EL ENFOQUE DE BUCKLEY DEL MODELO DE INSUMO- PRODUCTO EN CONDICIONES DE INCERTIDUMBRE 1

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "EL ENFOQUE DE BUCKLEY DEL MODELO DE INSUMO- PRODUCTO EN CONDICIONES DE INCERTIDUMBRE 1"

Transcripción

1 Cuadernos del CIMBAGE N 6 (2003) EL ENFOQUE DE BUCKLEY DEL MODELO DE INSUMO- PRODUCTO EN CONDICIONES DE INCERTIDUMBRE Lusa L. Lazzar María S. Morñgo Facultad de Cencas Económcas Unversdad de Buenos Ares Recbdo el 5 de Marzo 2003; aceptado 5 de Dcembre 2003 Resumen En este trabajo se presenta el enfoque de Buckley [] del modelo aberto de nsumoproducto en el cual los coefcentes técncos están expresados medante números borrosos. El modelo propuesto permte un mejor aprovechamento de la nformacón dsponble. Palabras clave: nsumo-producto, números borrosos Abstract In ths paper we make an nput-output analyss when the technologcal coeffcents are not precsely known and may be modeled by approprate fuzzy numbers. The proposed model let us make a better use of the avalable nformaton. Key-words: Input-output analyss; Fuzzy numbers. Realzado en el marco del proyecto UBACyT E009: El tratamento de la ncertdumbre en las pequeñas y medanas empresas medante el empleo de herramentas matemátcas nnovadoras.

2 94 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) INTRODUCCIÓN El modelo de nsumo producto fue desarrollado por Wassly Leontef en la década del 30 culmnando con la publcacón, en 94, de los resultados de EEUU correspondentes a los años 99 y 929. A partr de entonces dversos países hceron desarrollos semejantes. Los prmeros antecedentes en Argentna datan del año 950, con ntervencón de la CEPAL y de 953, 963 y 973, con la colaboracón del Banco Central de la Repúblca Argentna. La últma matrz de nsumo - producto fue confecconada en 998 por el Insttuto Naconal de Estadístcas y Censos (INDEC) [5]. La matrz nsumo producto (MIP) es un regstro ordenado de las transaccones entre los sectores productvos, orentado a la satsfaccón de la demanda fnal: consumo de las famlas o del goberno, nversones físcas o exportacones. En el proceso de generacón de dchos benes, los sectores productvos generan benes ntermedos que se compran y venden entre sí. De esta manera se puede lustrar la nterrelacón entre los dversos sectores productvos y los mpactos drectos e ndrectos que tene sobre éstos una varacón en la demanda fnal. La MIP permte cuantfcar el ncremento de la produccón de todos los sectores, dervado de la varacón de uno de ellos en partcular. Es un nstrumento analítco que descrbe en forma cuanttatva las relacones entre sectores, productos e nsumos de una economía. Permte aprecar en conjunto y en forma cuanttatva la dversdad productva de un país y su estructura. Consttuye una herramenta central en el análss económco ya que permte ndagar las

3 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) repercusones sectorales frente a varacones que son consecuenca de las decsones de los responsables de la defncón de la polítca económca. Para el empresaro, que conoce ben el sector de actvdad en donde están ubcados los benes y servcos que produce, pero que conoce menos sobre la rama de la actvdad de los clentes de sus compradores, la MIP ofrece una descrpcón detallada de la ruta que sguen los benes y servcos hasta llegar a la demanda fnal; y le brnda la partcpacón relatva de su empresa en el total de una determnada rama de actvdad con sus consecuentes posbldades de expansón en el mercado. La MIP permte cuantfcar el efecto completo de los cambos en la demanda fnal en los requermentos drectos e ndrectos de empleo. En la actualdad es factble que los datos requerdos para realzar el análss de nsumo-producto no puedan precsarse con exacttud debdo a la ncertdumbre mperante en los mercados y a la velocdad con que se producen los cambos en los msmos. El valor en undades monetaras del producto fnal de una ndustra que debe adqurr otra para producr una undad monetara de sus propos productos se aproxma para poder aplcar el modelo clásco. Es decr, una vez más la realdad se ajusta al modelo dsponble, perdendo nformacón. En este trabajo se presenta el enfoque de Buckley [] de nsumoproducto para una economía aberta en el cual los coefcentes técncos pueden expresarse por medo de números borrosos.

4 96 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) MODELO DE INSUMO PRODUCTO PARA UNA ECONOMÍA ABIERTA Sea una economía compuesta por n ndustras, cada una de las cuales produce sólo un tpo de producto fnal. Las ndustras están lgadas ya que cada una de ellas debe usar algunos de los productos de las otras para poder funconar. Además deben producr certa cantdad de productos termnados para la demanda fnal. El análss de nsumo producto determna la produccón de cada una de las ndustras s la demanda fnal camba, asumendo que la estructura de la economía no camba. Sean: b j : valor en undades monetaras de los productos de la ndustra usados por la ndustra j. B = ( b j ) : matrz de nsumo producto. F : demanda fnal para los productos de la ndustra. T = n b j j= + F es el producto fnal de la ndustra () La estructura de la economía se puede descrbr por la matrz de coefcentes técncos A = ( a j ), cuyos elementos son admensonales y se obtenen dvdendo cada b j por la produccón total del sector j, es decr, bj a j = (2) T j La sguente tabla muestra el modelo de nsumo producto para una economía de n ndustras.

5 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) Industra Industra Industra 2... Industra n Demanda fnal Producto total a a... 2 a n F T Industra 2 a 2 a a 2 n F 2 T Industra n a n a... n2 a nn F n T n T n : producto total anual de la ndustra expresado en undades monetaras. F : cantdad de producto total de la ndustra consumdo en la economía, excluyendo lo consumdo por las ndustras, n, o lo que se dspone para la demanda fnal. a j : porcentaje de los nsumos totales de la ndustra j que provenen de la ndustra Las restrccones sobre los números de la tabla son: a j [ 0; ), j n 0 n 0 n F Reemplazando (2) en (), resulta el sstema de ecuacones T n a. T j j= j + F = T n (3) La ecuacón (3) muestra cómo el producto total de la ndustra se dstrbuye entre las restantes ndustras, otros consumdores y la exportacón. S se escrbe el sstema (3) en forma matrcal, consderando ( a ) j n A = j, F = ( F ) n T ( T ) n =, resulta:

6 98 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) A. T + F = T, donde A es la matrz de coefcentes técncos de la economía. Para un nuevo vector B de demanda fnal, se asume que la matrz A se conoce y se mantene constante. Para obtener el correspondente vector de produccón total X, se debe resolver el sstema: A. X + B = X (4) Suponendo que I A es no sngular y X 0, se obtene : ( I A) B X =. (5) 3. MODELO ABIERTO DE INSUMO PRODUCTO CON DATOS INCIERTOS S los elementos de A y B están expresados por números borrosos, el problema consste en resolver (4) como un sstema de ecuacones con coefcentes borrosos. Cuando la ecuacón (4) tene una solucón borrosa X, se dce que exste un modelo de nsumo producto borroso para la economía. Se consderarán números borrosos Y con funcón de pertenenca µ ( y), descrptos por (, y, y y ) Y y 2 3, 4 y que verfcan: () y y2 y3 y4 0 y ( y, y4 ) () µ Y ( y) =, () la funcón Y ( y) y [ y, y ] 2 3, µ es contnua y monótona crecente de 0 a en [ y ], (v) la funcón ( y ), y 2 contnua y monótona decrecente de a 0 en [ y 3, y 4 ] µ es Y

7 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) S la funcón ( y) µ es lneal, el número borroso es trapezodal cuando Y y 2 < y 3 y trangular s 2 y3 nítdo. y =. S y = y2 = y3 = y4, entonces Y es El sstema borroso expresado en forma matrcal para el modelo aberto, es A. X + B = X (6) ( A ) j n A = j, [ 0 ;] : matrz cuyos coefcentes son números borrosos en B : vector de n de números borrosos no negatvos X : vector ncógnta. Se usan - cortes para 0 con la sguente notacón: [ ] A j = aj, aj B [ ] = b, b Como a j y a j denotan los límtes nferor y superor de cada - corte respectvamente, se obtenen las matrces ( ) A = a j y A = ( a j ) La ecuacón (6) se transforma en : A. X + B = X A. X + B = X 0 Resolvendo, para cada, se obtene: X ( I A ). = B ( I A ) X =. B Aunque el sstema anteror tenga solucón X, X esto no garantza que se obtengan números borrosos solucón X cuando: X. Se dce que exste una

8 00 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) Exsten ( I A ) y ( I A ). X 0 es una funcón crecente para todo. X 0 es una funcón decrecente para todo v. X X para todo A ( A ) es sempostva s todos sus elementos son no negatvos y cada fla (columna) tene al menos un elemento postvo. Se supone que A y A son sempostvas para todo 0. S una fla de A es nula, se puede no tomar esta ndustra en consderacón. Se sacan sus nsumos (s los hubera) y se agregan a la columna de demanda fnal. S una columna en A es nula, se puede elmnar esta ndustra y ubcar sus nsumos (s los hubera) en la fla de los nsumos externos. Buckley [] demuestra la sguente condcón necesara, acerca de la exstenca del modelo aberto de nsumo - producto con coefcentes borrosos: Teorema. S n a j = borroso exste para la economía. Demostracón Sea W = A o 4 < para todo j, el modelo de nsumo producto W = A para todo 0. La suma de los elementos de las columnas de W es menor a. S (,...,) v = es un vector de m para todo., entonces v W s = ( s,..., ) = con 0 s <. s m <

9 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) Como W es una matrz cuadrada sempostva, tene un autovalor * λ asocado al autovector. * λ es real y no negatvo * x tal que :. * λ < λ para λ cualquer otra raíz del polnomo característco.. * x es no negatvo v. Para cualquer * µ > λ, I W µ. es no sngular y ( µ. W ) I es sempostva. Se probará que λ * <. En tal caso, sngulares y sus nversas son sempostvas. Como W. x λ. x * * * * * * =, entonces v. W. x λ.( v. x ) =. I A e I A son no Por lo tanto, s. x * = λ m * *. x = Pero * m * x = s. x < porque 0 s < para todo. < Entonces m = m λ * * *. x < x y λ * < porque la suma es postva. = Además X y sempostvas. X son no negatvas porque X es una funcón crecente para todo. Con este fn se ntroduce la sguente notacón. S R = ( r, r, r r ) y µ ( x) = 2 3, Por lo tanto,. S ( ) = 4 µ A x, 0 j R 0 B lo es y las nversas son, sea ( ) f ( ) x [ r,r2 ] x = g( ) x [ r,r ] µ R. 3 4, entonces ( ) a = ( ) [ ] j fj x aj,aj2 A j x = a j = g ( ) x [ a, a ] µ j j3 j4

10 02 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) S µ ( x) = B, 0 3. S µ ( x) = X, 0, entonces ( ) b = ( ) [ ] f x b,b 2 B x = b = g ( ) x [ b, b ] µ 3 4, entonces ( ) x = ( ) [ ] F x x, x2 X x = x = G ( ) x [ x, x ] µ 3 4 Supongamos tambén que todas las funcones nversas son dferencables. Para esto basta con saber que son dferencables a cada lado. La ecuacón A. X + B = X puede escrbrse: ( [ fj ( ) ])[ F ( ) ] = [ f ( ) ] [ f j ( ) ] es una matrz de m m y [ F ( ) ], [ ( ) ] La ecuacón (7) defne ( ) I (7) membros respecto de, se obtene: De (8) se deduce que f son vectores de m F en forma mplícta. S dervamos ambos [ f ( ) ][ F ( ) ] + I f ( ) j ( [ ]) F' ( ) j [ ] = [ f ' ( ) ] ' (8) ( [ ]) E( ) [ ] ( ) [ F' ( ) ] = I f j ( )., con E ( ) = f j ( ) [ F ] + [ f ' ( ) ] Se ve que F ' ( ) > 0 para todo porque ( ) ' (9) E es un vector postvo de m y la nversa es una matrz sempostva. Por lo tanto funcón crecente. X es una Análogamente se prueba que X es una funcón decrecente. X X cuando =. S a j2 = aj3 para todos los, j y b 2 = b3 para todo, entonces = X X cuando =. S a j2 < aj3 para algún, j y/o algunos b 2 < b3, entonces X X cuando =.

11 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) EJEMPLOS 4.. Sea la sguente tabla correspondente a una economía de dos ndustras, donde, para smplfcar la operatora, hemos consderado para los coefcentes tecnológcos una aproxmacón trangular Industra I Industra II Demanda fnal Producto total Industra I ( 0.25,0.3,0.35) ( 0.3,0.4,0.5) (,65,80) Industra II ( 0.4,0.5,0.6) ( 0.2,0.35,0.4) (,55,70) Insumos externos ( 0.,0.2,0.3) ( 0.2,0.3,0.4) Total ( 0.75,,.25) ( 0.7,.05,.3) 60 X 50 X 2 a a + a = = < + a = = < El teorema garantza que hay un modelo de nsumo producto borroso para esta economía. En este caso resulta para 0 : A B = = [ ; ] [ ; ] [ ; ] [ ; ] [ ; ] [ ; ] Resolvendo el sstema A. X + B = X para 0 se obtenen los valores de los -cortes del vector de produccón total borroso, que fguran en la sguente tabla: [ x ; x ] [ x 2 ; x 2 ]

12 04 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) [ 3.25;922.22] [ 28.3;038.89] 0. [ 44.73;756.3] [ 36.39;850.78] 0.2 [ 45.36;637.2] [ 45.52;75.62] 0.3 [ 53.57;547.35] [ 55.67;63.80] 0.4 [ 62.72;477.3] [ 67.03;534.35] 0.5 [ 73.0;42.5] [ 79.80;470.6] 0.6 [ 84.64;375.0] [ 94.27;48.34] 0.7 [ 97.90;336.68] [ 20.8;374.70] 0.8 [ 23.8;304.2] [ ;337.72] 0.9 [ ;276.9] [ 252.5;305.98].0 [ 25.96;25.96] [ ;278.43] Se observa que cada componente del vector de produccón fnal es un número borroso que no resulta trangular.

13 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) La representacón gráfca es: µ(x) 0,8 0,6 0,4 0,2 X X x Se consdera la sguente tabla correspondente a una economía de dos ndustras: Industra I Industra II Demanda fnal Industra I ( 0.2,0.3,0.4) ( 0.3,0.4,0.5) (,65,80) Industra II ( 0.4,0.5,0.6) ( 0.3,0.4,0.5) (,55,70) Insumos externos ( 0.,0.2,0.3) ( 0.,0.2,0.3) Total ( 0.7,.0,.3) ( 0.7,.0,.3) Producto total 60 X 50 X 2 a a + a = = + a = = El teorema no garantza la exstenca de un modelo de nsumo producto borroso para esta economía.

14 06 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) En este caso resulta para 0 : A = [ ; ] [ ; ] [ ; ] [ ; ] B = [ ; ] [ ; ] S se consdera el sstema A. X + B = X para nvel de presuncón = 0, como det( I A ) = det = , resulta que sngular y se prueba que el sstema es ncompatble. 0 I A es Además lm X = =, Por lo tanto X =, 2 no son números borrosos porque tenen soporte nfnto Se consdera la sguente tabla correspondente a una economía de dos ndustras: Industra I Industra II Demanda fnal Industra I ( 0.3,0.4,0.5) ( 0.5,0.6,0.7) (,65,80) Industra II ( 0.4,0.5,0.6) ( 0.2,0.3,0.4) (,55,70) Insumos externos ( 0.0,0.,0.2) ( 0.0,0.,0.2) Total ( 0.7,.0,.3) ( 0.7,.0,.3) Producto total 60 X 50 X 2 a a + a = = + a = =..

15 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) El teorema no garantza la exstenca de un modelo de nsumo producto borroso para esta economía. En este caso resulta para 0 : A = [ ; ] [ ; ] [ ; ] [ ; ] B = [ ; ] [ ; ] S se consdera el sstema A. X + B = X para = 0. 5, det( I A ) = det = 0 X. < 0 s 0 < 0.5 =, 2 X > 0 s 0.5 < =,2. lm X = =, Entonces 0.5 I A es sngular. v. X =, 2 no puede ser una funcón decrecente Por lo tanto X =, 2 no puede ser un número borroso. Los ejemplo 4.2 y 4.3 muestran que s no se cumplen las condcones del teorema, puede no haber un modelo de nsumo producto borroso para la economía. 5. MODELO DE INSUMO PRODUCTO PARA UNA ECONOMÍA CERRADA EN CONDICIONES DE INCERTIDUMBRE El modelo de Leontef para una economía cerrada se caracterza porque no hay saldos n défct de produccón, y por lo tanto, no hay lugar para ahorros n nversones nuevas.

16 08 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) Cuando se plantea dcho modelo se obtene un sstema de la forma t A. X = X, donde A es la matrz de coefcentes técncos y X = ( x,... x ) es el vector de produccón. Para que este modelo sea consstente, A debe tener a por autovalor y el autovector correspondente debe ser X > 0. n S los coefcentes técncos se expresan medante números borrosos postvos (algunos podrían ser nítdos), se observa la necesdad de emplear autovalores borrosos para hallar la solucón. Buckley [2] generalza los resultados de Perron-Frobenus referdos a autovalores de matrces no negatvas rreducbles al caso de matrces borrosas no negatvas. Dchas generalzacones se utlzan para resolver el modelo cerrado de nsumo-producto. 6. COMENTARIOS FINALES Se han presentado condcones necesaras para extender el modelo aberto clásco de nsumo-producto al caso de una economía borrosa. Certos valores, como el porcentaje de los nsumos totales de una determnada ndustra provenentes de otra y la demanda fnal de cada ndustra, a menudo no son conocdos y se pueden aproxmar por números borrosos. Expresar los coefcentes técncos medante números borrosos permte representar en forma más adecuada la estmacón proporconada por los expertos y las posbles fluctuacones de los datos. En síntess, el modelo propuesto proporcona un mejor aprovechamento de la nformacón dsponble.

17 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) REFERENCIAS [] Buckley J.J. (989). Fuzzy nput output analyss. European Journal of Operatonal Research 39. North-Holland, pp [2] Buckley J.J. (990). Fuzzy egenvalues and nput output analyss. Fuzzy Sets and Systems 34. North-Holland, pp [3] Buckley J.J. (992). Solvng fuzzy equatons n economcs and fnance Fuzzy Sets and Systems 48. North-Holland, pp [4] Ferrucc R. (989). Instrumental para el estudo de la economía argentna. EUDEBA, Buenos Ares, pp [5] INDEC. (998). Comprendendo la matrz nsumo producto. Buenos Ares. [6] Kaufmann A., Gupta M.M. (985) Introducton to Fuzzy Arthmetc. Van Nostrand Renhold. New York [7] Lazzar L.L., Machado E. Pérez R. (994). Técncas de gestón para el tratamento de la ncertdumbre. Facultad de Cencas Económcas. Buenos Ares. [8] Lazzar L.L., Machado E. Pérez R. (999). Los conjuntos borrosos: una ntroduccón. Cuadernos del CIMBAGE no. 2, pp Facultad de Cencas Económcas. Buenos Ares. [9] Monteverde H. (994). Conceptos e nterpretacón de las cuentas naconales. Edcones Macch, Buenos Ares, capítulo 7. [0] Noble B., Danel J. (989) Álgebra lneal aplcada. Prentce Hall Hspanoamérca S.A. Méxco. [] Toranzos F.I. (964). Formacón matemátca del economsta. Fondo de Cultura Económca. Buenos Ares.

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

Más detalles

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Análisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto

Análisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto Análss Matemátco en la Economía: Optmzacón y Programacón arufast@yahoo.com-rufasto@lycos.com www.geoctes.com/arufast-http://rufasto.trpod.com La optmzacón y la programacón están en el corazón del problema

Más detalles

TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO

TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO Págna de 4 TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO INTRODUCCIÓN... 2 2 CLASIFICACIÓN DE LAS ACTIVIDADES PRODUCTIVAS... 4 3 FUNCIÓN DE PRODUCCIÓN... 3 4 CLASIFICACIÓN DE LOS PROCESOS

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.

Más detalles

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1 CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

Prof. Antonio Santillana del Barrio y Ainhoa Herrarte Sánchez Universidad Autónoma de Madrid Curso 2012-2013

Prof. Antonio Santillana del Barrio y Ainhoa Herrarte Sánchez Universidad Autónoma de Madrid Curso 2012-2013 Tema 6 El modelo IS-LM Prof. Antono Santllana del Barro y Anhoa Herrarte Sánchez Unversdad Autónoma de Madrd Curso 2012-2013 Bblografía oblgatora Capítulo 5, Macroeconomía, (Blanchard et al) Apuntes de

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c. Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

Ejercicios y Problemas Resueltos. Paquete didáctico para el curso de Macroeconomía I*

Ejercicios y Problemas Resueltos. Paquete didáctico para el curso de Macroeconomía I* Ejerccos y Problemas Resueltos Paquete ddáctco para el curso de Macroeconomía I* AZCAPOTZALCO Departamento de Economía Ma. Beatrz García Castro** Mayo de 2003 *Agradezco a la ayudante de nvestgacón Paola

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

La adopción y uso de las TICs en las Microempresas Chilenas

La adopción y uso de las TICs en las Microempresas Chilenas Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas

Más detalles

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca

Más detalles

USO DE INFORMACIÓN EMPRESARIAL EN PLANIFICACIÓN ECONÓMICA

USO DE INFORMACIÓN EMPRESARIAL EN PLANIFICACIÓN ECONÓMICA Coleccón Economía y Fnanzas USO DE INFORMACIÓN EMPRESARIAL EN PLANIFICACIÓN ECONÓMICA Carlos Domngo Vcente Ramírez Agustín Velásquez Harold Zavarce Sere Documentos de Trabao Gerenca de Investgacones Económcas

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

Complementos al ABC: efectos dinámicos

Complementos al ABC: efectos dinámicos Complementos al ABC: efectos dnámcos CAF - CEPAL P. Rozas & J. Rvera Buenos Ares, juno de 2008 Varables y fuentes de nformacón Encuesta de Hogares de dversos años de los países en estudo.- Bolva: Encuesta

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Economía Computacional Equilibrio General Computado: Descripción de la Metodología. Martín Cicowiez y Luciano Di Gresia

Economía Computacional Equilibrio General Computado: Descripción de la Metodología. Martín Cicowiez y Luciano Di Gresia Economía Computaconal Equlbro General Computado: Descrpcón de la Metodología Martín Ccowez y Lucano D Gresa Trabajo Docente No. 7 Abrl 2004 EQUILIBRIO GENERAL COMPUTADO: DESCRIPCION DE LA METODOLOGIA *

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

PORTAFOLIO DE TRES ACTIVOS FINANCIEROS

PORTAFOLIO DE TRES ACTIVOS FINANCIEROS PORTAFOLIO DE TRES ACTIVOS FINANCIEROS Contendo:. Introduccón.. Fondos Mutuos. Rendmento y Resgo.. Parámetros estadístcos de un Portafolo de Tres Actvos. a) El Retorno de un Portafolo. b) El Resgo de un

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas

Más detalles

TEMA 3. La política económica en una economía abierta con movilidad perfecta de capitales

TEMA 3. La política económica en una economía abierta con movilidad perfecta de capitales TEMA 3. La polítca económca en una economía aberta con movldad perfecta de captales Asgnatura: Macroeconomía II Lcencatura en Admnstracón y Dreccón de Empresas Curso 2007-2008 Prof. Anhoa Herrarte Sánchez

Más detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

El costo de oportunidad social de la divisa ÍNDICE

El costo de oportunidad social de la divisa ÍNDICE El Costo de Oportundad Socal de la Dvsa El costo de oportundad socal de la dvsa ÍNDICE. INTRODUCCIÓN. EL MARCO TEÓRICO 3. CÁLCULO DEL COSTO DE OPORTUNIDAD SOCIAL DE LA DIVISA 3. Nvel agregado 3. Nvel desagregado

Más detalles

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

Más detalles

Electricidad y calor

Electricidad y calor Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage:  Algunas definiciones Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Estimación de la Demanda de Crédito Agrícola para el Cantón La Maná, Provincia de Cotopaxi

Estimación de la Demanda de Crédito Agrícola para el Cantón La Maná, Provincia de Cotopaxi Revsta Tecnológca ESPOL, Vol. xx, pp-pp, (09, agosto, 007) Estmacón de la Demanda de Crédto Agrícola para el Cantón La Maná, Provnca de Cotopax Davd Robalno Chca Leonardo Sánchez Aragón Facultad de Cencas

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP)

MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP) MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Prmer Semestre - Otoño 2014 Omar De la Peña-Seaman Insttuto de Físca (IFUAP) Benemérta Unversdad Autónoma de Puebla (BUAP) 1 / Omar De la Peña-Seaman

Más detalles

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Unidad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI

Unidad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI Undad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI 3.1. DINÁMICA DE LA GESTIÓN DE PROYECTOS. 3.1.1. GESTIÓN DE PROYECTOS. La gestón

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se

Más detalles

Mecánica Clásica ( Partículas y Bipartículas )

Mecánica Clásica ( Partículas y Bipartículas ) Mecánca lásca ( Partículas y Bpartículas ) Alejandro A. Torassa Lcenca reatve ommons Atrbucón 3.0 (0) Buenos Ares, Argentna atorassa@gmal.com Resumen Este trabajo consdera la exstenca de bpartículas y

Más detalles

1.- Objetivo Alcance Metodología...3

1.- Objetivo Alcance Metodología...3 PROCEDIMIENTO DO PARA EL CÁLCULO DEL FACTOR DE DESEMPEÑO DEL CONTROL DE FRECUENCIA (FECF) EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE 1.- Objetvo...3 2.- Alcance...3 3.- Metodología...3 3.1.- Cálculo de la

Más detalles

Créditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias

Créditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias Crédtos Y Sstemas de Amortzacón: Dferencas, Smltudes e Implcancas Introduccón Cuando los ngresos de un agente económco superan su gasto de consumo, surge el concepto de ahorro, esto es, la parte del ngreso

Más detalles

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología

Más detalles

La Huella Hídrica en España The Water Footprint in Spain

La Huella Hídrica en España The Water Footprint in Spain Cenca y Técnca de la Ingenería Cvl La Huella Hídrca en España The Water Footprnt n Span Revsta de Obras Públcas nº 3.514. Año 157 Octubre 2010 ISSN: 0034-8619 ISSN electrónco: 1695-4408 Fernando Esteban

Más detalles

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

UNIDAD 4. PRESUPUESTO DE VENTAS.

UNIDAD 4. PRESUPUESTO DE VENTAS. UNIDAD 4. PRESUPUESTO DE VENTAS. OBJETIVOS. 1. Dar a entender al estudante la mportanca prmordal del presupuesto de ngresos dentro de una empresa u organzacón. 2. Enseñar lo que realmente comprende un

Más detalles

UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.

UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena. UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es

Más detalles

TEMA 6 AMPLIFICADORES OPERACIONALES

TEMA 6 AMPLIFICADORES OPERACIONALES Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal

Más detalles

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization) Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,

Más detalles

GANTT, PERT y CPM INDICE

GANTT, PERT y CPM INDICE GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros. Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas

Más detalles

En un mercado hay dos consumidores con las siguientes funciones de utilidad:

En un mercado hay dos consumidores con las siguientes funciones de utilidad: En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta

Más detalles

INVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO

INVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO ESCUELA SUPERIOR POLITECNICA DEL LITORAL INSTITUTO DE CIENCIAS HUMANISTICAS Y ECONOMICAS INVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO Resumen: Las decsones de

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

DETERMINACIÓN DEL NIVEL DE PRECIOS PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO

DETERMINACIÓN DEL NIVEL DE PRECIOS PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO DETERMINACIÓN DEL NIVEL DE PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO Galo Nna Análss y Control RESUMEN El obetvo de este trabao es

Más detalles

Documento de Trabajo/Working Paper Serie Economía

Documento de Trabajo/Working Paper Serie Economía Documento de Trabajo/orkng Paper Sere Economía Meddas de polítca fscal contra el desempleo (y el défct públco): cotzacones socales versus IVA Oscar Bajo Rubo Antono Gómez Gómez-Plana February 21 DT-E-21-7

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón

Más detalles

Un análisis input-output de la economía balear

Un análisis input-output de la economía balear ESTADÍSTICA ESPAÑOLA Vol. 44, Núm.151, 2002, págs. 393 a 444 Un análss nput-output de la economía balear por CLEMENTE POLO Departamento de Economía e Hstora Económca Facultad de Cencas Económcas y Empresarales

Más detalles

MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO

MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO INTRODUCCION Gestón de Servcos de TI: Entrega de servcos de TI, que cumplan con los requstos del negoco, de una caldad aceptable

Más detalles

Hidrología superficial

Hidrología superficial Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras

Más detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas... TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

NÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1

NÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1 NÚMEROS COMPLEJOS 1. Qué es un número complejo? Defncones. La ecuacón x + 1 = 0 no tene solucón en el campo real puesto que s ntentamos resolverla tendremos que x = ± 1 y sabemos que no podemos calcular

Más detalles

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL: Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

Más detalles

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA ELECTRICA

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA ELECTRICA UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA ELECTRICA INCORPORACION DE LOS CONJUNTOS DIFUSOS PARA MODELAR INCERTIDUMBRES EN LOS SISTEMAS ELECTRICOS DE POTENCIA

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República. 9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

PRACTICA 4. Asignatura: Economía y Medio Ambiente Titulación: Grado en ciencias ambientales Curso: 2º Semestre: 1º Curso

PRACTICA 4. Asignatura: Economía y Medio Ambiente Titulación: Grado en ciencias ambientales Curso: 2º Semestre: 1º Curso PRACTICA 4 Asgnatura: Economía y Medo Ambente Ttulacón: Grado en cencas ambentales Curso: º Semestre: 1º Curso 010-011 Profesora: Inmaculada C. Álvarez Ayuso Inmaculada.alvarez@uam.es PREGUNTAS TIPO TEST

Más detalles

TEMA 6. La producción, el tipo de interés y el tipo de cambio: el modelo Mundell-Fleming

TEMA 6. La producción, el tipo de interés y el tipo de cambio: el modelo Mundell-Fleming TEMA 6. La produccón, el tpo de nterés y el tpo de cambo: el modelo Mundell-Flemng Anhoa Herrarte Sánchez Dpto. de Análss Económco: Teoría Económca e Hstora Económca Curso 2010-2011 Bblografía 1. Blanchard,

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal

Más detalles

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN 1 CÁLCULO DE LOS FLUJOS NETOS DE CAJA Y TOMA DE DECISIONES DE INVERSIÓN PRODUCTIVA Peculardades

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas. MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas

Más detalles

Equilibrio termodinámico entre fases fluidas

Equilibrio termodinámico entre fases fluidas CAPÍTULO I Equlbro termodnámco entre fases fludas El conocmento frme de los conceptos de la termodnámca se consdera esencal para el dseño, operacón y optmzacón de proyectos en la ngenería químca, debdo

Más detalles

Tipología de nudos y extremos de barra

Tipología de nudos y extremos de barra Tpología de nudos y extremos de barra Apelldos, nombre Basset Salom, Lusa (lbasset@mes.upv.es) Departamento Centro ecánca de edos Contnuos y Teoría de Estructuras Escuela Técnca Superor de Arqutectura

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles