Tablas de mortalidad dinámicas para España. Una aplicación a la hipoteca inversa

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

Download "Tablas de mortalidad dinámicas para España. Una aplicación a la hipoteca inversa"

Transcripción

1 Tablas de mortalidad dinámicas para España. Una aplicación a la hipoteca inversa Debón Aucejo, Ana Montes Suay, Francisco Sala Garrido, Ramón

2

3 La redacción de este texto y el desarrollo de la aplicación E-VITA que le acompaña, han sido posibles gracias a la ayuda financiera concedida a los autores por parte de la Fundación ICO

4

5 Índice general Introducción 1 1. Tablas de mortalidad Introducción Probabilidades relacionadas con el tiempo de supervivencia Estimación de las curvas de supervivencia Algunos modelos para la distribución del tiempo de supervivencia Tablas de mortalidad Estructura y clasificación de las tablas de mortalidad Estructura Clasificación: tablas estáticas y tablas dinámicas Evolución de la mortalidad Revisión de los modelos dinámicos para la graduación de la mortalidad Introducción Modelos paramétricos Modelos estructurales Modelos no estructurales Modelos no paramétricos Suavizado con p-splines Algoritmo Median-polish Últimas propuestas para la graduación de tablas dinámicas Modelización de los residuos Modelos frágiles (Frailty models) Riesgo de la longevidad La esperanza de vida residual Intervalos de confianza para la predicción i

6 ii ÍNDICE GENERAL 3. Análisis y predicción de la mortalidad española. Periodo Introducción Descripción de los datos y análisis preliminar Tratamiento de las edades superiores a 85 años Aplicación del modelo de Lee-Carter Resultados del ajuste Bondad de ajuste Predicción Predicción de q xt para el periodo Predicción de e xt para el periodo Cálculo de la hipoteca inversa Introducción Rentas vitalicias Determinación del valor de las rentas vitalicias anuales Determinación del valor de las rentas vitalicias fraccionadas Perspectiva general de la hipoteca inversa El planteamiento de la hipoteca inversa del ICO Apéndices 75 A. Aplicación E-VITA 77 A.1. Ventana Presentación A.2. Ventana Hipoteca Inversa A.3. Ventana Ajustes Lee-Carter A.4. Ventana Parámetros del modelo A.5. Ventana Proyección B. Código en R 83 Bibliografía 87

7 Índice de figuras 1.1. Gráfico de descenso de la mortalidad para algunas edades Rectangularización y expansión para los hombres Rectangularización y expansión para las mujeres Evolución de la esperanza de vida Descomposición de la Ley de Heligman y Pollard Regresión con B-splines (izquierda) y con p-splines (derecha) Residuos para un ajuste de Lee-Carter (izquierda) y residuos independientes (derecha) Probabilidades de muerte para los hombres Probabilidades de muerte para las mujeres Valores estimados para el modelo de Lee-Carter Residuos Deviance para el modelo de los hombres Residuos Deviance para el modelo de los mujeres Proyecciones para el periodo Predicciones para algunas edades Predicciones para edades avanzadas Esperanza de vida residual para edades elevadas A.1. La ventana Presentación A.2. La ventana Hipoteca Inversa A.3. La ventana Ajuste de Lee-Carter A.4. Gráfica de los parámetros a x que muestra la ventana Parámetros del modelo A.5. Gráfica de los parámetros b x que muestra la ventana Parámetros del modelo A.6. Gráfica de los parámetros k t que muestra la ventana Parámetros del modelo A.7. La ventana Proyección iii

8

9 Índice de tablas 4.1. Expresiones para las rentas vitalicias con cuotas constantes Expresiones para las rentas vitalicias con cuotas en progresión aritmética Expresiones para las rentas vitalicias fraccionas con cuotas constantes Estimación de los gastos de formalización y gestión Rentas percibidas a lo largo de los n años v

10

11 Prólogo Una de las más importantes derivaciones obtenidas a partir de los datos censales son las tablas de mortalidad de la población, instrumentos relevantes tanto para el cálculo actuarial (cálculo de primas y/o indemnizaciones) como para el estudio de la evolución de la población y sus movimientos. El profesional del seguro de vida ha de ser capaz de determinar adecuadamente las primas para garantizar así las cantidades que habrá de pagar la compañía a la muerte del asegurado. En consecuencia, la predicción adecuada de las probabilidades de muerte constituye un elemento principal en la reducción del riesgo que se asume. Otra característica de interés ligada a las tablas de mortalidad es la esperanza de vida de un individuo para las distintas edades. Se trata también de un indicador de la capacidad de supervivencia de una sociedad y su incremento supone, en todos los aspectos, una mejora de las condiciones de vida de la misma. A pesar de la importancia de ambas características, probabilidad de muerte y esperanza de vida, y de la indudable influencia que la edad y el tiempo del calendario (año) ejercen sobre ellos, son pocos los trabajos que las han estudiado conjuntamente para los datos de mortalidad españoles. El objetivo final de este trabajo ha sido la construcción de tablas de mortalidad dinámicas a partir de los datos de mortalidad y población publicados por el INE correspondientes al periodo , y la obtención de predicciones de la mortalidad y de la esperanza de vida para los años venideros. El presente texto presenta una exposición exhaustiva y actual de los distintos métodos de ajuste de tablas dinámicas, intentando encontrar el equilibrio entre el rigor teórico que los especialistas exigen y la claridad que los usuarios técnicos desean. Sólo uno de estos métodos será utilizado para obtener el producto final buscado, las tablas dinámicas de mortalidad española. La elección se ha basado en criterios de bondad tanto para el ajuste como para la predicción, y el resultado se ofrece en forma del software interactivo E-VITA accesible a través de la dirección La estructura del texto es la siguiente: El Capítulo 1 está dedicado a la definición de los conceptos fundamentales que se utilizan en una tabla de mortalidad estática, finalizando con un análisis de la evolución de la mortalidad en España durante el último siglo. Se persigue con ello evidenciar la necesidad de introducir modelos que 1

12 2 Prólogo recojan y expliquen dicha evolución. El Capítulo 2 se ocupa de este tipo de modelos, los dinámicos, que introducen el tiempo del calendario. En algunos casos se trata de modelos clásicos adaptados a esta nueva circunstancias, otros son modelos ex-novo. Resumir convenientemente la información contenida en las tablas de mortalidad es una tarea que tradicionalmente se le ha encomendado a la esperanza de vida. A su definición y predicción se ha dedicado el final del Capítulo 2. El Capítulo 3 se ocupa del análisis de la mortalidad española en los últimos 25 años, ajustando a los datos del periodo una tabla dinámica mediante el modelo de Lee-Carter, el que presenta mejor comportamiento global entre los expuestos en el capítulo anterior. El Capítulo 4 introduce el concepto de hipoteca inversa, un producto financiero que está adquiriendo gran popularidad a medida que envejece la población y menguan las pensiones. Un simulador de cálculo de la hipoteca inversa, y del seguro asociado para poder hacer frente a la eventualidad de sobrevivir al periodo para la que fue contratada, ha sido incorporado al software E-VITA, cuyo manual de uso se detalla en el Apéndice A. En el Apéndice B se reproduce el código R utilizado para obtener los resultados del Capítulo 3. El texto se cierra con una exhaustiva y actualizada bibliografía que los autores esperan sea de utilidad para los lectores que deseen profundizar en parte o todos de los temas tratados. Valencia, julio de 2008

13 Capítulo 1 Tablas de mortalidad 1.1. Introducción Probabilidades relacionadas con el tiempo de supervivencia Estimación de las curvas de supervivencia Algunos modelos para la distribución del tiempo de supervivencia Tablas de mortalidad Estructura y clasificación de las tablas de mortalidad Estructura Clasificación: tablas estáticas y tablas dinámicas Evolución de la mortalidad

14

15 1.1 Introducción Introducción La tabla de mortalidad, también llamada tabla de vida, es un modelo teórico que permite medir las probabilidades de vida o de muerte de una población en función de la edad. Las probabilidades de muerte asociadas a cada edad constituyen la piedra angular en todo cuanto se relaciona, directa o indirectamente, con la demografía de un grupo humano, desde el nivel y tendencia de la mortalidad hasta los sistemas de previsión y seguros, pasando por los estudios de fecundidad, la evaluación de programas de salud o el estudio de los movimientos de población. Estos son sólo alguno de los campos de aplicación de las tablas de mortalidad. Centrándonos en el campo de los seguros y el sistema de pensiones, tanto público como privado, las tablas de mortalidad son utilizadas, entre otras actividades, para: i) estimar las reservas actuariales que garanticen el pago de la obligaciones previsionales del sistema público de pensiones, ii) efectuar los cálculos del otorgamiento de pensiones y capital asegurado que administran los seguros de rentas vitalicias y los seguros de invalidez y supervivencia en el caso del Sistema Privado de Pensiones y, iii) determinar las primas de seguros vida y la constitución de las reservas técnicas en el caso del sistema asegurador. El interés de las tablas de mortalidad queda fuera de toda duda a la vista de las distintas aplicaciones mencionadas en los dos párrafos anteriores. Hemos de señalar que la probabilidad de muerte para cada edad es la primera y más inmediata forma de medir las mortalidad, basta para ello con conocer los datos absolutos de defunciones y la población expuesta a riesgo de morir. Existen sin embargo otras medidas alternativas de gran utilidad que se recogen en una tabla de mortalidad. El capítulo está dedicado a introducir todos aquellos conceptos que permiten obtener una tabla de mortalidad, la descripción de su contenido y la clasificación de los distintos tipos de tablas. Y finaliza con una descripción de los cambios sufridos en la mortalidad española durante el periodo Probabilidades relacionadas con el tiempo de supervivencia Denotemos por x la edad de un individuo, con x [0,ω], donde ω representa el límite superior de supervivencia. Para dicho individuo, T o T x, representa su tiempo futuro de supervivencia, una variable aleatoria a la que podemos asociarle ξ = T +x, la edad de fallecimiento. La función de distribución de probabilidad de T, G(t) = P(T t), t 0,

16 6 Capítulo 1. Tablas de mortalidad representa la probabilidad que el individuo tiene de morir dentro de los t años siguientes. A partir de G(t) podemos definir la función de supervivencia s(t) = 1 G(t). Para cualquier t > 0, s(t) es la probabilidad que el individuo tiene de sobrevivir t años, de ahí que la hayamos denominado función de supervivencia. De su definición se derivan las dos propiedades siguientes: es una función no creciente, y en los extremos del intervalo de supervivencia toma los valores s(0) = 1, puesto que G(0) = 0, y s(ω) = 0, por tratarse de la edad máxima alcanzable. Algunos autores sugieren (Villalón, 1997) que es razonable y conveniente suponer que s(t) es una función continua de t. Probabilidades y valores esperados de interés pueden ser expresados en términos de las funciones g y G. La comunidad internacional de actuarios utiliza una notación propia para designar alguno de estos valores (Gerber, 1997). Así, tq x = G(t) = 1 s(t) es la probabilidad de que un individuo de edad x muera en t años. De igual forma tp x = 1 G(t) = s(t), (1.1) denota la probabilidad de que un individuo de edad x sobreviva al menos t años. Otra notación habitualmente utilizada es s tq x = P(s < T < s + t) = G(s + t) G(s) = s+t q x s q x, que denota la probabilidad de que un individuo de edad x sobreviva s años y muera dentro de los t años siguientes. De igual forma se usan frecuentemente y s+tp x = 1 G(s + t) = (1 G(s)) s tq x = G(s + t) G(s) = (1 G(s)) 1 G(s + t) 1 G(s) G(s + t) G(s) 1 G(s) = s p x tp x+s = s p x tq x+s. Si t = 1, el índice t se omite en los símbolos, por ejemplo q x denota la probabilidad de morir durante el año siguiente. Una medida de mortalidad muy utilizada es la llamada fuerza de mortalidad de x a la edad x+t, también conocida como función de riesgo o tasa de hazard, definida mediante µ x+t = g(t) 1 G(t) = d ln (1 G(t)). (1.2) dt

17 1.3 Estimación de las curvas de supervivencia 7 Se trata de una probabilidad condicionada, en concreto la de morir inmediatamente después del tiempo t, t + dt, siendo así que se ha sobrevivido hasta t. De (1.1) se obtiene µ x+t = d dt ln ( tp x ), e integrando ( tp x = exp t 0 ) µ x+s ds. (1.3) 1.3. Estimación de las curvas de supervivencia La estimación de las curvas de supervivencia puede plantearse desde dos enfoques distintos, que como veremos dan lugar a su vez a modelos específicos. El primero de ellos consiste en postular una distribución de probabilidad para la variable T. El segundo, que podríamos denominar enfoque actuarial, supone la construcción de una tabla de mortalidad Algunos modelos para la distribución del tiempo de supervivencia La modelización de T a partir de una función de distribución explícita, G, tiene la ventaja de permitir su estimación mediante un reducido número de parámetros. Ventaja nada desdeñable cuando se dispone de pocos datos. A lo largo del tiempo diversos autores han propuesto modelos para el comportamiento probabilístico de T. Entre los más utilizados, los que se exponen a continuación. De Moivre (1724) postula la existencia de una edad ω máxima y supone que T se distribuye uniformemente entre las edades 0 y ω x, de forma que g(t) = 1 ω x, 0 < t < ω x, µ x+t = 1 ω x t, 0 < t < ω x. Gompertz (1825) supone que la fuerza de mortalidad crece exponencialmente µ x+t = Bc x+t,t > 0, lo que expresa mejor el comportamiento de T y además no requiere la hipótesis de la edad máxima ω.

18 8 Capítulo 1. Tablas de mortalidad Makeham (1860) añade una componente constante A > 0 al crecimiento exponencial y postula la siguiente ley µ x+t = A + Bc x+t,t > 0. La probabilidad de supervivencia en este modelo es ( tp x = exp At B ) ln c cx (c t 1). Weibull (1939) sugiere que la fuerza de mortalidad crece como una potencia de t en lugar de hacerlo exponencialmente µ x+t = k(x + t) n, siendo k > 0 y n > 0 parámetros fijos. La probabilidad de supervivencia se expresa ahora ( tp x = exp k ( (x + t) n+1 x n+1)). n + 1 Otros autores proponen modelos más sofisticados, en la creencia que una sola ley no recoge adecuadamente toda la experiencia de mortalidad. Thiele (1972) propone un modelo que relaciona la fuerza de mortalidad con la edad de distinta forma según el rango de ésta última, µ x = a 1 exp( b 1 x) + a 2 exp ( 12 ) b 2(x c) 2 + a 3 exp(b 3 x), donde el primer término representa la mortalidad infantil, el último, que es una curva Gompertz, corresponde a la mortalidad para edades avanzadas y el central es una curva normal. Perks (1825) introduce una nueva familia de curvas cuya expresión general es, µ x = A + Bc x Kc x Dc x. Estas leyes son sólo aplicables a las edades adultas y muchas fallan al representar lo que conoce como la joroba de los accidentes en las edades adultas. Heligman y Pollard (1980) mejoran la propuesta de Perks con el modelo q x p x = A (x+b)c + D exp ( E(log x log F) 2) + GH x,

19 1.3 Estimación de las curvas de supervivencia 9 cuyo número de parámetros puede parecer excesivo. Sin embargo, todos ellos tienen una interpretación real. Así, A es q 1, C mide la ratio con la que los niños se adaptan al entorno, G indica el nivel de mortalidad de las edades elevadas mientras que H mide el incremento de esa mortalidad, D representa la intensidad de la joroba de los accidentes, que más adelante se describe, F la sitúa y E indica su velocidad. Una descripción más detallada y un listado más exhaustivo de las leyes de mortalidad puede encontrarse en Benjamin y Pollard (1992), Gerber (1997) y Tabeau, van den Berg Jeths y Heathcote (Eds) (2001) Tablas de mortalidad A partir de T podemos definir una variable aleatoria discreta, K = T, que representa el número entero de años futuros vividos. Su distribución de probabilidad viene dada por P(K = k) = P(k T < k + 1) = k p x q x+k, k = 0, 1, 2... y su valor esperado, la esperanza de vida abreviada, e x = kp(k = k) = k=1 k k k p x q x+k, k=1 o, alternativamente, e x = P(K k) = k=1 kp x. Si S representa la fracción del año de muerte durante la cual el individuo de edad x sobrevive, se tiene T = K +S. Esta nueva variable, S, es continua y toma valores en [0, 1[. Suponiendo su distribución uniforme, podemos aproximar su valor esperado por 1/2, y k=1 ė x = E[T] e x La distribución de probabilidad del tiempo de vida futuro puede ser construida a partir de lo que denominamos una tabla de mortalidad. Se trata, esencialmente, de una tabla que recoge las probabilidades de morir en el año siguiente a la edad que se ha sobrevivido, q x, y que definen completamente la distribución de K. La distribución de T puede obtenerse a partir de una tabla de mortalidad mediante interpolación, para lo cual son necesarias hipótesis sobre el comportamiento probabilístico de u q x, o de la fuerza de mortalidad, µ x+u, para edades intermedias x + u, con x entero positivo y 0 < u < 1. Veamos alguna de estas hipótesis.

20 10 Capítulo 1. Tablas de mortalidad A) Linealidad de u q x Si suponemos que u q x es una función lineal de u, la interpolación entre u = 0 y u = 1 conduce a uq x = uq x, luego y B) µ x+u constante Si µ x+u = µ x+ 1 2 up x = 1 uq x, µ x+u = q x 1 uq x. u ]0, 1[, de (1.3) se sigue up x = e uµ x+ 1 2 = [e µ x+ 1 2 ] u = (p x ) u. Se deduce de aquí que la distribución de S, dado K = k, es una distribución exponencial truncada que depende de k, P(S u K = k) = 1 pu x+k 1 p x+k. (1.4) Las variables S y K no son independientes en este caso. C) Linealidad de 1 u q x+u Esta hipótesis se conoce como la hipótesis de Balducci. A semejanza de lo que ocurre en A), 1 uq x+u = (1 u)q x. De forma que, y Finalmente, up x = p x 1 up x+u = µ x+u = P(S u K = k) = 1 q x 1 (1 u)q x q x 1 (1 u)q x. u 1 (1 u)q x+k, (1.5) muestra que tampoco ahora las variables aleatorias S y K son independientes.

21 1.3 Estimación de las curvas de supervivencia 11 Observemos que en los tres supuestos considerados la fuerza de mortalidad es discontinua en los valores enteros, pero lo más llamativo y poco creíble es que bajo la hipótesis de Balducci la fuerza de mortalidad decrece entre dos enteros consecutivos. Cuando las probabilidades de muerte son muy pequeñas, en las hipótesis B) y C) las expresiones (1.4) y (1.5) conducen a una distribución uniforme para S independiente de K. La problemática de los tantos interanuales, según las tres hipótesis consideradas, la resume Betzuen (1995) en el siguiente cuadro, en el que t [0, 1] y l x es el número de supervivientes con edad x. Hipótesis A Hipótesis B Hipótesis C tq x = a + bt µ x+t = µ 1 tq x = a + bt tq x = tq x t q x = 1 exp( µt) 1 tq x+t = (1 t)q x l x+t = l x tq x l x+t = l x exp( µt) l x+t = l xl x+t l x+1 + td x 1 hq x+t = (1 h)q x 1 tq x 1 hq x+t = (1 h)q x 1 (h t)q x Señalemos por último que la asignación de la edad de un individuo incide en los resultados del estudio, tal como señala Betzuen (1995). El problema surge porque existen diferentes criterios para llevar a cabo dicha asignación. Los dos más utilizados en la práctica dan lugar a los conceptos de edad actuarial y edad entera alcanzada. Edad actuarial.- Se trata de un método muy popular entre los actuarios y consiste en atribuir como edad de fallecimiento la edad entera más próxima al cumpleaños. Se asigna la edad x a todos los individuos con edad comprendida en el intervalo [x 1/2, x + 1/2[. Edad entera alcanzada.- Consiste en atribuir la edad como número de años enteros vividos, es decir, la forma habitual de asignar la edad a un individuo. Se asigna la edad x a todos los individuos con edad comprendida en el intervalo [x,x + 1[.

22 12 Capítulo 1. Tablas de mortalidad 1.4. Estructura y clasificación de las tablas de mortalidad Las tablas de mortalidad surgen de la necesidad de establecer reservas apropiadas con las que hacer frente a las obligaciones derivadas de los contratos de seguros de larga duración. El problema exige establecer una distriución de probabilidad, una estadística de la mortalidad y un instrumento matemático adecuados. Detalles acerca de los orígenes de las tablas y su evolución pueden consultarse en el libro de Nieto y Vegas (1993), quién atribuye a Halley (1693) el primer trabajo conocido de tablas de mortalidad completas construidas a partir de la hipótesis de estacionariedad, de la que más tarde nos ocuparemos. Posteriormente, Nicolás Titens, Jorge Barret y F. Bayly introdujeron los llamados símbolos de conmutación que permitieron agilizar el cálculo de las operaciones de seguro Estructura Palacios (1996) define la tabla de mortalidad como una serie temporal que indica la reducción paulatina de un grupo inicial de individuos debido a los fallecimientos. Así pues, lo que realmente contiene la tabla es el número de individuos que sobreviven. La tabla de mortalidad es una abstracción matemática que representa un modelo del comportamiento de la evolución y constante decrecimiento de un colectivo, construida a partir de las observaciones de un colectivo real. Su estructura básica, como nos describe Villalón (1994), debe estar constituida, al menos, por cinco columnas, encabezadas por los símbolos x, l x, d x, q x y p x. La primera, x, representa la edad del individuo en el rango, 0 x ω, siendo ω la edad límite. La segunda, l x, representa el número de individuos que sobreviven a la edad x. La tercera, d x, representa el número de los individuos que fallecen entre las edades x y x + 1, d x = l x l x+1. La cuarta, q x, es el tanto anual de fallecimiento a la edad x, proporción de los individuos que fallecen entre las edades x y x + 1, q x = d x l x.

23 1.4 Estructura y clasificación de las tablas de mortalidad 13 La quinta, p x, es el tanto anual de supervivencia a la edad x, p x = l x+1 l x. Una tabla básica como la descrita permite la obtención de algunas características de interés, como por ejemplo la esperanza de vida residual a la edad x, que representa los años que le restan por vivir a un individuo que ha cumplido x años. Su expresión es e x = T x l x, (1.6) donde T x es el total de años que todos los individuos que sobreviven a la edad x esperan vivir, T x = i x L i, siendo L x = l (x+1) + d x /2 el correspondiente número de personas-años. Las tablas pueden completarse, y habitualmente lo hacen, con los símbolos de conmutación: D x, N x, S x, C x, M x y R x. Estos símbolos son relaciones que facilitan los cálculos de primas, reservas y otras operaciones de seguros. Están calculados para un determinado tipo de interés, denominado tipo de interés técnico i, a partir del cual se obtiene el llamado factor de actualización, v x, o factor de descuento compuesto. Éste factor permite convertir un capital futuro a n años en un capital inicial, al eliminar el efecto de los intereses, v x = 1 (1 + i) x. Las expresiones de los símbolos de conmutación son las siguientes: D x N x = l x v x = D x + D x D ω S x = N x + N x N ω C x = d x v x+1 M x = C x + C x C ω R x = M x + M x M ω Clasificación: tablas estáticas y tablas dinámicas El fenómeno de la supervivencia viene caracterizado porque sus sucesos hacen referencia al hecho de que un individuo cualquiera perteneciente a un grupo específico, alcance y supere una edad concreta. Al intentar modelizarlo aparece la edad como como parámetro fundamental. A la edad se la denomina también en ocasiones tiempo biológico, para diferenciarla del tiempo cronológico que es el tiempo físico o del

24 14 Capítulo 1. Tablas de mortalidad calendario. Esta distinción es necesaria cuando, por ejemplo, se quiere comparar la mortalidad de individuos de la misma edad en periodos distintos. Los hipótesis básicas, que constituyen la base fundamental de las deducciones que han de conducirnos a la construcción de una tabla de mortalidad (Vegas, 1982), son: Principio de homogeneidad.- Los individuos del grupo son equivalentes en lo que se refiere a mortalidad, en el sentido de que tienen la misma función de distribución de probabilidad para la variable edad de muerte ξ. El grupo es homogéneo. Principio de independencia.- Los individuos que integran el grupo se definen con variables estocásticamente independientes. Esto equivale a decir que las variables asociadas la supervivencia de los individuos del grupo son mutuamente independientes. Principio de estacionariedad.- La probabilidad de que un individuo de no sobreviva a una edad concreta es independiente del año de su cálculo. Con estas hipótesis la probabilidad de que n individuos no sobrevivan a las edades x 1, x 2,..., x n, respectivamente, viene dada por P(ξ 1 < x 1,ξ 2 < x 2,...,ξ n < x n ) = G x1 (x 1 ξ 1 ) G x2 (x 2 ξ 1 )... G xn (x n ξ n ) = x1 ξ 1 q x1 x2 ξ 2 q x2... xn ξ n q xn Es evidente que si el estudio del fenómeno de la supervivencia se refiere sólo al tiempo biológico es porque se admite implícitamente la hipótesis de estacionariedad del fenómeno. Si todas las consideraciones y formulaciones que se hacen vienen referidas al tiempo biológico o edad, con exclusión de toda referencia al tiempo cronológico, la tabla de mortalidad resultante es una tabla de mortalidad estática o de momento. Un estudio completo debería abarcar ambos conceptos temporales, puesto que en su formulación más general la estacionariedad puede estar ausente y la expresión matemática del fenómeno de la supervivencia depende entonces de ambos tiempos. Se obtiene entonces una tabla de mortalidad dinámica. Como reflexión a la comparación teórica de las tablas estáticas y dinámicas, hemos de añadir que las primeras nacen con una fecha de caducidad implícita, puesto que la mortalidad desciende y la esperanza de vida aumenta con el paso de los años, de forma que necesitaríamos pedirle al asegurado una dotación adicional cuando pasaran un número determinado de años, mientras que con las segundas las posibles modificaciones son menores.

25 1.5 Evolución de la mortalidad Evolución de la mortalidad Antes de introducir y desarrollar los diferentes modelos dinámicos de tablas de mortalidad, consideramos importante poner de relieve las diferencias existentes entre las experiencias de mortalidad correspondientes a diferentes periodos. Esta sección esta dedicada a ilustrar dichas diferencia mediante un ejemplo concreto. Se pretende con ello justificar la necesidad de introducir modelos dinámicos que permitan una mejor predicción de la mortalidad futura. Los datos utilizados en el ejemplo corresponden a la mortalidad observada en España durante el periodo de para un rango de edades de 0 a 110, y han sido obtenidos de H.D.M. (2005). La Figura 1.1 permite observar como, en general, las probabilidades de muerte han descendido en el transcurso del tiempo, aunque con diferente comportamiento para los distintos grupos de edad. Al igual que otros países desarrollados, en España han sido especialmente llamativos el descenso que que ha sufrido la mortalidad infantil, el aumento de mortalidad en la última década para edades intermedias y la estabilidad, e incluso ligero aumento, para las edades elevadas debido al aumento de población longeva que se ha producido en los últimos años. log(qx) edats log(qx) edats any any (a) Hombres (b) Mujeres Figura 1.1: Gráfico de descenso de la mortalidad para algunas edades Las tendencias recientes de la mortalidad han sido descritas entre otros por Olivieri (2001), quien define al respecto dos procesos: el de expansión y el de rectangularización de la curva de supervivientes, Figuras 1.2 (a) y 1.3 (a) para hombres y mujeres, respectivamente. La curva de supervivientes se desplaza hacia edades muy elevadas, aspecto que se ha denominado expansión y que se traduce también en un desplazamiento de las moda de la curva de muertes, Figuras 1.2 (b) y 1.3 (b), hacia esas mismas edades. Un incremento de la concentración de muertes en torno a la moda de la curva de muertes implica a su vez, que la curva de supervivientes se

TABLAS DINAMICAS DE MORTALIDAD Y SUPERVIVENCIA

TABLAS DINAMICAS DE MORTALIDAD Y SUPERVIVENCIA TABLAS DINAMICAS DE MORTALIDAD Y SUPERVIVENCIA Ana Debón 1 Ramón Sala 2 Universitat de Valencia Resumen: Es una realidad que la esperanza de vida está aumentando en todos los países desarrollados. Así

Más detalles

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

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

Más detalles

Las Matemáticas En Ingeniería

Las Matemáticas En Ingeniería Las Matemáticas En Ingeniería 1.1. Referentes Nacionales A nivel nacional se considera que el conocimiento matemático y de ciencias naturales, sus conceptos y estructuras, constituyen una herramienta para

Más detalles

INTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA

INTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA INTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA Eva Medina Moral (Febrero 2002) EXPRESIÓN DEL MODELO BASICO DE REGRESIÓN LINEAL La expresión formal del modelo

Más detalles

EL SEGURO DE VIDA EN ESPAÑA. LAS TABLAS BIOMÉTRICAS RICARDO LOZANO ARAGÜÉS DIRECTOR GENERAL ESPAÑA

EL SEGURO DE VIDA EN ESPAÑA. LAS TABLAS BIOMÉTRICAS RICARDO LOZANO ARAGÜÉS DIRECTOR GENERAL ESPAÑA EL SEGURO DE VIDA EN ESPAÑA. LAS TABLAS BIOMÉTRICAS RICARDO LOZANO ARAGÜÉS DIRECTOR GENERAL ESPAÑA ÍNDICE 1º. TENDENCIAS DEMOGRÁFICAS. 2º. LOS SEGUROS DE VIDA EN ESPAÑA. Instrumentos de previsión social.

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

Métodos de promedios. Diplomado en Gestión Estratégica de las Finanzas Públicas MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS

Métodos de promedios. Diplomado en Gestión Estratégica de las Finanzas Públicas MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS La estimación o proyección de ingresos futuros puede llevarse a cabo mediante diferentes métodos estadísticos de extrapolación, entre ellos: sistema

Más detalles

Precio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales.

Precio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales. Series Temporales Introducción Una serie temporal se define como una colección de observaciones de una variable recogidas secuencialmente en el tiempo. Estas observaciones se suelen recoger en instantes

Más detalles

Aplicación de los modelos de credit scoring para instituciones microfinacieras.

Aplicación de los modelos de credit scoring para instituciones microfinacieras. Econ. Reynaldo Uscamaita Huillca Aplicación de los modelos de credit scoring para instituciones microfinacieras. OBJETIVO Proporcionar al ejecutivo del sistema financiero un modelo solido que permita tomar

Más detalles

FUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

FUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. FUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Una de las primeras necesidades que surgen en las Ciencias Experimentales es la de poder expresar los valores

Más detalles

1. TEMPORALIZACIÓN POR EVALUACIONES DE LOS CONTENIDOS

1. TEMPORALIZACIÓN POR EVALUACIONES DE LOS CONTENIDOS 1. TEMPORALIZACIÓN POR EVALUACIONES DE LOS CONTENIDOS Primera Evaluación TEMA 1. NÚMEROS REALES Distintos tipos de números. Recta real. Radicales. Logaritmos. Notación científica. Calculadora. TEMA 2.

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA

NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA A NTONIO F ERNÁNDEZ M ORALES MÁLAGA, 2006 Nociones Básicas de Estadística Actuarial Vida Antonio Fernández Morales Málaga, 2006 Nociones Básicas de Estadística

Más detalles

Los pronósticos pueden ser utilizados para conocer el comportamiento futuros en muchas fenómenos, tales como:

Los pronósticos pueden ser utilizados para conocer el comportamiento futuros en muchas fenómenos, tales como: TEMA 1: PRONÓSTICOS 1.1. Introducción Pronostico es un método mediante el cual se intenta conocer el comportamiento futuro de alguna variable con algún grado de certeza. Existen disponibles tres grupos

Más detalles

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

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

Más detalles

-- -- ~ INTRODUCCIÓN VII

-- -- ~ INTRODUCCIÓN VII -- -- ~ '" Indz'ce general li J PRÓLOGO INTRODUCCIÓN XIII XVII 1. PROBABILIDAD DE MUERTE Y SUPERVIVENCIA 1 1.1. Introducción 1 1.2. Principales variables aleatorias 1 1.2.1. Edad de muerte de un recién

Más detalles

- se puede formular de la siguiente forma:

- se puede formular de la siguiente forma: Multicolinealidad 1 Planteamiento Una de las hipótesis del modelo de regresión lineal múltiple establece que no existe relación lineal exacta entre los regresores, o, en otras palabras, establece que no

Más detalles

Estacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ

Estacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ Estacionalidad Qué es la estacionalidad? La estacionalidad es una componente que se presenta en series de frecuencia inferior a la anual (mensual, trimestral,...), y supone oscilaciones a corto plazo de

Más detalles

BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL

BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL Ramón Mahía Febrero 013 Prof. Ramón Mahía ramon.mahia@uam.es Qué se entiende por Multicolinealidad en el marco

Más detalles

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7) Caracterización de las fuentes y formación de escalas de tiempo Rec. UIT-R TF.538-3 1 RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

Más detalles

Máster Universitario en Ciencias Actuariales y Financieras Universidad de Alcalá Curso Académico 2014/2015 Primer Curso Segundo Cuatrimestre

Máster Universitario en Ciencias Actuariales y Financieras Universidad de Alcalá Curso Académico 2014/2015 Primer Curso Segundo Cuatrimestre INTRODUCCIÓN A LA BIOMETRÍA. Tablas de Mortalidad y Supervivencia Máster Universitario en Ciencias Actuariales y Financieras Universidad de Alcalá Curso Académico 2014/2015 Primer Curso Segundo Cuatrimestre

Más detalles

Una serie temporal o cronológica es en una sucesión de valores que adopta una variable (Y):

Una serie temporal o cronológica es en una sucesión de valores que adopta una variable (Y): INTRODUCCIÓN Nos vamos a ocupar ahora de estudiar un fenómeno desde la perspectiva temporal, observando su evolución a través del tiempo, lo que se denomina investigación diacrónica o longitudinal, en

Más detalles

Trabajo No 2. Análisis Supervivencia y Seguros de Vida

Trabajo No 2. Análisis Supervivencia y Seguros de Vida Trabajo No 2. Análisis Supervivencia y Seguros de Vida Norman Giraldo Gómez Curso de Actuaría - Escuela de Estadística ndgirald@unal.edu.co Octubre, 2010 1. Notas 1. La notación (xm) indica mujer de edad

Más detalles

CONTENIDOS MÍNIMOS BACHILLERATO

CONTENIDOS MÍNIMOS BACHILLERATO CONTENIDOS MÍNIMOS BACHILLERATO I.E.S. Vasco de la zarza Dpto. de Matemáticas CURSO 2013-14 ÍNDICE Primero de Bachillerato de Humanidades y CCSS...2 Primero de Bachillerato de Ciencias y Tecnología...5

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

CLASE 0- MÉTODOS DE ALISADO EXPONENCIAL

CLASE 0- MÉTODOS DE ALISADO EXPONENCIAL CLASE 0- MÉTODOS DE ALISADO EXPONENCIAL Contextualización En la primera parte del curso hemos estudiado el análisis clásico de series temporales en el que se asume que una serie temporal resulta de la

Más detalles

EXPERIENCIA DIDÁCTICA DE FÍSICA PARA DETERMINAR LA CONSTANTE ELÁSTICA DE UN MUELLE

EXPERIENCIA DIDÁCTICA DE FÍSICA PARA DETERMINAR LA CONSTANTE ELÁSTICA DE UN MUELLE EXPERIENCIA DIDÁCTICA DE FÍSICA PARA DETERMINAR LA CONSTANTE ELÁSTICA DE UN MUELLE AUTORÍA MARÍA FRANCISCA OJEDA EGEA TEMÁTICA EXPERIMENTO FÍSICA Y QUÍMICA, APLICACIÓN MÉTODO CIENTÍFICO ETAPA EDUCACIÓN

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones

Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

Modelos económicos discretos versus continuos: un estudio comparativo a través de la amortización de hipotecas

Modelos económicos discretos versus continuos: un estudio comparativo a través de la amortización de hipotecas Modelos económicos discretos versus continuos: un estudio comparativo a través de la amortización de hipotecas Apellidos, nombre Departamento Centro Cortés López, Juan Carlos; Romero Bauset, José Vicente;

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán Capítulo 4 MEDIDA DE MAGNITUDES Autor: Santiago Ramírez de la Piscina Millán 4 MEDIDA DE MAGNITUDES 4.1 Introducción El hecho de hacer experimentos implica la determinación cuantitativa de las magnitudes

Más detalles

Distribuciones de Probabilidad en Arena

Distribuciones de Probabilidad en Arena Distribuciones de Probabilidad en Arena Arena posee una amplia gama de funciones o distribuciones estadísticas incorporadas para la generación de números aleatorios. Estas distribuciones aparecen cuando,

Más detalles

Statgraphics Centurión

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

Más detalles

Capítulo 8. Tipos de interés reales. 8.1. Introducción

Capítulo 8. Tipos de interés reales. 8.1. Introducción Capítulo 8 Tipos de interés reales 8.1. Introducción A lo largo de los capítulos 5 y 7 se ha analizado el tipo de interés en términos nominales para distintos vencimientos, aunque se ha desarrollado más

Más detalles

DSegún el Prof. Gil Peláez1, una operación

DSegún el Prof. Gil Peláez1, una operación 38-47 Planificación fin copia 1 26/12/03 12:52 Página 38 PLANIFICACION FINANCIERA Estudio comparativo entre las operaciones financieras ciertas y las operaciones financiero-actuariales LAS OPERACIONES

Más detalles

PRESENTACIÓN DE LA TESIS 1 1. INTRODUCCIÓN 4 2. ESTRUCTURA Y METODOLOGÍA DE LA TESIS 8

PRESENTACIÓN DE LA TESIS 1 1. INTRODUCCIÓN 4 2. ESTRUCTURA Y METODOLOGÍA DE LA TESIS 8 Índice ÍNDICE PRESENTACIÓN DE LA TESIS 1 1. INTRODUCCIÓN 4 2. ESTRUCTURA Y METODOLOGÍA DE LA TESIS 8 PARTE I: INSTRUMENTOS MATEMÁTICOS DE LA TEORÍA DE LOS SUBCONJUNTOS BORROSOS 19 CAPÍTULO 1: ELEMENTOS

Más detalles

Modelos Estocásticos para los Sistemas Pensionales de Prestación Definida y de Ahorro Individual Día 1 : Rentas Vitalicias.

Modelos Estocásticos para los Sistemas Pensionales de Prestación Definida y de Ahorro Individual Día 1 : Rentas Vitalicias. Modelos Estocásticos para los Sistemas Pensionales de Prestación Definida y de Ahorro Individual Día 1 : Rentas Vitalicias. Minicurso para el IX Coloquio Internacional de Estadística Métodos Estadísticos

Más detalles

Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales

Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:

Más detalles

Estudio y simulación de la influencia de la estructura Transformador-Bobina Paralelo en convertidores CC-CC clásicos

Estudio y simulación de la influencia de la estructura Transformador-Bobina Paralelo en convertidores CC-CC clásicos ESCUELA POLITÉCNICA SUPERIOR Grupo de Sistemas Electrónicos de Potencia PROYECTO FIN DE CARRERA INGENIERÍA INDUSTRIAL Estudio y simulación de la influencia de la estructura Transformador-Bobina Paralelo

Más detalles

DISEÑO DE UN MODELO DE APROXIMACIÓN TRIMESTRAL PARA LA ECONOMÍA DE MADRID

DISEÑO DE UN MODELO DE APROXIMACIÓN TRIMESTRAL PARA LA ECONOMÍA DE MADRID DISEÑO DE UN MODELO DE APROXIMACIÓN TRIMESTRAL PARA LA ECONOMÍA DE MADRID Ana López Yigal Montejo Instituto L. R. Klein, UAM Junio 2000 RESUMEN El presente trabajo estudia la economía madrileña basándose

Más detalles

Curso de Estadística no-paramétrica

Curso de Estadística no-paramétrica Curso de Estadística no-paramétrica Sesión 1: Introducción Inferencia no Paramétrica David Conesa Grup d Estadística espacial i Temporal Departament d Estadística en Epidemiologia i Medi Ambient i Investigació

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

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

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

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

Lectura: MANTENER LA DISTANCIA. CIRCULANDO POR EUROPA

Lectura: MANTENER LA DISTANCIA. CIRCULANDO POR EUROPA Lectura: MANTENER LA DISTANCIA. CIRCULANDO POR EUROPA 1 2 Presentación del trabajo propuesto El planteamiento general de esta propuesta de evaluación consiste en analizar hasta tres situaciones diferentes

Más detalles

EXPERIMENTACIÓN. Eduardo Jiménez Marqués

EXPERIMENTACIÓN. Eduardo Jiménez Marqués EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6

Más detalles

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST 7.1. ANÁLISIS DE LOS ÍTEMS Al comenzar la asignatura ya planteábamos que uno de los principales problemas a los que nos enfrentábamos a la hora

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Capítulo 6. Modificar archivos de datos. Ordenar casos

Capítulo 6. Modificar archivos de datos. Ordenar casos Capítulo 6 Modificar archivos de datos Los archivos de datos no siempre están organizados de forma idónea. En ocasiones podemos desear cambiar el orden de los casos, o transponer las filas y las columnas,

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

ESTRATEGIAS DE CÁLCULO MENTAL

ESTRATEGIAS DE CÁLCULO MENTAL ESTRATEGIAS DE CÁLCULO MENTAL El cálculo mental consiste en realizar cálculos matemáticos utilizando sólo el cerebro sin ayudas de otros instrumentos como calculadoras o incluso lápiz y papel. Las operaciones

Más detalles

REGRESIÓN LINEAL MÚLTIPLE

REGRESIÓN LINEAL MÚLTIPLE REGRESIÓN LINEAL MÚLTIPLE.- Planteamiento general....- Métodos para la selección de variables... 5 3.- Correlaciones parciales y semiparciales... 8 4.- Multicolinealidad en las variables explicativas...

Más detalles

MATEMÁTICAS ESO EVALUACIÓN: CRITERIOS E INSTRUMENTOS CURSO 2014-2015 Colegio B. V. María (Irlandesas) Castilleja de la Cuesta (Sevilla) Página 1 de 7

MATEMÁTICAS ESO EVALUACIÓN: CRITERIOS E INSTRUMENTOS CURSO 2014-2015 Colegio B. V. María (Irlandesas) Castilleja de la Cuesta (Sevilla) Página 1 de 7 Página 1 de 7 1 CRITERIOS DE EVALUACIÓN 1.1 SECUENCIA POR CURSOS DE LOS CRITERIOS DE EVALUACION PRIMER CURSO 1. Utilizar números naturales y enteros y fracciones y decimales sencillos, sus operaciones

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD MODALIDAD CIENTÍFICO-TÉCNICO 1. NOMBRE DE LA MATERIA: Matemáticas II 2. NOMBRE DEL COORDINADOR: Miguel Delgado Pineda (mdelgado@mat.uned.es,

Más detalles

Integrales y ejemplos de aplicación

Integrales y ejemplos de aplicación Integrales y ejemplos de aplicación I. PROPÓSITO DE ESTOS APUNTES Estas notas tienen como finalidad darle al lector una breve introducción a la noción de integral. De ninguna manera se pretende seguir

Más detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

Más detalles

Modelo de fuerza deportiva NOTA TÉCNICA

Modelo de fuerza deportiva NOTA TÉCNICA Modelo de fuerza deportiva NOTA TÉCNICA Contenido 1 Motivación 3 2 El modelo de fuerza deportiva 3 2.1 Supuestos del modelo 3 2.2 Críticas al modelo 4 2.3 Formulación 4 2.4 Estimación de los parámetros

Más detalles

EL DISEÑO FACTORIAL COMPLETO 2 k

EL DISEÑO FACTORIAL COMPLETO 2 k EL DISEÑO FACTORIAL COMPLETO 2 k Joan Ferré Grupo de Quimiometría y Cualimetría Departamento de Química Analítica y Química Orgánica Universidad Rovira i Virgili (Tarragona) INTRODUCCIÓN En el primer artículo

Más detalles

Tema 10. Estimación Puntual.

Tema 10. Estimación Puntual. Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener

Más detalles

Regresión lineal múltiple

Regresión lineal múltiple . egresión lineal múltiple egresión lineal múltiple. Introducción. En el tema anterior estudiamos la correlación entre dos variables y las predicciones que pueden hacerse de una de ellas a partir del conocimiento

Más detalles

TEMA 4: Introducción al Control Estadístico de Procesos

TEMA 4: Introducción al Control Estadístico de Procesos TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción

Más detalles

Diseños en cuadrados latinos

Diseños en cuadrados latinos Capítulo 7 Diseños en cuadrados latinos 7.1. Introducción En el modelo en bloques aleatorizados, que estudiamos en el capítulo anterior, considerábamos un factor principal y un factor de control o variable

Más detalles

Tema 1 con soluciones de los ejercicios. María Araceli Garín

Tema 1 con soluciones de los ejercicios. María Araceli Garín Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un

Más detalles

Serie Documentos de Trabajo. Tablas de Mortalidad CNSF 2000-I y CNSF 2000-G. Documento de trabajo No. 80

Serie Documentos de Trabajo. Tablas de Mortalidad CNSF 2000-I y CNSF 2000-G. Documento de trabajo No. 80 Tablas de Mortalidad CNSF 2-I y CNSF 2-G Manuel Mendoza Ramírez Ana María Madrigal Gómez Evangelina Martínez Torres Mayo 2 Serie Documentos de Trabajo Documento de trabajo No. 8 Índice 1. Antecedentes

Más detalles

Guías Excel 2007 Matrices Guía 77

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

Más detalles

Tema 3. Problemas de valores iniciales. 3.1. Teoremas de existencia y unicidad

Tema 3. Problemas de valores iniciales. 3.1. Teoremas de existencia y unicidad Tema 3 Problemas de valores iniciales 3.1. Teoremas de existencia y unicidad Estudiaremos las soluciones aproximadas y su error para funciones escalares, sin que ésto no pueda extenderse para funciones

Más detalles

www.bvbusiness-school.com

www.bvbusiness-school.com Gráficos de Control de Shewart www.bvbusiness-school.com GRÁFICOS DE CONTROL DE SHEWART Una de las herramientas estadísticas más importantes en el Control Estadístico de Procesos son los Gráficos de Control.

Más detalles

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

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

Más detalles

Tema 1: Test de Distribuciones de Probabilidad

Tema 1: Test de Distribuciones de Probabilidad Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).

Más detalles

IES CANARIAS CABRERA PINTO DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015

IES CANARIAS CABRERA PINTO DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015 CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015 UNIDAD 1: LOS NÚMEROS NATURALES. OPERACIONES Y RELACIONES El sistema de numeración decimal Estimación y redondeo de un número natural Las operaciones con números

Más detalles

EL INFORME DEL AUDITOR SOBRE ESTADOS FINANCIEROS PREPARADOS DE ACUERDO CON LA RESOLUCIÓN TÉCNICA Nº 26

EL INFORME DEL AUDITOR SOBRE ESTADOS FINANCIEROS PREPARADOS DE ACUERDO CON LA RESOLUCIÓN TÉCNICA Nº 26 EL INFORME DEL AUDITOR SOBRE ESTADOS FINANCIEROS PREPARADOS DE ACUERDO CON LA RESOLUCIÓN TÉCNICA Nº 26 1 INTRODUCCIÓN En el mes de diciembre de 2010 la Federación Argentina de Consejos Profesionales de

Más detalles

ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO. Unidad 1 Números Reales

ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO. Unidad 1 Números Reales ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO Unidad 1 Números Reales Utilizar los números enteros, racionales e irracionales para cuantificar situaciones de la vida cotidiana. Aplicar adecuadamente

Más detalles

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo POLINOMIOS 1.1. DEFINICIONES Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo p(x) = a i x i = a 0 + a 1 x + a 2 x 2 + + a n x n + ; a i, x K; n N

Más detalles

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay

Más detalles

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación.

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación. Laboratorio 1 Medición e incertidumbre La descripción de los fenómenos naturales comienza con la observación; el siguiente paso consiste en asignar a cada cantidad observada un número, es decir en medir

Más detalles

REGRESION simple. Correlación Lineal:

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

Más detalles

UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN DESCUENTO

UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN DESCUENTO - 1 - UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO Tema 1: Operaciones financieras: elementos Tema 2: Capitalización y descuento simple Tema 3: Capitalización y descuento compuesto Tema

Más detalles

El concepto de integral con aplicaciones sencillas

El concepto de integral con aplicaciones sencillas El concepto de integral con aplicaciones sencillas Eliseo Martínez Marzo del 24 Abstract Este artículo trata de ejemplos sencillos del concepto de integral con aplicaciones a la Física, la Teoría de la

Más detalles

Polinomios y Ecuaciones

Polinomios y Ecuaciones Ejercicios de Cálculo 0 Prof. María D. Ferrer G. Polinomios y Ecuaciones.. Polinomios: Un polinomio o función polinómica es una epresión de la forma: n n n P a a a a a a = n + n + n + + + + 0 () Los números

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

MATEMÁTICAS EMPRESARIALES II:

MATEMÁTICAS EMPRESARIALES II: MATEMÁTICAS EMPRESARIALES II: FUNCIÓN REAL DE VARIAS VARIABLES ÓPTIMOS DE UNA FUNCIÓN ESCALAR MATERIAL DIDÁCTICO DE SOPORTE González-Vila Puchades, Laura Ortí Celma, Francesc J. Sáez Madrid, José B. Departament

Más detalles

Hasta ahora hemos estudiado potencias pertenecientes a distintos campos numéricos. n N, ( a 0 ) m a. m Z, n N

Hasta ahora hemos estudiado potencias pertenecientes a distintos campos numéricos. n N, ( a 0 ) m a. m Z, n N EXPONENCIALES Y LOGARITMOS FUNCIÓN EXPONENCIAL Hasta ahora hemos estudiado potencias pertenecientes a distintos campos numéricos. Potencias de eponente natural: a n = a. a. a... a n N n veces Potencias

Más detalles

Regresión de Poisson

Regresión de Poisson Regresión de Poisson -- Si la estructura de los errores es realmente de Poisson, entonces: devianza residual / grados de libertad residuales = 1 si el cociente es mayor que 1 estamos ante el fenómeno (incómodo)

Más detalles

Lección n 5. Modelos de distribución n potencial de especies

Lección n 5. Modelos de distribución n potencial de especies Lección n 5. Modelos de distribución n potencial de especies 1. Elaboración de modelos de distribución de especies. a. Planteamiento. El modelado del nicho ambiental se basa en el principio de que la distribución

Más detalles

IV. Factores de Consolidación

IV. Factores de Consolidación Factores PARA Consolidar UNA Empresa IV. Factores de Consolidación L os Factores de la Consolidación Empresarial En esta sección se presentan los resultados obtenidos con técnicas estadísticas sobre los

Más detalles

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra

Más detalles

UNA COMPARACIÓN DE LAS PROYECCIONES DE POBLACIÓN PARA ESPAÑA, LA ZONA DEL EURO Y ESTADOS UNIDOS

UNA COMPARACIÓN DE LAS PROYECCIONES DE POBLACIÓN PARA ESPAÑA, LA ZONA DEL EURO Y ESTADOS UNIDOS UNA COMPARACIÓN DE LAS PROYECCIONES DE POBLACIÓN PARA, LA ZONA DEL EURO Y Una comparación de las proyecciones de población para España, la zona del euro y Estados Unidos Este artículo ha sido elaborado

Más detalles

Los contenidos básicos exigibles a la finalización del curso serán:

Los contenidos básicos exigibles a la finalización del curso serán: 1. CONTENIDOS BÁSICOS. Los contenidos básicos exigibles a la finalización del curso serán: BLOQUE I: ESTADÍSTICA Y PROBABILIDAD Población y muestra. Tipos de caracteres estadísticos: cualitativos y cuantitativos.

Más detalles

CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES

CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES Para la valuación de opciones hay dos modelos ampliamente reconocidos como son el modelo binomial y el modelo de Black

Más detalles

Ortogonalidad y Series de Fourier

Ortogonalidad y Series de Fourier Capítulo 4 Ortogonalidad y Series de Fourier El adjetivo ortogonal proviene del griego orthos (recto) y gonia (ángulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se

Más detalles

Aplicaciones de Estadística Descriptiva

Aplicaciones de Estadística Descriptiva Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos

Más detalles

1.3 Números racionales

1.3 Números racionales 1.3 1.3.1 El concepto de número racional Figura 1.2: Un reparto no equitativo: 12 5 =?. Figura 1.3: Un quinto de la unidad. Con los números naturales y enteros es imposible resolver cuestiones tan simples

Más detalles

Unidad de Aprendizaje: Anualidades y gradientes

Unidad de Aprendizaje: Anualidades y gradientes Carlos Mario Morales C 2012 1 Matemáticas Financieras No está permitida la reproducción total o parcial de este libro, ni su tratamiento informático, ni la transmisión de ninguna forma o por cualquier

Más detalles

Socioestadística I Análisis estadístico en Sociología

Socioestadística I Análisis estadístico en Sociología Análisis estadístico en Sociología 1. INTRODUCCIÓN. Definición e historia. 1.1. Que es la Sociestadística?. La estadística es la ciencias de las regularidades que se observan en conjuntos de fenómenos

Más detalles

RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2014 /2015 DEPARTAMENTO: MATEMÁTICAS MATERIA: RECUPERACIÓN DE MATEMÁTICAS CURSO:

RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2014 /2015 DEPARTAMENTO: MATEMÁTICAS MATERIA: RECUPERACIÓN DE MATEMÁTICAS CURSO: RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2014 /2015 DEPARTAMENTO: MATEMÁTICAS MATERIA: RECUPERACIÓN DE MATEMÁTICAS CURSO: 2º ESO OBJETIVOS: Resolver problemas con enunciados relacionados con la

Más detalles

LA DISTRIBUCIÓN TRAPEZOIDAL COMO MODELO PROBABILÍSTICO PARA LA METODOLOGÍA PERT

LA DISTRIBUCIÓN TRAPEZOIDAL COMO MODELO PROBABILÍSTICO PARA LA METODOLOGÍA PERT LA DISTRIBUCIÓN TRAPEZOIDAL COMO MODELO PROBABILÍSTICO PARA LA METODOLOGÍA PERT JOSÉ CALLEJÓN CÉSPEDES EDUARDO PÉREZ RODRÍGUEZ ANTONIO RAMOS RODRÍGUEZ Facultad de Ciencias Económicas y Empresariales Universidad

Más detalles

Gestión Financiera. 7 > Préstamos

Gestión Financiera. 7 > Préstamos . 7 > Préstamos Juan Carlos Mira Navarro Juan Carlos Mira Navarro 1 / 64. 7 > Préstamos 1 2 Préstamo americano Préstamo americano con fondo de amortización «sinking fund» 3 Anualidad Capital pendiente

Más detalles