,16 @@ noprefix "false"
 
 \end_inset
 
+ o 
+\begin_inset CommandInset ref
+LatexCommand ref
+reference "alg:stripshit"
+plural "false"
+caps "false"
+noprefix "false"
+
+\end_inset
+
 , que puede usar heurísticas para ordenar los literales de un objetivo compuesto
  al apilarlos y para elegir qué unificador usar y qué regla elegir para
  un objetivo simple.
@@ -432,7 +441,7 @@ cdots l_n$
 
 	} 
 \backslash
-uEnOtroCaso{
+EnOtroCaso{
 \end_layout
 
 \begin_layout Plain Layout
@@ -504,6 +513,217 @@ Método de planificación de STRIPS.
 
 \end_layout
 
+\begin_layout Standard
+\begin_inset Float algorithm
+wide false
+sideways false
+status open
+
+\begin_layout Plain Layout
+estado:=estado-inicial; plan:=[ ]; pila:=[ ];
+\end_layout
+
+\begin_layout Plain Layout
+apilar objetivo en pila;
+\end_layout
+
+\begin_layout Plain Layout
+repetir hasta que pila esté vacía
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+si el objetivo en la cima de la pila se empareja con descripción del estado
+ entonces
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+
+\begin_inset space \quad{}
+\end_inset
+
+quitar de la pila y aplicar la sustitución a las expresiones que están debajo
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+sino, si el objetivo en la cima de pila es conjunción de objetivos entonces
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+
+\begin_inset space \quad{}
+\end_inset
+
+seleccionar un orden de los sub-objetivos y apilarlos en pila
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+sino, si resueltos todos los sub-objetivos pero no resuelto objetivo entonces
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+
+\begin_inset space \quad{}
+\end_inset
+
+reconsiderar objetivo compuesto y apilarlos en la pila
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+sino, si la cima de pila es un objetivo simple 
+\begin_inset Quotes cld
+\end_inset
+
+sg
+\begin_inset Quotes crd
+\end_inset
+
+ entonces
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+
+\begin_inset space \quad{}
+\end_inset
+
+elegir operador 
+\begin_inset Quotes cld
+\end_inset
+
+OP
+\begin_inset Quotes crd
+\end_inset
+
+ cuya lista de adición se empareja con 
+\begin_inset Quotes cld
+\end_inset
+
+sg
+\begin_inset Quotes crd
+\end_inset
+
+
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+
+\begin_inset space \quad{}
+\end_inset
+
+reemplazar el objetivo 
+\begin_inset Quotes cld
+\end_inset
+
+sg
+\begin_inset Quotes crd
+\end_inset
+
+ con el operador 
+\begin_inset Quotes cld
+\end_inset
+
+OP
+\begin_inset Quotes crd
+\end_inset
+
+
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+
+\begin_inset space \quad{}
+\end_inset
+
+apilar precondiciones de 
+\begin_inset Quotes cld
+\end_inset
+
+OP
+\begin_inset Quotes crd
+\end_inset
+
+ en pila
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+sino, si la cima de la pila es un operador 
+\begin_inset Quotes cld
+\end_inset
+
+OP
+\begin_inset Quotes crd
+\end_inset
+
+ entoncces
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset space \quad{}
+\end_inset
+
+
+\begin_inset space \quad{}
+\end_inset
+
+estado:=aplicar(OP,estado); plan=[plan;OP]
+\end_layout
+
+\begin_layout Plain Layout
+\begin_inset Caption Standard
+
+\begin_layout Plain Layout
+\begin_inset CommandInset label
+LatexCommand label
+name "alg:stripshit"
+
+\end_inset
+
+Versión de mierda del algoritmo STRIPS que aparece en las diapositivas y
+ por la que pueden preguntar.
+\end_layout
+
+\end_inset
+
+
+\end_layout
+
+\end_inset
+
+
+\end_layout
+
 \begin_layout Section
 Planificación de orden parcial
 \end_layout
@@ -551,7 +771,7 @@ Cuando una acción
 \end_inset
 
  o de otro ancestro que no aparezca en la lista de supresión de otra acción
- posterior en el camino, pero si el motivo que vaya antes es que 
+ posterior en el camino, pero si el motivo de que vaya antes es que 
 \begin_inset Formula $B$
 \end_inset
 
diff --git a/si/n7.lyx b/si/n7.lyx
index 90829cc..f8678f6 100644
--- a/si/n7.lyx
+++ b/si/n7.lyx
@@ -279,10 +279,7 @@ matriz de costos
  Entonces el estimador de coste de una mala clasificación es 
 \begin_inset Formula 
 \[
-\sum_{i=1}^{n}\sum_{\begin{subarray}{c}
-j=1\\
-j\neq i
-\end{subarray}}^{n}a_{ij}c_{ij}.
+\sum_{i=1}^{n}\sum_{j=1}^{n}a_{ij}c_{ij}.
 \]
 
 \end_inset
@@ -356,7 +353,7 @@ Resolución de problemas
 \end_layout
 
 \begin_layout Standard
-Un programa para resolver problemas puede recordar la estructura del programa
+Un programa para resolver problemas puede recordar la estructura del problema
  que ha resuelto, los métodos usados para resolverlo y su solución, generalizar
  la experiencia y usarla para resolver problemas similares.
 \end_layout
@@ -442,7 +439,8 @@ Si
 \begin_inset Formula $D\subseteq{\cal P}(I)$
 \end_inset
 
- un conjunto finito de elementos de la base de datos, el 
+ un conjunto finito de descripciones de elementos de la base de datos, el
+ 
 \series bold
 soporte
 \series default
@@ -466,12 +464,8 @@ precisión
 \begin_inset Quotes cld
 \end_inset
 
-si 
-\begin_inset Formula $X$
-\end_inset
 
- entonces 
-\begin_inset Formula $Y$
+\begin_inset Formula $X\Rightarrow Y$
 \end_inset
 
 
@@ -495,20 +489,43 @@ cobertura
 \end_inset
 
 .
-\begin_inset Foot
-status open
-
-\begin_layout Plain Layout
-Las diapositivas usan la notación de mierda 
+ Las diapositivas usan la notación de mierda 
 \begin_inset Formula $|X|:=|\{e\in D:X\subseteq e\}|$
 \end_inset
 
 .
+ 
 \end_layout
 
+\begin_layout Standard
+Para obtener reglas con buenos valores de soporte y confianza, primero ejecutamo
+s el algoritmo a priori (algoritmo 
+\begin_inset CommandInset ref
+LatexCommand ref
+reference "alg:a-priori"
+plural "false"
+caps "false"
+noprefix "false"
+
 \end_inset
 
- 
+) para obtener un conjunto 
+\begin_inset Formula ${\cal L}$
+\end_inset
+
+ de conjuntos de ítems frecuentes y luego tomamos las reglas 
+\begin_inset Formula $r\in\bigcup_{L\in{\cal L}}\{X\Rightarrow L\setminus X\}_{X\subseteq L}$
+\end_inset
+
+ con 
+\begin_inset Formula $c(r)\geq p$
+\end_inset
+
+, donde 
+\begin_inset Formula $p$
+\end_inset
+
+ es la precisión mínima.
 \end_layout
 
 \begin_layout Standard
@@ -565,7 +582,7 @@ gets
 \backslash
 }_{i
 \backslash
-in D,s(
+in I,s(
 \backslash
 {i
 \backslash
@@ -741,36 +758,5 @@ Algoritmo a priori.
 
 \end_layout
 
-\begin_layout Standard
-Para obtener reglas con buenos valores de soporte y confianza, primero ejecutamo
-s el algoritmo a priori (algoritmo 
-\begin_inset CommandInset ref
-LatexCommand ref
-reference "alg:a-priori"
-plural "false"
-caps "false"
-noprefix "false"
-
-\end_inset
-
-) para obtener los conjuntos de ítems frecuentes en 
-\begin_inset Formula ${\cal L}$
-\end_inset
-
- y luego tomamos las reglas 
-\begin_inset Formula $r\in\bigcup_{L\in{\cal L}}\{X\Rightarrow L\setminus X\}_{X\subseteq L}$
-\end_inset
-
- con 
-\begin_inset Formula $c(r)\geq p$
-\end_inset
-
-, donde 
-\begin_inset Formula $p$
-\end_inset
-
- es la precisión mínima.
-\end_layout
-
 \end_body
 \end_document