Trabajo No 2. Análisis Supervivencia y Seguros de Vida

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

Download "Trabajo No 2. Análisis Supervivencia y Seguros de Vida"

Transcripción

1 Trabajo No 2. Análisis Supervivencia y Seguros de Vida Norman Giraldo Gómez Curso de Actuaría - Escuela de Estadística ndgirald@unal.edu.co Octubre, Notas 1. La notación (xm) indica mujer de edad x y (xh) hombre de edad x. 2. Parámetros de la distribución Gompertz-Makeham (GM), t p x = s t g cx (c t 1). a) Tabla ISS80-89, Hombres, A = , B = , C = , s = , g = b) Tabla ISS80-89, Mujeres, A = , B = , C = , s = , g = c) Tabla ISS 2010, Hombres, A = , B = , C = , s = , g = d) Tabla ISS 2010, Mujeres, A = , B = , C = , s = , g = La ley de supervivencia de DeMoivre se define para cada 0 x 109 por 110 x t para 0 t 110 x, 110 x tp x = 0 para t 110 x. (1) 1

2 La fuerza de mortalidad correspondiente es: µ x+t = t ln tp x = 1/(110 x t). Lo anterior equivale a afirmar que T (x) U(0, 110 x), es decir, la variable aleatoria T (x) se distribuye uniformemente en el intervalo [0, 110 x]. 4. Suponga que w es la edad límite en una tabla de vida, por ejemplo, w = 110 en la tabla colombiana de mortalidad Entonces q w = La Hipótesis de Linealidad consiste en suponer como válida la identidad siguiente: tq x = t(q x ), t (0, 1). (2) La hipótesis es equivalente a asumir que K(x) y S(x) son independientes y S(x) U(0, 1) 6. El teorema de probabilidad total en caso continuo: Si A es un evento cualquiera y T es una variable aleatoria continua positiva con fdp f T entonces 2. Problemas P (A) = 0 P (A T = t)f T (t)dt (3) 1. Calcule las siguientes cantidades, asumiendo la hipótesis de linealidad (2): a) P (T (35) 15 T (35) 5) b) P (K(35) > 17 K(35) > 5) c) E(T (35) K(35) = 3) d) E(v T (35) K(35) = 3), v = 1/(1 + i), i = Con base en las tablas de vida ISS80-89 y 2010, mujeres. Calcule lo siguiente y compare. a) La probabilidad de que (18) sobreviva la edad 65. b) La probabilidad de que (25) fallezca entre las edades 40 y 45. c) La probabilidad de que (30) fallezca antes de la edad 60. d) 3 p

3 e) Suponga la ley Gompertz-Makeham. Evalúe los puntos a)-d) anteriores. Compare. Hay diferencias apreciables entre usar las tablas y usar la distribución paramétrica?. 3. Suponga las variables T (40m) y T (30m), asumidas independientes. a) Son idénticamente distribuídas?. b) Compruebe que si X y Y son variables i.i.d. positivas entonces P(X < Y ) = 1/2. c) Compruebe que P(T (40m) + 10 < T (30m)) = p 30. Sugerencia: use el teorema de probabilidad total (3) y el punto b). Cómo se interpreta esta identidad?. d) Calcule esta probabilidad usando la distribución GM tabla ISS 2010 mujeres. e) Desarrolle una expresión para P(T (40h)+10 < T (30m)) y evalúela usando la distribución GM para H y M tabla ISS Suponga las variables T (40), T (30) y T (20) distribuídas GM según tabla ISS2010 hombres y asumidas independientes. a) Interprete la probabilidad P(T (40) + 20 < T (30) + 10 < T (20)) (4) y desarrolle una expresión usando el teorema de probabilidad total (3), condicionando sobre T (30). b) Compruebe que para una variable X continua positiva con fda F (x) y fdp f(x) = F (x) se cumplen las identidades P(X > x)f(x)dx = 1/2 y 0 P(X > x) 2 f(x)dx = 1/3. 0 c) Compruebe que (4) es igual a p p 20 d) Evalúela usando la distribución GM especificada. 5. Compruebe que las siguientes identidades son válidas cuando se asume la función de supervivencia de DeMoivre (1). 3

