COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007"

Transcripción

1 OMNTARIOS Y ANÁLISIS DL FATOR D PRODUTIVIDAD PROPUSTO POR OSIPTL PARA L PLAN D RGULAIÓN POR PRIOS TOP APLIAIÓN D LA VARIABL M por Davd. M. Sappgto RSUMN JUTIVO ste forme preseta ua evaluacó de la varable m e la seguda aplcacó del pla de regulacó de precos tope de OSIPTL. l forme ota que la varable m puede ser vsta razoablemete como u stretch factor, que es u elemeto comú de los plaes de regulacó de topes de precos e otras ursdccoes. l forme pasa revsta a los prcpos que subyace el dseño tato de los stretch factors y la varable m e partcular.

2 . Itroduccó. ste forme preseta ua evaluacó de la varable m e la seguda aplcacó del pla de regulacó por precos tope de OSIPTL para Telefóca del Perú S.A.A. (TLFÓNIA). l forme es como sgue. La seccó 2 comeza revsado dos dferetes efoques a la regulacó por precos tope que se emplea comúmete e la práctca: el efoque de los buldg blocks y el efoque de la dferecal de productvdad (l Apédce a este forme preseta ua breve vsó del aálss técco que subyace a la regulacó por precos tope desde el efoque de la dferecal de productvdad). La seccó 2 señala gualmete que au cuado la mplemetacó partcular del efoque del dferecal de productvdad y el efoque de los buldg blocks puede dferr, los dos efoques comparte tato el msmo f como la flosofía subyacete. La seccó 3 explca por qué la varable m e la seguda aplcacó del pla de regulacó por precos tope de OSIPTL para TLFÓNIA puede ser vsto como u stretch factor. Desde esta perspectva, la varable m es cosstete tato co los prcpos que subyace al dseño de la regulacó por precos tope como co la práctca de la regulacó por precos tope e otras ursdccoes. La seccó 4 estuda los prcpos que subyace a la varable m, efatzado los supuestos que se emplea para ustfcar la magtud elegda para la varable m. La seccó 5 dscute alguos efectos que la varable m pueda teer sobre el cetvo de reducr costos de operacó y expadr gresos de operacó por parte de TLFÓNIA. La seccó 6 cocluye este forme co ua breve dscusó de las evtables dfcultades que surge al dseñar la polítca regulatora e geeral y la regulacó por precos tope e partcular. 2. Formas de Regulacó de Preco Tope. l típco pla de regulacó por precos tope (dexado) permte que los precos de los servcos regulados aumete, e promedo, a la tasa geeral de la flacó de precos de la ecoomía, meos u factor X. omo se explca e la seccó 2 de OSIPTL (2004), para determar el valor apropado del factor X se emplea dversos efoques e la práctca. stos efoques cluye el de los buldg blocks y el efoque del dferecal de productvdad. Segú el efoque de los buldg blocks, el factor X es típcamete establecdo para elmar la gaaca e exceso (extraormal) para la empresa regulada e el perodo sguete, e aplcacó del régme de 2

3 precos tope, teedo e cueta el desempeño observado de la empresa (cluyedo sus gaacas) e perodos precedetes. l efoque de los buldg blocks típcamete o teta elmar retroactvamete las gaacas realzadas. Por tato, este efoque permte que la empresa regulada obtega ua gaaca extra-ormal etre revsoes de los precos tope s la empresa es capaz de reducr sus costos o expadr sus gresos más rápdamete que lo atcpado. Bao el efoque del dferecal de productvdad, el factor X reflea típcamete la magtud e la que () la tasa de crecmeto de productvdad e la dustra regulada puede esperarse razoablemete que exceda la correspodete tasa de crecmeto respecto de la ecoomía; y () la tasa de crecmeto de los precos de sumos de la ecoomía pueda esperarse que exceda la tasa de crecmeto correspodete e la dustra regulada. l Apédce a este forme preseta brevemete los prcpos báscos que subyace al efoque del dferecal de productvdad. Au cuado corpora metodologías dsttas, tato el efoque de los buldg blocks y el efoque del dferecal de productvdad reflea prcpos smlares para establecer el factor X. partcular, ambos teta: () proveer a la empresa regulada alguos cetvos para operar efcetemete; y () lmtar las gaacas extraormales persstetes. De esta maera, ambos efoques teta proteger a los cletes replcado la dscpla que la competeca tesa traería a la dustra regulada, s tal competeca estuvera presete. 3. La varable m como Stretch Factor Ua mplemetacó partcular del efoque del dferecal de productvdad emplea la productvdad hstórca y las dferecales de la tasa de crecmeto del preco de sumos exclusvamete como los meores predctores de los correspodetes dferecales futuros. OSIPTL ha elegdo o emplear esta metodología de mplemetacó e partcular debdo a que las dferecas hstórcas etre la tasa de crecmeto de la productvdad de TLFÓNIA y la correspodete tasa de crecmeto de la productvdad de la ecoomía sub-estma las dferecas que podría realzarse e la fase sguete de la aplcacó de los precos tope s TLFÓNIA operara efcetemete. OSIPTL ota la lmtada competeca que TLFÓNIA efreta al sumstrar servcos báscos de telefoía local fa [es decr, los servcos e las caastas y D] al explcar su decsó de o basarse 3

4 exclusvamete e dferecas hstórcas e tasas de crecmeto de productvdad al establecer el factor X. OSIPTL sostee que como TLFÓNIA o ha efretado au la fura total de la dscpla de la competeca, ésta puede razoablemete aumetar su tasa de crecmeto de la productvdad [relatva] por ecma de los veles hstórcos. La práctca de aumetar los dferecales hstórcos e tasas de crecmeto de productvdad [y precos de sumos] al establecer factores X tee cosderables precedetes, partcularmete e las fases tempraas de regulacó por precos tope. stas argumetacoes ha sdo empleadas por reguladores estatales y por la Federal ommucatos ommsso de los stados Udos de Amérca, por eemplo. La aada Rado-Televso ad Telecommucatos ommsso (RT) també ha adoptado tal aumeto cuado mplemetó la regulacó por precos tope e la dustra de las telecomucacoes caadese e 998. Frecuetemete se hace refereca a los aumetos e el factor X por ecma del vel que reflea la productvdad hstórca y las dferecales de precos de sumos como stretch factors o dvdedos de productvdad del cosumdor (cosumer productvty dvdeds). S be estos factores se emplea a meudo e los plaes de regulacó por precos tope, raramete se ustfca completamete e detalle. lugar de dervar los prcpos báscos de la magtud más apropada del stretch factor, los reguladores suele mpoer el stretch factor que parezca más apropado, co ua ustfcacó relatvamete poco detallada. cotraste, y para su crédto, OSIPTL preseta ua racoaldad cocreta, apoyada e prcpos, para el stretch factor que ha seleccoado. l stretch factor de OSIPTL se reflea e la varable m, que es la dfereca hstórca etre la tasa de crecmeto del excedete ecoómco de operacó de TLFÓNIA y la tasa de crecmeto correspodete e la dustra de telecomucacoes e el Perú. (l excedete ecoómco de operacó es la relacó de gresos a costos ecoómcos). OSIPTL afrma que esta tasa de crecmeto dferecal del excedete ecoómco de operacó e exceso del marge o persstría s TLFÓNIA efretara las msmas presoes sobre los servcos báscos de telefoía local fa que provee (es decr, los servcos e las caastas y D), que prevalece e geeral e la dustra de telecomucacoes e el Perú. osecuetemete, e el teto de smular la dscpla de los mercados compettvos, OSIPTL añade la varable m a las 4

