Teoría de Juegos Aplicada a Problemas de Bancarrota

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

Download "Teoría de Juegos Aplicada a Problemas de Bancarrota"

Transcripción

1 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. de Utrera, Km SEVILLA. Telf.: Fax: e-mal: fguecas@dee.upo.es mahram@dee.upo.es fsasa@dee.upo.es Resume E ua stuacó de bacarrota adquere gra relevaca la cuestó de cómo dvdr el valor eto de la empresa etre sus acreedores. E este trabajo se da respuesta a este problema ecoómco usado reglas de reparto para problemas de bacarrota. Se usará como strumeto la Teoría de Juegos, e partcular os cetraremos e los Juegos Cooperatvos, y defremos el Juego de Bacarrota asocado co los Problemas de Bacarrota a través de la defcó de Juego de Bacarrota, dcado coceptos de solucó e dcho juego. Se ha realzado ua aplcacó al Pla de Ayudas a la Ivestgacó e Adalucía para el año 2001, e el que se calculará el valor de Shapley, el ucleolo y el τ -valor. Abstract I a stuato of bakruptcy the ma questo s how to dvde the et value of the compay amog ts credtors. I ths job we wll solve ths ecoomc problem usg allocato rules for bakruptcy problems. We wll use Game Theory, partcularly we wll focus Cooperatve Games ad we wll defe the bakruptcy game assocated wth bakruptcy problems through the defto of bakruptcy game, we wll dcate the cocepts of soluto for ths game. We have doe a applcato about Grat allocato Adaluca, where the value of Shapley, the ucleolus ad the τ - value have bee calculated. Palabras Clave: Problemas de Bacarrota, Teoría de Juegos, valor de Shapley, ucleolo, τ-valor.

2 1. Itroduccó Ua stuacó de bacarrota colleva muchos problemas, etre ellos adquere gra relevaca la sguete cuestó ecoómca: cómo debe dvdrse el valor eto de la empresa etre sus acreedores? Nos ecotramos ate ua stuacó e la que hay u problema de dstrbucó, hay que asgar ua catdad sufcete que o es capaz de satsfacer las demadas de todos los agetes mplcados e el reparto. Habrá que resolver este tpo de cuestoes usado certos procedmetos que permta aplcar reglas co algú crtero étco y operacoal y que, e certa forma, las aspracoes de los acreedores sea satsfechas. E este trabajo se pretede dar respuesta a este problema ecoómco usado como strumeto la Teoría de Juegos, e partcular os cetraremos e los Juegos Cooperatvos, que e la stuacó que aquí estudamos se deoma Juegos de Bacarrota. Los problemas de bacarrota ha sdo amplamete estudados, el aálss ecoómco los efoca desde dos perspectvas dferetes. La prmera a través de ua aproxmacó al juego teórco, dode u problema de bacarrota es formulado como u juego de utldad trasferble o como u problema de egocacó (O Nell (1982), Auma y Maschler (1985), Curel, Maschler y Tjs (1987), Daga y Volj (1993)). La seguda perspectva es el método axomátco, dode las solucoes so caracterzadas e térmos de propedades (Herrero, Maschler y Vllar (1999), Thomso (2001), Moul (2001), Herrero y Vllar (2001)). Nuestro trabajo se emarca e la prmera perspectva y e cocreto se desarrolla como u juego de utldad trasferble. 2. Reglas de Reparto e Problemas de Bacarrota Cosderamos stuacoes dode ua propedad o estado E va a ser dvddo etre demadates o acreedores. El cojuto de demadates se deotará como N={1, 2,..., }. El acreedor demada ua catdad d de la propedad E. El problema que se platea es cómo dvdr la propedad E de la empresa que ha quebrado etre todos los acreedores. Buscaremos reglas de reparto que aplque algú crtero de asgacó que sga u razoameto étco y operacoal. U problema de bacarrota será u par (E; d), dode d es el vector de demadas de los acreedores d = (d 1,..., d ), cuyas compoetes está ordeadas e setdo crecete. El problema de reparto surge porque la propedad que se va a dvdr es sufcete para satsfacer las demadas de todos los acreedores, es decr, 0 E d d = D. A partr de ahora deotaremos por d(n\{})= d j, a la suma de las demadas de todos los acreedores salvo la del demadate. j N \{} Defcó 2.1. Etederemos ua regla de dvsó o reparto como ua fucó f que asga a cada problema de bacarrota (E; d) ua solucó f(e; d)=(f 1,..., f ) tal que se cumpla: ) Racoaldad Idvdual: f 0, N ) Efceca: f = E N

3 2.1. Reglas de Reparto Ed Regla de Reparto Proporcoal: ésta asga al demadate la catdad de. D Cada demadate obtee ua fraccó de los actvos que es proporcoal a su partcpacó e las demadas totales. Regla de Gaaca Igualtara o Costrat Equal Award (regla-cea): es ua regla de reparto que otorga la msma catdad a todos los demadates, s dar a cualquer agete más de lo que demada. Esta regla da prordad a los agetes co demadas más pequeñas, éstos recbe relatvamete más que los agetes que tee demadas más elevadas. Itutvamete el proceso es el sguete: se reparte la propedad E etre los demadates a partes guales, de forma que a cada uo se le asga calmete E. S u acreedor demada ua catdad feror a la que calmete se le ha asgado ésta se reducría hasta la demada del agete (como crtero esta regla uca asga ua catdad superor a la demada de cada acreedor). La catdad que ha sobrado del demadate se reparte a partes guales etre el resto, y se empezaría de uevo todo el proceso para el resto de demadates hasta llegar al últmo. S embargo s la demada del agete es más elevada que la catdad cal que se le asga etoces éste recbe dcha catdad cal. Matemátcamete la regla de reparto asga al demadate la catdad CEA (E; d)=m{α, d }, co α tal que m{ d ; α } = E, para cada problema de bacarrota (E, d) y cada N. Deotaremos por CEA(E; d)=(cea 1 (E; d),..., CEA (E; d)) al vector de repartos dode cada compoete de éste represeta la asgacó que la regla realza a cada demadate. Regla de Pérdda Igualtara o Costrat Equal Loss (regla-cel): el reparto se efoca e las pérddas e las que puede currr los demadates (ade puede recbr ua catdad egatva) de forma que todas las pérddas sea guales. La regla da prordad a los agetes co demadas más elevadas, éstos recbe ua catdad ates que los agetes co demadas meores. Es u procedmeto que se suele aplcar cuado las demadas está relacoadas co ecesdades, por ejemplo e el apoyo públco del gasto e salud. El proceso se desarrollaría de la sguete forma: sumamos las demadas de todos los agetes (D) y obteemos qué catdad es la que falta para cubrr las demadas de D E éstos (D-E), ésta catdad se dvde a partes guales etre los demadates, lo que os da la pérdda e las demadas que sufrrá cada uo de ellos. E la prmera fase al prmer demadate se le asga la dfereca etre su demada y la pérdda D E d1, s esta catdad es postva se le asga drectamete e el reparto, metras que s es egatva o se le asgaría ada, y dcha catdad egatva se qutaría a partes guales de las demadas del resto de agetes, y se seguría el msmo proceso co el resto de agetes. Matemátcamete esta regla de reparto asga al demadate el CEL (E;d)=max{d -β, 0}, dode β es tal que max{ 0; d β } = E, para cada

4 problema de bacarrota (E;d) y cada N. Deotaremos por CEL(E;d)=(CEL 1 (E;d),..., CEL (E;d)) al vector de repartos dode cada compoete de éste represeta la asgacó que la regla realza a cada demadate. Método de Realzacó Recursva (O'Nell, 1982): supogamos que los demadates llega e orde para establecer sus demadas (uo después de otro). El que llega e prmer lugar, s hay propedad sufcete, recbría lo que demada. De lo que queda de la propedad después de que el prmero haya recbdo su parte, el segudo demadate també recbe lo que reclama (sempre que quede propedad por repartr), es decr, el crtero que se sgue es que cada demadate que llega recbe su demada o lo que queda de la propedad después de que los demadates que llegaro ates haya recbdo su parte. El resultado esperado de este procedmeto s todos los órdees de llegadas 1 so cosderados gualmete probables es el msmo que el método de realzacó recursva. Esta forma de ver el método de realzacó recursva sugere la sguete expresó: 1 RC ( E; d ) = x π.! π Π Dode deotamos por RC (E;d) la catdad asgada al demadate por el método π de realzacó recursva; x es la catdad asgada al demadate e el orde π, y es tal que: d s E d j + d j P ( π, ) π x = E d j s 0 E d j d j P ( π, ) j P ( π, ) 0 s E d j j P ( π, ) co π ua ordeacó o permutacó del cojuto de demadates y deomemos P(π, ) al cojuto de demadates de N que precede al demadate e la ordeacó π. Deotaremos por RC(E; d)= (RC 1 (E; d),..., RC (E; d)) al vector de repartos dode cada compoete de éste represeta la asgacó que la regla realza a cada demadate. La catdad que asga esta regla a cada acreedor es ua meda de todas las asgacoes que recbe el agete e cualquera de las permutacoes de los demadates. Regla del Be Dsputado o Cotested Garmet Cosstet (Regla-CG) (Auma y Maschler, 1985): sea CG(E; d) la solucó asgada por la regla-cg para u problema de bacarrota (E; d). Etoces: N d CEA E; 2 CG ( E; d) = d d CEA D E; 2 s s 1 E D 2 1 E D 2

5 dode la regla-cea se cometó e apartados precedetes. Deotaremos por CG(E; d)= (CG 1 (E;d),..., CG (E;d)) al vector de repartos dode cada compoete de éste represeta la asgacó que la regla realza a cada demadate. Ajuste Proporcoal o Regla-AP: Curel, Maschler y Tjs (1987) propoe ua regla de dvsó que es ua composcó de la regla proporcoal. Icalmete cada demadate recbe lo que vamos a llamar los mímos derechos de éste, que deotaremos por m de tal forma que s queda algo de la propedad que se reparte después de haber asgado las demadas al resto de acreedores, ésta catdad se le asgaría al demadate. Formalmete los mímos derechos sería: = max 0; E d( N \ { }) m { } Después de repartr los mímos derechos tedremos ua ueva catdad para repartr que será E =E-m(N), dode m( N) = m es la suma de los mímos N derechos de todos los acreedores. Desde que el demadate ha recbdo su mímo derecho, su demada se reduce e dcha catdad y ésta ueva reclamacó quedaría establecda e d = d - m. Se cosdera rracoal demadar más de la catdad que hay dspoble, así cada demada mayor que E ' es trucada por E '. Se defe las uevas demadas como d, co d = m{e ' ; d } 0 para cada N. Sea AP(E; d) el resultado de ua regla-ap para u problema de bacarrota (E;d) y sea m u vector cuyas coordeadas so los derechos mímos (m ) de los acreedores ( N). Deotaremos por AP(E; d)=(ap 1 (E;d),..., AP (E;d)) al vector de repartos dode cada compoete de éste represeta la asgacó que la regla realza a cada demadate. Etoces: m s E' = 0 '' ' AP( E; d) = d E m + s E' > 0 '' d N 3. El Juego de Bacarrota Sea N={1,..., } u cojuto de agetes que puede alcazar medate la cooperacó ua catdad máxma v(n) de u certo be. Deomamos coalcó a cualquer subcojuto o vacío de N, es decr, ua coalcó o es más que u grupo de dvduos. A cada coalcó S podemos asocarle u úmero v(s) que represeta la catdad o pago máxmo del be que los jugadores puede garatzarse, depedetemete de lo que haga los otros jugadores. A la fucó v, que dca las catdades del be que cada coalcó puede cosegur se deoma fucó característca. Veamos que para cada problema de bacarrota (E; d) se puede defr u juego cooperatvo (N, v). El cojuto de jugadores e el juego de bacarrota será el msmo que el cojuto de demadates del problema de bacarrota. El valor de la coalcó S e el juego se defe como la propedad que se reparte, que o es reclamada por los demadates que o perteece a la coalcó S. Deotaremos por d(s) a la suma de las demadas de todos los acreedores que forma parte de la coalcó S, y por

6 d(n\s) a la suma de las demadas de todos los agetes que o forma parte de la coalcó S. Defcó 3.1. U juego cooperatvo (N, v) es u juego de bacarrota s exste u problema de bacarrota (E; d) tal que: v(s)=max{0; E-d(N\S)} para todo S N. El valor de cada coalcó v(s) es ua valoracó pesmsta de lo que ésta puede lograr, prmero reparte a los demadates que o está e la coalcó y s después de dcha asgacó queda algo, eso sería lo que la coalcó S podría cosegur. Uo de los problemas que se platea la Teoría de Juegos Cooperatvos es cómo repartr etre los dversos jugadores la utldad dspoble e el juego. Para ello se propoe dsttas solucoes, pasamos a abordar coceptos de solucó e el Juego de Bacarrota. Defcó 3.2. (Shapley, 1953) El valor de Shapley de u juego (N, v) es u vector Φ(N, v)=(φ 1 (N, v),..., Φ (N, v)) cuyas compoetes se obtee medate la sguete expresó: s!( s 1)! Φ ( N, v) = S S N \! ( v( S { } ) v( )), N dode y s so los cardales de N y S respectvamete. El valor de Shapley se obtee a partr de las cotrbucoes margales de cada jugador a las dsttas coalcoes. O Nell (1982) demostró que el reparto e el problema de bacarrota (E; d) a través del método de realzacó recursva cocde co la solucó que se obtee e el correspodete juego de bacarrota (N, v) a través del valor de Shapley. Teorema 3.3. Sea (E; d) u problema de bacarrota y sea (N, v) el correspodete juego de bacarrota. Etoces se cumple RC(E; d)=φ(n, v). Otro reparto para u juego de bacarrota es el que se obtee a través del ucleolo, ates de defr esta solucó es precso troducr alguos coceptos prevos. Defcó 3.4. Para el juego (N, v), el exceso de la coalcó S co respecto al vector x=(x 1,..., x 2 ) se defe como: e ( S, x) = v( S) x. S Defcó 3.5. U vector m-dmesoal, x, es lexcográfcamete meor que otro vector m-dmesoal, y, y lo deotaremos por x L y, s x = y o s x h < y h, dode h {1,..., m} es la prmera compoete e la que x e y so dsttos Sea H 2-2 : R R ua correspodeca que ordea vectores de dmesó 2-2 e orde de magtud decrecete.

7 Defcó 3.6. (Schmedler, 1969) El ucleolo del juego (N, v), que deotaremos por N(N, v), es el cojuto de repartos, x, que mmza lexcográfcamete el vector de excesos ordeado H 2-2 (e(s 1, x),..., e(s 2-2, x)), es decr, N(N, v) = {x I * (N, v) H 2-2 (e(s 1, x),..., e(s 2-2, x)) L H 2-2 (e(s 1, y),..., e(s 2-2, y)), y I * (N, v)}. Medate el cocepto de ucleolo se busca el reparto socalmete más justo e el setdo de que la coalcó que resulte más desfavorecda e el reparto esté lo meos perjudcada posble. Auma y Maschler (1985) demostraro que el reparto realzado a través de la regla del be dsputado e u problema de bacarrota es el msmo que el obtedo e el correspodete juego de bacarrota co la asgacó del ucleolo. Teorema 3.7. Sea (E; d) u problema de bacarrota y sea (N, v) el correspodete juego de bacarrota. Etoces CG(N, v) = N(N, v). E 1981 Tjs trodujo otro cocepto de solucó es el τ-valor que es u valor de compromso. La dea es ecotrar u acuerdo etre las máxmas y mímas aspracoes de las gaacas que cada jugador espera obteer e el juego. Para ello, Tjs defe estas máxmas y mímas aspracoes como veremos a cotuacó. Defcó 3.8. Sea (N, v) u juego cooperatvo, para cada N se defe la máxma aspracó del jugador como su cotrbucó margal a la coalcó total, es decr, M τ (N, v) = v(n) v(n\) dode v(n) es el valor de la gra coalcó y v(n\) es el valor de la gra coalcó s teer e cueta al jugador. Así pues defmos el vector de máxmas aspracoes M τ =(M 1 τ (N, v),..., M τ (N, v)) dode cada ua de las compoetes es la máxma aspracó de cada uo de los jugadores. Defcó 3.9. Sea (N, v) u juego cooperatvo, para cada N se defe la míma aspracó del jugador como: m τ ( N, v) = max 0; v( S) M τ ( N, v ) j S N / S j S \ Así pues defmos el vector de mímas aspracoes m τ =(m 1 τ (N, v),..., m τ (N, v)) dode cada ua de las compoetes es la míma aspracó de cada uo de los jugadores. Defcó (Tjs, 1981) Para u juego (N, v) el τ-valor del juego se defe como el úco vector efcete e el segmeto que tee de extremos m τ (N, v) y M τ (N, v), es decr, τ(n, v) = m τ (N, v) +α[m τ (N, v) - m τ (N, v)], co α [0, 1] y es tal que se cumple τ ( N, v) = v( N). N

8 τ (N, v) so las compoetes del vector τ(n, v), es decr, τ(n, v)=( τ 1 (N,v),..., τ (N,v)). Curel, Maschler y Tjs (1987) demostraro que el reparto a través de la regla de ajuste proporcoal para u problema de bacarrota es el msmo que el obtedo co la solucó del τ-valor e el juego cooperatvo. Teorema Sea (E; d) u problema de bacarrota y sea (N, v) el correspodete juego de bacarrota. Etoces se cumple que AP(E; d) = τ(n, v). 4. Aplcacó al Pla de Ayudas a la Ivestgacó e Adalucía Dspoemos de las petcoes de ayudas a la vestgacó de 1841 Grupos de Ivestgacó e Adalucía e el año 2001, así como de la catdad dspoble para repartr por el Pla de Ayudas a la Ivestgacó (PAI). Hemos agregado dchos Grupos por las dsttas Áreas de Ivestgacó que estpula el Pla de Ivestgacó, de esta forma falmete teemos 9 Áreas de Ivestgacó, éstas juto co las petcoes de ayudas se muestra e la sguete tabla: Área de Descrpcó Demada (Ptas.) Ivestgacó AGRI Agroalmetacó CTS Ceca y Tecología de la Salud CVI Cecas de la Vda FQM Físca, Químca y Matemátcas HUM Humadades RNM Recursos Naturales y Medo Ambete SEJ Cecas Ecoómcas, Socales y Jurídcas TEP Tecologías de la Produccó TIC Tecologías de la Iformacó y de las Comucacoes Objetvo de la Aplcacó: repartr la catdad del Pla de Ayudas a la Ivestgacó e Adalucía etre las dsttas Áreas de Ivestgacó. Formulacó del Problema de Bacarrota: El cojuto de demadates es N={1,..., 9}. La catdad total dspoble por el Pla de Ayudas a la Ivestgacó es de ,8 Ptas. E resumdas cuetas el problema de bacarrota (E; d) es: E = ,8; d = (d 1,..., d ) co: d 1 = d 2 = d 3 = d 4 = d 5 = d 6 = d 7 = d 8 = d 9 = La demada total de ayudas es de D = Ptas. Es evdete que surge u problema, teemos ua catdad para repartr que es sufcete para satsfacer la demada de las ueve Áreas de Ivestgacó, la solucó que daremos es aplcar la Teoría de Juegos para resolver el problema dstrbutvo que se

9 ha plateado, e cocreto realzaremos la asgacó a través de la solucó que os da el valor de Shapley, el ucleolo y el τ-valor. Formulacó del Juego de Bacarrota: Hay u total de 2 9 = 512 coalcoes, empezamos obteedo cada ua de éstas y el valor de cada coalcó. S v(s) S v(s) {1, 2, 3, 4, 5, 6, 7} ,8 {1, 2, 3, 4, 5, 6, 8, 9} ,8 {1, 2, 4, 5, 6, 7, 8} ,8 {1, 2, 3, 4, 5, 7, 8, 9} ,8 {2, 3, 4, 5, 6, 7, 8} ,8 {1, 2, 3, 5, 6, 7, 8, 9} ,8 {2, 3, 4, 5, 6, 7, 9} ,8 {1, 2, 4, 5, 6, 7, 8, 9} ,8 {1, 2, 3, 4, 5, 6, 7, 8} ,8 {2, 3, 4, 5, 6, 7, 8, 9} ,8 {1, 2, 3, 4, 5, 6, 7, 9} ,8 {1, 2, 3, 4, 5, 6, 7, 8, 9} ,8 Para cualquer otra coalcó dstta de las aterores el valor de ésta es cero (por eso o se ha cludo el resto de coalcoes hasta completar las 512). Realzamos el reparto a través de los coceptos de solucó de la Teoría de Juegos ates dcados, sedo falmete la asgacó que recbría cada Área de Ivestgacó la sguete: Área Catdad Demadada Asgacó (PAI) Asgacó (Valor Shapley) Asgacó (Nucleolo) Asgacó (τ-valor) AGRI , , ,29 CTS , , , ,39 CVI , , ,1 FQM , , , ,38 HUM , , ,39 RNM , , , ,16 SEJ , , ,46 TEP , , , ,53 TIC , , , ,91 Coclusoes de la Aplcacó: La Teoría de Juegos es sesble a las demadas de catdades de cada ua de las Áreas de Ivestgacó. S embargo, o es sesble a otros elemetos como la composcó del grupo (úmero de doctores, productvdad, etc.). Se apreca dferecas sgfcatvas de las catdades asgadas por el PAI y los repartos obtedos a través de la Teoría de Juegos. El reparto obtedo co el valor de Shapley se obtee como meda de las cotrbucoes margales de cada ua de las Áreas a todas las posbles coalcoes de las que puede formar parte, e este setdo podemos decr que esta solucó reflejaría de forma justa la catdad que recbe cada ua de las Áreas. E la asgacó a través del ucleolo los repartos so guales para todas las áreas, s embargo, es coveete dcar que el ucleolo o sempre asga la msma catdad a todos los jugadores. E uestra aplcacó sí es así porque dada la gra dfereca etre las demadas totales de todas las áreas ( Ptas.) y la

10 catdad a repartr ( ,8 Ptas.), es evdete que co la catdad dspoble o se puede cubrr squera la mtad de las demadas totales. De esta forma se cosdera la mtad de las demadas de cada área y se hace u reparto gualtaro a cada ua de ellas, obteédose así la msma asgacó para todas las áreas. El reparto a través del τ-valor es u valor de compromso que tee e cueta las máxmas y mímas aspracoes de cada ua de las áreas. Esta solucó dscrma e mayor medda que lo hacía el ucleolo, etre aquellas áreas que reclama fuertes catdades de las que reclama meores ayudas. De esta forma resulta más favorecdas e el reparto las áreas de vestgacó que solctaba grades catdades frete a aquellas que teía meores demadas. Las catdades asgadas medate esta solucó so más parecdas al reparto real que el PAI realzó e el año Comparado co las asgacoes reales que realzó el PAI a cada ua de las Áreas de Ivestgacó, vemos que el vel de compromso de las reglas de reparto que utlza dcho Pla de Ayudas es mayor que el compromso e el reparto a través del τ-valor. 5. Bblografía Auma, R.J., Maschler, M. (1985). Game theoretc aalyss of a bakruptcy problem from the Talmud. Joural of Ecoomc Theory 36, pp Curel, I.J., Maschler, M., Tjs, S.H. (1987). Bakruptcy games. Zetschrft für Operatos Research Seres A 31, pp Daga, N., Volj, O. (1993). The bakruptcy problem: a cooperatve bargag approach. Mathematcal Socal Sceces, 26, pp Herrero, C., Maschler, M., Vllar, A. (1999). Idvdual rghts ad collectve resposblty: the rghts egaltara soluto. Mathematcal Socal Sceces, 37, pp Herrero, C., Vllar, A. (2001). The three musketeers: four classcal solutos to bakruptcy problems. Mathemathcal Socal Sceces, 42, pp Moul, H. (2001). Axomatc cost ad surplus-sharg. Chapter 17 of K. Arrow, A. Se ad ad K. Suzumura (eds.). The Hadbook of Socal Choce ad Welfare, forthcomg. O Nell, B. (1982). A problem of rghts arbtrato from the Talmud. Mathematcal Socal Sceces 2, pp Schmedler, D. (1969). The ucleolus of a characterstc fucto game. Sam Joural of Appled Mathematcs 17, pp Shapley, L.S. (1953). A value for -perso games. I: Cotrbutos to the Theory of Games II (H. Kuh ad A. W. Tucker eds.). Prceto Uversty Press, Prceto, pp Thomso, W. (2001). Axomatc aalyses of bakruptcy ad taxato problems: a survey, mmeo. Uversty of Rochester. Tjs, S.H. (1981). Bouds for the core ad the τ-value. I: Game Theory ad Mathematcal Ecoomcs (O. Moeschl ad D. Pallaschke eds.). North-Hollad Publshg Compay, Amsterdam, pp El orde de llegada correspode a ua permutacó π Π N de u cojuto de demadates N.

Teoría de Juegos Aplicada a Problemas de Bancarrota

Teoría de Juegos Aplicada a Problemas de Bancarrota "Cotrbucoes a la Ecoomía" es ua revsta académca co el Número Iteracoal Normalzado de Publcacoes Seradas ISSN 16968360 febrero 2006 Teoría de Juegos Aplcada a Problemas de Bacarrota Dra. Flor María Guerrero

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

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

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

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

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

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

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

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

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

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

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

(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

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

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

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

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

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

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

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

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

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

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

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

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

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

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

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

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

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

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

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

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

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

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

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

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

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

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

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

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

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

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

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

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA Nura Padlla Garrdo Departameto de Ecoomía Geeral y Estadístca Uversdad de Huelva padlla@uhu.es Flor María Guerrero

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

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

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

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general 5 Progresioes Objetivos E esta quicea aprederás a: Recoocer ua sucesió de úmeros. Recoocer y distiguir las progresioes aritméticas y geométricas. Calcular él térmio geeral de ua progresió aritmética y

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

MARTINGALAS Rosario Romera Febrero 2009

MARTINGALAS Rosario Romera Febrero 2009 1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre

Más detalles

CAPÍTULO II MARCO TEÓRICO

CAPÍTULO II MARCO TEÓRICO CAPÍTULO II MARCO TEÓRICO - - MARCO TEÓRICO El marco teórco de este trabajo propoe los métodos heurístcos factbles que resolverá este problema. Co lo que se buscará cubrr las egecas de los datos dspobles

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

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

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

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

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

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

Problemas de Polímeros. Química Física III

Problemas de Polímeros. Química Física III Problemas de Polímeros Químca Físca III 7..- Del fraccoameto de ua muestra de u determado polímero se obtuvero los sguetes resultados: Fraccó º, g 5, g/mol,75,6,886,89,,75,57,56 5,9,68 6,8,8 7,55,5 8,6,9

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Gradiente, divergencia y rotacional

Gradiente, divergencia y rotacional Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

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

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

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

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

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

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Recuerda lo fundamental

Recuerda lo fundamental 3 Progresioes Recuerda lo fudametal Curso:... Fecha:... PROGRESIONES SUCESIONES Ua sucesió es u cojuto de...... Se llama térmio geeral de ua sucesió a... Por ejemplo, e la sucesió 1, 4, 9, 16, 5, el térmio

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

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

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

Apuestas deportivas por Internet

Apuestas deportivas por Internet Autor: Davd Serrao Martíez 22/0/2009 Apuestas deportvas por Iteret Aputes y relexoes Itroduccó Durate el últmo trmestre de 2005, u grupo de compañeros de trabajo y amgos decdmos motar ua suerte de peña

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

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

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

COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007 OMNTARIOS Y ANÁLISIS DL FATOR D PRODUTIVIDAD PROPUSTO POR OSIPTL PARA L PLAN D RGULAIÓN POR PRIOS TOP 2004 2007 APLIAIÓN D LA VARIABL M por Davd. M. Sappgto RSUMN JUTIVO ste forme preseta ua evaluacó de

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

11. TRANSFORMADOR IDEAL

11. TRANSFORMADOR IDEAL . TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la

Más detalles

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com Autor: José Arturo Barreto M.A. Págias web: www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve El cocepto de límite Correo electróico: josearturobarreto@yahoo.com Zeó de Elea (90 A.C) plateó la

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

Más detalles

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A = IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)

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