4 a) A x = a 110 x 110 x, A1 x:n = a n 110 x b) (IA) x es la expresión para la prima neta de un seguro completo para (x), pagadero al final del año de fallecimiento, tal que el valor asegurado se incrementa anualmente en 1, con valor asegurado inicial de 1. (IA) 1 x:n es la expresión para el mismo seguro anterior, temporal a n años. Compruebe que: (5) (IA) x = (Ia) 110 x 110 x, (IA)1 x:n = (Ia) n 110 x c) Justifique la siguiente expresión para la prima neta de un seguro temporal a n años para (x), pagable al final del año de fallecimiento, con valor asegurado c para el primer año, con incrementos anuales de ρ en el valor asegurado. (6) Prima Neta = (c + ρ i ) a n 110 x ρnvn+1 d(110 x) d) Calcule el valor de la prima neta de un seguro de vida temporal a 5 años, para una vida de edad 30, asumiendo una tasa técnica i=0.13 un valor asegurado inicial de $ , con incrementos anuales en el mismo de $ e) Se propone la siguiente alternativa para el seguro anterior: pagar cada año un seguro temporal por un año, con valor asegurado igual al valor que se obtenga de agregar cada vez $ La prima neta o total es la suma de los valores presentes de las primas de cada año. Calcule esta prima y compare con los resultados del problema anterior. 6. Se definió la variable S m (x) = ms + 1 /m {1/m, 2/m,..., 1} tal que P (S m (x) = j/m) = 1/m, j = 1, 2,..., m donde m = 2, 4, 6, 12. Asuma la hipótesis de linealidad, tal que K(x) y S m (x) sean independientes y defina c 1 (m) y c 2 (m) por medio de las dos identidades siguientes: c 1 (m) = E((S m (x) 1)v Sm(x) 1 ) = i i (m) ( 1 d (m) 1 ) 1 i (m) (7) 4

5 c 2 (m) = E(v Sm(x) 1 ) = i i (m) (8) a) Defina un seguro pagable al final del m-simo período, tal que el valor asegurado se incrementa en 1/m al final de cada período m. Justifique por qué el valor presente de este pago es igual a: Z = (K + S m (x))v K+Sm(x). b) Suponga la ley de supervivencia de DeMoivre (1). Utilizando el supuesto de independencia y las fórmulas (5), (6), (7), (8), compruebe que la prima neta de este seguro es: = P = c 1 (m)a x + c 2 (m)(ia) x ( c 1 (m) + c 2(m) d ) a110 x 110 x + c 2(m)v 110 x+1. d c) Calcule la prima neta para un seguro de vida entero para (45) tal que se incrementa cada semestre en $ 6 mill, con un valor inicial de $ 300 mill, con base en una tasa técnica efectiva anual de 4 %. 7. Suponga que la población de fumadores (F) de edad x tiene una fuerza de mortalidad doble que la de los no fumadores (NF). Asuma que la fuerza de mortalidad de los NF es la GM, t p x = s t g cx (c t 1). a) Compruebe que para una variable X continua positiva con fda F (x) y fdp f(x) = F (x) se cumple la identidad 0 P(X > x) 2 f(x)dx = 1/3. b) Compruebe que t p F x < t p x. c) Suponga que (x) y (x F ) son dos vidas la primera NF y la segunda F. Calcule la probabilidad de que la vida residual de (x F ) sea menor que la de (x), P(T (x F ) < T (x)) asumiendo que las variables T (x F ) y T (x) son independientes. Sugerencia: use la identidad de la parte a). d) Se cumple en este caso que la prima para un seguro de vida entera para un F es mayor que para un NF?. Es decir, A F x > A x es cierta?. e) Evalúe A F x y A x para x=48, i=0.07, usando la distribución GM para ISS80-89 mujeres. f ) Calcule e 56 F < e 56. En qué porcentaje se reduce la esperanza de vida e 56 con respecto a la de 56 F?. 5

6 8. Una fuerza de mortalidad sub-estándar se obtiene al añadir una constante k > 0 a la fuerza de mortalidad. Con símbolos: µ s x+t = µ x+t + k. Por tanto, la fuerza de mortalidad sub-estándar es mayor, en cualquier edad. Este procedimiento se utiliza para modelar la fuerza de mortalidad de personas inválidas o con problemas de salud que incidan en su supervivencia (arterioesclerosis,diabetes, VIH, cáncer). Denote por T (x s ) la vida media residual de una vida (x) con fuerza de mortalidad sub-estándar. a) Justifique por qué se cumple que t p s x < t p x. b) Encuentre una expresión para P (T (x) < T (x s )). Evalúela asumiendo x = 56, k = 0.1 y la Tabla ISS2010 hombres. c) Evalúe A s x y A x para x=48, i=0.07, usando la distribución GM para ISS80-89 mujeres. Se cumple que A s x > A x?. d) Encuentre una expresión para E(T (x s )) = e x s. e) Calcule e 56 s< e 56, asumiendo k = 0.1. En qué porcentaje se reduce la esperanza de vida e 56 con respecto a la de 56 s?. 9. Suponga que (x a ) es una vida a quien se le diagnostica arterioesclerosis. El riesgo de fallecer debido a una enfermedad del corazón es mayor que en una persona sana. Denote por T (x a ) su vida residual y por T (x) la de una persona de la misma edad cuyo estado es normal. Asuma que la fuerza de mortalidad de (x a ) se modela añadiendo a la fuerza de mortalidad una constante k > 0, es decir, t 0, µ a x+t = k + µ x+t. a) Justifique por qué se cumple que t p a x < t p x. b) Encuentre una expresión para E(T (x a )) = e x a. c) Suponga x s = 56, k = 0.1, en qué porcentaje se reduce la esperanza de vida de (x s ) con respecto a otra vida (x) con la fuerza de mortalidad µ x+t?. d) Encuentre t p a x si k=0.01. e) Encuentre A a x y A x si x=38, i=0.3 y c=0.01. En qué porcentaje se recarga la prima de una persona con arterioesclerosis 1 con respecto a la de una persona declarada normal? 1 La hipótesis expresada en este problema sobre una posible asociación entre la arterioesclerosis y la mortalidad no se basa en evidencia de estudios médicos 6

7 10. Considere un seguro de vida temporal a n años para una vida (x) por C mill. Denote por Π la prima única pagadera al inicio del contrato. Suponga que se invierte el capital Π en un fondo que ofrece una tasa de rendimiento efectiva anual aleatoria i(k), k = 1, 2,... tal que δ(k) = log(1 + i(k)) i.i.d.n(δ, σ 2 ). Defina i a = E(i(k)). Compruebe o desarrolle lo siguiente. a) Si se define la variable N = K(x) + 1 entonces el saldo de esta inversión al final del año k, F (k), cumple que F (k) = (1 + i(k))f (k 1) CI(N = k), k = 1,..., N n, (9) donde a b = min(a, b) y F (0) = Π. Se definen las variables Z(k) = 1/(1 + i(k)) y X(k) = Z(1)...Z(k). Compruebe que la solución de (13) es: donde S N = C N n k=1 X(k)I(N = k). F (N n) = X(N n) 1 (Π S N ), (10) b) Explique por qué es S N = CX(N)I(N n). c) Compruebe que E(S N ) = A 1 x:n i a, si esta última se calcula con la tasa i a. d) Calcule el valor de la prima neta Π = A 1 x:n i a, para una vida (30) mujer, y n = 30 años, C = 100 mill, utilizando una distribución GM con base en la tabla ISS 2010 mujeres, δ = y σ = Suponga un seguro de vida temporal a n años para una vida (x) por C mill. Denote por Π la prima única pagadera al inicio del contrato. Suponga que se invierte el capital Π en un fondo que ofrece una tasa de rendimiento efectiva anual aleatoria i(k), k = 1, 2,... tal que δ(k) = log(1 + i(k)) i.i.d.n(δ, σ 2 ). Si se define la variable N = K(x) + 1 entonces el saldo de esta inversión al final del año k, F (k), cumple que F (k) = (1 + i(k))f (k 1) CI(N = k), k = 1,..., N n, (11) donde a b = min(a, b) y F (0) = Π. Se definen las variables Z(k) = 1/(1+i(k)) y X(k) = Z(1)...Z(k). Entonces la solución de (11) cumple donde S N = C N n k=1 X(k)I(N = k). X(N n)f (N n) = Π S N, (12) 7

8 a) Explore la distribución de S N mediante simulación, para (32) mujer, con un seguro a n = 20 años, usando la distribución Gompertz-Makeham ISS2010 para mujeres y δ = , σ = Use el siguiente algoritmo. 1) Genere un valor de N. Si N n siga al paso siguiente. Si no, haga S N = 0 y repita este paso. 2) Genere Z(k) LogNor( δ, σ 2 ), k = 1, 2,..., N. 3) Calcule S N = CZ(1)...Z(N) 4) Repita los pasos anteriores un número grande de veces, por ejemplo, veces y obtenga una muestra de S N. b) Grafique el histograma y la densidad estimada de S N. c) Encuentre la media y el percentil de 95 % de S N. d) Calcule Π = A 1 32:20 usando como tasa técnica i a = E(i(k)). Compare con E(S N ). 12. Considere un seguro de vida temporal a n años para una vida (x) por C mill. Denote por Π la prima única pagadera al inicio del contrato. Suponga que se invierte Π en un fondo que ofrece una tasa de rendimiento efectiva anual i(k), k = 1, 2,... tal que δ(k) = log(1 + i(k)) sigue un proceso MA(1), δ(k) = δ + ɛ(k) θɛ(k 1), k = 1, 2,..., con ɛ(k) i.i.d.n(0, σ 2 ), para k = 0, 1,.... a) Si se define la variable N = K(x) + 1 entonces el saldo de esta inversión al final del año k, F (k), cumple que F (k) = (1 + i(k))f (k 1) CI(N = k), k = 1,..., N n, (13) donde a b = min(a, b) y F (0) = Π. Se definen las variables Z(k) = 1/(1 + i(k)) y X(k) = Z(1)...Z(k). Compruebe que la solución de (13) es: donde S N = C N n k=1 X(k)I(N = k). F (N n) = X(N n) 1 (Π S N ), (14) b) Explique por qué es S N = CX(N)I(N n). 8

9 c) Compruebe que E(S N ) = e θσ2 A 1 x:n i a (:= Π), si esta última se calcula con la tasa i a = e δ σ2 (1 θ) 2 /2 1. Para esta parte modificar las fórmulas para el caso de tasas MA asumiendo que ɛ(0) N(0, σ 2 ), y no una constante como se colocó en la exposición en clase. d) Calcule el valor de la prima neta Π = e θσ2 A 1 x:n i a, para una vida (30) mujer, y n = 30 años, C = 100 mill, utilizando una distribución GM con base en la tabla ISS mujeres, δ = , σ = y θ = e) Simule muestras de la variable S N utilizando el código R siguiente. Los parámetros de la distribución GM son sm, gm, cm, la función rgm simula muestras aleatorias de esta distribución y las variables X(k) aparecen como prod(1/ir). La función ecdf es la función distribución acumulada empírica. Esta función calculada con la muestra de S N permite calcular P(Π < S N ) mediante 1-FS(mean(S)). Reporte esta probabilidad, y la gráfica de la ecdf de S N. Además, calcule el percentil del 95 % de S N, calculado con la función quantile. S = double(10000) for(j in 1:10000){ N = floor(rgm(1,sm,gm,cm,x))+1 if( N <= nx){ ir = exp( delta + arima.sim( list(c(0,0,1),ma=theta), n=n, sd =sigma)) S[j] = 100*prod(1/ir) }else{ S[j] = 0 } } (exp(theta*sigma^2)*ax1n(sm,gm,cm,x,nx,ia)) mean(s) FS <- ecdf(s) plot(fs) plot(fs, verticals= TRUE, do.points = FALSE) (1-FS(mean(S)) quantile(s,0.95) 9

10 3. Presentación y Valor del Trabajo La presentación se sugiere que sea con formato de artículo, es decir, título, autores (nombre, carnet, carrera), resumen, en la primera página y luego: desarrollo, conclusiones, bibliografía, con páginas numeradas. Elaborado en lo posible en world o latex. Se solicita no empastar. El valor de este trabajo es 35 %. La fecha de entrega se fijó en clase. Nota: para quienes escojan elaborar el informe en latex se incluye el archivo latex (.tex) de este trabajo. Se puede usar este archivo para empezar a elaborar el trabajo, borrando los puntos no asignados. 10

Trabajo No 3. Anualidades y Reservas

Trabajo No 3. Anualidades y Reservas Trabajo No 3. Anualidades y Reservas Norman Giraldo Gómez Curso de Actuaría - Escuela de Estadística ndgirald@unal.edu.co Noviembre, 2010 1. Notas. Algunas fórmulas 1. Ā 1 x:n = n 0 e δt tp x µ x+t dt.

Más detalles

Trabajo No 2. Derivados Financieros

Trabajo No 2. Derivados Financieros Trabajo No 2. Derivados Financieros Norman Giraldo Gómez Escuela de Estadística - Universidad Nacional de Colombia ndgirald@unal.edu.co Abril, 2010 1. Introducción El trabajo No 2 consiste de dos puntos:

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

Métodos generales de generación de variables aleatorias

Métodos generales de generación de variables aleatorias Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

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

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

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

Elementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas

Elementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas Elementos de Probabilidad y Estadística Segundo de Economía Examen del 6 de junio de 6 DURACIÓN: horas. a) Se realizan lanzamientos de un dado regular. i) Calcular la probabilidad de obtener exactamente

Más detalles

Inferencia Estadística

Inferencia Estadística EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre

Más detalles

SIMULACIÓN VERSUS OPTIMIZACIÓN:

SIMULACIÓN VERSUS OPTIMIZACIÓN: SIMULACIÓN MONTE CARLO Procesos Químicos II La idea básica de la simulación es la construcción de un dispositivo experimental, o simulador, que actuará como (simulará) el sistema de interés en ciertos

Más detalles

Optimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min.

Optimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min. UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Solemne. Semestre Otoño Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: min.

Más detalles

Puede dar pérdida un Casino?

Puede dar pérdida un Casino? Puede dar pérdida un Casino? por Ernesto Mordecki En esta nota calculamos la probabilidad de que pierda la banca en la ruleta, en un período dado de tiempo. uestro enfoque consiste en determinar cuantas

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

CAPÍTULO 5. 5.3 La Distribución Normal

CAPÍTULO 5. 5.3 La Distribución Normal CAPÍTULO 5 5.3 La Distribución Normal Si una variable aleatoria X tiene una distribución Normal y queremos calcular la probabilidad de que X caiga entre dos valores a y b entonces, debemos hallar el área

Más detalles

Tema 2: Estimación puntual

Tema 2: Estimación puntual Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez

Más detalles

Tema 5. Variables aleatorias discretas

Tema 5. Variables aleatorias discretas Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso

Más detalles

4.1 El espacio dual de un espacio vectorial

4.1 El espacio dual de un espacio vectorial Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico

35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,

Más detalles

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................

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

Estimación de una probabilidad

Estimación de una probabilidad Estimación de una probabilidad Introducción En general, la probabilidad de un suceso es desconocida y debe estimarse a partir de una muestra representativa. Para ello, deberemos conocer el procedimiento

Más detalles

Comente: Los bancos siempre deberían dar crédito a los proyectos rentables. Falso, hay que evaluar la capacidad de pago.

Comente: Los bancos siempre deberían dar crédito a los proyectos rentables. Falso, hay que evaluar la capacidad de pago. Explique Brevemente en que consiste el leasing y nombre los diferentes tipos existentes. Es un mecanismo de financiamiento de Activos el cual permite el uso del activo por un periodo determinado a cambio

Más detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos

Más detalles

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

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

Más detalles

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

Departamento de Matemática Aplicada a la I.T. de Telecomunicación

Departamento de Matemática Aplicada a la I.T. de Telecomunicación Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación

Más detalles

6. Modelos Actuariales para Riesgo de Crédito

6. Modelos Actuariales para Riesgo de Crédito 6. Modelos Actuariales para Riesgo de Crédito Minicurso para el VIII Coloquio Internacional de Estadística Métodos Estadísticos Aplicados a Finanzas y Gestión de Riesgo Norman Giraldo Escuela de Estadística

Más detalles

Profr. Efraín Soto Apolinar. Función Inversa

Profr. Efraín Soto Apolinar. Función Inversa Función Inversa Una función es una relación entre dos variables, de manera que para cada valor de la variable independiente eiste a lo más un único valor asignado a la variable independiente por la función.

Más detalles

Análisis y cuantificación del Riesgo

Análisis y cuantificación del Riesgo Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el

Más detalles

Teoría de las decisiones y de los juegos 2007-2008 Grupo 51 Ejercicios - Tema 3 Juegos dinámicos con información completa (0, 2) 2 D (3, 0) 1 B I

Teoría de las decisiones y de los juegos 2007-2008 Grupo 51 Ejercicios - Tema 3 Juegos dinámicos con información completa (0, 2) 2 D (3, 0) 1 B I Teoría de las decisiones y de los juegos 007-008 rupo 5 Ejercicios - Tema 3 Juegos dinámicos con información completa. Considere el siguiente juego en su forma extensiva. I (0, ) D (3, 0) I (, ) D (, 3)

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES. Junio, Ejercicio 1, Opción B

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES. Junio, Ejercicio 1, Opción B PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES Junio, Ejercicio 1, Opción B 3 Sean las matrices A 0 3, B y C 0 1 1 5 1 3 0 a) Calcule las

Más detalles

Si buscamos conversiones de una variable aleatoria exponencial con parámetro Á,, el método de la transformada inversa produce

Si buscamos conversiones de una variable aleatoria exponencial con parámetro Á,, el método de la transformada inversa produce 170 PROBABILIDAD Y ESTADÍSTICA PARA INGENIERÍA Si buscamos conversiones de una variable aleatoria exponencial con parámetro Á,, el método de la transformada inversa produce xi = in (u ), i = 1, 2,... (6-34)

Más detalles

Tema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor

Tema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,

Más detalles

PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.

PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos. PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de

Más detalles

IN4703 Gestión de Operaciones I Auxiliar 6: Inventarios

IN4703 Gestión de Operaciones I Auxiliar 6: Inventarios Profesores: Andrés Weintraub, Fabián Medel, Rodrigo Wolf Auxiliares: Juan Neme, Matías Siebert, Paulina Briceño, Rodrigo Arriagada IN4703 Gestión de Operaciones I Auxiliar 6: Inventarios Modelos: 1.- Demanda

Más detalles

Tarea 1 Ecuaciones Diferenciales I Semestre 2014-1

Tarea 1 Ecuaciones Diferenciales I Semestre 2014-1 Profesor: Juan Carlos Fernández Morelos Ayudante: Luisa Márquez Rentería Tarea 1 Ecuaciones Diferenciales I Semestre 2014-1 1. Indicar el orden de las siguientes ecuaciones e indicar si son lineales o

Más detalles

Medidas de tendencia central o de posición: situación de los valores alrededor

Medidas de tendencia central o de posición: situación de los valores alrededor Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas

Más detalles

Curso Comparabilidad de resultados

Curso Comparabilidad de resultados Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación

Más detalles

Elementos de Estadística stica Financiera para Análisis de Riesgo

Elementos de Estadística stica Financiera para Análisis de Riesgo TERCER ENCUENTRO TÉCNICO SOBRE LA ESTRUCTURACIÓN DE PROYECTOS DE ASOCIACIÓN PÚBLICO-PRIVADA Elementos de Estadística stica Financiera para Análisis de Riesgo Heinz G. Roque Loyola BID/PIAPPEM 20, 21 y

Más detalles

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

Aritmética finita y análisis de error

Aritmética finita y análisis de error Aritmética finita y análisis de error Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Aritmética finita y análisis de error 1 / 47 Contenidos 1 Sistemas decimal

Más detalles

Valoración de opciones sobre acciones: el modelo Black-Scholes. Capítulo 10

Valoración de opciones sobre acciones: el modelo Black-Scholes. Capítulo 10 Valoración de opciones sobre acciones: el modelo Black-Scholes Capítulo 0 Modelo de valuación de Black-Sholes El supuesto subyacente al modelo BS es que el precio de las acciones sigue un recorrido aleatorio

Más detalles

Introducción a la Econometría

Introducción a la Econometría Introducción a la Econometría Curso 2009/2010 Seriedeproblemas1 1.- Considere la siguiente distribución de probabilidad: Llueve (X=0) No llueve (X=1) Total Tiempo de viaje largo (Y=0) 0.15 0.07 0.22 Tiempo

Más detalles

1. Lección 4 - Leyes de Descuento

1. Lección 4 - Leyes de Descuento 1. Lección 4 - Leyes de Descuento Apuntes: Matemáticas Financieras 1.1. El descuento comercial La expresión matemática del descuento comercial es: A 1 (t) = 1 d t para d > 0 Por lo que una u.m. en el instante

Más detalles

CAPÍTULO III. FUNCIONES

CAPÍTULO III. FUNCIONES CAPÍTULO III LÍMITES DE FUNCIONES SECCIONES A Definición de límite y propiedades básicas B Infinitésimos Infinitésimos equivalentes C Límites infinitos Asíntotas D Ejercicios propuestos 85 A DEFINICIÓN

Más detalles

Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA

Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA NOTA: en toda esta práctica no se pueden utilizar bucles, para que los tiempos de ejecución se reduzcan. Esto se puede hacer

Más detalles

TEMA 7: Análisis de la Capacidad del Proceso

TEMA 7: Análisis de la Capacidad del Proceso TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad

Más detalles

8. Estimación puntual

8. Estimación puntual 8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores

Más detalles

Primer Parcial de Programación 3 (1/10/2009)

Primer Parcial de Programación 3 (1/10/2009) Primer Parcial de Programación (/0/009) Instituto de Computación, Facultad de Ingeniería Este parcial dura horas y contiene carillas. El total de puntos es 0. En los enunciados llamamos C* a la extensión

Más detalles

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS 1) Reseña histórica Abrahan De Moivre (1733) fue el primero en obtener la ecuación matemática de la curva normal. Kart Friedrich Gauss y Márquez De Laplece (principios

Más detalles

1 Introducción... 2. 2 Distribución exponencial... 2. 3 Distribución Weibull... 6. 4 Distribuciones Gamma y k-erlang... 10

1 Introducción... 2. 2 Distribución exponencial... 2. 3 Distribución Weibull... 6. 4 Distribuciones Gamma y k-erlang... 10 Asignatura: Ingeniería Industrial Índice de Contenidos 1 Introducción... 2 2 Distribución exponencial... 2 3 Distribución Weibull... 6 4 Distribuciones Gamma y k-erlang... 10 5 Distribución log-normal...

Más detalles

El modelo Ordinal y el modelo Multinomial

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

Más detalles

EJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013

EJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Aplicación: INFERENCIA ESTADÍSTICA EJERCICIOS RESUMEN Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Página1 DESCRIP Ejercicio 1 Los siguientes son los números de cambios

Más detalles

Ejemplos de conversión de reales a enteros

Ejemplos de conversión de reales a enteros Ejemplos de conversión de reales a enteros Con el siguiente programa se pueden apreciar las diferencias entre las cuatro funciones para convertir de reales a enteros: program convertir_real_a_entero print

Más detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se

Más detalles

Alvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012

Alvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012 Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian

Más detalles

El valor esperado de una variable aleatoria discreta se representa de la siguiente manera:

El valor esperado de una variable aleatoria discreta se representa de la siguiente manera: INTRODUCCIÓN AL VALOR ESPERADO Y VARIANZA (5 MINUTOS) Cuando nos hablan del promedio de que ocurra un evento, cómo sabemos con certeza qué tan cerca estamos de alcanzar ese promedio? Esta pregunta nos

Más detalles

Simulación Monte Carlo

Simulación Monte Carlo Simulación Monte Carlo Modelado estocástico Cuando se realiza un análisis estático a un proyecto, una serie de supuestos y variables producen un resultado de valor único. Mientras que un análisis estocástico

Más detalles

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO 1º) Considérese un número estrictamente positivo del sistema de números máquina F(s+1, m, M, 10). Supongamos que tal número es: z = 0.d 1 d...d s 10 e Responde

Más detalles

todas especialidades Soluciones de las hojas de problemas

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

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).

Más detalles

OPERADORES LÓGICOS Y DE COMPARACIÓN EN PHP. PRIORIDADES. EJEMPLOS. EJERCICIOS RESUELTOS. (CU00818B)

OPERADORES LÓGICOS Y DE COMPARACIÓN EN PHP. PRIORIDADES. EJEMPLOS. EJERCICIOS RESUELTOS. (CU00818B) APRENDERAPROGRAMAR.COM OPERADORES LÓGICOS Y DE COMPARACIÓN EN PHP. PRIORIDADES. EJEMPLOS. EJERCICIOS RESUELTOS. (CU00818B) Sección: Cursos Categoría: Tutorial básico del programador web: PHP desde cero

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

Teoría de Probabilidad

Teoría de Probabilidad Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe

Más detalles

Ejemplo: Ing. Raúl Canelos. Solución CONFIABILIDAD SEP 1

Ejemplo: Ing. Raúl Canelos. Solución CONFIABILIDAD SEP 1 Ejemplo: Basándose en ciertos estudios una compañía a clasificado de acuerdo con la posibilidad de encontrar petróleo en tres tipos de formaciones. La compañía quiere perforar un pozo en determinado lugar

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones

Más detalles

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

Más detalles

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.

Más detalles

Estimación de la densidad

Estimación de la densidad 23 de marzo de 2009 : histograma Si suponemos que F tiene función de densidad f puede ser útil estimarla. Un estimador muy utilizado es el histograma. Dado un origen x 0 y un ancho h > 0 el histograma

Más detalles

Cálculo de la rentabilidad de un plan de pensiones

Cálculo de la rentabilidad de un plan de pensiones Cálculo de la rentabilidad de un plan de pensiones Germán Carrasco Castillo Resumen: En este artículo se pretende desarrollar el procedimiento para calcular la rentabilidad de los planes de pensiones,

Más detalles

R PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad

R PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad R PRÁCTICA II Probabilidad-Variables Aleatorias Sección II.1 Probabilidad 15. En el fichero sintomas.dat se encuentran 9 columnas con los resultados de una estadística médica. Cada columna corresponde

Más detalles

Tema 3. Comparaciones de dos poblaciones

Tema 3. Comparaciones de dos poblaciones Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 5: VARIABLES ALEATORIAS Y DISTRIBUCIONES CONTINUAS Profesor: Hugo S. Salinas. Segundo Semestre

Más detalles

Sistemas Aleatorios: Probabilidad Condicional

Sistemas Aleatorios: Probabilidad Condicional MA2006 El concepto de la probabilidad condicional Imagine la probabilidad de que un hombre presente cáncer pulmonar antes de los 70 años. Imagine la probabilidad de que tal hombre presente cáncer pulmonar

Más detalles

RELACIONES DE RECURRENCIA

RELACIONES DE RECURRENCIA Unidad 3 RELACIONES DE RECURRENCIA 60 Capítulo 5 RECURSIÓN Objetivo general Conocer en forma introductoria los conceptos propios de la recurrencia en relación con matemática discreta. Objetivos específicos

Más detalles

Introducción a la Estadística y a la Probabilidad Tercer examen. Capítulo 5 y 6. Viernes 5 de febrero del 2010.

Introducción a la Estadística y a la Probabilidad Tercer examen. Capítulo 5 y 6. Viernes 5 de febrero del 2010. Introducción a la Estadística y a la Probabilidad Tercer examen. Capítulo 5 y 6. Viernes 5 de febrero del 2010. Dos puntos 1. Para cada una de las siguientes variables, indica si son variables aleatorias,

Más detalles

PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS

PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS La finalidad de una prueba de k muestras es evaluar la aseveración que establece que todas las k muestras independientes provienen de poblaciones

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal

Más detalles

MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL

MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación

Más detalles

1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS.

1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS. 1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS. El sumatorio o sumatoria) es un operador matemático, representado por la letra griega sigma mayúscula Σ) que permite representar de manera abreviada sumas

Más detalles

Tema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES

Tema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos

Más detalles

SIMULACIÓN MCMC. Dr. Holger Capa Santos

SIMULACIÓN MCMC. Dr. Holger Capa Santos SIMULACIÓN MCMC Dr. Holger Capa Santos Septiembre, 2009 CONTENIDO Integración Montecarlo Problema con la Integración Montecarlo Muestreo de Importancia Algoritmos de Metropolis y Metropolis-Hastings Muestreador

Más detalles

Ejercicios de Modelos de Probabilidad

Ejercicios de Modelos de Probabilidad Ejercicios de Modelos de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Binomial, Poisson, Exponencial y Uniforme Ejercicio. Se dispone de un sistema formado por dos componentes similares

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

Capítulo 4 Procesos con estructuras de repetición

Capítulo 4 Procesos con estructuras de repetición Estructura de contador Capítulo 4 Procesos con estructuras de repetición Esta es una operación que incrementa en una unidad el valor almacenado en la variable c, cada vez que el flujo del diagrama pasa

Más detalles

Tema 1: Preliminares

Tema 1: Preliminares Métodos Numéricos: Resumen y ejemplos Tema 1: Preliminares Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Febrero 2008, versión 1.7 1. Desigualdades

Más detalles

MA2006 - Tarea No 7. Departamento de Matemáticas, CCIR/ITESM. 19 de febrero de 2011

MA2006 - Tarea No 7. Departamento de Matemáticas, CCIR/ITESM. 19 de febrero de 2011 MA2006 - Tarea No 7 Departamento de Matemáticas, CCIR/ITESM 19 de febrero de 2011 1. En un taller de servicio especializado en afinaciones se sabe que 45 % de todas se hacen a motores de 4 cilindros, 40

Más detalles

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +

Más detalles

Unidad 1 Sistemas de numeración Binario, Decimal, Hexadecimal

Unidad 1 Sistemas de numeración Binario, Decimal, Hexadecimal Unidad 1 Sistemas de numeración Binario, Decimal, Hexadecimal Artículo adaptado del artículo de Wikipedia Sistema Binario en su versión del 20 de marzo de 2014, por varios autores bajo la Licencia de Documentación

Más detalles

Ahora podemos comparar fácilmente las cantidades de cada tamaño que se vende. Estos valores de la matriz se denominan elementos.

Ahora podemos comparar fácilmente las cantidades de cada tamaño que se vende. Estos valores de la matriz se denominan elementos. Materia: Matemática de 5to Tema: Definición y Operaciones con Matrices 1) Definición Marco Teórico Una matriz consta de datos que se organizan en filas y columnas para formar un rectángulo. Por ejemplo,

Más detalles

Semana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo

Semana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo Semana 08 [1/15] April 18, 2007 Acotamiento de conjuntos Semana 08 [2/15] Cota Superior e Inferior Antes de presentarles el axioma del supremo, axioma de los números reales, debemos estudiar una serie

Más detalles

MATEMATICAS FINANCIERAS

MATEMATICAS FINANCIERAS 1. Hallar el valor equivalente de un monto de $94 000.000 en 450 días suponiendo una tasa de interés bancaria del 12% ES. o Valor inicial o presente: 94 millones o Tasa de interés: 12% ES o Periodo de

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Suponga que, conversando con su cuate, surge la idea de hacer una apuesta simple. Cada uno escoge decir cara ó sello. Se lanza una moneda al aire, y si sale cara, quien dijo sello le paga a quien dijo

Más detalles

Test de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n

Test de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n Un diseño experimental que se utiliza muy a menudo es el de un grupo control y uno de tratamiento. En el caso de que los datos sean cuantitativos y sigan una distribución normal, la hipótesis de interés

Más detalles