5 compoetes tradcoales del factor X que solamete reflea las dferecas hstórcas e productvdad y tasas de crecmeto de precos de sumos. 4. Dseño de la Varable m. Al seleccoar a la varable m como el stretch factor más apropado, OSIPTL mplíctamete hace dos supuestos. l prmero es que la tasa de crecmeto hstórca del excedete ecoómco de operacó e la dustra reflea la tasa que TLFÓNIA podría razoablemete alcazar e la provsó de los servcos báscos locales de telecomucacoes s operara e u ambete de compettvdad. l segudo supuesto es que la tasa hstórca del excedete ecoómco de operacó de TLFÓNIA reflea la tasa que razoablemete se podría esperar s operara e u régme de preco tope s stretch factor. uado estos dos supuestos se sostee, la varable m mplemeta ua aproxmacó razoable a los beefcos extra que la competeca aseguraría a los cosumdores co relacó a los beefcos asegurados por u pla de preco tope co u factor X que reflee sólo la productvdad hstórca y las dferecales de crecmeto de precos de sumos. omo es el caso co vrtualmete todas las metodologías que emplea los reguladores e la práctca, se podría cuestoar los supuestos que subyace a la varable m. s cocebble, por eemplo, que las dferecas e tecologías de produccó, la demada de los cletes, y/o la dámca de la dustra pueda causar que la tasa hstórca de crecmeto del excedete ecoómco de operacó de la dustra dvera de la correspodete tasa que TLFÓNIA podría razoablemete alcazar e la provsó de servcos báscos de telecomucacoes s operara e u ambete compettvo. s també cocebble que la tasa hstórca de crecmeto del excedete ecoómco de operacó de TLFÓNIA pudera o predecr perfectamete la correspodete tasa que TLFÓNIA razoablemete lograría e el futuro, al operar bao e esquema de precos tope s stretch factor. S embargo, la exsteca de dvergecas respecto de estos supuesto o so aparetes. omo lustracó, ótese que por u lado, alguos podría sosteer que la recete reduccó e los precos de servcos de telecomucacoes móvles y de larga dstaca excede las reduccoes correspodetes que la competeca mpodría sobre los precos de los servcos fos (alámbrcos) de telecomucacoes báscas. ste sería el caso, por eemplo, s los precos actuales para servcos e las caastas y D se aproxmara cercaamete a los costos de produccó de estos 5

6 servcos de TLFÓNIA. ste argumeto se podría emplear para sosteer u stretch factor meor. Por otro lado, alguos podría alegar que, al clur la tasa de crecmeto del excedete ecoómco de operacó de TLFÓNIA como compoete de la tasa de crecmeto del excedete ecoómco de operacó de la dustra de telecomucacoes del Perú y al efocarse exclusvamete e tasas de crecmeto del excedete ecoómco de operacó e lugar de los veles de beefcos e exceso, OSIPTL podría estar subestmado la magtud e que la tasa de crecmeto del excedete ecoómco de operacó de TLFÓNIA excede a la tasa que razoablemete podría alcazar e u ambete de competeca. ste argumeto podría ser empleado para apoyar u stretch factor mayor. 5. Dscusó sobre Icetvos. omo TLFÓNIA produce la gra mayoría de los servcos de telefoía fa básca e el Perú, sus tasas de crecmeto de productvdad so efectvamete las tasas de crecmeto de productvdad de la dustra para estos servcos. Por tato, u factor X que reflee la dfereca hstórca etre las tasas de crecmeto de la dustra y la productvdad de la ecoomía o ofrece a TLFÓNIA los más fuertes cetvos posbles para meorar su tasa de crecmeto de productvdad. TLFÓNIA recooce que cada vez que aumeta su tasa de crecmeto de productvdad, efreta factores X más altos e las futuras fases del régme de regulacó de preco tope. La varable m puede teer u efecto cetvo correspodete. Las mayores tasas de reduccó de costos y expasó de gresos srve para aumetar la tasa de crecmeto del excedete ecoómco de operacó. cosecueca, TLFÓNIA recoocerá, por eemplo, que s hoy puede lograr más rápdamete tasas de reduccó de costos, podrá e el futuro, efretar mayores valores de la varable m. ste recoocmeto puede ublar los cetvos a la reduccó de costos. Ua forma de alvar estos des-cetvos es retrar la varable m del pla de preco tope ua vez que se cosdere que TLFÓNIA esté efretado e su provsó de servcos báscos de telefoía fa local ua aproxmacó razoable a la dscpla que ecotraría e u mercado compettvo. Se debe otar que OSIPTL o agrega ua varable m al factor X que aplca a los precos de TLFÓNIA de los servcos de larga dstaca (es decr, los de la caasta ). OSIPTL o aplca ua 6

