Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio

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

Download "Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio"

Transcripción

1 Método de sevaraza y varaza para la seleccó de u portaolo ópto Sevarace ad varace ethod or selectg a optal portolo Lzbeth María de Jesús Urbe, Mguel Ágel Martíez Daá, Gustavo aírez Valverde ESUMEN E los años 70 surge el étodo de la sevaraza coo solucó alteratva al étodo de la varaza para la adstracó del resgo e portaolos de versó descrta por Markowtz. Los estadores propuestos para el étodo de la sevaraza para la seleccó de portaolos y proporcoes óptas se reduce a cosderar dos actvos. E la presete vestgacó se eplea u estador para la cosevaraza de u portaolo copuesto por cuatro actvos, plateado coo hpótess que el odelo básco de eda-sevaraza aplcado e la eleccó de u portaolo de versó seleccoa deretes proporcoes. La coclusó dervada del aálss es que el étodo de la sevaraza dstrbuye el resgo etre los actvos que copoe el portaolo de versó al cabar la tasa lbre de resgo. Palabras clave: resgo, redeto poderado de ercado y tasa lbre de resgo SUMMAY I the 970s the sevarace ethod arose as a alteratve to the varace ethod or rsk aageet vestet portolos descrbed by Markowtz. The estators proposed or the sevarace ethod or selectg portolos ad optal proportos are lted to cosderg two assets. I ths paper, a cosevarace or a portolo ade up o 4 assets s proposed, presetg as a hypothess that the basc odel o ea-sevarace appled to the selecto o a vestet portolo selects deret proportos. The cocluso derved ro the aalyss s that the se-varace ethod spreads out the rsk aog the assets that ake up the vestet portolo upo chagg the rsk-ree rate. Keywords: rsk, arket-value weghted perorace, ad rsk-ree rate o retur Colego de Postgraduados, Capus Motecllo. Ecooía. Carretera Méxco-Texcoco, K C.P Motecllo. Texcoco, Estado de Méxco. Fax: 0(595) lurbe@colpos.x, agel0@colpos.x, grarez@colpos.x. VOL. 2, NÚM., ENEO-JUNIO,

2 Lzbeth María de Jesús Urbe, et al. EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. INTODUCCIÓN E la deteracó de los actvos que copoe u portaolo ópto bajo certdubre, la solucó tradcoal propuesta por Markowtz se basa e zar la varaza del portaolo para u redeto (Natell y Prce, 979). El étodo cosdera la coducta racoal del versor, cosstete e buscar aquella coposcó de la cartera que haga áxa la retabldad para u deterado vel de resgo, o be, ío el resgo para ua retabldad dada. Segú Collatt (2002), el odelo de Markowtz parte de las sguetes hpótess: ) La retabldad de cualquer título o cartera es ua varable aleatora cuya dstrbucó de probabldad para el período de reereca es coocda por el versor. Se acepta coo edda de retabldad de la versó la eda o esperaza ateátca de dcha varable aleatora. 2) Se acepta coo edda del resgo la dspersó edda por la varaza o la desvacó estádar alrededor de la eda de la varable aleatora que descrbe la retabldad, ya sea de u valor dvdual o de ua cartera. 3) El versor elegrá aquellas carteras co ua ayor retabldad y eor resgo. La retabldad esperada puede edrse a través de ua edda estadístca: eda o esperaza ateátca. La retabldad eda de ua cartera o portaolo es gual a u proedo poderado de los redetos esperados para los valores que coprede la cartera: E ( p ) = we() + w2e(2) + w3e(3) we( ) Dode: es el redeto del portaolo de versó, w es p la proporcó que se verte e el actvo toado valores 0 w y es el redeto del actvo ; =, VOL. 2, NÚM., ENEO-JUNIO, 2009.

3 EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. Método de sevaraza y varaza para la seleccó de u portaolo ópto La varaza del portaolo coo edda del resgo se esta a través de: Cuado =j, 2 p δ = w = j= wδ j j δ j es la varaza de cada uo de los actvos del portaolo, y cuado j, δ j se trata de la covaraza del actvo co el actvo j (Avlés, Gozález y Martíez, 2006). Toar ua edda coo la varaza para la edcó de la certdubre plca que las varacoes postvas y las egatvas se toa e cosderacó para calcular dcha certdubre. S ebargo, para el toador de decsoes ua varacó postva o lasta su greso, por lo cual o cotrbuye para ua ora perjudcal del greso certo. E la presete vestgacó se aplca sólo las varacoes egatvas coo edda de certdubre (Natell y Prce, 979); tal es el caso de la sevaraza que para u puto h derete de la eda 2 se dee coo: sv ( ) = h p h 2 ( h)()d p Dode el puto h es la tasa objetvo lbre de resgo (Natell y Prce, 979). E la decó de la sevaraza sólo se toa las desvacoes por debajo del puto h. E la presete vestgacó se reporta las solucoes obtedas del étodo de la sevaraza y varaza para la adstracó del resgo de portaolos de versó oretados haca el sector agrícola toado coo base dos portaolos copuestos por cuatro productos agrícolas: ) arroz, aíz, algodó y soya; 2) pña, rjol, trgo y chle verde. E el prero se propoe ua sere hstórca de precos de 2 y 30 observacoes partedo de 975 y, e el segudo, 30, tabé desde Tasa que cuado h es gual a la eda y la dstrbucó es sétrca, la sevaraza coo edda de resgo equvale a la varaza (Natell y Prce, 979). VOL. 2, NÚM., ENEO-JUNIO,

4 Lzbeth María de Jesús Urbe, et al. EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. Para hacer epírco este étodo es ecesaro propoer u estador para la cosevaraza de u portaolo resgoso copuesto por ás de dos actvos y así obteer ua solucó derete al étodo tradcoal de Markowtz. Por tato, el objetvo de la vestgacó es obteer la solucó correspodete al étodo de la sevaraza y de la varaza para la adstracó del resgo e u portaolo de versó aplcado al sector agrícola e tres escearos. La hpótess es que el odelo básco de eda-sevaraza aplcado e la eleccó de u portaolo de versó seleccoa deretes proporcoes co dsttos redetos poderados para el portaolo de ercado basado e los deretes escearos cosderados. MATEIALES Y MÉTODOS Se eplearo tres seres hstórcas de precos cadas e 975 para 43 productos agrícolas de los cuales se seleccoaro dos portaolos: ) arroz, aíz, algodó y soya; 2) pña, rjol, trgo y chle verde. La razó para estudar estos productos es que posee coecetes de correlacó postvos y egatvos etre los actvos de cada portaolo. Los precos so actualzados co base e la seguda qucea de juo Se toó la tasa de CETTES a 28 d e téros reales coo redeto lbre de resgo (). Los cálculos estadístcos y ateátcos se realzaro co SAS SYSTEM 9. y MICOSOFT EXCEL Los supuestos 3 de la teoría de la eda-sevaraza so que los versostas (Natell y Prce, 979): ) Maxza su utldad 2) Tee ucó de utldad hoogéea e cuato a las gaacas del actvo dspoble 3) Puede toar o pedr prestado ua tasa exógea que detere ua edda lbre de resgo 06 3 Estos cuatro supuestos se adcoa a los descrtos e la hpótess del odelo de Markowtz. VOL. 2, NÚM., ENEO-JUNIO, 2009.

5 EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. Método de sevaraza y varaza para la seleccó de u portaolo ópto 4) So adversos al resgo para todas las gaacas por debajo de h y eutrales al resgo para todas las gaacas por eca de. De acuerdo co Natell y Prce (979), e el odelo básco de portaolo eda-sevaraza el valor del portaolo de ercado se calcula coo sgue: = = = w + w + w w 2 2 dode w ; = redeto poderado del portaolo de ercado, w = la partcpacó vertda e cada ua de las actvdades y 0 w. El redeto esperado de u portaolo resgoso es: E( ) = we() + w2e(2) we() 3 3 La sevaraza de u portaolo resgoso dedo por Natell y Prce (979) es el sguete: Dode sv ( ) = = w csv (, ) sv es la sevaraza de u portaolo resgoso y cosevaraza del portaolo. De la sa aera se dee la cosevaraza: csv es la CSV + = ( )( )(, )d d dode es la tasa de retoro lbre de resgo, ( ) la ucó de desdad de probabldad de los retoros del actvo y retoros del portaolo de ercado. los VOL. 2, NÚM., ENEO-JUNIO,

6 Lzbeth María de Jesús Urbe, et al. EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. El problea a optzar se expresaría coo sgue: M = wsv ( s.a. w = = = w = ) ESULTADOS Y DISCUSIÓN Eulado u estador de oetos y s coproeter las propedades teórcas se propoe coo estador de la cosevaraza a: csv = ( ) ( )( )I = Dode I es ua dcadora que toa valores de cuado y valores de cero cuado. La cosevaraza de la catdad de resgo del actvo e el portaolo de ercado (). Para u portaolo de actvdades la sevaraza del portaolo se esta por: sv ( ) = = w csv No ue posble producr ua solucó aalítca, por lo que se preseta ua solucó uérca cosderado 287 valores posbles para los w y así calcular el redeto del portaolo de ercado. Coo resultado de los cálculos estadístcos y ateátcos, la sevaraza ía del portaolo P es y la varaza ía para el so portaolo es El redeto poderado del portaolo 08 VOL. 2, NÚM., ENEO-JUNIO, 2009.

7 EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. Método de sevaraza y varaza para la seleccó de u portaolo ópto ópto co el étodo de la sevaraza e la alteratva P es 5.%, es decr, por cada 00 pesos que el versor da al portaolo ópto obtee ua gaaca de 5. pesos (Cuadro ). Los valores íos de la sevaraza y de la varaza za el resgo de vertr e las alteratvas del portaolo de ercado, s be se debe cosderar que los étodos o so estrctaete coparables. Cuadro. Valores y redeto e % del portaolo bajo el étodo de la varaza y sevaraza Portaolo Sevaraza edeto Varaza edeto P P P Fuete: Elaboracó propa co datos de SAGAPA. P= Arroz, aíz, algodó y soya co 2 observacoes; P2= Arroz, aíz, algodó y soya co 30; P3= Pña, rjol, trgo y chle verde co 30. Al crecer la uestra e la alteratva P2, la sevaraza ía del portaolo se hace cero co u redeto poderado de.4% y para la varaza es co u redeto de -5.90%. Para el portaolo copuesto por pña, rjol, trgo y chle verde (P3) la sevaraza ía es co u redeto de 5.09% y la varaza es 0.08 co u redeto de 9.44%. Las proporcoes óptas que za el resgo bajo el étodo de la sevaraza para P so: 0.0, 0.60, 0.40, y 0.0 para arroz, aíz, algodó y soya. Al crecer la uestra e P2, las proporcoes caba a.00, 0.0, 0.0 y 0.0, e el so orde y para el so portaolo. Esto uestra que al cabar la tasa proedo de redeto del portaolo de ercado, el étodo de la sevaraza asga el total de la versó al actvo que geera ayores redetos ta sólo coo alteratva de versó y o coo respuesta ate ese escearo (Cuadro 2). VOL. 2, NÚM., ENEO-JUNIO,

8 Lzbeth María de Jesús Urbe, et al. EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. Cuadro 2. Proporcoes óptas (W) Método w w2 w3 w4 SV (P) SV (P2) SV (P3) VA(P) VA(P2) VA(P3) Fuete: elaboracó propa co datos de SAGAPA. SV(P)= Arroz, aíz, algodó y soya co 2 observacoes; SV(P2)= Arroz, aíz, algodó y soya co 30; SV(P3)= Pña, rjol, trgo y chle verde co 30; VA(P)= Arroz, aíz, algodó y soya co 2 observacoes; VA(P2)= Arroz, aíz, algodó y soya co 30; VA(P3)= Pña, rjol, trgo y chle verde co 30. Al cabar las alteratvas del portaolo de versó a pña, rjol, trgo y chle verde (P3), el étodo de la sevaraza caba sus asgacoes a 0.30, 0.40, 0.0 y Las proporcoes óptas que za el resgo co el étodo de la varaza para P so 0.0, 0.50, 0.20 y 0.20 para arroz, aíz, algodó y soya. Al crecer la uestra e la alteratva P2, las asgacoes caba a 0.30, 0.70, 0.0 y 0.0 para las sas alteratvas. Para el portaolo copuesto por pña, rjol, trgo y chle verde (P3), las asgacoes plateadas por el étodo de la varaza so 0.0, 0.20, 0.30 y Las proporcoes óptas asgadas bajo abos étodos trae plícta la cocepcó de resgo de versó de cada uo, es decr, el étodo de la sevaraza za el resgo de vertr e el portaolo ópto cosderado la alteratva de vertr e la tasa lbre de resgo, pero el étodo de la varaza se reduce a zar el resgo cosderado coo úco escearo las alteratvas que provee los posbles portaolos de versó. 0 El aálss de sesbldad para el étodo de la sevaraza se platea e dos veles: e el prero, se aueta la tasa lbre de resgo e 0%, y e el segudo, esta tasa se reduce e el so porcetaje. Al auetar la tasa lbre de resgo e 0%, las proporcoes óptas para P caba a 0.0, 0.20, 0.40 y 0.40 para arroz, aíz, algodó y soya; e P2 so.00, 0.0, 0.0 y 0.0; e P3 so 0.0, 0.30, 0.30 y 0.30 para pña, rjol, trgo y chle verde (Cuadro 3). VOL. 2, NÚM., ENEO-JUNIO, 2009.

9 EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. Método de sevaraza y varaza para la seleccó de u portaolo ópto Cuadro 3. Proporcoes óptas para el aálss de sesbldad CETTES +0% Sevaraza w w2 w3 w4 P P P Fuete: elaboracó propa co datos de SAGAPA. P= Arroz, aíz, algodó y soya co 2 observacoes; P2= Arroz, aíz, algodó y soya co 30; P3= Pña, rjol, trgo y chle verde co 30. Al reducr e 0% la tasa lbre de resgo, las proporcoes óptas para P caba a 0.0, 0.0, 0.50 y 0.40 para arroz, aíz, algodó y soya; para P2 so.00, 0.0, 0.0 y 0.0 para el so portaolo; para P3 so 0.0, 0.60, 0.20 y 0.20 para pña, rjol, trgo y chle verde (Cuadro 4). Cuadro 4. Proporcoes óptas para el aálss de sesbldad CETTES -0% Sevaraza w w2 w3 w4 P P P Fuete: elaboracó propa co datos de SAGAPA. P= Arroz, aíz, algodó y soya co 2 observacoes; P2= Arroz, aíz, algodó y soya co 30; P3= Pña, rjol, trgo y chle verde co 30. Estos resultados uestra la sesbldad que el étodo de sevaraza posee al auetar o dsur la tasa lbre de resgo, ostrado la proporcó que debe dsur la tasa lbre de resgo para ser desechada coo alteratva ópta de versó. especto a los redetos dervados del aálss de sesbldad, al auetar e 0% la tasa lbre de resgo para la alteratva P el redeto es 6.55%, para P2.4% y para P3 6.65% (Cuadro 5). VOL. 2, NÚM., ENEO-JUNIO, 2009.

10 Lzbeth María de Jesús Urbe, et al. EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. Al reducr 0% la tasa lbre de resgo, el redeto para P es 3.56%, para P2 es.4% y para P3 es 3.63%. Cuadro 5. edeto para el aálss de sesbldad étodo de la sevaraza edeto CETTES +0% CETTES -0% P P P Fuete: elaboracó propa co datos de SAGAPA. P= Arroz, aíz, algodó y soya co 2 observacoes; P2= Arroz, aíz, algodó y soya co 30; P3= Pña, rjol, trgo y chle verde co 30. CONCLUSIONES El étodo de la sevaraza dstrbuye el resgo etre los actvos que copoe el portaolo de versó cuado la tasa lbre de resgo caba, sedo ésta ua solucó derete a aquélla obteda bajo el étodo de la varaza. Esto se observa co el étodo de la sevaraza al seleccoar deretes actvos y proporcoes ate varacoes e la tasa lbre de resgo, cosderado esta últa coo ua alteratva de versó cuado el redeto de ercado es eor al redeto lbre de resgo, a dereca del étodo de eda-varaza que sugere ateer el portaolo au cuado el redeto esperado es eror al redeto lbre de resgo. 2 VOL. 2, NÚM., ENEO-JUNIO, 2009.

11 EV. MEX. DE EC. AGÍC. Y DE LOS EC. NAT. Método de sevaraza y varaza para la seleccó de u portaolo ópto EFEENCIAS BIBLIOGÁFICAS Avlés C. M., Gozález E. A., y Martíez D. M. A., 2006, Aálss de resgo, portaolos óptos y dverscacó e la agrcultura. Agroceca 40 (3): Collatt M. B., Teoría de carteras. Ivestgacó y desarrollo- Bolsa de coerco de osaro. Octubre Martíez, Garza A Itroduccó al SAS. Statstcal Aálss Syste. Sstea para Aálss Estadístco. Seguda Edcó. Colego de Postgraduados. Cetro de Estadístca y Cálculo. Motecllo, Estado de Méxco. 66 p. Natell T. J. ad Prce B., 979. A aalytcal coparso o varace ad sevarace captal arket theores. J. Fa. Quat. Aal. XLV (2): Secretaría de Agrcultura, Gaadería, Pesca y Aletacó. SIACON Dcebre VOL. 2, NÚM., ENEO-JUNIO,

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca 7 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca Fracsco López

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

Gerardo Pastrana León

Gerardo Pastrana León CONSTRUCCIÓN D FRONTRAS FICINTS D INVRSIÓN Gerardo Pastraa Leó (ste esayo se elaboró utlzado coo bblografía prcpal el lbro Seleccó de Iversoes, de Dogo Jorge Messut, Vctor Adrá Alvarez y Hugo Roao Graff,

Más detalles

1. Propiedades molares y propiedades molares parciales

1. Propiedades molares y propiedades molares parciales erodáca. ea 9 Ssteas abertos y ssteas cerrados de coposcó varable. ropedades olares y propedades olares parcales Ua agtud olar se dee coo: Sepre está asocada a u sstea terodáco de u úco copoete (sstea

Más detalles

DISEÑO ÓPTIMO DE DIAGRAMAS EWMA.

DISEÑO ÓPTIMO DE DIAGRAMAS EWMA. Saber, Uversdad de Orete, Veeuela.Vol. 2. Nº 2: 44-49. (2000) DISEÑO ÓPTIMO DE DIAGRAMAS EWMA. NELSON BRACHO Departaeto de Estadístca Uversdad de Orete. RESUMEN E este artículo se descrbe el esquea de

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal Programacó Matemátca y Software (2009) Vol.. No. ISSN: 2007-3283 Recbdo: 0 de Juo de 2008/Aceptado: 3 de Septembre de 2008 Publcado e líea: 26 de juo de 2009 Seleccó de ua Cartera de Iversó e la Bolsa

Más detalles

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012 Solucó Práctca Evaluable. Olgopolo y Copeteca Moopolístca. 6//0 Cosdere u olgopolo de Courot co epresas que produce u be hoogéeo. La fucó versa de deada es p ) = 0 y todas las epresas tee el so coste argal

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados. Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE. Eva Mª del Pozo García Mª Jesús Segovia Vargas Zuleyka Díaz Martínez

PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE. Eva Mª del Pozo García Mª Jesús Segovia Vargas Zuleyka Díaz Martínez PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE Eva Mª del Pozo García Mª Jesús Segova Vargas Zuleyka Díaz Martíez Departameto de Ecoomía Facera y Cotabldad I Uversdad Complutese

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Teoría de carteras de inversión para la diversificación del riesgo: enfoque clásico y uso de redes neuronales artificiales (RNA)

Teoría de carteras de inversión para la diversificación del riesgo: enfoque clásico y uso de redes neuronales artificiales (RNA) Teoría de carteras de versó para la dversfcacó del resgo: efoque clásco y uso de redes euroales artfcales (RNA) Ivestmet portfolo theory ad rsk dversfcato: classc ad eural etworks methodology D. Cot* y

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Probabldades y stadístca Cotacó Facltad de Cecas actas y Natrales. Uversdad de Beos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó tal La estadístca rovee téccas qe erte obteer coclsoes

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Bolsa Nacional de Valores, S.A. San José, Costa Rica SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

3. Estequiometría. Transformaciones químicas. Andrés s Cedillo, AT

3. Estequiometría. Transformaciones químicas. Andrés s Cedillo, AT Trasforacoes quícas Adrés s Cedllo, AT-50 cedllo@xau.ua.x www.fqt.zt.ua.x/cedllo 3. Estequoetría 3.1. Masa atóca 3.. El cocepto de ol 3.3. Relacoes e fórulas f quícas 3.4. Relacoes e reaccoes quícas Cap.

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

El algoritmo EM para las estimacion de parametros en mezclas gaussianas. Una mezcla de distribuciones con K componentes tiene la forma

El algoritmo EM para las estimacion de parametros en mezclas gaussianas. Una mezcla de distribuciones con K componentes tiene la forma E agorto EM para as estaco de paraetros e ezcas gaussaas Edgar Acua. Ua ezca de dstrbucoes co copoetes tee a ora x π x... π x dode cada copoete es ua ucó de probabdad Posso, Boa, etc o ua uco de desdad

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMENTOS

MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMENTOS Julo Olva Coteo Estadístca TEMA 6 MEDIDA DE FORMA: AIMETRÍA Y CURTOI. MOMETO. Moetos de ua dstbucó Los oetos de ua dstbucó so eddas obtedas a pat de todos sus datos y de sus fecuecas absolutas. Estas eddas

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs.

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs. Boletí Técco Septebre No. Tabla esultados cálculos Núero edcoes Valor áxo Valor ío ago Proedo Desvacó Ídce capacdad l proceso Ídce capacdad l proceso Ídce capacdad aqua Ídce capacdad aqua Fraccó fectva

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal Seleccó de ua Cartera de Iversó e la Bolsa Mecaa de Valores por Medo de u Método de Prograacó Leal José Crspí Zavala-Díaz, Dala Vaey García-Vllagoez, Marco Atoo Cruz-Chavez 2 Facultad de Cotaduría, Adstracó

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

TEMA 4. EQUIVALENCIA FINANCIERA

TEMA 4. EQUIVALENCIA FINANCIERA ADMIISTRAIÓ Y FIAZAS. GRADO SUPERIOR TEMA 4. EQUIVALEIA FIAIERA TEMA 4: EQUIVALEIA FIAIERA. ITRODUIÓ Estas operacoes se da cuado ua persoa quere susttur uo o varos pagos que tee que realzar (PRIMERA SITUAIÓ)

Más detalles

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza El Método de Relajacó Aplcado a Optzacó de Ssteas Dscretos F. Szget, J. Cardllo, J. C. Heet y J. L. Calet Uersdad de Los Ades Departaeto de Ssteas de Cotrol, Mérda Veezela Laboratore d Aalyse et d Archtectre

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

Muestreo por conglomerados en encuestas poblacionales

Muestreo por conglomerados en encuestas poblacionales Rev. salud públca. 3 : Eslava 4-5 - Iequdad e AVPP 4 Muestreo por cogloerados e ecuestas poblacoales Cluster saplg health surveys Heler de Jesús Zapata-Ossa, Agela M. Cubdes-Muévar, María C. López, Elsa

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Uversdad de oora Departameto de Matemátcas Área Ecoómco Admstratva Matera: Estadístca I Maestro: Dr. Fracsco Javer Tapa Moreo emestre: 05- Hermosllo, oora, a 5 de septembre de 05. Itroduccó E la clase

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015 Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur

Más detalles

INTERÉS SIMPLE. INTERÉS SIMPLE (Definición) Aquel interés que se calcula con una ley financiera simple, se denomina interés simple.

INTERÉS SIMPLE. INTERÉS SIMPLE (Definición) Aquel interés que se calcula con una ley financiera simple, se denomina interés simple. 1 OBJETIVOS Defr Iterés y oto. Dstgur captalzacoes sples y copuestas. Idetfcar el terés sple y copuesto. Deostrar fórulas prcpales y dervadas. Resolver stuacoes probleátcas. CONTENIDOS Iterés. Iterés sple.

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

Tema 6: Introducción al muestreo. Estimadores

Tema 6: Introducción al muestreo. Estimadores Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)

Más detalles

F.V. SC gl CM F Bloque Tratamiento Error Total AGRO Examen Parcial 1. Nombre:

F.V. SC gl CM F Bloque Tratamiento Error Total AGRO Examen Parcial 1. Nombre: Exame Parcal 1 Nombre: AGRO 66 1 Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro y la calculadora. Para obteer crédto parcal las respuestas debe ser cosstetes.

Más detalles

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA Nura Padlla Garrdo Departameto de Ecoomía Geeral y Estadístca Uversdad de Huelva padlla@uhu.es Flor María Guerrero

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos

Más detalles

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

Más detalles

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO.

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO. Pága de 5 NÚCLEO UNIVERSITARIO RAFAEL RANGEL UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A ÁREA DE FÍSICA LABORATORIO DE FÍSICA LABORATORIO DE FÍSICA I/ PRÁCTICA No ANÁLISIS GRÁFICO OBJETIVO

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles