IMPACTO DE EVENTOS EXTREMOS EN LA GESTIÓN DE PORTAFOLIOS
|
|
- Jorge Barbero Villanueva
- hace 8 años
- Vistas:
Transcripción
1 IMPACTO DE EVENTOS EXTREMOS EN LA GESTIÓN DE PORTAFOLIOS INTRODUCCIÓN Flavia E. Matsuda Yamada Javier I. García Froti E el desarrollo de procedimietos para la gestió de riesgos fiacieros, la herramieta VaR es ua de las más moderas y abarcativas, que egloba otras como por ejemplo las técicas de valuació. El Comité de Basilea la ha icluido a comiezo de la década de 1990, y a partir de allí se ha covertido e ua de las herramietas estádar más empleadas. La misma, que e sus orígees se había desarrollado para cuatificar el riesgo de mercado y luego se la ha itegrado al riesgo de crédito, tiee la vetaja de poder ser compredida fácilmete por agetes o especializados técicamete. La simplicidad de su cocepto la covierte e ua poderosa herramieta que favorece la comuicació etre los especialistas técicos y los directivos. Adicioalmete, su popularidad se debe a la practicidad, ya que mide el riesgo resumiédolo e u sólo úmero. El trabajo está estructurado del siguiete modo: E la primera secció se preseta la herramieta Valor a Riesgo (VaR), se hace hicapié e el VaR bajo el supuesto de que los redimietos de los activos se distribuye ormalmete. E la seguda se itroduce el cocepto de la Teoría de los Valores Extremos o EVT, (por sus siglas e iglés) y se cetra la ateció e los modelos Peak over the threshold. Luego se muestra el cálculo del VaR cuado los activos preseta redimietos co distribucioes de colas pesadas. Para ello se aplica la EVT al mismo. Se detallará los pasos a seguir para el cálculo. Seguidamete se preseta u caso práctico e el que se aplica los coceptos descriptos e las seccioes precedetes. Se trata de u portafolio compuesto por ocho activos. A modo de coclusió, se recopila los putos resaltates del trabajo y se realiza u aálisis de los resultados obteidos e el caso práctico. Fialmete, e el Aexo se hará u resume de alguos coceptos estadísticos utilizados.
2 1. VALOR A RIESGO (VAR) El Valor a Riesgo mide la peor pérdida detro de u horizote de tiempo, dado u ivel de cofiaza q. Brida u límite superior de pérdida que sólo es superado e ua proporció muy pequeña de casos. Se trata del cuatil de la distribució proyectada de las gaacias y pérdidas detro de u horizote de tiempo. (Jorio, 1997). Matemáticamete puede expresarse VaR f x dx q (2) VaR 1 q F 1 q (1), o lo que es lo mismo 1 Gráficamete se represeta del siguiete modo: De este modo se realiza u aálisis estático de las posicioes tomadas e u portfolio de iversió. 1.1 Modelo Delta-Normal E este modelo se asume que los redimietos de los activos de la cartera se distribuye ormalmete. Dado que el portafolio es ua combiació lieal de los mismos, por las propiedades de las variables aleatorias ormales, el redimieto de la cartera tambié estará distribuido ormalmete. La variable aleatoria utilizada e el aálisis es la tasa de redimieto de la cartera. Para ello se determia primero los redimietos de cada activo i. Debido a que al asumir ua distribució ormal de los redimietos puede obteerse precios egativos, se utilizará los redimietos geométricos: r t Log Pt Dt P t 1 (3) Asumiedo por simplicidad que o se pagará dividedos,
3 P it, rit. Log P it, 1 (4) Defiidos los redimietos de cada activo i, puede defiirse el redimieto del portafolio: R t Log i 1 i 1 WP. i WP i, t i i, t 1 Dode i 1,2,..., es la catidad de activos y t es el tiempo medido e días. El procedimieto para el cálculo del VaR costa de tres pasos: (5) Paso 1: Se parte de u valor iicial de la cartera W R 0 (6) Paso 2: Se calcula el desvío del portafolio Paso 3: El cálculo del VaR será: VaR Z * * W (7) p p q p Dode Zq es la variable estadarizada correspodiete al ivel de cofiaza q. Para el cálculo del desvío del redimieto del portafolio y de los redimietos de los activos, debe remitirse al Aexo I. Este modelo, al asumir ormalidad, cetra su ateció e los valores cetrales de la distribució y subestima el verdadero valor de las colas de la distribució. Por ello e los últimos años se ha hecho práctica comú, sobre todo por parte de los agetes más aversos al riesgo, u estudio orietado a los valores extremos. 2. TEORÍA DE VALORES EXTREMOS (EVT) Los evetos extremos se refiere a aquellos co ua frecuecia muy baja e itesidad muy alta, es por ello que esta teoría es coocida tambié
4 como la de los pequeños úmeros. La razó por la que su estudio es de tato iterés es justamete su alto costo, tato ecoómico como político y social. El objetivo es estar preparado para mitigar los daños ecoómicos que so causados a ua població, pero tambié preveir y reducir las víctimas humaas y las cosecuecias políticas que puede acarrear. Ua alerta tempraa de cualquier catástrofe puede ser la diferecia etre la vida o la muerte. E el caso de u portafolio de iversió, ua ivestigació del comportamieto del mercado que tega e cueta este tipo de evetos extremos, puede ser la diferecia etre lograr beeficios o la quiebra. La Teoría de Evetos Extremos se basa e herramietas estadísticas para medir y cuatificar estos evetos y las cosecuecias que produce. Estos se maifiesta e las colas de las distribucioes. Para ello debe ecotrarse ua fució de distribució que se ajuste a los datos empíricos. Los modelos Pick Over the Threshold se propoe aalizar las observacioes de gra valor que sobrepasa u umbral suficietemete alto. Se trata del estudio de los riesgos residuales más allá de ua pérdida grade. E este setido, se realiza u aálisis codicioal. Para ese fi, a cotiuació se itroduce los coceptos acerca de esta teoría para su posterior aplicació al cálculo del VaR. 2.1 Fució exceso de pérdida sobre el umbral F y P X u y / X u u Co 0 y x0 u dode x 0 es u umbral. Esta fució represeta la probabilidad de que el exceso de pérdida sea a lo sumo y dado que se ha sobrepasado el umbral u. 2.2 Teorema u x0 0 y x0 u,, (8) lim sup F y GP y 0 (9) u A medida que el umbral aumeta, la fució de exceso de pérdida coverge a ua geeralizada de Pareto. De este modo para valores de x u
5 mayores al umbral co fució de distribució F, la fució de distribució de excesos F será la geeralizada de Pareto: (Picklads, Balkema-i Haa result). u F y GP y (10) u La fució de distribució Geeralizada de Pareto (GPD) es la siguiete: [1] (Bassi, Embrechts ad Kafetzaki,1998:15) GP,, Elecció del umbral,, y 1 (11) El umbral escogido debe ser lo suficietemete alto como para que el teorema pueda ser aplicado y lo suficietemete bajo como para poder cotar co suficiete iformació. U umbral demasiado pequeño tedrá como resultado estimadores sesgados y uo muy grade estimadores co alta variaza. La elecció del mismo deberá teer e cueta el trade off etre estas características. Existe dos efoques gráficos para la elecció del umbral límite. Por u lado observado el gráfico del exceso medio (mea excess) y por el otro a través del gráfico de Hill. 2.4 Gráfico de Mea Excess Fuctio Dado u umbral x 0 la fució mea excess over the threshold se defie como la esperaza del exceso sobre el umbral / 0 u x Para la distribució e u E X u X u (12), dode 0 geeralizada de Pareto esta fució se defie como: dode u 0. La fució mea excess se localiza etre 1 u eu (13) 1 eu (14), que es la correspodiete a la fució de distribució expoecial y la GPD. La misma es lieal y tiede a ifiito coforme lo hace el umbral. Por lo tato el umbral seleccioado será aquel que se ecuetre e u área dode el gráfico sea lieal.
6 2.5 Gráfico de Hill Para comezar debe ordearse los estadísticos de meor a mayor (tratádose de pérdidas co sigo egativo), de las variables aleatorias iid,,..., X1 X obteiédose X... Xs... X 1. El estimador de Hill, que es el estimador máximo verosímil de la GPD, para el parámetro de forma utilizado s 1 estadísticos es: (Bassi, Embrechts ad Kafetzaki,1998:14) i s 1 i 1 H L X L X s (15) El gráfico de Hill estará defiido por las siguietes coordeadas: s. 1 sh, dode 1 1 El umbral u seleccioado será aquel a partir del cual el gráfico comiece a estabilizarse. De acuerdo a este criterio, la selecció será e parte subjetiva, ya que o habrá u úico umbral correcto. 3. VAR BAJO LA TEORÍA DE VALORES EXTREMOS E este capítulo se preseta u esquema de pasos a seguir para la determiació del VaR e el cotexto de la Teoría de Valores Extremos. 3.1 Paso 1: Exploració de los datos Para comezar a hacer u aálisis de variables co distribucioes de colas pesadas, primero debe cerciorarse de que los datos co que se cueta preseta efectivamete dicho comportamieto. Dado que e este trabajo se pretede realizar u aálisis comparativo del VaR Normal y el Var Extremo, se comieza descartado la ormalidad e la distribució de los log- redimietos. Para tal efecto puede destacarse tres procedimietos: QQ Plot. Dada ua sucesió de variables aleatorias iid X,..., 1 X, y X... X... X la misma e orde ascedete, dode el s 1 subídice idica el orde, siedo F k 1 (16) su fució de
7 distribució empírica y F la distribució teórica (e este caso la distribució ormal), el gráfico QQ Plot estará defiido por las siguietes coordeadas: X s, F 1 s 1 para s 1,..., (17). Curtosis. Puede demostrarse que la fució de distribució ormal posee como ua de sus características pricipales ua curtosis igual a 3. Puede defiirse como la divisió etre el cuarto mometo cetrado y la variaza al cuadrado: E X (18) Mea Excess Fuctio. Se trata de la media de la fució exceso sobre el umbral (12) mecioada precedetemete e la secció 2: e u E X u / X u. Se estará frete a ua distribució de colas pesadas siempre que la pediete de la fució sea positiva. 3.2 Paso 2: Determiació de la sub-muestra a aalizar Como primer paso debe realizarse la elecció del umbral límite. Luego se procede a idetificar la serie de los estimadores que se utilizará como datos, es decir, la parte de la cola afectada. Dado el umbral u y las variables aleatorias que supera el mismo X,..., 1 X, se determia las variables de excedetes Y,..., 1 Y, dode Y X u. La fució de distribució de esta variable será i i F y P Y y / X u (19), para 0 u 3.3 Paso 3: Estimació de la cola y. Puede demostrarse que F x 1 F u GP,, y F u (20) (McNeil, 1999).
8 De este modo puede estimarse la cola de la distribució origial mediate dos estimacioes separadas: la de las variables que supera el umbral y la de las que o lo hace. Se defie N u como la catidad de datos que excede el umbral, por lo tato F u N u (21) es la probabilidad acumulada hasta el umbral. ^ F x de la distribució. Nu x u Paso 4: Estimació de parámetros 1 (22) es el estimador de la cola Estimadores basados e la optimizació. Coociedo a priori el hecho de que las distribucioes empíricas y teóricas o coicidirá co exactitud, el propósito es que se aproxime lo más que se pueda y que ese error sea cuatificable. El estimador utilizado e este apartado es el estimador Cramér vo Mises. El estimador es el que t Mi Q v H c ; H c (23), dode k k 1 k k k k seleccioados arbitrariamete, ; H c la empírica. k 3.5 Estimació del cuatil k k 2 c y v k so H c es la distribució teórica y Fialmete para u ivel de cofiaza q calculado como: F u, el VaR será ^ ^ VaRq u 1 q 1 ^ N u ^ ^ (24)
9 4. CASO PRÁCTICO 4.1 Presetació del portafolio de iversió El portafolio aalizado se compoe de ocho activos, se trata de las cotizacioes diarias de Soy Corporatio, Google Ic., Exxo Mobil Corporatio, Molios Río de la Plata, Mapfre S.A., Toyota Motor Corporatio, Tearis S.A., Pfizer Ic. Se toma datos históricos, desde el 4 de mayo de 2007 hasta el 10 de marzo de La catidad de datos de precios es 1001 y la de los logredimietos es E primer lugar se hará u aálisis bajo el supuesto de ormalidad y luego icorporado EVT. E ambos casos, se calculará el VaR para cada activo por separado y para el portafolio. Se tedrá e cueta diferetes iveles de cofiaza. 4.2 Modelo Delta Normal Los resultados obteidos para cada activo se resume e el siguiete cuadro: Luego, el VaR para la cartera resulta: Puede observarse que la suma de los VaRs es superior al VaR del portafolio, producto de la diversificació.
10 Los datos utilizados so hasta el 10 de marzo, día aterior al terremoto e Japó. Al 11 de abril el redimieto de la cartera es de y al 12 de agosto es de , este último superior a la estimada a priori a través del VaR asumiedo ua distribució ormal, cualquiera sea el ivel de cofiaza. 4.3 VaR Extremo Soy Corporatio Pruebas de ormalidad Curtosis 8.859>3 La fució de exceso medio se puede aproximar a través de la fució de exceso medio empírico. Dada ua sucesió de variables aleatorias iid,..., X1 X, y X... Xs... X 1 la misma e orde ascedete, ya que e este caso se toma las pérdidas co sigo egativo y las gaacias co positivo. Max X j u;0 j 1 eu Nu (25) Es práctica comú tomar como umbral a las observacioes mismas, de modo que k 1 u X. Para s 1,..., 1
11 e X s s j 1 X j X s 1 s (26) Se descarta ormalidad e los redimietos Estimació del umbral El gráfico o se estabiliza e igú puto, por lo tato o podrá emplearse para la determiació del umbral.
12 De acuerdo a la fució de excesos medios se elige s 57, como puto e el cual la fució de exceso de pérdida se ecuetra e ua recta lieal creciete. De este modo el umbral es u Estimació de parámetros Para N 56 los parámetros so: Cálculo del VaR Los resultados so: xi mu sig Google Ic Pruebas de ormalidad Curtosis El QQ Plot y el Mea Excess Fuctio descarta ormalidad de los redimietos Estimació del umbral El gráfico o se estabiliza e igú puto, por lo tato o podrá emplearse para la determiació del umbral.
13 El umbral escogido es u Estimació de parámetros Para N 185 xi mu sig Cálculo del VaR Exxo Mobil Corporatio Pruebas de ormalidad Curtosis El QQ Plot y el Mea Excess Fuctio descarta ormalidad de los redimietos Estimació del umbral El gráfico o se estabiliza e igú puto, por lo tato o podrá emplearse para la determiació del umbral.
14 Se escoge u Estimació de parámetros Para N 83 : xi mu sig Cálculo del VaR Toyota Motor Corporatio Pruebas de ormalidad Curtosis 11.8 El QQ Plot y el Mea Excess Fuctio descarta ormalidad de los redimietos Estimació del umbral El gráfico o se estabiliza e igú puto, por lo tato o podrá emplearse para la determiació del umbral.
15 Se escoge u Estimació de parámetros Para N 60 : xi mu sig Cálculo del VaR Pfizer Ic Pruebas de ormalidad Curtosis El QQ Plot y el Mea Excess Fuctio descarta ormalidad de los redimietos Estimació del umbral El gráfico o se estabiliza e igú puto, por lo tato o podrá emplearse para la determiació del umbral.
16 Se escoge u Estimació de parámetros Para N 50 : xi mu sig Cálculo del VaR Mapfre S.A Pruebas de ormalidad Curtosis 7 El QQ Plot y el Mea Excess Fuctio descarta ormalidad de los redimietos Estimació del umbral El gráfico o se estabiliza e igú puto, por lo tato o podrá emplearse para la determiació del umbral.
17 Se escoge u Estimació de parámetros Para N 110. xi mu sig Cálculo del VaR Tearis S.A Pruebas de ormalidad Curtosis 9.5 El QQ Plot y el Mea Excess Fuctio descarta ormalidad de los redimietos Estimació del umbral El gráfico o se estabiliza e igú puto, por lo tato o podrá emplearse para la determiació del umbral.
18 Se escoge u Estimació de parámetros Para N 199 : xi mu sig Cálculo del VaR Molios Río de la Plata Pruebas de ormalidad Curtosis El QQ Plot y el Mea Excess Fuctio descarta ormalidad de los redimietos Estimació del umbral El gráfico o se estabiliza e igú puto, por lo tato o podrá emplearse para la determiació del umbral.
19 Estimació de parámetros Para N 79 : Cálculo del VaR xi mu sig Portafolio Pruebas de ormalidad Curtosis El QQ Plot y el Mea Excess Fuctio descarta ormalidad de los redimietos Estimació del umbral El gráfico o se estabiliza e igú puto, por lo tato o podrá emplearse para la determiació del umbral.
20 Se escoge u Estimació de parámetros Para N 119 : xi mu sig Cálculo del VaR Puede observarse que el VaR del portafolio es meor al del resultate de la suma etre los VaRs por separado, efecto producido por la diversificació del riesgo. 5 CONCLUSIONES E este trabajo se ha presetado los procedimietos seguidos para la obteció del VaR bajo distribucioes ormal y de evetos extremos. Se ha aalizado u caso práctico de u portafolio, previo al terremoto de Japó. Los resultados arrojados, cofirma que el VaR Extremo provee iformació más acertada respecto de los evetos catastróficos que el VaR Delta Normal. Ello lleva a tomar decisioes más prudetes y
21 coservadoras. Aú así, la realidad ha idicado que las pérdidas ha sido mayores a las calculadas y ha puesto e evidecia que el VaR Extremo tiee sus limitacioes. Uo de los obstáculos más grades es el modelo multivariado, ya que la distribució cojuta de las margiales extremas o siempre es la distribució de la variable agregada. Es por ello que ésta debe ser complemetada co Tests de Stress que icluya diferetes escearios. Además debe teerse e cueta que la elecció de la periodicidad de datos es relativamete subjetiva y depederá de las características de los activos de la cartera. No existe ua fórmula matemática para la elecció del mismo, pero sí ciertas pautas que debe teerse e cueta. El horizote de tiempo debe ser lo suficietemete largo como para captar los movimietos y comportamietos de los mismos. Cuato más corto sea, más temprao se detectará los poteciales problemas y pérdidas, mayor será la catidad de observacioes co las que se cueta, y meores será los cambios e la composició de la cartera. A su vez, ello geerará mayores costos, derivados del costate moitoreo. Debe utilizarse u horizote de tiempo que equilibre todas estas cuestioes. Por último, debe cosiderarse que la elecció del umbral límite es e parte tambié subjetiva. REFERENCIAS BIBLIOGRÁFICAS Bassi, Embrechts ad Kafetzaki (1998): A survival kit o quatile estimatio. ETH Zurich: Workig paper. Departamet of Mathematics. Besalah, Y. (2000): Steps i Applyig Extreme Value Theory to Fiace: A Review. Bak of Caada. Workig Paper Casparri, M. T., y colaboradores (2003): Acerca del Riesgo. Selecció de alguos trabajos de ivestigació. Bueos Aires, Cetro de ivestigació e métodos cuatitativos aplicados a la ecoomía y la gestió. Casparri, M. T., y colaboradores (2007): Acerca del Riesgo II. Selecció de alguos trabajos de ivestigació. Bueos Aires, Cetro de ivestigació e métodos cuatitativos aplicados a la ecoomía y la gestió. Chavez-Demouli, V. (2004): Extreme Value Theory ca Save your Neck. Suiza, ETHZ Armi Roehrl, Approximity GMBH.
22 Embrechts, P: Extreme Value Theory i Fiace ad Isurace. Zurich, Switzerlad Departmet of Mathematics, ETH. Embrechts, P., Klüppelberg, C. ad Mikosch, T. (1997): Modellig extremal evets for isurace ad fiace. New York, Spriger. Fassio, A., Pascual, L. y Suárez, F. (2004): Itroducció a metodología de la Ivestigació. Aplicada al saber admiistrativo y al aálisis orgaizacioal. Bueos Aires, Edicioes Macchi. García Perez, A. (2004): La Teoría del Valor Extremo: Ua Aplicació al Sector Asegurador. Madrid, España. Hull, J. (2003): Optios, futures ad other derivatives. 5th ed, Pretice Hall fiace series. Upper Saddle River, NJ: Pretice Hall. JORION, P. (1997): Value at risk: the ew bechmark for cotrollig market risk. Chicago, IL, Irwi Professioal Publishig. Klugma, S., Pajer, H., Willmot, G. (2008): Loss Models. From Data to Decisios. Hoboke, New Jersey, Joh Wiley & Sos, Ic. Gilli, M., Käellezi, E.: A Applicatio of Extreme Value Theory for Measurig Fiacial Risk. Switzerlad, Departmet of Ecoometrics, Uiversity of Geeva ad FAME. McNeil, A. J. (1999): Extreme Value Theory for Risk Maagers. Zurich, ETH Zetrum. CH-8092.
23 ANEXO A cotiuació se preseta alguas fórmulas estadísticas. El subídice j se refiere a las observacioes de los redimietos. Para cada activo i: E X 1 Esperaza: i, j 1 1 Variaza: V X X, E X 1 Desvío: X i V X i Covariaza: X j i i j i i j 1 1 cov X, X X E X X E X i k j, i i j, k k 1 j 1 Coeficiete de correlació: X, X i k 2 cov X, X Para el caso de activos la matriz de variaza y covariaza es: i i k k 1 2
Análisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detalles5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detallesOPCIÓN 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 detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció
Más detallesREVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL
375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la
Más detallesEste centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones.
reguta 6 utos Ua empresa de limpieza cotrata persoal e forma putual depediedo de las solicitudes de trabajo de sus clietes. ara el iicio de ua coferecia iteracioal, u cliete platea la limpieza a fodo del
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesMatemáticas I - 1 o BACHILLERATO Binomio de Newton
Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete
Más detallesPolinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios
Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel
Más detallesSucesiones numéricas.
SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El
Más detallesSoluciones Hoja de Ejercicios 2. Econometría I
Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesTEMA 3.- OPERACIÓN FINANCIERA
. DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,
Más detallesINFERENCIA 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 detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 2)
IES Fco Ayala de Graada Sobrates de 0 (Modelo ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 0 (MODELO ) OPCIÓN A EJERCICIO _A ( 5 putos) Halle la matriz X que verifique la ecuació
Más detallesPropuesta A. { (x + 1) 4. Se considera la función f(x) =
Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar
Más detallesFórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)
Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio
Más detallesTeorías de falla bajo cargas estáticas
Teorías de falla bajo cargas estáticas Carlos Armado De Castro P. Coteido: - Itroducció - Falla de materiales dúctiles - Falla de materiales frágiles. Itroducció La falla es la pérdida de fució de u elemeto
Más detallesMATEMÁTICAS FINANCIERAS
MATEMÁTIAS FINANIERAS Secció: 1 Profesores: ristiá Bargsted Adrés Kettlu oteido Matemáticas Fiacieras: Iterés Simple vs Iterés ompuesto Valor Presete y Valor Futuro Plaificació estratégica Matemáticas
Más detallesCRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS
CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL
Más detallesTema 9 Teoría de la formación de carteras
Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.
Más detallesCalculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito
Más detallesIES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora
Más detallesEjemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de
Más detallesOPCIÓN 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 detalles2. LEYES FINANCIERAS.
TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),
Más detalles7.2. Métodos para encontrar estimadores
Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detalles1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)
1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detallesMARTINGALAS 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 detallesOPERACIONES ALGEBRAICAS FUNDAMENTALES
MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo
Más detallesSolución 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 detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesPráctica 6: Vectores y Matrices (I)
Foamets d Iformàtica 1r curs d Egiyeria Idustrial Práctica 6: Vectores y Matrices (I) Objetivos de la práctica El objetivo de las prácticas 6 y 7 es itroducir las estructuras de datos vector y matriz e
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4)
IES Fco Ayala de Graada Sobrates de 8 (Modelo 4) Solució Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 8 (MODELO 4) OPCIÓN A EJERCICIO 1_A (3 putos) U joyero fabrica dos modelos
Más detallesSOLUCIONES 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 detallesA N U A L I D A D E S
A N U A L I D A D E S INTRODUCCION Y TERMINOLOGIA Se deomia aualidad a u cojuto de pagos iguales realizados a itervalos iguales de tiempo. Se coserva el ombre de aualidad por estar ya muy arraigado e el
Más detallesCONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA
CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery
Más detallesCOMUNICACIÓN A 5272 27/01/2012
2012 Año de Homeaje al doctor D. Mauel Belgrao A LAS ENTIDADES FINANCIERAS: COMUNICACIÓN A 5272 27/01/2012 Ref.: Circular LISOL 1-545 CONAU 1-962 Exigecia de capital míimo por riesgo operacioal. Determiació
Más detallesELEMENTOS DE ÁLGEBRA MATRICIAL
ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)
IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las
Más detallesMC Fco. Javier Robles Mendoza Primavera 2009
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2
Más detallesUna serie de potencias puede ser interpretada como una función de x. f(x) = n=0
Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada
Más detallesCONCEPTOS BÁSICOS DE PRESTAMOS.
GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,
Más detallesTema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.
UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD
PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y,
Más detallesTema 6. Sucesiones y Series. Teorema de Taylor
Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació
Más detallesProgresiones. 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 detallesCANTIDAD EN QUÍMICA QCA 07
.- Razoe: a) Qué volume es mayor el de u mol de itrógeo o el de u mol de oxígeo, ambos medidos e las mismas codicioes de presió y temperatura? b) Qué masa es mayor la de u mol de itrógeo o la de uo de
Más detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
Más detallesModulo IV. Inversiones y Criterios de Decisión. Inversión en la empresa. Análisis de Inversiones
Modulo IV Iversioes y Criterios de Decisió Aálisis de Iversioes 1. Iversió e la empresa 2. Métodos aproximados de valoració y selecció de iversioes 3. Criterio del valor actualizado eto (VAN) 4. Criterio
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detallesIES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió
Más detallesPRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia)
Distribucioes de frecuecia: PRESENTACIONES ESTADISTICAS So tablas e las que se agrupa lo valores posibles de ua variable y se registra el úmero de valores observados que correspode a cada clase. Como ejemplo
Más detallesMidiendo el Desempeño
Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u
Más detallesTEMA 5: INTERPOLACIÓN
5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x
Más detallesTEMA 6 SELECCIÓN DE INVERSIONES PRODUCTIVAS CON RIESGO (Parte I)
TEMA 6 SELECCIÓN DE INVERSIONES PRODUCTIVAS CON RIESGO (Parte I) Tema 6- Parte 1 1 EL MÉTODO de la TASA de DESCUENTO AJUSTADA al RIESGO : a = k + p E presecia de iflació a = k + p ( 1 + a ) = ( 1 + a )(
Más detallesAbel Martín LAS FRACCIONES. - Las fracciones como parte de un todo - Egipto les espera
LAS FRACCIONES - Las fraccioes como parte de u todo - Nuestros amigos prueba su máquia del tiempo. Egipto les espera Despegamos! E la evolució del pesamieto humao, 000 años a. C., los egipcios comieza
Más detallesLey de los números grandes
Capítulo 2 Ley de los úmeros grades 2.. La ley débil de los úmeros grades Los juegos de azar, basa su sistema de gaacias, fudametalmete e la estabilidad a largo plazo garatizada por las leyes de la probabilidad.
Más detallesTEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n.
Fucioes de varias variables (I TEMA - FUNCIONES DE VARIAS VARIABLES (I: LÍMITES Y CONTINUIDAD. Coceptos topológicos previos e el espacio euclídeo R. Sea R el espacio euclídeo de dimesioes. U puto a de
Más detallesTransformaciones Lineales
Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,
Más detalles11. 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 detallesEstimación puntual y por Intervalos de Confianza
Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo
Más detallesPlanificación contra stock
Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica
Más detallesIES Fco Ayala de Granada Sobrantes de 2002 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 2002 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) U cliete de u supermercado ha pagado u total de 156 euros por 24 litros de leche,
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:
Más detalles1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)
Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =
Más detallesCURSO 2.004-2.005 - CONVOCATORIA:
PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesCapítulo I. La importancia del factor de potencia en las redes. eléctricas
La importacia del factor de potecia e las redes eléctricas. Itroducció Las fuetes de alimetació o geeradores de voltaje so las ecargadas de sumiistrar eergía e las redes eléctricas. Estas so de suma importacia,
Más detallesMedidas de riesgo, características y técnicas de medición: una aplicación del VaR y el ES a la tasa interbancaria de Colombia
BANCO DE LA REPUBLICA Gerecia Técica Medidas de riesgo, características y técicas de medició: ua aplicació del VaR y el ES a la tasa iterbacaria de Colombia Luis Ferado Melo Veladia Oscar Reialdo Becerra
Más detallesIES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 001 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Se quiere orgaizar u puete aéreo etre dos ciudades, co plazas suficietes de pasaje y carga,
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesPor: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS
Por: Lic. Eleazar J. García. República Bolivariaa de Veezuela Tiaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Usted está familiarizado co alguas operacioes iversas. La adició y la sustracció so operacioes
Más detallesEstimación puntual y por intervalos
0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por
Más detallesOBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con
Curso -3 OBJETIVOS Objetivos Geerales Itroducir el cálculo de fucioes de ua variable como fudameto del aálisis ecoómico margial y los problemas de optimizació. Matemáticas Empresariales Doble Grado e ADE
Más detallesANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.)
ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS OOS. (Resolució por JMEB.) 1. Defiició. El problema cosiste e calcular la catidad de cocos que había iicialmete e u motó que... ierto día se reuiero moos para recoger
Más detallesCapítulo 2. Operadores
Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática
Más detallesCuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9.
II. CRECIMIENTO FÍSICO EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA: MEDIDAS ABSOLUTAS PESO Y TALLA, POR EDAD Y SEXO Y COMPARACIÓN CON EL PATRÓN CRECIMIENTO LA OMS (2005) A. Por países 1. Costa Rica E los cuadros
Más detallesGENERALIDADES. La Empresa de Transmisión Eléctrica, S. A. (ETESA) maneja 151 estaciones, clasificadas de la siguiente manera:
GENERALIDADES I. DEFINICIÓN DE METEOROLOGÍA Es la ciecia iterdiscipliaria que estudia el estado del tiempo, el medio atmosférico, los feómeos allí producidos y las leyes que lo rige. Es el estudio de los
Más detallesIES Fco Ayala de Granada Sobrantes de 2001 (Modelo 5 Septiembre) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 00 (Modelo 5 Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A (3 putos) Para fabricar tipos de cable, A y B, que se vederá a 50 y 00 pts el metro, respectivamete,
Más detallesESTADÍSTICA. Al preguntar a 20 individuos por el número de personas que viven en su casa, hemos obtenido las siguientes respuestas:
ESTADÍSTICA Ejercicio º.- Al pregutar a 0 idividuos por el úmero de persoas que vive e su casa, hemos obteido las siguietes respuestas: Elabora ua tabla de frecuecias. Ejercicio º.- E ua empresa de telefoía
Más detallesRevisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola.
Programa de Efectividad Clíica 003 Bioestadística Vilma E. Irazola DATOS CATEGORICOS COMPARACION DE PROPORCIONES Revisió de coceptos: Cotiuos Tipos de datos Discretos Categóricos Ejemplo: Variable a a
Más detalles= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3
IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesUNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.
UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir
IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)
Más detallesen. Intentemos definir algunas operaciones en
OPERACIONES EN 8 E la secció aterior utilizamos fucioes de el primer couto y estudiar sus propiedades e Itetemos defiir alguas operacioes e Recordemos de cursos ateriores que tomamos al couto de los compleos
Más detallesPara construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p :
Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué proporció de mujeres espera compartir las tareas de la casa co su pareja?
Más detallesMODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA MECANICA MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO FERNANDO ESPINOSA FUENTES Necesidad del reemplazo. Si se matiee u riesgo durate u tiempo
Más detallesMETODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES
METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES La serie estadística de Ídice de Precios al por Mayor se iició e 1966, utilizado e
Más detallesEjercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.
Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A
IES Fco Ayala de Graada Juio de 014 (Colisioes Modelo 3) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO 3 (COLISIONES) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices
Más detallesMEDIDAS DE RESUMEN. Jorge Galbiati Riesco
MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos
Más detallesRecuerda 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 detallesMATEMÁTICAS 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 detallesTEMA 1: OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS
TEMA : OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS..-INTRODUCCION : Etedemos por operació fiaciera de amortizació, aquella, e que u ete ecoómico, (acreedor ó prestamista), cede u
Más detalles