7 varable m a estos servcos e recoocmeto de la competeca relatvamete tesa que efreta TLFÓNIA e la provsó de estos servcos. Nótese també que au cuado la varable m puede reducr los cetvos para reduccó de costos bao el efoque de dferecales de productvdad a la regulacó por precos tope, parece probable que au cuado corpore ua varable m, el efoque de dferecales de productvdad proporcoa mayor cetvo para reduccó de costos que el efoque de los buldg blocks. sto se debe a que los aumetos temporales e la tasa de crecmeto del excedete ecoómco de operacó de TLFONIA recbe sólo u peso lmtado al calcular las dferecas hstórcas de las tasas de crecmeto del excedete ecoómco de operacó bao la mplemetacó de OSIPTL del efoque del dferecal de productvdad de la regulacó por precos tope. 6. oclusoes. La varable m e la seguda aplcacó del pla de regulacó por precos tope de OSIPTL es efocada razoablemete como u stretch factor. Los plaes de regulacó por precos tope corpora co frecueca stretch factors cuado se pesa que las dferecas hstórcas e productvdad y tasas de crecmeto de precos de sumos subestma las correspodetes dferecas que la empresa regulada pueda lograr s opera efcetemete, como se vería oblgada a hacerlo de operar e ua dustra compettva. A dfereca de muchas otras etdades reguladoras, OSIPTL establece claramete la metodología que emplea para determar la magtud del stretch factor que aparece como la varable m. l efoque de OSIPTL al respecto es loable. Au cuado se pueda atcpar algú debate sobre los supuestos que subyace a la metodología de varable m, el efoque de OSIPTL es defedble. Para termar, podría ser útl poer e perspectva las delberacoes y accoes de OSIPTL e esta seguda aplcacó de su pla de regulacó por precos tope. la práctca, la formulacó de la polítca regulatora o es ua ceca exacta. La compledad de las dustras reguladas mpde la formulacó e mplemetacó cosstete de ua polítca regulatora perfecta. Las predccoes de los reguladores y de las empresas reguladas por gual será típcamete mperfectas, ya que la formacó a la que tee acceso es mperfecta. partcular, es extremadamete dfícl, so mposble, predecr perfectamete la tasa de crecmeto (dferecal) de la productvdad que ua empresa regulada pueda alcazar s opera efcetemete. S 7

8 embargo, la dfcultad de hacer predccoes perfectas o deberá exclur la troduccó de metodologías regulatoras meoradas que, au cuado mperfectas, sea superores a la smple aplcacó de reglas secllas au más mperfectas. Debdo a que la polítca regulatora ecesaramete reflea formacó lmtada e mperfecta, deberá ser dseñada e forma cosecuete co estas lmtacoes. l perodo tr-aual de vgeca de cada fase de revsó del preco tope e el Perú permte a OSIPTL efectuar cambos apropados a la polítca reguladora co relatva frecueca. Las fases futuras de la regulacó por precos tope podría corporar otras característcas sttucoales que protea cotra efectos egatvos que podría surgr de la eludble ecesdad de basarse e formacó mperfecta al formular la polítca regulatora Referecas Berste, Jeffrey ad Davd Sappgto, Settg the X Factor Prce ap Regulato Plas, Joural of Regulatory coomcs, 6(), July 999, OSIPTL, Revso of the Productvty Factor of the Prce ap formula for Telefóca del Perú S.A.A.: Secod Applcato, , May

9 APÉNDI: DRIVAIÓN DL FATOR X l propósto de la regulacó por precos tope, al gual que muchas formas de regulacó, es reproducr la dscpla que las fuerzas del mercado mpodría sobre la empresa regulada s estuvera presetes. Por tato, para eteder el dseño básco de la regulacó por precos tope, es mportate eteder la dscpla que mpoe las fuerzas de mercado. U efecto prmaro de éstas es lmtar la tasa de crecmeto de las gaacas de ua empresa. 2 La gaaca de ua empresa (?) es la dfereca etre sus gresos (R) y sus costos (). uado ua empresa produce servcos co m sumos, y cuado los precos de todos sus servcos está regulados, las gaacas proveetes de las operacoes reguladas de la empresa so: = R = p q m = = w v () e dode p = el preco utaro de mo servco regulado. q = la catdad del mo servco regulado que la empresa vede. w = el preco utaro del mo sumo empleado e la produccó; y v = el úmero de udades del mo sumo empleado por la empresa Para determar cómo la gaaca de la empresa camba segú camba todos sus sumos, productos, precos de sumos y precos de productos, se toma las dferecales (deotadas por d ) e la expresó (). sto produce: d = = p q dq q + = p q dp p m = w v dv v m = w v dw w (2) l aálss de este Apédce ha sdo tomado drectamete de Berste y Sappgto (999). 2 De hecho, e ua dustra perfectamete compettva, los beefcos ecoómcos (o extraormales) so elmados e el largo plazo. 9

10 Luego de ello, dvídase todos los térmos de la expresó (2) etre R o, e forma equvalete, por +. Hacedo esto y ordeado los térmos, se obtee: = m m r p = s w r q + s v r q (3) = = = = e dode: pq r la partcpacó e el total de gresos dervada de la veta del mo R servco. w v s la partcpacó e el costo total cotablzada por el mo sumo; y dx x = la tasa de cambo de varable x (para x=p, q, w, y v ). x Luego, hacedo: P = m r p W = s w, Q = r q, y V =, s v = = = = m la expresó (3) se puede re-escrbr como: [ Q V ] + [ ] P = W Q (4) Nótese que Q V es smplemete la tasa de crecmeto de la Productvdad Total de Factores (T ), que se defe como la dfereca etre la tasa de crecmeto de los productos de la empresa y la de sus sumos. Al usar la partcpacó e gresos ( r ) para agregar las tasas de crecmeto de los productos dvduales se tee ua tasa de crecmeto de Q = = r q. forma smlar, al usar las partcpacoes e 0

11 los costos (s ) ara agregar las tasa de crecmeto de sumos dvduales se tee ua tasa de crecmeto de sumos de V s v. Ya que T = Q V, la expresó (4) = m = se escrbe fáclmete como: [ ] P = W T + Q (5) La expresó (5) dca la tasa de crecmeto de los precos de produccó de la empresa que asegurará ua tasa de crecmeto de los beefcos de cuado las gaacas de la empresa sea de, sus costos sea, su tasa de crecmeto de precos de sumos sea W, su tasa de crecmeto de la produccó sea Q, y su tasa de crecmeto de la productvdad total de factores sea T. Recuérdese que e ua dustra perfectamete compettva, las gaacas (beefcos) ecoómcos so cero e el equlbro a largo plazo. uado las gaacas so cero (es decr, cuado = 0 y así = 0 ), la expresó (5) se reduce a: P = W T (6) la expresó (6) mplca que la empresa regulada obtedrá cero gaacas e su fucoameto s los precos está establecdos calmete para asegurar gaacas (extraormales) guales a cero, y sus precos deberá cambar a ua tasa gual a la dfereca etre la tasa a la cual sus precos de sumos se eleva y su productvdad aumeta 3. 3 La expresó (5) revela el auste requerdo e la tasa de crecmeto de los precos de produccó de la empresa para asegurar ua tasa de crecmeto de las gaacas gual a cuado la utldad de la empresa es?. Nótese, por eemplo, que cuado? > 0, se requerrá ua mayor tasa de crecmeto de precos de produccó para sosteer ua tasa de crecmeto de gaacas estrctamete postva ( > 0 ), ceters parbus (permaecedo gual lo demás).

12 2 osdérese ahora ua ecoomía e la cual hay u sólo productor regulado y los precos de todos los productos que produce so regulados. Más au, supógase que los precos e el resto de la ecoomía o se ve afectados por los precos establecdos e el sector regulado. este marco de refereca (bechmark), las tasas de crecmeto de los precos de produccó fuera del sector regulado puede ser relacoadas a los veles de gaacas, tasas de crecmeto de productvdad, etc. exactamete como está así vculadas e la expresó (5) para el sector regulado. sta vculacó está resumda e la expresó (7) e dode el superídce e ua varable deota el valor de la msma referdo a la ecoomía (es decr, fuera del sector regulado). [ ] + + = Q T W P (7) Restado la expresó (7) de la expresó (5) y reordeado los térmos, se tee: = W W T T P P Q Q (8) Ahora, defmos el factor X básco, b X, como sgue: + = W W T T X b + + Q Q (9) ombado las expresoes (8) y (9) se tee:

13 = (0) b P P X La expresó (0) proporcoa la formulacó clásca de la regulacó por precos tope. sta expresó dca que se deberá permtr que los precos de produccó e el sector regulado crezca a la tasa de flacó de precos de produccó de la ecoomía ( P ) meos u descueto. Éste es el factor X básco ( b X ). Para terpretar esta formulacó de la regulacó por precos tope y el rol del factor X básco e forma más seclla, cosderemos el escearo e dode las gaacas so cero fuera del sector regulado, tal vez debdo a fuertes presoes de la competeca. Supógase gualmete que el regulador desea asegurar gaacas guales a cero e el sector regulado. La expresó (9) mplca que el factor X básco e este escearo es: [ T T ] + [ W W ] b X 0 = () cosecueca, la expresó (0) podrá ser re-escrta e este escearo como: P { [ T T ] + [ W W ] } b = P X = P 0 (2) La expresó (2) dspoe ua prescrpcó smple e tutva. sta señala que co el f de asegurar ua gaaca de cero e el sector regulado, el regulador podría hacer lo sguete. Prmero, establecer los precos de la dustra regulada de maera que se geere gaacas guales a cero. Segudo, permta que estos precos crezca, e promedo, a ua tasa gual a la tasa de flacó de precos de la ecoomía ( P ) meos b u descueto ( X 0 ). ste descueto es la suma de: () la dfereca etre la tasa de 3

14 crecmeto de la productvdad total de factores e la dustra regulada y aquella del resto de la ecoomía ( T T ); y () la dfereca e las tasas de crecmeto de los precos de sumos del resto de la ecoomía y el sector regulado ( W ). Por supuesto, e el mometo e que deba determarse la magtud del factor X, las tasas de crecmeto de productvdad las tasas de crecmeto de los precos de sumos será coocdas co certeza. cosecueca, la (dfícl) tarea del regulador es proostcar las tasas que la empresa regulada pueda razoablemete lograr cuado está operado efcetemete. W La traduccó lteral es bloques de costruccó. Nota del Traductor. La traduccó lteral es Factor de strameto. Nota del Traductor. 4

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

UNIVERSIDAD DE BUENOS AIRES

UNIVERSIDAD DE BUENOS AIRES NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

TÉCNICAS DE ANÁLISIS ECONÓMICO INPUT-OUTPUT

TÉCNICAS DE ANÁLISIS ECONÓMICO INPUT-OUTPUT TÉCNICAS DE ANÁLISIS ECONÓMICO INPUT-OUTPUT Mguel Ágel Taracó Morá Doctor e CC Ecoómcas y Empresarales Profesor Asocado de Ecoometría Uversdad de Castlla La Macha Toledo, Marzo de 2003 Título: Téccas de

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

Ampliación de Redes de Telefonía Básica

Ampliación de Redes de Telefonía Básica Amplacó de Redes de Telefoía Básca Carlos D. Almeda Uversdad Nacoal de Asucó. Sa Lorezo, Paraguay cdad@eee.org Nlto R. Amarlla Uversdad Nacoal de Asucó. Sa Lorezo, Paraguay dmatest@copaco.com.py Bejamí

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

Credit scoring models: what, how, when and for what purposes

Credit scoring models: what, how, when and for what purposes MPRA Much Persoal RePEc Archve Credt scorg models: what, how, whe ad for what purposes Guterrez Grault, Matas Alfredo Baco Cetral de la Repúblca Argeta October 007 Ole at http://mpra.ub.u-mueche.de/6377/

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

Teoría de Juegos Aplicada a Problemas de Bancarrota

Teoría de Juegos Aplicada a Problemas de Bancarrota Teoría de Juegos Aplcada a Problemas de Bacarrota Dra. Flor María Guerrero Casas Dr. Mguel Ágel Hojosa Ramos Fracsca Jesús Sáchez Sáchez Departameto de Ecoomía y Empresa. Uversdad Pablo de Olavde. Ctra.

