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

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

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

Transcripción

1 Estacionalidad Qué es la estacionalidad? La estacionalidad es una componente que se presenta en series de frecuencia inferior a la anual (mensual, trimestral,...), y supone oscilaciones a corto plazo de período regular, inferior al año y amplitud regular. Se trata de la componente que introduce los matices más interesantes de cara a la predicción. En general, todas las series de frecuencia inferior a la anual presentan en mayor o menor medida estacionalidad. Estacionalidad Estacionalidad En el gráfico se recoge la evolución del Índice de Producción industrial de España, desde enero de 1998 hasta junio de Son datos mensuales, en base 2000=100, obtenidos del INE. Podríamos discutir si la serie presenta nítidamente tendencia o ciclo (realmente es un período muy pequeño, 5 años, para detectarlo gráficamente), pero este es un ejemplo de serie con estacionalidad. Obsérvese que año tras año, la serie presenta un comportamiento en los distintos meses de cada año muy similar. Todos los años la serie parece crecer en los primeros meses, decae ligeramente en abril, y, sobre todo, sufre una drástica caída de forma sistemática en el mes de agosto. Y así año tras año. Se detecta pues un patrón regular. Efectivamente, esa evolución de la serie responde a hechos sencillos. En los meses de agosto y de abril (si en este mes cae la Semana Santa) las empresas notan el bajón en su producción debido a las vacaciones. Una práctica relativamente frecuente en la modelización econométrica consiste en la utilización del logaritmo en lugar del valor directo de la variable observada. Esta transformación resulta habitual en econometría en distintos contextos: 1. permite la resolución de algunos de los problemas que suelen presentar los modelos econométricos como problemas simples de heteroscedasticidad. Este tipo de transformación tiene la importante propiedad de mantener la evolución temporal de la variable original, reduciendo proporcionalmente la variación relativa entre los distintos valores de la serie. 2. Permite la linealización de modelos originalmente especificados en términos no lineales. Ejemplo, estimar una función de producción de tipo Cobb-Douglas. Q= T Kα Lβ donde K, L representan las dotaciones de factores productivos (capital y trabajo, respectivamente); Q el nivel de producción, y T es una medida de la eficiencia técnica. A partir de esta formulación de la teoría económica, podríamos obtener un modelo econométrico como: 1

2 Obviamente este modelo no es lineal en los parámetros, por lo cual no es estimable a partir de los métodos usuales. Ahora bien si tomamos logaritmos a ambos lados de la ecuación anterior Se obtiene: lnq = ln T +α ln K + β ln L que podemos presentar como: y* = T * +α k * +β l * Como se observa este modelo ya es lineal, y puede ser estimado por mínimos cuadrados. La simple transformación de las variables lo permite. Una última razón hace interesante esta transformación, y es que los parámetros asociados a variables sobre las que previamente se han tomado logaritmos pueden ser interpretados directamente como elasticidades. ln Q = β ln L Lo cual, como es conocido, puede ser aproximado por la elasticidad parcial de la variable Q con respecto a la variable L. Los modelos econométricos exigen que las series a utilizar sean estacionarias en media y varianza. Es decir, que la serie no tenga tendencia, y que presente un grado de dispersión similar. La eliminación de la tendencia se consigue con diferenciación sucesiva, mientras que para obtener una dispersión similar se recurre a la transformación logarítmica. La transformación logarítmica, es útil en otras circunstancias. Por ejemplo, muchos modelos de especificación no lineal pueden ser fácilmente linealizados mediante una transformación logarítmica. Además, cuando tomamos logaritmos a ambos lado de una ecuación, podemos tener una aproximación al concepto de elasticidad. La metodología de los modelos estructurales no ha prestado gran atención al problema de la estacionalidad puesto que estos modelos suelen trabajar con datos de frecuencia anual. De hecho, cuando la estacionalidad de la variable endógena es similar a la que presentan las variables explicativas, no presenta especiales problemas ni precisa de tratamiento diferenciado. Cuando tal estacionalidad no coincide es preferible, frente a la posibilidad de desestacionalizar la serie, la de introducir variables ficticias estacionales. 2

