Incentive Schemes and Innovative Portfolios

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

Download "Incentive Schemes and Innovative Portfolios"

Transcripción

1 Esqumas Estudos d d Ecoomía. ctvos Vol. y cartras 7 - Nº, / Juo Go Loyola, 2. Págs. Yolada 4-66 Portlla 4 Esqumas d Ictvos y Cartras d Ivrsó Iovadoras Ictv Schms ad Iovatv Portfolos Go Loyola Yolada Portlla Rsum E l cotxto d la admstracó dlgada d cartras d vrsó, st artículo caractrza las propdads qu l squma d compsacó db posr para ctvar la slccó d portafolos co alto rsgo y alto rtoro sprado. E partcular, s proporcoa codcos qu prmt squmas rmuratvos o moótoos qu prma rsultados xtrmos y castga rsultados modrados. Palabras clav: Compsacó jcutva; admstracó dlgada d cartras; squmas d ctvos o moótoos; propdad d razó d vrosmltud o moótoa. Abstract Ths artcl charactrzs th proprts of th compsato schm of dlgatd portfolo maagmt that would lad to th slcto of hgh rsk-hgh rtur portfolos. I partcular, t provds codtos udr whch a o-mooto paymt structur mrgs as a optmal cotract, whch rwards xtrm rsults ad pushs modrat os. Ky words: Excutv compsato, dlgatd portfolo maagmt, omooto ctv schms, o-mooto lklhood rato proprty. JEL Classfcato: D86, G, G2, G, J, M52. * Agradcmos los comtaros d Sgfrdo Lagl y d dos árbtros aómos, y la valosa asstca d vstgacó d Matías García. Cualqur rror u omsó rmat s, por supusto, d ustra xclusva rsposabldad. ** Dpartamto d Cotrol d Gstó y Sstmas d Iformacó, Uvrsdad d Chl, Dagoal Paraguay 257, Of., Satago, Chl. E-mal: gloyola@f.uchl.cl, Tl.:+56(2) , Fax: +56 ( ). *** Facultad d Ecoomía y Ngocos, Uvrsdad Dgo Portals, Maul Rodríguz Sur 25, Satago, Chl. E-mal: yolada.portlla@udp.cl, Tl.: (562) , Fax: (562)

2 44 Estudos d Ecoomía, Vol. 7 - Nº. Itroduccó U mportat hcho stlzado la dustra d la admstracó dlgada d cartras so los magros rtoros d la admstracó actva d stas vrsos, partcularmt s s compara co aqullos obtdos por stratgas pasvas como, por jmplo, u ídc accoaro (Malkl, 995; Grubr, 996; Stracca 26). E coscuca, la admstracó actva d stas vrsos parc, paradójcamt, sustrar valor lugar d agrgarlo. Esta qutat vdca ha dsprtado l trés por studar los squmas d ctvos l procso d dlgacó d vrsos. E spcal, durat las últmas dos décadas ha surgdo ua fructífra ltratura d toría d cotratos qu valúa s las structuras d compsacó utlzadas la práctca prov los ctvos adcuados para la coformacó d stratgas d vrsó co mayors rtoros sprados. Dado qu st tpo d stratgas sul r acompañadas d ua mayor varabldad los rsultados, la asucó d rsgo por part d admstradors d fodos avrsos al rsgo costtuy, st cotxto, u lmto ctral l dsño d u bu mcasmo d ctvos. Al rspcto, la ltratura prva ha mostrado qu squmas d ctvos moótoos aqullos qu xhb ua rlacó strctamt crct tr dsmpño d las cartras y compsacó d los admstradors o favorc la toma d rsgos (Stoughto, 99; Admat y Pfldrr, 997). Est rsultado ha llvado a xamar las propdads d squmas d ctvos o moótoos (y covxos) tals como l squma d comsos asmétrcas qu prma buas rtabldads pro o castga malos rsultados (Starks, 987) y los cotratos tpo opcos (Garca, 2; Gotzma, Igrsoll y Ross, 2; Carptr, 2). A pror, la covxdad qu dchos squmas troduc l prfl d compsacos ayudaría a cotrarrstar la cocavdad d la fucó d utldad d admstradors d fodos avrsos al rsgo, favorcdo d st modo la slccó d cartras más rsgosas. No obstat, u aálss más profudo d los fctos d sta clas d squmas rmuratvos ha stablcdo dos rsultados qu dblta st argumto d covxdad. E prmr lugar, l marco d los modlos tórcos laborados para studar la admstracó d cartras, st tpo d squmas d ctvos o corrspod a la structura d compsacó óptma. E sgudo lugar, o s crto qu stos squmas propc smpr la toma d mayors rsgos. Es más, stas structuras d compsacó gra fctos adcoals qu va ua drccó cotrara a aqulla propusta por l argumto d covxdad, puddo llvar cluso a la asucó d mors rsgos (Carptr, 2; Ch y Pacch, 29; Ross 24). Coscutmt, l objtvo dl prst artículo s caractrzar, l cotxto d la admstracó dlgada d cartras d vrsó, las propdads Esta coclusó s marca u rsultado más catgórco aú stablcdo por aplcacos d la toría d cotratos a la admstracó dlgada d cartras: l domado rsultado d rrlvaca. Sgú st rsultado, l aumto d la partcpacó dl agt l rtoro d la cartra admstrada o prov los ctvos térmos d sfurzo y asucó d rsgo qu sí s vrfca la toría d cotratos stádar (Stoughto 99, Admat y Pfldrr 997).

3 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 45 qu l squma d compsacó db posr para ctvar fctvamt la slccó d stratgas d vrsó ovadoras (cartras co mayor rsgo, pro co mayor rtabldad sprada). Co st f, costrumos u modlo d rlacó d agca cuyo rsultado prcpal proporcoa codcos bajo las cuals pud sr óptmo troducr ua o mootocdad tr la rmuracó d los jcutvos y l dsmpño d las cartras bajo su admstracó. Esta falta d mootocdad pud sr ta svra qu cluso pud llgar a sr óptmo prmar rtabldads xtrmas, ya sa éstas sufctmt altas o bajas, y castgar (rlatvamt) rtabldads modradas. Lugo, y cotraramt a los squmas covxos d ctvos aalzados por la ltratura prva, l mcasmo óptmo qu propomos podría cotmplar o sólo o castgar rtabldads bajas, so prmarlas. Auqu cotratutvo, st prmo al fracaso podría mrgr como ua caractrístca dl cotrato óptmo tato st prmo rprsta ua promsa x at qu alta a los jcutvos a asumr mayors rsgos. Es mportat dstacar la cotrbucó dl prst trabajo a la caractrzacó d squmas d ctvos óptmos l procso d la admstracó dlgada d vrsos. E fcto, como cocluy Stracca (26), gral ésta s ua ltratura dod los rsultados gatvos td a prvalcr por sobr los costructvos. Est fómo s db al hcho d qu, l caso d la admstracó d cartras, l agt db dcdr tato rspcto a su sfurzo como al rsgo volucrado los portafolos. Esta dfcultad ha sgfcado qu la caractrzacó d u squma d compsacos óptmo para la admstracó dlgada d vrsos u ambt co formacó asmétrca y bajo codcos sufctmt grals, sa aú ua tara pdt la agda d vstgacó d la toría d cotratos. Esto últmo s partcularmt crto l cotxto d u modlo clásco d rsgo moral. E fcto, los trabajos qu ha studado l squma d ctvos óptmos st cotxto fudamta sus coclusos modlos co smtría d formacó (Ou-Yag, 2; Cadllas, Cvtac y Zapatro, 27), modlos d dcsó d u xprto (Dybvg, Farsworth y Carptr, 2; L y Zhou, 26) y/o modlos co fucos d utldads muy spcífcas (Ou-Yag, 2; Dybvg, Farsworth y Carptr, 2). E cotrast a toda sta ltratura prva, ustro trabajo logra modlzar sta dualdad sfurzo-rsgo l marco d u problma tradcoal d rsgo moral bajo supustos razoablmt grals, puddo arrbar al dsño d u mcasmo óptmo qu fctvamt alt la coformacó d stratgas d vrsó más atractvas. Admás d la ltratura d toría d cotratos aplcada a la admstracó dlgada d cartras dscutda prvamt, st studo s rlacoa co al mos otras dos ramas d la coomía d la formacó. E prmr lugar, st artículo stá mpartado co la ltratura d toría d cotratos qu ha caractrzado codcos bajo las cuals s óptmo u squma d ctvos moótoo. E l caso qu l sfurzo s ua varabl bara, sta ltratura (Holmström, 979; Mrrls, 976) mustra qu la mootocdad d la structura d compsacó stá garatzada por la propdad d u lklhood rato moótoo (MLRP). S mbargo, s l sfurzo pud tomar más d dos valors, dcha mootocdad rqur d ua codcó adcoal, tal como la propdad d ua fucó d dstrbucó cócava l sfurzo (CDFP) (Mrrls, 979), o

4 46 Estudos d Ecoomía, Vol. 7 - Nº d ua codcó más furt, tal como la domada spag codto (SC) (Grossma y Hart, 98). 2 E sgudo lugar, ustro trabajo t també coxos lógcas co la ltratura qu admt o mootocdads los squmas d ctvos cotxtos dsttos al d la admstracó d cartras d vrsó. La prmra rfrca os rmt a Grossma y Hart (98), qus proporcoa u jmplo qu la mootocdad d la structura óptma d ctvos o s vrfca dbdo al cumplmto d SC (cluso auqu la codcó d MLRP s satsfac). Para stos autors, sta o mootocdad surg por l dobl papl qu juga l producto (u otra mdda d dsmpño dl agt) sobr l bfco dl prcpal: uo qu prmt aumtar su cosumo y otro qu prmt mjorar su formacó rspcto dl sfurzo o obsrvado. E alguas crcustacas, ambos rols pud trar coflcto, lo qu podría llvar a la optmaldad d prmar rsultados malos rspcto d rsultados modrados. Por su part, Is (99) també admt la posbldad d o mootocdads l cotrato d facamto óptmo tr u vrsosta y u mprddor (u cotrato dl tpo lv-or-d ). S mbargo, st caso la fut d dcha o mootocdad s la prsca d cláusulas d rsposabldad lmtada para ambas parts dl cotrato, y o l cumplmto d la MLRP. Smlarmt, l trabajo d Hkl y Stoughto (994) drva u squma d prmos o moótoo l qu rsultados dmasado buos mplca l rmplazo dl agt. No obstat, mtras sus hallazgos s rfr a la solucó d u problma d slccó advrsa, l squma propusto l prst artículo rsulv u problma d rsgo moral. Por últmo, Hvd (22) caractrza u cotrato óptmo qu cluy o mootocdads, pro l qu o s rqur la volacó d la MLRP. S mbargo, mtras sus coclusos so alcazadas l cotxto d u modlo d toría d toros (valuacó d dsmpño rlatvo), ustros rsultados so drvados u modlo clásco d rsgo moral. Es mportat sñalar qu, o obstat, gral todos stos studos cosdra a la o mootocdad ua propdad o dsabl d los squmas d compsacó (porqu o parc ralsta) y, coscuca, troduc rstrccos d mootocdad al programa qu rsulv l cotrato óptmo. Cotraramt a sta ltratura, ustro trabajo argumta qu la dustra d la admstracó dlgada d vrsos la o mootocdad pud sr ua propdad dsabl (para ctvar la toma d rsgos y la ovacó la slccó d portafolos), cluso ralsta (por l atcdt d práctcas compsatoras o moótoas obsrvadas los mrcados facros). D st modo, o sólo prmtmos la posbldad d squmas d compsacó o moótoos, so admás caractrzamos las codcos bajo las cuals u squma d st tpo mrg como óptmo. La structura dl artículo s la sgut. La sccó 2 prsta u jmplo qu lustra ua stuacó qu l squma óptmo d ctvos admt svras 2 E l caso qu l sfurzo s ua varabl cotua, SC també costtuy ua codcó sufct para u squma óptmo d ctvos moótoo (vr Callaud y Hrmal, 2, sccó 5). E l caso qu l rsultado s ua varabl cotua, las codcos qu garatza sta mootocdad o s v altradas (vr Callaud y Hrmal, 2, sccó 4.5).

5 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 47 o mootocdads. La sccó dsarrolla u modlo bas d admstracó dlgada d cartras d vrsó bajo rsgo moral, l qu l tradr pud scogr tr dos vls d sfurzo. La sccó 4 caractrza formalmt las codcos bajo las cuals l cotrato óptmo pud ducr u squma d compsacó qu prm rsultados xtrmos st modlo bas. La sccó 5 xplora l caso co u spaco cotuo d vls d sfurzo, mostrado la robustz d los rsultados hallados l modlo co sfurzo baro. Falmt, la sccó 6 dscut las prcpals coclusos. Las prubas d los rsultados prcpals stá cotdas l Axo. 2. U Ejmplo Esta sccó lustra las codcos bajo las cuals l squma d compsacó óptmo pud clur ua rlacó svramt o moótoa rspcto al dsmpño. Co st objto, cosdr l sgut jmplo. Exst u procso d dlgacó d admstracó d cartras d vrsó bajo formacó asmétrca tr l duño dl fodo d vrsó (prcpal) y l tradr (agt). Las prfrcas dl tradr dpd d, l sfurzo jrcdo por coformar ua cartra d vrsó dtrmada, y d w, la compsacó rcbda por sta tara. E partcular, stas prfrcas stá rprstadas por la fucó 2 2. El tradr pud scogr tr d utldad (x post) dada por U( w, ) = w dos vls d sfurzo: {, }. Estos vls d sfurzo stá rlacoados uívocamt co dos cartras d vrsó dsttas: mtras = prmt coformar la cartra A, = prmt coformar la cartra B. El rtoro d la k cartra k cuado ocurr l stado d la aturalza, dotado por x, pud tomar trs valors posbls tal qu x k {,, 5} para todo k = A, B. La probabldad d qu la cartra k gr u rtoro x s dotada por p k. Estas probabldads codcoadas stá dscrtas por la sgut tabla: p k x = x 2 = x = 5 k = A 2/5 /5 2/5 k = B /6 4/6 /6 El vl d utldad d la mjor d las altratvas dscartadas por l tradr al acptar l cotrato (utldad d rsrva) corrspod a U =. Por su part, las prfrcas dl prcpal stá rprstadas por la fucó d utldad (x post) dada por Bx (, w ) = x w, para todo. Co l objto d caractrzar l squma óptmo d ctvos, por ahora supomos lo qu dmostrarmos más adlat qu l duño dl fodo d vrsó dsa qu l tradr slcco la cartra A. E u cotxto d asmtría d formacó, la dcsó dl tradr rspcto dl vl d sfurzo y por tato

6 48 Estudos d Ecoomía, Vol. 7 - Nº rspcto d la cartra d vrsó o s vrfcabl por part dl prcpal, pro sí lo s l rtoro d la vrsó. Lugo, s dfmos w w(x ), la compsacó pagada por l duño dl fodo mutuo al tradr cuado s obsrva l rtoro x, l programa qu dtrma l cotrato óptmo bajo formacó asmétrca corrspod a: A { w } = = ( ) Max p x w (2.) p w = A s.a. 2 A 2 = = 9 (2.2) p w 9 p w. La cuacó (2.) rprsta la rstrccó d partcpacó y la cuacó (2.2) corrspod a la rstrccó d compatbldad d vtvos. Rmplazado las probabldads, ot qu st problma s quvalt al sgut programa: B M w + w + w 2 { w } = s.a (2.) w + w2 + w (2.4) w + w2 + w 9 w + w2 + w Dl sstma d cuacos coformado por la rstrccó d partcpacó (2.) y la rstrccó d compatbldad d ctvos (2.4) actvas, s posbl calcular qu: 2 (2.5) w = 45, 464 7, 72w + w, (2.6) w 2 = 6, 659. * El hcho d qu ambas rstrccos sté actvas l óptmo s u rsultado clásco d la toría d cotratos (Vr, por jmplo, Bolto y Dwatrpot, 25).

7 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 49 Susttuydo la fucó objtvo, tmos qu l programa orgal pud sr rducdo a: 2 M ( 2w 7, 72w ) w D la codcó d prmr ord d st problma, obtmos qu w = 86, 598. * Tras rmplazar (2.5) cotramos falmt qu w = 86, 598. Ahora comprobamos s fctvamt l duño dl fodo prfr la cartra A lugar d la B. Para llo, vrfcamos qu: 4 A B = = * * ( p p ) x = 6, 7> 842, = p w w ( = ), dod w * ( = ) = corrspod al salaro óptmo bajo smtría d formacó cuado l prcpal dsa qu s slcco la cartra B, o quvaltmt, qu l tradr jrza u vl d sfurzo =. 5 Es claro tocs qu l prcpal prfr qu l agt slcco la cartra A y, coscuca, l cotrato óptmo stá caractrzado por l sgut squma rmuratvo: w * A 86, 598 s x = ( x) = 6, 659 s x =. 86, 598 s x = 5 Lugo, la rlacó tr l squma compsatoro dl tradr y los rtoros obsrvados s claramt o moótoa. Como lo comprobarmos dl aálss formal dsarrollado la sccó 4, sta caractrístca partcular dl cotrato óptmo s l rsultado d la volacó d ua propdad stadístca rcurrt los modlos tórcos d rsgo moral. 6 Por ahora, podmos dcr qu st jmplo o stá garatzado qu sa smpr mos probabl obsrvar malos rsultados cuado s slccoa la cartra A vz d la B (por jmplo, p A = 25> 6= p B ). Esto llva tocs a prmar també ua rtabldad baja como x =, al sr más probabl qu ésta provga d la cartra A. *. El Modlo Bas E sta sccó costrumos u modlo qu formalza y gralza los rsultados lustrados por l jmplo dscrto la sccó atror. Co st objto, cosdr la sgut rlacó d agca tr l duño d u fodo d vrsó 4 Esta codcó s formalzada la Proposcó 2, sccó 4. 5 Est salaro s computado l Axo B. 6 Esta propdad corrspod a la domada mooto lklhood rato proprty (MLRP).

8 5 Estudos d Ecoomía, Vol. 7 - Nº (prcpal) y l admstrador d dcho fodo (agt). 7 El prcpal s utral al rsgo tal qu sus prfrcas stá rprstadas por la fucó d utldad (x post) Bx (, w ) = x w. 8 Por su part, las prfrcas dl agt stá dscrtas por la sgut fucó d utldad (x post) adtvamt sparabl: U( w, ) = u( w) v( ), dod l vl d sfurzo asocado a la coformacó d cartras d vrsó y w la compsacó rcbda por dcha tara. La fucó u() rprsta l fcto sobr l bstar dl agt dbdo a su compsacó, y satsfac ' '' uw >, uw <. La prmra codcó sgfca qu l bstar dl agt smpr aumta co la compsacó (utldad margal postva), y la sguda codcó garatza qu l agt s avrso al rsgo (utldad margal dcrct). Por otra part, la fucó v() rprsta la dsutldad qu l jrcco d sfurzo supo para l agt. Al rspcto, supomos qu sta fucó ' satsfac v > '' (dsutldad margal postva) y v > (dsutldad margal crct). La utldad d rsrva dl agt corrspod a U. El tradr pud scogr tr dos cartras d actvos facros dsttas, A y B. Dado qu asummos qu la cartra A prsta u mayor rtoro sprado y ua mayor volatldad qu la cartra B, dcmos qu l prmr portafolo s más ovador qu l sgudo. Dbdo a qu supomos qu la lccó d la cartra B pud sr tdda como smplmt rplcar la cartra d mrcado, asummos qu l vl d sfurzo asocado a lla s fror a aquél csaro para coformar la cartra A. Est supusto lo matralzamos asumdo qu l agt pud scogr tr dos vls d sfurzo, cada uo d llos rlacoado uívocamt co uo d los dos portafolos d vrsó. Por tato, supomos qu { h, l}, co h > l, j para todo j = h, l y v( h) > v( l). D st modo, mtras h s l vl d sfurzo qu prmt coformar la cartra A, l prmt slccoar la cartra B. Por otra part, asummos qu I corrspod al moto d rcursos dlgados al tradr d acurdo a u crtro prdtrmado y, por tato, costtuy ua varabl xóga dl modlo. 7 Supomos qu l admstrador dl fodo s l msmo qu l tradr. Esto s quvalt a asumr qu o xst problmas d agca tr ambos. 8 El supusto d utraldad al rsgo por part dl prcpal s basa la da d qu l duño dl fodo d vrsó t la posbldad d dvrsfcar l rsgo mdat la dstrbucó d su rquza dsttos fodos strumtos facros adcuadamt corrlacoados. Por tato, auqu orgalmt l duño dl fodo pud sr avrso al rsgo, su acttud frt al rsgo s asmja a la d u dvduo utral al rsgo tal qu sus prfrcas dpd fudamtalmt dl rtoro sprado d las cartras. Al rspcto, como dca Stracca (26), gral la ltratura tórca d admstracó dlgada d cartras ha adoptado st msmo supusto. Not qu u cotxto qu la avrsó al rsgo s dcrct co la rquza, asumr utraldad al rsgo por part dl prcpal pud sr spcalmt plausbl para vrsostas qu pos u vl d rquza sufctmt alto. Para ua dscusó rfrt a los fctos qu st supusto pud tr sobr los rsultados dl prst artículo, vr subsccó 4.2.

9 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 5 Las dcsos d sfurzo y d slccó d cartras o so obsrvadas (o o so vrfcabls) por l duño dl fodo. S mbargo, ést s capaz d vrfcar las rtabldads d ambas cartras. Sa x k l rtoro grado por la cartra k cuado ocurr l stado d la aturalza. Supomos qu x k pud k tomar valors posbls tal qu x X ={ x,, x} para todo k = A, B. Por k smplcdad, asummos qu x < x 2 < x. Dotamos por p a la probabldad d ocurrca dl rtoro x k, tal qu s vrfca qu p k > para todo k k,, y p = =. 9 Admás, asummos qu l rtoro sprado d ambas cartras s sufctmt alto tal qu px k k I = > para todo k. Est supusto garatza qu l valor prst to sprado (asumdo ua tasa d dscuto gual a cro) asocado a ambas cartras s postvo, y por tato, quda dscartada la posbldad d vrtr cartras qu a pror pud sr calfcadas como fracasadas. S, por l cotraro, prmtésmos sta clas d cartras, u rtoro dmasado bajo podría sr altamt formatvo d u sfurzo muy bajo y, por d, l squma d ctvo óptmo o csaramt prmaría dsmpños dfcts. Por cosgut, st supusto s cosstt co stuacos qu s óptmo prmar l fracaso x post, pro dscarta la posbldad d prmar l fracaso x at. Es mportat otar qu tdmos l marco aalítco dsarrollado st artículo como u modlo d rfrca a partr dl cual s puda agrgar los fctos d otros lmtos qu fluy sobr los cotratos d jcutvos, tals como la slccó advrsa, los cotratos compltos o l carr cocr. Dsd ustro puto d vsta, l modlo más smpl ( tutvo) qu prmt cotar co dcho bchmark s u modlo clásco d rsgo moral. Por crto, st modlo s sólo u prmr paso y stá ljos d prtdr sr ua rspusta dftva al dsño d squmas compsatoros óptmos qu ctv la slccó d cartras d vrsó ovadoras. E coscuca, rcoocmos las lmtats d ustro aálss y la csdad d somtr la robustz d ustros rsultados a xtsos qu cosdr lmtos más ralstas l modlamto d los squmas d ctvos d jcutvos. 9 Not qu p k corrspod a la probabldad d qu l rtoro obsrvado sa x codcoal a qu la cartra scogda por l tradr (dcsó o obsrvada) s k. Agradcmos a u árbtro aómo por ayudaros a clarfcar los alcacs d st supusto. No obstat, st supusto o dscarta la posbldad d slccoar cartras co vls xcsvos d rsgo. Como s dscut la sccó Coclusos, st fómo aparc como ua xtsó atural dl modlo para sr abordada futuros trabajos.

10 52 Estudos d Ecoomía, Vol. 7 - Nº 4. Rsultados 4.. Codcos para u squma d ctvos o moótoo E sta sccó caractrzamos l squma d ctvos óptmo bajo l ambt d asmtría d formacó dscrto atrormt. Para llo, procdmos dos tapas. E prmr lugar, supomos qu l duño dl fodo d vrsó dsa qu l tradr slcco la cartra A. Bajo st supusto, cotramos las codcos qu posblta ua rlacó o moótoa l squma óptmo d compsacó (Proposcó ). E sgudo lugar, caractrzamos las codcos qu garatza qu l duño dl fodo d vrsó prfr fctvamt la cartra A lugar d la B (Proposcó 2). D st modo, bajo l supusto d qu l duño dl fodo d vrsó prfr la cartra A, l programa qu dtrma l cotrato óptmo stá dado por: 2 (4.) Max p x w( x ) { wx ( )} = = A s.a. ( ) (4.2) p A u( wx ( )) v ( h) U = (4.) p A p B uwx ( ( )) v( h) v( l) = ( ) dod (4.2) y (4.) corrspod a la rstrccó d partcpacó y rstrccó d compatbldad d ctvos, rspctvamt. Prvo a ucar ustro prcpal rsultado, cstamos la sgut dfcó. Dfcó. Dfmos LR, l cofct d vrosmltud (lklhood rato), como A p LR = B p para todo =,,. Sgú sta dfcó, LR dca qué ta bua sñal s l rsultado x dl hcho d qu l tradr haya slccoado la cartra A (quvaltmt, qu haya jrcdo u vl d sfurzo h ). Es dcr, LR rflja qué ta formatvo s l rtoro dl fodo x (obsrvado) rspcto d la dcsó d slccó d ua cartra d vrsó (o obsrvada o o vrfcabl). Lugo, cuato mayor sa LR, s más probabl qu l agt haya ralzado u sfurzo h cosstt 2 Not qu xclumos d la fucó objtvo dl prcpal la vrsó I por sr ésta ua varabl xóga.

11 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 5 co la cartra A. Por tato, s l prcpal dsa qu sa cartra sa lgda, la compsacó dbs sr más alta s s obsrva l rtoro x. S mbargo, ot qu sto o garatza qu l squma compsatoro srá crct l rsultado. Para llo s rqur qu l cofct d vrosmltud sa mootócamt crct l rsultado x, propdad coocda la ltratura d toría d cotratos como mooto lklhood rato proprty (MLRP). El posbl cumplmto d sta propdad os prmt prcsamt arrbar al sgut rsultado. Proposcó. S xst u par d rtoros x y x + tal qu LR LR+, tocs w ( x ) w ( x ). + Esta proposcó os prov ua codcó sufct para la prsca d algua o mootocdad l squma d compsacó óptmo dl tradr. Por lo tato, s la MLRP crct o s satsfac, o podmos dscartar la optmaldad d prmar o sólo altas, so també bajas rtabldads. Est últmo fómo podría sr spcalmt factbl la dustra facra s, como lo hmos supusto, la cartra A costtuy ua stratga d vrsó más ovadora qu la cartra B. E fcto, s usual qu sta mayor ovacó traga cosgo mayors rtoros sprados, pro també mayor volatldad. Por tato, s posbl qu rsult óptmo para l duño dl fodo d vrsó prmar al tradr cuado s obsrv rsultados xtrmos (ya sa sufctmt altos o sufctmt bajos) y castgarlo ( térmos rlatvos) cuado s obsrv rsultados trmdos. D st modo, pud rsultar fct prmar l fracaso, la mdda qu rtoros dfcts sa sufctmt dcatvos d u mayor sfurzo y cratvdad por formular stratgas d vrsó co u mjor prfl d rsgo-rtoro sprado. 4 Por crto, para qu u squma d ctvos co sta caractrístca ta partcular sa óptmo dsd l puto d vsta dl duño dl fodo s rqur crtas codcos. Estas últmas s rfr a las propdads d las dstrbucos d probabldad d los rtoros d ambas cartras y a los costos salarals asocados a la slccó d éstas. Estas codcos so sttzadas y formalzadas l sgut rsultado. Proposcó 2. El duño dl fodo prfrrá la cartra A sobr la cartra B s s vrfca la sgut codcó: A B = = A * * ( p p ) x > p w ( x ) w ( ). l Utlzado la trmología facra, podmos dcr qu la cartra A s ua vrsó más actva qu la cartra B l stdo d qu la prmra s alja más d u portafolo d rfrca qu la sguda. 4 La prtca d u prmo al fracaso ha sdo també platada para stmular procsos d ovacó y xploracó tcológca. Véas, por jmplo, Maso (2).

12 54 Estudos d Ecoomía, Vol. 7 - Nº Est rsultado sugr qu ua codcó csara para qu l duño dl fodo prfra la cartra A s qu su rtoro sprado supr a aquél d la cartra B. 5 S mbargo, s rqur admás qu sta dfrca rtoros sprados supr l mayor costo salaral qu sgfca para l duño dl fodo ducr la slccó d la cartra A lugar d la B. A su vz, st mayor costo salaral dpd postvamt d trs factors: () la mayor dsutldad qu sgfca jrcr u sfurzo alto dada por la dfrca v ( h ) v ( l ), () la volatldad d la cartra A, y () l grado d avrsó al rsgo dl tradr. Por lo tato, o basta co qu la cartra A sa más ovadora qu la cartra B, d tal modo qu promdo gr u mayor rtoro. S csta admás qu s mayor rtoro sprado xcda los mayors costos qu la cartra A mpo al agt térmos d mayor sfurzo jrcdo y mayor rsgo soportado Robustz d los rsultados Trs aspctos rlacoados co la robustz d los rsultados prcpals dl artículo so los sguts: () acttud dl prcpal frt al rsgo, () plausbldad dl cumplmto d la codcó d MLRP y () úmro d cartras dspobls para l agt. 6 Mtras los dos prmros aspctos so abordados a cotuacó, l tma dl spaco d cartras d vrsó s dscutdo la sgut sccó. Acttud dl prcpal frt al rsgo. Not qu ustros rsultados so váldos bajo l supusto d utraldad al rsgo por part dl duño dl fodo. E fcto, u rsultado clásco, la toría d cotratos sost qu s l prcpal y l agt so avrsos al rsgo, l cotrato óptmo db sr tal qu ambos soport part dl rsgo volucrado la rlacó cotractual ( st caso l rsgo d los rtoros d las cartras) proporcó a sus grados d avrsó al rsgo. E l cotxto d la Proposcó 2, sto sgfca qu dbmos cosdrar dos lmtos adcoals para garatzar qu l duño dl fodo fctvamt prfrrá la cartra A sobr la B. E prmr lugar, dsd l puto d vsta dl prcpal, ya o bastará co ctraros los rtoros sprados d ambas cartras, so admás dbmos tomar cuta la volatldad d éstas. E sgudo lugar, o sólo dbmos tomar cosdracó l grado d avrsó al rsgo dl tradr, so també aquél dl duño dl fodo. S mbargo, o podmos afrmar a pror qu stas cosdracos adcoals hará dmasado xgts las uvas codcos qu prmta garatzar qu l prcpal prfra la cartra A sobr la B. Esto s db a qu s b ahora l duño dl fodo també toma cuta la volatldad d las cartras, él pud traspasar part d s rsgo al tradr ua proporcó qu dpdrá d los grados d avrsó d ambas parts. 5 Esta propdad térmos d valors sprados s garatzada por la domaca stocástca d prmr ord d la cartra A sobr la B. No obstat, como l Corolaro stablc, l cumplmto d sta últma propdad garatza a su vz u squma d compsacó o moótoo. 6 Agradcmos a los árbtros por sugrr sta dscusó.

13 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 55 Plausbldad dl cumplmto d la codcó d MLRP. Es mportat otar qu muchas dstrbucos d probabldad tradcoals satsfac l supusto d MLRP, como la dstrbucó ormal y aquéllas prtcts a la famla d la dstrbucó xpocal (Mlgrom, 98). S mbargo, como dscut lustra Grossma y Hart (98, p. 24) y Callaud y Hrmal (2, p. 2), s bastat scllo cotrar jmplos razoabls d dstrbucos qu o cumpl sta propdad, y los qu u squma d ctvos o moótoo mrg como ua solucó acptabl. La razó prcpal para la plausbldad dl cumplmto d la codcó d MLRP s basa qu, u ambt d asmtría d formacó, l rsultado d la rlacó prcpal-agt cumpl ua dualdad d fucos. Por ua part, l rsultado mjora drctamt l bstar dl prcpal porqu l prmt accdr a mayors vls d cosumo. Adcoalmt, l rsultado srv també al prcpal como u strumto para frr l sfurzo (o obsrvado) dl agt. E crtas crcustacas, sos dos rols pud trar coflcto, hacdo la volacó d la codcó MLRP totalmt razoabl dsd u puto d vsta coómco (vr Grossma y Hart, 98, p. 9 y p. 28). E rlacó co st últmo puto, podmos agrgar u rsultado d caráctr técco. El sgut corolaro prsta ua codcó más furt (pro tal vz más tutva) qu l cumplmto d la MLRP, qu també prmt u squma compsatoro o moótoo. Corolaro. S xst u par d rtoros x, x+ < x, tal qu A pj j= j= tocs w ( x ) w ( x +). Por tato, ua codcó sufct adcoal para qu ua structura rmuratva óptma prm bajos rtoros s qu la cartra A o xhba ua domaca stocástca d prmr ord sobr la cartra B. 7 Coclumos sta sccó rtorado brvmt al jmplo d la sccó 2, d tal modo d vrfcar s las codcos para squmas d ctvos o moótoos caractrzadas por l modlo tórco s cumpl. E prmr lugar, obsrvmos qu st jmplo fctvamt o s satsfac la propdad d MLRP. E partcular, para x 2 > x, tmos qu: LR p B j = 2 LR < = 5, 2 y, por tato, aplcado la Proposcó, db vrfcars qu wx ( ) < wx ( )., 2 7 El jmplo prstado la sccó 2 lustra prcsamt sta stuacó. Not, s mbargo, qu l cumplmto d la domaca stocástca d prmr ord o mpd qu l rtoro sprado d la cartra A supr a aquél d la cartra B, como dcho jmplo mustra. Para ua dscusó más formal, vr Shakd y Shathkumar (994).

14 56 Estudos d Ecoomía, Vol. 7 - Nº E sgudo lugar, st jmplo tampoco s vrfca la propdad d domaca stocástca d prmr ord favor d gua d las dos cartras. 2 A 2 B E fcto, ot qu s b p = / 5< p = = = 5/ 6, també s cumpl qu p A = 25> 6= p B. Por cosgut, podmos aplcar l Corolaro, l qu també garatza u prfl d compsacos o moótoo. 5. Extsó: Nvl d Esfurzo No Baro 5.. Dscusó Co rspcto al supusto acrca dl spaco d los vls d sfurzo (quvalt al spaco d cartras dspobls ustro modlo), dstacamos qu l artículo tta adoptar la structura más smpl posbl para mostrar la posbldad d o mootocdads l squma compsatoro. E sa lía, hasta ahora hmos asumdo qu los vls d sfurzo so sólo dos (y por tato també l úmro d cartras dspobls). Para cojturar qué ocurrría s cosdrásmos u úmro mayor d opcos d cartras (pro aú fto), podmos rmtros a la ltratura prva. Esta ha mostrado qu cuado l sfurzo s ua varabl o bara, la mootocdad dl pla d ctvos rqur d supustos adcoals, y pud sr asgurada d dos maras: () co l cumplmto cojuto d la codcó d MLRP y l rqusto d ua fucó d dstrbucó cócava (CDFP) (Mrrls, 979), o () la propdad d spag codto (SC) (Grossma y Hart, 98). Por cosgut, st caso l cojuto d codcos qu prmtría qu dcha mootocdad o s cumpla sría más grad. E partcular, cluso s la codcó d MLRP s vrfcas, gualmt pud llgar a sr óptmo u squma d ctvos qu cluya u prmo al fracaso (u jmplo d sta stuacó s prstado Grossma y Hart, 98, p. 24). Por otra part, s cosdrásmos opcos o ftas d cartras, staríamos u ambt qu l vl d sfurzo sría ua varabl cotua. Callaud y Hrmal (2, p. 47) plata qu st marco d modlamto u squma d ctvos moótoos també rqur d la propdad d spag. Al sr sta últma ua codcó más furt qu MLRP, podmos coclur qu st caso la posbldad d o mootocdads també podría sr más alta qu lo qu l modlo co sfurzo baro admt. E gral, la ltratura d toría d cotratos mustra qu, al sofstcar l modlo básco d rsgo moral rlacó al spaco d accos dl agt, sólo s compljza l aálss térmos téccos, pro o s altra sustacalmt los rsultados térmos cualtatvos. 8 Dado qu ustro modlo s ua adaptacó muy smpl dl problma d rsgo moral clásco, podmos cojturar tocs qu auqu pud mrgr codcos adcoals para squmas d ctvos o moótoos al xtdr l spaco d vls d sfurzo, las codcos halladas las sccos atrors prmac sdo váldas. Por 8 Vr Callaud y Hrmal (2) para ua dscusó más dtallada sobr la covca d u modlo fto y más parsmooso.

15 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 57 tato, l msaj ctral dl artículo o parc dpdr crucalmt d s l úmro d opcos d cartras s fto o o. Para rforzar sta cojtura, a cotuacó prstamos u modlo scllo l qu auqu l vl d sfurzo (grado d ovacó d la cartra d vrsó) s ahora ua varabl cotua, l cumplmto d la propdad MLRP cotúa sdo ua codcó sufct para u squma d ctvos o moótoo U modlo co sfurzo cotuo Est modlo cosrva la mayoría d los supustos adoptados la sccó co rspcto al procso d dlgacó d admstracó d cartras d vrsó. La prcpal dfrca radca qu ahora la varabl rprsta l grado d ovacó d la cartra d vrsó qu l tradr pud scogr. Asummos qu l spaco d sta varabl d dcsó s cotuo tal qu,. El grado d ovacó pud sr vsto como la podracó qu l tradr po sobr tcologías, procdmtos y stratgas ovadors. Por cotrapartda, ( ) pud sr tddo como la podracó pusta por l tradr sobr tcologías, procdmtos y stratgas más covcoals. 9 E st cotxto, dfmos x como l rtoro grado por ua cartra d vrsó co u grado d ovacó cuado ocurr l stado d la aturalza. Asmsmo, dotamos por p a la probabldad d ocurrca dl rtoro x, tal qu s vrfca qu p > para todo,, y p =. Por smplcdad, supomos qu xst trs stados d la aturalza ( = ), tal qu x X x, x, x para todo, y qu x < x < x. 2 E térmos más ={ 2 } cocrtos, supomos qu dod γ p = 2 γ s x = x ( γ 2 ) + s x = x, 2 γ s x = x = > para todo y γ =. Not qu stas rstrccos sobr los parámtros γ ' s prmt qu ( p / ) > para = y =, pro ( p / ) < para = 2. Por tato, l hcho d qu u más alto cr- = 9 D acurdo a la trmología facra, podmos trprtar como l grado qu ua stratga d vrsó s actva, s dcr, s alja d ua cartra d rfrca, como por jmplo, u ídc accoaro. 2 Co l objto d aslar los fctos d cosdrar u spaco cotuo d accos, smplfcamos l aálss rspcto dl úmro d stados d la aturalza posbls. Por otra part, u spaco cotuo d stados d la aturalza o afcta las propdads d mootocdad dl squma óptmo d ctvos (para ua dscusó más formal, vr Callaud y Hrmal, 2).

16 58 Estudos d Ecoomía, Vol. 7 - Nº mt la probabldad d los vtos xtrmos s cosstt co la da d qu paramtrza l rsgo d la cartra d vrsó. Así també, sta formulacó mplca qu la propdad d MLRP o s cumpl. E fcto, s dfmos l lklhood rato como LR p = /, p s scllo vrfcar qu LR > LR2. 2 El prcpal s utral al rsgo y las prfrcas dl agt stá dscrtas por la sgut fucó d utldad adtvamt sparabl: U( w, ) = u( w) v( ). La fucó u() cosrva las msmas propdads dscrtas la sccó 2. Por otra part, dado qu asummos qu u mayor grado d ovacó rqur u mayor vl d sfurzo, supomos qu la fucó d dsutldad v() satsfac v ' '' > (dsutldad margal postva) y v > (dsutldad margal crct). 22 Admás, asummos qu u ambt co asmtría d formacó, la dcsó óptma dl prcpal uca s vtar cartras rsgosas (ovadoras). Formalmt, asummos qu: * * * 2 = = (5.) p x x > p w ( x ) w ( ), * * dod w * ( ) rprsta l salaro asocado al cotrato d prmr mjor qu duc u grado d ovacó = y w * ( x ) rprsta l salaro asocado al cotrato d sgudo mjor qu duc u grado d ovacó óptmo * (,. Not qu st supusto s aálogo a la codcó ucada la Proposcó 2 para l caso dl modlo co sfurzo baro. Lugo, s l prcpal dsa mplmtar l grado d ovacó (,, l cotrato óptmo rsulv l sgut problma: (5.2) M p w( x ) { w( x )} = = s.a. 2 E fcto, LR2 = < < = LR. + ( / γ 2 ) 22 Est supusto parc cosstt co lo obsrvado la práctca los mrcados facros. E fcto, las admstradoras d fodos mutuos sul cobrar por stratgas d vrsó actvas comsos más altas qu por stratgas d vrsó pasvas.

17 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 59 (5.) p u( wx ( )) v ( ) U = (5.4) = argmax p uwx ( ( )) v(), = dod (5.) rprsta la rstrccó d partcpacó y (5.4), la rstrccó d compatbldad d ctvos. Aplcado l foqu domado Frst Ordr Approach (Rogrso, 985), podmos rmplazar la sguda rstrccó por la codcó d prmr ord dl problma d sfurzo óptmo dl agt. 2 Esta codcó stá dada por: (5.5) γ uwx ( ( )) ( γ ) u( wx ( )) + γ uwx ( ( )) v'( ) =. 2 2 Asmsmo, s scllo vrfcar qu la rstrccó d partcpacó s cumpl co gualdad l óptmo: (5.6) p u( wx ( )) v ( ) = U. = Combado (5.5) y (5.6) obtmos qu: (5.7) w ( x ) = u ( U + v ( ) v'( )) u ( u ), 2 2 a partr d lo cual s posbl vrfcar qu: w ( x2) = v < ''( ). u'( u ( u )) Por tato, la mdda qu l duño dl fodo mutuo ds vrtr ua cartra co u mayor grado d ovacó, l cotrato cotdrá ua mor compsacó para l tradr caso d obsrvar u rtoro trmdo x = x 2. Al susttur (5.7) la rstrccó (5.5), tmos qu: (5.8) γ uwx ( ( )) ( γ ) u( u ( u )) + γ uwx ( ( )) v'( ) = 2 Not qu la cocavdad d p garatza la valdz dl foqu d prmr ord.

18 6 Estudos d Ecoomía, Vol. 7 - Nº D sta últma cuacó obtmos: wx ( ) = u ( γ ) uu ( ( u2)) γu( wx ( )) + v'( ) u 2 γ Lugo, l programa qu rsulv l cotrato óptmo s rduc a: Mγ w( x ) + γ u ( u ). wx ( ) La codcó d prmr ord d st problma s: u γ γ + γ = γ γ u'( u ( u )) wx ( ) u'( u ( u )) γ Esta últma gualdad mplca qu: (5.9) u'( w( x )) = u'( u ( u )) = u'( w( x )). ( u ). u'( w( x )) =. Dado qu la fucó u'( ) s strctamt dcrct, la últma cuacó mplca qu: (5.) w ( x ) = w ( x ), lo qu sgfca qu l squma rmuratvo óptmo xhb ua clara omootocdad al asgar la msma compsacó al tradr cuado l rtoro obsrvado s bajo ( x ) o alto ( x ). Tras susttur (5.) (5.8), obtmos qu: 2 γ uwx ( ( )) = v'( ) γ u( wx ( )) + ( γ ) uu ( ( u )). Rsolvdo para u(w(x )), cotramos qu: 2 (5.) w ( x ) = w ( x ) = u = u v'( ) + uu ( ( u2)) γ 2 v'( ) + uw ( ( x2)). γ 2 D sta últma xprsó s scllo comprobar qu dado qu v'( )/( γ 2) > y u () s ua fucó strctamt crct, s vrfca qu:

19 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 6 w ( x ) = w ( x ) > w ( x ). Esto mplca qu l squma óptmo d ctvos cluy u prmo x at al fracaso qu busca altar la coformacó d cartras d vrsó más ovadoras (rsgosas). Adcoalmt, ot qu dfrcado (5.) co rspcto a tmos qu: sg w ( x ) sg w ( = x ) = sg γ 2 2 >. Por tato, la mdda qu l duño dl fodo mutuo ds vrtr ua cartra co u mayor grado d ovacó, l cotrato cotdrá ua mayor compsacó para l tradr caso d obsrvar los rtoros xtrmos x y x. E suma, l modlo dsarrollado sta sccó lustra cómo los rsultados obtdos por u modlo co sfurzo baro (como aquél dsarrollado las sccos y 4) s mat cuado l sfurzo s ua varabl cotua. E partcular, s mat la valdz d las coclusos d la Proposcó l stdo d qu la volacó d la MLRP cotúa sdo ua codcó sufct para obsrvar o mootocdads l squma óptmo d ctvos Coclusos Est artículo studa, l cotxto d la admstracó dlgada d cartras, l dsño d squmas d ctvos óptmos para jcutvos. E partcular, s caractrza las codcos bajo las cuals dchos squmas admt ua rlacó o moótoa tr la compsacó pagada a los jcutvos y l dsmpño d las cartras bajo su admstracó. Estas codcos stá rlacoadas co los ctvos qu l fodo d vrsó db provr a sus jcutvos para stmularlos a qu xplor y propoga cartras d vrsó ovadoras, y para dsaltarlos a qu slcco cartras cosrvadoras o smplmt rplqu la cartra d mrcado. Co st objto, s posbl qu l cotrato óptmo dba prmar rtabldads xtrmas, ya sa éstas sufctmt altas o sufctmt bajas. E coscuca, ua surt d prmo al fracaso podría mrgr como u lmto váldo l squma óptmo d ctvos. Por crto, ua polítca dscrmada d prmos al fracaso pud grar ctvos prvrsos qu dsmboqu asucos xcsvas d rsgo, como aqullas obsrvadas l org d la actual crss facra. Ua prmra xtsó atural d st trabajo s, por tato, la clusó d stratgas d vrsó dmasado rsgosas qu prmta matzar los rsultados aquí obt- 24 El rsultado ucado la Proposcó 2 també s mat. E fcto, l supusto dscrto por la cuacó (5.) o s más qu la xtsó d la codcó caractrzada dcha proposcó para l caso qu l sfurzo s ua varabl cotua.

20 62 Estudos d Ecoomía, Vol. 7 - Nº dos, y collv u squma d compsacó qu dsctv coductas fraudultas y d rsk-shftg. Por últmo, rcoocmos las lmtats d ustras coclusos dbdo al caráctr básco dl modlo d rsgo moral adoptado st artículo. E coscuca, st modlo db sr trprtado como u marco d rfrca sobr l cual s pud adcoar lmtos más ralstas l modlamto d los squmas d ctvos d jcutvos. E st stdo, ua sguda xtsó dl trabajo aputa a somtr la robustz d ustros rsultados a lmtos qu fluy la rlacó cotractual, y qu ha sdo corporados profusamt por la ltratura d compsacó d jcutvos durat los últmos 2 años, tals como la slccó advrsa, la susttucó tr ctvos xplíctos mplíctos, y la o complttud d los cotratos. Rfrcas Admat, A.R. y Pfldrr, P. (997). Dos It All Add Up? Bchmarks ad th Compsato of Actv Portfolo Maagrs, Joural of Busss, 7 (), 2-5. Bolto, P. y Dwatrpot, M. (25). Cotract Thory, Th MIT Prss. Cadllas, A., Cvtac, J. y Zapatro, F. (27). Optmal Rsk-Sharg wth Effort ad Projct Choc, Joural of Ecoomc Thory, (), Callaud, B. y Hrmal, B.E. (2). Hdd Acto ad Ictvs, Tchcal Nots, Ecol Pots t Chaussé, Pars, y Uvrsty of Calfora, Brkly. Carptr, J.N. (2). Dos Opto Compsato Icras Maagral Rsk Apptt?, Joural of Fac, 55 (5), 2-2. Ch, H.L. y Pacch, G. (29). Dos Pror Prformac Affct a Mutual Fud s Choc of Rsk? Thory ad Furthr Emprcal Evdc, Joural of Facal ad Quattatv Aalyss, 44 (4), Dybvg, P.H.; Farsworth, H.K. y Carptr, J.N. (2). Portfolo Prformac ad Agcy, Th Rvw of Facal Studs, 2 (), -2. Garca, D. (2). Optmal Mus of Lar Cotracts Portfolo Slcto Modls, Workg Papr, Tuck School of Busss Admstrato. Gotzma, W.N.; Igrsoll, J. y Ross, S.A. (2). Hgh Watr Marks ad Hdg Fuds Maagmt Cotracts, Joural of Fac, 58 (4), Grossma, S.J. y Hart, O.D. (98). A Aalyss of th Prcpal-Agt Problm, Ecoomtrca, 5 (), Grubr, M. (996). Aothr Puzzl: Th Growth of Actvly-Maagd Mutual Fuds, Joural of Fac, 5, Hkl, R. y Stoughto, N.M. (994). Th Dyamcs of Portfolo Maagmt Cotracts, Th Rvw of Facal Studs, 7, Holmström, B. (979). Moral Hazard ad Obsrvablty, Bll Joural of Ecoomcs, (), Hvd, H.K. (22). Touramt Rwards ad Rsk Takg, Joural of Labor Ecoomcs, 2 (4),

21 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 6 Is, R.D. (99). Lmtd Lablty ad Ictv Cotractg wth Ex-At Acto Chocs, Joural of Ecoomc Thory, 52, L, T. y Zhou, Y. (26). Optmal Cotracts Portfolo Dlgato, Workg Papr, Th Chs Uvrsty of Hog Kog. Malkl, B.G. (995). Rturs from Ivstg Equty Mutual Fuds 97 to 99, Joural of Fac, 5 (2), Maso, G. (2). Motvatg Iovato, Workg Papr, MIT Sloa School of Maagmt. Mlgrom, P.R. (98). Good Nws ad Bad Nws: Rprstato Thorms ad Applcatos, Bll Joural of Ecoomcs, 2, 8-9. Mrrls, J.A. (976). Th Optmal Structur of Ictvs ad Authorty Wth a Ogazato, Bll Joural of Ecoomcs, 7, 5-. Mrrls, J.A. (979). Th Implcatos of Moral Hazard for Optmal Isurac, Smaro ofrcdo la Cofrca Hoor a Karl Borch, Brg, Noruga, Mmo. Ou-Yag, O. (2). Optmal Cotracts a Cotuous-Tm Dlgatd Portfolo Maagmt Problm, Th Rvw of Facal Studs, 6 (), Rogrso, W.P. (985). Th Frst-Ordr Approach to Prcpal-Agt Problms, Ecoomtrca, 5, Ross, S.A. (24). Compsato, Ictvs ad th Dualty of Rsk Avrso ad Rskss, Joural of Fac, 59 (), Shakd, M. y Shathkumar, J.G. (994). Stochastc Ordrs ad Thr Applcatos, Sa Dgo: Acadmc Prss. Starks, L.T. (987). Prformac Ictv Fs: A Agcy Thortc Approach, Joural of Facal ad Quattatv Aalyss, 22 (), 7-2. Stoughto, N.M. (99). Moral Hazard ad th Portfolo Maagmt Problm, Joural of Fac, 48 (5), Stracca, L. (26). Dlgatd Portfolo Maagmt: A Survy of th Thortcal Ltratur, Joural of Ecoomc Survys, 2 (5),

22 64 Estudos d Ecoomía, Vol. 7 - Nº Axos. Axo A: Prubas Pruba d la Proposcó. El Lagragao d st problma corrspod a: L ({ w ( x )}, λµ, ) = p [ x w ( x )] = A A +λ p u( wx ( )) v ( h) U = A B +µ[ [ p p ]( uwx ( )) v( ) + v( )] = h l dod λ y μ corrspod a los multplcadors d Lagrag asocados a las rstrccos (4.2) y (4.), rspctvamt. D las codcos d prmr ord d st problma, obtmos: () u ' ( w( x )) = + λ µ LR Aplcado las codcos d Karush-Kuh-Tuckr y argumtos tradcoals d la toría d cotratos (vr por jmplo Bolto y Dwatrpot, 25), s posbl vrfcar qu ambas rstrccos stá actvas, y por tato λ, µ >. E partcular, s la rstrccó d ctvos stá actva, d () s fácl advrtr qu los pagos varía co l rsultado: w(x ) varía drctamt co LR. D () obtmos: ( ) = (2) w x u λ + µ LR ' ( ) s ua fucó dcrct, Dado qu l agt s avrso al rgo, u ' y por d, u ' () també lo s. Admás, dado qu µ >, todo lo atror mplca qu: ( ) = ( ) sg wx ( ) wx ( ) sg LR LR, lo qu complta la pruba. Q.E.D. + +

23 Esqumas d ctvos y cartras / Go Loyola, Yolada Portlla 65 Pruba d la Proposcó 2. Prmro, s l prcpal dsa qu l agt slcco la cartra B, y por tato mplmtar l sfurzo bajo, la compsacó óptma corrspod a la compsacó óptma bajo smtría d formacó para * * s vl d sfurzo. Es dcr, w ( x) = w ( l) = u ( U + v ( l )) para todo a partr d la rstrccó d partcpacó actva. Sgudo, d lo atror y (4.), s posbl frr qu l prcpal prfrrá la cartra A sobr la B, s * * h l l Ex ( w ( x) ) > E( x ) w ( ), lo cual, dada la rlacó tr los vls d sfurzo y las cartras y dbdo a qu E ( ) s u oprador lal, s quvalt a: A B = = lo qu complta la pruba. Q.E.D. A * * ( p p ) x > p w ( x ) w ( ), Pruba dl Corolaro. Sgudo a Shakd y Shathkumar (994), ot qu ua codcó sufct para l cumplmto d la propdad d MLRP s qu la dstrbucó d probabldad d los rtoros d la cartra A o xhba ua domaca stocástca d prmr ord sobr aqulla d la cartra B. E l cotxto dl modlo, sta codcó corrspod a aqulla ucada l corolaro. Lugo, aplcado la Proposcó, l rsultado dl corolaro quda stablcdo. Q.E.D. l 2. Axo B: Cotrato óptmo bajo smtría d formacó E st axo caractrzamos l cotrato óptmo dl jmplo dscrto la sccó 2, bajo u ambt d smtría d formacó. E st cotxto, s l prcpal s utral al rsgo y l agt s avrso al rsgo, l prmro asgura compltamt al sgudo. Por tato, s vrfca qu wx ( )= w para todo. D la rstrccó d partcpacó actva s cumpl qu w = w() = 4. Es posbl vrfcar qu co l vl d sfurzo cosstt co l portafolo A (s dcr, = ), l prcpal obt ua utldad sprada d Ex ( w ( ) = ) = E( x = ) w ( = ) = 2 8 = 9. Por otra part, co l vl d sfurzo csaro para l portafolo B (s dcr, = ), l prcpal obt ua utldad sprada d

24 66 Estudos d Ecoomía, Vol. 7 - Nº Ex ( w ( ) = ) = E( x = ) w ( = ) = 8, = 82, Esto mplca qu l prcpal prfr qu l agt slcco la cartra A, y, por lo tato, l cotrato óptmo s: w * = 8 (, ) s s = =.

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO

TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO Facultad d Ccas Ecoómcas y Admstratvas TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO Rafal Sarmto Lotro RESUMEN La Toría d Cotratos també coocda como Ecoomía d la Iformacó, studa las coscucas d la xstca

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

Más detalles

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

Más detalles

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a

Más detalles

4.1 Procedimientos de inferencia para la distribución exponencial

4.1 Procedimientos de inferencia para la distribución exponencial 4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal

Más detalles

División 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción

División 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción Vrsó 014 CAITULO 4 OYECTO DE ELEMENTOS DE SUJECIÓN, ANCLAJE Y CIEE Dvsó Mcáca d Torllos Torllos d trasmsó Torllo d ajust y sujcó UTN-BB Cátdra: Elmtos d Máquas. rofsor: Dr. Ig. Marclo Tulo ova Vrsó 014

Más detalles

Multicupón no garantizado 07/09 1

Multicupón no garantizado 07/09 1 ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

EXAMEN DE TÉCNICAS CUANTITATIVAS III.

EXAMEN DE TÉCNICAS CUANTITATIVAS III. APEIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdr u vl d cofaza dl 95% (z=).. U mprsaro qur stmar l cosumo msual d lctrcdad ua comudad d 000 hogars dvddos 400

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA Uivrsidad Católica Adrés Bllo UIVERSIDAD CATOLICA ADRES BELLO Urb. Motalbá La Vga Apartado 068 Tléfoo: 47-448 Fa: 47-3043 Caracas, 0 - Vzula Facultad d Igiría Escula d Igiría Iformática -----------------------

Más detalles

8 Límites de sucesiones y de funciones

8 Límites de sucesiones y de funciones Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...

Más detalles

CAPÍTULO 2. Ecuación paraxial de Helmholtz.

CAPÍTULO 2. Ecuación paraxial de Helmholtz. CAPÍTLO Ecuacón paraal d Hlmholt. S dscut la posbldad d vsualar mdant un procsador óptco [1] a las solucons d la cuacón paraal d Hlmholt. Para llo s rala una comparacón d los rsultados obtndos consdrando

Más detalles

Análisis del caso promedio El plan:

Análisis del caso promedio El plan: Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas

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

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura T 4: grsos lls o lls TEMA 4. EGEIONE LINEALE LINEALE Y NO.. 3. Itroduccó 4. Nocltur 5. Llzcó Ajust grsó ll ll d últpl cucos 6. 7. 8. grsos EUMEN Progrcó o lls Mtlb Cálculo uérco Igrí T 4: grsos lls o lls.

Más detalles

Tema IV: Ruidos e Interferencias: Técnicas de reducción.

Tema IV: Ruidos e Interferencias: Técnicas de reducción. SCUA TÉCNICA SUPIO D INGNIOS INDUSTIAS Y D TCOMUNICACIÓN UNIVSIDAD D CANTABIA INSTUMNTACIÓN CTÓNICA D COMUNICACIONS (5º Curso Igría d Tlcomucacó) Tma IV: udos Itrrcas: Téccas d rduccó. José María Drak

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método

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

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

Más detalles

Capítulo 12. Introducción a la Termodinámica Estadística.

Capítulo 12. Introducción a la Termodinámica Estadística. Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part

Más detalles

TEMA 5: Efectos de los Rectificadores sobre la red de alimentación.

TEMA 5: Efectos de los Rectificadores sobre la red de alimentación. TEMA 5 : Efctos d los Rctificadors sobr la rd d alimtació TEMA 5: Efctos d los Rctificadors sobr la rd d alimtació. Ídic TEMA 5: Efctos d los Rctificadors sobr la rd d alimtació. 5..- Factor d Potcia....

Más detalles

Para que exista límite de una f(x) en un punto han de coincidir los límites laterales en dicho punto.

Para que exista límite de una f(x) en un punto han de coincidir los límites laterales en dicho punto. REPASO LÍMITES º BACH. RECORDAR: Para qu ista límit d una f() n un punto han d coincidir los límits latrals n dicho punto. A fctos dl f() no tnmos n cunta lo qu ocurr actamnt n a, sino n las a proimidads.

Más detalles

ANÁLISIS DE LOS REGISTROS DE OBSERVACIÓN. 1. MOAL. I. ESCUELA GRANDE.

ANÁLISIS DE LOS REGISTROS DE OBSERVACIÓN. 1. MOAL. I. ESCUELA GRANDE. ANÁLISIS DE LOS REGISTROS DE OBSERVACIÓN. 1. MOAL. I. ESCUELA GRANDE. El mastro impart la matria d Física y al iniciar un tma rscata los sabrs prvios d los alumnos sobr l tma, como s mustra a continuación:

Más detalles

61.1 6.1. SERIES NUMÉRICAS INFINITAS 6.2. SERIES DE TÉRMINOS POSITIVOS 6.3. SERIES ALTERNANTES 6.4. SERIES DE POTENCIAS

61.1 6.1. SERIES NUMÉRICAS INFINITAS 6.2. SERIES DE TÉRMINOS POSITIVOS 6.3. SERIES ALTERNANTES 6.4. SERIES DE POTENCIAS Cp. 6 Sris 6. 6.. SERIES NUMÉRICAS INFINITAS 6.. SERIES DE TÉRMINOS POSITIVOS 6.. SERIES ATERNANTES 6.. SERIES DE POTENCIAS Objtivo: S prtd qu l studit: Dtrmi covrgci o divrgci d sris. Empl sris pr rsolvr

Más detalles

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto

Más detalles

FÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD

FÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD APÉNDICE: FÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD Fórmula uificada d Kimbr Kimbr aglutia la xpricia d muchos años d sayos ralizados por l TRRL Gra Brtaña y propo ua fórmula uificada para l cálculo

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

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

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

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor

Más detalles

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.

Más detalles

Capítulo III. Colectivos estadísticos.

Capítulo III. Colectivos estadísticos. Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls

Más detalles

10 REGRESIÓN LINEAL SIMPLE

10 REGRESIÓN LINEAL SIMPLE Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para

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

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

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen. Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su

Más detalles

Problemas Resueltos. el radio de la órbita circular, y la energía tiene el valor GMm 2 = a GM. 0. Es decir, 2 T 4π. GMm

Problemas Resueltos. el radio de la órbita circular, y la energía tiene el valor GMm 2 = a GM. 0. Es decir, 2 T 4π. GMm Problmas sultos.0 Un satélit dscrib una órbita circular n torno a la Tirra. Si s cambia d rpnt la dircción d su vlocidad, pro no su módulo, studiar l cambio n su órbita y n su príodo. Al cambiar sólo la

Más detalles

TEMA 1: CALCULO DIRECTO DE LÍMITES

TEMA 1: CALCULO DIRECTO DE LÍMITES INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL

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

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS ANÁLISIS DE SISTEMAS ELECTÓNICOS EALIMENTADOS DESANECIMIENTO J.M. Mlá d la oca P. EDITOIAL MIL 6 CAACAS Esta obra s ncuntra rvsón; cualqur obsrvacón qu UD tnga s l agradc comuncarla al autor. jmmladroca@hotmal.com

Más detalles

Automá ca. Capítulo4.RespuestadeRégimenTransitorio

Automá ca. Capítulo4.RespuestadeRégimenTransitorio Automáca Capítulo.RputadRégmratoro JoéRamóLlataGarcía EthrGozálzSaraba DámaoFrádzPérz CarloorFrro MaríaSadraRoblaGómz DpartamtodcologíaElctróca IgríadStmayAutomáca Rputa d Régm ratoro Rputa d Régm ratoro..

Más detalles

Consumo de drogas en adolescentes. Dilema ético en el abordaje diagnóstico-terapéutico

Consumo de drogas en adolescentes. Dilema ético en el abordaje diagnóstico-terapéutico A Pdatr (Barc). 2009;70(4):386 390 www.lsvr.s/apdatr ARTÍCULO ESPECIAL Cosumo d drogas adolscts. Dlma étco l abordaj dagóstco-trapéutco J.L. Matalí Costa a,, M. Pardo Gallgo a, V. Trchs Saz d la Maza b,

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

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

TEMAS 3-6: EJERCICIOS ADICIONALES

TEMAS 3-6: EJERCICIOS ADICIONALES TEMAS 3-6: EJERCICIOS ADICIONALES Asignatura: Economía y Mdio Ambint Titulación: Grado n cincias ambintals Curso: 2º Smstr: 1º Curso 2010-2011 Profsora: Inmaculada C. Álvarz Ayuso Inmaculada.alvarz@uam.s

Más detalles

APLICACI ONES DE LA FUNCI ÓN

APLICACI ONES DE LA FUNCI ÓN APLICACI ONES DE LA FUNCI ÓN GENERADORA DE MOMENTOS Adrés Camlo Ramírz Gaa adrs.camlo.ramrz@gmal.com Trabajo d Grado para Opar por l Tulo d Mamáco Drcor: Bgo Lozao Rojas Esadísco Uvrsdad Nacoal d Colomba

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

ANÁLISIS DEL AMPLIFICADOR EN EMISOR COMÚN

ANÁLISIS DEL AMPLIFICADOR EN EMISOR COMÚN ANÁLISIS DL AMPLIFIADO N MISO OMÚN Jsús Pizarro Pláz. INTODUIÓN... 2. ANÁLISIS N ONTINUA... 2 3. TA D AGA N ALTNA... 3 4. IUITO QUIALNT D ALTNA... 4 5. FUNIONAMINTO... 7 NOTAS... 8. INTODUIÓN l amplificador

Más detalles

Definición de alternador

Definición de alternador F. R. Quntla, R. C. Rdondo (Unvrsdad d Salamanca). M. M. Rdondo (Endsa). Rsumn En st artículo s comnta la dfncón d 'altrnador' d la últma dcón dl Dcconaro d la Ral Acadma Española, y la qu la sustturá

Más detalles

UNIDAD 13. 1.- Places (lugares) Actividad: Escribe en español los lugares que puedes encontrar en una ciudad

UNIDAD 13. 1.- Places (lugares) Actividad: Escribe en español los lugares que puedes encontrar en una ciudad UNDAD 13 E a uidad aprdrás los siguits tmas: 1.-ugars 2.-Prposicios 3. Dar dirccios 1.- Placs (lugars) Actividad: Escrib spañol los lugars qu puds cotrar ua ciudad Ejmplo: 1.- scula 11.- 2.- oficia poal

Más detalles

11 INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS)

11 INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS) INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS) Los sistmas o lials pud llgar a tr comportamitos ralmt sorprdts alguos casos: por u lado pud llgar a tr diámicas totalmt difrts sgú l valor qu

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

- SISTEMA DE INFORMACION DE GESTION -

- SISTEMA DE INFORMACION DE GESTION - - SISTEMA DE INFORMACION DE GESTION - INFORME Nº 4 Jf d División y Encargados d Cntros d Rsponsabilidad NIVEL 2 GOBIERNO REGIONAL DE MAGALLANES Y ANTARTICA CHILENA - DICIEMBRE 2008 - 1 Mta Mdidas Rsponsabl

Más detalles

Cálculo de incertidumbres en la medida de caudales en ríos y canales: herramientas y aplicaciones prácticas innovadoras

Cálculo de incertidumbres en la medida de caudales en ríos y canales: herramientas y aplicaciones prácticas innovadoras Cálculo d icrtidumbrs la mdida d caudals ríos y caals: hrramitas y aplicacios prácticas iovadoras Jorg Hlmbrcht 1, Jsús Lópz 2, Jua José Villgas 3 Watr Ida 1, YACU 2, Agècia Catalaa d l Aigua 3 jh@watrida.u,

Más detalles

I.AURIOL - E.OLIVERA ) convexity for the set of equilibrium in n-person cyclic game s wit h. en en los cuales la función de pago de

I.AURIOL - E.OLIVERA ) convexity for the set of equilibrium in n-person cyclic game s wit h. en en los cuales la función de pago de Rvsta d a U ó Matmátca Agta Voum 9 994 I INTRCAMBIABILIDAD DL CNUNT D PUNTS D QUILIBRI N UGS N-PRSNALS C CL ICS IAURIL - LIVRA ) Abstact I ths pap w show th quvac of tchagabt ad covxt fo th st of qubum

Más detalles

Tasa de interés de créditos otorgados por la banca múltiple en el Perú

Tasa de interés de créditos otorgados por la banca múltiple en el Perú Pensamiento Crítico Vol.17. N 2, pp. 27-34 Tasa de interés de créditos otorgados por la banca múltiple en el Perú Mg. Gaby Cortez Cortez Resumen La estructura de las tasas de interés activas que se cobran

Más detalles

Tema 5. Contraste de hipótesis (II)

Tema 5. Contraste de hipótesis (II) Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.

Más detalles

3. Cálculo y dimensionado

3. Cálculo y dimensionado Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas

Más detalles

ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.)

ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.) ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS OOS. (Resolució por JMEB.) 1. Defiició. El problema cosiste e calcular la catidad de cocos que había iicialmete e u motó que... ierto día se reuiero moos para recoger

Más detalles

III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS

III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS.. FUNCIÓN EXPONENCIAL n Hmos stado manjando n st trabajo prsions dl tipo n dond s una variabl llamada bas n una constant llamada ponnt, si intrcambiamos d lugar

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

al siguiente límite si existe: . Se suele representar por ( x )

al siguiente límite si existe: . Se suele representar por ( x ) UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D

Más detalles

Definición de la Metodología de Carga Laboral. Análisis de las Brechas de Recursos Humanos abril 2010.

Definición de la Metodología de Carga Laboral. Análisis de las Brechas de Recursos Humanos abril 2010. V REUNIÓN COMISIÓN TÉCNICA DE DESARROLLO DE RECURSOS HUMANOS EN SALUD METODOLOGIA PARA CALCULO DE NECESIDADES DE PERSONAL MEDICO Y DE NEFERMERIA EN HOSPITALES, CON BASE A CARGA DE TRABAJO: PROCESO DE ELABORACIÓN

Más detalles

DISENO DE UN CONTROLADOR PIO AUTOSINTONIZADO MEDIANTE LOGICA BORROSA Miguel Strefezza Bianco

DISENO DE UN CONTROLADOR PIO AUTOSINTONIZADO MEDIANTE LOGICA BORROSA Miguel Strefezza Bianco 40. SBAI-Simpósio Brasiliro d Automação Itligt, São Paulo, SP, 08-10 d Stmbro d 1999 DISENO DE UN CONTROLADOR PIO AUTOSINTONIZADO MEDIANTE LOGICA BORROSA Migul Strfzza Biaco Yasuhiko Dot Uivrsidad Sim6

Más detalles

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly CAPÍTULO III MODELOS DE REGRESIÓN LOGÍSTICA 3. ANTECEDENTES La rgrsó logístca s ua d las

Más detalles

Potencial periódico Término de corrección Término sin de segundo orden perturbación Término de corrección de primer orden

Potencial periódico Término de corrección Término sin de segundo orden perturbación Término de corrección de primer orden Bds d rgí otdo Tor d Boch. Torí d ctró cs r.org d ds. Modo d Krog-Py. jo. stdo Sódo Potc áss otc qu s usó áss tror fu u otc tt. s áss d uy u rsutdo s s ctr trs tá us ocurr u tto d ctros. S rgo, otros trs

Más detalles

Gráfica 5.2 Acetato de cobalto 0.01M de 190 a 800nm con una absorbancia de 3.344 y λ 198.8 nm

Gráfica 5.2 Acetato de cobalto 0.01M de 190 a 800nm con una absorbancia de 3.344 y λ 198.8 nm 5- Resultados 5.1- Espectrofotometría UV/Vis de los reactivos Gráfica 5.1 Peroximonosulfato de potasio 0.01M de 190 a 800nm con una absorbancia de 365 y λ 193 nm Gráfica 5.2 Acetato de cobalto 0.01M de

Más detalles

SÍLABO DEL CURSO DE AUDITORIA DE MARKETING

SÍLABO DEL CURSO DE AUDITORIA DE MARKETING SÍLABO DEL CURSO DE AUDITORIA DE MARKETING I. INFORMACIÓN GENERAL: 1.1 Facultad: Ngocios 1. Carrra Profsioal: Admiistració y Marktig 1.3 Dpartamto: ------------- 1.4 Rquisito: Dircció Comrcial 1.5 Priodo

Más detalles

Anexo V "Acuerdos de Sistemas para la Facturación' del Convenio poro la Comercialización o Reventa de Servicios

Anexo V Acuerdos de Sistemas para la Facturación' del Convenio poro la Comercialización o Reventa de Servicios Anxo V "Acurdos d Sistmas para la Facturación' dl Convnio poro la Comrcialización o ANEXO V ACUERDOS DE SISTEMAS PARA LA FACTURACIÓN QUE SE ADJUNTA AL CONVENIO PARA LA COMERCIALIZACIÓN O REVENTA DE SERVICIOS

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

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS Dpartamto d Matmáticas. IE.S. Ciudad d Arjoa º Bach Socials. LÍMITES Propidads: TEMA : LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS. LÍMITES. LÍMITE DE UNA FUNCIÓN EN UN PUNTO. LÍMITES. RESOLUCIÓN DE INDETERMINACIONES.

Más detalles

COMPUTACIÓN. Práctica nº 2

COMPUTACIÓN. Práctica nº 2 Matmáticas Computación COMPUTACIÓN Práctica nº NÚMEROS REALES Eistn algunos númros irracionals prdfinidos n Maima como son l númro π l númro qu s corrspondn con los símbolos %pi % rspctivamnt. Otros númros

Más detalles

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit límit si ist: f f ' lím sigifica lo mismo.

Más detalles

El Verdadero Cálculo de la Devaluación

El Verdadero Cálculo de la Devaluación El vrdadro alulo d la Dvaluaión El Vrdadro Cálulo d la Dvaluaión Riardo Botro G. rbgstoks@hotmail.om Casi a diario nontramos n la prnsa onómia inormaión omo sta El día d ayr la tasa rprsntativa dl mrado

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

REPRESENTACION GRAFICA.

REPRESENTACION GRAFICA. REPRESENTACION GRAFICA. Calcular puntos notabls así como intrvalos d monotonía y curvatura d: ² - = 0 ; ² = ; = son los valors d qu anulan l dnominador D = R- y () = 0 ; - 4 = 0 ; = 0 posibl ma, min Monotonia:

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Diseño analógico de controladores digitales.

Diseño analógico de controladores digitales. CAPIULO 4 Dsño aalógco cotrolaors gtals. Aqul qu o ha fracasao s orqu uca ha ttao algo uvo Albrt Est. Coto: ma 4.: Cotrolaors PID gtals ma 4.: Rsño utlao la rtroalmtacó stao. ma 4.3: Métoos sño utlao la

Más detalles

La tasa de interés y sus principales determinantes

La tasa de interés y sus principales determinantes La tasa d ntrés y sus prncpals dtrmnants 1. INTRODUCCIÓN Rchard Roca * Uno d los tmas qu domna l dbat académco d los últmos años s sobr las tasas d ntrés. Los mprsaros sñalan qu todavía sta muy alta y

Más detalles

2. Utilizando el método adimensional basado en el factor de calidad Q, determine:

2. Utilizando el método adimensional basado en el factor de calidad Q, determine: Uivrsidad Simó Bolívar Dpartamto d Covrsió y Trasport d Ergía Autor: Eduardo Albaz. Cart: 06-391 Profsor: J. M. Allr Máquias Eléctricas II CT-311 U motor d iducció coxió strlla d 100 kw, 416 V, rdimito

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE MATEMÁTICAS Y CULTURA B O L E T Í N 23.04.20 No. 273 COORDINACIÓN DE MATEMÁTICAS MATEMÁTICAS MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE E l Boltí Matmáticas Y Cultura No. 257 dl 23 d abril

Más detalles

Movilidad Social y Desigualdad Económica 1

Movilidad Social y Desigualdad Económica 1 ovldad Socal y Dsgualdad Económca Juan Prto Rodríguz Unvrsdad d Ovdo Avda. dl Crsto s/n 3307 Ovdo Tl: +34 985 03768. E-mal: jprtor@unov.s Juan Gabrl Rodríguz Unvrsdad Ry Juan Carlos Campus d Vcálvaro 28032

Más detalles

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA : Problma Nº 5.3 Opphim Obsrv l siguit sistma: Dtrmi y() Solució: El traycto d arriba produc, al multiplicar por Cos(/), traslació dl spctro

Más detalles

Teoría de errores. Tema 4

Teoría de errores. Tema 4 Toría d rrors Tma 4 Tma 4 Toría d rrors 4. El rror rdadro 4. Clasfcacó d rrors Sgú las causas qu los prooca Sgú los fctos qu produc 4.3 Ly d rrors d Gauss Postulados d Gauss y dstrbucó d rrors Valor más

Más detalles

Estadística Teórica II

Estadística Teórica II Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa

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

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito.

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito. MATEMÁTICAS 24, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES JOHN GOODRICK. Para cada sucesió ifiita abajo, determie si coverge o o a u valor fiito. (a) {! } e = (a): No coverge. El úmero e está etre

Más detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,

Más detalles

Valledupar como vamos: Demografía, Pobreza y Pobreza Extrema y empleo.

Valledupar como vamos: Demografía, Pobreza y Pobreza Extrema y empleo. Valldupar como vamos: Dmografía, Pobrza y Pobrza Extrma y mplo. Tradicionalmnt l programa Valldupar Cómo Vamos, lugo d prsntar la Encusta d Prcpción Ciudadana (EPC), raliza la ntrga d Indici d Calidad

Más detalles

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,... TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s

Más detalles

MECÁNICA ESTADÍSTICA

MECÁNICA ESTADÍSTICA FAyA Lccatura Químca Físca III año 26 MÁIA SADÍSIA IRODUIÓ ROBABILIDAD robabldad s la cuatfcacó d la spraza dl rsultado d u xprmto o vto. S l posbl rsultado d u xprmto s A la probabldad d qu ocurra A s

Más detalles

Tomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos

Tomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos Capíulo. La fucó d pacó ) Spaacó d la fucó d pacó S ha dmosado aom - / k [.] La ía dl l s ual a: k [.] + + + [.] + S los ados d lbad o accoa [.4] - / k - / k... [.5] ) Fucó d pacó lcóca omado como l d

Más detalles

Exportación e Importación en formato XML

Exportación e Importación en formato XML Exportcó Importcó formto XML Tléfoo (506) 2276-3380 Fx (506) 2276-3778 d@c.co.cr www.d.com 1 Exportcó d Iformcó formto XML Pr xportr dto dd lpho formto XML, l mú Admtrcó, cutr l opcó Exportr S motrrá l

Más detalles

Estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.

Estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta. PRUEBAS DE BONDAD DE AJUSTE Estas prubas prmitn vrificar qu la población d la cual provin una mustra tin una distribución spcificada o supusta. Sa X: variabl alatoria poblacional f 0 (x) la distribución

Más detalles