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012 Solucó Práctca Evaluable. Olgopolo y Copeteca Moopolístca. 6//0 Cosdere u olgopolo de Courot co epresas que produce u be hoogéeo. La fucó versa de deada es p ) = 0 y todas las epresas tee el so coste argal

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

Revista de Economía Mundial ISSN: 1576-0162 rem@uhu.es Sociedad de Economía Mundial España

Revista de Economía Mundial ISSN: 1576-0162 rem@uhu.es Sociedad de Economía Mundial España Revsta de Ecoomía udal ISSN: 576-062 rem@uhu.es Socedad de Ecoomía udal España Rodl arzábal, Óscar; López Arévalo, Jorge Alberto EFECTOS DEL TRATADO DE LIBRE COERCIO DE AÉRICA DEL NORTE SOBRE EL COERCIO

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA EL SERVICIO DE TELEFONÍA FIJA Y MÓVIL (DE LA UNIVERSIDAD INTERNACIONAL DE ANDALUCÍA

PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA EL SERVICIO DE TELEFONÍA FIJA Y MÓVIL (DE LA UNIVERSIDAD INTERNACIONAL DE ANDALUCÍA PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA EL SERVICIO DE TELEFONÍA FIJA Y MÓVIL (DE LA UNIVERSIDAD INTERNACIONAL DE ANDALUCÍA . INTRODUCCIÓN 2. SITUACIÓN ACTUAL 2.. Telefoía fja 2.2. Telefoía móvl 3. OBJETO

Más detalles

HERRAMIENTAS BÁSICAS PARA LAS OPERACIONES FINANCIERAS

HERRAMIENTAS BÁSICAS PARA LAS OPERACIONES FINANCIERAS HERRAIENTAS BÁSICAS PARA LAS OPERACIONES FINANCIERAS Dr. J. Iñak De La Peña Curso de Postgrado Especalsta e Cotabldad y aplcacó de las Normas Iteracoales de Cotabldad Facera Departameto de Ecoomía Facera

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

INTRODUCCION A LA GEOESTADISTICA

INTRODUCCION A LA GEOESTADISTICA INTRODUION A LA GEOESTADISTIA 7 3' W MAR ARIBE Boca de la Barra 3 larí 8 6 4 Grade R Sevlla 8 6 R Aracataca 45' N 4 R Fudaco Teoría y Aplcacó UNIVERSIDAD NAIONAL DE OLOMBIA Sede Bogotá Facultad de ecas

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

A2.1 SUMA PRESENTE A SUMA FUTURA

A2.1 SUMA PRESENTE A SUMA FUTURA A2. APÉNDICE MATEMÁTICAS FINANCIERAS E este apédce se preseta las fórmulas tradcoales para hallar las sumas equvaletes e el tempo y ua coleccó de fórmulas para equvaleca de tasas omales y efectvas. Para

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

MODELO DE TARIFICACION PARA SEGUROS DE RENTA VITALICIA

MODELO DE TARIFICACION PARA SEGUROS DE RENTA VITALICIA MODELO DE TARIFICACION PARA SEGUROS DE RENTA VITALICIA Semaro para optar al título de Igeero e Iformacó y Cotrol de Gestó Sadra Arteaga Jacobo Clauda Campos Moya Alejadra Gómez Espoza Profesora Guía: Llaa

Más detalles

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones 2 CÁLCULO FINANCIERO Teoría, Ejerccos y Aplcacoes 3 Uversdad de Bueos Ares Facultad de Cecas Ecoómcas Autores: Jua Ramó Garca Hervás Actuaro (UBA) Master e Ecoomía y Admstracó (ESEADE). Docete de Posgrado

Más detalles

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Bolsa Nacional de Valores, S.A. San José, Costa Rica SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS PUNTES DOCENTES SIGNTUR: MTEMTICS FINNCIERS PROFESORES: MRIN JIMES CRLOS JVIER SRMIENTO LUIS JIME DEPRTMENTO DE CIENCIS BÁSICS VERSION: 2-20 QUÉ ES MTEMÁTICS FINNCIERS? Hace alguos años éste era u tema

Más detalles

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA QUÍMICA GENERAL

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA QUÍMICA GENERAL UNIERSIDAD NACIONAL EXERIMENAL OLIECNICA ANONIO JOSÉ DE SUCRE ICERRECORADO BARQUISIMEO DEARAMENO DE INGENIERÍA QUÍMICA QUÍMICA GENERAL UNIDAD I CLASE Nº EL ESADO GASEOSO GAS IDEAL Es el estado de la matera

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles