COMUNICACIÓN XI JORNADAS ASEPUMA Oviedo, 11 y 12 de Septiembre de 2003

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

Download "COMUNICACIÓN XI JORNADAS ASEPUMA Oviedo, 11 y 12 de Septiembre de 2003"

Transcripción

1 COMUNICACIÓN XI JORNADAS ASEPUMA Ovedo, y de Sepembre de 003 TITULO: "MODELOS DE SUPERVIVENCIA ADECUADOS PARA ANÁLISIS ACTUARIALES DE MORTALIDAD" SURVIVAL MODELS IN ACTUARIAL MORTALITY ANALYSIS AUTOR (ES): SÁNCHEZ LÓPEZ, JOSÉ MARÍA MEDINA LÓPEZ, ANA INSTITUCION: UNIVERSIDAD REY JUAN CARLOS FACULTAD DE CIENCIAS JURÍDICAS Y SOCIALES Paseo de los Arlleros s/; 803; Madrd TELEFONO Y DIRECCION DE CONTACTO : msl@fcsurces Teléfoos: // // ameda@fcsurces Teléfoos: // PALABRAS CLAVE: Moraldad acuaral, Fucoes de supervveca, Modelos abulares, Modelos paramércos, Muras; Graduacó, Rago edades, Ause; Proyeccoes moraldad KEY WORDS: Acuaral moraly esmao, Survval fucos, Tabular models, Paramerc models, Med models; Graduao, Age ra, F-esg; Moraly proecos AREA TEMATICA: 3 (Maemáca de las operacoes faceras y cálculo acuaral) RESUMEN E el seguro de vda, se desacará el erés de los deomados modelos o fucoes de supervveca como srumeos mprescdbles e dsas fases del aálss de moraldad El esudo se adapará a los meores daos reales dspobles e las aseguradoras respeco de la poblacó obevo (poblacó asegurable): daos de pólzas que eva sesgos dervados del uso de ablas de poblacó geeral Se aalzará la uldad de los modelos de supervveca acuaral a res veles E prmer lugar, se mosrará la ecesdad de ulzar hpóess de moraldad raervalo para esmar las probabldades auales de muere que perma obeer u modelo abular E segudo lugar, los modelos se empleará e la deomada graduacó paramérca para meorar las esmacoes cales corporado formacó sobre relacoes esees e el couo de esmacoes y sobre creecas prevas a las observacoes E ercer lugar, uevos modelos será los

2 srumeos que proyece el feómeo de la moraldad a fuuro segú la damcdad del colecvo esudado respeco a la moraldad Se preseará ua vsó acual de las posbldades esees, valorado las aleravas y rabaos empírcos ya realzados, y ofrecedo uevas posbldades ABSTRACT I he coe of lfe surace, survval models wll be hghlghed as esseal srumes for he developme of moraly aalyss o s varous sages The research wll be adaped o he mos relable daa obaed from surace compaes relao o he arge populao: daa from polces whch avod errors ha come ogeher by usg geeral populao ables Uly of acuaral survval models wll be aalysed hree sages: Frs of all, he use of bewee-he-egral-ages assumpos s ecessary order o mae a esmao of he aual moraly probables whch allow o oba a able model Secodly, models wll be used paramerc graduao o mprove al esmaos addg he formao avalable abou he belefs prevous o observaos O hrd place, ew models wll arse o proec he moraly pheomeo o he fuure by followg he moraly paer draw by he collecve dyamc prevously suded I wll be preseed a ew vso for possbles havg o do wh moraly The aalyss s based o emprcal wors ad offers ew ways of proecg moraly

3 - PLANTEAMIENTO La obecó de modelos paramércos a parr de los daos bruos (dao compleo) sumsrados por las compañías aseguradoras puede cosegurse desde dos plaeameos dsos: uo es dreco, el oro es dreco El plaeameo dreco pare de los daos co los que efecúa ua esmacó dreca del modelo de supervveca El plaeameo dreco se crca e cuao a su uldad e el seguro de vda y se basa e la dfculad de ecorar ua fucó para odo el rago de edades que eplque los daos sólo e base a ua úca varable (cluso dero de u grupo homogéeo prevamee elegdo) També se debe aeder a uas muesras co dferee amaño para las dsas edades Se obee resulados más deallados s se fa puos emporales para esmar Resula más secllo, prácco y formal realzar u aálss prevo de la suacó para ervalos auales de edad Todo eso, lleva a preferr los modelos o paramércos como puo de parda para poserores auses de modelos paramércos Tal como epoe Elad-Johso, Rega ad Johso Norma, L (980): desacamos los méodos de esmacó drgdos al ause de proporcoes de supervveca observada y defedemos eucar los méodos de acuerdo a como se realza eso El plaeameo dreco pare de los daos, obee a couacó las probabldades de muere aual para odos los años y, falmee, a ravés de las esmacoes auales llega al modelo de supervveca Esa úlma suacó se raa e el epígrafe referee a la graduacó o recfcacó de las esmacoes La secueca de valores revsados o graduados e esos méodos paramércos se epresará como ua fucó de argumeo, sedo v ua fucó que coee los parámeros que debe farse desde los daos que cofgura las esmacoes cales La usfcacó de ese po de graduacó se basa e la ecesdad de corregr las mprecsoes de la esmacó (debdas a daos mal ubcados e el empo y a la aleaoredad del muesreo) medae el ause de ua fucó maemáca que se supoe represea las verdaderas asas de moraldad La opó preva se mafesa e la deermacó de la forma fucoal elegda (e la eleccó de dcha fucó ambé parcpa la formacó que sumsra los daos) Las éccas que se ulza e el ause de las curvas para obeer los valores graduados (esmacoes corregdas) so las caraceríscas de auses de curvas y de regresó e casos geerales El paso sguee cosse e ulzar ua baería de pruebas o es para cofrmar s los valores cosegudos medae el ause so adecuados, eso es, so coherees co los daos y, a la vez, represeados por ua fucó maemáca razoablemee seclla (pocos parámeros) y suave (segú el valor de las dferecas fas) Esa apromacó covecoal gradúa la fuerza de moraldad ausado ua fórmula paramérca a las asas bruas de moraldad (esmacó preva) asumedo que el úmero real de mueres so varables aleaoras po Posso (codcoadas a la eposcó) Aleravamee se ulza la dsrbucó bomal o ormal Co esa suacó se puede llegar a ua verosmlud caracerísca que perme esmar los parámeros Tal como se ha dcado, para car ua graduacó por fórmula maemáca, se debe elegr el po de fucoes Se dsgue dsas posbldades segú el rago de edades e el cual se desea ulzar el méodo: rago o eeso, amplo rago y odo el rago Falmee, se muesra la ecesdad de los modelos maemácos para proyecar el feómeo de la moraldad a empo croológco fuuro

4 - MODELOS PARAMÉTRICOS El plaeameo dreco, como ya se do, pare de los daos y supoe ua fucó de supervveca adecuada Se debe esmar los parámeros de la mecoada fucó, se epoe el méodo de máma verosmlud supoedo dao compleo E prcpo u dvduo era a observacó e r y dea la observacó e por muere o falzacó del perodo programado de observacó Por ello, la probabldad de sobrevvr será S( r pr S( r) y la de morr f ( r qr r pr ( r p λ r S( Se puede cosrur la fucó de verosmlud como S ( ) λ( S ( ) f ( S ( ) L D Sr ( ) Sr ( ) D Sr ( ) Sr ( ) dsguedo la corbucó de los dvduos que muere y de los dvduos que sobrevve, o ulzar u dcador de la suacó del dvduo -ésmo: δ δ δ S ( ) [ λ( ] [ S ( ) ] [ f( ] L Sr ( ) Sr ( ) S se cosdera para los dvduos de la muesra las posbles reradas o programadas, omádolas aleaoras, hay que roducr modfcacoes e la fucó de verosmlud, además de admr el prcpo de depedeca ere muere y rerada La probabldad de sobrevvr ere r y será: ( τ ) ( d ) ( w) Sd( Sw( r pr r pr r p r Sd( r) Sw( r) Iervee ua fucó de supervveca respeco de la muere y ua fucó de supervveca respeco a la rerada Por ello, represeará el empo hasa la muere, hasa el f programado o hasa la rerada aleaora La fucó de verosmlud adopará la forma: γ Sd( Sw( [ λd( ] δ [ λw( ] L Sd( r) Sw( r) δ γ δ [ Sd( ] [ Sw( ] [ fd( ] [ fw( ] γ Sd( r) Sw( r) ulzado dcadores de la suacó del dvduo -ésmo respeco de la posble muere o rerada La esmacó se realzará ras la especfcacó de las fucoes de supervveca (y, por ao, de la asa de azar) Las fucoes depederá de valores muesrales (segú los daos que se ega) y de parámeros (raados como varables para mamzar la verosmlud de la muesra que se ega) La bodad del ause obedo puede aalzarse medae es cláscos esadíscos, recfcados debdo a los daos compleos que se ulza So de erés los rabaos de Sephes, MA (974, 977) dode aparece como más coveees el es de Kolmogorov-Smrov modfcado para dao compleo co sólo la famla de fucoes a ausar especfcada y, especalmee, el es de Aderso-Darlg modfcado

5 3- FUNCIONES DE SUPERVIVENCIA CLÁSICAS: RANGO NO EXTENSO S se aplca para u rago de edades o eeso ese múlples fucoes báscas que se puede ulzar La prcpal uldad de esas fucoes esá e permr esmar la moraldad aual medae su uso e las hpóess de moraldad raervalo Co las esmacoes para cada año de edad se obee el modelo abular o abla de moraldad que es la forma más raada e la leraura y más empleada e el rabao acuaral Resumedo, el modelo abular clásco ulza valores eeros de para los que se calcula su correspodee valor segú S() La fala de valores ermedos para valores o eeros de se resuelve esablecedo uas hpóess de moraldad o méodos de erpolacó ere valores eeros cosecuvos que perme cosderar el modelo compleamee especfcado (especfcado para odos los valores posvos de ) El modelo abular se da a coocer como "abla de moraldad", "abla de supervveca" o "abla de vda" A couacó se presea dsrbucoes de supervveca cláscas, alguas co aplcacó sólo durae ervalos muy coros y específcos de empo (para las erpolacoes e la abla de moraldad), coherees co la evdeca empírca Ley de Movre Supoe u comporameo leal, co la edad, de la fucó de supervveca segú ua progresó arméca o egava pero decrecee: l(0) l(0) l( ) a b co b > 0, a l(0), w, b b La fuerza de moraldad que correspode a la epresó aeror será: b µ ( ) l(0) b Se ee ua fuerza de moraldad sempre crecee co la edad, lo que resrge su uldad a los ramos alos de edad La probabldad de muere se obedrá como / q µ ( ), eso es, drecamee proporcoal al ao saáeo de moraldad o fuerza de moraldad Prmera ley de Dormoy Supoe ua deermada forma de varacó de la fucó de supervveca, lo que equvaldrá a ua fucó de supervveca epoecal o egava, decrecee y covea respeco de la varable edad: l( + ) b l( ) co 0 < b < l( ) a b co a l(0) y b 0 s w La fuerza de moraldad que correspode a la epresó aeror será: µ( ) l b Se ee ua fuerza de moraldad cosae respeco de la edad lo que resrge su uldad a ervalos coros (erpolacó ere dos edades eeras cosecuvas, por eemplo) Segú las epresoes aerores se llega a probabldades de muere y de supervveca de la forma / q b y p b, que sólo depede de la amplud del ervalo cosderado Seguda ley de Dormoy Se modfca la prmera ley para que aparezca la varable edad e la fuerza de moraldad

6 Se elge u polomo de prmer grado que coduce a ua fuerza de moraldad crecee co la edad (o aplcable a persoas óvees): µ ( ) a + b co b > 0 La fucó de supervveca que correspode a la epresó aeror será: b a l( ) l(0) e e Eso es, o egava, decrecee y cócava Segú las epresoes aerores se llega a probabldades de muere y de supervveca que depede de la amplud del ervalo y de la edad cosderada Tercera ley de Dormoy Se modfca la prmera ley para que aparezca la varable edad e la fuerza de moraldad Se elge u polomo de segudo grado: µ( ) a+ b + c La fucó de supervveca que correspode a la epresó aeror será: b c a l ( ) l( 0) e e 3 e 3 Las epresoes aerores perme más posbldades auque complca los cálculos de posbles esmacoes Ley de Sag Supoe u comporameo de la fucó de supervveca geomérco respeco de la edad uo co la eseca de oro facor dferee a la edad: w l(0) b l(0) l( ) a + b co 0 < b <, a, w w b b La fuerza de moraldad que correspode a la epresó aeror será: b l b l b µ ( ) w w b b b Se observa como la fucó de supervveca es decrecee y covea respeco de la edad E realdad, supoe ua modfcacó de la prmera ley de Dormoy que se cosgue añadedo u érmo cosae e la fucó de supervveca para recoger la flueca e la moraldad de u facor dso de la edad Ley de Gomperz Se fudamea e u deermado comporameo del cremeo de la fuerza de moraldad: µ ( ) µ ( ) + O( ) co ce, O( ) f s 0 Se llega a ua fuerza de moraldad de la forma: µ ( ) c e La fucó de supervveca que correspode a la epresó aeror será: c c e l( ) l(0) e e Las epresoes aerores cosdera la edad como la úca causa de muere (o cluye facores accdeales), sedo la fuerza de moraldad sempre crecee co la edad, aspeco más relevae a edades alas Prmera ley de Maeham

7 Se fudamea e u deermado comporameo del cremeo de la fuerza de moraldad que reflea la posble eseca de facores accdeales: µ ( ) µ ( ) + + O( ) Se llega a ua fuerza de moraldad uca decrecee, de la forma: µ ( ) + c e co c > 0, > 0 La fucó de supervveca que correspode a la epresó aeror será: c c g e ( ) (0) l l e e e co g Seguda ley de Maeham Se fudamea e la aeror, pero añadedo a la fuerza de moraldad oro sumado proporcoal a la edad: µ( ) b c e + + La fucó de supervveca que correspode a la epresó aeror será: c c g b e ( ) (0) l l e e e e co g Las epresoes aerores perme más posbldades auque complca los cálculos de posbles esmacoes Ley de Lazarus Se roduce oro érmo e la prmera ley de Maeham para amplar su uldad e edades o ecesaramee alas: d d µ ( ) + c e + d e co e < La fucó de supervveca que correspode a la epresó aeror será: c d c g d h + e e d d l( ) l(0) e e e e co g, h d Las epresoes aerores perme más posbldades auque complca los cálculos de posbles esmacoes Ley de Webull Se basa e la sguee forma que supoe sgue la fuerza de moraldad: µ ( ) co > 0, > 0 La fucó de supervveca que correspode a la epresó aeror será: l ( ) l( ) e GRADUACION PARAMETRICA: AMPLIO RANGO DE EDADES Ceras epresoes ofrece la posbldad de eederse a u amplo rago de edades, so epresoes coocdas como fórmulas Gomperz- Maeham de po (r,s), r + s r α r, s r + GM ( ) + e r α α, o como fórmulas Log Gomperz- Maeham de po (r,s), r, s r, s GM α ( ) LGM α ( ), r, s + GM ( ) α

8 que ofrece la veaa de ser u log co rago de valores posble ere cero y uo Esas fucoes so esudadas dero del marco de los modelos leales y o leales geeralzados de uldad e el ámbo acuaral por Reshaw, AE (99) Ora posbldad surge co u couo de polomos orogoales formado ua base Ae u couo de puos {(, y ),,, m} el problema de ausar ua curva, segú uas poderacoes posvas { w,, w m }, lleva a mmzar ua epresó, para ceras fucoes, del po: m w [ y f )] ( Las fucoes de la epresó so de la forma f ( ) α p ; ( ) sedo los polomos segú el grado marcado por el subídce y orogoales co la codcó m 0 s r s w pr ( ) ps ( ) er s r s co er R La epresó a mmzar queda ( ) m S w y α p y se mmza gualado odas las dervadas parcales (respeco de los dsos alfas) a cero El resulado de esas ecuacoes, udo a la codcó egda a los polomos, coduce a u valor de los parámeros que o depede del grado de la fucó polómca elegda: m w y p α para,, m w [ p ( )] ( ) 5- GRADUACION PARAMETRICA: TODO EL RANGO DE EDADES Eederse a odo el rago de edades, desde el prmer año de vda al úlmo posble, supoe cosderar fucoes más flebles No ese muchos eos e esa dreccó ya que la solucó más habual lleva a dvdr el rago de edades ulzado para cada rago ua adecuada fucó Ua epresó debda a Helgma, L ad Pollard, LH (980) es: q D B [ f C ] ( ) A e q Para ulzar esa fórmula hay que deermar el úmero de sumados, deermar la fucó y ausar los parámeros resulaes E la poblacó de Ausrala se ulzó la epresó: q C ( + B) E( l l F ) ( 0 ) A + De + GH q

9 Se raa de ua fucó coua y que oma valores ere cero y uo, se aplca a odo el rago de edades (auque o cluya muchos parámeros), y ee ua deseable erpreacó demográfca: el prmer sumado es ua epoecal de crecmeo rápdo que dca el desceso de moraldad e los prmeros años; el segudo sumado recoge medae ua fucó smlar a la logormal la moraldad por accdees; el ercer sumado mafesa la moraldad e edades avazadas co ua ley de Gomperz El sgfcado de los parámeros se dealla a couacó El parámero A ee u valor semeae al que oma la probabldad de fallecmeo durae el prmer año de vda El parámero B mde la localzacó de la moraldad e el prmer año de vda, eedo efeco sólo a la edad de cero años El parámero C valora la dsmucó de la probabldad de muere e la faca (edades superores al año) El parámero D mde la magud de la ípca oroba de accdees para dvduos óvees El parámero E es verso a la dspersó El parámero F localza el mámo de la mecoada oroba El parámero G reflea el vel base e la moraldad sel, eso es, la moraldad de po adula-sel que se cosdera ese al acer El parámero H dca el ao de aumeo de la moraldad aeror para edades adulas El parámero 0 especfca ua edad para la cual q 0' 5, muy próma a la máma cosderada (la edad que se suele represear como w) El modelo de Carrere, JF (99 y 994) se basa e ua mura de fucoes de supervveca: S( ) w S ( ) Cada fucó de la mura represearía u ramo de edad y sus poderacoes dcaría las posbldades de fallecmeo de cada ueva vda e esos ramos de edad Carrere sugere aplcar ua mura de res fucoes: para la ñez ua fucó de Webull, para la adolesceca ua versa Webull o u versa Gomperz, y para edades adulas ua fucó de Gomperz El modelo resula co ocho parámeros, gual que el modelo ya mecoado de Helgma y Pollard 6- SPLINES: AMPLIO O TODO EL RANGO DE EDADES Los sples supoe ua solucó para ausar fucoes secllas a u amplo rago o a odo el rago de edades Auque o es ua fucó úca para odo el rago de edades, sí se raa de u couo de fucoes polómcas co cera cohereca coua Esa cohereca se ee por la codcó egda e los udos o puos de uó ere fucoes: las fucoes polómcas debe ser dervables hasa u orde meos que el grado del polomo que se ega (sedo gual el resulado e cada udo) No hay reglas geeralmee admdas para deermar el úmero de udos y la facó del puo o lugar de cada udo Cuaos más udos haya, mayor apromacó esrá ere los valores cales y los graduados 7- AJUSTE Y EVALUACIÓN Para ausar las fucoes, e la graduacó por fórmula maemáca, se ulza varos creros, desaca: regresó leal smple por mímos cuadrados (más ulzado co sples), regresó o leal por apromacó co seres de Taylor, máma verosmlud y míma ch-cuadrado

10 Publcado por UNESPA, ua abla de moraldad para la poblacó española ha ulzado la forma fucoal de Maeham y fue ausada por regresó mímo cuadráca Se raa del rabao de Ferádez, MJ y Preo Pérez, E (994) També adecuado es el méodo de máma verosmlud E el rabao de Cha, LK ad Paer, HH (983) se recomeda y se epoe su uso para modelos de decremeo smple y de decremeo múlple, para muesras compleas e compleas, co daos agrupados y s agrupar Supoe ua veaa sus propedades asócas (sesgo, míma varaza, ormaldad) que facla la obecó de la marz de covarazas de los parámeros α subyacees e las fórmulas que se ulce: ( ) ( ) L α Cov α E α α La dsrbucó para el úmero de mueres será la bomal, Posso o, por apromacó, la ormal (comeadas e la esmacó de moraldad) lo que guía a la verosmlud Los parámeros se susuye por las fucoes a ausar que correspoda E caso de pólzas duplcadas, se rasforma los daos (aes de clurlos e el modelo) dvdedo úmero real de mueres y eposcoes al resgo de muere ere u facor de correccó coocdo como rao varaza, r f f, sedo f la proporcó de asegurados para la edad que ee pólzas, co lo que s o hay duplcacoes el rao es uo y s hay es mayor que uo La varaza queda eoces mulplcada por el rao varaza como forma de compesar el cremeo de dspersó que supoe la aparcó de pólzas duplcadas E la graduacó clásca, ua vez seleccoada la fórmula y omado, por eemplo, u ause por máma verosmlud, permaece el problema de deermar el úmero de parámeros que se desea ega la fucó elegda La solucó a ese problema se puede obeer aalzado graduacoes co la msma fórmula pero co úmero de parámeros dferees como s se raara de comparar dos graduacoes, co úmero gual de parámeros pero sedo cero varos parámeros de la graduacó basada e la fucó de meos parámeros El es rao verosmlud proporcoa u esadísco de uldad para ese caso Perme deermar s se ee ua meora sgfcava al añadr más parámeros S se supoe dos fucoes co + parámeros, co parámeros gual a cero e ua de ellas, se geera u esadísco que compara los valores mámos de las verosmludes: L( + ) D ( ) [ log L( + ) L( ) ] log L( ) El esadísco se compora como ua ch-cuadrado co grados de lberad Ua dscusó sobre su aplcacó e moraldad esá e Co ad Oaes (984) Ua eresae aplcacó de pruebas para acepar o rechazar ua deermada graduacó puede ecorarse e Navarro, Elseo (99) El aálss se dedca a eamar las desvacoes ere valores esmados y valores graduados a lo largo de oda la secueca Se cosdera que las desvacoes ee que esar dsrbudas de

11 forma aleaora (o hay errores ssemácos e oda la secueca de valores graduados) y su dsrbucó cocrea será coheree co las hpóess cales ulzadas (segú modelo bomal, Posso o ormal empleado) Aededo a esas drecrces geerales se elabora uas pruebas para las desvacoes absoluas y relavas ere esmacoes cales y corregdas, cosderádolas dvdualmee y dero de la secueca oal Los ess o pruebas que se mecoa so: es de ervalos de cofaza, es de desvacoes relavas, es de desvacoes acumuladas, es de sgos, es de cambo de sgo, es de la ch-cuadrado, es de Kolmogorov-Smrov 8- DINAMICIDAD DE LA MORTALIDAD Parece evdee la evolucó e el empo croológco del feómeo de la moraldad E el rabao de MacDoald, AS e al (998) se apora y aalza esudos empírcos para comparar la evolucó y las úlmas edecas aprecadas e la moraldad e dferees países Eso dca que u esudo de moraldad e base a daos presees debe complearse, cuado se busque cera valdez a lo largo del empo, co ua proyeccó haca fuuro A vel eórco presea erés el arículo de Jasse, J ad Sadas, CH (995) E ese rabao se desaca y se sgue a couacó, por su aplcacó e el campo acuaral, las vesgacoes de Beam, B ad Solma, AS (995) y de Felpe Checa, María de los Ágeles y Gullé Esay, Moserra (999) Ua vez realzadas las esmacoes defvas, para proceder a modelzar la moraldad cosderado el empo de caledaro se puede proceder de res formas: segú proyeccoes para cada valor de la abla de moraldad, segú proyeccoes del modelo esrucural omado e la abla de moraldad y segú ua proyeccó aededo a las causas del fallecmeo Los méodos basados e proyeccoes para cada valor de la abla de moraldad ulza modelos paramércos para cada edad e los que aparece la varable empo caledaro de forma eplíca So modelos del po: q ( ) f (, α, ), dode es la edad que se esuda, la varable empo caledaro y α u vecor de parámeros Ege u segumeo e el empo de los esudos de moraldad E las ablas de moraldad alemaas DAV994R se emplea el modelo: q ( ) ab Se lealza omado logarmos y se aplca el méodo de mímos cuadrados ordaros Los parámeros esmados deerma el modelo que proyeca la probabldad de muere segú se roduce valores a la varable E las ablas españolas, realzadas para UNESPA por Ferádez Plaseca, MJ y Preo Pérez, Eugeo (994) para proyecar la moraldad se ulza u modelo para la d esperaza de vda: e ( ) a + b [ e ], que perme obeer la probabldad de muere medae la relacó 0'5 e+ q e 0'5 E las ablas de moraldad suzas GRM/GRF995 se emplea el modelo: d ( 0 ) q ( ) q ( 0 ) e, sedo 0 el empo caledaro cal

12 De forma coua pero co u cambo de escala, se cosdera la edad y el empo e el rabao de Haberma, S; Hazopoulos P ad Reshaw, AE (996), medae ua epresó referda al ao saáeo de moraldad y que coee caorce parámeros: µ ( ) ep b0 + bl ( ') ep a + c L ( ') ' + a + c L ( ') ' Todos esos modelos supoe la auseca de cambos esrucurales e el empo e el que se oma las muesras y e el empo fuuro e que se proyeca E esos casos, sólo la smulacó de escearos ayudaría a aalzar el mpaco fuuro de cambos esrucurales Los méodos de esmacó que se ulza e la esmacó de los parámeros supoe perurbacoes aleaoras co comporameo ormal de meda cero Esa hpóess es dscuble debdo a las rasformacoes logarímcas que se realza e los modelos Además, se debería probar la o eseca de auocorrelacó Los méodos basados e proyeccoes del modelo esrucural ulzado e la abla de moraldad obee las probabldades de fallecmeo proyecadas medae cambos e los parámeros del modelo El modelo más empleado e ese po de proyeccoes es el ya mecoado modelo de Helgma-Pollard U eemplo se ecuera e Felpe Checa, María de los Ágeles y Gullé Esay, Moserra (999): se esma la probabldad de muere por mímos cuadrados o leales poderados (segú la versa de la probabldad de muere observada) para odo el rago de edades y cada uo de los años caledaro, después se aplca el aálss uvarae de seres emporales (ARIMA) para cada uo de los parámeros de la ley Helgma-Pollard co el f de obeer predccoes de odos ellos, ésas predccoes deerma las predccoes de las probabldades de muere (para cada edad e el caledaro fuuro) A pesar del erés de las proyeccoes del modelo esrucural, persse el problema de la valdez ae cambos poserores al perodo de observacó Esa suacó se debe al uso de seres emporales (los parámeros ee comporameo auorregresvo) E la prácca, avaces médcos relevaes o epdemas sgfcavas mpde la valdez de las proyeccoes efecuadas Los méodos basados e proyeccoes aededo a las causas del fallecmeo argumea que podría obeerse meores predccoes de moraldad fuura proyecado por separado la moraldad debda a ceros grupos de efermedades y la moraldad u resduo de fallecmeo por causas varas Falmee, se sumaría las dsas proyeccoes Beam, B ad Solma, AS (995) ulza la clasfcacó de efermedades de la OMS, las causas se cosdera ecluyees y se dea ua causa defda como reso de causas La relacó ere la probabldad geeral de muere y la probabldad segú las dferees causas de muere (I,II,VII,VIII,IX,XII,R) se supoe de la forma: l q l q( I) l q( II) l q( VII) l q( VIII) l q( IX ) l q( XII) l q( R) La evolucó e el empo caledaro se oma como: l q ( ) l a ( ) + l b ( ) co I, II, VII, VIII, IX, XII, R Evdeemee, se ecesa formacó deallada de la causa de muere para realzar ese aálss Presea los coveees mecoados e el méodo deomado de proyeccó para cada valor de la abla (sería ua varae realmee)

13 BIBLIOGRAFÍA Beam, B ad Pollard, JH (980) The aalyss of Moraly Heema Lodres Beam, B ad Solma, AS (995) Moraly o he move Ed Cy Uversy Pr Lodres Bezue Zalbdegoa, Amaco; Felpe Checa, Age y Gullé Esay, Moserra (997) Modelos de ablas de moraldad e España y suacó acual Aales del Isuo de Acuaros Españoles Tercera época, Núm3, Págs:79-04 Carrere, JF (99) Paramerc models for lfe ables Trasacos of he Socey of Acuares Vol44, Págs:77-99 Carrere, JF (994) A selec ad ulmae paramerc model Trasacos of he Socey of Acuares Vol46, Págs:75-97 Co ad Oaes (984) Aalyss of Survval daa Ed Chapma & Hall Lodo Elad-Johso, Rega C ad Johso Norma, L (980) Survval models a daa aalyss Wley New Yor Felpe Checa, María de los Ágeles y Gullé Esay, Moserra (999) Evolucó y predccó de ablas de moraldad dámcas para la poblacó española Cuaderos de la Fudacó Edoral Mapfre Esudos Ferádez Plaseca, MJ y Preo Pérez, Eugeo (994) Tablas de moraldad de la poblacó española de 950 a 990 Tabla proyecada del año 000 Tablas co y s marge de segurdad UNESPA Madrd Forfar, DO; McCucheo, JJ ad Wle, AD (988) O he graduao by mahemacal formula Joural of he Isue of Acuares Núm5, Págs:-35 Haberma, S ad Reshaw, AE (997) Dual modellg ad selec moraly Isurace: Mahemacs ad Ecoomcs Vol9, Núm, Págs:05-6 Norh-Hollad Haberma, S; Hazopoulos P ad Reshaw, AE (996) The modellg of rece moraly reds Ued Kgdom male assured lves Brsh Acuaral Joural Vol, Núm, Págs: Haberma, S; Hazopoulos P ad Reshaw, AE (997) O he dualy of assumpos uderpg he cosruco of lfe ables As Bulle Vol7, Núm, Págs:5- Helgma, L ad Pollard, LH (980) The age paer of moraly Joural of he Isue of Acuares Núm07, Págs:49-80 Jasse, Jacques ad Sadas, CH (995) Dyamc modellg of lfe able daa Appled Sochasc Models ad Daa Aalyss Vol, Págs:35-49 Lodo, D (985) Graduao: he revso of esmaes Ace Coeccu López de la Mazaara Barbero, Jua y López Cachero, Mauel (996) Esadísca para acuaros Edoral Mapfre Madrd MacDoald, AS e al (998) A eraoal comparso of rece reds popuao moraly Brsh Acuaral Joural Vol4, Núm, Págs:3-43 Navarro, Elseo (99) Tablas de moraldad de la poblacó española 98 Meodología y fuees Edoral Mapfre Madrd Reshaw, AE (99) Acuaral graduao pracce ad geeralsed lear ad olear models Joural of he Isue of Acuares Núm8, Vol, Págs95-3 Reshaw, AE (99) Jo modellg for acuaral graduao ad duplcae polces Joural of he Isue of Acuares Núm9, Vol, Págs69-85 Sáchez López, José María (00) Cuafcacó de resgos y aálss global de la empresa aseguradora de vda, Dyso, SL, Madrd

14 Sáchez López, José María (00) Cosruccó de ablas de moraldad, Revsa Española de Seguros Núm06, pp: Madrd Sephes, MA (974) EDF sascs for goodess of f ad some comparsos Joural of he Amerca Sascal Assocao Núm69, Págs: Sephes, MA (977) Goodess of f for he ereme value dsrbuos Bomera Núm64, Vol3, Págs: Yue, Kam C (997) Commes o some paramerc models for moraly ables Joural of Acuaral Pracce Vol5, Núm, Págs:53-66

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

Álgebra Manuel Hervás Curso

Álgebra Manuel Hervás Curso Álgebra Mauel Hervás Curso 0-0 FORMAS LINEALES Defcó Sea E u espaco vecoral sobre referdo a ua base B e e e,,, Se deoma Forma Leal sobre a la aplcacó leal f : E al que x E f ( x) b De modo que elegdo u

Más detalles

Años I0 t (base 1992 = 100)

Años I0 t (base 1992 = 100) Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los

Más detalles

Introducción a la Econometría Curso 2009/ Serie de Problemas 21

Introducción a la Econometría Curso 2009/ Serie de Problemas 21 Iroduccó a la Ecoomería Curso 9/78 Sere de Problemas. Supoga que u vesgador dspoe de ua muesra de grupos (clases) de educacó prmara y ulza daos del úmero de alumos e cada clase (CS) y de la oa meda obeda

Más detalles

{ a 1, a 2,..., a } n. Cualquier vector n

{ a 1, a 2,..., a } n. Cualquier vector n Deparameo de Aálss Ecoómco UNIVERSIDAD DE ZARAGOZA Tema 3: Formas cuadrácas reales Para odo el ema, se cosdera e R u ssema de refereca (o base) dado { a 1, a 2,..., a }. Cualquer vecor x R se escrbe de

Más detalles

F = = 0. 64, que es la eficiencia del test de signo relativa al

F = = 0. 64, que es la eficiencia del test de signo relativa al Méodos No Paramércos I 5 Elea J. Maríez do cua. 004 Efceca: La efceca del es de Fredma relava al es F es ( f ( x dx e(, F σ + e observa que o hereda la efceca de los ess de Wlcoxo y Ma-Whey relavas al

Más detalles

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA. Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

Una formulación general de un modelo de regresión paramétrico es la siguiente:

Una formulación general de un modelo de regresión paramétrico es la siguiente: Esmadores úcleos y polomos locales. Fracsco Parra Rodrguez Docor e Cecas Ecoómcas. UNED. Modelos de regresó o paramércos Los modelos de regresó paramércos supoe ue los daos observados provee de varables

Más detalles

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo = ( + ( Cabo de ( + ( ( + > ( > 0 Posvo + ( + = ( = 0 ( ( + Nulo + Tpos ( + ( Cabo + Geeraldades Nauraleza El cabo puede ser Carácer Varable Cabo Cosae Aueo o creeo Dsucó o decreeo = Varacó cero ( = (

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

4.4. La ciudad circular El Modelo de Salop

4.4. La ciudad circular El Modelo de Salop 4.4. La cudad crcular El Malde Machado Ecoomía Idusral - Malde Machado La Cudad Crcular El modelo de Salop 4.4. La cudad crcular El E el modelo de Hoellg habamos supueso que solo hay dos empresas. Ahora

Más detalles

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas Esmacó de parámeros e ecuacoes dferecales esocáscas aplcadas a fazas Joh Freddy Moreo Trujllo * jho.moreo@uexerado.edu.co * Docee vesgador. Faculad de Fazas, Gobero y Relacoes Ieracoales. Uversdad Exerado

Más detalles

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores 1 RAPIDEZ DE CAMBIO Semaa 05 1 Varables depedees y o depedees Defr los cocepos: varable, cosae, cremeo, varacó. Defr los cocepos: varable depedee, varable depedee. Recoocer varables depedees e depedees.

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Lecura 6 PRONÓSTICOS EN ACTIVOS REPARABLES INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Medardo Yañez Yañez Meda, Medardo - Gómez de

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001 REVISA INVESIGACION OPERACIONAL Vol., No., SOLUCIONES A DIFERENES PROBLEMAS DENRO DEL CAMPO DE LA COMUNICACION ESADISICA J. Navarro Moreo, J.C. Ruz Mola y R.M. Ferádez Alcalá, Deparameo de Esadísca e Ivesgacó

Más detalles

6 Relajación de los supuestos en el modelo lineal clásico

6 Relajación de los supuestos en el modelo lineal clásico 6 Relajacó de los supuesos e el modelo leal clásco Ezequel Urel Uversdad de Valeca Versó: 09-013 6 Relajacó de los supuesos e el modelo leal clásco 1 6.1 Relajacó de los supuesos del MLC: ua paorámca 1

Más detalles

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n . TORÍA ASINTÓTICA Jore duardo Orz Trvño rofesor Asocado eparameo de Ieería de Ssemas e Idusral Uversdad Nacoal de Colomba jeorz@ual.edu.co (a) Se euca (s demosracó) varos resulados mporaes de esadísca.

Más detalles

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO

Más detalles

MODELO CIR. Nota Técnica RESUMEN EJECUTIVO

MODELO CIR. Nota Técnica RESUMEN EJECUTIVO Noa Técca Eero 28, 2014 MODELO CIR RESUMEN EJECUTIVO Al modelar asas de erés se debe omar e cuea que esas so posvas, que hsórcamee ha mosrado u comporameo esable, eedo cambos sgfcavos úcamee como reflejo

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel Volume 4 - º / dcembre 0 estmacó de la estructura de Tasas omales de chle: aplcacó del modelo dámco elso-segel Rodrgo Alaro A. * Sebasá Becerra C. ** Adrés Sager T. *** I. IroduccIó La esmacó de la esrucura

Más detalles

Cuatro medidas de inflación subyacente para Uruguay

Cuatro medidas de inflación subyacente para Uruguay Cuaro meddas de flacó subyacee para Uruguay Rosaa Ferádez 002-2005 688-7565 CUATRO MEDIDAS DE INFLACIÓN SUBYACENTE PARA URUGUAY Rosaa Ferádez Casro Área de Ivesgacoes Ecoómcas Baco Ceral del Uruguay Julo

Más detalles

Tarificación de bonos sobre catástrofes (cat bonds) con desencadenantes de índices de pérdidas. Modelación mediante un proceso de Ornstein-Uhlenbeck

Tarificación de bonos sobre catástrofes (cat bonds) con desencadenantes de índices de pérdidas. Modelación mediante un proceso de Ornstein-Uhlenbeck REVISTA DE MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA Y LA EMPRESA (24). Págas 340 361. Dcembre de 2017. ISSN: 1886-516X. D.L: SE-2927-06. www.upo.es/revsas/dex.php/revmecua/arcle/vew/2891 Tarfcacó de boos

Más detalles

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)

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

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Redes Neuronales con Base Radial (Poggio y Girosi,1990)

Redes Neuronales con Base Radial (Poggio y Girosi,1990) Redes euroales co Base Radal Poggo y ros,990 Iroduccó a las Redes euroales Arfcales Esquema de rabajo: Esrucura de ua RBF Problema de clasfcacó ora vez Ejemplo XOR Teorema de Cover úmero de euroas Problema

Más detalles

Estimación de parámetros Tema 2. Propiedades de los buenos estimadores. 2. Estimación por intervalos

Estimación de parámetros Tema 2. Propiedades de los buenos estimadores. 2. Estimación por intervalos Uverdad Auóoma de Madrd Emacó de parámero Tema. Emacó puual Propedade de lo bueo emadore. Emacó por ervalo.. Coruccó del ervalo de cofaza. íme cofdecale. Nvel de cofaza y vel de rego... Iervalo de cofaza

Más detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

74 Elena J. Martínez 1º cuat. 2015

74 Elena J. Martínez 1º cuat. 2015 7 Elea J. Maríez º ca. 5 Score geerale: El e de lcoo e baa e lo rago de lo valore abolo de la obervacoe. Geeralzaremo el e, lzado o lo rago o coe de lo rago de lo valore abolo, deomada core. Decó: Sea

Más detalles

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

Más detalles

SERIE DE TIEMPO: APLICACION DEL CRITERIO NORMA L1 1

SERIE DE TIEMPO: APLICACION DEL CRITERIO NORMA L1 1 SERIE DE TIEMPO: APLICACION DEL CRITERIO NORMA L Adrés E Reyes Polaco Profesor Asocado UCV I-INTRODUCCION E el sguee arículo se presea la aplcacó del crero orma L e la obecó de los esmadores de los parámeros

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Ingeniería de Confiabilidad - Equipos

Ingeniería de Confiabilidad - Equipos SECCION 4. Igeería de Cofabldad-Equpos Igeería de Cofabldad - Equpos Seccó 4 Medardo Yañez Herado Gómez de la Vega Kara Semeco Soo Nayrh Meda Esa seccó esa dedcada al esudo de los aspecos físcos y aleaoros

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Navarro Camacho, Jorge jorgeav@umes Deparameo de Esadísca e Ivesgacó Operava Uversdad

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

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

ˆ q ˆ 2. Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple

ˆ q ˆ 2. Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple Tema 4. Problema de fereca eadíca e el modelo de regreó leal múlple. Iervalo de cofaza y corae para lo coefcee de regreó... Iervalo de cofaza para lo coefcee de regreó... Corae de hpóe para lo coefcee

Más detalles

MÉTODOS MATEMÁTICOS EN TEORÍA FINANCIERA

MÉTODOS MATEMÁTICOS EN TEORÍA FINANCIERA MÉTODOS MATEMÁTICOS EN TEORÍA FINANCIERA José Rgobero Parada Daza Uversdad de Cocepcó, Chle Regsro Propedad Ielecual Nº.798 I.S.B.N. 956-89-9- Auor: José Rgobero Parada Daza ÍNDICE CAPÍTULO I OPTIMIZACIÓN

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

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

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

2. Movimiento Browniano.

2. Movimiento Browniano. Movmeo Browao Defcó y Propedade Báca Defcó : EL proceo de Weer (ó movmeo Browao e u proceo eocáco (Ver ZDZ co valore e R defdo para [, al que: W = co probabldad gual a uo La rayecora o coua Para cualquer

Más detalles

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS.

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. 09- ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. Iroduccó. Para obeer la ecuacó geeral que descrbe el comorameo del flujo de fludos a ravés de medos orosos, se hace uso de dferees rcos

Más detalles

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....

Más detalles

menor (espira 2), φ m2 como la suma de dos partes, una proporcional a la corriente I 1 y otra proporcional a la corriente I 2 :

menor (espira 2), φ m2 como la suma de dos partes, una proporcional a la corriente I 1 y otra proporcional a la corriente I 2 : eccó 6.ey de duccó de Faraday. 5 3..- Coefcee de duccó muua Cuado dos o más crcuos esá próxmos uo al oro, el flujo magéco que aravesa uo de ellos, o sólo depede de la corree e ese crcuo, so ambé de la

Más detalles

Curvas Sistemas Gráficos Ing. Horacio Abbate 1

Curvas Sistemas Gráficos Ing. Horacio Abbate 1 Crvas Ssemas Gráfcos Ig. Horaco Abbae Polomos de erse Para y cosderar Para y cosderar - - Forma a base ara los olomos de grado. Calqer olomo de grado se ede descrbr como a combacó leal de olomos de erse

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

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

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

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

Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*)

Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*) ESTADÍSTICA ESPAÑOLA Vol. 50, úm. 69, 008, págs. 455 a 478 Iflueca de dsrbucó del empo de ocurreca ere sesros e la solveca de las careras de seguros o vda (*) por MAITE MÁRMOL JIMÉNEZ y M. MERCE CLARAMUNT

Más detalles

Trabajos. Temario. Tema 6. El diodo. Tema 6: El diodo. Tema 6. El diodo. Introducción. Objetivos:

Trabajos. Temario. Tema 6. El diodo. Tema 6: El diodo. Tema 6. El diodo. Introducción. Objetivos: emaro rabajos. odo 7. El rassor. Magesmo 9. duccó elecromagéca. rcuos de corree alera. Odas elecromagécas. lcacoes ócas odo. odo Zeer. odo LE 3. Foododo. odo úel 5. odo Schoky El rassor. El JFE, fudameos

Más detalles

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

Más detalles

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE D o c u m e Curso de Esadísca co R o s Auor: Fracsco Parra Rodríguez Jefe de Servco de Esadíscas Ecoómcas y Socodemográfcas ICANE DOC. Nº /6 ISSN 444-67 Saader, Caabra T é c c o s . EL MODELO LINEAL GENERAL...3..

Más detalles

ÍNDICE DE INVENTARIOS DEL COMERCIO BASE DICIEMBRE 2014=100

ÍNDICE DE INVENTARIOS DEL COMERCIO BASE DICIEMBRE 2014=100 ÍNDICE DE INVENTARIOS DEL COMERCIO BASE DICIEMBRE 2014=100 DOCUMENTO METODOLÓGICO INSTITUTO NACIONAL DE ESTADÍSTICAS Marzo / 2017 DEPARTAMENTO DE ESTUDIOS ECONÓMICOS COYUNTURALES SUBDEPARTAMENTO DE ESTADÍSTICAS

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

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

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica Esayos Lmacoes del modelo leal de probabldad y aleravas de modelacó mcroecoomérca Resume Absrac Résumé E ese arículo se eama res méodos para desarrollar modelos de probabldad para ua varable de respuesa

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

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY RESUMEN El ema raado e ese rabao se emarca dero del esquema de Cueas Saéle del Tursmo. Maemácamee se desarrolla u ssema de ecuacoes e dferecas. Se pare de la ecuacó macroecoómca fudameal e equlbro para

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso UNIVERSIDAD NACIONAL AUÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULAD DE ECONOMÍA ECONOMERIA Proceso Esocásico Mro. Horacio Caalá Aloso Proceso esocásico Defiició.- U Proceso Esocásico (PE es ua secuecia

Más detalles

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales Moográco Número Marzo www.eweb.org/od La ecuacó geeral de capalzacó y los acores de capalzacó uaros: ua aplcacó del aálss de daos ucoales Cèsar Vllazó La Saou Resume La órmula geeral de capalzacó sólo

Más detalles

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística lmae Varably ad hage Hydrologcal Impacs Proceedgs of he Ffh FRIND World oferece held a Havaa uba November 006 IAHS Publ. 308 006. 6 odelacó hdrológca empleado soyeas de releve ua aproxmacó geoesadísca

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

Método de depreciación de reducción de saldos y saldos decrecientes sin error residual

Método de depreciación de reducción de saldos y saldos decrecientes sin error residual esó Jove Revsa de la Agrupacó Jove Iberoamercaa de oabldad y Admsracó de Empresas (AJOIA) º 7 07 I 988-90 pp 60-75 Méodo de deprecacó de reduccó de saldos y saldos decrecees s error resdual uevo méodo

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

Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida

Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida Análss de supervvenca Alber Sorrbas Grup de Boesadísca I Bomaemàca Deparamen de Cènces Mèdques Bàsques Unversa de Lleda Esquema general Inroduccón al análss de supervvenca Tpos de esudos El concepo de

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

I EJERCICIOS RESUELTOS II EXÁMENES DE ECONOMETRÍA III EXÁMENES DE ECONOMETRÍA EMPRESARIAL IV EXÁMENES DE PRINCIPIOS DE ECONOMETRÍA

I EJERCICIOS RESUELTOS II EXÁMENES DE ECONOMETRÍA III EXÁMENES DE ECONOMETRÍA EMPRESARIAL IV EXÁMENES DE PRINCIPIOS DE ECONOMETRÍA I EJERCICIOS RESUELOS II EXÁMENES DE ECONOMERÍA III EXÁMENES DE ECONOMERÍA EMPRESARIAL IV EXÁMENES DE PRINCIPIOS DE ECONOMERÍA Noa: Los ejerccos con asersco no corresponden al programa acual de Prncpos

Más detalles

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA.

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA. TEMA.- LA APITALIZAIÓN OMPUESTA. Objevo: Foralzar la ley de capalzacó copuesa y esudar sus agudes dervadas.. EXPRESIÓN ANALÍTIA Y REPRESENTAIÓN GRÁFIA. La ley facera de capalzacó copuesa ee la sguee expresó

Más detalles

Capítulo 3. Consideraciones sobre métodos numéricos

Capítulo 3. Consideraciones sobre métodos numéricos 3.. Iroduccó 5 Capíulo 3. Cosderacoes sobre méodos umércos 3.. Iroduccó E ese capíulo se presea la eoría y alguos cocepos sobre los que se susea los esquemas umércos de ala resolucó. Su aplcacó a las ecuacoes

Más detalles

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA PRÁCTICA 3: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA E ocasoes ocurre que el ecargado de hacer u trabajo estadístco o está seguro de la dstrbucó de ua determada varable aleatora. Para solucoar

Más detalles

Ejercicios resueltos y exámenes

Ejercicios resueltos y exámenes Prncpos de Economería y Economería Empresaral I Ejerccos resuelos y exámenes Recoplados por Ezequel Urel I EJERCICIOS RESUELOS II EXÁMENES DE ECONOMERÍA III EXÁMENES DE ECONOMERÍA EMPRESARIAL IV EXÁMENES

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

Flujo en acuífero libre

Flujo en acuífero libre SESIÓN PRÁCTICA EDP PARABÓLICA CON MÉTODO FTCS Flujo e acuíero lbre E esa sesó se aalza medae el méodo eplíco de derecas as la evolucó emporal del vel reáco sobre ua geomería de acuíero lbre alerada por

Más detalles

La Docencia y la importancia de la investigación en Ingeniería

La Docencia y la importancia de la investigación en Ingeniería a Doceca y la mporaca de la esgacó e Igeería J.M. CARBAO JIMÉNEZ. Profesor Iesgador de ESCOM IPN. carballomeez@gmal.com J. GARCÍA MARTINEZ. Iesgador de la ESM-IPN. bucefalo@yahoo.com.m J.A.JÁREZ RAMÍREZ.

Más detalles

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS DISTRIBUCIÓN DE AGREGADOS 5..- Dstrbucoes -dmesoales. Aálss margal y codcoado 5..- Varables aleatoras depedetes. Propedades

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

CURSO DE ECONOMETRIA BÁSICA

CURSO DE ECONOMETRIA BÁSICA CURSO DE ECONOMETRIA BÁSICA D. Fracsco Parra Rodríguez. Jefe de Servco de Esadíscas Ecoómcas y Socodemografcas. Isuo Caabro de Esadísca. ICANE, ÍNDICE Tema. Regresó y correlacó leal smple Tema. Regresó

Más detalles

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace Tema Traformada de aplace Traformada de aplace Traformada vera de aplace Coedo Grupo EDUMATICUS. Deparameo de Maemáca Aplcada. Uverdad de Málaga Amplacó de Cálculo 2/. Ecuela Polécca Superor Tema : Traformada

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

Duración y Convexidad I

Duración y Convexidad I Marí Herádez errao Modelo Aleravo Duracó y Covexdad I E ese maeral se presea de forma accesble, mas co u grado resposable de rgor maemáco, los cocepos de duracó y covexdad. e asume que el lecor cuea co

Más detalles

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013

XXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013 El Marge de Riesgo México Por: Pedro Aguilar B. paguilar@csf.gob.mx paguilar@ifiium.com.mx Sepiembre 2013 Coeido 1. Aspecos Geerales sobre Marge de Riesgo 2. La Problemáica 3. Plaeamieo de ua Posible Solució

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles