Aplicación de los modelos de credit scoring para instituciones microfinacieras.

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

Download "Aplicación de los modelos de credit scoring para instituciones microfinacieras."

Transcripción

1 Econ. Reynaldo Uscamaita Huillca Aplicación de los modelos de credit scoring para instituciones microfinacieras.

2 OBJETIVO Proporcionar al ejecutivo del sistema financiero un modelo solido que permita tomar decisiones acertadas al otorgar un crédito comercial. La unidad de riesgos estará en la capacidad de adoptar decisiones financieras con el fin de mejorar en tiempo de evaluación de un crédito comercial. My RISK Página 2

3 Estimación de credit Scoring Típicamente, varios factores pueden afectar la probabilidad de impago de los prestatarios, en el segmento de las Pymes para aprobar un crédito se considera las siguientes variables: el salario, ocupación, la edad y otras características. Cuando negociamos con clientes corporativos: examinamos nivel de una Pyme, beneficios o el flujo de caja,, etc. Un modelo de Scoring específicamente combina y ordena diferentes piezas de información para obtener un cálculo adecuado de la probabilidad de Impago y sirve para automatizar y estandarizar la evaluación del riesgo de Impago dentro de una institución financiera. En esta investigación podemos mostrar cómo se utiliza una técnica estadística para especificar un modelo de credit Scoring. Especialmente, esta cantidad de información de codificada (por ejemplo medir el nivel de deuda/activo) nos ayudara a encontrar una combinación de factores que mejoren la explicación histórica del comportamiento de impago. Después de aclarar la relación entre credit Scoring y la probabilidad de impago mostramos como estimar e interpretar un modelo. Esta investigación se propone desarrollar la aplicación práctica de investigaciones anteriores para lo cual es necesario nombrar los datos para su respectivo tratamiento estadístico y seleccionar una relación funcional entre variables explicativas y la variable explicada (o impago). Un paso importante es desarrollar y utilizar la validación de un modelo de credit Scoring. Las técnicas de validación no son aplicadas solamente a modelos de credit Scoring sino también utilizan las agencias de ratios y otras instituciones de miden el riesgo de impago 1 Construyendo un Scoring atreves de la probabilidad de impago y el comportamiento de impago observado Un Scoring resume la información contenida dentro de las variables exógenas que afectan la probabilidad de impago. Un modelo estándar de credit Scoring es la aproximación de la combinación lineal de las variables exógenas. La letra denotaݔ las variables explicativas (en un número de k) y b coeficiente aproximado a ellos. Se puede representar el escore que se obtiene para el i-esimo impago de la siguiente forma. (1.1) ݔ ଶ +? + ݔଶ ଵ + ݔଵ = ݎ Es conveniente tener una expresión abreviada, donde se recolecte las columnas b y x en los vectores b y x que se describe de esta forma: ݔ? ൦ =, = ݔ ଶ +? + ݔଶ ଵ + ݔଵ = ݎ ൪. = ൦ ൪ (1.2)? 1 En el caso especifico de cusco las instituciones micro financieras utilizan al central de riesgos INFOCORF para determinar el nivel de riesgo de un cliente. My RISK Página 3

4 Si el modelo incluye una constante ଵ, entonces el valor de ݔ = 1 para cada valor i. Por convención se asume que el vector x determina el coeficiente del vector b. usualmente, se estima sobre la observación básica del comportamiento de impago 2. Imagine que se recolecta los datos anuales de las empresas donde está el valor de cada variable explicativa y el comportamiento de impago. Esto se muestra en el grafico de datos de la tabla Tabla 1.1 grafico de Probabilidad de Scoring Si una misma empresa puede mostrar más de una vez entonces existe información sobre esta empresa por varios años. Sobre los impagos, si la empresa está por varios años en la categoría de impago; en este caso no se puede usar la observación de los siguientes años en que ocurrió el impago, si una empresa sale de la situación de impago entonces se puede incluir de nuevo al conjunto de datos de la muestra. La información de Impago es guardado dentro de una variable ݕ entonces tomara el valor de 1 si la empresa está en la situación de impago al siguiente año en que se ha recolectado el valor de la variable y se considerara cero si ocurre el caso contrario. De todas maneras el número de observaciones de la muestra es denotado por N. El objetivo de un modelo de credit Scoring es predecir la alta probabilidad de impago para aquellas empresas que se encuentran en impago y una baja probabilidad para aquellas que no están. Para seleccionar el coeficiente apropiado de b, primero necesitamos juntar el score con la probabilidad de impago. Esto es realizado con la representación de la probabilidad de impago como una función de escore F. (1.3) ) ݏ ݎ ݏ)ܨ ሻ= ݐ ݑ ܦሺ ݎ El score de la función F se debe encontrar entre los intervalos de 0 hasta 1, esto creara un campo de una probabilidad de impago para cada posible escore. Este requerimiento puede ser completado por una función de distribución de probabilidad acumulativa. La función de 2 En un modelo cualitativo de credit scoring, es determinado por el coeficiente de cada factor. 3 Los datos usados para credit Scoring son usualmente datos anuales básicos. Pero uno puede también escoger otras frecuencias de recolección de datos como son otros horizontes para un horizonte de default. My RISK Página 4

5 distribución que se considera para este propósito es la distribución logística. La función de distribución logística ሻesݖሺ߉ definido como ሻሻݖሻȀሺͳሺݖሻ ሺݖሺ߉ ሺሻሻ. Aplicando para la ecuación (1.3) se obtiene: ݐ ݑ ܦሺ ݎ ݏ ݎ ݏሺ߉ሻ ሻ ܠƲ ሺ ሻ ܠƲ ͳሺ ሻ ͳ ܠƲ ͳሺ ሻ ǥሺͳǥͷሻ El modelo que une la información con probabilidades es una función de distribución logística que se llama modelos logit. En la tabla 1.2, demostramos la probabilidad de default asociada como algún score e ilustramos la relación existe con el grafico. Como o se puede ver, el score alto corresponde para una alta probabilidad de impago. En pocas instituciones financieras el credit Scoring tiene una propiedad opuesta: los prestatarios de altos montos tienen el más bajo riesgo de crédito. Entonces se encuentran frecuentemente contrastados para un conjunto de intervalos, por ejemplo de 0 hasta 100. La preferencia para cualquier característica puede ser fácilmente encontrada. Si utilizamos la ecuación (1.4) que define un sistema de credit scoring con scores de -9 hasta 1 pero si deseamos trabajar con scores de 0 hasta 100 esta vez (100 es el mejor), se puede transformar el score original utilizando la formula miscore=-10 x score +10. Tabla 1.2 score y probabilidad de impago mediante el modelo de logit Habiendo recolectado los valores de la variables x y escogiendo la función de distribución F una manera de estimar el coeficiente b es utilizando el método de máxima verosimilitud (ML). De acuerdo al principio de ML, los coeficientes seleccionados como una probabilidad (=verosimilitud) son maximizados como un comportamiento de impago dado dentro de la muestra observada. El primer paso para estimar la máxima probabilidad es mostrar una función de máxima probabilidad. Para un prestatario que está en Impago ͳሻsu probabilidad observada ݕ) es: My RISK Página 5

6 (1.5) ሻ ሺ ߉ ሻ= ݐ ݑ ܦሺ ݎ Para los prestatarios que no están en la situación de impago ݕ) = 0) su probabilidad observada es: (1.6) ሻ ሺ ߉-1 ሻ= ሺ ݎ Podemos combinar las dos ecuaciones dentro de una sola formula que generara automáticamente la probabilidad correcta de Impago o no impago. Donde cualquier número incrementara la potencia de 0 para evaluar 1. La probabilidad de la i-esima observación es descrita por la siguiente ecuación: (1.7) ሻ) ଵ ௬ ሺ ߉ - (1 ௬ ሻ൯ ሺ ߉൫ = ܮ Asumiendo que los impagos son independientes, la probabilidad de observación en conjunto es el producto de la probabilidad individual 4 ሻ) ଵ ௬ ሺ ߉ - (1 ௬ ሻ൯ ሺ ߉൫ = ς ܮ ς ଵ =ܮ ଵ (1.8) Para propósitos de maximización es más conveniente examinar queܮ es logaritmo de la probabilidad. (1.9) ሻ) ሺ߉ - ln(1 ) ݕ - (1 ሻ൯+ ሺ߉ln൫ ݕ σ =ܮ Se puede maximizar mediante su primera derivada con respecto para b. Esta derivada (como b es un vector) es descrito en la siguiente ecuación: ܮ (1.10) ୧ ܠ( ሻ ܠ ሺ߉ - ݕ ( = ଵ El método Newton hace un buen trabajo en resolver la ecuación (1.10) con respecto para b, para aplicar este método se necesita la segunda derivada que se representa en la siguiente ecuación: ܮଶ ) ሻ ܠ ሺ߉ - = ଵ (1.11) ୧ ܠ( ሻ ܠ ሺ߉ - ݕ ESTIMACION DE LOS COEFICIENTES El primer argumento especificado es el rango de la variable dependiente, que es nuestro caso es el indicador de impago,ݕ el segundo parámetro especificado es el rango de la variable explicativa(s). Antes de profundizar en los códigos veremos de como la función trabaja sobre un ejemplo de datos 5. Nosotros hemos recogido la información de impago y 5 variables para la predicción de 4 Dado que hay años en que el ratio de impago es alto, y otras en que es bajo, podemos admitir si el supuesto independiente es apropiado que el factor que ingresamos dentro de la fluctuación de score promedio es el riesgo de impago. My RISK Página 6

7 Impago: Capital de trabajo (CT), Utilidades Neta (Utilidad Neta), Ingresos antes de Impuestos e Intereses (EBIT) y Ventas (V), cada uno dividido por el Total de Activos (TA); Deuda en al sistema financiero (ME) dividido por el Total de Patrimonio (TP). Excepto por el valor del mercado todos estos ítem son encontrados en una hoja de balance y el estado de ingresos de la compañía. El valor de mercado es dado por el número es la sumatoria de todas las deudas pendientes con el sistema financiero. Los cinco ratios son aquellos que son conocidos extensamente como Z-score desarrollado por Alman (1968) CT/TA captura la liquidez de la empresa, UN/TA mide los beneficios actuales e históricos, respectivamente. V/TA mide la situación competitiva de la empresa y ME/TP es una medida de mercado en base al patrimonio. Claro, uno puede considerar otras variables como bueno; para mencionar solo a pocos, estos pueden ser: el flujo de caja sobre los servicios de la deuda, ventas sobre el total de activos (como una medida de aproximación de mercado), volatilidad de la ganancia, la volatilidad del precio de la deuda. También hay varios caminos para capturar un factor de relieve. Los beneficios en un momento puede ser medidos usando EBIT, EBITDA (=EBIT mas depreciación del amortización) o el ingreso neto. En la tabla 1.3 los datos son ordenados en función al ID de la Empresa y los años requeridos para la estimación. La variable default de la función LOGIT usa todo el rango de datos que han sido introducidos; la constante (si es incluido) aparece como la variable.ܥ Para interpretar el signo de los coeficientes se dice que un alto score corresponde para una alta probabilidad de impago. El signo negativo de los coeficientes. Por ejemplo para EBIT/TA significa que a una baja probabilidad de impago entonces el beneficio se incrementara. Tabla 1.3 Aplicación de un comando LOGIT sobre los datos con información sobre default como cinco ratios financieros. 5 Los datos son reflejan la estructura de la sociedad Americana. My RISK Página 7

8 La estimación de un modelo estándar de credit scoring se puede modificar icar en función de una adecuada organización de datos. La función LOGIT maximiza el log de probabilidad que es mostrado en la primera derivada, para resolver este problema se utiliza el método de newton. Para este proceso se requiere: un conjunto de valores iníciales para los parámetros no conocidos del vector b; ; la primera derivada del log probabilidad (la gradiente del vector ()) dado en la ecuación (1.10); la segunda derivada (la matriz hessiana H () dado en (1.11)). El método de newton conduce a la siguiente regla: ଵ ቂ మ భ బ Ʋ ቃ ଵ ܪሺ ሻ ଵ ሺ ሻ (1,12) బ El modelo logit tiene la característica que la función de log- probabilidad es globalmente cóncava. Una vez que encontramos las raíces para la primera derivada, podemos estar seguros que se ha encontrado el máximo global de una función log - probabilidad. Comúnmente se utiliza los valores iníciales para establecer la constante y el modelo contiene solo una constante, mientras los otros coeficientes establecen en 0 (Principio de ceteris Paribus). Con una sola constante se tiene la mejor predicción de una probabilidad de impago individual que es el promedio de ratios de impago, que se denota por ; തݕ ; esto puede ser computarizado como el valor promedio del indicador de impago de la variable.ݕ Tome en cuenta que no deberíamos establecer la constante ଵ igual a തporqueݕ el modelo de probabilidad de impago con una constante solamente tiene una constante sino mas bien se estima de. ሺ ଵሻ߉ Para llegar al objetivo tenemos que aplicar la inversa de la función de distribución logística. ሺݕതሻ ሺݕതȀሺͳ ݕതሻ (1.13) ଵ ߉ My RISK Página 8

9 Para comprobar que se llega al resultado deseado se examina la predicción de impago de un modelo logit con solo una constante que es mostrado en (1.13): 1 ሻ= ሺ߉ 1ሻ= =ݕሺ ݎ 1 + exp (- ) = exp (- ln ത/(1 ݕ) - ((( തݕ 1 = തݕ ሺ1.14ሻ = തݕΤ ( തݕ - (1 + 1 Cuando iniciamos el vector de coeficientes (denotado por b en la función), cuando se necesite después podemos iniciar los escores (denotado por bx). Inicialmente se fija cada coeficiente excepto la constante cero. BX es igual a la constante es este escenario. (recuerde que la primera constante es el primer elemento del vector b). Por conveniencia se resume en las siguientes formulas claves. ሻ) ܠ expሺ- ሻ= 1 Τ (1 + ሺ߉ = ܮ ܠሻ ܠ ሺ = y ୧ -? ଵ ܠ ܠሻ൯ ሺ߉ - ሻ൫1 ሺ߉ - = ݏݏ ܪ ଵ = y ୧ ln ( ܠ ሺ߉ ሻ) + ሺ1 - y ୧ ሻln (1 - ܠ ሺ߉ ሻ) ଵ CALCULO DE ESTADISTICOS DESPUES DE LA SIMULACION DEL MODELO En esta sección se muestra de cómo los estadísticos de la regresión son calculados dentro de la función Logit. Para evaluar si una variable ayuda a explicar los eventos de impago, se examina el ratio t para la hipótesis que el coeficiente de la variable es cero. Para el j-esimo coeficiente el ratio t es construido como: / ܧ൫ ൯ (1.15) = ݐ Donde SE es el error estándar estimado de los coeficientes que toma b de la última iteración de Newton y el error estándar estimado de los parámetros son divididos por la matriz Hessiana. En el modelo Logit los ratios t no responden a una distribución t como en el modelo clásico regresión lineal. Más bien es comparado con una distribución normal estándar. Para obtener el p- valué de un test de dos colas, nosotros exploramos la simetría de una distribución normal. (1.16) ሻ൯ቁݐሺ ܤܣ൫ ܫܦ ܯ - ቀ1 * 2 = ݑ ݒ - My RISK Página 9

10 En un modelo de regresión lineal se reporta un ଶ como una medida da de todos los mejores ajustes. En modelos no lineales que se estima por el método de máxima probabilidad usualmente se reporta el Pseudo- ଶ sugerido por McFadden. Esto es calculado como 1 mejores ratios de la función log-probabilidad. (1.17) ܮ Ȁܮ ଶ ͳ ݑ ݏ Se resume el resultado de la función LOGIT en la siguiente tabla 1.4. Tabla 1.4 resultado de las funciones definidas del LOGIT PREDICCION Y ANALISIS DE ESCENARIO Teniendo especificado un modelo de scoring y deseamos utilizar para predecir probabilidades de impago. Primero se calcula el score y después este cálculo se traduce en un valor de probabilidad de impago (Ecuación (1.1) y (1.4)) 6. ݐ ݑሺ ݎ ሻ Ʋሺ߉ሻ ݎ ݏሺ߉ሻ (1.20) Ʋଵ ୶୮ሺ ሻ En la tabla 1.7, se calcula la probabilidad de impago en base al modelo y a los cinco ratios. Para predecir solo necesitan los coeficientes. Tabla 1.7 prediciendo la probabilidad de Impago ଵ 6 Note que la aplicación de la ecuación (1.20) mide el significado de la probabilidad de impago el cual representa la población. My RISK Página 10

11 Conclusiones El razonamiento económico nos demuestra que un modelo de scoring ayuda a predecir la probabilidad de impago de un cliente determinado bajo ciertas condiciones. Ayuda a reducir el tiempo de evaluación de un determinado crédito. My RISK Página 11

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características

Más detalles

Modelos de elección binaria

Modelos de elección binaria Modelos de elección binaria Prof.: Begoña Álvarez García Econometría II 2007-2008 Estamos interesados en la ocurrencia o no-ocurrencia de un cierto evento (ej: participación en el mercado laboral; inversión

Más detalles

Gráfico de Dispersión de Notas en la Prueba 1 versus Notas en la Prueba Final Acumulativa de un curso de 25 alumnos de Estadística en la UTAL

Gráfico de Dispersión de Notas en la Prueba 1 versus Notas en la Prueba Final Acumulativa de un curso de 25 alumnos de Estadística en la UTAL 0. Describiendo relaciones entre dos variables A menudo nos va a interesar describir la relación o asociación entre dos variables. Como siempre la metodología va a depender del tipo de variable que queremos

Más detalles

ANÁLISIS DISCRIMINANTE APLICADO AL PROBLEMA DE CREDIT SCORING

ANÁLISIS DISCRIMINANTE APLICADO AL PROBLEMA DE CREDIT SCORING ANÁLISIS DISCRIMINANTE APLICADO AL PROBLEMA DE CREDIT SCORING RESUMEN JUAN MANUEL RIVAS CASTILLO En este documento se emplea el análisis discriminante, que es una técnica del análisis multivariado utilizada

Más detalles

Estadística I. Finanzas y Contabilidad

Estadística I. Finanzas y Contabilidad Estadística I. Finanzas y Contabilidad Práctica 1: INTRODUCCIÓN AL USO DE SOFTWARE ESTADÍSTICO OBJETIVO: Los estudiantes deberán conocer el funcionamiento de la Hoja de Cálculo EXCEL y utilizarla para

Más detalles

INDICADORES DE GESTION IMPORTANCIA DE REALIZAR PROYECCIONES FINANCIERAS

INDICADORES DE GESTION IMPORTANCIA DE REALIZAR PROYECCIONES FINANCIERAS INDICADORES DE GESTION IMPORTANCIA DE REALIZAR PROYECCIONES FINANCIERAS Por qué algunas empresas tienen dificultades para acceder a un crédito o conseguir un socio? Muchas empresas no tienen dificultades

Más detalles

IMAGEN FIEL BALANCE DE SITUACIÓN CUENTA DE PÉRDIDAS Y GANANCIAS ÁNALISIS CONTABLE

IMAGEN FIEL BALANCE DE SITUACIÓN CUENTA DE PÉRDIDAS Y GANANCIAS ÁNALISIS CONTABLE UNIDAD 7. NOCIONES DE CONTABILIDAD CONTABILIDAD CONCEPTO IMAGEN FIEL PATRIMONIO EMPRESARIAL BALANCE DE SITUACIÓN CUENTA DE PÉRDIDAS Y GANANCIAS PLAN ECONÓMICO-FINANCIERO ÁNALISIS CONTABLE EMPRESA E INICIATIVA

Más detalles

Cómo obtener un Modelo de Regresión Logística Binaria con SPSS

Cómo obtener un Modelo de Regresión Logística Binaria con SPSS Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo obtener un Modelo de Regresión Logística Binaria con SPSS Vanesa Berlanga-Silvente y Ruth Vilà-Baños Fecha de presentación:

Más detalles

El modelo Ordinal y el modelo Multinomial

El modelo Ordinal y el modelo Multinomial El modelo Ordinal y el modelo Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Motivación 1 Motivación 2 3 Motivación Consideramos las siguientes

Más detalles

Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I

Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................

Más detalles

TEMA 1. Introducción al análisis empírico de variables económicas.

TEMA 1. Introducción al análisis empírico de variables económicas. TEMA 1. Introducción al análisis empírico de variables económicas. Profesor: Pedro Albarrán Pérez Universidad de Alicante. Curso 2010/2011. Contenido 1 Datos Económicos Introducción Tipos de Datos. Tratamiento

Más detalles

Tema 10. Estimación Puntual.

Tema 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 detalles

Guías Excel 2007 Matrices Guía 77

Guías Excel 2007 Matrices Guía 77 MATRICES Las hojas de cálculo poseen prestaciones interesantes la gestión de matrices de tipo matemático. Unas consisten en facilitar los cálculos matriciales y otras están orientadas a cálculos estadísticos.

Más detalles

Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS

Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS ESTIMACIÓN DE UN MODELO DE REGRESIÓN LINEAL CON EXCEL La Herramienta para análisis Regresión

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

BANCO DE MEXICO. Definiciones básicas de Riesgos

BANCO DE MEXICO. Definiciones básicas de Riesgos BANCO DE MEXICO Definiciones básicas de Riesgos Noviembre 2005 1 ÍNDICE DE RIESGO: 1.1. Medidas de riesgo 1.1.1. Valor en Riesgo (VaR) 1.1.2. Análisis de Estrés 1.2. Riesgo de Mercado 1.2.1. Medidas de

Más detalles

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía Regresión múltiple I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía I.- INTRODUCCIÓN Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo

Más detalles

IMAGEN FIEL BALANCE DE SITUACIÓN CUENTA DE PÉRDIDAS Y GANANCIAS ÁNALISIS CONTABLE

IMAGEN FIEL BALANCE DE SITUACIÓN CUENTA DE PÉRDIDAS Y GANANCIAS ÁNALISIS CONTABLE UNIDAD 7. NOCIONES DE CONTABILIDAD CONTABILIDAD CONCEPTO IMAGEN FIEL PATRIMONIO EMPRESARIAL BALANCE DE SITUACIÓN CUENTA DE PÉRDIDAS Y GANANCIAS PLAN ECONÓMICO-FINANCIERO ÁNALISIS CONTABLE EMPRESA E INICIATIVA

Más detalles

5. SISTEMA DE COSTOS ESTÁNDAR

5. SISTEMA DE COSTOS ESTÁNDAR 5. SISTEMA DE COSTOS ESTÁNDAR Entre los diversos procedimientos técnicos que los ejecutivos y funcionarios de las organizaciones privadas, públicas o no gubernamentales, tienen que utilizar para administrar

Más detalles

Tema 3: El modelo de regresión lineal múltiple

Tema 3: El modelo de regresión lineal múltiple Econometría 1 curso 2009-2010 Tema 3: El modelo de regresión lineal múltiple Genaro Sucarrat (Departamento de Economía, UC3M) http://www.eco.uc3m.es/sucarrat/ Recordamos: El modelo de regresión lineal

Más detalles

REGRESIONES QUE APARENTEMENTE NO ESTAN RELACIONADAS (SUR)

REGRESIONES QUE APARENTEMENTE NO ESTAN RELACIONADAS (SUR) BANCO CENTRAL DE COSTA RICA DIVISIÓN ECONÓICA DEPARTAENTO DE INVESTIGACIONES ECONÓICAS NT-06-96 REGRESIONES QUE APARENTEENTE NO ESTAN RELACIONADAS (SUR) Rigoberto Araya onge Juan E. uñoz Giró NOVIEBRE,

Más detalles

Álgebra y Trigonometría CNM-108

Álgebra y Trigonometría CNM-108 Álgebra y Trigonometría CNM-108 Clase 2 Ecuaciones, desigualdades y funciones Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción

Más detalles

LAS HORAS DE INGLES. APUNTES SOBRE LA CALIDAD DE LA EDUCACIÓN Mayo 2013 Año 1, Nº5

LAS HORAS DE INGLES. APUNTES SOBRE LA CALIDAD DE LA EDUCACIÓN Mayo 2013 Año 1, Nº5 LAS HORAS DE INGLES En noviembre 2012, los alumnos de III medio participaron en la Prueba Simce de Inglés que comprendía una parte de comprensión lectora y otra de comprensión auditiva. Si el puntaje promedio

Más detalles

MODELO PREDICTIVO DE RIESGO DE MOROSIDAD PARA CRÉDITOS BANCARIOS USANDO DATOS SIMULADOS

MODELO PREDICTIVO DE RIESGO DE MOROSIDAD PARA CRÉDITOS BANCARIOS USANDO DATOS SIMULADOS INVESTIGACIÓN MODELO PREDICTIVO DE RIESGO DE MOROSIDAD PARA CRÉDITOS BANCARIOS USANDO DATOS SIMULADOS CLAUDIO ALFREDO LÓPEZ MIRANDA Un problema grave en las instituciones de crédito son los préstamos no

Más detalles

2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES

2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES 2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1 Se ha medido el volumen, X, y la presión, Y, de una masa gaseosa y se ha obtenido: X (litros) 1 65 1 03 0 74 0 61 0 53 0 45 Y (Kg/cm 2 ) 0 5 1 0 1 5 2 0 2 5 3

Más detalles

Con el fin de obtener los datos, se procede con las siguientes instrucciones:

Con el fin de obtener los datos, se procede con las siguientes instrucciones: Capitulo 3. La predicción de beneficios del mercado bursátil Este segundo caso de estudio va más allá en el uso de técnicas de minería de datos. El dominio específico utilizado para ilustrar estos problemas

Más detalles

Tutorial - Parte 2: Scoring

Tutorial - Parte 2: Scoring Introducción Tutorial - Parte 2: Scoring En este segundo tutorial aprenderá lo que significa un modelo de Scoring, verá cómo crear uno utilizando Powerhouse Analytics y finalmente a interpretar sus resultados.

Más detalles

Ingeniería Económica. Universidad Tecnológica de Bolívar. www.cashflow88.com. http://www.cashflow88.com/decisiones/decisiones.html

Ingeniería Económica. Universidad Tecnológica de Bolívar. www.cashflow88.com. http://www.cashflow88.com/decisiones/decisiones.html Ingeniería Económica Universidad Tecnológica de Bolívar www.cashflow88.com http://www.cashflow88.com/decisiones/decisiones.html Ignacio Vélez Pareja ivelez@unitecnologica.edu.co nachovelez@gmail.com Agosto

Más detalles

Métodos clave para calcular el Valor en Riesgo

Métodos clave para calcular el Valor en Riesgo [.estrategiafinanciera.es ] Caso de Estudio Métodos clave para calcular el Valor en Riesgo La actividad tesorera es especialmente susceptible al riesgo de mercado llegando a provocar en los últimos tiempos

Más detalles

Facultad de Ciencias

Facultad de Ciencias Facultad de Ciencias Trabajo Fin de Grado Grado en Estadística Métodos de predicción de fuga con grandes volúmenes de datos Autor: D. Raquel García Fernández Tutor/es: D. Eusebio Arenal Gutiérrez Página

Más detalles

Es el documento que presenta la posición financiera de la empresa a una fecha determinada.

Es el documento que presenta la posición financiera de la empresa a una fecha determinada. De los reportes que las corporaciones emiten para sus accionistas, el reporte anual es el más importante, presenta 2 tipos de información, una con la carta del director describiendo los resultados del

Más detalles

Caso de Estudio EFL Mejorando los scorecards 1 tradicionales con psicometría

Caso de Estudio EFL Mejorando los scorecards 1 tradicionales con psicometría Caso de Estudio EFL Mejorando los scorecards 1 tradicionales con psicometría BTPN Indonesia Resumen Ejecutivo BTPN, el 4to 2 mayor prestamista de MIPYME en Indonesia, se asoció con EFL para mejorar el

Más detalles

Principios Básicos de Contabilidad Capítulo 1 Iniciando Contabilidad DacEasy DacEasy Contabilidad Versión 11

Principios Básicos de Contabilidad Capítulo 1 Iniciando Contabilidad DacEasy DacEasy Contabilidad Versión 11 Principios Básicos de Contabilidad Capítulo 1 Iniciando Contabilidad DacEasy DacEasy Contabilidad Versión 11 Si entiendes los principios básicos de contabilidad, será capaz de hacer el mejor uso de su

Más detalles

CARTERAS DE EMPRESAS. SISTEMAS DE RATING. CONSTRUCCION Y EVALUACION

CARTERAS DE EMPRESAS. SISTEMAS DE RATING. CONSTRUCCION Y EVALUACION CARTERAS DE EMPRESAS. SISTEMAS DE RATING. CONSTRUCCION Y EVALUACION Dirección General de Supervisión Grupo de Tesorería y Modelos de Gestión de Riesgos Luis González Mosquera Antonio Marcelo Antuña Raúl

Más detalles

Variable dependiente binaria

Variable dependiente binaria Econometría II Tema 3: Modelos de variable dependiente limitada. Variable dependiente binaria Graciela Sanroman Año 2010 Modelos de elección discreta (de variable cualitativa): Los modelos de variable

Más detalles

En la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y

En la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Capítulo 2.- Metodología En la presente investigación, se contrastará el modelo propuesto en la investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Participación en el mercado de

Más detalles

METODOS ELEMENTALES DE PROCESAMIENTO DE SERIES DE TIEMPO

METODOS ELEMENTALES DE PROCESAMIENTO DE SERIES DE TIEMPO METODOS ELEMENTALES DE PROCESAMIENTO DE SERIES DE TIEMPO Jorge Galbiati Riesco En este apunte se da una visión general sobre algunos procedimientos en el análisis en series de tiempo. Inicialmente presentamos

Más detalles

Como construir carteras eficientes a medida

Como construir carteras eficientes a medida Un caso práctico desarrollado por el programa EFE 2000 de la empresa SciEcon Como construir carteras eficientes a medida El diseño de carteras eficientes involucra siempre un proceso de optimización. Si

Más detalles

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO Estadística Superior CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. REGRESIÓN LINEAL SIMPLE Y MÚLTIPLE 1.1. Regresión lineal simple 1.2. Estimación y predicción por intervalo en regresión lineal

Más detalles

FUNDAMENTACIÓN EN RIESGO CON RISK SIMULATOR

FUNDAMENTACIÓN EN RIESGO CON RISK SIMULATOR FUNDAMENTACIÓN EN RIESGO CON RISK SIMULATOR TABLA DE CONTENIDO 1. RIESGO... 3 2. TIPOS DE RIESGO... 4 2.1 RIESGO DE MERCADO... 4 2.1.1 Valor en Riesgo... 6 2.1.2 Cópulas... 6 2.1.3 Teoría del Valor Extremo...

Más detalles

ESTADÍSTICA DESCRIPTIVA CON SPSS

ESTADÍSTICA DESCRIPTIVA CON SPSS ESTADÍSTICA DESCRIPTIVA CON SPSS (2602) Estadística Económica Joaquín Alegre y Magdalena Cladera SPSS es una aplicación para el análisis estadístico. En este material se presentan los procedimientos básicos

Más detalles

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3 Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar

Más detalles

UTILIZACIÓN DE HERRAMIENTAS INFORMÁTICAS EN EL ANÁLISIS DE SENSIBILIDAD PARA LA FINANCIACIÓN DE PROYECTOS

UTILIZACIÓN DE HERRAMIENTAS INFORMÁTICAS EN EL ANÁLISIS DE SENSIBILIDAD PARA LA FINANCIACIÓN DE PROYECTOS UTILIZACIÓN DE HERRAMIENTAS INFORMÁTICAS EN EL ANÁLISIS DE SENSIBILIDAD PARA LA FINANCIACIÓN DE PROYECTOS Roqueñí Gutiérrez, I.*; Roqueñí Gutiérrez, N.**; Álvarez Cabal, J. V.**; J. Manuel Mesa Fernández,

Más detalles

CASO PRÁCTICO SOBRE RECONOCIMIENTO DE LOS DETERIOROS DEL INMOVILIZADO Y SU REVERSIÓN.

CASO PRÁCTICO SOBRE RECONOCIMIENTO DE LOS DETERIOROS DEL INMOVILIZADO Y SU REVERSIÓN. CASO PRÁCTICO SOBRE RECONOCIMIENTO DE LOS DETERIOROS DEL INMOVILIZADO Y SU REVERSIÓN. Gregorio Labatut Serer http://gregorio-labatut.blogspot.com.es/ Universidad de Valencia. La Resolución de 18 de septiembre

Más detalles

T. 5 Inferencia estadística acerca de la relación entre variables

T. 5 Inferencia estadística acerca de la relación entre variables T. 5 Inferencia estadística acerca de la relación entre variables 1. El caso de dos variables categóricas 2. El caso de una variable categórica y una variable cuantitativa 3. El caso de dos variables cuantitativas

Más detalles

TWS Reuters Worldwide Fundamental W E B I N A R N O T E S

TWS Reuters Worldwide Fundamental W E B I N A R N O T E S Presentación Acceso Herramientas Fundamentales Ver Fundamentales de Reuters Informes Fundamentales Pagina de Negociación Escáner de Mercado TWS Reuters Worldwide Fundamental W E B I N A R N O T E S Presentación

Más detalles

Administración del riesgo cambiario en el sistema bancario peruano *

Administración del riesgo cambiario en el sistema bancario peruano * Administración del riesgo cambiario en el sistema bancario peruano * Ruy Lama C. 1. Introducción El presente trabajo evalúa la posibilidad de implementar el modelo Value-at-Risk (VaR) en las empresas bancarias

Más detalles

Estudio comparativo de los currículos de probabilidad y estadística español y americano

Estudio comparativo de los currículos de probabilidad y estadística español y americano Estudio comparativo de los currículos de probabilidad y estadística español y americano Jaldo Ruiz, Pilar Universidad de Granada Resumen Adquiere las mismas capacidades en Probabilidad y Estadística un

Más detalles

ANÁLISIS DISCRIMINANTE

ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente

Más detalles

EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO

EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO Herramientas idóneas para el control de riesgos y la evolución de la calidad de las carteras Gustavo Chuliver Gerente AIS Argentina gustavo.chuliver@ais-int.net

Más detalles

Regresión Polinomial y Regresión Logística

Regresión Polinomial y Regresión Logística MÁSTER EN ESTADÍSTICA PÚBLICA Experto Universitario: Estadística Aplicada y Técnicas de Encuestación 1 Regresión Polinomial y Regresión Logística M.L. Gámiz Pérez Departamento Estadística e Inv. Operativa

Más detalles

ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE AUTOMOCIÓN DE LA COMUNIDAD DE MADRID

ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE AUTOMOCIÓN DE LA COMUNIDAD DE MADRID FUNDACIÓN UNIVERSIDAD CARLOS III ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE AUTOMOCIÓN DE LA COMUNIDAD DE MADRID AÑO 2002 Madrid, mayo 2004 ÍNDICE INTRODUCCIÓN...1 PRIMERA PARTE: ANÁLISIS DE

Más detalles

Técnicas Cuantitativas para el Management y los Negocios

Técnicas Cuantitativas para el Management y los Negocios Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis

Más detalles

Metodología de Clasificación. Títulos de Deuda de Securitización Respaldados con Tarjetas de Crédito

Metodología de Clasificación. Títulos de Deuda de Securitización Respaldados con Tarjetas de Crédito Metodología de Clasificación Títulos de Deuda de Securitización Respaldados con Tarjetas de Crédito Originación de los Créditos y Administración Revisión del Originador o Vendedor/Administrador El proceso

Más detalles

Econometría II. Ejercicios propuestos

Econometría II. Ejercicios propuestos Econometría II Ejercicios propuestos Román Salmerón Gómez Multicolinealidad 1. En el modelo de regresión Y t = β 1 + β 2 X t + β 3 Z t + u t se verifica que X t = 1 2 Z t. Qué parámetros son estimables?

Más detalles

Técnicas Multivariadas Avanzadas

Técnicas Multivariadas Avanzadas Regresión lineal Universidad Nacional Agraria La Molina 2014-2 Regresión lineal Regresión lineal simple Estimando los coecientes Evaluando la precisión de los coecientes estimados Evaluando la precisión

Más detalles

Statgraphics Centurión

Statgraphics Centurión Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que

Más detalles

PROSEGUR COMPAÑÍA DE SEGURIDAD, S.A. Y SOCIEDADES DEPENDIENTES

PROSEGUR COMPAÑÍA DE SEGURIDAD, S.A. Y SOCIEDADES DEPENDIENTES PROSEGUR COMPAÑÍA DE SEGURIDAD, S.A. Y SOCIEDADES DEPENDIENTES INFORMACION FINANCIERA INTERMEDIA TRIMESTRAL Declaración intermedia del primer trimestre del ejercicio 2009 PROSEGUR COMPAÑÍA DE SEGURIDAD,

Más detalles

UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS

UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS Wilson Mayorga M. Director de Cámara de Vida y Personas y Actuaría Con base en modelos de regresión que explican la evolución de las

Más detalles

MÓDULO 1: FUNDAMENTOS DE LA INVERSIÓN

MÓDULO 1: FUNDAMENTOS DE LA INVERSIÓN MÓDULO 1: FUNDAMENTOS DE LA INVERSIÓN TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay

Más detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009 Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis

Más detalles

TEMA 9: Desarrollo de la metodología de Taguchi

TEMA 9: Desarrollo de la metodología de Taguchi TEMA 9: Desarrollo de la metodología de Taguchi 1 La filosofía de la calidad de Taguchi 2 Control de calidad Off Line y On Line Calidad Off Line Calidad On Line 3 Función de pérdida 4 Razones señal-ruido

Más detalles

Tema del Seminario: Análisis e interpretación básica de los estados financieros

Tema del Seminario: Análisis e interpretación básica de los estados financieros Tema del Seminario: Análisis e interpretación básica de los estados financieros Elaborado Especialmente para: Business Institute of the Americas Actualizando al Departamento Contable Fecha de Exposición:

Más detalles

ESTRUCTURA FINANCIERA DE LA EMPRESA

ESTRUCTURA FINANCIERA DE LA EMPRESA Ejercicio 1 ESTRUCTURA FINANCIERA DE LA EMPRESA Determinar cuál sería el coste efectivo de cada una de las siguientes fuentes de financiación: a) Unas obligaciones se emiten al 95% sobre el nominal, cuya

Más detalles

Se podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.

Se podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68. Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción

Más detalles

ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE ALIMENTACIÓN DE LA COMUNIDAD DE MADRID

ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE ALIMENTACIÓN DE LA COMUNIDAD DE MADRID FUNDACIÓN UNIVERSIDAD CARLOS III ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE ALIMENTACIÓN DE LA COMUNIDAD DE MADRID AÑO 2001 Madrid, Noviembre 2003 ÍNDICE INTRODUCCIÓN... 1 PRIMERA PARTE: ANÁLISIS

Más detalles

Universidad Católica Argentina Facultad de Ciencias Sociales y Económicas Materia: Administración II

Universidad Católica Argentina Facultad de Ciencias Sociales y Económicas Materia: Administración II PONTIFICIA UNIVERSIDAD CATÓLICA ARGENTINA SANTA MARÍA DE LOS BUENOS AIRES Facultad de Ciencias Económicas y Sociales Administración II TRABAJO PRÁCTICO N 6 Caso Joaquim PLANEAMIENTO Y CONTROL TRABAJO PRÁCTICO

Más detalles

HERRAMIENTAS Y TECNICAS DE LA PLANEACIÓN

HERRAMIENTAS Y TECNICAS DE LA PLANEACIÓN HERRAMIENTAS Y TECNICAS DE LA PLANEACIÓN Análisis del Entorno. Es el análisis de grandes cantidades de información del medio ambiente para detectar tendencias emergentes y crear escenarios. Análisis del

Más detalles

Administración del Riesgo Operacional

Administración del Riesgo Operacional Basilea Septiembre 1998 Administración del Riesgo Operacional Recientemente, el ha iniciado un trabajo relativo al riesgo operacional. El manejo de tal riesgo se está volviendo una característica importante

Más detalles

NT8. El Valor en Riesgo (VaR)

NT8. El Valor en Riesgo (VaR) NT8. El Valor en Riesgo (VaR) Introducción VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la división RiskMetric de JP Morgan en 1994. es una manera de medir el riesgo

Más detalles

ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO?

ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO? ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO? El precio, o valor de mercado, de cada participación oscila según la evolución de los valores que componen

Más detalles

IV. Indicadores Económicos y Financieros

IV. Indicadores Económicos y Financieros IV. Indicadores Económicos y Financieros IV. Indicadores Económicos y Financieros Los indicadores económicos - financieros expresan la relación entre dos o más elementos de los estados financieros. Son

Más detalles

TEMA 5 Variables ficticias

TEMA 5 Variables ficticias TEMA 5 Variables ficticias Cómo describir información cualitativa Muchas veces en el modelo de regresión aparecen factores cualitativos (sexo, raza, estado civil,.). En estos casos la información relevante

Más detalles

Apalancando EFL para influir el mercado de consumidores de bajos recursos

Apalancando EFL para influir el mercado de consumidores de bajos recursos % Tasa de Morosidad Distribución de la Población Caso de Estudio EFL: Apalancando EFL para influir el mercado de consumidores de bajos recursos BanBif Perú Resumen Ejecutivo BanBif, quinto banco 1 comercial

Más detalles

Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias

Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía

Más detalles

GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA

GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA Virgilio Gómez Rubio Mª José Haro Delicado Baeza 2014 1 ESTADÍSTICA DESCRIPTIVA 2 Estadística descriptiva 1. El puntaje de Apgar

Más detalles

METODOLOGIA DE SUPERFICIES DE RESPUESTA. Esto se logra al determinar las condiciones óptimas de operación del sistema.

METODOLOGIA DE SUPERFICIES DE RESPUESTA. Esto se logra al determinar las condiciones óptimas de operación del sistema. 37 CAPITULO METODOLOGIA DE SUPERFICIES DE RESPUESTA En este capítulo hablaremos de qué es la Metodología de Superficies de Respuesta, su representación gráfica, el procedimiento a seguir hasta encontrar

Más detalles

REGRESION simple. Correlación Lineal:

REGRESION simple. Correlación Lineal: REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

Ratios NPGC 2009 vs Ratings

Ratios NPGC 2009 vs Ratings Ratios NPGC 2009 vs Ratings Página: 1 Qué diferencia hay entre un Rating y un Ratio? Ratio Relación o proporción entre dos elementos o dos conjuntos de elementos cuantitativos de los estados financieros

Más detalles

XIII Congreso Latinoamericano de Auditoria Interna y Evaluación n de Riesgos

XIII Congreso Latinoamericano de Auditoria Interna y Evaluación n de Riesgos XIII Congreso Latinoamericano de Auditoria Interna y Evaluación n de Riesgos mayo de de 2009 BASILEA II GESTIÓN DEL EXPOSITOR: Kay Dunlop 1 AGENDA MARCO CONCEPTUAL SISTEMA DE GESTIÓN N DEL RIESGO DE CRÉDITO

Más detalles

Apéndice 6. Glosario de términos económicos y financieros. Las voces señaladas en cursiva se definen por separado en este glosario

Apéndice 6. Glosario de términos económicos y financieros. Las voces señaladas en cursiva se definen por separado en este glosario Apéndice 6 Glosario de términos económicos y financieros Nota: Las voces señaladas en cursiva se definen por separado en este glosario Acciones Acelerador Acreedores Activo Activo circulante Autofinanciamiento

Más detalles

PROBABILIDAD DE APROBAR MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA I EN EL MARCO DE UN MODELO PROBIT

PROBABILIDAD DE APROBAR MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA I EN EL MARCO DE UN MODELO PROBIT PROBABILIDAD DE APROBAR MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA I EN EL MARCO DE UN MODELO PROBIT Ángel Solano García Mª Isabel González Martínez Universidad de Murcia ABSTRACT Es bien sabido por el futuro

Más detalles

1 Espacios y subespacios vectoriales.

1 Espacios y subespacios vectoriales. UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto

Más detalles

Puedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página):

Puedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página): Univ. de Alcalá. Estadística 2014-15 Dpto. de Física y Matemáticas Grado en Biología. Examen final. Miércoles, 21 de Enero de 2015. Apellidos: Nombre: INSTRUCCIONES (LEER ATENTAMENTE). Puedes descargar

Más detalles

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11 Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales

Más detalles

Análisis técnico de una acción: Rentabilidad, riesgo y correlación

Análisis técnico de una acción: Rentabilidad, riesgo y correlación CONFORMACION DE PORTAFOLIO DE ACCIONES (Aplicación) GUIA DE APLICACIÓN No. 1 Análisis técnico de una acción: Rentabilidad, riesgo y correlación INTRODUCCION: Una bolsa de valores es un mercado donde se

Más detalles

Indicadores Macroeconómicos

Indicadores Macroeconómicos Score de Cobranza Indicadores Macroeconómicos Índice de Confianza del Consumidor 01'13 03'13 05'13 07'13 09'13 11'13 01'14 03'14 05'14 07'14 09'14 11'14 01'15 03'15 05'15 Tasa de Desocupación 6.0 5.5 5.0

Más detalles

Curso: Finanzas Edemsa

Curso: Finanzas Edemsa Curso: Finanzas Edemsa Profesor: Cdor. José Luis Bellido Email: bellidomendoza@hotmail.com VALOR DE LOS ACTIVOS Los principales activos de las empresas son la Obligaciones Negociables y las Acciones. Valuar

Más detalles

METODOLOGÍA PARA LA EVALUACIÓN DE LA CAPACIDAD DE PAGO DE UN SUJETO DE CRÉDITO DE CONSUMO

METODOLOGÍA PARA LA EVALUACIÓN DE LA CAPACIDAD DE PAGO DE UN SUJETO DE CRÉDITO DE CONSUMO METODOLOGÍA PARA LA EVALUACIÓN DE LA CAPACIDAD DE PAGO DE UN SUJETO DE CRÉDITO DE CONSUMO Diana Noemí Castillo Amoroso 1, Ing. Margarita Martínez Jara 2 Ingeniera en Estadística Informática 1, Directora

Más detalles

PLANIFICACION FINANCIERA - PRIMERA PARTE

PLANIFICACION FINANCIERA - PRIMERA PARTE Materia: Administración Financiera Profesor: Cdor. José Luis Bellido Email: bellidomendoza@hotmail.com PLANIFICACION FINANCIERA - PRIMERA PARTE Los beneficios de realizar la planificación financiera son

Más detalles

Los Caballeros del Dinero Análisis fundamental y estratégico Enagás

Los Caballeros del Dinero Análisis fundamental y estratégico Enagás Los Caballeros del Dinero Análisis fundamental y estratégico Enagás Los Caballeros del Dinero Análisis fundamental y estratégico 1 Introducción Enagás es el Transportista y Gestor Técnico del Sistema,

Más detalles

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2. PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.

Más detalles

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS Badler, Clara E. Alsina, Sara M. 1 Puigsubirá, Cristina B. 1 Vitelleschi, María S. 1 Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística (IITAE) TRATAMIENTO DE BASES DE DATOS

Más detalles

Índice. Tema 7: Teoría de la respuesta al ítem (1) : Conceptos básicos. Forma y parámetros de los modelos:

Índice. Tema 7: Teoría de la respuesta al ítem (1) : Conceptos básicos. Forma y parámetros de los modelos: Tema 7: Teoría de la respuesta al ítem () : Conceptos básicos Índice. Introducción 2. Limitaciones de la TCT superadas por la TRI 3. Modelos y características comunes 4. Supuestos 5. La Curva Característica

Más detalles

Software Estadístico para Regresión. El caso de Regresión Logística y Regresión Poisson

Software Estadístico para Regresión. El caso de Regresión Logística y Regresión Poisson Software Estadístico para Regresión. El caso de Regresión Logística y Regresión Poisson Andrea Fuentes, Nathaly Rivera, Raúl Pinos, Gaudencio Zurita Instituto de Ciencias Matemáticas Escuela Superior Politécnica

Más detalles

ESTRATEGIA DE GESTIÓN FINA

ESTRATEGIA DE GESTIÓN FINA ESTRATEGIA DE GESTIÓN FINA Una de las herramientas financieras que ayudan de manera importante y estratégica a la toma de decisiones en la empresas a quienes son los responsables de la gestión financiera,

Más detalles

ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE PIEL Y CALZADO DE LA COMUNIDAD DE MADRID

ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE PIEL Y CALZADO DE LA COMUNIDAD DE MADRID FUNDACIÓN UNIVERSIDAD CARLOS III ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE PIEL Y CALZADO DE LA COMUNIDAD DE MADRID AÑO 00 Madrid, Diciembre 003 ÍNDICE INTRODUCCIÓN.... PERFIL DE LA PYME MEDIA

Más detalles

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { }

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { } I. RELACIONES Y FUNCIONES PAREJAS ORDENADAS Una pareja ordenada se compone de dos elementos x y y, escribiéndose ( x, y ) donde x es el primer elemento y y el segundo elemento. Teniéndose que dos parejas

Más detalles

Sistema de gestión y control empresarial

Sistema de gestión y control empresarial II JORNADA CIENTÍFICO-PROFESIONAL CÁTEDRA AVENZOAR Rentabilidad económica en la Oficina de Farmacia: TICs + Estrategia + Gestión empresarial Sistema de gestión y control empresarial jmolina1@us.es Índice»

Más detalles