Teoría de Credibilidad
|
|
- Bernardo Camacho Redondo
- hace 8 años
- Vistas:
Transcripción
1 Teoría de Credibilidad Enrique de Alba INEGI CASA CONAC Noviembre 2010
2 CREDIBILITY THEORY: THE CORNERSTONE OF ACTUARIAL SCIENCE James C. Hickman and Linda Heacox (1999) North American Actuarial Journal, Volume 3, Number 2, pp. 1-8
3 The statistical methods, developed by the mathematicians and available in the standard textbooks on statistical procedures, deal with the evaluation of the indications of a group of observations, but under the tacit or implicit assumption that no knowledge existed prior to the making of those particular observations. The credibility procedures, used in the revisions of casualty rates, have been developed by casualty actuaries to give consistent weightings to additional knowledge in its combination with already existing knowledge. Bailey, 1950
4 WHITNEY, A.W El plan proponía la revisión periódica de las primas de grupo: Nueva Prima = Z* Experiencia + (1-Z)*Prima Anterior donde 0 Z 1. Z es el factor de credibilidad Z = n/(n+k), Con k > 0 y n es una medida de la exposición.
5 MOWBRAY, A How Extensive a Payroll is Necessary to Give Dependable Pure Premium? Proceedings of the Casualty Actuarial Society 1: WHITNEY, A.W The Theory of Experience Rating, Proceedings of the Casualty Actuarial Society 4, nos. 9, 10: KEFFER, R An Experience Rating Formula, Transactions of the Actuarial Society of America 30: BAILEY, A.L A Generalized Theory of Credibility, Proceedings of the Casualty Actuarial Society 32, no. 62: BAILEY, A.L. 1950a. Credibility Procedures: LaPlace s Generalization of Bayes Rule and the Combination of Collateral Knowledge with Observed Data, Proceedings of the Casualty Actuarial Society 37, no. 67:7 23. HEWITT, C.C Discussion of A Bayesian View of Credibility, Proceedings of the Casualty Actuarial Society 52: BUHLMANN, H Experience Rating and Credibility, The ASTIN Bulletin 4, Part III: HERZOG, T.N Introduction to Credibility Theory. Winsted, Conn: Actex Publications. VENTER, G.G Credibility, in Foundations of Casualty Actuarial Science. New York: Casualty Actuarial Society BUHLMANN, H. AND GISLER, A A Course in Credibility Theory and its Applications. Universitext, Springer-Verlag.
6 Teorema de Bayes X = 1 { X,..., } X n Variables aleatorias de Previa de θ: f (θ ) f ( x ) i θ f ( θ x x ) n n i 1 = n= ( x θ ) f ( θ ) 1,..., dθ f ( x ) ( ) i θ f θ i = 1 f i
7 Distribuciones iniciales conjugadas: a) Tienen la propiedad de "cerradura", b) Existen para las verosimilitudes que pertenecen a la familia exponencial general c) La media posterior es de la forma. d) El problema con el análisis conjugado es fijar los valores de los hiperparámetros.
8 ( ) Se necesita f x n+1 θ pero se desconoce θ Predictiva f ( x x x ) n+ 1 ( x θ ) f ( θ ) f i dθ i = 1,..., n = = f n n 1 1,..., f dθ n i = 1 ( x θ ) f ( θ ) i ( x θ ) f ( θ x x ) dθ n
9 En la Teoría de Credibilidad se trata de aprovechar la estructura Bayesiana : f ( θ x) L( θ x) f ( θ ) Información Información Muestral * Información final (Verosimilitud) Inicial (posterior) (a priori)
10 La información inicial f(θ) puede ser - Subjetiva - Experiencia - Información anterior - Experiencia global - Información de Tablas La función L(θ x) = f (x θ) de puede usar para modelar - siniestralidad - montos de reclamaciones - números de reclamaciones - supervivencia - frecuencia de enfermedades - mortalidad - etc.
