Métodos en el dominio de la frecuencia aplicados a mercados eléctricos
|
|
- José Casado Venegas
- hace 8 años
- Vistas:
Transcripción
1 X Congreso de Ingeniería de Organización Valencia, 7 y 8 de sepiembre de 2006 Méodos en el dominio de la frecuencia aplicados a mercados elécricos Juan R. rapero Arenas, Diego J. edregal ercero Dpo. de Adminisración de Empresas. Escuela écnica Superior de Ingenieros Indusriales de Ciudad Real. Universidad de Casilla- La Mancha. Campus de Ciudad Real, 307 Ciudad Real. JuanRamon.rapero@uclm.es, Diego.edregal@uclm.es alabras clave: Máima verosimiliud, dominio de la frecuencia, espacio de los esados, mercados elécricos, predicción.. Inroducción La indusria de la elecricidad ha esado inmersa en un proceso de reesrucuración durane los úlimos años en muchas pares del mundo. Una de las causas principales de ales cambios es la liberalización del mercado elécrico. ano los producores como consumidores de energía elécrica han enido que reausar sus esraegias para hacer frene a ales cambios. Una pare imporane en la esraegia de los agenes que paricipan en el mercado es la previsión. En ese puno las predicciones sobre la demanda y precios de energía elécrica a coro plazo son claves. De hecho la mala predicción de los precios fuuros puede conllevar grandes pérdidas económicas. * La lieraura dedicada al esudio de series emporales ales como el precio y la demanda de la energía elécrica es muy amplia. Enre las soluciones más conocidas se encuenran desde los clásicos modelos ARIMA (Auoregresive Inegraed Moving Average), por eemplo Conreras e al. (2003) y Coneo e al. (2005) hasa el uso de redes neuronales, por eemplo Kumluka y Erkmen (2003). Sin embargo, algunos auores, como Angelus (200), opinan que hay una necesidad de meodologías que sean sisemáicas, ransparenes y adapaivas. La meodología Bo-Jenkins carece de adapabilidad, mienras que las redes neuronales son modelos caa negra donde su funcionamieno no es del odo ransparene. Los modelos de componenes no observables (Unobserved Componens, UC) se encuenran bien siuados para su aplicación en las series esudiadas en ese arículo, ver rapero (2003, 2005). Oros méodos muy ciados son: méodo Bayesiano en Wes y arrison (989); espacio de los esados en el dominio del iempo en arvey (989), edregal y Young (2002); espacio de los esados en el dominio de la frecuencia en Young e al. (999); ambién méodos basados en reducciones del modelo, Kumluca y Erkmen (2003). odos esos méodos, aunque paren de una descomposición en componenes eóricos semeanes, ienen punos de visa compleamene diferenes en referencia a su forma de realizar la idenificación y esimación. Las aplicaciones esudiadas en arvey y Koopman (993) por un lado y edregal y Young (2006) por oro, ienen en común que ambas usan un marco de espacio de los esados para * Ese rabao ha sido parcialmene financiado por la Conseería de Ciencia y ecnología de la Juna de Comunidades de Casilla-La Mancha y la unión europea a ravés del ondo Social Europeo.
2 esablecer los modelos. Sin embargo, una diferencia muy imporane enre ellos, es que, la esimación esá hecha en el dominio del iempo en el primer caso y en el dominio de la frecuencia en el segundo. Esa peculiaridad adquiere gran imporancia para nuesro problema porque esá demosrado que la esimación por máima verosimiliud en el dominio del iempo esá muy limiada según el número de parámeros a esimar aumena. or el conrario, la esimación en el dominio de la frecuencia no iene dicha limiación. En ese arículo se propone una herramiena basada en el marco del espacio de los esados uilizando un modelo de componenes no observables donde la esimación de los parámeros se lleva a cabo en el dominio de la frecuencia mediane máima verosimiliud. Las venaas del modelo son: ala capacidad de racking de la serie; mayor eracción de información ya que podemos obener la componene de endencia, esacional e irregular además de la predicción; un proceso de idenificación auomáico en el dominio de la frecuencia. La poencia de esa aplicación se muesra sobre precios de energía elécrica en el mercado elécrico español. ay que desacar que el méodo aquí propueso, realiza las predicciones auomáicamene sin necesidad de diseñar diferenes modelos para cada esación del año como en Coneo e al. (2005). Eso facilia enormemene la are de predicción, ya que sería posible diseñar una herramiena a medida para cualquier empresa que necesie realizar predicciones. or ano, no sería necesario un epero que esé coninuamene modelando y realizando predicciones. A coninuación se muesra un breve sumario de cómo se ha organizado el arículo. El segundo aparado proporciona una inroducción al modelo uilizado en el Espacio de los Esados. En ese aparado se presenarán los modelos de componenes no observables y como paricularización el modelo BSM (Basic Srucural Model, arvey (989)). La aplicación a las series emporales de precios de energía del mercado liberalizado elécrico español se desarrollará en el ercer aparado. or úlimo se muesran las principales conclusiones. 2. Descripción general del modelo. 2.. La esrucura de modelos de series emporales Un modelo esadísico se basa en cieras hipóesis de carácer probabilísico, que inena capurar las caracerísicas esenciales del proceso generador de daos. Dado al modelo es posible: a) Esimar los parámeros por un procedimieno esadísico, como es el méodo de máima verosimiliud. b) redecir c) Realizar ess esadísicos para comprobar si el modelo puede ser simplificado o si es necesario ampliarlo. Un posible puno inicial para el desarrollo de modelos de series emporales es un modelo de regresión en que las variables eplicaivas son función eplícias del iempo (deerminisas). or eemplo, un modelo con componenes de endencia y esacional se puede formular al que: y α + β + γ z + ε ()
3 donde α y β son los coeficienes asociados con la endencia y γ ' s son los coeficienes esacionales resringidos a sumar cero. Esa resricción se lleva a cabo esableciendo los z ' s como variables dummy definidas de forma que para, K, s,,, + s, + 2 s, K z 0,, + s, + 2 s, K, s, 2 s, 3 s, K (2) La caracerísica clave de (2) es que la única pare esocásica del modelo es la componene irregularε. Esa variable supone ser un érmino de perurbación aleaoria que se disribuye normalmene con media cero y varianzaσ 2 2, es decir ε NID( 0, σ ). El inconveniene de los modelos eplicados según () es que suelen ser poco apropiados debido al carácer deerminísico de los coeficienes de endencia y esacional. De hecho se les da el mismo peso a odas las observaciones cuando se realizan predicciones. Eso no es muy lógico, ya que las úlimas observaciones suelen ser más imporanes. La formulación esáica de () se puede converir en una dinámica incorporando procesos esocásicos. En el siguiene aparado se inroduce el modelo esocásico uilizado en la modelización del mercado elécrico Modelos de componenes no observables Un modelo esrucural básico, cuyas siglas en inglés son (BSM) es una paricularización del conuno de modelos de componenes no observables que adopa la siguiene forma: y µ + γ + ε (3) donde µ es la endencia,γ es la componene esacional y ε es la componene irregular. Con el fin de inroducir el carácer esocásico en (3), se uilizará la endencia lineal local (LL), siendo ésa una paricularización del paseo aleaorio generalizado, al que: µ µ w + * * * 0 µ µ w (4) * donde µ y µ son parámeros varianes en el iempo (V) que aporan la fleibilidad al modelo. De la misma forma la componene esacional γ se puede epresar como: γ cos ω sinω γ η γ ω ω γ η * * + * sin cos para,2,,/2 (5) dondeω,,2,,/2 hace referencia al conuno de la frecuencia fundamenal y sus /2 armónicos que coniene la serie emporal. En ese caso los (V) corresponden a los esados γ y γ *. La componene irregular ε se supone aleaoria con una disribución normal de media cero y varianza 2 σ. El modelo BSM se puede ausar a un marco del Espacio de los Esados. Una forma general de escribir el Espacio de los Esados es la siguiene:
4 Ecuaciones de esado: + A + w Ecuaciones de salida: z + v (6) donde z,,2,,n es la serie emporal escalar; es un vecor esocásico de dimensión n; w y v son vecores de ruido de dimensión n y respecivamene; y A y son las marices del sisema y de salida respecivamene. Como hipóesis de parida decimos que w es un ruido Gaussiano con vecor de medias cero y mariz de covarianzas Q *. De forma similar, el ruido escalar v es Gaussiano con media cero y varianzaσ. Además ambos ruidos son independienes. Las marices A,, Q * previamene y 2 v 2 σ v son conocidas o han sido esimadas Las ecuaciones de esado del BSM esarán formadas por un LL para modelizar la endencia y seguirán el formao viso en (5) para describir el comporamieno de los armónicos. or ano el modelo compleo podría escribirse: [ 0 0 K 0] y + ε (7) Siendo (7) la ecuación de observación. La evolución de los V s ( ) vendrán dados por la concaenación por bloques de las marices presenadas en (4) y (5). El modelo puede ser reparamerizado convenienemene sin perder generalidad mediane una * ransformación de la mariz de covarianza Q en un mariz de raios conocida como la mariz NVR (Noise Variance Raios), al que: σ σ * σ w w NVR diag para, 2, K, / 2 (8) σ ε σ ε σ ε donde diag ( ) es una mariz diagonal cuyo elemenos perenecen a la diagonal principal. El parámeroσ 2 ε es la varianza del ruido observado, y se uiliza en el modelo BSM para normalizar las varianzas, sin que influya sobre la esencia del modelo. Ora resricción habiual en el modelo es que las varianzas o NVR s correspondienes a cada frecuencia sean los mismos. Una vez idenificados odos los elemenos del sisema, el ilro de Kalman (K, en inglés) y el algorimo de Suavizado io (IS) producirían esimaciones ópimas de sus esados. El problema reside en que es necesario esimar a priori una serie de parámeros desconocidos, que son los NVR. Normalmene el méodo más ampliamene uilizado para esimar los NVR es por máima verosimiliud (ML) en el dominio del iempo a causa de sus buenas propiedades eóricas en una gran canidad de aplicaciones. Sin embargo, ese méodo no es el más apropiado cuando el número de parámeros a esimar es alo. En ese caso ocurre ese fenómeno por lo que se debe acudir a oras alernaivas. Aforunadamene, la esimación en el dominio de la frecuencia proporciona una alernaiva adecuada a ese problema. Además es paricularmene ineresane porque la esimación es auomáica en el dominio de la frecuencia dado el comporamieno esacional de la serie emporal de los precios de la elecricidad. A coninuación se esablecen los pasos a seguir para realizar la predicción 24 horas hacia delane:
5 . Análisis eploraorio. 2. Esablecer el modelo BSM con esacionalidad semanal y diaria incluyendo sus armónicos. 3. Calcular mediane ML en el dominio de la frecuencia los NVR. 4. Usar las esimaciones en 3 para eecuar los algorimos K/IS, para realizar la predicción, inerpolación, esimación de la componene de endencia o de la componene esacional, ec. La selección de las frecuencias relevanes en una serie emporal es un ema de idenificación. Aforunadamene para las series emporales esudiadas en ese arículo, correspondienes a los precios de energía elécrica, se posee un conocimieno a priori de esas frecuencias fundamenales. En nuesro caso paricular los periodos esacionales imporanes corresponden ano a 24 observaciones, que represena una esacionalidad diaria, y 24*768 observaciones, que represena una esacionalidad semanal La formulación uilizando el modelo de espacio de los esados permie manear sisemas dinámicos lineales no esacionarios. Si las perurbaciones en el modelo son gaussianos, los algorimos K/IS producen las esimaciones ópimas en el senido de minimizar los errores cuadráicos medios. La versión de ambos algorimos usados en ese arículo aparecen en el apéndice. Debido a que las predicciones se han de presenar en el mercado diario (en el caso del operador de mercado español) cada 24 horas no es necesario rabaar en línea, por lo que se puede uilizar un algorimo de suavizado como es el IS. La aplicación de los algorimos recursivos K/IS necesian el conocimieno de odas las marices del sisema A,, Q *, yσ. 2 v 2.3. Esimación del modelo La esimación de parámeros desconocidos en el modelo (2) se llevará a cabo mediane máima verosimiliud en el dominio de la frecuencia, ver arvey (989). Se uiliza esa écnica en vez del méodo de máima verosimiliud en el dominio del iempo porque ése úlimo presena serios problemas cuando el número de parámeros a esimar es grande, como es el caso esudiado en ese rabao. Ese méodo esá basado en la ransformada de ourier que permie escribir la función de verosimiliud en la siguiene forma: ( ω ) I log( L) log(2 π ) log( g ) π (9) g donde I ( ω ) y g son respecivamene el especro empírico (o periodograma), I ( ω ) ye 2π 2 iω (0) y la función generariz especral, i g g e ω ()
6 definida en los punos ω 2π, 0, K,. Los parámeros desconocidos, NVR, aparecen en la función generariz especral y por ano la esimación ML involucra la búsqueda de diferenes valores de NVR y por ano de g, hasa que (9) sea máimo. El méodo se encuenra desarrollado en más dealle en arvey (989). 3. Caso de esudio El mercado de elecricidad español es el conuno de ransacciones procedenes de la paricipación de los agenes del mercado en las sesiones del mercado diario e inradiario y de la aplicación de los procedimienos écnicos del operador del sisema. El mercado cubre un área con una población de más de 40 millones de personas. En 2005 la producción final de elecricidad esuvo sobre 246 millones de MWh. El operador del mercado ( se encarga de realizar las operaciones económicas. or oro lado el operador del sisema ( se encarga de las operaciones écnicas. La comisión nacional de la energía ( vela por que las acividades del mercado se lleven a cabo en régimen de libre compeencia. El modelo BSM se ha aplicado a los precios procedenes del mercado elécrico español, cuyos daos se han obenido de la página Web del operador de mercado ( Los cálculos realizados se han desarrollado en el enorno MALAB. En la igura se ha dibuado la serie emporal correspondiene a los precios de energía elécrica en el mercado español durane el año Se puede observar que al principio del año hay un fuere incremeno de los precios de energía elécrica c /kwh oras igura. recios horarios del mercado elécrico español.
7 Con el fin de comparar el modelo propueso se ha diseñado un modelo ARIMA idenificado auomáicamene. El procedimieno de idenificación consise el seleccionar el meor modelo ARIMA con esacionalidad diaria y semanal de un amplio rango de posibilidades de acuerdo a Scharz Bayesian Crierion (SBC) que combina el ause del modelo con el número de parámeros uilizados, para eviar la sobre-paramerización, de forma que: ( 2 ) SBC 2L a + K ln( n ) (2) donde a son los residuos del modelo, K es el número de parámeros uilizados, y n es el número de residuos calculados para el modelo. El meor modelo es aquel con el valor SBC más bao, ver Schwarz (978). Los modelos ARIMA esudiados incluyen órdenes de a 3 ano para la pare auorregresiva (AR) como para la media móvil (MA) (incluyendo pare regular, esacionalidad diaria y semanal), y varios órdenes para realizar las diferencias. De modo que los modelos esimados incluyen combinaciones de diferenes órdenes desde 0 a 2; y polinomios MA y/o AR desde 0 a 6 (regular), 0 a 3 (diaria) y 0 a 2 (semanal). El eercicio predicivo consise en realizar la predicción de 24 horas hacia delane durane la úlima semana de cada mes del año, eniendo en cuena la información correspondiene a los 53 días aneriores. Las comparaciones de las predicciones de ambos modelos se llevarán a cabo de acuerdo al Error absoluo medio normalizado (NMAE): NMAE z + l + l l z + l z 00 (3) donde z + l y z + l son los valores correspondienes a la predicción de la demanda y su valor real respecivamene, adelanados l pasos hacia delane respeco al iempo. El valor z + l será la media muesral de los l valores reales uilizados en la predicción. La razón de normalizar el error absoluo con la media muesral es para eviar valores de errores sobrevalorados cuando los precios son cercanos a cero. En la abla I se muesran los errores comeidos en la predicción de la úlima semana de cada mes del año 2002 para el mercado elécrico español. En dicha abla se puede observar que el modelo BSM proporciona menores errores de predicción en 8 de los 2 meses, donde se ha resalado en negria el menor error de predicción comeido en cada mes. Se puede observar que los errores esán en orno a un 0% de acuerdo a la medida de error definida en (3). Siendo el mes de febrero el que menor error presene y el mes de diciembre el que mayor error alcanza dado la gran irregularidad de dicho mes. Además la media del NMAE para los 2 meses ambién es menor para el modelo BSM. En la igura 2 se muesra un eemplo de predicción 24 horas hacia delane durane un periodo de una semana. En línea coninua se ha represenado los valores reales de los precios de elecricidad mienras que la predicción de dichos precios esá dibuada mediane línea disconinua. En dicha figura se aprecia el parón esacional cada 24 y 68 horas.
8 0 9 ebrero rediccion Real 8 7 c /kwh horas igura 2. redicción de la úlima semana de febrero abla I. Errores NMAE comeidos en la predicción de la úlima semana del mercado elécrico español. Meses NMAE BSM AR-auo Enero ebrero Marzo Abril Mayo Junio Julio Agoso Sepiembre Ocubre Noviembre Diciembre Media
9 4. Conclusiones En el presene arículo se ha mosrado una herramiena de predicción a coro plazo, de precios de energía elécrica, compleamene auomáica basada en un modelo de componenes no observables epresado en forma de espacio de los esados y acualizado mediane el filro de kalman. Esa herramiena presena varias venaas que vamos a resumir: a) La esimación se realiza mediane máima verosimiliud en el dominio de la frecuencia, dada la múliple esacionalidad de las series esudiadas. Ese dominio nos permie idenificar de una manera obeiva las frecuencias a incluir, auomaizando así la realización de dichas areas. Debido al gran número de armónicos la esimación mediane máima verosimiliud en el dominio del iempo puede no converger. b) Debido a la uilización de un filro adapaivo como es el filro de kalman nos aseguramos que nuesro modelo se adape a los cambios ocurridos en las series emporales. c) El marco de espacio de los esados empleado nos permie eraer información muy valiosa como puede ser la endencia o la componene esacional de las series. d) Los errores de predicción calculados son muy compeiivos. En el caso de los precios del mercado español son en orno al 0%. Se ha comparado el méodo propueso con ora meodología ampliamene uilizada, como es la Bo-Jenkins. Además es posible la eracción de información an valiosa como la endencia, sus componenes esacionales y el error comeido con el fin de que los gerenes puedan incluirlos en sus sisemas de información para realizar sus esraegias de ofera/compra. odas esas venaas ano écnicas como de gesión siúan nuesra herramiena en una posición privilegiada para su uso en los mercados elécricos de cara a su aplicación por pare de los diferenes agenes del mercado Apéndice Los algorimos del filro de kalman y el suavizado de inervalo fio aplicados a los casos de esudio en ese arículo se pueden escribir en un formao general de espacio de los esados de la siguiene manera:. ilro de kalman: a) Ecuaciones de predicción: + A A A Q b) Ecuaciones de acualización: [ ] ( ) z / / Suavizado de inervalo fio ( ) N N N N z / wih / wih / Φ Φ Φ 0 S Φ S Φ S 0 s s Φ s S s + + +
10 Referencias Coneo, A; Conreras J, Espínola R, lazas M. (2005) orecasing elecriciy prices for a dayahead pool-based elecric energy marke, Inernaional Journal of orecasing, Vol. 2, pp Conreras, J; Espínola R.; Nogales,.J.; Coneo A. (2003). ARIMA models o predic neday elecriciy prices, IEEE rans. ower Sys., Vol. 8, pp arvey, A. C. (989) orecasing Srucural ime Series Models and he Kalman iler, Cambridge: Cambridge Universiy ress. arvey, A. C.; Koopman, S. J. (993). orecasing hourly elecriciy demand using imevarying splines. Journal of he American Saisical Associaion, vol. 88, pp Kumluca, A.; Erkmen, I. (2003), A hybrid learning for neural neworks applied o shor er load forecasing, Neurocompuing, Vol. 5, pp edregal D. J.; Young. C. (2002) Saisical approaches o modelling and forecasing ime series. In Clemes, M. and endry, D. (eds.). Companion o Economic orecasing. Blackwell ublishers, pp edregal D. J.; Young,. C. (2006). Modulaed cycles, a new approach o modelling seasonal/cyclical behaviour in unobserved componen models. Inernaional Journal of orecasing, 22, pp rapero J. R. (2003), Modelización de mercados elécricos mediane modelos de componenes no observables, royeco final de carrera. Área de organización de empresas, ES Ingenieros Indusriales, Universidad de Casilla-La Mancha. ych, W.; edregal D. J.; Young,. C.; Davies. J. (2002) A sofware package for muli-rae unobserved componen forecasing of elephone call demand, Inernaional Journal of orecasing, vol. 8, pp Wes, M.; arrison, J. (989) Bayesian orecasing and Dynamic Models, New Cork: Springer-Verlag. Young,.C. (994) ime-variable parameer and rend esimaion in Nonsaionary economic ime series. Journal of orecasing, vol. 3, pp Young,.C.; edregal D.J.; ych, W. (999), Dynamic armonic Regression, Journal of orecasing, vol. 8, pp Schwarz G. (978) Esimaing he dimension of a model, Annals of Saisics, vol. 6, pp rapero, J.R.; edregal D.J.; García.. (2006), redicción de precios y demandas de energía elécrica basada en modelos de regresión armónica dinámica. IX Congreso de Ingeniería de Organización, Gión.
Guía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesMaster en Economía Macroeconomía II. 1 Problema de Ahorro-Consumo en Horizonte Finito
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 1 - Soluciones 1 Problema de Ahorro-Consumo en Horizone Finio Considere un problema de ahorro-consumo sobre un horizone finio
Más detallesPROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detalles1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA
hp://www.vinuesa.com 1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA 1.1.- INTRODUCCIÓN Los filros de pila consiuyen una clase de filros digiales no lineales. Un filro de pila que es usado
Más detallesEl comportamiento del precio de las acciones
El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre
Más detalles3 Aplicaciones de primer orden
CAÍTULO 3 Aplicaciones de primer orden 3.2. Modelo logísico El modelo de Malhus iene muchas limiaciones. or ejemplo, predice que una población crecerá exponencialmene con el iempo, que no ocurre en la
Más detallesNota Técnica Índice de Tipo de Cambio Efectivo Real Multilateral con ponderadores móviles
Noa Técnica Índice de Tipo de Cambio Efecivo Real Mulilaeral con ponderadores móviles 1. Inroducción: La presene noa écnica preende inroducir y explicar al público el Índice de Tipo de Cambio Efecivo Real
Más detallesACTIVIDADES UNIDAD 7: Funciones elementales
ACTIVIDADES UNIDAD 7: Funciones elemenales 1. La facura del gas de una familia, en sepiembre, fue de 4,8 euros por 1 m 3, y en ocubre, de 43,81 por 4 m 3. a) Escribe la función que da el impore de la facura
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesINSTITUTO NACIONAL DE PESCA
INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y
Más detallesDispositivos semiconductores
Deparameno de Telecomunicaciones Disposiivos semiconducores 3 Inroduccion Veremos los disposiivos semiconducores más básicos: los diodos. Veremos las variables más comunes de esos semiconducores; El diodo
Más detallesMtro. Horacio Catalán Alonso
ECONOMETRIA TEORÍA DE LA COINTEGRACIÓN Mro. I. REGRESIÓN ESPURÍA Y X Dos series que presenan camino aleaorio. Si ambas series se consideran en una modelo economérico. Y = Y -1 + u u N(0,s 2 u) X =X -1
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesGuías y tutoriales/compresores/winrar
g coordinación de uoriales: Graciela Sosisky exo: Horacio Marínez Philipps edición: Gabriela Tenner diseño: CAFE Guías y uoriales/compresores/winrar Los orígenes de ese programa se remonan a las experiencias
Más detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
Más detallesMÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO
MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO EUSKAL ESTATISTIKA ERAKUNDEA INSTITUTO VASCO DE ESTADISTICA Donosia-San Sebasián, 1 01010 VITORIA-GASTEIZ
Más detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detallesFunciones exponenciales y logarítmicas
89566 _ 0363-00.qd 7/6/08 09:30 Página 363 Funciones eponenciales y logarímicas INTRODUCCIÓN En esa unidad se esudian dos funciones que se aplican a numerosas siuaciones coidianas y, sobre odo, a fenómenos
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesUNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA
UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral
Más detallesPráctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
Más detallesRE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005
RESULTADOSEDUCATIVOS RE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005 FÓRMULA RE01 NOMBREdelINDICADOR Diferencia del loro promedio
Más detallesUD: 3. ENERGÍA Y POTENCIA ELÉCTRICA.
D: 3. ENEGÍA Y OENCA ELÉCCA. La energía es definida como la capacidad de realizar rabajo y relacionada con el calor (ransferencia de energía), se percibe fundamenalmene en forma de energía cinéica, asociada
Más detallesConstrucción de señales usando escalones y rampas
Consrucción de señales usando escalones y rampas J. I. Huircán Universidad de La Fronera March 3, 24 bsrac Se planean méodos para componer y descomponer señales basadas en escalones y rampas. Se de ne
Más detallesTema 5: Diferenciabilidad: Aplicaciones
Prof. Susana López 1 UniversidadAuónomadeMadrid Tema 5: Diferenciabilidad: Aplicaciones 1 Funciones compuesas y Regla de la cadena Recordemos que la regla de la cadena para funciones de una sola variable
Más detallesdomótico Extras 2.1 Unidad de control 2.2 Dispositivos de entrada 2.4 Electrodomésticos domóticos 2.5 Medios de comunicación en redes domésticas
2 Elemenos de un sisema domóico Conenidos 2.1 Unidad de conrol 2.2 Disposiivos de enrada 2.3 Acuadores 2.4 Elecrodomésicos domóicos 2.5 Medios de comunicación en redes domésicas 2.6 Tecnologías aplicadas
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS Dada la dependencia de la velocidad con la posición en un movimieno recilíneo mosrada por la siguiene gráfica, deerminar la dependencia con
Más detallesIndicadores demográficos METODOLOGÍA
Indicadores demográicos METOOLOGÍA 1. Objeivos y uilidades El objeivo de esa operación esadísica es la obención de una serie de indicadores descripivos de la siuación demográica de Galicia, con la que
Más detallesDEPARTAMENTO DE QUÍMICA ANALÍTICA Y TECNOLOGÍA DE ALIMENTOS
DEPARTAMETO DE QUÍMICA AALÍTICA Y TECOLOGÍA DE ALIMETOS FUDAMETOS DE AÁLISIS ISTRUMETAL. 7º RELACIÓ DE PROBLEMAS..- Las susancias A y B ienen iempos de reención de 6.4 y 7.63 min, respecivamene, en una
Más detallesMATEMATICAS I FUNCIONES ELEMENTALES. PROBLEMAS
1º) La facura del gas se calcula a parir de una canidad fija y de un canidad variable que se calcula según los m 3 consumidos (el precio de cada m 3 es consane). El impore de la facura de una familia,
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesCapítulo 4 Sistemas lineales de primer orden
Capíulo 4 Sisemas lineales de primer orden 4. Definición de sisema lineal de primer orden Un sisema de primer orden es aquel cuya salida puede ser modelada por una ecuación diferencial de primer orden
Más detallesSistemade indicadores compuestos coincidentey adelantado julio,2010
Sisemade indicadores compuesos coincideney adelanado julio,2010 Sisema de Indicadores Compuesos: Coincidene y Adelanado SI REQUIERE INFORMACIÓN MÁS DETALLADA DE ESTA OBRA, FAVOR DE COMUNICARSE A: Insiuo
Más detalles01 Ejercicios de Selectividad Matrices y Sistemas de Ecuaciones
01 Ejercicios de Selecividad Marices y Sisemas de Ecuaciones Ejercicios propuesos en 009 1- [009-1-A-1] a) [1 5] En un comercio de bricolaje se venden lisones de madera de res longiudes: 090 m, 150 m y
Más detallesSolución y criterios de corrección. Examen de mayores de 25 años. 2012. Matemáticas aplicadas a las ciencias sociales.
Solución y crierios de corrección. Examen de mayores de años.. Maemáicas aplicadas a las ciencias sociales. BLOQUE A En un cenro de ocio hay salas de cine: A, B y. A una deerminada sesión han acudido personas.
Más detallesCiclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú
Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema
Más detallesTEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS
TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
Más detalles4.7. Integración de Word y Excel
47 Inegración de Word y Excel 471 Combinar correspondencia Qué procedimieno seguiría para hacer las siguienes areas? Generar una cara de soliciud de permiso de los padres de familia para cada uno de sus
Más detallesPRÁCTICA 4 TEMA 6: SERIES TEMPORALES
PRÁCTICA 4 TEMA 6: SERIES TEMPORALES En las prácicas aneriores se habían analizado observaciones de variables de ipo ransversal (por ejemplo, obenidas para diferenes municipios). Llamaremos Serie Temporal
Más detallesTécnicas cualitativas para las Ecuaciones diferenciales de primer orden: Campos de pendientes y líneas de fase
Lección 5 Técnicas cualiaivas para las Ecuaciones diferenciales de primer orden: Campos de pendienes y líneas de fase 5.. Técnicas Cualiaivas Hasa ahora hemos esudiado écnicas analíicas para calcular,
Más detallesLas derivadas de los instrumentos de renta fija
Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detalles3. Matrices y álgebra matricial
Marices y álgebra maricial Repasaremos algunos concepos básicos de la eoría maricial Nos cenraremos en aspecos relacionados con el álgebra lineal, la inversión y la diagonalización de marices Veremos algunas
Más detallesPráctica 2: Análisis en el tiempo de circuitos RL y RC
Prácica 2: Análisis en el iempo de circuios RL y RC Objeivo Esudiar la respuesa ransioria en circuios serie RL y RC. Se preende ambién que el alumno comprenda el concepo de filro y su uilidad. 1.- INTRODUCCIÓN
Más detallesLa transformada de Laplace
Capíulo 8 La ransformada de Laplace 8.. Inroducción a las ransformadas inegrales En ese aparado aprenderemos un méodo alernaivo para resolver el problema de valores iniciales (4.5.) y (x) + py (x) + qy(x)
Más detallesESTRATEGAS ENFRENTANDO NUEVOS RETOS EN COMPETITIVIDAD [ LOS LÍDERES
Ar í cul ocompl e odel ar evi s a Es r a egi aaduaner a j uni o-j ul i o2012 [ LOS LÍDERES [ ESTRATEGAS ENFRENTANDO NUEVOS RETOS EN COMPETITIVIDAD La coyunura económica que aravesamos muesra que, en cualquier
Más detallesFUNCIONES VECTORIALES CON DERIVE.
FUNCIONES VECTORIALES CON DERIVE. Las operaciones de cálculo de Dominio, adición susracción, muliplicación escalar y vecorial de funciones vecoriales, se realizan de manera similar a las operaciones con
Más detallesTest. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos
Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar
Más detallesEcuaciones diferenciales, conceptos básicos y aplicaciones
GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos
Más detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detallesAnálisis espectral Tareas
Análisis especral Tareas T3.1: Implemenación y represenación del periodograma El objeivo de esa area es que los alumnos se familiaricen con la función más sencilla de análisis especral no paramérico. Programe
Más detallesJ.1. Análisis de la rentabilidad del proyecto... 3
Esudio de la implanación de una unidad produciva dedicada a la Pág 1 abricación de conjunos soldados de aluminio J.1. Análisis de la renabilidad del proyeco... 3 J.1.1. Desglose del proyeco en coses ijos
Más detallesTEMA I: FUNCIONES ELEMENTALES
TEMA I: FUNCIONES ELEMENTALES. Función Logarimo Todos conocemos la definición de logarimo en base b, siendo b un número enero posiivo disino de. u = log b x x = b u y la propiedad fundamenal log b (xy)
Más detallesFÍSICA. PRUEBA ACCESO A UNIVERSIDAD +25 TEMA 8. Corriente eléctrica
FÍSC. PUEB CCESO UNESDD +5 TEM 8. Corriene elécrica Una corriene elécrica es el desplazamieno de las cargas elécricas. La eoría aómica acual supone ue la carga elécrica posiiva esá asociada a los proones
Más detallesIndicadores de actividad del sector servicios Base 2000
ndicadores de acividad del secor servicios Base Noa meodológica Los ndicadores de cividad del ecor ervicios (), elaborados por el NE, ienen como objeivo medir la evolución a coro plazo de la acividad de
Más detallesMaster en Economía Macroeconomía II. 1 Learning by Doing (versión en tiempo discreto)
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 4 - Soluciones 1 Learning by Doing (versión en iempo discreo) Considere una economía cuyas preferencias, ecnología, y acumulación
Más detallesUNIDAD IX. Técnicas de Suavización
UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?
Más detallesTEMA: FUNCIONES: Cuadrantes 3 er cuadrante, x 0, 4º cuadrante, x 0,
TEMA: FUNCIONES: ÍNDICE:. Inroducción.. Dominio y recorrido.. Gráficas de funciones elemenales. Funciones definidas a rozos. 4. Coninuidad.. Crecimieno y decrecimieno, máimos y mínimos. 6. Concavidad y
Más detallesY t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.
ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés
Más detalles= Δx 2. Escogiendo un sistema de referencia común para ambos móviles x A
Ejemplos de solución a problemas de Cinemáica de la parícula Diseño en PDF MSc. Carlos Álvarez Marínez de Sanelices, Dpo. Física, Universidad de Camagüey. Carlos.alvarez@reduc.edu.cu Acividad # C1. Un
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesLA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR
1 LA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR José Luis Moncayo Carrera 1 Ec. Manuel González 2 RESUMEN El presene documeno iene como objeivo, presenar la aplicación de écnicas economéricas en
Más detallesMetodología de cálculo del diferencial base
Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros
Más detallesDe las siguientes funciones decir cuál de ellas son funciones, y en ese caso indica el dominio y el recorrido.
EJERCICIOS FUNCIONES 4º OPCIÓN B 1 De las siguienes funciones decir cuál de ellas son funciones, en ese caso indica el dominio el recorrido. a) b) c) Aplicando el es de la línea verical se observa que
Más detallesESTIMACION DE LA TASA DE DESEMPLEO NO ACELERADORA DE LA INFLACION PARA LA ECONOMIA ECUATORIANA RESUMEN
ESTIMACION DE LA TASA DE DESEMPLEO NO ACELERADORA DE LA INFLACION PARA LA ECONOMIA ECUATORIANA Segundo Fabián Vilema Escudero 1, Francisco Xavier Marrio García. 2 RESUMEN Esa esis esablece la uilización
Más detallesUn Análisis de las Tasas de Interés en México. a través de la Metodología de Reglas Monetarias
Un Análisis de las Tasas de Inerés en México a ravés de la Meodología de Reglas Monearias Albero Torres García 1 Diciembre 2002 Documeno de Invesigación No. 2002-11 Dirección General de Invesigación Económica
Más detallesConceptos teóricos. Revisión de la literatura sobre pobreza, desigualdad y crecimiento. Contexto económico.
Relación enre crecimieno, desigualdad y pobreza: Un análisis aplicado a las regiones españolas. CAPÍTULO Concepos eóricos. Revisión de la lieraura sobre pobreza, desigualdad y crecimieno. Conexo económico..
Más detallesTécnicas de traslación
Grúas con carácer max. 0 Sisemas de grúas ABUS Desplazamienos a medida Técnicas de raslación Sisemas de grúas Siempre en moimieno. Técnica de conmuación de polos: la ía más rápida enre dos punos Los gruísas
Más detallesÍndice de Precios y Cotizaciones de la Bolsa Mexicana de Valores S.A.B. de C.V. (en adelante IPC y BMV respectivamente).
Auorización SHCP: 09/11/2010 Fecha de publicación úlima modificación: 29/08/2014 Fecha de enrada en vigor: 05/09/2014 Condiciones Generales de Conraación del Conrao de Fuuro sobre el Índice de Precios
Más detallesMODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO
MODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO VAR: GENERAL Represenación del modelo VAR: () + + = e e A A A A w w c c c c L L L L L L L L ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( Selección:.
Más detallesTema 4: Fuentes y generadores
Tema 4: Fuenes y generadores Fuenes de alimenación: : convieren ensión ac en ensión dc E. Mandado, e al. 995 Generadores de funciones: Fuene de señal calibrada y esable Aplicaciones: obención de respuesa
Más detallesMEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA
MEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA (Borrador) Ignacio Vélez-Pareja Deparameno de Adminisración Universidad Javeriana, Bogoá, Colombia Abril de 2000 Resumen
Más detalles2 El movimiento y su descripción
El movimieno y su descripción EJERCICIOS PROPUESTOS. Una malea descansa sobre la cina ransporadora de un aeropuero. Describe cómo ve su movimieno un pasajero que esá: parado en la misma cina; en una cina
Más detallesEstadística de Valor Tasado de Vivienda
Esadísica de Valor Tasado de Vivienda Meodología Subdirección General de Esudios y Esadísicas Madrid, enero de 2016 Índice 1 Inroducción 2 Objeivos 3 Ámbios de la esadísica 3.1 Ámbio poblacional 3.2 Ámbio
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS.
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS. Una parícula se muee en la dirección posiia del eje X, de modo que su elocidad aría según la ley = α donde α es una consane. Teniendo en cuena que en el
Más detallesMACROECONOMIA II. Grado Economía 2013-2014
MACROECONOMIA II Grado Economía 2013-2014 PARTE II: FUNDAMENTOS MICROECONÓMICOS DE LA MACROECONOMÍA 3 4 5 Tema 2 Las expecaivas: los insrumenos básicos De qué dependen las decisiones económicas? Tipo de
Más detallesUNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temístocles Montás
UNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temísocles Monás Puede el comporamieno acual de la políica fiscal sosenerse sin generar una deuda pública que crezca sin límie?
Más detallesComovimiento Regional del Empleo durante el Ciclo Económico en México
Banco de México Documenos de Invesigación Banco de México Working Papers N 2010-15 Comovimieno Regional del Empleo durane el Ciclo Económico en México Marcelo Delajara Banco de México Diciembre 2010 La
Más detallesMODELOS PARA SERIES DE TIEMPO CON ESTACIONALIDAD COMPLEJA
Decimocavas Jornadas "Invesigaciones en la Faculad" de Ciencias Económicas y Esadísica. Noviembre de 2013. Blaconá, María Teresa Andreozzi, Lucía Insiuo de Invesigaciones Teóricas y Aplicadas de la Escuela
Más detallesPROBLEMAS RESUELTOS 1 (continuidad, derivabilidad y diferenciabilidad de funciones de varias variables)
Funciones de varias variables. PROBLEMAS RESUELTOS 1 (coninuidad, derivabilidad y diferenciabilidad de funciones de varias variables) PROBLEMA 1 Esudiar la coninuidad de la función: xy ( xy, ) (,) x +
Más detallesEn el campo del control industrial se diferencian dos tipos de sistemas: MONITORIZACIÓN. Display S A L I D A. Alarmas S A L I D A
MUESTREO DE SEÑALES Tipos de Señales de los Procesos Indusriales El ipo de señales usadas en conrol de procesos dependen del nivel en el que nos siuemos. Así, a nivel alo se uilizan señales de comunicación
Más detallesFoundations of Financial Management Page 1
Foundaions of Financial Managemen Page 1 Combinaciones empresarias: decisiones sobre absorciones y fusiones de empresas Adminisración financiera UNLPam Faculad de Ciencias Económicas y Jurídicas Profesor:
Más detallesControl Digital. Práctica de Regulación Automática I. Abel Alberto Cuadrado Vega 24 de mayo de 2004
Conrol Digial Prácica e Regulación Auomáica I Abel Albero Cuarao Vega 24 e mao e 2004 1. Esquema e conrol igial El esquema básico el conrol igial figura 2) es semejane al el conrol analógico figura 1)
Más detallesDesarrollo de un prototipo de un Sistema en un Chip Programable (SOPC) destinado a aplicaciones de tratamiento digital de imágenes en movimiento
Projece de Fi de Carrera Enginyer Indusrial Desarrollo de un prooipo de un Sisema en un Chip Programable (SOPC) desinado a aplicaciones de raamieno digial de imágenes en movimieno MEMÒRIA Auors: Carles
Más detallesESQUEMAS DE REESTRUCTURACION DE PASIVOS ANTE DIVERSOS ESCENARIOS DE TASAS DE INTERES Y DE INFLACION
ESQUEMAS DE REESTRUCTURACION DE PASIVOS ANTE DIVERSOS ESCENARIOS DE TASAS DE INTERES Y DE INFLACION Abdón Sánchez Arroyo Julio 995 Documeno de Invesigación No. 9503 El auor es Invesigador Económico en
Más detallesMATEMÁTICAS CON LA HOJA DE CÁLCULO
MATEMÁTICAS CON LA HOJA DE CÁLCULO Podemos dar a esta aplicación un uso práctico en el aula de Matemáticas en varios sentidos: Como potente calculadora: sucesiones, límites, tablas estadísticas, parámetros
Más detallesKeywords: seguro de vida, provisión matemática, probabilidad, función de distribución, solvencia, value at risk, VAT, valor actual neto, VAN.
El seguro de vida como variable aleaoria. Cómo calcular su función de disribución. Nieo Ranero, Armando Universiy of Valencia, Spain Do. Maemáicas Económico Empresarial, Edificio Deparamenal Orienal, Av.
Más detallesEL RIESGO DE NO RECUPERAR EL IMPORTE DE LOS ACTIVOS PRODUCTIVOS
71A EL RIESGO DE NO RECUPERAR EL IMPORTE DE LOS ACTIVOS PRODUCTIVOS Rafael André Fernández Profesor Docor Tiular EU Faculad de Ciencias Económicas y Empresariales Lagoas Marcosende s/n Universidad de Vigo
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
Más detallesSu viaje hasta El Cabrito LISTA DE COMPROBACIÓN
Su viaje hasa El Cabrio INFORMACIÓN SOBRE EL TRANSCURSO DEL VIAJE El viaje hasa El Cabrio sigue siendo una pequeña "avenura" porque la pequeña isla canaria de La Gomera no cuena con un aeropuero inernacional
Más detallesNota técnica del Indicador CF
Noa écnica del Indicador CF 1. Inroducción El ciclo económico es un concepo que la mayoría de los economisas hemos ineriorizado de al manera que a veces pensamos que hace referencia a un hecho observable
Más detallesUn algoritmo para la Planificación de Producción en un Sistema en Red de Fabricación basada en Sistemas Multiagente 1
X Congreso de Ingeniería de Organización Valencia, 7 y 8 de sepiembre de 2006 Un algorimo para la Planificación de Producción en un Sisema en Red de Fabricación basada en Sisemas Muliagene 1 Julio J. García-Sabaer
Más detallesSoluciones Acotadas para Ecuaciones Diferenciales Ordinarias de Orden 2
Divulgaciones Maemáicas Vol. 7 No. 1 (1999), pp. 49 57 Soluciones Acoadas para Ecuaciones Diferenciales Ordinarias de Orden 2 Bounded Soluions for Second Order Ordinary Differenial Equaions Raúl Naulin
Más detallesRESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES
RESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES CONSIDERANDO: Que el arículo 86 de la Ley 87-01 de fecha 9 de mayo de 2001, que crea el Sisema Dominicano de Seguridad Social,
Más detallesMETODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001
METODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001 Insiuo Nacional de Esadísica y Censos (INDEC) Dirección
Más detallesLECCIÓN N 3 SEÑALES. Introducción
LECCIÓN N 3 SEÑALES Inroducción Señales coninuas y discreas Señales ípicas Señales periódicas y aperiódicas Parámeros ípicos. Especro de frecuencias Ruido y disorsión Elecrónica General Inroducción En
Más detallesPROYECCION Y ESTUDIO DE UNA POBLACION. EL PAPEL DE LA MORTALIDAD
PROYECCION Y ESTUDIO DE UNA POBLACION. EL PAPEL DE LA MORTALIDAD Ana de Vicene Merino Julio Hernández March Irene Albarrán Lozano Cruz Ramírez Pérez 2 INDICE Página PRESENTACION DE AUTORES... 3 INTRODUCCION:
Más detallesTema 1: La autofinanciación
Tema : La auofinanciación.. Concepo y ipos de auofinanciación..2. La amorización de los elemenos parimoniales.3. Los beneficios reenidos.4. Venajas e inconvenienes de la auofinanciación irección Financiera
Más detallesRed adaptativa de conmutación suave para convertidor trifásico en puente activo completo para aplicaciones de vehículos eléctricos
1 Red adapaiva de conmuación suave para converidor rifásico en puene acivo compleo para aplicaciones de vehículos elécricos Absrac En ése arículo se presena el conrol adapaivo de un circuio auxiliar para
Más detalles