ANALISIS DE LA SERIE TEMPORAL DEL IBEX-35 DESDE 1992 HASTA CONCLUSIONES PREDICTIVAS.

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "ANALISIS DE LA SERIE TEMPORAL DEL IBEX-35 DESDE 1992 HASTA CONCLUSIONES PREDICTIVAS."

Transcripción

1 ANALISIS DE LA SERIE TEMPORAL DEL IBEX-35 DESDE 1992 HASTA CONCLUSIONES PREDICTIVAS. Introducción: En la presente comunicación nos proponemos analizar el comportamiento como serie temporal del índice bursátil IBEX-35 desde 1992 hasta 1997 incorporando también datos de Dicho estudio lo realizaremos usando elementos de la modelización ARIMA además de otros elementos habituales en la metodología estadística. Nuestro propósito no es otro que analizar la estructura, en los últimos años de dicho índice, partiendo de la base de que la modelización ARIMA ya se ha usado para describir fenómenos bursátiles, siendo un resultado casi clásico que la evolución de las cotizaciones en una bolsa sigue un modelo similar al camino aleatorio (o proceso ARIMA(0,1,0)). El objetivo será describir la serie IBEX-35 en los últimos años haciendo hincapié en sus regularidades y en sus heterogeneidades a lo largo del tiempo, así como comprobar si dicha serie temporal se puede describir adecuadamente como un proceso ARIMA consistente a través del tiempo. Aunque en este trabajo no nos centraremos en la predicción del índice IBEX, sí que se comentarán brevemente aspectos predictivos sobre el año Depuración de la serie de datos IBEX-35: Realizaremos nuestro estudio trabajando con las diferencias de los logaritmos de los valores de cierre diarios (en adelante dlx). Esto es por dos razones: 1) tomamos logaritmo (neperiano) a la serie IBEX para estabilizar la varianza de las oscilaciones (respecto a la tendencia ) y hallamos la diferencia primera para hacer estacionaria la serie resultante (metodología ortodoxa Box-Jenkins); 2) la diferencia de los logaritmos es la forma matemáticamente conveniente de las variaciones porcentuales diarias del índice, que son los valores realmente manejados por los observadores y decisores bursátiles. En cada año describiremos el comportamiento del IBEX-35 a través del cálculo de la media, desviación típica y primeras autocorrelaciones de dlx. Como primer paso, construimos año a año los valores de dlx y monitorizamos su comportamiento, tanto para comprobar su modelo de distribución aproximado como para limpiar cualquier valor anómalo (outlier) que pudiese distorsionar los valores estadísticos. Tenemos que señalar las siguientes circunstancias que acaecen en los diferentes años: - En el año 1992 tenemos disponibles los valores a partir del 1 de Febrero

2 - En dicho año 1992 se observa una marcada diferencia en el comportamiento de dlx entre la primera y la segunda parte del año. En la segunda mitad (aproximadamente) de 1992 la volatilidad (desviación típica de dlx) es apreciablemente mayor que en la primera mitad. De hecho, hemos comprobado que es muy significativa la diferencia por medio de un test Mann- Whitney sobre dlx 2. Además en la segunda mitad dlx tiene una distribución con una curtosis elevada muy significativamente mayor que cero (que es la curtosis de una distribución gaussiana). Todo ello supone que el año 1992 es masivamente anómalo y, por consiguiente, los valores estadísticos relativos a él deben ser considerados con más cautela que en el resto de los años. - En el año 1993, dlx sigue una distribución aceptablemente gaussiana con excepción de un outlier ocurrido el 13 de Mayo al subir el IBEX desde 2635 hasta 2761, lo cual supone una subida del 4 8% en un sólo día. El valor de dlx originado tiene un valor tipificado z = totalmente anómalo respecto al resto. Como dicha subida no se compensa en sentido negativo inmediatamente después, se trata de un cambio de nivel anómalo en el IBEX El año 1994 no presenta ninguna anomalía aparentemente, siendo dlx aceptablemente gaussiana. - En 1995 no se observan outliers propiamente dichos, aunque se observa en dlx una curtosis ligeramente elevada y casi significativa (respecto a cero). - En el año 1996 se da una circunstancia similar a la ocurrida en 1993: un outlier, en este caso negativo, consistente en un valor para dlx correspondiente a z = -7 01, evidentemente fuera de lugar verosímil en una distribución gaussiana. Tal circunstancia se dió el 4 de Marzo cuando el IBEX bajó de 3918 a 3714 (un 5 2% en un sólo día). De nuevo se trata de una anomalía de nivel. Eliminado este dato, la serie dlx depurada es muy aceptablemente Normal presenta una anomalía diferente puesto que se trata de una anomalía de pico en el IBEX, es decir una bajada muy importante seguida inmediatamente de una subida muy importante, recuperando el nivel. En dlx se observan dos valores muy negativos seguidos de un valor muy positivo. Esto ocurrió en los días 27, 28 y 29 de Octubre durante la llamada crisis de Hong-Kong, en donde se registraron variaciones del - 4 4%, -4 2% y +5 7%. En este caso la eliminación de estas anomalías consistió en sustituir los valores del 27 y 28 de Octubre del logaritmo del IBEX por la interpolación lineal a partir de los valores del 26 y 29 de Octubre. El año 1998 (hasta finales de junio) no presenta valores anómalos en dlx, aunque se puede observar lo que parece ser un incremento en la volatilidad a partir de marzo, situación ligeramente parecida a la de 1992.

3 Elementos descriptivos de la serie IBEX-35: periodo En la tabla siguiente se relaccionan dichos datos así como los correspondientes a todo el Año Media Desvtip ρ % 1.15% 0,173(0,064) 0,147(0,066) -0,050(0,067) -0,073(0,067) % 0.92% 0.173(0.063) (0.065) (0.065) 0.014(0.066) % 1.17% 0.064(0.063) (0.063) 0.027(0.064) 0.070(0.064) % 0.87% 0.122(0.063) (0.064) (0.064) 0.026(0.064) % 0.74% 0.118(0.063) 0.020(0.064) (0.064) 0.180(0.064) % 1.26% 0.098(0.063) (0.064) 0.021(0.065) (0.065) ,29% 1,43% (0.092) 0.021(0.092) 0.005(0.092) (0.093) % 1.04% 0.128(0.026) (0.026) (0.026) (0.026) ρ2 ρ3 ρ4 Se puede observar (ver gráfico de Medias anuales, intervalos de estimación del 95%) que las medias (rentabilidad media diaria) son cercanas a cero en todos los años aunque significamente mayores que cero en 1993 y 1996 con valores tipificados y valores de probabilidades (p-values) de z = (p = 0 010) y z = (p < 0 001). El valor medio en el periodo es 0 07% y ninguno de los valores de medias anuales son significativamente distintos de él, salvo, quizás, el de En lo que llevamos de 1998 el valor de la media es muy elevado, aunque el intervalo centrado del 95% para dicha estimación es (0,03%,0,54%), es decir no es muy significativamente distinto de cero. De hecho no es significativamente distinto de la media global 0,07%. Por su parte las desviaciones típicas anuales (ver gráfico de Desviaciones típicas anuales, intervalos de estimación del 95%) son significativamente distintos entre sí y respecto a la desviación típica global 1 04%. A pesar de todo ello tienen valores relativamente homogéneos y alrededor del 1%. Se observan dos niveles claramente distintos: en 1992, 1994 y 1997 la volatilidad media fue alta (alrededor del 1 20% diario) y en 1993, 1995 y 1996 la volatilidad fué más baja (alrededor de 0 80% diario). En 1998 observamos hasta final de junio una volatilidad elevada de 1 43% con un intervalo de estimación del 95% de (1 28%,1 66%), con lo que es significativamente más elevada que en años anteriores, con excepción de Se vislumbra una posible relación entre la rentabilidad y la volatilidad anuales (ver gráfico de Distribución de medias-desviaciones). En el gráfico están representados los años a

4 través de su media y desviación correspondientes y los ejes se cortan en la media y desviación globales de 92-97, representando los cuadrantes años de alta-baja rentabilidad y alta-baja volatilidad. Podemos apreciar que 1992 y 1994 son años de baja rentabilidad y alta volatilidad, 1993 y 1996 son años de alta rentabilidad y baja volatilidad, 1995 es un año en cierto modo intermedio y el año 1997 es anómalo en este grupo al darse alta rentabilidad y alta volatilidad. De todas formas es necesario ser cauteloso con cualquier conclusión en este sentido porque sólo tenemos representados 6 años y por otro lado los márgenes de error de estimación de las medias anuales son grandes. Hasta el momento (finales de junio) el año 1998 ocuparía un lugar alejado de los demás años en dicha representación. Evidentemente las rentabilidades medias diarias no cambian abruptamente al cambiar de año. El tomar como referencia los años formales estamos incurriendo en una dosis de arbitrariedad (aunque los años Enero-Diciembre tienen sentido especial como periodo al ser lo que delimita el año economico y mucha de las estrategias y análisis bursátiles se diseñana de año en año). A fin de reflejar con un mayor detalle la variación de la media y desviación típica de dlx hemos elaborado un gráfico de las medias y desviaciones (ver el gráfico de medias y desviaciones base 6 meses) calculadas en un entorno de unos tres meses antes y después de cada día (en resumidas cuentas estamos calculando medias móviles y desviaciones móviles). Los años 1993, 1994 y 1995 son bastantes homogéneos en cuanto a la evolución de la rentabilidad media diaria, en contraste el año 1992 es fuertemente heterogéneo. La volatilidad media diaria fluctúa en buena medida en sentido contrario al movimiento de la rentabilidad media, como indicamos anteriormente. La volatilidad media oscila (medida en periodos de 6 meses) entre el 0 70% y el 1 50% aproximadamente y la rentabilidad media diaria entre el -0 25% y el +0 25% aproximadamente. Respecto a las autocorrelaciones de dlx, las primeras son muy pequeñas y no significativamente distintas de cero en general. Observando las distintas autocorrelaciones en los diferentes años (ver gráficos de autocorrelaciones de orden 1 y 2 y autocorrelaciones de orden 3 y 4) podemos constatar que sólo las de primer orden son en conjunto homogéneas año a año y (ligeramente) significativas. Globalmente, en el periodo 92-97, la autocorrelación de orden 1 es muy significativa y, sin embargo, su valor es pequeño. Es decir, esta significatividad no es muy relevante. Las demás autocorrelaciones no presentan aparentemente ningún comportamiento regular o significativo a través de los distintos años y globalmente no son significativamente distintas de cero, a pesar de contar con 1501 datos del IBEX durante el periodo Esto indica que las autocorrelaciones de dlx son extraordinariamente pequeñas, excepto la de primer orden que es ligeramente positiva. En 1998 se obtienen hasta el momento autocorrelaciones muy

5 débiles y no significativas, de todas formas, el error de estimación es relativamente grande debido a que sólo disponemos de 120 datos. De estas autocorrelaciones podriamos deducir que los logaritmos del IBEX dlx se comporta aproximadamente como un proceso ARIMA(1,1,0) o quizás ARIMA(0,1,1) aunque siendo la primera autocorrelación pequeña, podría describirse de manera razonable como un camino aleatorio ARIMA(0,1,0). Hay que aclarar que, como camino aleatorio, las diferencias tendrían una media del 0 07% (media global de dlx) y desviación 1 04% (desviación global de dlx) aunque realmente la media y sobre todo la desviación típica sería dinámica en el tiempo. Ello obligaría a considerar como modelo a medio y largo plazo un modelo dinámico. La descripción anterior se ha efectuado eliminando los datos considerados anómalos (outliers), por tanto una descripción completa de la evolución del IBEX-35 debería incluir una modelización de estas anomalías, teniendo en cuenta tanto su probabilidad de aparición como su magnitud y tipo. Es decir, la diferencia de los logaritmos(dlx) podría modelizarse como una mixtura: dlx = p 1 N(0 07%,1 04%) (+) p 2 A (mezcla) donde A es una variable aleatoria que representa las anomalías y p 2 representa la probabilidad de que ocurra una anomalía en una sesión dada. Sin embargo hay dificultades prácticas para determinar los parámetros de las anomalías debido a que, por construcción, su aparición es muy esporádica en la serie que analizamos, y por consiguiente hay pocos valores con los que estimar su comportamiento. Algunos aspectos predictivos: Al ser la serie de los logaritmos del IBEX aproximadamente equivalente a un camino aleatorio con elevada dispersión en cada paso, la predicción a medio y largo plazo presenta una varianza o imprecisión muy elevada. Si admitiésemos que desde julio en adelante se va a dar una volatilidad media de alrededor del 1 04% (valor global para el periodo 92-97) y una rentabilidad media diaria de 0 07% (valor medio para 92-97), entonces, partiendo del valor en el 29 de junio y suponiendo un camino aleatorio de unas 130 sesiones hasta final de año, obtendríamos un valor a final del año 1998 dado por:

6 1)

7

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro

Más detalles

Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar

Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación

Más detalles

6.4. APLICACIÓN DE REDES NEURONALES EN EL CÁLCULO DE LA TASA DE CONTORNEAMIENTOS Velocidad de retorno del rayo con distribución uniforme

6.4. APLICACIÓN DE REDES NEURONALES EN EL CÁLCULO DE LA TASA DE CONTORNEAMIENTOS Velocidad de retorno del rayo con distribución uniforme Aplicación de redes neuronales en el cálculo de sobretensiones y tasa de contorneamientos 233 6.4. APLICACIÓN DE REDES NEURONALES EN EL CÁLCULO DE LA TASA DE CONTORNEAMIENTOS 6.4.1. Introducción Como ya

Más detalles

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. 3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,

Más detalles

Econometría II Grado en finanzas y contabilidad

Econometría II Grado en finanzas y contabilidad Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es

Más detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

Tema 1.- Correlación Lineal

Tema 1.- Correlación Lineal Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una

Más detalles

1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7.

1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7. MODELO A Examen de Estadística Económica (2407) 20 de junio de 2009 En cada pregunta sólo existe UNA respuesta considerada más correcta. Si hay dos correctas deberá escoger aquella respuesta que tenga

Más detalles

Y accedemos al cuadro de diálogo Descriptivos

Y accedemos al cuadro de diálogo Descriptivos SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse

Más detalles

GRAFICOS DE CONTROL DATOS TIPO VARIABLES

GRAFICOS DE CONTROL DATOS TIPO VARIABLES GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar

Más detalles

Tomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba.

Tomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba. 4.3 PARÁMETRO DE ESCALADO Para el caso del parámetro de escalado se va a proceder de la siguiente forma. Partimos de una imagen de referencia (imagen A), a la cual se le aplican cambios de translación

Más detalles

Estadística Descriptiva. SESIÓN 11 Medidas de dispersión

Estadística Descriptiva. SESIÓN 11 Medidas de dispersión Estadística Descriptiva SESIÓN 11 Medidas de dispersión Contextualización de la sesión 11 En la sesión anterior se explicaron los temas relacionados con la dispersión, una de las medidas de dispersión,

Más detalles

Teorema Central del Límite (1)

Teorema Central del Límite (1) Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico

Más detalles

Tema 2. Descripción Conjunta de Varias Variables

Tema 2. Descripción Conjunta de Varias Variables Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis

Más detalles

Análisis del comportamiento de la demanda

Análisis del comportamiento de la demanda Análisis del comportamiento de la demanda Marzo de 2013 DAI Departamento de Análisis e Informes GRUPO TECNOCASA 1 INFORME ANÁLISIS DEL COMPORTAMIENTO DE LA DEMANDA ÍNDICE 1. Objetivo del Informe. 2. Perfil

Más detalles

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016 ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una

Más detalles

La producción de acero en Monterrey N.L. (México) en millones de toneladas, durante el año de 1992 a partir del mes de enero se muestra en la tabla:

La producción de acero en Monterrey N.L. (México) en millones de toneladas, durante el año de 1992 a partir del mes de enero se muestra en la tabla: El objetivo al estudiar el concepto razón de cambio, es analizar tanto cuantitativa como cualitativamente las razones de cambio instantáneo y promedio de un fenómeno, lo cual nos permite dar solución a

Más detalles

Medidas de centralización

Medidas de centralización 1 1. Medidas de centralización Medidas de centralización Hemos visto cómo el estudio del conjunto de los datos mediante la estadística permite realizar representaciones gráficas, que informan sobre ese

Más detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

LA EMPRESA FAMILIAR EN CANTABRIA ( )

LA EMPRESA FAMILIAR EN CANTABRIA ( ) INFORME Nº2 LA EMPRESA FAMILIAR EN CANTABRIA (2004-2013) Mª Concepción López Fernández (Ed.) Ana Mª Serrano Bedia Gema García Piqueres Marta Pérez Pérez Resumen ejecutivo 1 Índice Prólogo 9 Prefacio 11

Más detalles

El papel probabilístico normal

El papel probabilístico normal El papel probabilístico normal Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística, Investigación Operativa Aplicadas

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:

Más detalles

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos

Más detalles

Bioestadística para Reumatólogos

Bioestadística para Reumatólogos Bioestadística para Reumatólogos Xavier Barber Vallés Mabel Sánchez Barrioluengo Colaboradores - Umh Todos los datos que se muestran son ficticios Tablas 2x2: Riesgos Relativos y Odds ratio En cada sociedad

Más detalles

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL. LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante

Más detalles

4. ANÁLISIS DE LOS DESVÍOS DE LA ENERGÍA EÓLICA 2012

4. ANÁLISIS DE LOS DESVÍOS DE LA ENERGÍA EÓLICA 2012 4. ANÁLISIS DE LOS DESVÍOS DE LA ENERGÍA EÓLICA 2012 Análisis del coste de los desvíos 45 46 Análisis del coste de los desvíos 4.1 Coste de los desvíos de la energía eólica Como ya se ha explicado anteriormente,

Más detalles

Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Dispone de 1 hora para resolver las siguientes cuestiones planteadas. ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE ECONOMÍA Y NEGOCIOS EXAMEN TEÓRICO DE ESTADÍSTICA COMPUTARIZADA NOMBRE: PARALELO: Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Más detalles

3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de Documento PDF.

3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de Documento PDF. 3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de 2008. Documento PDF. 5. PROYECCIONES DE LA DEMANDA DE ENERGIA Estudio Prospectiva de la Demanda de Energía de República Dominicana Informe

Más detalles

5. ANÁLISIS DE LA ENERGÍA HIDRÁULICA 2012

5. ANÁLISIS DE LA ENERGÍA HIDRÁULICA 2012 5. ANÁLISIS DE LA ENERGÍA HIDRÁULICA 1 Análisis del coste de los desvíos 59 Análisis del coste de los desvíos 5.1 Coste de los desvíos de la energía hidráulica El mismo estudio que se ha realizado anteriormente

Más detalles

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia

Más detalles

Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos)

Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos) Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos) Alberto Contreras Cristán, Miguel Ángel Chong Rodríguez. Departamento de Probabilidad y Estadística Instituto de Investigaciones en

Más detalles

Curso de Estadística Básica

Curso de Estadística Básica Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión

Más detalles

Argentina Factores asociados TERCE

Argentina Factores asociados TERCE Factores asociados TERCE a) Desempeño de los estudiantes La tabla 1 expone los resultados de en las pruebas TERCE y su comparación con el promedio de rendimiento regional. Como se observa, los estudiantes

Más detalles

SESIÓN 14 DERIVADAS SUCESIVAS DE UNA FUNCION, DE MÁXIMOS Y MÍNIMOS Y LA CONCAVIDAD DE UNA CURVA APLICANDO EL CRITERIO DE LA SEGUNDA DERIVADA

SESIÓN 14 DERIVADAS SUCESIVAS DE UNA FUNCION, DE MÁXIMOS Y MÍNIMOS Y LA CONCAVIDAD DE UNA CURVA APLICANDO EL CRITERIO DE LA SEGUNDA DERIVADA SESIÓN 14 DERIVADAS SUCESIVAS DE UNA FUNCION, DE MÁXIMOS Y MÍNIMOS Y LA CONCAVIDAD DE UNA CURVA APLICANDO EL CRITERIO DE LA SEGUNDA DERIVADA I. CONTENIDOS: 1. Derivadas sucesivas de una función 2. Concavidad

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES

VARIABLES ESTADÍSTICAS BIDIMENSIONALES VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes

Más detalles

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 015- Hermosillo, Sonora, a 14 de septiembre de

Más detalles

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN

Más detalles

UNIDAD 6. Estadística

UNIDAD 6. Estadística Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,

Más detalles

Estadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 5

Estadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 5 Estadística Industrial Universidad Carlos III de Madrid Series temporales Práctica 5 Objetivo: Análisis descriptivo, estudio de funciones de autocorrelación simple y parcial de series temporales estacionales.

Más detalles

II Unidad Diagramas en bloque de transmisores /receptores

II Unidad Diagramas en bloque de transmisores /receptores 1 Diagramas en bloque de transmisores /receptores 10-04-2015 2 Amplitud modulada AM Frecuencia modulada FM Diagramas en bloque de transmisores /receptores Amplitud modulada AM En la modulación de amplitud

Más detalles

CONCLUSIONES. Después del análisis de la prevalencia, el comportamiento, así como la mortalidad y las

CONCLUSIONES. Después del análisis de la prevalencia, el comportamiento, así como la mortalidad y las CONCLUSIONES Después del análisis de la prevalencia, el comportamiento, así como la mortalidad y las complicaciones de la Diabetes Mellitus en un sector de la población importante del Estado de Puebla,

Más detalles

Transformaciones de variables

Transformaciones de variables Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale

Más detalles

Procesos estocásticos. Definición

Procesos estocásticos. Definición Procesos estocásticos Definición http://humberto-r-alvarez-a.webs.com Definición de proceso estocástico Estudio del comportamiento de una variable aleatoria a lo largo del tiempo El ajuste de cualquier

Más detalles

El polvo de bronce empleado ha sido suministrado por la empresa ECKART. Su denominación comercial es ECKA Spherical Bronze 89/11 AK.

El polvo de bronce empleado ha sido suministrado por la empresa ECKART. Su denominación comercial es ECKA Spherical Bronze 89/11 AK. 3. MATERIALES 3.1 BRONCE El polvo de bronce empleado ha sido suministrado por la empresa ECKART. Su denominación comercial es ECKA Spherical Bronze 89/11 AK. 3.1.1 PROPIEDADES GENERALES En este apartado

Más detalles

CAPITULO V CONCLUSIONES. a) El índice de Gini, Theil y el Coeficiente de Variación la Distribución Salarial se

CAPITULO V CONCLUSIONES. a) El índice de Gini, Theil y el Coeficiente de Variación la Distribución Salarial se CAPITULO V CONCLUSIONES 5.1 Conclusiones del Análisis A partir de los resultados obtenidos se llevan cabo las siguientes conclusiones: a) El índice de Gini, Theil y el Coeficiente de Variación la Distribución

Más detalles

Percentil q (p q ) Si en este conjunto de valores se quiere encontrar el percentil 20, la solución gráfica es muy simple

Percentil q (p q ) Si en este conjunto de valores se quiere encontrar el percentil 20, la solución gráfica es muy simple Percentil q (p q ) Una medida de posición muy útil para describir una población, es la denominada 'percentil'. En forma intuitiva podemos decir que es un valor tal que supera un determinado porcentaje

Más detalles

Unidad IV: Distribuciones muestrales

Unidad IV: Distribuciones muestrales Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia

Más detalles

Método de cuadrados mínimos

Método de cuadrados mínimos REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,

Más detalles

Máster en comunicaciones. Clase 2. Modelos predictores.

Máster en comunicaciones. Clase 2. Modelos predictores. Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de

Más detalles

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS 1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias

Más detalles

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos

Más detalles

Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD

Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD Práctica 5.Métodos descriptivos para determinar la normalidad 1 Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD Objetivos: En esta práctica utilizaremos el paquete SPSS para determinar si

Más detalles

SESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS

SESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS SESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS I. CONTENIDOS: 1. Función inversa, conceptos y definiciones 2. Derivación de funciones trigonométricas inversas 3. Ejercicios resueltos 4. Estrategias

Más detalles

1. Caso no lineal: ajuste de una función potencial

1. Caso no lineal: ajuste de una función potencial 1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir

Más detalles

Ejercicio 1(10 puntos)

Ejercicio 1(10 puntos) ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa

Más detalles

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José

Más detalles

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización

Más detalles

1.3.- V A L O R A B S O L U T O

1.3.- V A L O R A B S O L U T O 1.3.- V A L O R A B S O L U T O OBJETIVO.- Que el alumno conozca el concepto de Valor Absoluto y sepa emplearlo en la resolución de desigualdades. 1.3.1.- Definición de Valor Absoluto. El valor absoluto

Más detalles

Informe sobre impactos en el Val do Ave - Portugal Variables: precipitación, temperatura, evaporación, viento y radiación de onda corta

Informe sobre impactos en el Val do Ave - Portugal Variables: precipitación, temperatura, evaporación, viento y radiación de onda corta Informe sobre impactos en el Val do Ave - Portugal Variables: precipitación, temperatura, evaporación, viento y radiación de onda corta Elaboración: Consellería de Medio Ambiente Territorio e Infraestruturas.

Más detalles

Análisis Segmento Municipalidades

Análisis Segmento Municipalidades Análisis Segmento Municipalidades Análisis de la participación del segmento Municipalidades en la compra de fármacos, desde la perspectiva de los montos involucrados, las programaciones a través de Cenabast,

Más detalles

Tema 3. Relación entre dos variables cuantitativas

Tema 3. Relación entre dos variables cuantitativas Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas

Más detalles

Teoría de errores -Hitogramas

Teoría de errores -Hitogramas FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:

Más detalles

Estadística I. Presentación de casos N 2

Estadística I. Presentación de casos N 2 Presentación de casos N 2 1. Dados los siguientes datos : 12 3 4 4 10 12 14 09 16 12 8 14 5 17 12 Calcule la Desviación Media Calcule la Desviación Típica o Estándar Calcule la Varianza Si todos los datos

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

Capítulo 4. Análisis estadístico de la evolución del valor del tomate exportado

Capítulo 4. Análisis estadístico de la evolución del valor del tomate exportado Evolución Tomate: Valor Exportación Capítulo 4 Análisis estadístico de la evolución del valor del tomate exportado Evolución de los valores totales El tomate es la primera hortaliza en cuanto a valor en

Más detalles

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer

Más detalles

Distribuciones muestrales. Distribución muestral de Medias

Distribuciones muestrales. Distribución muestral de Medias Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando

Más detalles

DEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM

DEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-

Más detalles

2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual

2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual Prueba Escrita de matemática / Nivel: Sétimo año 1. Estadística - Unidad estadística - Características - Datos u observaciones - Población - Muestra - Variabilidad de los datos - Variables cuantitativas

Más detalles

Prof. Antonio Santillana y Ainhoa Herrarte Septiembre de 2009

Prof. Antonio Santillana y Ainhoa Herrarte Septiembre de 2009 La economía en el corto plazo: introducción al análisis del ciclo económico Prof. Antonio Santillana y Ainhoa Herrarte Septiembre de 2009 Contenido Definición de ciclo económico 1. Medición del ciclo económico:

Más detalles

Figura Trabajo de las fuerzas eléctricas al desplazar en Δ la carga q.

Figura Trabajo de las fuerzas eléctricas al desplazar en Δ la carga q. 1.4. Trabajo en un campo eléctrico. Potencial Clases de Electromagnetismo. Ariel Becerra Al desplazar una carga de prueba q en un campo eléctrico, las fuerzas eléctricas realizan un trabajo. Este trabajo

Más detalles

ESCUELA PREPARATORIA OFICIAL NÚM. 11 PROGRAMA DEL ESTUDIANTE POR MATERIA PRIMER PERIODO DE TRABAJO DEL SEGUNDO SEMESTRE DEL CICLO ESCOLAR

ESCUELA PREPARATORIA OFICIAL NÚM. 11 PROGRAMA DEL ESTUDIANTE POR MATERIA PRIMER PERIODO DE TRABAJO DEL SEGUNDO SEMESTRE DEL CICLO ESCOLAR EPO ECUELA PREPARATORIA OFICIAL NÚM. CUAUTITLAN IZCALLI, MEX. PROGRAMA DEL ETUDIANTE POR MATERIA PRIMER PERIODO DE TRABAJO DEL EGUNDO EMETRE DEL CICLO ECOLAR 204-205 Materia: Probabilidad y Estadística

Más detalles

PRÁCTICA 11. VALORES ANÓMALOS OUTLIERS Y EFECTO CALENDARIO

PRÁCTICA 11. VALORES ANÓMALOS OUTLIERS Y EFECTO CALENDARIO PRÁCTICA 11. VALORES ANÓMALOS OUTLIERS Y EFECTO CALENDARIO Los modelos ARIMA constituyan una forma práctica de representar la dinámica de una serie. Ye hemos introducido en las prácticas anteriores el

Más detalles

Medidas descriptivas I. Medidas de tendencia central A. La moda

Medidas descriptivas I. Medidas de tendencia central A. La moda Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto

Más detalles

conocida comúnmente, como la Campana de Gauss ".

conocida comúnmente, como la Campana de Gauss . CURSO DE ESTADÍSTICA INFERENCIAL EJERCICIOS Y PROBLEMAS RESUELTOS DE DISTRIBUCIÓN NORMAL Prof.:MSc. Julio R. Vargas A. La Distribución Normal: La distribución normal N (μ, σ): es un modelo matemático que

Más detalles

Matemáticas. Selectividad ESTADISTICA COU

Matemáticas. Selectividad ESTADISTICA COU Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries

Más detalles

MATEMÁTICAS 1º BACHILLERATO Curso EJERCICIOS RESUELTOS DE INECUACIONES

MATEMÁTICAS 1º BACHILLERATO Curso EJERCICIOS RESUELTOS DE INECUACIONES MATEMÁTICAS 1º BACHILLERATO Curso 9-1 EJERCICIOS RESUELTOS DE INECUACIONES EJERCICIOS RESUELTOS DE INECUACIONES A. Inecuaciones lineales con una incógnita x x1 x3 > 1 3 4 x x1 x3 4( x ) 3( x1) 6( x3) 1

Más detalles

MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1

MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1 MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA

Más detalles

Probabilidad y Estadística, EIC 311

Probabilidad y Estadística, EIC 311 Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda

Más detalles

ESTADÍSTICA CON EXCEL

ESTADÍSTICA CON EXCEL ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

Fundamentos de Estadística y Simulación Básica

Fundamentos de Estadística y Simulación Básica Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión

Más detalles

PERFIL PROFESIONAL DE INGENIERÍA QUÍMICA (ANÁLISIS DE LA DEMANDA GESTIONADA EN EL COIE) coie VICERRECTORADO DE ESTUDIANTES

PERFIL PROFESIONAL DE INGENIERÍA QUÍMICA (ANÁLISIS DE LA DEMANDA GESTIONADA EN EL COIE) coie VICERRECTORADO DE ESTUDIANTES PERFIL PROFESIONAL DE INGENIERÍA QUÍMICA (ANÁLISIS DE LA DEMANDA GESTIONADA EN EL COIE) coie VICERRECTORADO DE ESTUDIANTES UNIVERSIDAD COMPLUTENSE DE MADRID INGENIERÍA QUÍMICA Los datos contenidos en este

Más detalles

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua. Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,

Más detalles

UNA INTERPRETACION ESTADISTICA SOBRE LAS CIFRAS DEL IPC José Luis Lupo INTRODUCCION

UNA INTERPRETACION ESTADISTICA SOBRE LAS CIFRAS DEL IPC José Luis Lupo INTRODUCCION INTRODUCCION UNA INTERPRETACION ESTADISTICA SOBRE LAS CIFRAS DEL IPC José Luis Lupo La inflación en Bolivia, medida a través del Indice de Precios al Consumidor (IPC), en la década del 70 experimentó un

Más detalles

EL CONSUMO DE JAMON IBERICO EN HOGARES POR COMUNIDADES AUTONOMAS 2008/2013

EL CONSUMO DE JAMON IBERICO EN HOGARES POR COMUNIDADES AUTONOMAS 2008/2013 EL CONSUMO DE JAMON IBERICO EN HOGARES POR COMUNIDADES AUTONOMAS 28/213 En este informe analizamos la distribución del consumo de jamón de ibérico por Comunidades Autónomas (en adelante CCAAS) en el período

Más detalles

INFORME DEL MERCADO DE LA VIVIENDA

INFORME DEL MERCADO DE LA VIVIENDA MADRID 2014-2 ( Segundo semestre 2014 ) INFORME DEL MERCADO DE LA VIVIENDA DAI DEPARTAMENTO DE ANÁLISIS E INFORMES DEL GRUPO TECNOCASA Índice 1. Objetivo del informe - metodología. 2. Evolución del precio

Más detalles

Tabla 1: Paro registrado en municipios de más de habitantes de la Comunidad de Madrid y porcentaje de desempleo femenino. % Desempleo femenino

Tabla 1: Paro registrado en municipios de más de habitantes de la Comunidad de Madrid y porcentaje de desempleo femenino. % Desempleo femenino El pasado mes de enero la Comunidad de registró un aumento en el número de desempleados inscritos con respecto a diciembre de 2011. De los 20 municipios de más de cincuenta mil habitantes de la Comunidad

Más detalles

Medidas de tendencia central y dispersión

Medidas de tendencia central y dispersión Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 3, Marzo 2011. Open Access, Creative Commons. Medidas de tendencia central y dispersión Autor: Fernando Quevedo Ricardi (1) Filiación:

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA 1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,

Más detalles

Los Gráficos. Que son? Cuales son los tipos que conoces. Cual es su relación con la estadística?

Los Gráficos. Que son? Cuales son los tipos que conoces. Cual es su relación con la estadística? Los Gráficos Que son? Cual es su relación con la estadística? Que factores se deben considerar para leerlos correctament e? Cuales son los tipos que conoces La representación grafica de datos sobre un

Más detalles

INDICADOR DE CONFIANZA DEL CONSUMIDOR. MES DE DICIEMBRE EVOLUCIÓN DE INDICADORES

INDICADOR DE CONFIANZA DEL CONSUMIDOR. MES DE DICIEMBRE EVOLUCIÓN DE INDICADORES INDICADOR DE CONFIANZA DEL CONSUMIDOR. MES DE DICIEMBRE EVOLUCIÓN DE INDICADORES Estudio nº 3122 Diciembre 2015 El Indicador mensual de Confianza del Consumidor (ICC) ha sido elaborado en España por el

Más detalles

Siniestralidad leve de tráfico en Cataluña. Informe 2013.

Siniestralidad leve de tráfico en Cataluña. Informe 2013. Siniestralidad leve de tráfico en Cataluña. Informe 2013. 1 INTRODUCCIÓN El presente informe ha sido realizado usando una base de datos que recoge todos los siniestros registrados desde el 1 de enero de

Más detalles

Resumen teórico de los principales conceptos estadísticos

Resumen teórico de los principales conceptos estadísticos Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Muestreo aleatorio simple Resumen teórico Resumen teórico de los principales conceptos estadísticos Muestreo aleatorio

Más detalles

A/42/10 ANEXO IV TASAS DEL PCT Y MECANISMOS RELATIVOS AL TIPO DE CAMBIO

A/42/10 ANEXO IV TASAS DEL PCT Y MECANISMOS RELATIVOS AL TIPO DE CAMBIO ANEXO IV TASAS DEL PCT Y MECANISMOS RELATIVOS AL TIPO DE CAMBIO Reseña 1. Las previsiones y los ingresos del PCT en la Oficina Internacional se expresan en francos suizos. Sin embargo, los solicitantes

Más detalles

Informe Semanal Nº 548. El mapa de riesgos financieros. 28 de julio de 2015

Informe Semanal Nº 548. El mapa de riesgos financieros. 28 de julio de 2015 28 de julio de 2015 Informe Semanal Nº 548 El mapa de riesgos financieros En los últimos trimestres, la elevada volatilidad de los mercados financieros, y en particular del mercado de divisas, ha vuelto

Más detalles

Tema 8. Análisis de dos variables Ejercicios resueltos 1

Tema 8. Análisis de dos variables Ejercicios resueltos 1 Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los

Más detalles

MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD

MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD 1 Parte I: Diseño de experimentos Parte II: Control estadístico de procesos Parte III: Control de productos terminados Diseño Producción Producto final

Más detalles

Boletín de Predicción de Cosecha Castilla y León

Boletín de Predicción de Cosecha Castilla y León Boletín de Predicción de Cosecha Castilla y León 16 JUNIO 2016 Nº.5 CEREALES La estimación de los rendimientos en este Boletín no varía significativamente con respecto a los que se ofrecieron en el Boletín

Más detalles