3 Estacionariedad Qué se entiende por estacionariedad de una serie? Para definir la estacionariedad de una serie, se dispone de dos posibilidades: por una parte se dice que un proceso es estrictamente estacionario si sus propiedades, no se ven afectadas por cambios de origen temporal, esto es, cuando al realizar un mismo desplazamiento en el tiempo de todas las variables de cualquier distribución conjunta finita, resulta que esta distribución no varía. A efectos prácticos : 1) que la media sea aproximadamente constante en el tiempo; y 2) que la varianza o dispersión sea igualmente constante. Ello implica que si dividiéramos la muestra en varios sub-períodos (teóricamente infinitos períodos) la media y la varianza deben ser aproximadamente iguales. Un instrumento sencillo para detectar cuando la serie cumple o no esta propiedad es mediante la representación gráfica de la serie objeto de estudio. Efectivamente, una media constante implica la ausencia de tendencia en la serie, por lo que su representación debería arrojar algo muy parecido a una línea paralela al eje de abscisas. Igualmente, una varianza constante supone que las oscilaciones alrededor de tal media sean semejantes en cualquier momento del tiempo, lo cual técnicamente se conoce como homoscedasticidad, esto es, igual (homos) dispersión (cedasticidad). El gráfico puede ser suficiente para comprobar el cumplimiento de la homoscedasticidad. Cuando la serie es heteroscedástica, puede solucionarse de forma satisfactoria tomando logaritmos en la serie original. Efectivamente, la toma de logaritmos tiene la importante propiedad de disminuir la variabilidad de la serie, manteniendo el patrón de comportamiento. En la mayor parte de los casos, la toma de logaritmos ha de ser suficiente para que la heteroscedasticidad deje de ser un problema. Para la eliminación de la tendencia se utiliza, la diferenciación adecuada de la serie original. En la mayor parte de las series la toma de una diferencia será suficiente para eliminar la tendencia. En ese caso, la representación gráfica nos mostrará una línea oscilante sobre una línea horizontal al eje de abscisas. Si se mantiene la tendencia, se puede tomar una segunda diferencia. Veámoslo con un ejemplo: en la figura, se puede ver la evolución mensual, durante algo más de ocho años, del consumo de gasolina en España (variable CONGA, en trazo grueso). Esta misma serie nos servirá de ejemplo posteriormente. Evidentemente, la serie no es estacionaria, dado que muestra una clara tendencia al alza. Puesto que la tendencia puede ser adecuadamente recogida mediante una línea recta, parece que bastaría con realizar una sola diferencia a la serie original. Pero, por otra parte, da la impresión de que la serie presenta algo más de dispersión en los últimos años, por lo que podría interesar trabajar, antes de la diferenciación, con la serie en logaritmos (variable LCONGA, en trazo fino y representada con la escala de la derecha del gráfico). La nueva serie transformada presenta, en general, una menor dispersión y ésta parece, además, más similar para los diferentes años en subperiodos en que pudiera dividirse el gráfico. 3

4 Por supuesto que la toma de logaritmos no elimina la tendencia, por lo que, a continuación, será preciso calcular las primeras diferencias. En un nuevo gráfico, representamos la serie en logaritmos (LCONGA, ahora en trazo grueso y con la escala de la izquierda), así como la serie en diferencias (DLCONGA=LCONGA-LCONGA(- 1), en trazo fino y con la escala de la derecha del gráfico). La tendencia ha sido ahora eliminada en DLCONGA, cuyos valores oscilan alrededor de cero. Por tanto, esta última serie, con transformación logarítmica y en primeras diferencias, ya es estacionaria en media y varianza. La modelización ARIMA o Box-Jenkins parte de considerar que el valor observado de una serie (un dato de una variable) en un momento determinado de tiempo t es una realización de una variable aleatoria definida en dicho momento de tiempo. Por tanto, una serie de t datos es una muestra de un vector de t variables aleatorias ordenadas en el tiempo al que denominamos proceso estocástico. En ocasiones pretendemos predecir el comportamiento de una variable y en un momento futuro t, a partir del comportamiento que la variable tuvo en un momento pasado, por ejemplo, en el período anterior, Y(t-1) Formalmente notaríamos Yt = f(y(t-1)) Es decir, que el valor de la variable y en el momento t es función del valor tomado en el período t-1. Puesto que en el comportamiento de una variable influyen más aspectos, debemos incluir en la relación anterior un término de error, at, que es una variable aleatoria a la que suponemos ciertas características estadísticas apropiadas. Es decir: Ahora se debe elegir una forma funcional concreta para esta expresión. Por ejemplo, una forma lineal como 4

5 donde es un término independiente y es un parámetro que multiplica al valor de la variable y en el período t-1. Utilizando métodos estadísticos adecuados podemos estimar los parámetros de forma que estos cumplan propiedades estadísticas razonables y sean una buena (la mejor posible) estimación. Con ello obtendríamos una expresión como: Esta es la esencia de los modelos autorregresivos (o modelos AR). Se realiza una regresión de la variable sobre sí misma (auto-regresión) o, mejor dicho, sobre los valores que la variable tomó en el período/s anterior/es. que utilizaríamos a efectos de predicción. Un aspecto importante es el orden del modelo AR. Por ejemplo, el modelo Dependencia de los datos Cada observación se modela en función de datos anteriores. Modelo explicito, conocidos como ARIMA (Autoregresive Integrated Moving Average) Permite describir un valor como una función lineal de datos anteriores y errores debidos al azar. Modelos que explican el comportamiento de la variable endógena, a través del propio pasado, antes de incorporar el efecto de la variable explicativa (ARIMA). El principio básico de los modelos ARIMA, es que el efecto de un conjunto de variables explicativas x sobre y, debe ser estimado después que se haya controlado por los efectos pasados de la variable endógena. Se intenta explicar, en que medida las variables independientes explican la variación de la variable endógena, que no viene explicado por la variación de los valores pasados de dicha variable. 5

6 La metodología Box-Jenkins, intenta explicar el proceso que autogenera (explica) la variación de la variable endógena a través del tiempo. Requisito, es que todas las variables sean estacionarias, es decir no existe cambio sistemático en la media y varianza de los valores de dicha variable a lo largo del tiempo. 1. Recogida de datos (Recomiendan un mínimo de 50 observaciones), si es mensual, trabajar con 6 ó 10 años completos. 2. Representación gráfica de la serie, se recomienda utilizar medias y desviaciones típicas por subperíodos, para juzgar la estacionalidad. 3. Transformación previa de la serie para la estacionalidad, las transformaciones logarítmicas son necesarias en caso que la varianza no sea constante. 4. Eliminación de la Tendencia, la observación grafica indicará la existencia o no de tendencia. 5. Identificación del modelo, Consiste en determinar el tipo de modelo más adecuado para la serie objeto de estudio. 6. Estimación de los coeficientes del modelo, decidido el modelo, se procede a la estimación de sus parametros. 7. Contraste de validez conjunta del modelo, se utilizaran diversos procedimientos para valorar el modelo propuesto. 8. Análisis detallado de los errores, diferencias históricas entre valores reales y estimados por el modelo constituyen una fuente especial de interés para una valorización final del modelo. 9. Selección del modelo, en base a los resultados de las etapas anteriores, se elige el modelo. 10. Predicción, el modelo seleccionado servirá como fórmula inicial de predicción. 6

7 7

8 8

Metodología. del ajuste estacional. Tablero de Indicadores Económicos

Metodología. del ajuste estacional. Tablero de Indicadores Económicos Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,

Más detalles

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

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

Más detalles

Covarianza y coeficiente de correlación

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

Más detalles

CIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA

CIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA I E S E Universidad de Navarra CIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA INFORME SOBRE LA RELACION ENTRE CONSUMO, MOROSIDAD Y CICLOS BURSATILES Miguel A. Ariño* María Coello de Portugal** DOCUMENTO

Más detalles

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

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

Más detalles

Por qué interesa suscribir un plan de pensiones?

Por qué interesa suscribir un plan de pensiones? 1 Por qué interesa suscribir un plan de pensiones? 1.1. Cómo se impulsó su creación? 1.2. Será suficiente la pensión de la Seguridad Social? 1.3. Se obtienen ventajas fiscales y de ahorro a largo plazo?

Más detalles

1.1. Introducción y conceptos básicos

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

Más detalles

Otras medidas descriptivas usuales

Otras medidas descriptivas usuales Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.

Más detalles

La metodologia Cuantitativa. Encuestas y muestras

La metodologia Cuantitativa. Encuestas y muestras La metodologia Cuantitativa. Encuestas y muestras Técnicas «cuantitativas» y «cualitativas» «Las técnicas cuantitativas»: Recogen la información mediante cuestiones cerradas que se planteal sujeto de forma

Más detalles

TEMA 3: MÉTODO CONTABLE. LAS CUENTAS

TEMA 3: MÉTODO CONTABLE. LAS CUENTAS TEMA 3: MÉTODO CONTABLE. LAS CUENTAS 1. HECHOS CONTABLES En el tema 1 se señalaba que, dentro de la función de elaboración de la información contable, la contabilidad se ocupaba, en una primera etapa,

Más detalles

Costos de Distribución: son los que se generan por llevar el producto o servicio hasta el consumidor final

Costos de Distribución: son los que se generan por llevar el producto o servicio hasta el consumidor final CLASIFICACIÓN DE LOS COSTOS Los costos tienen diferentes clasificaciones de acuerdo con el enfoque y la utilización que se les dé. Algunas de las clasificaciones más utilizadas son. Según el área donde

Más detalles

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama. Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El

Más detalles

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6

Más detalles

Movimiento a través de una. José San Martín

Movimiento a través de una. José San Martín Movimiento a través de una curva José San Martín 1. Introducción Una vez definida la curva sobre la cual queremos movernos, el siguiente paso es definir ese movimiento. Este movimiento se realiza mediante

Más detalles

SISTEMAS DE COORDENADAS SISTEMA COORDENADO UNIDIMENSIONAL

SISTEMAS DE COORDENADAS SISTEMA COORDENADO UNIDIMENSIONAL SISTEMAS DE COORDENADAS En la vida diaria, nos encontramos con el problema de ordenar algunos objetos; de tal manera que es necesario agruparlos, identificarlos, seleccionarlos, estereotiparlos, etc.,

Más detalles

TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.

TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son

Más detalles

Mantenimiento de Sistemas de Información

Mantenimiento de Sistemas de Información de Sistemas de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 1 ACTIVIDAD MSI 1: REGISTRO DE LA PETICIÓN...4 Tarea MSI 1.1: Registro de la Petición... 4 Tarea MSI 1.2: Asignación de la Petición... 5 ACTIVIDAD

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

Control Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz

Control Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información

Más detalles

Ejercicio de estadística para 3º de la ESO

Ejercicio de estadística para 3º de la ESO Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población

Más detalles

Como se mencionó en la parte de la teoría, no existe consenso en cuanto a la

Como se mencionó en la parte de la teoría, no existe consenso en cuanto a la 4. Metodología Definición de empleo informal Como se mencionó en la parte de la teoría, no existe consenso en cuanto a la definición de empleo informal y diferentes estudios han utilizado matices distintas

Más detalles

SISTEMAS Y MANUALES DE LA CALIDAD

SISTEMAS Y MANUALES DE LA CALIDAD SISTEMAS Y MANUALES DE LA CALIDAD NORMATIVAS SOBRE SISTEMAS DE CALIDAD Introducción La experiencia de algunos sectores industriales que por las características particulares de sus productos tenían necesidad

Más detalles

CONCEPTO DEL ÍNDICE ACCIONARIO

CONCEPTO DEL ÍNDICE ACCIONARIO Qué es un índice accionario? CONCEPTO DEL ÍNDICE ACCIONARIO Un índice accionario es un instrumento estadístico empleado para estudiar la evolución de los precios de las acciones en un mercado de valores.

Más detalles

Tema 2 Límites de Funciones

Tema 2 Límites de Funciones Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos

Más detalles

Pronósticos. Pronósticos y gráficos Diapositiva 1

Pronósticos. Pronósticos y gráficos Diapositiva 1 Pronósticos Pronósticos Información de base Media móvil Pronóstico lineal - Tendencia Pronóstico no lineal - Crecimiento Suavización exponencial Regresiones mediante líneas de tendencia en gráficos Gráficos:

Más detalles

Contenidos. INFORME ENCUESTA TELEFÓNICA. Curso 2009 10

Contenidos. INFORME ENCUESTA TELEFÓNICA. Curso 2009 10 ENCUESTA DE OPINIÓN DEL ALUMNADO SOBRE LA ACTUACIÓN DOCENTE DEL PROFESORADO UNIVERSIDAD DE SEVILLA Curso 2009-2010 ENCUESTA TELEFÓNICA Contenidos Introducción.... 4 El Cuestionario... 5 El muestreo...

Más detalles

TEMA 4: Variables binarias

TEMA 4: Variables binarias TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables

Más detalles

15 ESTADÍSTICA BIDIMENSIONAL

15 ESTADÍSTICA BIDIMENSIONAL ESTADÍSTICA BIDIMENSINAL EJERCICIS PRPUESTS. Copia y completa la siguiente tabla. A B C Total A B C Total a 4 b c 0 7 Total 7 6 a 4 b c 4 3 0 7 Total 7 6 3 6 a) Qué porcentaje de datos presentan la característica

Más detalles

La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota

La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota INTRODUCCIÓN En este experimento voy a relacionar el tiempo que tarda una pelota en rebotar 6 veces desde distintas

Más detalles

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades:

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades: DOMINIO Y RANGO página 89 3. CONCEPTOS Y DEFINICIONES Cuando se grafica una función eisten las siguientes posibilidades: a) Que la gráfica ocupe todo el plano horizontalmente (sobre el eje de las ). b)

Más detalles

Capítulo 3. Estimación de elasticidades

Capítulo 3. Estimación de elasticidades 1 Capítulo 3. Estimación de elasticidades Lo que se busca comprobar en esta investigación a través la estimación econométrica es que, conforme a lo que predice la teoría y lo que ha sido observado en gran

Más detalles

a < b y se lee "a es menor que b" (desigualdad estricta) a > b y se lee "a es mayor que b" (desigualdad estricta)

a < b y se lee a es menor que b (desigualdad estricta) a > b y se lee a es mayor que b (desigualdad estricta) Desigualdades Dadas dos rectas que se cortan, llamadas ejes (rectangulares si son perpendiculares, y oblicuos en caso contrario), un punto puede situarse conociendo las distancias del mismo a los ejes,

Más detalles

INTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA

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

Más detalles

Indicaciones específicas para los análisis estadísticos.

Indicaciones específicas para los análisis estadísticos. Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por

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

MUESTREO TIPOS DE MUESTREO

MUESTREO TIPOS DE MUESTREO MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de

Más detalles

SISTEMA DE INDICADORES CÍCLICOS Cifras al mes de junio de 2015

SISTEMA DE INDICADORES CÍCLICOS Cifras al mes de junio de 2015 BOLETÍN DE PRENSA NÚM. 372/15 2 DE SEPTIEMBRE DE 2015 AGUASCALIENTES, AGS. PÁGINA 1/5 SISTEMA DE INDICADORES CÍCLICOS Cifras al mes de junio de 2015 El INEGI presenta los resultados del Sistema de Indicadores

Más detalles

TIPO DE CAMBIO, TIPOS DE INTERES Y MOVIMIENTOS DE CAPITAL

TIPO DE CAMBIO, TIPOS DE INTERES Y MOVIMIENTOS DE CAPITAL TIPO DE CAMBIO, TIPOS DE INTERES Y MOVIMIENTOS DE CAPITAL En esta breve nota se intentan analizar las relaciones existentes en el sector español entre tipo de cambio, tasa de inflación y tipos de interés,

Más detalles

Diseño de un estudio de investigación de mercados

Diseño de un estudio de investigación de mercados Diseño de un estudio de investigación de mercados En cualquier diseño de un proyecto de investigación de mercados, es necesario especificar varios elementos como las fuentes a utilizar, la metodología,

Más detalles

MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II

MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II 28 febrero de 2012 Javier Marchamalo Martínez Universidad Rey Juan Carlos SABER INTERPRETAR LOS RATIOS SIGNIFICATIVOS EN LA GESTIÓN POR BENCHMARK Ratio

Más detalles

Geometría Tridimensional

Geometría Tridimensional Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,

Más detalles

Semana de dieta (X) 1 2 3 4 5 Peso en Kg (Y) 88.5 87 84 82.5 79

Semana de dieta (X) 1 2 3 4 5 Peso en Kg (Y) 88.5 87 84 82.5 79 . Una persona se somete a una dieta de adelgazamiento durante cinco semanas. A continuación se detalla su peso al término de cada una de esas semanas: Semana de dieta X) 2 3 4 Peso en Kg Y) 88. 87 84 82.

Más detalles

Funcionalidades Software PROYECTOS GotelGest.Net Software para la gestión de Proyectos GotelGest.Net

Funcionalidades Software PROYECTOS GotelGest.Net Software para la gestión de Proyectos GotelGest.Net 2012 Funcionalidades Software PROYECTOS GotelGest.Net Software para la gestión de Proyectos GotelGest.Net Servinet Sistemas y Comunicación S.L. www.softwaregestionproyectos.com Última Revisión: Febrero

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

AVANCE ESTADÍSTICO DE LA VENTA DE VIVIENDAS EN GIJÓN EN EL AÑO 2014

AVANCE ESTADÍSTICO DE LA VENTA DE VIVIENDAS EN GIJÓN EN EL AÑO 2014 AVANCE ESTADÍSTICO DE LA VENTA DE VIVIENDAS EN GIJÓN EN EL AÑO 2014 La Asociación inmobiliaria de Asturias aglutina a inmobiliarias de Gijón, Oviedo y Villaviciosa, y año tras año desde su fundación en

Más detalles

1. CUENTA DE PÉRDIDAS Y GANANCIAS ANALÍTICA

1. CUENTA DE PÉRDIDAS Y GANANCIAS ANALÍTICA 1. Cuenta de pérdidas y ganancias analítica 1. CUENTA DE PÉRDIDAS Y GANANCIAS ANALÍTICA La cuenta de pérdidas y ganancias que se recoge en el modelo normal del Plan General de Contabilidad se puede presentar,

Más detalles

Métodos y Modelos Cuantitativos para la toma de Decisiones

Métodos y Modelos Cuantitativos para la toma de Decisiones Métodos y Modelos Cuantitativos para la toma de Decisiones David Giuliodori Universidad Empresarial Siglo 21 David Giuliodori (UE-Siglo 21) MMC 1 / 98 Índice: 1 Conceptos Generales 2 Enfoque Clásico Tendencia

Más detalles

Capítulo 10. Gráficos y diagramas

Capítulo 10. Gráficos y diagramas Capítulo 10. Gráficos y diagramas 1. Introducción Los gráficos y diagramas que se acostumbran a ver en libros e informes para visualizar datos estadísticos también se utilizan con propósitos cartográficos,

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

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción

Más detalles

1 Ejemplo de análisis descriptivo de un conjunto de datos

1 Ejemplo de análisis descriptivo de un conjunto de datos 1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos

Más detalles

Control Estadístico de Procesos

Control Estadístico de Procesos Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control

Más detalles

Media vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias:

Media vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias: Iniciar con las interpretaciones de las medidas MEDIA VS MEDIANA VS MODA CUAL ES LA MEDIDA ADECUADA TAREA MEDIA PONDERADA Actividad de Medidas de Localización Problema 1. El problema de las tasas de delito.

Más detalles

Tema 12: Contrastes Paramétricos

Tema 12: Contrastes Paramétricos Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de

Más detalles

1. Funciones y sus gráficas

1. Funciones y sus gráficas FUNCIONES 1. Funciones sus gráficas Función es una relación entre dos variables a las que, en general se les llama e. es la variable independiente. es la variable dependiente. La función asocia a cada

Más detalles

SERIES DE TIEMPO INTRODUCCIÓN

SERIES DE TIEMPO INTRODUCCIÓN Clase Nº 5 SERIES DE TIEMPO INTRODUCCIÓN La forma más utilizada para el análisis de las tendencias futuras es realizar pronósticos. La función de un pronóstico de demanda de un bien, por ejemplo ventas

Más detalles

28.- Manejo de los Feriados

28.- Manejo de los Feriados 28.- Manejo de los Feriados El feriado anual o vacaciones pagadas es el derecho del trabajador con más de un año de servicios a hacer uso de un descanso anual de 15 días hábiles, con remuneración íntegra,

Más detalles

Consideraciones al precio de un warrant. El precio del warrant: la prima. Factores que afectan al precio de un warrant

Consideraciones al precio de un warrant. El precio del warrant: la prima. Factores que afectan al precio de un warrant Consideraciones al precio de un warrant El precio del warrant: la prima La prima es el precio que se paga por comprar un warrant. El inversor adquiere así el derecho a comprar (warrant Call) o vender (warrant

Más detalles

Capítulo 8. Tipos de interés reales. 8.1. Introducción

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

Más detalles

Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas

Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas Videoconferencias semana de estadística Universidad Latina, Campus Heredia Costa Rica Universidad del Valle

Más detalles

RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES 1 La ecuación 2x - 3 = 0 se llama ecuación lineal de una variable. Obviamente sólo tiene una solución. La ecuación -3x + 2y = 7 se llama ecuación lineal de

Más detalles

App para realizar consultas al Sistema de Información Estadística de Castilla y León

App para realizar consultas al Sistema de Información Estadística de Castilla y León App para realizar consultas al Sistema de Información Estadística de Castilla y León Jesús M. Rodríguez Rodríguez rodrodje@jcyl.es Dirección General de Presupuestos y Estadística Consejería de Hacienda

Más detalles

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

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

Más detalles

NT8. El Valor en Riesgo (VaR)

NT8. El Valor en Riesgo (VaR) NT8. El Valor en Riesgo (VaR) Introducción VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la división RiskMetric de JP Morgan en 1994. es una manera de medir el riesgo

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

Pronósticos Por Lic. Gabriel Leandro, MBA http://www.auladeeconomia.com

Pronósticos Por Lic. Gabriel Leandro, MBA http://www.auladeeconomia.com Pronósticos Por Lic. Gabriel Leandro, MBA http:// 1.1. Necesidad de pronosticar Entorno altamente incierto La intuición no necesariamente da los mejores resultados Mejorar la planeación Competitividad

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

OPERACIONES EN RÉGIMEN DE COMPUESTA

OPERACIONES EN RÉGIMEN DE COMPUESTA OPERACIONES EN RÉGIMEN DE COMPUESTA Las operaciones en régimen de compuesta se caracterizan porque los intereses, a diferencia de lo que ocurre en régimen de simple, a medida que se van generando pasan

Más detalles

Técnicas de valor presente para calcular el valor en uso

Técnicas de valor presente para calcular el valor en uso Normas Internacionales de Información Financiera NIC - NIIF Guía NIC - NIIF NIC 36 Fundación NIC-NIIF Técnicas de valor presente para calcular el valor en uso Este documento proporciona una guía para utilizar

Más detalles

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define. VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman

Más detalles

Introducción a la Teoría de Probabilidad

Introducción a la Teoría de Probabilidad Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento

Más detalles

Tema 2: Muestreo. Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales

Tema 2: Muestreo. Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Tema 2: Muestreo. Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 2: Muestreo Curso 2008-2009 1 / 13 Índice 1 Introducción 2 Muestreo

Más detalles

CORRELACIÓN Y PREDICIÓN

CORRELACIÓN Y PREDICIÓN CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una

Más detalles

CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de

CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de cualquier modelo en el software Algor. La preparación de un modelo,

Más detalles

Tipo de interés nominal (TIN)

Tipo de interés nominal (TIN) Tipo de interés nominal (TIN) Se llama Tipo de Interés Nominal (TIN), abreviado también como interés nominal, al porcentaje aplicado cuando se ejecuta el pago de intereses. Por ejemplo: Si se tiene un

Más detalles

LA IMPORTANCIA DE CONTROLAR LAS PÉRDIDAS DE ENERGÍA EN LAS EMPRESAS DISTRIBUIDORAS

LA IMPORTANCIA DE CONTROLAR LAS PÉRDIDAS DE ENERGÍA EN LAS EMPRESAS DISTRIBUIDORAS LA IMPORTANCIA DE CONTROLAR LAS PÉRDIDAS DE ENERGÍA EN LAS EMPRESAS DISTRIBUIDORAS Objetivo El presente informe se ha escrito con la finalidad de establecer un marco objetivo como punto de partida para

Más detalles

La composición de una imagen, reglas

La composición de una imagen, reglas Componer una fotografía Saber mirar, algo que resulta difícil en fotografía pero a la vez indispensable para obtener buenas fotografías. Para ello se requiere sobre todo aprender a mirar. Para qué queremos

Más detalles

Unidad IV: Cinética química

Unidad IV: Cinética química 63 Unidad IV: Cinética química El objetivo de la cinética química es el estudio de las velocidades de las reacciones químicas y de los factores de los que dependen dichas velocidades. De estos factores,

Más detalles

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL 1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

Unidad 7 Aplicación de máximos y mínimos

Unidad 7 Aplicación de máximos y mínimos Unidad 7 Aplicación de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Interpretará el concepto de ingreso y costos marginal. Aplicará la función de ingresos en problemas de maimización. Aplicará

Más detalles

Tema 2 Límites de Funciones

Tema 2 Límites de Funciones Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos

Más detalles

Análisis de medidas conjuntas (conjoint analysis)

Análisis de medidas conjuntas (conjoint analysis) Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los

Más detalles

4. Estadística Descriptiva

4. Estadística Descriptiva 4. Estadística Descriptiva En este apartado se presentan las estadísticas descriptivas obtenidas a través de la aplicación de las encuestas que han sido detalladas en la Metodología. 4.1 Estadísticas de

Más detalles

Ejemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) =

Ejemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) = T1 Dominios, Límites, Asíntotas, Derivadas y Representación Gráfica. 1.1 Dominios de funciones: Polinómicas: D( = La X puede tomar cualquier valor entre Ejemplos: D( = Función racional: es el cociente

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

PRESUPUESTO DE UNA OBRA

PRESUPUESTO DE UNA OBRA PRESUPUESTO DE UNA OBRA En muchos casos, cuando se realiza la oferta de una obra, resulta que este presupuesto es realizado por personas o departamentos diferentes a los que realizarán la obra. Esto es

Más detalles

TEMA 1: REPRESENTACIÓN GRÁFICA. 0.- MANEJO DE ESCUADRA Y CARTABON (Repaso 1º ESO)

TEMA 1: REPRESENTACIÓN GRÁFICA. 0.- MANEJO DE ESCUADRA Y CARTABON (Repaso 1º ESO) TEMA 1: REPRESENTACIÓN GRÁFICA 0.- MANEJO DE ESCUADRA Y CARTABON (Repaso 1º ESO) Son dos instrumentos de plástico transparente que se suelen usar de forma conjunta. La escuadra tiene forma de triángulo

Más detalles

Capitulo 3. Primer Año de Operaciones

Capitulo 3. Primer Año de Operaciones Capitulo 3 Primer Año de Operaciones Área de producción La empresa, como se había mencionado anteriormente, contaba hasta antes de asumir la administración de ella con cinco períodos de operación. La información

Más detalles

Evaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración

Evaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración Evaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración Fernández Pareja, Mª Teresa te_fer@topografia.upm.es Departamento de Ingeniería Topográfica y Cartografía

Más detalles

UNIVERSIDAD MINUTO DE DIOS PROGRAMA CONTADURÍA PÚBLICA

UNIVERSIDAD MINUTO DE DIOS PROGRAMA CONTADURÍA PÚBLICA UNIVERSIDAD MINUTO DE DIOS PROGRAMA CONTADURÍA PÚBLICA COSTOS II Guía No. 1.- Conceptos Básicos OBJETIVO 1. Asimilar conceptos fundamentales de costos I. CONCEPTOS BASICOS DE COSTOS 1. CONTABILIDAD DE

Más detalles

CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de

CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.

Más detalles

Aula Banca Privada. La importancia de la diversificación

Aula Banca Privada. La importancia de la diversificación Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual

Más detalles

RESPUESTAS A LAS PREGUNTAS DEL TEMA 3

RESPUESTAS A LAS PREGUNTAS DEL TEMA 3 RESPUESTAS A LAS PREGUNTAS DEL TEMA 3 Las respuestas en algún caso (primera pregunta) son más largas de lo requerido para que sirva de explicación 1. Explica brevemente qué significan cada una de las curvas

Más detalles

Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias

Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía

Más detalles

www.fundibeq.org En estos casos, la herramienta Gráficos de Control por Variables" no es aplicable.

www.fundibeq.org En estos casos, la herramienta Gráficos de Control por Variables no es aplicable. GRAFICOS DE CONTROL POR ATRIBUTOS 1.- INTRODUCCIÓN Este documento describe la secuencia de construcción y las pautas de utilización de una de las herramientas para el control de procesos, los Gráficos

Más detalles

Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1

Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 TEMA 11: MÉTODOS DINÁMICOS DE SELECCIÓN DE INVERSIONES ESQUEMA DEL TEMA: 11.1. Valor actualizado neto. 11.2. Tasa interna

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO?

ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO? ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO? El precio, o valor de mercado, de cada participación oscila según la evolución de los valores que componen

Más detalles