Enfoques de Programación Matemática para la Previsión de la Demanda mediante descomposición de series temporales
|
|
- Montserrat Flores Gómez
- hace 8 años
- Vistas:
Transcripción
1 IX Congreso de Ingeniería de Organización Gijón, 8 y 9 de sepiembre de 2005 Enfoques de Programación Maemáica para la Previsión de la Demanda mediane descomposición de series emporales Josefa Mula Bru, Raúl Poler Escoo 2, David Peidro Payá 3, Angel Oriz Bas 4, 2, 3 CIGIP (Cenro de Invesigación Gesión e Ingeniería de Producción). Universidad Poliécnica de Valencia. Deparameno de Organización de Empresas, Economía Financiera y Conabilidad. Escuela Poliécnica Superior de Alcoy. Plaza Ferrándiz y Carbonell, 2, 0380 Alcoy (Alicane). fmula@cigip.upv.es, rpoler@cigip.upv.es, dapeipa@cigip.upv.es 4 CIGIP (Cenro de Invesigación Gesión e Ingeniería de Producción). Universidad Poliécnica de Valencia. Deparameno de Organización de Empresas, Economía Financiera y Conabilidad. Escuela écnica Superior de Ingenieros Indusriales. Campus Vera, s/n, 4602 Valencia. aoriz@cigip.upv.es Resumen Muchos méodos de previsión esán basados en el concepo de que cuando exise un parón subyacene en una serie de daos, ese parón puede disinguirse de la aleaoriedad mediane el suavizado (promediado) de los valores pasados. El efeco de ese suavizado es eliminar la aleaoriedad de forma que el parón pueda proyecarse en el fuuro y usarse como previsión. En muchos casos el parón puede descomponerse en sub-parones que idenifican separadamene cada componene de las series emporales. al descomposición proporciona un mejor enendimieno del comporamieno de las series, lo que mejora la exaciud de la previsión. El objeivo de ese arículo es deerminar la previsión ópima para el modelo de descomposición de series emporales usando enfoques de Programación Maemáica. Se han resuelo algunos ejemplos para ilusrar ese enfoque. Palabras clave: Programación Maemáica, Previsión de la Demanda, Descomposición de Series emporales.. Inroducción La Previsión de la Demanda fuura es fundamenal para la adecuada gesión de los Procesos de Negocio en las empresas indusriales, ano a nivel esraégico para las decisiones sobre capacidad a largo plazo, como a nivel ácico para la Planificación de Producción. En el nivel organizaivo, los pronósicos de demanda se manifiesan como enradas esenciales para muchas acividades de decisión en varias áreas funcionales, ales como markeing, venas, producción/compras, así como conabilidad y finanzas (Menzer y Biensock, 998). Una adecuada Previsión de la Demanda ambién redundará en una gesión de invenarios más eficiene (Buffa y Miller, 979; Hax y Candea, 984; Silver e al. 998). Las écnicas para la realización de previsiones de demanda pueden clasificarse en res caegorías (Makridakis e al.998): (a) Méodos Cualiaivos. Principalmene basados en la opinión de experos; b) Méodos Causales. Desarrollan modelos que relacionan la demanda con un conjuno de variables independienes; y c) Méodos Cuaniaivos. Los cuales se dividen en dos ipos principales: c.) Series emporales, que predicen la coninuación de parones de daos hisóricos y c.2) Explicaivos, que raan de explicar como deerminadas variables afecan a la previsión.
2 La elección de la écnica más apropiada depende de un amplio rango de consideraciones, ales como los horizones emporales, objeivos, las propiedades de los daos y muchos oros aspecos. Además, el modelo de previsión debe ser manejable y producir resulados, que sean, a la vez, fidedignos y fáciles de inerprear. En ese arículo se proponen diversos modelos de Programación Maemáica para la Previsión de la Demanda basada en la descomposición muliplicaiva y adiiva de series emporales. En dichos modelos se puede opar por la minimización del error cuadráico medio o del error absoluo medio del ajuse. El arículo se ha esrucurado de la siguiene forma. En la sección 2 se inroducen los modelos de descomposición de series emporales para la Previsión de la Demanda. A coninuación, en la sección 3 se desarrollan los modelos de Programación Maemáica para la Previsión de la Demanda. Seguidamene, en la sección se comparan los resulados alcanzados con el méodo de descomposición clásica de la serie emporal en movimienos caracerísicos. Finalmene, la sección 5 presena las conclusiones de ese arículo. 2. Modelos de descomposición de series emporales Una serie emporal es un conjuno de observaciones omadas en insanes específicos, generalmene a inervalos iguales. Maemáicamene, una serie emporal se define como una función de la variable de iempo: Y. Los méodos de descomposición esablecen que la serie emporal se compone de cuaro movimienos caracerísicos: endencia, esacionalidad, ciclicidad e irregularidad. De esos cuaro movimienos únicamene pueden deerminarse los res primeros, aunque en la mayoría de los casos puede obenerse una adecuada previsión mediane la combinación de endencia y esacionalidad, obviando la ciclicidad que, por oro lado, es un movimieno de cálculo complicado (Makridakis e al.998). Por lo ano, los méodos de descomposición preenden idenificar por separado dos componenes del parón subyacene básico que suelen caracerizar las series de venas y económicas. Ésos son la endencia-ciclo y los facores de esacionalidad: ) endencia-ciclo (). La endencia-ciclo represena los cambios a largo plazo en el nivel de la serie. Dicha endencia puede ser a la baja, al alza o invariable. Cuando se aprecia una endencia alcisa o bajisa, las variaciones pueden ser más o menos acusadas (en forma lineal, exponencial, logarímica, gomperz, ec.). Según la ipología de la endencia se puede represenar según una reca o una curva que generalmene es una variane de una exponencial. Algunas veces, la endencia-ciclo es separada en endencia y componenes cíclicos, pero esa disinción es un poco arificial y la mayoría de los procedimienos de descomposición consideran la endencia y el ciclo como un único componene conocido como endencia-ciclo (). 2) Facor de esacionalidad (E). El facor de esacionalidad se refiere a las variaciones periódicas de longiud consane que son debidas a causas ales como la emperaura, lluvia, mes del año, períodos de vacaciones o políicas empresariales. La principal caracerísica de esos modelos es la consideración de que oda la información requerida para producir la previsión permanece esable denro de las mismas series. Sin embargo, la exaciud de la previsión depende de forma críica de la esabilidad de la endencia del hisórico y del parón. Además, una simple exrapolación de las endencias pasadas podría producir resulados incorrecos cuando algún eveno perurba el parón del hisórico de las series. Armsrong (984) discue los méodos uni-varianes basados en series emporales, ambién denominados méodos de exrapolación, en conraposición con oros enfoques más sofisicados. Kandil e al. (200) demuesran que los modelos que ajusan las
3 series a una línea reca o a un polinomio son relaivamene mejores comparados con oros modelos para un sisema elécrico de desarrollo rápido, mienras que la mayor pare de los modelos aplicados son válidos para un sisema de desarrollo normal. 3. Enfoques de Programación Maemáica En esa sección se formulan los modelos de Programación No Lineal, que minimizan el error cuadráico medio (ECM) de ajuse y el error absoluo medio (EAM) de ajuse, asociados con los modelos de descomposición muliplicaiva de series emporales. Además, se formula ambién un modelo de Programación Cuadráica que minimiza el ECM basado en la descomposición adiiva de series emporales, ese modelo se ransforma en un modelo de Programación Lineal cuando se minimiza el EAM. Los modelos son implemenados y resuelos uilizando el Solver de Excel y el lenguaje de modelado MPL (Maximal Sofware Corporaion, 2000) con el Solver CPLEX (CPLEX Opimizaion Co., 994) para problemas lineales y cuadráicos y el Solver CONOP (Drudd, 994) para problemas no lineales. La formulación de los problemas de Programación Maemáica permie obener, adicionalmene a la previsión, información complea sobre las caracerísicas del modelo: parámeros de ajuse, componenes del parón de la demanda y medidas del error de previsión. El EAM consise en hacer cada error de ajuse posiivo a ravés de su valor absoluo y poseriormene promediar los resulados. En el caso del ECM, los errores se hacen posiivos elevando cada uno al cuadrado y seguidamene promediando los cuadrados. El EAM iene la venaja de ser más inerpreable y fácil de explicar a los usuarios no especialisas de la previsión. Por su pare, el ECM iene la venaja de ser más fácil de manejar maemáicamene y por ano es muy frecuenemene uilizado en opimización esadísica. ambién elevar al cuadrado los errores magnifica o proporciona mayor peso a los valores exremos, lo que resula aracivo ya que los grandes errores son menos deseables que los pequeños (Makridakis e al. 998). En los modelos propuesos no se uiliza la función no lineal del valor absoluo sino una ransformación lineal del mismo con lo que desaparece la desvenaja del EAM respeco a su uilización en programación maemáica. 3.. Descomposición Muliplicaiva de Series emporales Un modelo de Descomposición Muliplicaiva de Series emporales es apropiado cuando las flucuaciones de la esacionalidad aumenan y disminuyen proporcionalmene al incremeno y decremeno del nivel de la serie. La descomposición asume que una serie emporal, Y, se forma como sigue: Y = parón + error = f(endencia-ciclo, esacionalidad, error) () Por ano, adicionalmene a los componenes del parón, se asume ambién que esá presene un componene de error o aleaoriedad. Ese error es acepado como la diferencia enre el efeco combinado de los dos sub-parones (, E) de la serie y el dao acual. Ese error es conocido como el componene irregular, I. Exisen varios enfoques alernaivos para descomponer una serie emporal, cuyo objeivo es aislar cada componene de la serie con la mayor precisión posible. El concepo básico en al separación es empírico y consise en remover primero el componene endencia-ciclo y poseriormene aislar el componene de esacionalidad. Cualquier componene residual es asumido como aleaoriedad, que aunque no pueda preverse, puede idenificarse. La represenación maemáica general del enfoque de descomposición es: Y =f(, E, I ) (2)
4 Donde Y es el valor de la serie emporal (dao acual) en el período, es el componene endencia-ciclo en el período, E es el componene de esacionalidad en el período,e I es el componene irregular (o residual) en el período. El enfoque de descomposición muliplicaiva asume que le ecuación anerior iene la siguiene forma: Y = * E * I (3) Es decir, los componenes endencia-ciclo, esacionalidad e irregular se muliplican para proporcionar la serie observada Modelo DSM_ECM Se raa de un modelo de Programación No Lineal que opimiza la previsión de la demanda minimizando el Error Cuadráico Medio del ajuse. El modelo DSM_ECM es formulado como sigue. Las variables de decisión y parámeros del modelo se definen en la abla. Minimizar Sujeo a z = = Err 2 end = a + b = (5) P E p = P ev = end E Mes (4) P (6) Pr =, p = Mes (7) Err = Pr ev d = (8) end,, E p, Prev 0 =, P (9) La función objeivo (4) preende minimizar el error cuadráico medio del ajuse. El conjuno de resricciones (5) deermina el facor endencia-ciclo a parir del ajuse de los daos hisóricos de la demanda a una reca. Se asume que el componene de esacionalidad es consane durane un horizone de previsión. Por lo que sólo se requiere calcular un valor para cada mes. Al conjuno de los P valores que se repien formando el componene de esacionalidad es conocido como índices de esacionalidad. La resricción (6) garaniza que la suma de los índices de esacionalidad obenidos para odos los meses del horizone de previsión debería dar P (2 para un horizone de previsión anual). El conjuno de resricciones (7) calcula el valor de la previsión para cada período a parir del produco del facor endencia-ciclo y la esacionalidad. El conjuno de resricciones (8) deermina el error de ajuse para cada período como la diferencia enre la previsión calculada y los hisóricos de la demanda. Por úlimo, la resricción (9) asegura que los valores de la endencia-ciclo, la esacionalidad y la previsión sean posiivos. Las variables de decisión a, b y Err pueden omar valores negaivos, por lo que son definidas como variables FREE en el lenguaje de modelado MPL. abla. Variables de decisión y parámeros del modelo. Índices Conjuno de periodos del horizone de previsión ( = ) P Conjuno de meses que forman el horizone de previsión (p = P) Variables de Decisión Daos Ep Facor de esacionalidad en el mes p d Hisórico de demanda en el período end Facor de endencia-ciclo en el período Mes Mes correspondiene al período Prev Previsión de demanda en el período Err Error de ajuse en el período ErrA Valor absoluo del error de ajuse en el período A Parámero a de la reca de ajuse B Parámero b de la reca de ajuse
5 3..2. Modelo DSM_EAM En esa sección el modelo anerior es modificado con el objeivo de minimizar el Error Absoluo Medio del ajuse. El modelo DSM_EAM es formulado como sigue. Las variables de decisión y parámeros del modelo aparecen definidos en la abla. Minimizar Sujeo a z = = ErrA (0) end = a + b = () P E p = P ev = end E Mes P (2) Pr =, p = Mes (3) Err = Pr ev d = (4) ErrA Err = (5) ErrA Err = (6) end,, E p,prev, ErrA 0 =, P (7) La función objeivo (0) preende minimizar el error absoluo medio del ajuse. El conjuno de resricciones (5) y (6) raan de forma lineal la función valor absoluo que además de ser no lineal es una función no diferenciable. Por úlimo, la resricción (7) asegura que los valores de la endencia-ciclo, la esacionalidad, la previsión y el error absoluo en el período sean posiivos. Las resricciones (), (2), (3) y (4) se añaden de forma similar al modelo que las resricciones (5), (6), (7) y (8) Descomposición Adiiva de Series emporales Un modelo de Descomposición Adiiva de Series emporales es apropiado cuando la magniud de las flucuaciones de la esacionalidad no varía con el nivel de la serie. La descomposición adiiva asume que una serie emporal, Y, se forma como sigue: Y = parón + error = f(endencia-ciclo, esacionalidad, error) (8) El enfoque de descomposición adiiva asume que le ecuación anerior iene la siguiene forma: Y = E + + I (9) Es decir, los componenes de esacionalidad, endencia-ciclo e irregular se suman para proporcionar la serie observada Modelo DSA_ECM Se raa de un modelo de Programación Cuadráica que opimiza la previsión de la demanda minimizando el Error Cuadráico Medio del ajuse. El modelo DSA_ECM es formulado como sigue. Las variables de decisión y parámeros del modelo aparecen definidos en la abla.
6 Minimizar Sujeo a z = = Err 2 (20) end = a + b = (2) P E p ev = end + E Mes = 0 P (22) Pr =, p = Mes (23) Err = Pr ev d = (24) end,prev 0 =, P (25) La función objeivo (20) preende minimizar el error cuadráico medio del ajuse. El conjuno de resricciones (2) deermina el facor endencia-ciclo a parir del ajuse de los daos hisóricos de la demanda a una reca. Igual que en los modelos aneriores se asume que el componene de esacionalidad es consane durane un horizone de previsión. La resricción (22) garaniza que la suma de los índices de esacionalidad obenidos para odos los meses del horizone de previsión sea igual a 0. El conjuno de resricciones (23) calcula el valor de la previsión para cada período a parir de la adición del facor endencia-ciclo y la esacionalidad. El conjuno de resricciones (24) deermina el error de ajuse para cada período como la diferencia enre la previsión calculada y los hisóricos de la demanda. Por úlimo, la resricción (25) asegura que los valores de la endencia-ciclo y la previsión sean posiivos. En ese caso, las variables de decisión a, b, E p y Err pueden omar valores negaivos Modelo DSA_EAM En esa sección el modelo anerior es modificado con el objeivo de minimizar el Error Absoluo Medio del ajuse al igual que se hizo aneriormene con el modelo DSM_EAM. El modelo DSA_EAM es formulado como sigue. Las variables de decisión y parámeros del modelo aparecen definidos en la abla. Minimizar Sujeo a z = = ErrA (26) end = a + b = (27) P E p ev = end + E Mes = 0 P (28) Pr =, p = Mes (29) Err = Pr ev d = (30) ErrA Err = (3) ErrA Err = (32) end,, Prev, ErrA 0 =, P (33) 4. Ejemplos numéricos con daos reales Para ilusrar los resulados proporcionados por los modelos de opimización propuesos, se comparan ésos empíricamene con los resulados generados por los méodos radicionales de Previsión de la Demanda basada en descomposición de series emporales.
7 El conjuno de daos corresponde a series de demanda real de 6 producos indusriales (producos siderúrgicos para el secor de la consrucción) con períodos de iempo comprendidos enre 32 y 36, casi a pares iguales. Se considera un ciclo esacional de 2 períodos (P = 2). A cada serie se le aplican los 4 modelos planeados, DSM_ECM, DSM_EAM, DSA_ECM, DSA_EAM, y los 2 méodos radicionales, muliplicaivo y adiivo, DSM y DSA. Las esadísicas proporcionadas por los ECM y EAM, uilizados como objeivo a minimizar en los modelos de opimización, se basan en medidas de precisión cuyo amaño depende de la escala de los daos. Por ano, esas medidas no facilian la comparación enre diferenes series emporales y para diferenes inervalos de iempo. Para hacer comparaciones enre series emporales diferenes es necesario uilizar medidas de error porcenuales o relaivas (Makridakis e al. 998). Para comparar los modelos se analizan los valores del error relaivo cuadráico medio (ERCM) y del error relaivo absoluo medio (ERAM): 2 d Pr ev ERCM = (34) = d ERAM = = d Pr ev d Además, se consideran los errores de ajuse del modelo durane los 2 úlimos meses del hisórico de daos, principalmene para eviar aleraciones de los mismos debido a cambios en los parones de la demanda. Obviamene, cuando menores son esos errores, mejor es el ajuse. La abla 2 muesra los errores promediados (ERCM y ERAM) obenidos por cada modelo para las 6 series. abla 2. Ranking de errores medios de ajuse para odas las series. Modelo Promedio ERCM Modelo Promedio ERAM DSM_EAM 0,5402 DSM_EAM 0,39 DSA_EAM 0,7569 DSA_EAM 0,5362 DSA_ECM,0226 DSM_ECM 0,6932 DSM,532 DSA_ECM 0,794 DSM_ECM,2237 DSM 0,7693 DSA 2,6833 DSA 0,8348 (35) El modelo DSM_EAM es el que ha proporcionado el mejor ajuse mienras que el modelo DSA ha generado el peor ajuse. Cuando se comparan los resulados en función del promedio del ERAM odos los modelos propuesos se comporan mejor que los modelos radicionales, DSA y DSM. En el caso de una comparaiva en función del promedio del ERCM, odos los modelos propuesos se comporan mejor que el modelo DSA y que el modelo DSM a excepción del modelo DSM_ECM que presena un error ligeramene superior al del modelo DSM. A coninuación, las 6 series se han clasificado en res grupos en función del número de presenes en la misma. Así, el primer grupo formado por 93 series cuena con menos de, el segundo grupo formado por 0 series iene enre y 20 y el ercer grupo formado por 3 series iene más de 20. A coninuación las ablas 3, 4 y 5 muesran los errores medios de ajuse de cada grupo de series.
8 abla 3. Ranking de errores medios de ajuse para las series con menos de (93 series). Modelo Promedio ERCM Modelo Promedio ERAM DSM_EAM 0,2082 DSM_EAM 0,552 DSA_EAM 0,5464 DSA_EAM 0,4449 DSA_ECM 0,585 DSM_ECM 0,4983 DSM_ECM 0,6658 DSA_ECM 0,5336 DSM 0,6986 DSM 0,6202 DSA,2083 DSA 0,654 abla 4. Ranking de errores medios de ajuse para las series con enre 0 y 20 (0 series). Modelo Promedio ERCM Codigo Promedio ERAM DSM_EAM,6233 DSM_EAM 0,8027 DSA_EAM,7783 DSA_EAM,0245 DSA_ECM 2,027 DSA_ECM,838 DSM 3,4957 DSM_ECM,4039 DSM_ECM 3,9523 DSM,434 DSA 3,4608 DSA,6364 abla 5. Ranking de errores medios de ajuse para las series con más de 20 (3 series). Codigo Promedio ERCM Codigo Promedio ERAM DSA_EAM,5074 DSA_EAM 0,835 DSM_EAM 2,0957 DSM_EAM,0607 DSM 2,6599 DSM,3538 DSM_ECM 3,87 DSA,5634 DSA_ECM 3,4627 DSM_ECM,5699 DSA 5,82 DSA_ECM,729 En el caso de las series con menos de 20, de forma general, odos los modelos propuesos proporcionan mejores ajuses que los méodos radicionales. Eso deja de ser así cuando exise un gran número de enre la demanda observada mensualmene. Para ese ipo de series con un gran número de valores cero, Segura y Vercher (200) proponen un enfoque de programación maemáica, concreamene de Programación No Lineal, para la Previsión de la Demanda basada en el modelo de suavizado exponencial de Hol-Winers. La Figura muesra el porcenaje de las ocasiones en el que cada modelo ha presenado un comporamieno mejor para odas las series, en érminos de menor error de ajuse, que el reso de los modelos uilizados. Como puede observarse la evaluación de los modelos en función de ambos errores (EAM y ECM) presena resulados similares. Es imporane resalar como para el conjuno de series analizadas los modelos de opimización basados en la descomposición muliplicaiva presenan un mejor comporamieno. Aunque, como es de esperar en el caso de las series con un mayor número de los méodos modelos adiivos generan mejores resulados.
9 Mejor modelo 00% 90% 80% % menor error de ajuse 70% 60% 50% 40% 30% DSM_EAM DSM_ECM DSA_EAM DSA_ECM DSM DSA 20% 0% 0% ERAM odas ERAM < ERAM -20 ERAM > 20 ERCM odas ERCM < ERCM -20 ERCM >20 Error considerado y grupo de series Figura. Mejor modelo en función de los errores de ajuse (ERAM y ERCM) y grupo de series. 5. Conclusiones El objeivo de ese rabajo ha sido desarrollar y aplicar modelos de opimización para la previsión de la demanda basados en los Méodos Cuaniaivos. Se ha analizado el inerés de uilizar modelos de Programación Maemáica (Programación Lineal, Programación Cuadráica y Programación No Lineal) para la obención de los movimienos caracerísicos de una serie emporal con el objeivo de minimizar los errores de ajuse, en conraposición al méodo clásico de descomposición. Las conclusiones son la obención de funciones de previsión con menor error de ajuse al hisórico mediane los modelos de Programación Maemáica, con un mínimo aumeno del cose compuacional respeco a los méodos clásicos de descomposición de series emporales. Referencias Armsrong, J.S. (984) Forecasing by exrapolaion: conclusions from 25 years of research. Inerfaces, 4, Buffa, E.S. y Miller, J.G. (979) Producion Invenory Sysems: Planning and Conrol. hird Ediion. Homewood, IL, Irwin. CPLEX Opimizaion Co. (994) Using he CPLEX callable library. Drud, A. (994) CONOP a large-scale GRG code, ORSA Journal on Compuing 6, 2, Hax, A.C. y Candea, D. (984) Producion and Invenory Managemen. Prenice Hall, Englewood Cliffs, New York. Kandil, M.S., El-Debeiky, S.M. y Hasanien, N.E. (200) Overview and comparison of long-erm forecasing echniques for a fas developing uiliy: par I. Elecric Power Sysems Research, 58, - 7.
10 Makridakis, S., Wheelwrigh, S.C y Hyndman, R.J. (998) Forecasing Mehods and Applicaions. hird Ediion. John Wiley and Sons, Inc, New York. Maximal Sofware Corporaion (2000) MPL modelling sysem. Release 4., USA. Menzer, J.. y Biensock, C.C. (998) Sales Forecasing Managemen. Sage, housands Oaks, CA. Segura, J.V. y Vercher, E. (200) heory and mehodology: A spreadshee modeling approach o he Hol-Winers opimal forecasing. European Journal of Operaional Research, 3, Silver, E.A., Pyke, D.F. y Peerson, R. (998) Invenory Managemen and Producion Planning and Scheduling. John Wiley and Sons, Inc, New York.
PRÁCTICA 4 TEMA 6: SERIES TEMPORALES
PRÁCTICA 4 TEMA 6: SERIES TEMPORALES En las prácicas aneriores se habían analizado observaciones de variables de ipo ransversal (por ejemplo, obenidas para diferenes municipios). Llamaremos Serie Temporal
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detallesY t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.
ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés
Más detallesUNIDAD IX. Técnicas de Suavización
UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?
Más detallesPROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesTema 8: SERIES TEMPORALES
Inroducción a la Economería Tema 8: ERIE TEMPORALE Tema 8: ERIE TEMPORALE. Concepo y componenes de una serie emporal. Definiremos una serie emporal como cualquier conjuno de N observaciones cuaniaivas
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detalles1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA
hp://www.vinuesa.com 1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA 1.1.- INTRODUCCIÓN Los filros de pila consiuyen una clase de filros digiales no lineales. Un filro de pila que es usado
Más detallesUNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA
UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesINSTITUTO NACIONAL DE PESCA
INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y
Más detallesSERIES TEMPORALES. Cecilia Esparza Catalán
SERIES TEMPORALES Cecilia Esparza Caalán Cecilia Esparza Caalán ÍNDICE Página.- INTRODUCCIÓN.. 2 2.- ANÁLISIS PRELIMINAR DE UNA SERIE... 3 - Tendencia y nivel de la serie.... 4 - Esacionalidad.... 9 -
Más detallesRE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005
RESULTADOSEDUCATIVOS RE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005 FÓRMULA RE01 NOMBREdelINDICADOR Diferencia del loro promedio
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
Más detallesNota Técnica Índice de Tipo de Cambio Efectivo Real Multilateral con ponderadores móviles
Noa Técnica Índice de Tipo de Cambio Efecivo Real Mulilaeral con ponderadores móviles 1. Inroducción: La presene noa écnica preende inroducir y explicar al público el Índice de Tipo de Cambio Efecivo Real
Más detallesMetodología de cálculo del diferencial base
Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesTEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS
TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores
Más detallesSistemade indicadores compuestos coincidentey adelantado julio,2010
Sisemade indicadores compuesos coincideney adelanado julio,2010 Sisema de Indicadores Compuesos: Coincidene y Adelanado SI REQUIERE INFORMACIÓN MÁS DETALLADA DE ESTA OBRA, FAVOR DE COMUNICARSE A: Insiuo
Más detalles13.0 COSTOS Y VALORACIÓN ECONÓMICA
13.0 COSTOS Y VALORACIÓN ECONÓMICA 13.1 INTRODUCCIÓN En esa sección, se calcula el valor económico de los impacos ambienales que generará el Proyeco Cruce Aéreo de la Fibra Ópica en el Kp 184+900, el cual
Más detallesACTIVIDADES UNIDAD 7: Funciones elementales
ACTIVIDADES UNIDAD 7: Funciones elemenales 1. La facura del gas de una familia, en sepiembre, fue de 4,8 euros por 1 m 3, y en ocubre, de 43,81 por 4 m 3. a) Escribe la función que da el impore de la facura
Más detalles3 Aplicaciones de primer orden
CAÍTULO 3 Aplicaciones de primer orden 3.2. Modelo logísico El modelo de Malhus iene muchas limiaciones. or ejemplo, predice que una población crecerá exponencialmene con el iempo, que no ocurre en la
Más detallesUso de Análisis Factorial Dinámico para Proyecciones Macroeconómicas
Uso de Análisis Facorial Dinámico para Proyecciones Macroeconómicas Alvaro Aguirre y Luis Felipe Céspedes * Resumen En ese rabajo implemenamos el méodo desarrollado por Sock y Wason (998) de análisis facorial
Más detallesConstrucción de señales usando escalones y rampas
Consrucción de señales usando escalones y rampas J. I. Huircán Universidad de La Fronera March 3, 24 bsrac Se planean méodos para componer y descomponer señales basadas en escalones y rampas. Se de ne
Más detallesIntroducción a la Estadística Empresarial. Capítulo 4.- Series temporales Jesús Sánchez Fernández
Inroducción a la Esadísica Empresarial. Capíulo 4.- Series emporales CAPITULO 4.- SERIES TEMPORALES 4. Inroducción. Hasa ahora odas las variables que se han esudiado enían en común que, por lo general,
Más detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detallesLas derivadas de los instrumentos de renta fija
Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa
Más detallesTest. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos
Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS Dada la dependencia de la velocidad con la posición en un movimieno recilíneo mosrada por la siguiene gráfica, deerminar la dependencia con
Más detallesAnálisis de inversiones y proyectos de inversión
Análisis de inversiones y proyecos de inversión Auora: Dra. Maie Seco Benedico Índice 5. Análisis de Inversiones 1. Inroducción. 2. Crierios para la valoración de un proyeco. 3. Técnicas de valoración
Más detallesLos datos fueron obtenidos de una publicación del Golden Gate Bridge.
Pronósicos Resumen El procedimieno Pronósicos esa diseñado para pronosicar valores fuuros de daos de series de iempo. Una serie de iempo consise de un conjuno secuencial de daos numéricos omados en inervalos
Más detallesEl comportamiento del precio de las acciones
El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre
Más detallesControl de un péndulo invertido usando métodos de diseño no lineales
Conrol de un péndulo inverido usando méodos de diseño no lineales F. Salas salas@caruja.us.es J.Aracil aracil@esi.us.es F. Gordillo gordillo@esi.us.es Depo de Ingeniería de Sisemas y Auomáica.Escuela Superior
Más detallesMACROECONOMIA II. Grado Economía 2013-2014
MACROECONOMIA II Grado Economía 2013-2014 PARTE II: FUNDAMENTOS MICROECONÓMICOS DE LA MACROECONOMÍA 3 4 5 Tema 2 Las expecaivas: los insrumenos básicos De qué dependen las decisiones económicas? Tipo de
Más detalles4.7. Integración de Word y Excel
47 Inegración de Word y Excel 471 Combinar correspondencia Qué procedimieno seguiría para hacer las siguienes areas? Generar una cara de soliciud de permiso de los padres de familia para cada uno de sus
Más detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
Más detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detallesConsorcio de Investigación Económica y Social (CIES) Concurso de Investigación CIES - IDRC - Fundación M.J. Bustamante 2012. Informe Técnico Final
Consorcio de Invesigación Económica y Social (CIES) Concurso de Invesigación CIES - IDRC - Fundación M.J. Busamane 2012 Informe Técnico Final (Agoso 2013) Creación y Desrucción de Empleos en Economías
Más detallesMETODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001
METODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001 Insiuo Nacional de Esadísica y Censos (INDEC) Dirección
Más detallesJ.1. Análisis de la rentabilidad del proyecto... 3
Esudio de la implanación de una unidad produciva dedicada a la Pág 1 abricación de conjunos soldados de aluminio J.1. Análisis de la renabilidad del proyeco... 3 J.1.1. Desglose del proyeco en coses ijos
Más detallesUNIVERSIDAD DE MATANZAS CAMILO CIENFUEGOS FACULTAD DE INGENIERIAS QUÍMICA MECANICA. MONOGRAFÍA LAS SERIES CRONOLÓGICAS EN EL MANTENIMIENTO PREDICTIVO
UNIVERSIDAD DE MATANZAS CAMILO CIENFUEGOS FACULTAD DE INGENIERIAS QUÍMICA MECANICA. MONOGRAFÍA LAS SERIES CRONOLÓGICAS EN EL MANTENIMIENTO PREDICTIVO Ing. Laureano Suárez Marínez 1 MSc Juan Landa García.
Más detallesRESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES
RESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES CONSIDERANDO: Que el arículo 86 de la Ley 87-01 de fecha 9 de mayo de 2001, que crea el Sisema Dominicano de Seguridad Social,
Más detallesPráctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
Más detallesMetodología del Índice de Nivel de Actividad Registrada (INA R)
Meodología del Índice de Nivel de Acividad Regisrada (INA R) Dirección responsable de la información esadísica y conenidos: DIRECCIÓN DE ESTADÍSTICAS ECONÓMICAS Realizadores: Ligia ordillo Pasquel Corrección
Más detallesCapítulo 4 Sistemas lineales de primer orden
Capíulo 4 Sisemas lineales de primer orden 4. Definición de sisema lineal de primer orden Un sisema de primer orden es aquel cuya salida puede ser modelada por una ecuación diferencial de primer orden
Más detallesESCUELA POLITÉCNICA NACIONAL
ESCUELA POLIÉCNICA NACIONAL ESCUELA DE CIENCIAS DAOS AÍPICOS Y FALANES, ANÁLISIS DE INERVENCIÓN Y DESESACIONALIZACIÓN DE SERIES CRONOLÓGICAS. APLICACIONES A DAOS DE UNA EMPRESA DE VENA DIRECA PROYECO PREVIO
Más detallesCARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 1988-2000 JUAN BYRON CORREA FONNEGRA *
CARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 988 - JUAN BYRON CORREA FONNEGRA * Inroducción En las úlimas dos décadas en Colombia se ha presenado un aumeno en los esudios sobre economía
Más detallesEstadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales
Esadísica Descripiva y Analisis de Daos con la Hoja de Cálculo Excel Series Temporales Serie emporal una serie emporal es una sucesión de observaciones de una variable realizadas a inervalos regulares
Más detallesMolécula de Azúcar ( C 12 H 22 O 11 ) Informe estadístico del sector agroindustrial de la caña de azúcar Zafras 2007/08 2013/14
Molécula de Azúcar ( C 12 H 22 O 11 ) Informe esadísico del secor agroindusrial de la caña de azúcar Zafras 2007/08 2013/14 INTRODUCCIÓN Ese primer informe esadísico del secor agroindusrial de la caña
Más detallesLECCIÓN N 3 SEÑALES. Introducción
LECCIÓN N 3 SEÑALES Inroducción Señales coninuas y discreas Señales ípicas Señales periódicas y aperiódicas Parámeros ípicos. Especro de frecuencias Ruido y disorsión Elecrónica General Inroducción En
Más detallesKeywords: seguro de vida, provisión matemática, probabilidad, función de distribución, solvencia, value at risk, VAT, valor actual neto, VAN.
El seguro de vida como variable aleaoria. Cómo calcular su función de disribución. Nieo Ranero, Armando Universiy of Valencia, Spain Do. Maemáicas Económico Empresarial, Edificio Deparamenal Orienal, Av.
Más detallesMaster en Economía Macroeconomía II. 1 Problema de Ahorro-Consumo en Horizonte Finito
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 1 - Soluciones 1 Problema de Ahorro-Consumo en Horizone Finio Considere un problema de ahorro-consumo sobre un horizone finio
Más detallesMtro. Horacio Catalán Alonso
ECONOMETRIA TEORÍA DE LA COINTEGRACIÓN Mro. I. REGRESIÓN ESPURÍA Y X Dos series que presenan camino aleaorio. Si ambas series se consideran en una modelo economérico. Y = Y -1 + u u N(0,s 2 u) X =X -1
Más detallesPATRON = TENDENCIA, CICLO Y ESTACIONALIDAD
Pronósicos II Un maemáico, como un pinor o un poea, es un fabricane de modelos. Si sus modelos son más duraderos que los de esos úlimos, es debido a que esán hechos de ideas. Los modelos del maemáico,
Más detallesMaster en Economía Macroeconomía II. 1 Learning by Doing (versión en tiempo discreto)
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 4 - Soluciones 1 Learning by Doing (versión en iempo discreo) Considere una economía cuyas preferencias, ecnología, y acumulación
Más detallesMEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA
MEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA (Borrador) Ignacio Vélez-Pareja Deparameno de Adminisración Universidad Javeriana, Bogoá, Colombia Abril de 2000 Resumen
Más detallesTEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA
TEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA 1. CONCEPTO DE MODELO El ermino modelo debe de idenificarse con un esquema menal ya que es una represenación de la realidad. En ese senido, Pulido (1983)
Más detallesDispositivos semiconductores
Deparameno de Telecomunicaciones Disposiivos semiconducores 3 Inroduccion Veremos los disposiivos semiconducores más básicos: los diodos. Veremos las variables más comunes de esos semiconducores; El diodo
Más detallesDISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE PRONÓSTICO DE VENTAS EN WHIRLPOOL ARGENTINA
DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE PRONÓSTICO DE VENTAS EN WHIRLPOOL ARGENTINA Enrique Yacuzzi (Universidad del CEMA) Guillermo Paggi (Whirlpool Argenina) i RESUMEN La nueva siuación compeiiva de
Más detallesMÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO
MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO EUSKAL ESTATISTIKA ERAKUNDEA INSTITUTO VASCO DE ESTADISTICA Donosia-San Sebasián, 1 01010 VITORIA-GASTEIZ
Más detallesObservatorio * EL AUMENTO DEL IVA EN ESPAÑA: UNA CUANTIFICACIÓN ANTICIPADA DE SUS EFECTOS **
Revisa de Economía Aplicada E Número 53 (vol. XVIII), 2010, págs. 163 a 183 A Observaorio * EL AUMENTO DEL IVA EN ESPAÑA: UNA CUANTIFICACIÓN ANTICIPADA DE SUS EFECTOS ** GONZALO FERNÁNDEZ-DE-CÓRDOBA Universidad
Más detalles11. PREVISIÓN DE LA DEMANDA
. PREVIIÓN E LA EMANA. INROUCCIÓN Anes de comenzar a desarrollar las cuenas previsionales de exploación, la empresa iene que realizar una esimación del volumen de venas que generará la acividad diaria
Más detallesPg. 1 CONCEPTOS BÁSICOS DE MATEMÁTICA ECONÓMICA PARA EL MANEJO DE SERIES
Pg. 1 CONCEPTOS BÁSICOS DE MATEMÁTICA ECONÓMICA PARA EL MANEJO DE SERIES Ramón Mahía Abril de 2001 Pg. 2 OBJETIVO DEL DOCUMENTO Cualquier ejercicio de análisis económico simple requerirá el manejo de la
Más detallesDEPARTAMENTO DE QUÍMICA ANALÍTICA Y TECNOLOGÍA DE ALIMENTOS
DEPARTAMETO DE QUÍMICA AALÍTICA Y TECOLOGÍA DE ALIMETOS FUDAMETOS DE AÁLISIS ISTRUMETAL. 7º RELACIÓ DE PROBLEMAS..- Las susancias A y B ienen iempos de reención de 6.4 y 7.63 min, respecivamene, en una
Más detallesModelos de Ajuste Nominal Incompleto. Por Agustín Casas, UdeSa. Diego Hofman, Princeton. Analía Olgiati, BID. Javier DiFiori, Morgan Stanley
Modelos de Ajuse Nominal Incompleo Por Agusín Casas, UdeSa. Diego Hofman, Princeon. Analía Olgiai, BID. Javier DiFiori, Morgan Sanley JEL CLASS: E12 - Keynes; Keynesian; Pos-Keynesian E13 - Neoclassical
Más detallesTEMA: FUNCIONES: Cuadrantes 3 er cuadrante, x 0, 4º cuadrante, x 0,
TEMA: FUNCIONES: ÍNDICE:. Inroducción.. Dominio y recorrido.. Gráficas de funciones elemenales. Funciones definidas a rozos. 4. Coninuidad.. Crecimieno y decrecimieno, máimos y mínimos. 6. Concavidad y
Más detallesDescomposición de series temporales
Noas del Curso Series de Tiempo I. Licenciaura de Esadísica Descomposición de series emporales Inroducción De acuerdo a Fischer (995) el precursor de los méodos modernos de descomposición fue Macauley
Más detallesPREVISIÓN DE LA DEMANDA
Capíulo 0. Méodos de Previsión de la OBJETIVOS. Los pronósicos y la planificación de la producción y los invenarios. 2. El proceso de elaboración de los pronósicos. Méodos de previsión de la demanda 4.
Más detallesUNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temístocles Montás
UNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temísocles Monás Puede el comporamieno acual de la políica fiscal sosenerse sin generar una deuda pública que crezca sin límie?
Más detallesdomótico Extras 2.1 Unidad de control 2.2 Dispositivos de entrada 2.4 Electrodomésticos domóticos 2.5 Medios de comunicación en redes domésticas
2 Elemenos de un sisema domóico Conenidos 2.1 Unidad de conrol 2.2 Disposiivos de enrada 2.3 Acuadores 2.4 Elecrodomésicos domóicos 2.5 Medios de comunicación en redes domésicas 2.6 Tecnologías aplicadas
Más detallesFoundations of Financial Management Page 1
Foundaions of Financial Managemen Page 1 Combinaciones empresarias: decisiones sobre absorciones y fusiones de empresas Adminisración financiera UNLPam Faculad de Ciencias Económicas y Jurídicas Profesor:
Más detallesDepartamento de Psicología Social y Organizacional
universidad caólica del uruguay anuario de acividades de invesigación 2010 135 Deparameno de Psicología Social y Organizacional Aciudes, idenidades y esereoipos nacionales y supranacionales. Invesigador:
Más detallesMECANISMOS DE TRANSMISIÓN
MECANISMOS DE TRANSMISIÓN DE LA POLÍTICA MONETARIA EN MÉXICO MIGUEL MESSMACHER LINARTAS* * Las opiniones expresadas en ese documeno son exclusivamene del auor y no necesariamene reflejan las del Banco
Más detallesEcuaciones diferenciales, conceptos básicos y aplicaciones
GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos
Más detallesMATEMATICAS I FUNCIONES ELEMENTALES. PROBLEMAS
1º) La facura del gas se calcula a parir de una canidad fija y de un canidad variable que se calcula según los m 3 consumidos (el precio de cada m 3 es consane). El impore de la facura de una familia,
Más detallesTema 4: Fuentes y generadores
Tema 4: Fuenes y generadores Fuenes de alimenación: : convieren ensión ac en ensión dc E. Mandado, e al. 995 Generadores de funciones: Fuene de señal calibrada y esable Aplicaciones: obención de respuesa
Más detallesUn algoritmo para la Planificación de Producción en un Sistema en Red de Fabricación basada en Sistemas Multiagente 1
X Congreso de Ingeniería de Organización Valencia, 7 y 8 de sepiembre de 2006 Un algorimo para la Planificación de Producción en un Sisema en Red de Fabricación basada en Sisemas Muliagene 1 Julio J. García-Sabaer
Más detallesSolución: El sistema de referencia, la posición del cuerpo en cada instante respecto a dicha referencia, el tiempo empleado y la trayectoria seguida.
1 Qué es necesario señalar para describir correcamene el movimieno de un cuerpo? El sisema de referencia, la posición del cuerpo en cada insane respeco a dicha referencia, el iempo empleado y la rayecoria
Más detallesESTIMACIÓN DEL VALOR EN RIESGO POR CALCE ENTRE ACTIVOS Y PASIVOS DE SEGUROS
ESTIMACIÓN DEL VALOR EN RIESGO POR CALCE ENTRE ACTIVOS Y PASIVOS DE SEGUROS Por: J. Gudiño * jgudino@iam.mx 1. ANTECEDENTES Los seguros son conraos que consisen en que una insiución llamada aseguradora,
Más detallesTEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas
Más detallesGRADO TURISMO TEMA 6: SERIES TEMPORALES
GRADO TURISMO TEMA 6: SERIES TEMPORALES Prof. Rosario Marínez Verdú 1 TEMA 6: SERIES TEMPORALES 1. Componenes de una serie emporal. 2. Análisis de la Tendencia. 3. Análisis de las Variaciones Esacionales.
Más detallesLa Conducción de la Política Monetaria del Banco de México a través del Régimen de Saldos Diarios
La Conducción de la Políica Monearia del Banco de México a ravés del Régimen de Saldos Diarios INDICE I. INTRODUCCIÓN...2 II. LA OPERACIÓN DEL BANCO DE MÉXICO EN EL MERCADO DE DINERO...3 III. IV. II.1.
Más detallesIGEP Tema 2. Leyas financieras básicas: estudio usando aplicaciones informáticas.
IGEP Tema 2. Leyas financieras básicas: esudio usando aplicaciones informáicas. onenido. apial financiero... 2. Leyes financieras: capialización y descueno...4 2. Leyes de capialización...4 2.2 Leyes de
Más detallesFunciones exponenciales y logarítmicas
89566 _ 0363-00.qd 7/6/08 09:30 Página 363 Funciones eponenciales y logarímicas INTRODUCCIÓN En esa unidad se esudian dos funciones que se aplican a numerosas siuaciones coidianas y, sobre odo, a fenómenos
Más detallesCARLOS FORNER RODRÍGUEZ Departamento de Economía Financiera y Contabilidad, UNIVERSIDAD DE ALICANTE
ApunA es de Ingeniería Financiera TEMA 9: Value a Risk (VAR) CARLOS FORNER RODRÍGUEZ Deparameno de Economía Financiera y Conabilidad, UNIVERSIDAD DE ALICANTE En ese ema vamos a esudiar una forma alernaiva
Más detallesMODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO
MODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO VAR: GENERAL Represenación del modelo VAR: () + + = e e A A A A w w c c c c L L L L L L L L ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( Selección:.
Más detallesEstimación de modelos de volatilidad estocástica
Esimación de modelos de volailidad esocásica García Ceneno, Mª Carmen; Ibar Alonso, Raquel Deparameno Méodos Cuaniaivos para la Economía Faculad de Ciencias Económicas y Empresariales Universidad San Pablo-CEU
Más detallesTEMA 3 EXPECTATIVAS, CONSUMO E INVERSIÓN
TEMA 3 EXPECTATIVAS, CONSUMO E INVERSIÓN En el Tema 2 analizamos el papel de las expecaivas en los mercados financieros. En ése nos cenraremos en los de bienes y servicios. El papel que desempeñan las
Más detallesCiclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú
Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema
Más detallesESTIMACIÓN DE UNA FUNCIÓN DE REACCIÓN PARA LA TASA DE INTERÉS DE POLÍTICA DEL BANCO CENTRAL DE COSTA RICA
BANCO CENTRAL DE COSTA RICA DEPARTAMENTO DE INVESTIGACIONES ECONÓMICAS DIVISIÓN ECONÓMICA DOCUMENTO DE INVESTIGACIÓN DIE-04-2003-DI/R OCTUBRE 2003 ESTIMACIÓN DE UNA FUNCIÓN DE REACCIÓN PARA LA TASA DE
Más detallesUD: 3. ENERGÍA Y POTENCIA ELÉCTRICA.
D: 3. ENEGÍA Y OENCA ELÉCCA. La energía es definida como la capacidad de realizar rabajo y relacionada con el calor (ransferencia de energía), se percibe fundamenalmene en forma de energía cinéica, asociada
Más detallesPREDICCIÓN CON REDES NEURONALES: COMPARACIÓN CON LAS METODOLOGÍAS DE BOX Y JENKINS. Autora Joanna Verónica Collantes Duarte
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES INSTITUTO DE ESTADÍSTICA APLICADA Y COMPUTACIÓN PREDICCIÓN CON REDES NEURONALES: COMPARACIÓN CON LAS METODOLOGÍAS DE BOX Y JENKINS Auora
Más detallesMacroeconomía II (2009) Universitat Autònoma de Barcelona Prof. Stefano Trento
Macroeconomía II (009) Universia Auònoma de Barcelona Prof. Sefano Treno Problemas del Tema 1: Microfundamenos reales. Los problemas más imporanes esán marcados con una esrellia (*). Los oros son problemas
Más detallesPráctica 2: Análisis en el tiempo de circuitos RL y RC
Prácica 2: Análisis en el iempo de circuios RL y RC Objeivo Esudiar la respuesa ransioria en circuios serie RL y RC. Se preende ambién que el alumno comprenda el concepo de filro y su uilidad. 1.- INTRODUCCIÓN
Más detallesAnexo SNIP 22 Lineamientos para PIP mediante APP cofinanciada
Lineamienos para PIP mediane APP cofinanciada Se provee el presene insrumeno meodológico con el objeo de conribuir a mejorar la oma de decisiones respeco a la modalidad de ejecución de un proyeco de inversión
Más detallesSolvencia II. Los Conceptos Básicos. Por: P. Aguilar. Febrero de 2008
Solvencia II Los Concepos Básicos Por: P. Aguilar Febrero de 2008 El esquema regulaorio de Solvencia II planea un impaco relevane en el ejercicio de la prácica acuarial. Tal esquema se caraceriza por descansar
Más detalles