Agregación temporal y ltro Hodrick-Prescott

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

Download "Agregación temporal y ltro Hodrick-Prescott"

Transcripción

1 Agregación temporal y ltro Hodrick-Prescott Ana del Rio BBV Gestinova Tesina CEMFI No. 99 Septiembre 999 Este trabajo constituye una versión revisada de la tesina presentada al completar el Programa de Estudios de Postgrado delcentro deestudios Monetarios y Financieros (CEMFI). Quiero agradecer especialmente la colaboración de Agustín Maravall. También los comentarios de profesores y compañeros del CEMFI, la ayuda de Teresa Dabán con los datos y el apoyo de Marcos y de mi familia. (Correo electrónico: CEMFI, Casado del Alisal 5, 84 Madrid, Spain. Tel: , fax: ,

2 Resumen Esta tesina estudia la equivalencia de los ciclos obtenidos con el ltro Hodrick- Prescotta partir de datos condiferente periodicidadtemporal. Propongo dos criterios alternativos para hallar valores de equivalentes referidos a diferente periodicidad en los datos. Los denomino criterio / y criterio del máximo y resultan estar muy relacionados. La validez de estas equivalencias la compruebo empíricamente y la comparo con otras empleadas en la literatura de ciclos económicos. Además distingo entre agregación temporal y muestreo sistemático como dos alternativas de agregaciónsobre las que se encuentrandiferencias de graninterés.

3 Introducción El concepto de ciclo económico tiene un marcado carácter subjetivo, y en la práctica, esta subjetividad ha derivado en múltiples metodologías para su identi cación. Entre ellas, el ltro de Hodrick-Prescott (en adelante HP) destaca por su empleo de forma muy generalizada. Se trata de un ltro lineal y simétrico que requiere la eleccióna priori de un parámetro. Este parámetro, conocido como ; tiene asignados unos valores de uso estándar, lo que por un lado ha facilitado la utilización del ltro pero, por otro lado, ha dejado en un segundo plano la función de este parámetro en el ltro. El ltro HP es una herramienta fundamental en la literatura de los ciclos reales, aunque su utilización no tiene una justi cación clara: Kydland- Prescott (99) justi can el empleo del ltro HP por su linealidad, ser un ltro bien de nido, independiente de la serie a la que se aplica, exento de juicios subjetivos y fácil de replicar, que permite extraer la tendencia que uno podría dibujar a mano alzada. Sin embargo otros como King-Rebelo (993) opinan que no hay justi cación teórica para utilizar este tipo de ltro en el contexto de los ciclos reales. Si estos modelos postulan que el crecimiento y el ciclo económico son dos fenómenos interrelacionados, la descomposición que el ltro HP hace en tendencia y ciclo no tiene sentido. El ltro HP descompone la serie observada en dos componentes: la tendencia y el ciclo. El parámetro modula la suavidad de la tendencia y la elección apropiada de este parámetro depende de la longitud de los ciclos que se quieran extraer y la periodicidad temporal de los datos. La elección a priori del parámetro se puede interpretar como una ventaja adicional del ltro HP. La posibilidad de manipular la longitud de los ciclos re eja la subjetividad implícita en el concepto de ciclo económico. Sin En este sentido Canova (997) es muy ilustrativo.

4 embargo, ésta no ha sido una interpretación habitual y en este sentido encontramos comentarios delsiguiente tipo:...the primary drawbacks of the HP lter are (...) and the problems of choosing the smoothing parameter (...). This parameter does not have a very intuitive interpretation, and the di culties are compounded when we have to work with data that are sampled less frequently than quarterly... (Wynne y Koo (997))...Arbitrariness in the choice of is the main weakness of this method... (Dolado et al. (993)). En la literatura de los ciclos económicos aparece un uso generalizado del valor = 6 (HP6) para series trimestrales. Sin embargo, con series de periodicidad diferente a la trimestral no hay consenso. Por ejemplo, para datos anuales nos encontramos con HP4 (Englund-Persson-Svensson (99)), HP (Backus-Kehoe (99)) o HP (Baxter-King (995), Doménechet al. (997)). Todos estos ltros sonválidos pero cada uno caracteriza un comportamiento cíclico distinto; la elección depende del objetivo del estudio. Ahora bien, todos estos valores del parámetro para la frecuencia anual se han empleado como valores equivalentes del =6 para la frecuencia trimestral. Cual de ellos es preferible como el equivalente anual del HP6? Por otro lado, para la periodicidad mensual no es fácil encontrar una orientaciónsobre qué valor de emplear. Enel programa de análisis econométrico y de series temporales E-views se recomienda por defecto emplear = 4. En un Boletín mensual del Banco Central Europeo aparecen como valores por defecto =6 para datos trimestrales y =44 Boletín Mensual del BCE, Julio de 999.

5 para los mensuales. Sin embargo en el estudio realizado en esa publicación sobre variaciones cíclicas en la zona euro no se emplean dichos valores. Para obtener tendencias más suaves se utilizan valores mayores aunque no se hace referencia a cuáles son estos valores ni con qué criterio se eligen. El objetivo de esta tesina es comprobar si es posible obtener, en el contexto del ltro HP, caracterizaciones equivalentes de los ciclos utilizando diferente periodicidadtemporal enlos datos. Los ciclos de una misma serie obtenidos a partir de datos de distinta periodicidad son equivalentes si al expresarlos en la misma periodicidad son similares. Utilizaré dos criterios alternativos para hallar la equivalencia entre valores de asociados a diferente periodicidad. Estos dos criterios estarán relacionados con la ganancia del ltro y el espectro del ciclo respectivamente. Y una vez que tengamos relaciones que proporcionen valores de equivalentes procederé de la forma siguiente 3. A partir de una serie expresada en dos periodicidades diferentesiyj (i>j) 4 calculo el ciclo para el mayor nivel de agregación de forma directa e indirecta. De forma directa aplicando HP con un valor j sobre los datos de menor frecuencia: De forma indirecta aplicando HP con el valor supuestamente equivalente i; sobre los datos de mayor frecuencia y agregando posteriormente. Así, tenemos el ciclo de la serie calculado de dos formas y su comparación nos indicará en que medida hemos aplicado ltros equivalentes. Si los ciclos resultan ser similares sabremos qué valor de hay que utilizar en función de la periodicidad de los datos. Si por el contrario los ciclos di eren podremos obtener conclusiones bien sobre la elección del parámetro i equivalente, o bien acerca de los efectos de la agregacióntemporal sobre las características cíclicas. Para realizar estas comparaciones distinguiré entre dos tipos de agre- 3 Ver el esquema. 4 i y j indican el número de observaciones por año. 3

6 gación: la agregacióntemporalpropiamente dicha, yel muestreo sistemático. Cuando se emplea la agregación temporal una elección adecuada de permite obtener ciclos equivalentes sobre datos de diferente periodicidad. Sin embargo la agregación por muestreo sistemático introduce una distorsión que hace que los resultados no sean tan satisfactorios para este tipo de agregación. La tesina consta de los siguientes apartados. Primero describo el ltro HP desde dos perspectivas diferentes prestando especial atención a la interpretación del parámetro : Después comento brevemente una forma alternativa de emplear el ltro HP, propuesta por Kaiser-Maravall (998) y que consiste en aplicar el ltro HP sobre la serie de tendencia-ciclo extraída con el programa SEATS. A continuación, estudio dos criterios alternativos para relacionar con el periodo asociado al ciclo, los llamo criterio / y criterio del máximo. Estos dos criterios proporcionan unas relaciones que permiten hallar los valores de equivalentes para diferente periodicidad en los datos. En el apartado 7 analizo la validez de estas equivalencias sobre datos mensuales, trimestrales y anuales para dos tipos de agregación, agregación temporal y muestreo sistemático. Este apartado incluye una sección donde comparo el valor de equivalente óptimo de acuerdo con un problema de minimización, con el valor de equivalente que recomiendan los criterios anteriores. La tesina naliza con un último apartado de conclusiones. 4

7 El ltro Hodrick-Prescott El ltro HP es un ltro lineal y simétrico que se aplica sobre procesos discretos 5. Descompone una serie observada 6 x t ;t=;;:::t; en dos componentes, la tendencia,m t y el ciclo,c t : x t =m t +c t (.) Este ltro lo podemos describir desde dos perspectivas diferentes: como unproblema de minimizacióny a partir de un modelo estructural.. Filtro HP a partir de un problema de minimización Bajo la perspectiva de un problema de minimización el ltro HP identi ca el ciclo y la tendencia equilibrando un trade-o entre suavidad y ajuste en la tendencia: min fc tg;fm tg ( X T c T ) t + X [( B) m t ] t= s:a: t=3 x t =m t +c t (.) dondeb es el operador retardo tal quebz t =z t : El valor del parámetro se establece a priori y modula la suavidad de la tendenciam t. Cuanto mayor sea más suave será la tendencia. Cuando! tenemos el máximo suavizamiento y la tendencia es lineal. Y por el contrario cuando!el ajuste es máximo y la tendencia coincide con la serie observadax t. La solución (matricial) a este problema de minimización es la siguiente: ^m T = M x (.3) 5 El Apéndice A contiene un breve repaso de este tipo de ltros. 6 Cuando me re era a la serie observada x t ; se entenderá que está previamente desestacionalizada. Si no fuera así, el componente estacional quedaría incluído dentro del ciclo. La desestacionalización previa de la serie no va a tener in uencia sobre los resultados que vamos a tratar en este trabajo y en general no haremos referencia a este paso previo. 5

8 ^c T = x ^m donde M=[I+ K K] T T K = T T 6 4 ::: ::: ::: ::: ::: ::: ::: ::: ::: ::: El ltro HP como modelo estructural El ltro HP puede interpretarse a partir del siguiente modelo estructural: x t = m t +c t r m t = a mt (.4) c t = a ct dondea mt ya ct son dos ruidos blancos incorrelacionados con varianzas¾ m y ¾ c respectivamente. En este modelo los únicos parámetros desconocidos son las varianzas¾ m y¾ c. Y si de nimos: = ¾ c ¾ m (.5) el modelo queda totalmente determinado con la elección a priori de ; que en este contexto, no es más que un ratio de varianzas. El modelo (.4) tiene como forma reducida equivalente un modelo IMA(,): r x t =µ HP (B)a t (.6) dondeµ HP (B)=( µ B µ B ),a t son las innovaciones con varianza¾ a y los parámetrosµ,µ y¾ a son función de¾ m y¾ c ; es decir, de : 6

9 La estimación MMSE 7 del ciclo y la tendencia, ^m t y^c t ; se obtiene utilizando el ltro Wiener Kolmogorov (WK) sobrex t 8. Ambos ltros, el de la tendencia# m HP (B;F) y el del ciclo#c HP (B;F); son lineales, in nitos, simétricos y convergentes. Esta última propiedad de convergencia permite aplicar el ltro sobre una serie nita si la extendemos con predicciones hacia delante y hacia atrás 9. Las expresiones de estas estimaciones son las siguientes: ^m t =# m HP(B;F)x t = ¾ m ¾ a µ HP (B)µ HP (F) x t (.7) ^c t =# c HP (B;F)x t=[ # m HP (B;F)]x t= ¾ c( B) ( F) ¾ a µ HP (B)µ HP (F) x t que se pueden escribir en función del parámetro como: ^m t =# m HP (B;F)x t= + ( B) ( F) x t (.9) ^c t =# c HP(B;F)x t =[ # m HP(B;F)]x t = ( B) ( F) + ( B) ( F) x t (.) Si! (;¼) es la frecuencia en radianes, la función de ganancia del ltro para la tendencia y el ciclo son respectivamente: # m HP (!; )= +4 ( cos(!)) (.) # c HP(!; )= # m HP(!; )= 4 ( cos(!)) +4 ( cos(!)) (.) Los grá cos y del Anexo recogen la forma de estas ganancias para tres valores diferentes de (4, 6, 3). Cuanto mayor es ; menor 7 Error cuadrático medio mínimo. 8 Una explicación más detallada de este ltro aparece en Maravall (995). 9 Burman (98) muestra un algoritmo para la aplicación de este ltro. 7

10 es la contribución de las frecuencias más altas en la ganancia del ltro para la tendencia; lo que se traducirá en una tendencia más suave. Por otro lado, el grá co 3 recoge el ciclo del PIB trimestral de la economía española ( ) cuando aplicamos el ltro HP con los valores anteriores. Como podemos observar el crecimiento del parámetro produce ciclos con mayor amplitud. 3 Forma alternativa de emplear el ltro HP Normalmente el ltro HP se emplea sobre series desestacionalizadas. Kaiser- Maravall (998) proponen una forma alternativa de utilizar este ltro que mejora notablemente los resultados. Su propuesta es doble y queda resumida de la siguiente forma. Por un lado, para reducir las revisiones en la estimación del ciclo (en el principio y nal de la muestra) proponen extender previamente la serie con predicciones hacia delante y hacia atrás. De este modo el ltro se aplica de forma completa para todos los datos de la muestra y la aparición de nuevas observaciones sólo modi cará las estimaciones del ciclo como consecuencia de los errores de predicción. Por otro lado, Kaiser-Maravall (998) proponen la aplicación del ltro HP sobre la serie de tendencia-ciclo obtenida con el programa SEATS, ya que la eliminación del componente irregular permite obtener una señal del ciclo más clara. En esta tesina siempre se realizan predicciones previas de la serie a la que se le aplica el ltro HP y se trabaja con las dos alternativas, la serie original y la serie de tendencia-ciclo. Me referiré siempre a la serie observada y sólo cuando sea relevante haré la distinción sobre si el ltro se aplica a la serie desestacionalizada o a la tendencia-ciclo. La serie tendencia-ciclo es p t = x t s t u t ; donde s t es el componente estacional y u t es el componente irregular, ruido blanco. Desestacionalizada con el programa SEATS. 8

11 4 Equivalencia en valores de asociados a diferente periodicidadenlos datos Parece haber un acuerdo general en utilizar = 6 para series trimestrales. Esta elección se suele justi car, bien por ser el valor que recomendaron Hodrick y Prescott (98), o bien por haberse convertido en un valor convencional que permite hacer comparaciones entre trabajos empíricos. Para periodicidad diferente a la trimestral no hay acuerdo. Así para series anuales se emplean tres valores diferentes de,, y 4, como valores equivalentes a = 6 para series trimestrales. Baxter-King (995) recomiendan la utilización de =; ya que la ganancia del ltro HP es parecida a la de un ltro pasa-banda ideal que extrae ciclos de 8 años. Pero que relación hay entre =6 y =? Por otro lado, la elección de =4 es el resultado de dividir 6 entre 4, donde el 4 representa la relación entre el número de observaciones al año con datos trimestrales y anuales. Entonces, dada esta relación Deberíamos emplear =48 para datos mensuales?. El valor de =4 es empleado por Dolado et al. (993) enel siguiente caso. Los autores estudianlas características cíclicas de la economía española utilizando la Contabilidad Nacional Trimestral y aplicando HP6. Encuentran que la serie de consumo es más volátil que la del PIB (que determina el ciclo de referencia). Este resultado contradice la teoría tradicional del consumo, y lo atribuyen a la construcción de la serie de consumo, que incluye el Consumo Duradero. Entonces, recurren a la serie de Consumo de Bienes y Servicios No Duraderos de periodicidad anual y aplican un HP4. Pero, Han aplicado de forma homogénea Hodrick-Prescott(997) recuerdan que interpretando el ltro HP en el marco de un modelo estructural la elección de = 6 se justi ca del siguiente modo: Our prior view is that a 5 percent cyclical component is moderately large, as is a one-eight of percent change in the growth rate in a quarter. This led us to select p = 5 =8 = 4 o = 6 : 9

12 el ltro? Tiene sentido comparar ciclos obtenidos con datos trimestrales y HP6 con ciclos obtenidos con series anuales y HP4? Como vamos a ver más adelante la aplicación de HP4 en series anuales aumenta la longitud de los ciclos respecto a los que obtendríamos agregando a periodicidad anual el ciclo trimestral HP6. El efecto sobre la volatilidadtiene el mismo sentido. Pero el efecto sobre la volatilidad relativa entre PIB y consumo, que es lo que a los autores les interesa, es en principio indeterminado. En cualquier caso este efecto será reducido, puesto que el aumento de la volatilidad al aplicar HP4 afecta tanto al PIB como al consumo. Para analizar la equivalencia entre valores de referidos a periodicidades diferentes presento dos criterios alternativos que asocian valores de al periodo de referencia del ciclo, es decir, dos criterios que permitenasociar valores de ala longitud de los ciclos: Criterio (criterio /): el periodo asociado al ciclo es aquel para el que la ganancia del ltro toma el valor=: Este criterio es independiente del tipo de proceso sobre el que se aplica el ltro 3. Criterio (criterio del máximo): el periodo asociado al ciclo es aquel correspondiente al pico espectral del ciclo. Este criterio depende del proceso estocástico al que se aplica el ltro. A partir de estos criterios de no la equivalencia entre dos valores de de la siguiente forma: De nición (equivalencia): i y j son equivalentes para datos de periodicidadiyj, si el periodo asociado al ciclo estimado con i para datos 3 Esta forma de asociar el valor de a la longitud de los ciclos es muy habitual. Ver por ejemplo Kaiser-Maravall (998) o Doménech et al. (998). También se emplea en otras metodologías íntimamente relacionadas con el ltro HP, en este sentido es interesante el trabajo de García-Ferrer-Queralt (998).

13 de periodicidadi, y el periodo asociado al ciclo estimado con j para datos de periodicidadj son iguales cuando estos periodos se expresan enla misma unidad de tiempo. En principio esperamos que las equivalencias derivadas de estos dos criterios di eran y tengamos que discriminar entre una u otra. Pero como luego veremos, no es así. Para algunos procesos los dos criterios van a coincidir, y para el resto la diferencia no va a ser tan grande como para afectar a las características cíclicas. En la práctica esto nos permite emplear ambos criterios indistintamente aunque será más útil emplear el criterio /, ya que no depende deltipo de proceso al que se aplica el ltro. 5 Equivalencia segúnel criterio / Según este criterio el periodo asociado al ciclo se corresponde con el de la ganancia del ltro igual a /. De esta forma obtenemos las expresiones: =f(!)= 4[ cos(!)] (5.) 8 s 9 <!=f ( )=arccos : = 4 ; Si la relación entre la frecuencia y el periodo es (5.) = ¼! (5.3) entonces dado i; el periodo asociado al ciclo será i = ¼=! i donde! i se calcula a partir de (5.). Por ejemplo, si 4=6 la frecuencia! 4 son:6 radianes y el periodo 4 son39 trimestres.

14 El grá co 4 y las tablas y muestran la relación entre yel periodo asociado al ciclo, 4. A mayor valor de, mayor es el periodo asociado al ciclo, ya que si la tendencia es más suave, las desviaciones de la serie respecto a la tendencia serán mayores y por tanto los ciclos seránmás largos. Con estas relaciones es muy sencillo hallar valores de equivalentes para diferentes periodicidades. Por ejemplo si aplicamos 4=6 a datos trimestrales, sabemos que el periodo asociado al ciclo es 4 =39 trimestres, es decir 9.9 años. Para obtener el ciclo equivalente sobre datos anuales jaremos un periodo asociado al ciclo de =9:9, y a través de (5.) obtenemos el valor = 6:65 como equivalente a 4 = 6. Si realizamos los mismos pasos para buscar el valor mensual obtendremos que =99: Para hallar los valores de equivalentes hay que seguir estos pasos:. Dado un valor i inicial, (5.3) y (5.) nos dan el periodo asociado al ciclo i expresado en unidades de la periodicidad de partidai 5.. El periodo 6 expresado en la periodicidad alternatvaj es: j = i j i. 3. Aplicando (5.3) y (5.) hallamos el valor equivalente j: 6 Equivalencia segúnel criteriodel máximo Con este criterio el periodo asociado al ciclo es aquel que maximiza la función del espectro del ciclo. En principio parece más adecuado porque toma como referencia la frecuencia que tiene mayor contribución en la varianza del ciclo. Pero no es un criterio tan directo como el anterior, ya que requiere el cálculo 4 La relación no depende de la desestacionalización de la serie (Kaiser-Maravall (998)). 5 La periodicidad se expresa como el número de datos al año. 6 En la práctica no se calcula el periodo y esta transformación se hace directamente sobre las frecuencias:! j = i j! i.

15 previo del espectro de la serie: g c (!)=[# c HP (!; )] g x (!) (6.) dondeg c (!) es el espectro del ciclo, yg x (!) es el espectro de la serie. Calculando la forma analítica de g c (!) y su máximo para varios procesos estocásticos vamos a ver como este criterio se puede simpli car. En la práctica, la única información necesaria para relacionar los valores de yla longitud de los ciclos va a ser el orden de integración de la serie. Los ejemplos que presento son relevantes para ver cómo funciona y cómo se puede simpli car el criterio del máximo aunque no incluyen la totalidad de procesos. Concretamente voy a distinguir procesos integrados de orden uno y dos con medias móviles de hasta orden dos. No obstante, las conclusiones se re eren a un conjunto más amplio de procesos que incluyen autorregresivos 7 y medias móviles de mayor longitud sobre los que también se ha trabajado aunque no se presentenresultados. Al igual que con el criterio / para hallar las equivalencias necesitamos relaciones del tipo =h(! max ) y! max =g( ) de forma que, dado i;i;j:. La frecuencia asociada al máximo se calcula como! max i =g( i):. La frecuencia en términos de la periodicidadj es:! max j = i j!max i : 3. Por último, j=h(! max j ): 6. Procesos integrados de ordenuno 6.. Paseo aleatorio Seax t un paseo aleatorio: 7 Este hecho es lógico teniendo en cuenta que los procesos autoregresivos (estacionarios) siempre se pueden expresar como medias móviles de orden su entemente largo. 3

16 ( B)x t =a t a t»r:b:(;¾ a ) (6.) donder:b:= ruido blanco, con espectro: g x (!)= [ cos(!)] El espectro del ciclo, aplicando (6.) es: (6.3) g c (!)= 8 [ cos(!)] 3 f+4 [ cos(!)] g ¾ a (6.4) y de la maximización de esta función respecto a!se obtiene: =h(!)= 3 4[ cos(!)] (6.5) 8 s 9 < 3 =!=g( )=arcos : 4 ; (6.6) El grá co 5 muestra el espectro del ciclo del paseo aleatorio para varios valores de. A mayor menor es la frecuencia que maximiza el espectro y mayor el periodo asociado al ciclo. 6.. IMA(,) Seax t un proceso IMA(,): con espectro: ( B)x t =(+µ B)a t a t»r:b:(;¾ a) (6.7) g x (!)= +µ +µ cos(!) [ cos(!)] El espectro del ciclo, aplicando (6.) es: (6.8) 4

17 g c (!)= 8 [ cos(!)] 3 h +µ f+4 [ cos(!)] g +µ cos(!) i ¾ a (6.9) y de la maximización de esta función respecto a!se obtiene: 3 µ =h(!)= 4[ cos(!)] (+µ ) [ cos(!)] {z } {z } I() MA() 8 v < 9!=g( )=arcos : + µ (+µ ) u t µ = (+µ ) 4 ; (6.) (6.) donde claramente podemos ver las diferencias respecto a las relaciones halladas con el paseo aleatorio. El grá co 6 muestra el espectro del ciclo calculado con = 6 para tres procesos IMA(,) de parámetroµ = :;:; y:6: 6..3 IMA(,) Seax t un IMA(,): con espectro: ( B)x t =(+µ B+µ B )a t a t»r:b:(;¾ a) (6.) g x (!)= +µ +µ cos(!)+µ +µ µ cos(!)+µ cos(!) [ cos(!)] (6.3) El espectro del ciclo, aplicando (6.) es: 8 [ n cos(!)] 3 +µ +µ cos(!)+µ +µ [µ cos(!)+cos(!)] o ¾ a g c (!)= f+4 [ cos(!)] g (6.4) y de la maximización de esta función respecto a!se obtiene: 5

18 = 3 (6.5) 4( cos(!)) {z } I() µ +µ µ +8µ cos(!) f(+µ +µ ) 4µ ( cos(!)) g( cos(!)) {z } MA() En este caso despejar! max de las condiciones de primer orden es difícil por lo que habría que calcularlo numéricamente. El grá co 7 muestra el espectro del ciclo calculado con = 6 para diferentes procesos IMA(,). Observando estas expresiones y los grá cos 5, 6 y 7 nos damos cuenta de que para los procesos I() estudiados, dado un valor de ; la frecuencia que se corresponde con el máximo se mantiene casi constante. Este hecho se mantiene con procesos I() que incluyen parte autorregresiva, de forma que en la práctica el criterio del máximo para procesos I() se puede aproximar utilizando las expresiones (6.5) y (6.6) en los pasos y 3 descritos anteriormente. Además, jándonos enesas relaciones y enla de la ganancia del ltro para el ciclo (.) se puede comprobar que el máximo se encuentra donde la ganancia toma el valor.75 y por tanto podemos decir que el criterio del máximo para procesos I() equivale a un criterio que llamaríamos criterio 3/4 Bajo este criterio el valor anual equivalente al 4=6 es =6:94 que se corresponde con un periodo de 3. trimestres o 7.5 años. Aunque la longitud de los ciclos que indica este criterio es menor que la correspondiente al criterio de /, los valores de equivalentes para periodicidad trimestral y anual son muy parecidos. Para datos mensuales el valor equivalente es =88 que a pesar de diferir cerca de puntos del = 99; da lugar a diferencias entre 6

19 los ciclos que seráninsigni cantes. El grá co 8 muestra cual es la relación entre yel periodo asociado al ciclo de acuerdo a este criterio para procesos I(). Además se ha superpuesto el grá co 4 anterior para hacer notar las diferencias con el criterio /. 6. Procesos integrados de ordendos 6.. I() Seax t un proceso I(): con espectro: ( B) x t =a t a t»r:b:(;¾ a ) (6.6) g x (!)= El espectro del ciclo, aplicando (6.) es: 4[ cos(!)] (6.7) g c (!)= 4 [ cos(!)] f+4 [ cos(!)] g ¾ a (6.8) y de la maximización de esta función respecto a!se obtiene: =h(!)= 4[ cos(!)] (6.9) 8 s 9 <!=g( )=arcos : = 4 ; (6.) El grá co 9 muestra el espectro del ciclo de este proceso para varios valores de. A mayor menor es la frecuencia que maximiza el espectro y mayor es el periodo asociado al ciclo. 7

20 6.. IMA(,) Seax t un IMA(,): con espectro: ( B) x t =(+µ B)a t a t»r:b:(;¾ a) (6.) El espectro del ciclo, aplicando (6.) es: g x (!)= +µ +µ cos(!) 4[ cos(!)] (6.) g c (!)= 4 [ cos(!)] f+4 [ cos(!)] g h +µ +µ cos(!) i ¾ a (6.3) y de la maximización de esta función respecto a!se obtiene: µ =h(!)= 4[ cos(!)] [+µ {z } +µ +µ cos(!)][ cos(!)] {z } I() MA() (6.4) En este caso despejar! max de las condiciones de primer orden es complicado y se tendría que hallar numéricamente. De nuevo podemos ver la diferencia respecto a las relación hallada con el proceso anterior. El grá co muestra el espectro del ciclo calculado con =6 para tres procesos IMA(,) de parámetroµ = :;:; y:6: 6..3 IMA(,) Seax t un IMA(,): ( B) x t =(+µ B+µ B )a t a t»r:b:(;¾ a) (6.5) 8

21 con espectro: g x (!)= +µ +µ cos(!)+µ +µ µ cos(!)+µ cos(!) 4[ cos(!)] (6.6) El espectro del ciclo, aplicando (6.) es: 4 [ n cos(!)] +µ g c (!)= +µ cos(!)+µ +µ [µ cos(!)+cos(!)] o ¾ a f+4 [ cos(!)] g (6.7) y de la maximización de esta función respecto a!se obtiene: = (6.8) 4( cos(!)) {z } I() µ +µ µ +4µ cos(!) f+µ [µ ++cos(!)]+µ [µ +cos(!)(+µ )]g[ cos(!)] {z } MA() Como en el caso anterior! max hay que hallarlo numéricamente a partir de las condiciones de primer orden. Con las expresiones anteriores y los grá cos 9, y vemos como a lo largo de los procesos I() estudiados la frecuencia correspondiente al máximo del espectro del ciclo se mantiene aproximadamente constante. Este hecho se generaliza a otros procesos I() que incluyen parte autorregresiva y por eso en la práctica podemos utilizar las expresiones (6.9) y (6.) para los procesos I(). Además, estas expresiones coinciden con las del criterio /, lo que nos permite concluir que para los procesos I() las relaciones obtenidas conambos criterios sonlas mismas. En resumen, para hallar el equivalente hay que seguir estos pasos. Dado i;i;j: 9

22 . La frecuencia asociada al máximo se calcula como! max i =g( i):. La frecuencia en términos de la periodicidadj es:! max j = i j!max i : 3. Por último, j=h(! max j ): Las relaciones entre! y se pueden simpli car a dos casos. Para pocesos I() son aquellas que se obtienen igualando la ganancia del ltro para ciclo a 3/4, es decir, las expresiones (6.9) y (6.). Para procesos I() son las mismas que las del criterio /, es decir, las expresiones (6.5) y (6.6) 8. Para aquellos procesos cercanos a ambos ordenes de integración hay que decidir el orden de integración para utilizar unas expresiones u otras y en cualquier caso siempre se podrá calcular el espectro del ciclo y la frecuencia correspondiente a su máximo para realizar los cálculos de forma exacta. Tras este análisis podemos concluir que ambos criterios son muy parecidos y en algunos casos idénticos. Lo hemos comprobado al calcular el valor para datos anuales y mensuales equivalente al 6 trimestral, y ahora lo veremos sobre algunos ejemplos más concretos. Esto me permite hacer una recomendaciónpráctica: utilizar las relaciones derivadas del criterio / para hallar los valores de equivalentes. Como veremos a continuación este criterio funciona satisfactoriamente. 7 Validez de las equivalencias al calcular el ciclo de una serie sobre datos de diferente periodicidad En este apartado voy a ilustrar como funcionan las equivalencias recomendadas anteriormente frente a las que se emplean en la práctica. Comenzamos 8 La agregación de procesos mantiene el orden de integración (Wei-Stram (986)) si no fuera así habría que utilizar con un poco más de cuidado las expresiones.

23 con unos procesos simulados y después emplearemos algunas series económicas. La forma de proceder es la siguiente 9 : tenemos una serie expresada en dos periodicidades diferentes i y j (i > j) y calculo el ciclo para el mayor nivel de agregación de forma directa e indirecta. La forma directa consiste en aplicar HP con j sobre los datos de menor frecuencia. Este valor j se asocia a una longitud determinada de los ciclos y tendrá un valor equivalente i asociado a la periodicidadi. La forma indirecta consiste en agregar el ciclo que obtenemos tras aplicar HP con i a los datos de mayor frecuencia. La comparación de los ciclos directo e indirecto nos informará sobre la equivalencia del ltro HP al aplicarlo a datos de diferente periodicidad. Si los ciclos comparados resultan ser similares sabremos qué valores de hay que utilizar en función de la periodicidad. Si por el contrario los ciclos di eren, entonces su comparación nos indicará, o bien que hemos hecho una mala elección del valor i equivalente, o bien en qué medida la agregación temporal a afectado a las características cíclicas de la serie en cuestión. Para facilitar la exposiciónparto del valor convencional =6 como eje principal del análisis y estudio ciclos con periodicidades mensuales, trimestrales y anuales. Me centro envarios procesos que me parecen signi cativos, estos son, IMA(,) trimestral, IMA(,) trimestral, líneas aéreas mensual, y líneas aéreas trimestral. Por último se diferencia entre la agregación temporal propiamente dicha (suma no solapada de datos) y muestreo sistemático (para variables stock). Con la agregación temporal veremos como una elección adecuada de permite obtener ciclos equivalentes sobre datos de diferente periodicidad. Sin embargo con la agregación por muestreo sistemático se produce una pequeña distorsión en la señal del ciclo como consecuencia 9 Ver el esquema, que ilustra el caso trimestral-anual.

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

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

Más detalles

Corrección de efectos de calendario y la extracción de señales de los indicadores coyunturales en Eustat

Corrección de efectos de calendario y la extracción de señales de los indicadores coyunturales en Eustat Corrección de efectos de calendario y la extracción de señales de los indicadores coyunturales en Eustat La metodología utilizada en EUSTAT para la corrección de los efectos de calendario y la desestacionalización

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

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

GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias

GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 2011/12 GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias Bibliografía apartados : Greene, 8.2 A.F.Gallastegui:

Más detalles

El tipo de interés o cial del BCE y la Regla de Taylor

El tipo de interés o cial del BCE y la Regla de Taylor El tipo de interés o cial del BCE y la Regla de Taylor José Luis Torres Chacón (Universidad de Málaga) Documento de Análisis /008 Analistas Económicos de Andalucía Resumen: La regla de Taylor constituye

Más detalles

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

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

Más detalles

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

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST

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

Más detalles

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

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

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

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control. ESTUDIOS DE CAPACIDAD POTENCIAL DE CALIDAD 1.- INTRODUCCIÓN Este documento proporciona las pautas para la realización e interpretación de una de las herramientas fundamentales para el control y la planificación

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

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

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

Más detalles

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

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

Notas Económicas Regionales

Notas Económicas Regionales El X-13 ARIMA- como método de desestacionalización 1. Introducción Sandra Hernández 1 shernandez@secmca.org En el análisis económico de variables mensuales y trimestrales es frecuente el uso de técnicas

Más detalles

PDF created with pdffactory Pro trial version www.pdffactory.com

PDF created with pdffactory Pro trial version www.pdffactory.com Universidad de Los Andes Facultad de Humanidades y Educación Escuela de Educación Departamento de Educación Física Cátedra Didáctica de la Educación Física RESUMEN DE LA TAXONOMIA DE LOS OBJETIVOS DE LA

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

VARIACIONES SISTEMÁTICAS DEL VOLUMEN DE NEGOCIACIÓN EN EL IBEX-35

VARIACIONES SISTEMÁTICAS DEL VOLUMEN DE NEGOCIACIÓN EN EL IBEX-35 VARIACIONES SISTEMÁTICAS DEL VOLUMEN DE NEGOCIACIÓN EN EL IBEX-35 Jesús Mª Sánchez Montero Departamento de Economía Aplicada I Universidad de Sevilla jsmonter@us.es Javier Gamero Rojas (jgam@jet.es) Departamento

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

Métodos y Diseños utilizados en Psicología

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

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

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

Más detalles

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

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

Más detalles

Introducción. Estadística 1. 1. Introducción

Introducción. Estadística 1. 1. Introducción 1 1. Introducción Introducción En este tema trataremos de los conceptos básicos de la estadística, también aprenderemos a realizar las representaciones gráficas y a analizarlas. La estadística estudia

Más detalles

Series de Tiempo. Series de Tiempo

Series de Tiempo. Series de Tiempo Series de Tiempo 1. Requisitos de Estadística Descriptiva: a. Media, Mediana b. Desviación estándar c. Regresión lineal 2. Qué es una serie de tiempo a. Componentes de la Serie de Tiempo (tipos de variación):

Más detalles

NORMA INTERNACIONAL DE AUDITORÍA 530 MUESTREO DE AUDITORÍA

NORMA INTERNACIONAL DE AUDITORÍA 530 MUESTREO DE AUDITORÍA NORMA INTERNACIONAL DE AUDITORÍA 530 MUESTREO DE AUDITORÍA (NIA-ES 530) (adaptada para su aplicación en España mediante Resolución del Instituto de Contabilidad y Auditoría de Cuentas, de 15 de octubre

Más detalles

EL DISEÑO FACTORIAL COMPLETO 2 k

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

Más detalles

3. LA DFT Y FFT PARA EL ANÁLISIS FRECUENCIAL. Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e

3. LA DFT Y FFT PARA EL ANÁLISIS FRECUENCIAL. Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e 3. LA DFT Y FFT PARA EL AÁLISIS FRECUECIAL Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e invariantes en el tiempo), es la transformada de Fourier. Esta representación

Más detalles

EL FILTRO BAXTER-KING, METODOLOGÍA Y APLICACIONES

EL FILTRO BAXTER-KING, METODOLOGÍA Y APLICACIONES BANCO CENTRAL DE COSTA RICA DIVISIÓN ECONÓMICA DEPARTAMENTO DE INVESTIGACIONES ECONÓMICAS DIE-NT-01-2000 MARZO, 2000 EL FILTRO BAXTER-KING, METODOLOGÍA Y APLICACIONES Elaborado por: Melania Flores Pizarro

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. GRÁAFICOS DE CONTROL POR VARIABLES 1.- INTRODUCCIÓN Este documento describe la secuencia de construcción y las pautas de utilización de una de las herramientas más potentes para el control de procesos,

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

INDICE MENSUAL DE ACTIVIDAD ECONÓMICA

INDICE MENSUAL DE ACTIVIDAD ECONÓMICA Metodología INDICE MENSUAL DE ACTIVIDAD ECONÓMICA El Consejo Monetario Centroamericano (CMCA), desde finales de la década del 80 ha estado trabajando con los Bancos Centrales de la Región Centroamericana

Más detalles

Series de Tiempo. Germán Aneiros Pérez. Máster en Técnicas Estadísticas Curso 2008-09. Departamento de Matemáticas Universidade da Coruña

Series de Tiempo. Germán Aneiros Pérez. Máster en Técnicas Estadísticas Curso 2008-09. Departamento de Matemáticas Universidade da Coruña Departamento de Matemáticas Universidade da Coruña Máster en Técnicas Estadísticas Curso 2008-09 Bibliografía Índices Bibliografía Tema 1: Análisis descriptivo de una tiempo Tema 2: Series de tiempo y

Más detalles

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

Segmentación Recursiva de Proyectos Software para la Estimación del Esfuerzo de Desarrollo Software

Segmentación Recursiva de Proyectos Software para la Estimación del Esfuerzo de Desarrollo Software Segmentación Recursiva de Proyectos Software para la Estimación del Esfuerzo de Desarrollo Software J. Cuadrado Gallego 1, Miguel Ángel Sicilia 1, Miguel Garre Rubio 1 1 Dpto de Ciencias de la Computación,

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

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

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

Más detalles

Proyecto de Innovación Docente: Guía multimedia para la elaboración de un modelo econométrico.

Proyecto de Innovación Docente: Guía multimedia para la elaboración de un modelo econométrico. 1 Primeros pasos en R. Al iniciarse R (ver Figura 16), R espera la entrada de órdenes y presenta un símbolo para indicarlo. El símbolo asignado, como puede observarse al final, es > Figura 16. Pantalla

Más detalles

Estimación del ciclo económico mediante filtros de Butterworth 1

Estimación del ciclo económico mediante filtros de Butterworth 1 Boletín Trimestral de Coyuntura nº 87 Marzo 003 Estimación del ciclo económico mediante filtros de Butterworth 1 Juan Bógalo Enrique M. Quilis S.G. Cuentas Nacionales Instituto Nacional de Estadística

Más detalles

Vectores Autorregresivos (VAR)

Vectores Autorregresivos (VAR) Vectores Autorregresivos (VAR) 1 Procesos estocasticos multivariados Y t = [Y 1t, Y 2t,, Y Nt ], t = 1, 2,..., T Estamos interesados en el comportamiento temporal de N variables simultaneamente. E(Y t

Más detalles

V. Un Modelo Simple de Crecimiento Neoclásico de Equilibrio General

V. Un Modelo Simple de Crecimiento Neoclásico de Equilibrio General Analistas Económicos de Andalucía V. Un Modelo Simple de Crecimiento Neoclásico de Equilibrio General Los ejercicios de contabilidad del crecimiento realizados en los epígrafes anteriores resultan muy

Más detalles

Usamos que f( p) = q y que, por tanto, g( q) = g(f( p)) = h( p) para simplificar esta expresión:

Usamos que f( p) = q y que, por tanto, g( q) = g(f( p)) = h( p) para simplificar esta expresión: Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 2004-2005 Propiedades de las funciones diferenciables. 1. Regla de la cadena Después de la generalización que hemos

Más detalles

EL FILTRO DE KALMAN. Resumen

EL FILTRO DE KALMAN. Resumen EL FILTRO DE KALMAN Carlos Pillajo Universidad Politécnica Salesiana - Ecuador cpillajo@ups.edu.ec Javier E. Sierra Universidad Pontificia Bolivariana Colombia javier.sierra@upb.edu.co Resumen El filtro

Más detalles

Estimación mensual del PIB

Estimación mensual del PIB Eustat, Área de Estadísticas Económicas Donostia 1 Vitoria-Gasteiz, España jj_aramburu@eustat.es, Marivi-Garcia@eustat.es, Haritz.Olaeta@eustat.es Marta_Salvador@eustat.es Resumen: En los últimos años

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

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

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

Más detalles

ORGANIZACIÓN INDUSTRIAL (16691-ECO) PARTE II: MODELOS DE COMPETENCIA IMPERFECTA TEMA 3: EL OLIGOPOLIO Y LA COMPETENCIA MONOPOLÍSTICA

ORGANIZACIÓN INDUSTRIAL (16691-ECO) PARTE II: MODELOS DE COMPETENCIA IMPERFECTA TEMA 3: EL OLIGOPOLIO Y LA COMPETENCIA MONOPOLÍSTICA ORGANIZACIÓN INDUSTRIAL (16691-ECO) PARTE II: MODELOS DE COMPETENCIA IMPERFECTA TEMA 3: EL OLIGOPOLIO Y LA COMPETENCIA MONOPOLÍSTICA 3.1 MODELOS CLÁSICOS DE OLIGOPOLIO 3.2 DIFERENCIACIÓN DEL PRODUCTO Y

Más detalles

4. Se considera la función f(x) =. Se pide:

4. Se considera la función f(x) =. Se pide: Propuesta A 1. Queremos realizar una inversión en dos tipos de acciones con las siguientes condiciones: Lo invertido en las acciones de tipo A no puede superar los 10000 euros. Lo invertido en las acciones

Más detalles

CAPÍTULO 6 SIMULACIONES Y RESULTADOS

CAPÍTULO 6 SIMULACIONES Y RESULTADOS CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco

Más detalles

CLASE 0- MÉTODOS DE ALISADO EXPONENCIAL

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

Más detalles

MATEMÁTICAS EMPRESARIALES II:

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

Más detalles

A veces pueden resultar engañosas ya que según el método de cálculo, las rentabilidades pasadas pueden ser diferentes. Un ejemplo:

A veces pueden resultar engañosas ya que según el método de cálculo, las rentabilidades pasadas pueden ser diferentes. Un ejemplo: MÉTODOS DE GESTIÓN DE UNA CARTERA DE VALORES RENTABILIDAD Y VOLATILIDAD RENTABILIDAD La rentabilidad de un activo es la suma de las plusvalías generadas y cobradas y los dividendos pagados, es decir puede

Más detalles

Encuesta económica del sector de servicios profesionales y empresariales. Cálculo de Errores de Muestreo.

Encuesta económica del sector de servicios profesionales y empresariales. Cálculo de Errores de Muestreo. Encuesta económica del sector de servicios profesionales y empresariales. Cálculo de Errores de Muestreo. 1 INDICE 1. Introducción...3 2. Breve descripción de la encuesta...3 2.1 Definición...3 2.2 Diseño

Más detalles

Econometría I. Carlos Velasco 1. Universidad Carlos III de Madrid

Econometría I. Carlos Velasco 1. Universidad Carlos III de Madrid Econometría I Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso 2007/08 C Velasco (MEI, UC3M)

Más detalles

Portafolios Eficientes para agentes con perspectiva Pesos

Portafolios Eficientes para agentes con perspectiva Pesos RenMax Sociedad de Bolsa S.A www.renmax.com.uy Publicado Diciembre 2005 Portafolios Eficientes para agentes con perspectiva Pesos Este artículo muestra que para un agente residente en Uruguay que consume

Más detalles

MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL

MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL INTRODUCCIÓN En este módulo se continúa con el estudio de las distribuciones de probabilidad, examinando una distribución de probabilidad continua muy importante:

Más detalles

UNIDAD 3: ARITMÉTICA DEL COMPUTADOR

UNIDAD 3: ARITMÉTICA DEL COMPUTADOR UNIDAD 3: ARITMÉTICA DEL COMPUTADOR Señor estudiante, es un gusto iniciar nuevamente con usted el desarrollo de esta tercera unidad. En esta ocasión, haremos una explicación más detallada de la representación

Más detalles

Traducción: Tobin s Marginal Q and Average Q: A Neoclassical Interpretation 1 (Fumio Hayashi, 1982. Econométrica. Vol. 50.)

Traducción: Tobin s Marginal Q and Average Q: A Neoclassical Interpretation 1 (Fumio Hayashi, 1982. Econométrica. Vol. 50.) Traducción: Tobin s Marginal Q and Average Q: A Neoclassical Interpretation 1 (Fumio Hayashi, 1982. Econométrica. Vol. 50.) I. Introducción En la última década y media, la literatura sobre inversión ha

Más detalles

Funciones lineales. Objetivos. Antes de empezar. 1.Función de proporcionalidad directa pág. 170 Definición Representación gráfica

Funciones lineales. Objetivos. Antes de empezar. 1.Función de proporcionalidad directa pág. 170 Definición Representación gráfica 10 Funciones lineales Objetivos En esta quincena aprenderás a: Identificar problemas en los que intervienen magnitudes directamente proporcionales. Calcular la función que relaciona a esas magnitudes a

Más detalles

Curso de Matemáticas Financieras. AulaFacil.com. Valor temporal del dinero

Curso de Matemáticas Financieras. AulaFacil.com. Valor temporal del dinero 2ª CLASE Capitalización Simple 3ª CLASE Capitalización Simple: Ejercicios 4ª CLASE Capitalización Compuesta 5ª CLASE Capitalización Compuesta Lección 1 Lección 2 Lección 3 Lección 4 Lección 5 Lección 6

Más detalles

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. DIAGRAMA DE RELACIONES 1.- INTRODUCCIÓN Este documento describe los pasos del proceso de construcción e interpretación de una de las herramientas más potentes para el análisis de problemas y situaciones

Más detalles

UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS

UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS Wilson Mayorga M. Director de Cámara de Vida y Personas y Actuaría Con base en modelos de regresión que explican la evolución de las

Más detalles

Tema 7: Juegos con información incompleta

Tema 7: Juegos con información incompleta Tema 7: Juegos con información incompleta Microeconomía Avanzada II Iñigo Iturbe-Ormaeche U. de Alicante 2008-09 Modelo de Spence Introducción y ejemplos Equilibrio Bayesiano de Nash Aplicaciones Señales

Más detalles

Indicadores matemáticos para el análisis técnico de precios

Indicadores matemáticos para el análisis técnico de precios ANÁLISIS TÉCNICO DE PRECIOS Nota técnica Joaquín Arias Segura Ph.D i Especialista Regional en Políticas y Negociaciones Comerciales para la Región Andina Instituto Interamericano de Cooperación para la

Más detalles

MÓDULO 2. LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO SIMPLE

MÓDULO 2. LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO SIMPLE MÓDULO 2. LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO SIMPLE Índice de contenidos: 1. Ley Financiera de capitalización a interés vencido. 1.1. Equivalencia de capitales. 1.2. Tipos de interés equivalentes.

Más detalles

Programación Lineal Entera

Programación Lineal Entera Programación Lineal Entera P.M. Mateo y David Lahoz 2 de julio de 2009 En este tema se presenta un tipo de problemas formalmente similares a los problemas de programación lineal, ya que en su descripción

Más detalles

Introducción a la Estadística con Excel

Introducción a la Estadística con Excel Introducción a la Estadística con Excel En el siguiente guión vamos a introducir el software Excel 2007 y la manera de trabajar con Estadística Descriptiva. Cargar o importar datos En Excel 2007 podemos

Más detalles

Análisis de los Municipios Turísticos de Andalucía

Análisis de los Municipios Turísticos de Andalucía Análisis de los Municipios Turísticos de Andalucía UNIVERSIDAD DE MÁLAGA DPTO. ECONOMÍA APLICADA-POLÍTICA ECONÓMICA Febrero, 2004 EQUIPO DE TRABAJO: Pedro Raya Mellado. Profesor Titular de Economía Aplicada.

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

Capítulo 6. Modificar archivos de datos. Ordenar casos

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

Más detalles

1. Cambios de base en R n.

1. Cambios de base en R n. er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..

Más detalles

EXPERIMENTACIÓN. Eduardo Jiménez Marqués

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

Más detalles

UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN DESCUENTO

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

Más detalles

Siguiendo a Hall (1997), existe una economía en la cual hay hogares que valoran el consumo y el ocio de acuerdo a la función de utilidad siguiente

Siguiendo a Hall (1997), existe una economía en la cual hay hogares que valoran el consumo y el ocio de acuerdo a la función de utilidad siguiente Tarea 3 Macroeconomía II (IN-759) Magister en Economía Aplicada MAGCEA Segundo Semestre 2009 Profesor: Benjamín Villena R. Fecha Inicio: Jueves 10 de Septiembre de 2009 Fecha Entrega: Martes 29 de Septiembre

Más detalles

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

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

Más detalles

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

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

Más detalles

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

1. Juegos de suma cero con dos jugadores

1. Juegos de suma cero con dos jugadores Teoría de juegos Jesús López Fidalgo Esta teoría está íntimamente relacionada con la teoría de la decisión. Lo que diferencia una de otra es el rival contra el que se entra en juego. En la teoría de la

Más detalles

Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez

Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez Curso de Análisis de investigaciones con programas Informáticos 1 UNIVERSIDAD DE JAÉN Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos

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

Efectos de las técnicas de filtrado en la evaluación de un modelo de ciclos económicos reales

Efectos de las técnicas de filtrado en la evaluación de un modelo de ciclos económicos reales Lecturas de Economía, 7 (julio-diciembre), pp. 43-76. Universidad de Antioquia 29. Efectos de las técnicas de filtrado en la evaluación de un modelo de ciclos económicos reales Fredy Vásquez y Sergio Restrepo

Más detalles

NUEVAS ESTRATEGIAS EN CONTROL DE LA VARIABILIDAD DE PROCESOS

NUEVAS ESTRATEGIAS EN CONTROL DE LA VARIABILIDAD DE PROCESOS Decimonovenas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística. Noviembre de 014. Lignini, Maira Barbiero, Cristina Flury, Maria Isabel Quaglino, Marta Instituto de Investigaciones

Más detalles

MANUAL OPCIONES FUTUROS

MANUAL OPCIONES FUTUROS MANUAL DE OPCIONES Y FUTUROS Segunda Edición 4 LA VOLATILIDAD 4.1. Qué es la volatilidad? 4.2. Información y volatilidad 4.3. La volatilidad como medida de probabilidad 4.4. Tipos de volatilidad 4.5. Sensibilidades

Más detalles

Unidad 4: Vectores. 4.1 Introducción. 4.2 Vectores: enfoque geométrico

Unidad 4: Vectores. 4.1 Introducción. 4.2 Vectores: enfoque geométrico Unidad 4: Vectores 4.1 Introducción En este capítulo daremos el concepto de vector, el cual es una herramienta fundamental tanto para la física como para la matemática. La historia de los vectores se remonta

Más detalles

Ecuaciones de primer grado con dos incógnitas

Ecuaciones de primer grado con dos incógnitas Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad

Más detalles

INDICADORES DE DIFUSIÓN PARA LAS COMUNIDADES AUTÓNOMAS DE GALICIA Y MADRID 1

INDICADORES DE DIFUSIÓN PARA LAS COMUNIDADES AUTÓNOMAS DE GALICIA Y MADRID 1 INDICADORES DE DIFUSIÓN PARA LAS COMUNIDADES AUTÓNOMAS DE GALICIA Y MADRID Rocio Alburquerque Univ. de Murcia rar@alu.um.es Máximo Camacho Univ. de Murcia mcamacho@um.es Israel Sancho Univ. de Murcia israelsp@um.es

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. DIAGRAMA DE PARETO 1.- INTRODUCCIÓN Este documento sirve de guía para la utilización de los Diagramas de Pareto en aquellas situaciones en que se requiere resaltar la diferente importancia de los factores

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones

EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones Ricard Boqué, Alicia Maroto Grupo de Quimiometría y Cualimetría. Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005Tarragona

Más detalles

Master en Gestión de la Calidad

Master en Gestión de la Calidad Master en Gestión de la Calidad E U R O P E A N Q U A L I T Y 15. Las nuevas 7 herramientas 1 / 11 M7: Las siete nuevas herramientas En los años setenta la JUSE (Japanese Union of Scientist and Engineers)

Más detalles

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

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

Más detalles

Universidad de la Frontera

Universidad de la Frontera Universidad de la Frontera Facultad de Ingeniería, Ciencias y Admistración Departamento de Matemática Actividad Didáctica: El Abaco TALLER # 2 - Sistema Decimal El ábaco es uno de los recursos más antiguos

Más detalles

REGULAR EL STOCK Gem3 v1.1.1392 Fecha: 13-8-2007 Versión Doc.: 1.0.3

REGULAR EL STOCK Gem3 v1.1.1392 Fecha: 13-8-2007 Versión Doc.: 1.0.3 REGULAR EL STOCK Gem3 v1.1.1392 Fecha: 13-8-2007 Versión Doc.: 1.0.3 1.- Conceptos Generales 2.- Primeros pasos 3.- Contar los artículos de mi almacén o 3.1.- División del almacén o 3.2.- Una Primera regulación

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

ANALISIS DE LA RESPUESTA EN FRECUENCIA

ANALISIS DE LA RESPUESTA EN FRECUENCIA ANALISIS DE LA RESPESA EN FRECENCIA Marco Antonio Pérez Cisneros *, Elke Laubwald + y Mark Readman + * División de Electrónica y Computación, CCEI, niversidad de Guadalajara, México. + Consultores Control

Más detalles

Manual de términos. Módulo de Análisis Técnico

Manual de términos. Módulo de Análisis Técnico Manual de términos Módulo de Análisis Técnico Disclaimer La información recogida en esta presentación ha sido elaborada por la Bolsa de Valores de Colombia (BVC) y tiene como objetivo ofrecer a los lectores

Más detalles

- se puede formular de la siguiente forma:

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

Más detalles

ESTRATEGIAS DE CÁLCULO MENTAL

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

Más detalles

Unidad Predicción Económica UNED INFORME SOBRE INDICADORES CÍCLICOS DE LA ECONOMIA ESPAÑOLA

Unidad Predicción Económica UNED INFORME SOBRE INDICADORES CÍCLICOS DE LA ECONOMIA ESPAÑOLA Nº 1 INFORME SOBRE INDICADORES CÍCLICOS DE LA ECONOMIA ESPAÑOLA UNED Unidad Predicción Económica Dirección: D. Nelson J. Álvarez. Catedrático de Economía Aplicada de la UNED Nº 1 Director Nelson J. Álvarez.

Más detalles

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 Verón, Juan Antonio* ; Herrera, Carlos Gabriel*; Rodríguez, Norma Leonor** * Facultad de Tecnología y Ciencias Aplicada de la UNCa.

Más detalles