11 Credibilidad Información Información Inicial Muestral - Tablas -Experiencia - Experiencia Colectiva Individual - Experiencia Portafolio
12 Dada la historia de una asegurado, o grupo de asegurados, se quiere obtener la distribución de f ( x n+ θ 1 ). De ahí se obtiene la prima de riesgo. Se supone que dado θ, las X i son independientes. Como no se conoce θ se utiliza f ( x y entonces la n+ 1 x) prima de riesgo para el año n+1 será E ( x x) = f ( x x) dx n+ 1 n+ 1 n+ 1
13 Se puede demostrar que donde E( x n ) (1 )μ 1 x = ZX + Z + μ = E(θ ) es la media a-priori del parámetro de riesgo y. n X = Xi / n i = 1
14 Si f ( x i θ,v) es Normal con media θ y varianza v y f (θ ) es Normal con media μ y varianza v 0 Z = n/(n + ν/a). Según la complejidad del modelo puede ser una media ponderada. Hay que obtener valores para a y v X a = Var[E(X j θ)] v = E[Var[X j θ)]
15
16 Modelo de Bühlmann
17 Modelo de Bühlmann-Straub
18 Enfoque Bayesiano-empírico
SISTEMAS DE TARIFICACIÓN BONUS-MALUS EN LOS MODELOS JERÁRQUICOS.
SISTEMAS DE TARIFICACIÓN BONUS-MALUS EN LOS MODELOS JERÁRQUICOS. José María Pérez Sánchez Departamento de Métodos Cuantitativos para la Economía y la Empresa Universidad de Granada e-mail: josemag@ugr.es
Más detallesUNIVERSIDAD AUTÓNOMA DE MADRID
Universidad Autónoma de Madrid UNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE Asignatura: FUNDAMENTOS DE ESTADÍSTICA Código: Grupo: Master en Metodología de las Ciencias del Comportamiento y de la Salud Titulación:
Más detalles40 AÑOS DE LA MORTALIDAD EN EL SEGURO DE VIDA INDIVIDUAL EN MÉXICO
0 AÑOS DE LA MORTALIDAD EN EL SEGURO DE VIDA INDIVIDUAL EN MÉXICO Rendón Jorge Instituto Tecnológico Autónomo de México Río Hondo #1, Colonia Tizapán San Angel, c.p. 01000 México, D.F. MEXICO Teléfono
Más detallesReparto de dividendos en una cartera de seguros no vida. Obtención de la barrera constante óptima bajo criterios económico-actuariales
DOCUMENTS DE TREBALL DE LA DIVISIÓ DE CIÈNCIES JURÍDIQUES, ECONÒMIQUES I SOCIALS Col lecció d Economia Reparto de dividendos en una cartera de seguros no vida. Obtención de la barrera constante óptima
Más detallesUNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE
Universidad Autónoma de Madrid UNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE Asignatura: INTRODUCCIÓN AL ANÁLISIS BAYESIANO DE DATOS Código: 31215 Tipo: Seminario Nivel: Posgrado Centro: Facultad de Psicología
Más detallesTema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea
Más detallesUNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE
Universidad Autónoma de Madrid UNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE Tipo: Optativa Nivel: Posgrado Centro: Facultad de Psicología Titulación: Máster en Metodología de las Ciencias Sociales y de
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ANÁLISIS MULTIVARIADO
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ANÁLISIS MULTIVARIADO OBJETIVO GENERAL El curso es de un nivel matemático intermedio y tiene
Más detallesTEMA 2: MÉTODO MONTE CARLO
TEMA 2: MÉTODO MONTE CARLO Introducción al tema: En esta sección continuaremos estudiando los elementos necesarios que sustentan el método Monte Carlo. Ya en el tema anterior se vio la aplicación de la
Más detallesMétodos Estadísticos de la Ingeniería Tema 5: Cálculo de Probabilidades Grupo B
Métodos Estadísticos de la Ingeniería Tema 5: Cálculo de Probabilidades Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2010 Contenidos...............................................................
Más detallesLos seguros generales desde la perspectiva bayesiana.
Los seguros generales desde la perspectiva bayesiana. EMILIO GÓMEZ DÉNIZ En este trabajo se presenta una alternativa al proceso de tarificación en los seguros generales (no vida), que pretende garantizar
Más detallesInferencia Estadística
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Ciencias Plan de estudios de la Licenciatura en Actuaría Inferencia Estadística Clave 1541 Modalidad Semestre 5 Créditos 10 Área Campo de conocimiento
Más detallesMáster en Ciencias Actuariales y Financieras Universidad de Alcalá Curso Académico 2014/2015 Segundo Curso Primer Cuatrimestre
Matemática Actuarial de las Operaciones de Seguro No Vida o Seguros Generales Máster en Ciencias Actuariales y Financieras Universidad de Alcalá Curso Académico 2014/2015 Segundo Curso Primer Cuatrimestre
Más detallesSIMULACIÓN MCMC. Dr. Holger Capa Santos
SIMULACIÓN MCMC Dr. Holger Capa Santos Septiembre, 2009 CONTENIDO Integración Montecarlo Problema con la Integración Montecarlo Muestreo de Importancia Algoritmos de Metropolis y Metropolis-Hastings Muestreador
Más detallesCurso: Métodos de Monte Carlo Unidad 2, Sesión 6: Integración por Monte Carlo
Curso: Métodos de Monte Carlo Unidad 2, Sesión 6: Integración por Monte Carlo Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,
Más detalles19/11/2014. «No todo lo que se puede contar cuenta, y no todo lo que cuenta puede ser contado» William Cameron
Estrategias de monitoreo y uso de información hidrológica Pedro M. Avellaneda Profesor Asistente Universidad Nacional de Colombia 1 «No todo lo que se puede contar cuenta, y no todo lo que cuenta puede
Más detallesLA FIRMA THE FIRM QUIENES SOMOS ABOUT US
LA FIRMA THE FIRM QUIENES SOMOS Somos una firma de abogados especialistas en derecho laboral, comercial y administrativo que entrega a sus clientes su conocimiento y experiencia de manera eficiente, oportuna
Más detallesCOLEGIO NACIONAL DE ACTUARIOS, A.C.
COLEGIO NACIONAL DE ACTUARIOS, A.C. GUIA DE ESTUDIO PARA LA CERTIFICACIÓN DE ACTUARIOS EN LA OPERACIÓN DE DAÑOS. CONTENIDO. ABRIL 2007 IV. CONCEPTOS BÁSICOS Y FUNDAMENTOS A. Definiciones y conceptos B.
Más detallesEstimación de la densidad
23 de marzo de 2009 : histograma Si suponemos que F tiene función de densidad f puede ser útil estimarla. Un estimador muy utilizado es el histograma. Dado un origen x 0 y un ancho h > 0 el histograma
Más detallesEnsayos Análisis Bayesiano del Modelo Poisson
Ensayos Análisis Bayesiano del Modelo Poisson Resumen Abstract Résumé En este artículo se hace un análisis bayesiano del modelo Poisson. Se aplica este modelo a accidentes aéreos fatales de los países
Más detallesT.3 ESTIMACIÓN PUNTUAL
T.3 ESTIMACIÓN PUNTUAL 1. INTRODUCCIÓN: ESTIMACIÓN Y ESTIMADOR 2. PROPIEDADES DE LOS ESTIMADORES 3. MÉTODOS DE ESTIMACIÓN. EJEMPLO 1, EJEMPLO 2 1. Introducción: Estimación y Estimador En este tema se analizan
Más detallesEstimación puntual. Estadística II. Curso 2011/2012. Universidad de Salamanca
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 3 4 Introducción Una estimación puntual de algún parámetro poblacional θ es un valor único del estadístico θ. Por ejemplo,
Más detallesProcesos Estacionarios. Francisco J. González Serrano. Universidad Carlos III de Madrid
PREDICCIÓN DE SEÑALES Procesos Estacionarios Francisco J. González Serrano Universidad Carlos III de Madrid Procesos Estacionarios A la hora de hacer predicciones parece obvio suponer que algo debe permanecer
Más detallesSistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA. Universidad Tecnológica De Pereira
2010 Sistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA Universidad Tecnológica De Pereira Conceptos Básicos de Hidrología La hidrología es una ciencia clave en el estudio de los sistemas de
Más detallesDefinición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.
Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida
Más detallesTendencias en los Sistemas de Gestión del Desempeño. Practicas de Gestión del Desempeño en Empresas Españolas
Tendencias en los Sistemas de Gestión del Desempeño Practicas de Gestión del Desempeño en Empresas Españolas Grow Revenue Reduce Costs Improve P/E ratio Volume Ave Price COGS SGA Int. & Dep. Tax ROCE Image
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 7 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesUnidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7
Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Definiciones: 1- La probabilidad estudia la verosimilitud de que determinados sucesos o eventos ocurran o no, con respecto a otros sucesos o eventos
Más detallesLA TEORIA DE LA CREDIBILIDAD Y SU APLICACIÓN A LOS SEGUROS COLECTIVOS M- ANGELES PONS CARDELL
LA TEORIA DE LA CREDIBILIDAD Y SU APLICACIÓN A LOS SEGUROS COLECTIVOS M- ANGELES PONS CARDELL UNIVERSIDAD DE BARCELONA DIVISION DE CIENCIAS URÍDICAS ECONÓMICAS Y SOCIALES FACULTAD DE CIENCIAS ECONÓMICAS
Más detallesMuestreo. Introducción
Muestreo Introducción En este documento ofrecemos un resumen sobre el concepto de muestreo, y los tipos de muestreo existentes. Además, adjuntamos una hoja para el cálculo de tamaños muestrales en auditorías
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesDoc. Juan Morales Romero
Probabilidad Es la posibilidad numérica de que ocurra un evento. La probabilidad de un evento es medida por valores comprendidos entre 0 y 1. Entre mayor sea la probabilidad de que ocurra un evento, su
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesLa solución de algunas EDO de Riccati
Revista digital Matemática, Educación e Internet (http://tecdigital.tec.ac.cr/revistamatematica/). Vol 15, No 2. Marzo Agosto 2015. ISSN 1659-0643 La solución de algunas EDO de Riccati José Alfredo Jiménez
Más detalles50465Ae PerformancePoint 2010 Designing and Implementing Scorecards and Dashboards
50465Ae PerformancePoint 2010 Designing and Implementing Scorecards and Dashboards Fabricante: Microsoft Grupo: Servidores Subgrupo: Microsoft SharePoint Server 2010 Formación: Presencial Horas: 15 Introducción
Más detallesPoblación, Unidad de Análisis, Criterios de Inclusión y Exclusión.
Población Población, Unidad de Análisis, Criterios de Inclusión y Exclusión. Muestra: Identificación y Reclutamiento. Nomenclatura En esta aproximación conceptual consideraremos a Población como sinónimo
Más detallesPROGRAMA DE CURSO. Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT 6 10 3 2 5
PROGRAMA DE CURSO Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal
Más detallesElementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas
Elementos de Probabilidad y Estadística Segundo de Economía Examen del 6 de junio de 6 DURACIÓN: horas. a) Se realizan lanzamientos de un dado regular. i) Calcular la probabilidad de obtener exactamente
Más detallesCalculo Actuarial con Cadenas de Markov, una aplicación
Calculo Actuarial con Cadenas de Marov, una aplicación Xavier Cabezas, Fernando Sandoya 2 Ingeniero en Estadística Informática 2 2 Director de esis, Matemático, Escuela Politécnica Nacional 996, Profesor
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesSeguros de salud en el Ecuador. Leonardo Vélez Aguirre
Seguros de salud en el Ecuador Leonardo Vélez Aguirre Resumen Conocer de manera general la situación del sector de aseguramiento de salud en el Ecuador. Breve análisis del problema de la salud y las posibles
Más detallesMATEMÁTICA ACTUARIAL. A) Datos generales de la asignatura
MATEMÁTICA ACTUARIAL A) Datos generales de la asignatura Nombre de la asignatura: Matemática Actuarial Curso académico: 2012-2013 Coordinación: Antonio Alegre Escolano Departamento: Matemática Económica,
Más detallesFinanzas de Empresas Turísticas
Finanzas de Empresas Turísticas Prof. Francisco Pérez Hernández (f.perez@uam.es) Departamento de Financiación e Investigación de la Universidad Autónoma de Madrid 1 Departamento de Financiación e Investigación
Más detallesMatemáticas: Enseñanza Universitaria ISSN: 0120-6788 reviserm@univalle.edu.co Escuela Regional de Matemáticas Colombia
Matemáticas: Enseñanza Universitaria ISSN: 12-6788 reviserm@univalle.edu.co Escuela Regional de Matemáticas Colombia Giraldo, Diana C. Distorsiones de la longitud por aplicaciones conformes y convexas
Más detallesIndividualización de la Dosis de una Droga mediante el uso de modelos mixtos y estimación bayesiana empírica
Individualización de la Dosis de una Droga mediante el uso de modelos mixtos y estimación bayesiana empírica Francisco Javier Díaz Ceballos, Ph. D. Tulia Esther Rivera Flórez Universidad Nacional-Medellín
Más detallesUnidad 9. Estimación
Unidad 9 Estimación Estimación En los capítulos anteriores se han estudiado las nociones fundamentales de distribución de probabilidad y distribución muestral. Estamos ya en condiciones de tratar los métodos
Más detallesPropuestas Alternativas de Modelización en Datos Longitudinales y de Supervivencia
Propuestas Alternativas de Modelización en Datos Longitudinales y de Supervivencia Vicente Núñez-Antón 1 Departamento de Econometría y Estadística Universidad del País Vasco (UPV/EHU) Bilbao, España e-mail:
Más detallesEquilibrio entre GLM y tarificación bonus malus. Michael Noack. Madrid, 13 de Marzo de 2013
Equilibrio entre GLM y tarificación bonus malus Michael Noack Madrid, 13 de Marzo de 2013 1. GLM tarificación a priori 2. Sistemas Bonus-Malus posteriori 3. Herramientas/Tools para actuarios 4. Optimización
Más detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
Más detalles8. Estimación puntual
8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores
Más detallesFunciones vectoriales de variable vectorial. Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m
Funciones vectoriales de variable vectorial Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m x y x = (x 1, x 2,, x n ), y = (y 1, y 2,, y m ) e y j = f j (x 1, x 2,, x n ), 1 j n n =
Más detallesTema 2 - Introducción
Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema
Más detallesNUMERO DE CONDICION Y DETERMINANTE DE UNA MATRIZ Jorge Lemagne Pérez, Facultad de Matemática y Computación, Universidad de La Habana
REVISTA INVESTIGACION OPERACIONAL Vol. 2, No., 2000 NUMERO DE CONDICION Y DETERMINANTE DE UNA MATRIZ Jorge Lemagne Pérez, Facultad de Matemática y Computación, Universidad de La Habana RESUMEN En la resolución
Más detallesSoluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II
Soluciones de los ejercicios de Selectividad sobre Probabilidad de ntonio Francisco Roldán López de Hierro * Convocatoria de 2007 Las siguientes páginas contienen las soluciones de los ejercicios propuestos
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesIntroduccion a la teoria del arbitraje
Introduccion a la teoria del arbitraje Manuel Morales Departmento de Matematicas y Estadistica Universidad de Montreal Febrero 2007 i) Problema y Motivación. ii) Introduccion y Definiciones. iii) Ejemplo
Más detallesUn enfoque de regresión a selección de portafolio de inversión
Un enfoque de regresión a selección de portafolio de inversión 1er Workshop CIIE UPAEP Banco de México Junio 2012 Resumen El objetivo de esta platica es introducir, con un ejemplo relativamente sencillo,
Más detallesTema 2: Estimación puntual
Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez
Más detallesPrograma de la asignatura: Estadística para Finanzas y Seguros, I (3 de FBS)
Universidad de Valladolid Facultad de Ciencias Económicas y Empresariales Departamento de Estadística-Econometría Grado en Finanzas, Banca y Seguros Curso 2013-2014 Programa de la asignatura: Estadística
Más detallesEl Filtro de Partículas
El Filtro de Partículas José Antonio Camarena Ibarrola El Filtro de Partículas p.1/25 El Filtro de Partículas Método Monte Carlo (basado en muestreo) para inferir el estado de un sistema que evoluciona
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS Muchos problemas de ingeniería, ciencia, y administración, requieren que se tome una decisión entre aceptar o rechazar una proposición sobre algún parámetro. Esta proposición recibe
Más detallesSelectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A
SEPTIEMBRE 2009 Opción A 1.- Como cada año, el inicio del curso académico, una tienda de material escolar prepara una oferta de 600 cuadernos, 500 carpetas y 400 bolígrafos para los alumnos de un IES,
Más detallesPlanificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 6109 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
Más detallesPlanificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 8104 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
Más detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detallesProblemas Resueltos del Tema 1
Tema 1. Probabilidad. 1 Problemas Resueltos del Tema 1 1- Un estudiante responde al azar a dos preguntas de verdadero o falso. Escriba el espacio muestral de este experimento aleatorio.. El espacio muestral
Más detallesSegundo MoodleMootUY, 22 y 23 de Noviembre de 2012 Montevideo, Uruguay
Segundo MoodleMootUY, 22 y 23 de Noviembre de 2012 Montevideo, Uruguay Estudio de la capacidad predictiva de acceso a entorno virtual de aprendizaje en el rendimiento de examen final presencial y desempeño
Más detallesTema 1. Inferencia estadística para una población
Tema 1. Inferencia estadística para una población Contenidos Inferencia estadística Estimadores puntuales Estimación de la media y la varianza de una población Estimación de la media de la población mediante
Más detallesÍndice de materias. 1. Introducción. 2. Conceptos básicos de la probabilidad
Índice de materias 1. Introducción 2. Conceptos básicos de la probabilidad Índice de materias 1. Introducción 2. Conceptos básicos de la probabilidad 3. Modelos de probabilidad elementales Índice de materias
Más detallesPROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS
PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS Grupos P y P (Prof. Ledesma) Problemas. Variables aleatorias..- Sea la v.a. X que toma los valores - y con probabilidades, y, respectivamente y
Más detallesAplicaciones lineales
aplicaciones_lineales.nb Aplicaciones lineales Práctica de Álgebra Lineal, E.U.A.T, Grupos ºA y ºB, 005 Aplicaciones lineales y matrices Hay una relación muy estrecha entre aplicaciones lineales y matrices:
Más detallesAUDITAJE A PROCESOS DE RECOLECCION, VALIDACIÓN Y MINERÍA DE DATOS SOCIALES.
AUDITAJE A PROCESOS DE RECOLECCION, VALIDACIÓN Y MINERÍA DE DATOS SOCIALES. Compilación CEO Abstract In the applied social research a series of technical processes is developed to provide the researchers
Más detallesREVISTA INVESTIGACIÓN OPERACIONAL VOL. 27, No. 2, 145-154, 2006
REVISTA INVESTIGACIÓN OPERACIONAL VOL. 27, No. 2, 145-154, 26 ENFOQUE DEL MODELO DE REGRESIÓN LOGÍSTICA USANDO EL MUESTREADOR DE GIBBS. Vivian Sistachs Vega*, Maria Victoria Mederos* y Miguel A. Díaz Martínez**.
Más detallesTEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES
TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela
Más detallesUNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE
Universidad Autónoma de Madrid UNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE Asignatura: Modelos lineales Nivel: Posgrado Centro: Facultad de Psicología Titulación: Máster en Metodología de las CC del Comportamiento
Más detallesNATIONAL IMPLEMENTATION OF ACCESS & BENEFIT-SHARING FOR NON- COMMERCIAL ACADEMIC RESEARCH ARGENTINA
NATIONAL IMPLEMENTATION OF ACCESS & BENEFIT-SHARING FOR NON- COMMERCIAL ACADEMIC RESEARCH ARGENTINA This form is an annex of the document Access & Benefit-Sharing in Latin America & the Caribbean, a science-
Más detallesTEMA 2. CÁLCULO DE PROBABILIDADES
TEM 2. CÁLCULO DE PROILIDDES 2.1. Introducción 2.2. Conceptos básicos 2.2.1. Espacio muestral. Sucesos 2.2.2. Operaciones con sucesos 2.3. Concepto de Probabilidad. Propiedades 2.3.1. Definición clásica
Más detallesTEORIA DEL CONSUMO. TEORIA DE LA RENTA ABSOLUTA John Maynard Keynes TEORIA DEL CICLO VITAL
TEORIA DE LA RENTA ABSOLUTA John Maynard Keynes TEORIA DEL CICLO VITAL TEORIA DEL CONSUMO of. José Miguel Sánchez U. Franco Modigliani - Albert Ando TEORIA DEL INGRESO PERMANENTE Milton Friedman HIPOTESIS
Más detallesCURSO P para ti examen P SoA CAS repaso agilidad inscripción necesidades inglés calculadora Curso P
1 CURSO P Este curso es para ti si deseas fortalecer tus conocimientos prácticos de probabilidad y realizar el examen P (Probability) de la SoA (Society of Actuaries), a veces llamado examen 1/P por ser
Más detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detallesEstadística I Ejercicios Tema 3 Curso 2015/16
Estadística I Ejercicios Tema 3 Curso 2015/16 1. En la siguiente tabla se representa la distribución conjunta de frecuencias (relativas) de 2 variables: calificación en Estadística I, y número de horas
Más detallesDEPARTAMENTO DE MATEMÁTICAS Página 1
DEPARTAMENTO DE MATEMÁTICAS Página 1 APROBADO EN EL CONSEJO DE LA FACULTAD DE CIENCIAS EXACTAS ACTA 13 DEL 21 ABRIL 2010AIDEL PROGRAMAS DEL DEPARTAMENTO DE MATEMÁTICAS El presente formato tiene la finalidad
Más detallesExtremos de varias variables
Capítulo 1 Extremos de varias variables Problema 1 Encontrar los extremos absolutos de la función fx, y) = xy en el conjunto A = x, y) IR : x + y 4, x 5/}. Solución: En primer lugar representamos el conjunto
Más detallesTEORÍA DE LA CREDIBILIDAD: DESARROLLO Y APLICACIONES EN PRIMAS DE SEGUROS Y RIESGOS OPERACIONALES
TEORÍA DE LA CREDIBILIDAD: DESARROLLO Y APLICACIONES EN PRIMAS DE SEGUROS Y RIESGOS OPERACIONALES FUNDACIÓN MAPFRE no se hace responsable del contenido de esta obra, ni el hecho de publicarla implica conformidad
Más detallesPlan Docente de una materia. Matemática Actuarial I. I. Descripción y contextualización. Identificación y características de la materia Denominación
de una materia Matemática Actuarial I I. Descripción y contextualización Identificación y características de la materia Denominación Matemática Actuarial I Curso y Titulación Coordinador-Profesor/es Inmaculada
Más detallesServicio de Reclamos Amadeus Guía Rápida
Servicio de Reclamos Amadeus Guía Rápida 2013 Amadeus North America, Inc. All rights reserved. Trademarks of Amadeus North America, Inc. and/or affiliates. Amadeus is a registered trademark of Amadeus
Más detallesTema IV. EL ANOVA de un factor
4.1. La estrategia del Análisis de varianza: - Los test t múltiples (múltiples tratamientos); corrección a posteriori - La mejora del ANOVA: necesidad de análisis a posteriori C Test t A versus B A versus
Más detallesPrevención Cuaternaria. Cribado de cáncer de mama Uruguay
Prevención Cuaternaria Cribado de cáncer de mama Uruguay 1 2 3 OPORTUNIDAD O AMENAZA? 4 Ley carne de salud Control periódico toda/os los trabajadores. En mujeres se exige realización de: PAP Mamografía
Más detallesAplicación de la Teoría de Credibilidad en Seguros de Riesgos del Trabajo. Yerling Ramírez Morera
Aplicación de la Teoría de Credibilidad en Seguros de Riesgos del Trabajo Yerling Ramírez Morera Universidad de Costa Rica Facultad de Ciencias. Escuela de Matemáticas. Área de Ciencias Actuariales. Proyecto
Más detalles-- -- ~ INTRODUCCIÓN VII
-- -- ~ '" Indz'ce general li J PRÓLOGO INTRODUCCIÓN XIII XVII 1. PROBABILIDAD DE MUERTE Y SUPERVIVENCIA 1 1.1. Introducción 1 1.2. Principales variables aleatorias 1 1.2.1. Edad de muerte de un recién
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesTITULACIÓN: NEGOCIOS INTERNACIONALES ASIGNATURA: ESTADÍSTICA CURSO: PRIMERO SEMESTRE: SEGUNDO TIPO: FORMACIÓN BÁSICA IDIOMA: CASTELLANO CRÉDITOS: 6
TITULACIÓN: NEGOCIOS INTERNACIONALES ASIGNATURA: ESTADÍSTICA CURSO: PRIMERO SEMESTRE: SEGUNDO TIPO: FORMACIÓN BÁSICA IDIOMA: CASTELLANO CRÉDITOS: 6 OBJETIVOS: Conceptos básicos: población, muestra y variable.
Más detallesAlvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012
Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian
Más detallesMETODOS ESTADISTICOS.
AREA DE ESTADISTICA E INVESTIGACION DE OPERACIONES PROGRAMA: METODOS ESTADISTICOS. PROYECTO: SERVICIO DE CONSULTORIA ESTADISTICA. SERVICIO DE CONSULTORIA ESTADISTICA. Diseño con propósitos de un posterior
Más detallesResistencia de Materiales
Tema 5 - Deflexión en Vigas Resistencia de Materiales Tema 5 Deflexión en vigas Sección 1 - Ecuación diferencial de la elástica Ecuación diferencial de la elástica Para comenzar este tema se debe recordar
Más detallesE.M.V y Regresión Logística
TAREA 3 E.M.V y Regresión Logística Análisis de la tasa de retención de clientes de una empresa y su proyección. Determinación de algunos factores que inciden en la rehospitalización de pacientes en el
Más detallesMáster en Ciencias Actuariales y Financieras Universidad de Alcalá Curso Académico 2015/2016 Segundo Curso Primer Cuatrimestre
Matemática No Vida o de los Seguros Generales Máster en Ciencias Actuariales y Financieras Universidad de Alcalá Curso Académico 2015/2016 Segundo Curso Primer Cuatrimestre GUÍA DOCENTE Nombre de la asignatura:
Más detallesEmpleo de la cartografia digital para la educación ambiental. Use of digital mapping for environmental education.
Empleo de la cartografia digital para la educación ambiental. Use of digital mapping for environmental education. M. G. Valdés, J. Alcaide Orpí, J. Olivera Acosta. Instituto de Geofísica y Astronomía,
Más detalles