MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS

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

Download "MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS"

Transcripción

1 Modlos d sbastas y s aplaón a los onrsos. MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS Jan Momparlr, Maro Hdalgo Jam I, UTEM RESUMEN En st trabao ralzamos na ntrodón hstóra a la Toría d sbastas y al Modlo d Rfrna. Nos ntrarmos n l stdo d la sbastas n sobr rrado al prmr pro. Analzarmos las dfrnas ntr l modlo smétro y asmétro. Vrmos omo podmos tlzar stos modlos n l stor d la onstrón, dond s habtal ralzar la addaón d mhos proytos mdant sbastas on sobr rrado al prmr pro. Comntarmos algnos rsltados onodos q nos prmtn abordar la solón dl problma n l aso asmétro. Palabras lav: Sbastas, smlaón, onstrón 1. INTRODUCCIÓN 1.1. Evolón hstóra d las sbastas Las sbastas omo método d vnta s rmontan a la antga Bablona, pro s a partr dl sglo XVIII ando las sbastas vlvn a obrar mportana y s mpzan a tlzar nvos métodos, omo la sbasta holandsa o dsndnt, s ntrod la tlzaón dl típo martllo para addars l bn nlso s tlzan sbastas on límt d tmpo para prsntar las ofrtas. XIII Jornadas d ASEPUMA 1

2 Jan Momparlr, Maro Hdalgo En l sglo XX la mportana d las transaons ralzadas por sbastas ha sdo my sgnfatva. Admás s so s ha do xtndndo a nvos bns y srvos y s ha nrmntado d manra notabl l númro d partpants, tanto, dsd l pnto d vsta d la ofrta omo d la dmanda. El stado s no d los agnts más mportants n l dsarrollo d la sbastas, y atúa tanto d omprador omo d vnddor. D hho na part mportant d ss ompras las sl ralzar a través d mansmos d sbastas, prnpalmnt n sobr rrado. En 1956 nos nontramos l prmr trabao aadémo a argo d Frdman sobr sbastas, postrormnt n 1961 Vrky ntrod l onpto d qlbro d la Toría d Jgos, s a partr d 1980 ando toma ag l nfoq d la Toría d Jgos ando s prod na vrdadra xplosón d las pblaons sobr st tma Tpos d sbastas Una sbasta s dfn omo na nsttón d mrado q nta on n onnto xplíto d rglas q dtrmnan la asgnaón d rrsos y dond los pros s basan n las ofrtas prsntadas por los partpants. Dsd l trabao d Vkry (1961) s han onsdrado prnpalmnt atro tpos d sbastas: Sbasta asndnt o nglsa Est tpo d sbasta s la más tlzada, la aratrísta q la dfn s l hho d q l pro s va nrmntando ssvamnt hasta q qda n n úno omprador, q s l q s adda l bn al pro fnal Sbasta holandsa o sbasta dsndnt Est tpo d sbasta srá l mansmo nvrso al antror, n st aso l sbastador omnza on n pro my alto q va dsmnyndo ssvamnt hasta q algún omprador lo apt Sbasta on sobr rrado al prmr pro Los potnals ompradors prsntan las ofrtas on sobr rrado. El bn, s adda al mor postor y l pro ond on la mor ofrta. 2 XIII Jornadas d ASEPUMA

3 Modlos d sbastas y s aplaón a los onrsos. En st tpo d sbasta dstaan dos aratrístas q ontrastan on lo q orrrá on la sbasta nglsa: n l momnto d prsntar las ofrtas lo potnals ompradors no onon al s las ofrta d los dmás y ada omprador sólo pd prsntar na úna ofrta Sbasta on sobr rrado al sgndo pro Esta sbasta srá gal a la antror pro on la dfrna q l pro a pagar no srá la dl ganador, sno q sría la sgnda ofrta más alta prsntada. Estas atro formas básas d sbastas admtn mhas varants, omo por mplo, s pd nlr n pro mínmo q podría sr n hho públo o no, s pdn mponr tasas por l drho a aptar, tambén l tmpo para prsntar las ofrtas podría sr fo, t. En las sbastas al prmr pro n sobr rrado, a los ompradors s ls prsnta l onodo dlma d q las ofrtas mayors tnn más probabldad d ganar pro al msmo tmpo rdn l xdnt n aso d ganar. La obtnón d la stratga d qlbro d los ompradors ya no s n prodmnto tan drto omo n los otros asos. Hay q tnr n nta q ya no stán dsponbls stratgas laras y, por lo tanto, ada omprador tndrá q ralzar na ontra sobr l omportamnto d los dmás. S pd dmostrar q la solón a st problma d optmzaón onsst n prsntar na ofrta q sría la valoraón más alta ntr ss omptdors, asmndo q s propa valoraón s la más lvada, s dr, s omo s n omprador n l momnto d allar s ofrta asm q va sr l ganador y ntons, dado st spsto, alla al sría la spranza d la valoraón más alta ntr l rsto d los ompradors y prsnta na ofrta gal a st valor. S todos los ompradors s omportan d sta manra ntons l ganador srá l q tnga na valoraón más alta y l pro srá s propa ofrta. Conodos stos antdnts stdarmos l aso d la sbasta n sobr rrado al prmr pro. 2. SUBASTA AL PRIMER PRECIO EN SOBRE CERRADO La ompra d n bn s podría dsrbr d la sgnt manra: 1.- Todos los ompradors adoptan ss aons smltánamnt. 2.- Cada no rb ss gananas n fnón d las aons tomadas por todos los ompradors. XIII Jornadas d ASEPUMA 3

4 Jan Momparlr, Maro Hdalgo En n problma d sbasta n sobr rrado al prmr pro, los ompradors prsntan ss ofrtas, l ganador rb l bn y paga l pro nldo n s propa ofrta, l rsto d los ompradors no rb nada y no paga nada. Para analzar la pa q hay q prsntar n na sbasta, s db tnr prsnt q s lo q sabn los ompradors n l momnto d tomar s dsón, als son ss aons fatbls y als srían ss fnons d gananas. S spon q los potnals ompradors onon las rglas d la sbasta, atúan on la rtza d s aplaón y valoran l obto q s sta sbastando. Esta valoraón s dsgnará por para l omprador, q srá l máxmo pro q staría dspsto a pagar, n gnral srá dfrnt para ada partpant. El spsto d la nformaón omplta sgnfa q todos los ompradors onon xatamnt omo ss omptdors valoran l bn n vnta. En rlaón a ss aons fatbls s spon q no s prsntan ofrtas ngatvas, dond la ofrta dl omprador s dsgnará por b El modlo d rfrna. Sbasta al prmr pro n sobr rrado Es l modlo más xtnddo n la ltratra y mhos trabaos s han dsarrollado a partr d la modfaón o rlaaón d los spstos básos. Para n modlo d na sbasta n sobr rrado al prmr pro s nsaro ralzar prsons sobr los spstos dl modlo: 1) El númro d partpants s dsgnará por N. D sta manra, on l sbínd = 1,...N s dsgnará n omprador gnéro. 2) Las ofrtas s sponn ontnas prtnnts al onnto d los númros rals no ngatvos, s dr, b [ 0, ) 3) Las valoraons d los ompradors s dstrbyn n l ntrvalo [ ], y ompartn la msma fnón d dstrbón F ( ), q s spon q s ontna y dfrnabl n dho ntrvalo y admás tnn na fnón d dnsdad dsgnada por f ( x). Por lo tanto [, ], sndo F ( ) = 0 y F ( ) = 1. 4 XIII Jornadas d ASEPUMA

5 Modlos d sbastas y s aplaón a los onrsos. El vtor q ontn las ofrtas d todos los anddatos a xpón dl anddato, s dsgnará por b y a la ofrta más alta d las nldas n b s llamará b, s dr, b = max[ b ] srá la ofrta más alta sn tomar n nta a b. La ganana dl omprador srá: b = 0 dónd la tldad sprada dl omprador s: b b > b < b = ( ) (( > b P b b (1) En st aso los ompradors prsntaran ss ofrtas ntntarán maxmzar la tldad sprada tnndo n nta la nformaón d q dsponn y ss ontras d ómo s omportan los dmás ompradors. S spon q l omprador ralza la ontra d q todos ss omptdors van a prsntar ss ofrtas d ardo a na rgla d dsón arbtrara, b = B ) h. Esta rgla d dsón sría arbtrara pro db mplr dos rqstos fndamntals: sr ontna y sr monótona rnt [, ] )) h ( h. Estas propdads son mportants por q asgrar sn ambgüdad q a mayor valoraón mayor srá la ofrta prsntada y l hho d sr monótona rnt asgra la fnón nvrsa n l ntrvalo fatbl para las valoraons, s dr: = B 1 ( ) h b h h. Dond B 1 ( ) b h srá la valoraón q da lgar a la prsntaón d na ofrta gal a b h. Antrormnt s omntó q la mayor ofrta ntr los omptdors d s llama b ntons b = B( ). Sa * la valoraón q haría q l omprador prsntara na ofrta gal * a la dl omprador dond = B 1 ( ), ntons la probabldad d ganar q tn l b omprador on la ofrta b srá gal a la probabldad d q todas las valoraons dl rsto d los ompradors s stún por dbao d *. A s vz, la probabldad d q la valoraón d n omprador s stú por dbao d fnón d dstrbón d las valoraons, s dr, ( ) * vndrá dada prsamnt por la F. XIII Jornadas d ASEPUMA 5

6 Jan Momparlr, Maro Hdalgo Como xstn N 1 omptdors dl omprador, para obtnr la probabldad d q todas las valoraons s nntrn por dbao d s valor, s tndría q mltplar N 1 vs por s msma. Por lo tanto: P * N [ ] [ ( )] ( ) N b > b = P b > B = F = F( B ( b )) Rmplazando st valor n la aón (1) s tn: 1 Max = ( b ) F( B ( b )) (2) En sta xprsón s han lmnado las rfrnas a la máxma ofrta d ss omptdors o a ss valoraons, datos ambos no onodos por l omprador ando prsnta s ofrta. D sta manra la aón antror aparn sólo varabls onodas omo l númro d partpants N, la fnón d dstrbón d las valoraons d los otros ompradors F y s propa valoraón. Por lo tanto, n sta formlaón d la tldad sprada ya s podría afrontar l problma d s maxmzaón, n l ontxto d los rqstos xgdos por l Eqlbro Baysano d Nash. Para maxmzar habrá q lgr b tal q s mpla la ondón d prmr ordn = 0. S s drva b ntrod la ondón d prmr ordn n sta drvada, s tn: on rspto a y s s d d db = + * b d = d Por lo tanto, la ofrta óptma b db satsfar: d d = d = F ( B ( b )) 1 N 1 Hasta ahora solo s ha fado n l omprador y s ha spsto na rgla d dsón arbtrara B () q tlzarían ss rvals. Todos los ompradors dbn star maxmzando smltánamnt s tldad, y por tanto, l so d la fnón B () por part d los omptdors d dbn sr onsstnt on (3) llos msmos s stán atando raonalmnt. S a stas ondons, s l agrga, l spsto d smtría ntr los ompradors, ntons la ofrta óptma dl omprador ( b ) dbría sr la q dtrmn la propa rgla d dsón B () para la valoraón. Es dr, para 6 XIII Jornadas d ASEPUMA

7 Modlos d sbastas y s aplaón a los onrsos. q ada ofrta ( b ), pda formar part d n qlbro d Nash db mplr q b = B ), ssttyndo sta xprsón n (3) s tn: ( d d = F( B 1 ( b )) = F 1 [ B ( B( )] = F( ) Por lo tanto, para allar la tldad sprada s tn: ( ) = [ F ) d] A + ( (4) Para dtrmnar l valor d A s rrr a la sgnt ondón lmt, l tpo d omprador q l orrspondría a la valoraón más baa ntr todas las posbls tndría na tldad sprada por partpar n la sbasta d ro, sta ondón q ga n papl rlvant n l modlo d rfrna, tambén s podría ddr d la raonaldad d los spstos ralzados q qval a q la ofrta q ralza n omprador on la valoraón más baa sría B ( ) =. Por lo tanto, st tpo d omprador gan o prda la sbasta, smpr rbría na ganana gal a ro. Utlzando sta ondón s obsrva q l valor d la onstant A s ro, porq la ntgral s anla ando =. Entons, aplando la ondón d Nash d q b = B ) galando (2) y (4) s tn la fnón d ofrta B ( ) : ( [ F ) d] Dspando B ) s tn: ( ( = ( B( )) F( ) b = B( ) = - [ F( ) ] F( ) d En na sbasta al prmr pro, la ombnaón d stratgas q onsst n q todos los ompradors tlzan la fnón d ofrta B ) onstty n qlbro baysano d Nash. Esta fnón d ofrta, s rnt, por lo tanto n l ontxto dl modlo n rfrna la sbasta al prmr pro sría fnt dbdo a q l ganador srá l omprador on la valoraón más alta. ( (5) XIII Jornadas d ASEPUMA 7

8 Jan Momparlr, Maro Hdalgo 3. EJEMPLO DEL MODELO ASIMÉTRICO 3.1. El Modlo Asmétro Spongamos q N mprsas onstrtoras partpan n na sbasta para addars n proyto. La mprsa ono s propo ost pro no l dl rsto d partpants n la sbasta. El ost stmado para ada mprsa s na varabl alatora ada na. C ya ralzaón la dnotamos por y s lgdo ndpndntmnt por La varabl alatora fnón d dnsdad d probabldad f ( ; θ ) ( θ θ, θ,... ) θ N C tn na fnón d dstrbón F ( ; θ ), sndo y na θ n parámtro. Sa θ =., l vtor d los parámtros spífos d todas las mprsas. 1, 2 3 Sponmos q l ost d d todas las mprsas [, ]. Spongamos tambén q ada mprsa onstrtora tn dfrnt loalzaón y por tanto dfrnts osts d transport: = os t _ fo+ β 1 dsta + ε Tndrmos l onst stmado n fnón d trs térmnos. La prmra part afta a todas las mprsas por gal, por mplo, los klómtros d atovía han d sr asfaltados, o las tonladas d mnto q s nstan para onstrr n nvo dfo. El sgndoβ 1 dsta, s dfrnt para ada frma ps afta a s loalzaón. Por últmo l térmnoε, s na varabl ndpndnt q srv para modlar la nformaón prvada, omo l ost d matrals o d mano d obra. típa S sponmos q ε stá normalmnt dstrbdo, on mda ro y dsvaón σ, ntons θ ( t _ fo, β,, σ ) = os 1 dsta. Sa b la pa d la frma, omo n st aso la addaón s ralza a la ofrta más onóma, podrmos dfnr s tldad omo sg: ( b b, b,..., b, ) 1, 2 3 N b = 0 b < b n otro aso 8 XIII Jornadas d ASEPUMA

9 Modlos d sbastas y s aplaón a los onrsos. La mprsa s d q tn valoraón prvada, ya q s tldad dpnd únamnt d y no d la nformaón prvada d las otras frmas. Los dfrnts osts d matrals y d mano d obra para ada mprsa mplarán la valoraón prvada Ganana sprada En l modlo la stratga d la mprsa s na fnón ( ;θ) b =. L Brn (1994) y Martn y Rly (1996) han dmostrado q n qlbro, las fnons d pa b = ( ;θ) son strtamnt rnts y dfrnabls. Lo al mpla q xst fnón nvrsa d pa φ ( b; θ) b 1 ( b; θ) = s tambén strtamnt rnt y dfrnabl. b b La mprsa spra n bnfo d la pa dnotarmos π ( ;θ) Sndo: b q vrfa:, ( b, ; b, θ) = ( b ) Q ( bθ) π ; Q ( b; ) = 1 F φ ( b; θ) [ ( θ ) ] θ ; b on l ost stmado q la probabldad q la frma ral la ofrta más baa Dfnón Un qlbro n stratga pra s na olón d fnons q [, ], b b ( ) = maxmza π (, ; b,θ) b. b... 1 b2 b N tals La ondón d prmr ordn para q la mprsa maxm l bnfo sprado s: π b ' ( b, ; θ) = ( b ) Q ( b ; θ) + Q ( b ; θ) = 0 En qlbro tndrmos sta xprsón para ada mprsa π b S drvamos tndrmos b π ' ( b, ; θ) = ( b ) Q ( b ; θ) + Q ( b ; θ) = 0 = 1,... N ( b, ; θ) = 1 F φ ( b ) = 1,...N ' [ ( )] ( b ) f ( φ ( b) ) φ ( b) 1 Fk φk( b) k [ ( )] = 0 XIII Jornadas d ASEPUMA 9

10 Jan Momparlr, Maro Hdalgo φ : ' S agrpamos térmnos y rordnamos l sstma n térmnos d ( b) φ ' ( b) 1 F( φ( b) ) ( N 1) f ( φ ( b) ) ( N 2) 1 + φ ( b) b φ ( b) = b = 1,...N (6) Lgo podmos aratrzar la nvrsa d las fnons d pa omo n sstma d N aons dfrnals ordnaras. Vamos dos rsltados lav q nos srvrán para garantzar la xstna d qlbro y aratrzar las nvrsas d las fnons d pa Sposón 1 Para todo, ( ;θ) ( ;θ) F tn soport [ ] f s ontnamnt dfrnabl. [, ] Sposón 2,. La fnón d dnsdad d probabldad Para todo, la fnón d dnsdad d probabldad ( ;θ) Torma1 (LBrn, Maskn y Rly) f stá aotada n S s dan las sposons 1 y 2 ntons xst n qlbro d stratga pra. Admás las fnons d pa son strtamnt rnts y dfrnabls Torma2 (LBrn, Maskn y Rly) Sponndo q s vrfan las sposons 1 y 2. Sa φ ( b) φ ( b)... φ ( b) las nvrsas d las pas d qlbro. Entons: φ 1. Para todo, ( ) = 2. Exst na onstant β tal q para todo, φ ( β) 3. Para todo y para todo b [ β,] = s vrfa la aón (6) 1 2 N Las ondons 1 y 2 dl Torma 2 nos dan 2N ondons d frontra para l onnto d N aons dfrnals d (6). La ondón 1 d q las mprsas q tnn l ost más alto l valor d la pa q ralzan s. La sgnda ondón d q n l ost más bao, todas las mprsas paránβ. 10 XIII Jornadas d ASEPUMA

11 Modlos d sbastas y s aplaón a los onrsos. Para dmostrar la ndad d la solón on las ondons d frontra spfadas, nstaríamos q l sstma vrfq las ondons d Lpshtz. Sn mbargo por la ondón 1 dl Torma 2 ando φ ( ) y por la ondón d 1 F( ( ) = 0 = φ tndrmos q b, ntons ( ) 0 b φ = 0. Por lo tanto l sstma tnd a 0 y por sa razón no s vrfan las ondons d Lpshtz n las proxmdads d. La nsdad d dar solons a las fnons d pa n los asos más omplos rqr l dsarrollar ténas spífas para la rsolón dl sstma d aons dfrnals, omo s pd obsrvar n varos trabaos. 3. REFERENCIAS BIBLIOGRÁFICAS BAJARI, P. (2001). Comparrng omptton and ollson: a nmral approah. Eonom Thory 18, pp DURÁ, P. (2002), Toría d sbastas y prvatzaons: n modlo d rptaón dl vnddor. Tss Dotoral. MASKIN, E. Y RILEY, J. (2000). Asymmtr Atons. Rvw of Eonom Stds 67, pp XIII Jornadas d ASEPUMA 11

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

El Verdadero Cálculo de la Devaluación

El Verdadero Cálculo de la Devaluación El vrdadro alulo d la Dvaluaión El Vrdadro Cálulo d la Dvaluaión Riardo Botro G. rbgstoks@hotmail.om Casi a diario nontramos n la prnsa onómia inormaión omo sta El día d ayr la tasa rprsntativa dl mrado

Más detalles

Si v y w son ambos vectores, entonces el resultado de las operaciones v + w y v w son. Dichas operaciones cumplen con propiedades conmutativas y

Si v y w son ambos vectores, entonces el resultado de las operaciones v + w y v w son. Dichas operaciones cumplen con propiedades conmutativas y Crso nzdo d Fnómnos d Trnsport Dr. Jn Cros Frro Gonzáz Dprtmnto d Ingnrí Qímc Insttto Tcnoógco d Cy Oprcons con Vctors Adcón y sbstrccón d ctors S y w son mbos ctors, ntoncs rstdo d s oprcons w y w son

Más detalles

I. MEDIDAS DE TENDENCIA CENTRAL

I. MEDIDAS DE TENDENCIA CENTRAL I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors

Más detalles

Movilidad Social y Desigualdad Económica 1

Movilidad Social y Desigualdad Económica 1 ovldad Socal y Dsgualdad Económca Juan Prto Rodríguz Unvrsdad d Ovdo Avda. dl Crsto s/n 3307 Ovdo Tl: +34 985 03768. E-mal: jprtor@unov.s Juan Gabrl Rodríguz Unvrsdad Ry Juan Carlos Campus d Vcálvaro 28032

Más detalles

TEMAS 3-6: EJERCICIOS ADICIONALES

TEMAS 3-6: EJERCICIOS ADICIONALES TEMAS 3-6: EJERCICIOS ADICIONALES Asignatura: Economía y Mdio Ambint Titulación: Grado n cincias ambintals Curso: 2º Smstr: 1º Curso 2010-2011 Profsora: Inmaculada C. Álvarz Ayuso Inmaculada.alvarz@uam.s

Más detalles

Definición de la Metodología de Carga Laboral. Análisis de las Brechas de Recursos Humanos abril 2010.

Definición de la Metodología de Carga Laboral. Análisis de las Brechas de Recursos Humanos abril 2010. V REUNIÓN COMISIÓN TÉCNICA DE DESARROLLO DE RECURSOS HUMANOS EN SALUD METODOLOGIA PARA CALCULO DE NECESIDADES DE PERSONAL MEDICO Y DE NEFERMERIA EN HOSPITALES, CON BASE A CARGA DE TRABAJO: PROCESO DE ELABORACIÓN

Más detalles

Segui buscando en la Red de Bibliotecas Virtuales de CLACSO http://biblioteca.clacso.edu.ar

Segui buscando en la Red de Bibliotecas Virtuales de CLACSO http://biblioteca.clacso.edu.ar La maroonomía d una onomía abrta n l orto plazo: l modlo Ttulo Mundll-Flmng rrra Catalán, Pdro - utor/a; uamán gular, Rardo - utor/a; Mndoza, utor(s) Waldo - utor/a; Lugar CISP-PUCP dtoral/dtor 23 Fha

Más detalles

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS ANÁLISIS DE SISTEMAS ELECTÓNICOS EALIMENTADOS DESANECIMIENTO J.M. Mlá d la oca P. EDITOIAL MIL 6 CAACAS Esta obra s ncuntra rvsón; cualqur obsrvacón qu UD tnga s l agradc comuncarla al autor. jmmladroca@hotmal.com

Más detalles

UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL

UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL MÉTODOS DE MALLADO Y ALGORITMOS ADAPTATIVOS EN DOS Y TRES DIMENSIONES

Más detalles

Apéndice A ANÁLISIS TENSORIAL

Apéndice A ANÁLISIS TENSORIAL Apéndc A ANÁLISIS TENSORIAL El análss tnsoral s cntra n l studo d nts abstractos llamados tnsors, cuyas propdads son ndpndnts d los sstmas d rfrnca mplados para dtrmnarlos. Un tnsor stá rprsntado n un

Más detalles

Cualquier transformador puede diseñarse haciendo uso de tres ecuaciones generales.

Cualquier transformador puede diseñarse haciendo uso de tres ecuaciones generales. 7. Transformaors Cállo ransformaors S s onsrano n oro qvaln. Calqr ransformaor p sñars hano so rs aons nrals. Prmra aón. Dfnón nsa fljo manéo (nón ampo manéo). B A Sna aón. y Ampèr. l I 7. Transformaors

Más detalles

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las

Más detalles

10. Decisión Bayesiana.

10. Decisión Bayesiana. 8/05/07 0. Dsón Baysana. 0. robabldad ondonada. robabldad total. Torma d Bays. 0. Intrprtaons dl onpto d probabldad. 0.3 Modfaón d las rnas dl dsor. 0.4 Valor montaro sprado on nformaón mprfta. Valor d

Más detalles

VARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA

VARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA AIAIÓN DE IMPEDANIAS ON A FEUENIA EN IUITOS DE OIENTE ATENA Fundamnto as impdancias d condnsadors bobinas varían con la frcuncia n los circuitos d corrint altrna. onsidrarmos por sparado circuitos simpls.

Más detalles

Aspectos Fiscales Venezolanos Cross-Border de las Inversiones en el Sector del Gas. Luis Eduardo Ocando B. (luis.ocando@ve.ey.com)

Aspectos Fiscales Venezolanos Cross-Border de las Inversiones en el Sector del Gas. Luis Eduardo Ocando B. (luis.ocando@ve.ey.com) Intrnational Tax Srvics Aspctos Fiscals Vnzolanos Cross-Bordr d las Invrsions n l Sctor dl Gas Luis Eduardo Ocando B. (luis.ocando@v.y.com) Tabla d Contnidos Introducción Planificación Fiscal n Vnzula

Más detalles

1) Resolver las siguientes ecuaciones:

1) Resolver las siguientes ecuaciones: Rsolvr las sunts uaons: a j k l,, Rsolvr las sunts nuaons: a RECONOCIMIENTO DE ECUACIONES LINEALES Una uaón s lnal s n lla no a proutos varals, las varals sólo uran lvaas a la prmra potna, no a varals

Más detalles

La tasa de interés y sus principales determinantes

La tasa de interés y sus principales determinantes La tasa d ntrés y sus prncpals dtrmnants 1. INTRODUCCIÓN Rchard Roca * Uno d los tmas qu domna l dbat académco d los últmos años s sobr las tasas d ntrés. Los mprsaros sñalan qu todavía sta muy alta y

Más detalles

CAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS

CAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS CAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS 14-1 Los tipos d intrés nominals y rals Slid 14.2 Los tipos d intrés xprsados n unidads d la monda nacional s dnominan tipos d intrés nominals. Los

Más detalles

COMPUTACIÓN. Práctica nº 2

COMPUTACIÓN. Práctica nº 2 Matmáticas Computación COMPUTACIÓN Práctica nº NÚMEROS REALES Eistn algunos númros irracionals prdfinidos n Maima como son l númro π l númro qu s corrspondn con los símbolos %pi % rspctivamnt. Otros númros

Más detalles

Ingeniería de las reacciones químicas

Ingeniería de las reacciones químicas Ingnría d las raccons químcas Ingnría d las raccons químcas. Un componnt dfund a través d un tubo, con ntrada por uno solo d sus xtrmos. Dntro dl tubo hay un componnt j. El componnt, raccona sgún k 0,5

Más detalles

III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS

III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS.. FUNCIÓN EXPONENCIAL n Hmos stado manjando n st trabajo prsions dl tipo n dond s una variabl llamada bas n una constant llamada ponnt, si intrcambiamos d lugar

Más detalles

ANÁLISIS DEL AMPLIFICADOR EN EMISOR COMÚN

ANÁLISIS DEL AMPLIFICADOR EN EMISOR COMÚN ANÁLISIS DL AMPLIFIADO N MISO OMÚN Jsús Pizarro Pláz. INTODUIÓN... 2. ANÁLISIS N ONTINUA... 2 3. TA D AGA N ALTNA... 3 4. IUITO QUIALNT D ALTNA... 4 5. FUNIONAMINTO... 7 NOTAS... 8. INTODUIÓN l amplificador

Más detalles

Algoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar

Algoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar M. n C. Víctor Manul Silva García, M. n C. Eduardo Vga

Más detalles

CONCEPTOS BÁSICOS SOBRE LA HETEROCEDASTICIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL TRATAMIENTO CON E-VIEWS

CONCEPTOS BÁSICOS SOBRE LA HETEROCEDASTICIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL TRATAMIENTO CON E-VIEWS Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws CONCPTOS BÁSICOS SOBR LA HTROCDASTICIDAD N L MODLO BÁSICO D RGRSIÓN LINAL TRATAMINTO CON -VIWS Rafal d Arc y Ramón Mahía Dpto. d conomía Aplcada Unvrsdad

Más detalles

SIMULACIÓN NUMÉRICA DE UNA CÁMARA DE COMBUSTIÓN DE ALTA VELOCIDAD CON DOS CONFIGURACIONES DE INYECCIÓN DE COMBUSTIBLE

SIMULACIÓN NUMÉRICA DE UNA CÁMARA DE COMBUSTIÓN DE ALTA VELOCIDAD CON DOS CONFIGURACIONES DE INYECCIÓN DE COMBUSTIBLE SIMULAIÓN NUMÉRIA DE UNA ÁMARA DE OMBUSIÓN DE ALA VELOIDAD ON DOS ONFIGURAIONES DE INYEIÓN DE OMBUSIBLE NUMERIAL SIMULAION OF HIGH SPEED OMBUSION HAMBER USING WO FUEL INJEION ONFIGURAIONS HENRY OPEE Grpo

Más detalles

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT jrccos E.- uál s la nrgía raconal molar d la molécula d odo a las dos tmpraturas antrors?. Haz srvr las nrgías raconals xprmntals. ln Q, ( ) ln! 5 v,, v 5 v ln c v d ln d d d d d 5 v v 5 v v d d 5 v v

Más detalles

GENERADORES DE BARRIDO DE TENSIÓN

GENERADORES DE BARRIDO DE TENSIÓN GENERADORES DE BARRDO DE TENSÓN RUTO DE BARRDO TRANSSTORZADO ON ORRENTE ONSTANTE El funconamnto d t crcuto dfn como, la carga un condnador lnalmnt a partr d una funt d corrnt contant. Excpto para valor

Más detalles

Para que exista límite de una f(x) en un punto han de coincidir los límites laterales en dicho punto.

Para que exista límite de una f(x) en un punto han de coincidir los límites laterales en dicho punto. REPASO LÍMITES º BACH. RECORDAR: Para qu ista límit d una f() n un punto han d coincidir los límits latrals n dicho punto. A fctos dl f() no tnmos n cunta lo qu ocurr actamnt n a, sino n las a proimidads.

Más detalles

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO Mcroconomía AE Tma 3. LA COMPETENCIA PERFECTA PROBLEMA REUELTO uponga qu cada una d las 144 mprsas qu forman una ndustra prfctamnt compttva tnn una curva d costs totals a corto plazo déntca qu vn dada

Más detalles

MACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004

MACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004 MACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004 EL TIO DE CAMBIO REAL El tipo de cambio nominal expresa el precio de una moneda en términos de otra. or ejemplo, el tipo

Más detalles

Transformada de Laplace

Transformada de Laplace Tranformada d alac CIPQ Marga Marco, Itzar Caban, Eva Portllo, 6 Tranformada d alac f(t funcón tmoral f(t f(t ara t < [ f (t] F( f (t t σ jω varabl comlja d alac t f(t g(t [ f (t] [ g(t ] F( G( Cambo d

Más detalles

EFICIENCIA ENERGETICA

EFICIENCIA ENERGETICA EFICIENCIA ENERGEICA Mgul Ángl Lozano Srrano Ára d Máqunas y Motors érmos Dpartamnto d Ingnría Mána (/8) UNIVERSIDAD DE ZARAGOZA EFICIENCIA ENERGÉICA ÍNDICE Cap.. RINCIIOS DE ERMODINAMICA Cap.. ANÁLISIS

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

VI. JUSTICIA. i. - JUSTICIA CRIMINAL.

VI. JUSTICIA. i. - JUSTICIA CRIMINAL. VI. JUSTICIA. i. - JUSTICIA CRIMINAL. Utilizando la d la Administración d Justicia n l o años di 883, i 884 y i 885, publicada por l Ministrio d Graci a minto d lo prvnido n cl Ral dcrto d 18 d marzo d

Más detalles

INSTITUTO TECNOLÓGICO DE COSTA RICA ESCUELA DE INGENIERÍA ELECTRÓNICA CURSO: MODELOS DE SISTEMAS CÁLCULO DE RESIDUOS Y SUS APLICACIONES

INSTITUTO TECNOLÓGICO DE COSTA RICA ESCUELA DE INGENIERÍA ELECTRÓNICA CURSO: MODELOS DE SISTEMAS CÁLCULO DE RESIDUOS Y SUS APLICACIONES INSTITUTO TENOLÓGIO DE OSTA RIA ESUELA DE INGENIERÍA ELETRÓNIA URSO: MODELOS DE SISTEMAS ÁLULO DE RESIDUOS Y SUS APLIAIONES ING. FAUSTINO MONTES DE OA FEBRERO DE álculo d Rsiduos y sus Aplicacions INDIE

Más detalles

LECCIÓN 6 AMPLIFICADORES OPERACIONALES

LECCIÓN 6 AMPLIFICADORES OPERACIONALES LEIÓN 6. mplfcaor Opraconal LEIÓN 6 MPLIFICDOES OPECIONLES mplfcaor frncal mplfcaor opraconal. El O al plcacon lnal lo O plcacon no lnal lo O Caractrítca ral lo O LEIÓN 6. mplfcaor Opraconal mplfcaor frncal

Más detalles

El comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales

El comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales Propas raatvas curpos opa El comportamnto al l CN srv como stánar contra l cual s compara l comportamnto curpos rals El comportamnto ral s xprsa por una sr propas fnas n rlacón al CN En gnral las propas

Más detalles

Problemas Resueltos. el radio de la órbita circular, y la energía tiene el valor GMm 2 = a GM. 0. Es decir, 2 T 4π. GMm

Problemas Resueltos. el radio de la órbita circular, y la energía tiene el valor GMm 2 = a GM. 0. Es decir, 2 T 4π. GMm Problmas sultos.0 Un satélit dscrib una órbita circular n torno a la Tirra. Si s cambia d rpnt la dircción d su vlocidad, pro no su módulo, studiar l cambio n su órbita y n su príodo. Al cambiar sólo la

Más detalles

Aplicaciones de las Derivadas

Aplicaciones de las Derivadas www.slctividad-cgranada.com Tma : Aplicacions d las Drivadas..- Crciminto y dcrciminto d una función Sa f una función dfinida n l intrvalo I. Si la función f s drivabl sobr l intrvalo I, s vrifica: f s

Más detalles

Tema 2: Elección bajo incertidumbre

Tema 2: Elección bajo incertidumbre Tema : Eleión bajo inertidumbre Ref: Capítulo Varian Autor: Joel Sandonís Versión:..0 Javier López Departamento de Fundamentos del Análisis Eonómio Universidad de Aliante Miroeonomía Intermedia Introduión

Más detalles

Manual de Ayuda del Sistema para la Impresión de Planilla de Reemplazo

Manual de Ayuda del Sistema para la Impresión de Planilla de Reemplazo Manual d Ayuda dl Sstma paa la Impsón d Planlla d Rmplazo PASOS A REALIZAR PASO NRO 1: El pm paso s ngsa al sto d la Dccón Gnal d Escula, la dccón s http//:bass.mndoza.du.a/ntant, n l stos dbá ngsa l nomb

Más detalles

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION M. En C. Eduardo Bustos Farías 1 Minimización El método simplex puede aplicarse a un problema de minimización si se modifican los pasos del algoritmo: 1. Se cambia

Más detalles

EJERCICIOS RESUELTOS DE FUNCIONES REALES DE VARIABLE REAL

EJERCICIOS RESUELTOS DE FUNCIONES REALES DE VARIABLE REAL EJERCICIOS RESUELTOS DE FUNCIONES REALES DE VARIABLE REAL. Calcular los dominios d dfinición d las siguints funcions: a) f( ) 6 b) f( ) c) f( ) ln d) f( ) arctg 3 4 ) f( ) f) f( ) 5 g) f( ) sn 9 h) 4 4

Más detalles

26 EJERCICIOS de LOGARITMOS

26 EJERCICIOS de LOGARITMOS 6 EJERCICIOS d LOGARITMOS Función ponncil y rítmic:. Pr cd un d ls funcions qu figurn continución, s pid: i) Tbl d vlors y rprsntción gráfic. ii) Signo d f(). iii) Corts con los js. iv) Intrvlos d crciminto.

Más detalles

Un individuo vive a lo largo de dos periodos, t=0,1. En t=0 su ingreso es cierto, m 0 ; en t=1 es incierto (por

Un individuo vive a lo largo de dos periodos, t=0,1. En t=0 su ingreso es cierto, m 0 ; en t=1 es incierto (por Consmo ahorro e inertidmbre Un individo vive a lo largo de dos periodos t=. En t= s ingreso es ierto m ; en t= es inierto por ej. si mantiene el trabajo s ingreso es qe si va al paro. Lo qe pede haer el

Más detalles

Análisis de Difusión en la Red

Análisis de Difusión en la Red Análisis de Difusión en la Red Introducción Este año, la página http://www.forumbestmadrid.org fue objeto de un lavado de cara con motivo de hacerla más atractiva tanto a los estudiantes como a las empresas

Más detalles

TEMA 46. Distintas coordenadas para describir el plano y el espacio. Curvas y superficies.

TEMA 46. Distintas coordenadas para describir el plano y el espacio. Curvas y superficies. Tma 46. Coordnadas para dsrbr plano sprfs. Crvas Sprfs TEMA 46. Dstntas oordnadas para dsrbr l plano l spao. Crvas sprfs.. Introdón. El stdo rprsntaón d algnas rvas s bastant prvo a la dfnón tlaón d los

Más detalles

Sección compuesta E 2. Fase I

Sección compuesta E 2. Fase I ACULTAD DE NENERÍA HORMÓN 74.05 Sccón compusta E 2 as as E as Ι = La vga prtnsada soporta su pso propo, l pso dl ncofrado, l pso dl hormgón frsco d la losa y las sobrcargas d hormgonado. as ΙΙ = La sccón

Más detalles

Reporte Nº: 05 Fecha: JULIO 2012. ANÁLISIS DE SITUACIÓN MIGRATORIA DE EXTRANJEROS DE NACIONALIDAD HAITIANA 1. DESCRIPCIÓN DEL REPORTE

Reporte Nº: 05 Fecha: JULIO 2012. ANÁLISIS DE SITUACIÓN MIGRATORIA DE EXTRANJEROS DE NACIONALIDAD HAITIANA 1. DESCRIPCIÓN DEL REPORTE Rport Nº: 05 Fcha: JULIO 2012. ANÁLISIS DE SITUACIÓN MIGRATORIA DE EXTRANJEROS DE NACIONALIDAD HAITIANA 1. DESCRIPCIÓN DEL REPORTE El prsnt inform tin como objtivo spcífico stablcr los movimintos migratorios

Más detalles

Prof: Zulay Franco Puerto Ordaz, noviembre

Prof: Zulay Franco Puerto Ordaz, noviembre 56 Monostabls y Astabls 3.1 Introducción 3.2 Monostabl Es un circuito lctrónico qu dispon d una sñal d ntrada, gnralmnt dnominada disparo, al activars sta ntrada n la salida dl circuito (Q s obtin un pulso

Más detalles

REPRESENTACION GRAFICA.

REPRESENTACION GRAFICA. REPRESENTACION GRAFICA. Calcular puntos notabls así como intrvalos d monotonía y curvatura d: ² - = 0 ; ² = ; = son los valors d qu anulan l dnominador D = R- y () = 0 ; - 4 = 0 ; = 0 posibl ma, min Monotonia:

Más detalles

Capitulo IV. Síntesis dimensional de mecanismos

Capitulo IV. Síntesis dimensional de mecanismos Captulo IV Síntss dmnsonal d mcansmos Capítulo IV Síntss dmnsonal d mcansmos IV. Síntss dmnsonal d mcansmos. Gnracón d funcons. IV. Gnracón d trayctoras.. Introduccón a la síntss d gnracón d trayctoras..

Más detalles

A1. ELEMENTOS DE VIGA DE EULER BERNOULLI LIBRES DE ROTACIÓN

A1. ELEMENTOS DE VIGA DE EULER BERNOULLI LIBRES DE ROTACIÓN Anass d acas y amna 34 ANEJO I A. ELEMENOS DE VIGA DE EULER ERNOULLI LIRES DE ROACIÓN La toría d vgas d Eur-rnou s robabmnt uno d os robmas modo más sms d a formuacón rstrngda d a astcdad na. La rstrccón

Más detalles

SECRETARIA DE ENERGIA

SECRETARIA DE ENERGIA Juvs 8 d octubr d 0 DIARIO OFICIAL (Prmra Sccón) 8 SECRETARIA DE ENERGIA NORMA Ofcal Mxcana NOM-04-ENER-0, Caractrístcas térmcas y óptcas dl vdro y sstmas vdrados para dfcacons. Etqutado y métodos d pruba.

Más detalles

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!

Más detalles

+ I r@, r e + G [2] r IS normal r IS con expectativas. Cuadro 12.1 Función IS con expectativas

+ I r@, r e + G [2] r IS normal r IS con expectativas. Cuadro 12.1 Función IS con expectativas XII Exptativas n Maroonomía 49. El modlo IS-LM y las xptativas 49.1 Cómo amia la funión IS n prsnia d xptativas Sa un modlo onvnional: ` a = C +,T @ + I r@ + G [1] Dond l onsumo dpnd d la rnta ruta ()

Más detalles

CAPÍTULO 1. PROPAGACIÓN DE LAS ONDAS PLANAS UNIFORMES

CAPÍTULO 1. PROPAGACIÓN DE LAS ONDAS PLANAS UNIFORMES CAPÍTULO 1. PROPAGACIÓN DE LAS ONDAS PLANAS UNIFORMES 1.1 Ecuación de onda. Las ecuaciones de Maxwell se publicaron en 1864, su principal función es predecir la propagación de la energía en formas de Onda.

Más detalles

Tema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante

Tema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea

Más detalles

Tomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos

Tomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos Capíulo. La fucó d pacó ) Spaacó d la fucó d pacó S ha dmosado aom - / k [.] La ía dl l s ual a: k [.] + + + [.] + S los ados d lbad o accoa [.4] - / k - / k... [.5] ) Fucó d pacó lcóca omado como l d

Más detalles

Conceptos Básicos Previos

Conceptos Básicos Previos Concptos Báscos Prvos Clasfcacón d Sñals Comuncacons Unvrsdad d Cantabra Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ 0 ) = ( ( / [n] Sñals Dtrmnstas Rpaso d concptos

Más detalles

CAPÍTULO 2. Ecuación paraxial de Helmholtz.

CAPÍTULO 2. Ecuación paraxial de Helmholtz. CAPÍTLO Ecuacón paraal d Hlmholt. S dscut la posbldad d vsualar mdant un procsador óptco [1] a las solucons d la cuacón paraal d Hlmholt. Para llo s rala una comparacón d los rsultados obtndos consdrando

Más detalles

Probabilidad de que una variable tome un valor x determinado = N

Probabilidad de que una variable tome un valor x determinado = N Magntuds dscrtas Probabldad d qu una varabl tom un valor dtrmnado p X ota ( p,,,,6 5 7, 6 8,6 7, 8 8,6 9 6,,8 5 p Probabldad,5,,5,,5, 5 6 7 8 9 ota Magntuds contnuas Probabldad d qu una varabl tom un valor

Más detalles

8.- Considere un duopolio de Bertrand que produce un bien homogéneo. La función de

8.- Considere un duopolio de Bertrand que produce un bien homogéneo. La función de 8.- Consdere un duoolo de Bertrand que rodue un ben hoogéneo. La funón de deanda es x = A b y las eresas tenen el so oste argnal onstante, > 0 no hay ostes fos. Caratere el equlbro de Bertrand-Nash desrba

Más detalles

+ ( + ) ( ) + ( + ) ( ) ( )

+ ( + ) ( ) + ( + ) ( ) ( ) latrals n. iguals. f. La función CONTINUIDAD f () Es continua n l punto?. Calcular los límits ³ ² 5 Para qu la función sa continua n s db cumplir: f f Calculamos por sparado cada mimbro d la igualdad f

Más detalles

Tema 3 La economía de la información

Tema 3 La economía de la información jrcicios rsultos d Microconomía. quilibrio gnral y conomía d la información rnando Prra Tallo Olga María odríguz odríguz Tma La conomía d la información http://bit.ly/8l8u jrcicio : na mprsa d frtilizants

Más detalles

La generación eléctrica creció un 5% en lo que va del año

La generación eléctrica creció un 5% en lo que va del año Gatilla d prsa 4 d otr d 2 La graió létria rió 5% lo q va dl año partir d la psta marha d vas trals y l irmto la fiiia d los prosos d matimitos las más atigas, la graió d rgía aompaña l rimito d la dmada.

Más detalles

3.1 OPERADORES DIFERENCIALES a) Gradiente de un c. escalar, U:

3.1 OPERADORES DIFERENCIALES a) Gradiente de un c. escalar, U: Obs.: Dfrncal d na mantd varabl n 3(ó 2) 1) En nral (Análss): S f dpnd d (y 1, y m ), df := y1 f dy 1 + + ym f dy m Lo msmo ocrr s s trata d na mantd vctoral d n componnts, F: df := y1 F dy 1 + + ym F

Más detalles

Algorítmica y Lenguajes de Programación. Ordenación (i)

Algorítmica y Lenguajes de Programación. Ordenación (i) Algorítmica y Lenguajes de Programación Ordenación (i) Ordenación. Introducción A lo largo del curso hemos visto distintas formas de almacenar datos: Vectores. Matrices. Ficheros Listas (pilas y colas)

Más detalles

DIRECCIÓN FINANCIERA I TEMA 1

DIRECCIÓN FINANCIERA I TEMA 1 IRECCIÓ FIACIERA I TEMA 1 rccón Fnancra I (Grup F) Tma 1 1 EMPRESA ESARRLLA UA ACTIVIA: PRUCIR Y VEER SERVICIS ESTR. ECMICA csns d nvrsón Prsupust d captal IFRAESTRUCTURA: ACTIV FIJ ACTIV CIRCULATE ECISIÓ

Más detalles

Valledupar como vamos: Demografía, Pobreza y Pobreza Extrema y empleo.

Valledupar como vamos: Demografía, Pobreza y Pobreza Extrema y empleo. Valldupar como vamos: Dmografía, Pobrza y Pobrza Extrma y mplo. Tradicionalmnt l programa Valldupar Cómo Vamos, lugo d prsntar la Encusta d Prcpción Ciudadana (EPC), raliza la ntrga d Indici d Calidad

Más detalles

Funciones vectoriales de variable vectorial. Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m

Funciones vectoriales de variable vectorial. Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m Funciones vectoriales de variable vectorial Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m x y x = (x 1, x 2,, x n ), y = (y 1, y 2,, y m ) e y j = f j (x 1, x 2,, x n ), 1 j n n =

Más detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia de Poder de Mercado y Estrategia urso 3º Grado en Economía 0-03 ñaki guirre Jaromir Kovarik Marta San Martín Fundamentos del nálisis Económico Universidad del País Vasco UPV/EU Tema. Teoría de Juegos y

Más detalles

Fundamentos físicos de la teledetección

Fundamentos físicos de la teledetección Tema 1 Fundamentos físicos de la teledetección 1.1 La radiación electromagnética Dada la importancia que la radiación electromagnética tiene como transmisor de información en todas las formas de teledetección,

Más detalles

Prof: Zulay Franco Puerto Ordaz, noviembre

Prof: Zulay Franco Puerto Ordaz, noviembre 56 Monostabls y Astabls 3.1 Introducción 3.2 Monostabl Es un circuito lctrónico capaz d gnrar un pulso lógico n alto o n bajo a través d su salida (Q. El timpo d duración dl pulso w, stá dtrminado por

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

Agentes autónomos. Agentes. Racionalidad. Sistemas multiagentes. Dilema del prisionero. El trato

Agentes autónomos. Agentes. Racionalidad. Sistemas multiagentes. Dilema del prisionero. El trato Agentes Agentes autónomos Entidades (independientes) Físicos, de software o abstractos Cada agente tiene una identidad Observan su ambiente (via sensores o lectores) Interactuan con su ambiente (via actuadores)

Más detalles

Solución: Para que sea continua deben coincidir los límites laterales con su valor de definición en dicho punto x = 2. b 1 + b

Solución: Para que sea continua deben coincidir los límites laterales con su valor de definición en dicho punto x = 2. b 1 + b Matmáticas Emprsarials I PREGUNTAS DE TIPO TEST DERIVADAS Y APLICACIONES Drivabilidad ( ) b si S09. La función f ( ) s continua y drivabl n = : a( ) si a) Si a = y b = b) Si a = y b = 5 c) Nunca pud sr

Más detalles

PROBLEMAS DE LÍMITES DE FUNCIONES (Por métodos algebraicos) Observación: Algunos de estos problemas provienen de las pruebas de Selectividad.

PROBLEMAS DE LÍMITES DE FUNCIONES (Por métodos algebraicos) Observación: Algunos de estos problemas provienen de las pruebas de Selectividad. Funcions Límits y continuidad PROBLEMAS DE LÍMITES DE FUNCIONES Por métodos algbraicos Obsrvación: Algunos d stos problmas provinn d las prubas d Slctividad Si ist l it d una función f cuando a, y si f

Más detalles

TERCER PROTOTIPO POBLACIÓN DE CONEJOS

TERCER PROTOTIPO POBLACIÓN DE CONEJOS TERCER PROTOTIPO POBLACIÓN DE CONEJOS Seguramente, el lector tendrá varias objeciones al segundo prototipo; por ejemplo, el asumir la TN = RA, sólo es coherente con el hecho de que a más RA más TN; incluso

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Variables aleatorias continuas Hemos definido que una variable aleatoria X es discreta si I X es un conjunto finito o infinito numerable. En la práctica las variables aleatorias discretas sirven como modelos

Más detalles

División 5. Ejemplo de síntesis de un mecanismo articulado de barras

División 5. Ejemplo de síntesis de un mecanismo articulado de barras Vrsón 0 CAITUL MECANISMS vsón 5 Ejmplo d síntss d un mcansmo artculado d barras UTN-F Cátdra: Elmntos d Máqunas. rofsor: r. Ing. Marclo Tulo ovan Vrsón 0. sumn En sta dvsón s dscrbrá l uso d la mtodología

Más detalles

Análisis del caso promedio El plan:

Análisis del caso promedio El plan: Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas

Más detalles

1. LÍMITE DE UNA FUNCIÓN REAL

1. LÍMITE DE UNA FUNCIÓN REAL ACTIVIDAD ACADEMICA: CÁLCULO DIFERENCIAL DOCENTE: LIC- ING: ROSMIRO FUENTES ROCHA UNIDAD Nº : LÍMITES Y CONTINUIDAD DE FUNCIONES REALES Comptncias Utilizar técnicas d aproimación n procsos numéricos infinitos

Más detalles

Ejercicio Nº 3: Realizar aumentos en una Tabla de Sueldos

Ejercicio Nº 3: Realizar aumentos en una Tabla de Sueldos SESION5: BASE DE DATOS PLANILLAS Ejercicio Nº : Realizar aumentos en una Tabla de Sueldos Veamos pues. En la hoja de calculo se tiene la Tabla de Sueldos de varios empleados (aquí ahora vemos solo empleados,

Más detalles

Cerdo blanco e ibérico, son tan diferentes?

Cerdo blanco e ibérico, son tan diferentes? Cerdo blanco e ibérico, son tan diferentes? M.A. de AndrésM. AparicioC. Piñeiro 03-ene-2014 La producción porcina en España está claramente diferenciada en dos vertientes, la de cerdos de capa blanca,

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

núm. 76 miércoles, 22 de abril de 2015 III. ADMINISTRACIÓN LOCAL AYUNTAMIENTO DE BURGOS

núm. 76 miércoles, 22 de abril de 2015 III. ADMINISTRACIÓN LOCAL AYUNTAMIENTO DE BURGOS III. ADMINISTRACIÓN LOCAL AYUNTAMIENTO DE BURGOS C.V.E.: BOPBUR-2015-03235 465,00 GERENCIA MUNICIPAL DE SERVICIOS SOCIALES, JUVENTUD E IGUALDAD DE OPORTUNIDADES Concjalía d Juvntud Mdiant rsolución d la

Más detalles

Ejercicios resueltos Distribuciones discretas y continuas

Ejercicios resueltos Distribuciones discretas y continuas ROBABILIDAD ESADÍSICA (Espcialidads: Civil-Eléctrica-Mcánica-Química) Ejrcicios rsultos Distribucions discrtas y continuas ) La rsistncia a la comprsión d una mustra d cmnto s una variabl alatoria qu s

Más detalles

Juegos Repetidos. Tema 2: Juegos repetidos un número infinito de veces. Universidad Carlos III de Madrid

Juegos Repetidos. Tema 2: Juegos repetidos un número infinito de veces. Universidad Carlos III de Madrid Juegos Repetidos Tema : Juegos repetidos un número infinito de veces Universidad Carlos III de Madrid Sabemos que Si se juega un juego de etapa con un único EN un número finito de veces, haciendo inducción

Más detalles

coie UNIVERSIDAD COMPLUTENSE DE MADRID

coie UNIVERSIDAD COMPLUTENSE DE MADRID PERFIL PROFESIONAL DE LA DIPLOMATURA DE CIENCIAS EMPRESARIALES coie UNIVERSIDAD COMPLUTENSE DE MADRID CONSEJO SOCIAL VICERRECTORADO DE ALUMNOS DIPLOMATURA DE CIENCIAS EMPRESARIALES Los datos contenidos

Más detalles

2. Cálculo del coeficiente de transmisión de calor K de cerramientos

2. Cálculo del coeficiente de transmisión de calor K de cerramientos 2. Cálculo dl cofcnt d transmsón d calor K d crramntos 2.1. Crramnto smpl Para un crramnto d caras planoparallas, formado por un matral homogéno d conductvdad térmca l y spsor L, con cofcnts suprfcals

Más detalles

LÍMITES DE FUNCIONES. CONTINUDAD

LÍMITES DE FUNCIONES. CONTINUDAD LÍMITES DE FUNCIONES. CONTINUDAD Signiicado dl it Ejrcicio nº.- Rprsnta gráicamnt y plica l gniicado d la prón: Ejrcicio nº.- Eplica l gniicado d la guint prón y rprséntalo gráicamnt: 9 Ejrcicio nº.- Escrib

Más detalles

Espacios Vectoriales Curso 08-09

Espacios Vectoriales Curso 08-09 Espaios Vtorials Crso 8-9 Problmas - En ada aso dtrminar si F s n sbspaio torial d bsar na bas nas aions implíitas paramétrias d F F R / R { } { R / R } a) ( ) b) F ( ) ) F { () R / - } d) F {( - ) R /

Más detalles

La densidad de población es la relación que existe entre la población de un lugar y el espacio que ocupa.

La densidad de población es la relación que existe entre la población de un lugar y el espacio que ocupa. Tema 3: LA POBLACIÓN 3.1 Densidad de población En este tema vamos a estudiar demografía, que es la ciencia que estudia la población. Lo primero que vamos a atender es a su repartición en la Tierra, algo

Más detalles

INTEGRACIÓN POR PARTES

INTEGRACIÓN POR PARTES UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERA DEPARTAMENTO DE MATEMÁTICA Y ESTADISTICA INTEGRACION INTEGRACIÓN Algunas intgrals qu s nos prsntan nos rsultan un poco compljas, ya por lo

Más detalles

CONCEPTOS PREVIOS YA ESTUDIADOS:

CONCEPTOS PREVIOS YA ESTUDIADOS: 1 CONCEPTOS PREVIOS YA ESTUDIADOS: Producción per cápita en cada instante t: Consumo per cápita en cada instante t: Ley de movimiento de la economía en el modelo de Solow-Swan en términos per cápita: Estado

Más detalles

Mercados Financieros y Expectativas Profesor: Carlos R. Pitta CAPÍTULO 8. Macroeconomía General

Mercados Financieros y Expectativas Profesor: Carlos R. Pitta CAPÍTULO 8. Macroeconomía General Univrsidad Austral d Chil Escula d Ingniría Comrcial Macroconomía Gnral CAPÍTULO 8 Mrcados Financiros y Expctativas Profsor: Carlos R. Pitta Macroconomía Gnral, Prof. Carlos R. Pitta, Univrsidad Austral

Más detalles

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos Mnstro d Fomnto Scrtaría d Estado d Infrastructuras, Transport y Vvnda Drccón Gnral d Arqutctura, Vvnda y Sulo Documnto d Apoyo al Documnto Básco DB-HE Ahorro d nrgía Códgo Técnco d la Edfcacón DA DB-HE

Más detalles