Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009

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

Download "Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009"

Transcripción

1 Faculad de Cecas Ecoómcas y Admsravas Deparameo de Ecoomía Aálss Especral Alvaro Moeegro Bogoá, Marzo de 009 Esa vesgacó fue facada por la Pofca Uversdad Javeraa y correspode a desarrollos del proyeco Macroecoomía Cuaava Las opoes plaeadas e ese documeo refleja el pesameo de sus auores y o ecesaramee el de la Pofca Uversdad Javeraa.

2 1 ANÁLISIS ESPECTRAL Alvaro Moeegro Deparameo de Ecoomía Uversdad Javeraa Novembre 008 El aálss especral ee por objeo descompoer ua sere de empo esacoara e ua suma, posblemee fa, de compoees seodales de dversas frecuecas y ampludes. Las frecuecas más sgfcavas srve para explcar cclos ecoómcos, esacoaldad o caraceríscas esadíscas geerales del proceso aleaoro. Auque coee la msma formacó que el aálss e el domo del empo, el aálss e el domo de la frecueca puede faclar la ucó. El aálss especral de la produccó maufacurera colombaa o deeca la preseca de cclos ecoómcos. El aálss especral ee que ver co vbracoes y osclacoes, las cuales, e su forma más pura, so odulacoes s quebres abrupos que se repe peródcamee a ravés del empo, maeedo sempre la msma amplud y frecueca de osclacó, como la señal emda por u dapasó. Esas odulacoes se cooce como odas seodales (o coseodales) y so los compoees de práccamee odas las señales coocdas, como el rudo blaco, la voz, o la salda de u modelo ARMA. El aálss especral separa ua señal e las dversas odas seodales que la coforma. Deseo agradecer a Alfredo Coreras Eer por su valosa ayuda e ese rabajo. Las opoes expresadas so del auor y o compromee a la sucó.

3 La lusracó más famlar cosse e el paso de u rayo de luz blaca por u prsma que lo separa e compoees de dferees colores. Cada color correspode a u po de vbracó co caraceríscas parculares. El aálss especral se refere a la eoría y écca que perme descompoer ua señal o sere de empo (lumosa, soora, sesoral, ecoómca, ec.) e compoees seodales de dferees frecuecas y ampludes. E el aálss especral mpora meos la forma específca de la sere a lo largo del empo y más la defcacó de las odas seodales presees. Fucoes Seodales Ua fucó seodal, como la de la Fgura 1, se represea por CSe ( ) (1) dode, e el caso dscreo, que es el comú e seres de empo, la varable empo asume valores eeros, eso es 0,1,,3,. Co respeco a los demás parámeros, C es u coefcee llamado amplud, posvo o egavo, que mulplca la señal seodal; es la frecueca agular dada e radaes (por ejemplo radaes equvale a 180 grados); y es ua cosae llamada águlo de fase que srve para desplazar la señal e el empo, usualmee e ua cadad que se ecuera e el ervalo y radaes. La frecueca agular ambé se puede escrbr como f, dode f es la frecueca dada e cclos por udad de empo. Cclo se refere a la pare de la señal que se repe defdamee; puede medrse de valle a valle, o pco a pco, o de cualquer puo al msmo puo. La duracó del cclo, se defe como

4 período, el cual esá dado e udades de empo por cclo, y equvale al verso de la frecueca f. Es úl recordar alguas propedades rgoomércas de las formas seodales: Se( ) Se, Cos( ) Cos, Cos Se 1, Se( / ) Cos, ec. La úlma propedad os dce que las odas seodales y coseodales so equvalees excepo por u águlo de fase de / radaes (90 grados), que o afeca la forma de la curva y solo la desplaza u cuaro de cclo e el empo. La Fgura 1 muesra 100 observacoes de la fucó Se( /10), dode la amplud C es uara. La curva se dbuja pueada para efazar el carácer dscreo de la msma; eso es, para dcar que, auque la señal es eórcamee coua, sólo hay observacoes para puos equdsaes e el empo. S embargo, auque las seres sea dscreas, la cosumbre, que se segurá e adelae, es dbujar las curvas de maera coua uedo los puos observados. Cuao mayor sea el coefcee que mulplca al empo (por ejemplo, s e lugar de / 10 fuera / 4) mayor es la frecueca, lo que sgfca que la gráfca edría más cclos por udad de empo. S hcéramos C 5, por ejemplo, la amplud de la oda se mulplcaría por cco; los pcos llegaría a 5 y los valles a 5, e lugar de 1 y 1 como esá e la Fgura 1. 3 Represeacó Seodal La suma de odas seodales o coseodales, perfecamee peródcas pero de dferees frecuecas y ampludes, geera resulados que puede ser de apareca muy dferees a las odas seodales dvduales que parcpa

5 e la suma. Eso es cero ao para odas dscreas como couas. Para lusrar, la Fgura muesra la suma de las res odas cosedales 4 Cos( /10) Cos( /3) Cos( ). () S o supéramos cómo se geeró esa sere, podríamos cofudrla co ua sere de empo observada e la prácca, quzá cambos e el Pb, cambos e el preco de algú íulo bursál, ec. De hecho, esas seres de la vda real esá compuesas por ua fdad de señales odulaoras puras. El objevo del aálss especral es hacer lo coraro de lo hecho e la Fgura, dode combamos varas seres seodales de frecueca y amplud coocda para obeer ua sere de empo fal. E el aálss especral omamos la sere de empo observada y raamos de ecorar las odas seodales (frecuecas y ampludes) que la compoe; se raa de esablecer cuáles frecuecas esá presees y e qué proporcó. Eso se cooce como rabajar e el domo de la frecueca (las varables se grafca cora el eje de la frecueca). El aálss de seres de empo radcoal se hace e el domo del empo (las varables se grafca cora el eje del empo). El Teorema de Represeacó Especral dce que cualquer proceso esacoaro hasa de orde dos (esacoaro e covaraza o déblmee esacoaro) puede ser represeado por ua suma, posblemee fa, de señales seodales y coseodales [ver Hamlo (1994, capíulo 6)]. Ese eucado es la corapare e el domo de la frecueca del Teorema de Represeacó de Wold ulzado e el domo del empo. Los orígees del aálss especral se ecuera e las seres de Fourer, del maemáco fracés Jea Bapse Joseph Fourer, que a comezos del

6 sglo IX descompuso señales peródcas e sumas de odas seodales y coseodales. Ua explcacó uva de cómo podemos ulzar fucoes e geeral, y odas seodales e parcular, para represear oras fucoes, se ecuera e Lah (1968) capíulo 1. E prcpo, el procedmeo puede verse como ua regresó (mímos cuadrados ordaros) de la fucó o sere a explcar cora las fucoes que se haya escogdo como explcavas. Usado K érmos podemos expresar ua sere de empo x esacoara de meda cero como 5 x C1Cos( 1 1) CCos( ) C K 1 [ C Cos( )] K Cos( ) K K (3) dode C es la amplud, es la frecueca e radaes, es el águlo de fase, y es rudo co meda cero que recoge aquella pare de la sere que o es explcada por los K érmos ulzados (e eoría, ede a cero s K ede a fo). Ua forma de hacer que la sere de la Fgura se asemeje aú más a ua sere de la vda real es sumádole ua sere de rudo blaco, como la de la Fgura 3 (omada de ua ormal esádar). La sere resulae de esa suma se muesra e la Fgura 4. La expresó (3) puede smplfcarse para faclar esmacó apelado a la dedad rgoomérca Cos( ) Cos( ) Cos Se( ) Se (4)

7 6 que os perme expresar las sere elmado los águlos de fase, quedado ésa x e érmos de seos y coseos x K ( A Cos B Se ) (5) 1 dode A CCos y B CSe so las ampludes o coefcees de las odas. Noamos que ao x e el lado zquerdo como cada ua de las odas del lado derecho de la expresó so seres de empo. E oras palabras, podemos magar la expresó (5) como ua regresó dode x es la varable depedee y los K seos y coseos so las varables explcavas; podemos correr x cora esas odas ulzado mímos cuadrados ordaros, MCO, obeedo coefcees esmados  y Bˆ. Para efecuar la esmacó por MCO edríamos que coocer los coedos e x co el f de cosrur sus varables explcavas. Supogamos, por el momeo, que coocemos los. Eoces puede mosrarse [ver Presley (1980), capíulo 6] que los coefcees esmados por MCO será A ˆ xcos (6a) 1 Bˆ x Se (6b) 1

8 7 dode es el amaño de la muesra (el úmero de observacoes de la sere x ). La marz de varables explcavas de la regresó esá formada por seres seodales y coseodales. Aforuadamee ésas so orogoales ere sí permedo obeer expresoes secllas e la esmacó. La orogoaldad es smlar a cero covaraza, lo que se da s la suma del produco de las seres es cero, como e efeco sucede e Cos ( ) Se( j) d 0, para cualquer y 0 j eeros posvos. E cosecueca, como e cualquer regresó cuyas varables explcavas so orogoales, cada coefcee e las expresoes (6) resula proporcoal a la covaraza ere la varable explcava y la varable depedee, lo cual es uvamee sasfacoro. E realdad o coocemos los secueca de valores de, por lo que debemos esayar ua omados a dsacas coras, eso es, hacemos u barrdo de, y vamos regsrado el comporameo de prcpo del esmador deomado perodograma. Â y Bˆ. Ese es el El Perodograma La gráfca de ˆ A ˆ (a veces la gráfca de ˆ A ˆ ) versus se cooce B B como perodograma y se deoa I ( ). Los valores de I ( ) será dferees de cero cuado coedas e x., e el eje horzoal, cocda co ua de las frecuecas Nóese de (5) que ˆ ˆ A B C Cos C Se C, de maera que, e efeco, esaríamos grafcado ua cadad proporcoal a la amplud C de

9 cada oda e (3) versus la frecueca correspodee. E cera forma, esamos grafcado el coedo de eergía o poeca versus frecueca, lo que se cooce como el especro de la sere. La mayor frecueca posble (a la derecha e el eje horzoal) será la que correspoda a la llamada frecueca de Nyqus. S muesreamos la sere x cada udad de empo eoces el perodo mímo que podemos deecar es de udades de empo ya que, para esablecer u cclo, ecesamos por lo meos deecar (muesrear) u valle y u pco. S el perodo más coro es de udades de empo por cclo eoces la frecueca máxma será f 1/ cclo por udad de empo o expresada e radaes será f (1/ ). Lo aeror mplca que s coamos co muesras de ua señal coua que o coega frecuecas superores a f 1/ cclo por segudo, eoces podemos recosrur la señal compleamee co base e las muesras. Esa es la razó por la cual basa rasmr solo las muesras (observacoes) de ua señal coua, y o la señal complea (lo que resularía más cososo). Auque a prmera vsa parece cora uvo, las muesras rasmdas so sufcees para recuperar la oaldad de la señal coua e el puo de recepcó [ver, por ejemplo, Lah (1968) capíulo 1]. E efeco, ua señal dscrea puede verse como el muesreo de ua señal coua. Y s la señal que esamos muesreado coee frecuecas superores a, que es la máxma que podemos deecar, ésas se coablzará como de frecueca feror; eso es, para 8 0, las frecuecas, 4, 6,, se coablzará como de frecueca radaes; o para 0 f 1/, las frecuecas f 1, f, f 3,., se coablzará como de frecueca f cclos por udad de empo. Ese feómeo se cooce como alasg, y su explcacó se lusra e la Fgura 5

10 e la cual se muesra la señal orgal y los puos muesreados. La clave esá e eeder que solo observamos los valores que muesreamos, los cuales dbuja ua sere de meor frecueca que la orgal. La pérdda de precsó será poca s la frecueca de muesreo es sufceemee ala para capar odas las odas co poeca sgfcava. E la prácca, usualmee o eemos corol sobre la frecueca de muesreo co la cual se recoleca los daos (daros, mesuales, rmesrales, auales, ec.) y debemos cojeurar s dcha asa de muesreo deja por fuera frecuecas mporaes más alas. E cera forma, ese feómeo correspode al ubcuo problema e esadísca de saber s ua muesra es represeava de la poblacó. El efeco llamado beas es oro caso de combacó de odas movédose e el msmo espaco o medo que produce ua apareca y efeco dferee a las seres dvduales. Se raa de la suma de dos odas co frecuecas muy cercaas ere sí que produce u efeco de modulacó que audvamee se percbe como pulsacoes de baja frecueca. Supoedo dos frecuecas cercaas f 1 y f, la frecueca ( f1 f ) / se escuchará pulsado a la más baja frecueca f1 f. La Fgura 6 lusra ese caso de beas, o pulsos, para 500 observacoes de la señal dada por Se( / ) Se( /.1). Por razoes práccas, la escogeca usual de frecuecas de esmacó es 9 dode 0,1,,3,, / q / q, de maera que 4 6 0,,,,,. Esa escogeca asegura que odos los seos y coseos cosderados ega u úmero compleo de cclos e la muesra de amaño, y que las ordeadas del perodograma sea depedees ua de oras, propedad que resula muy coveee para pruebas de hpóess.

11 Auque el perodograma esá defdo ere 10 y e radaes (o ere.5 y. 5 e cclos por udad de empo), e razó de su smería suele mosrarse sólo el lado posvo correspodee al ervalo [ 0, ] e radaes (o [ 0,.5] e cclos por udad de empo). Como se mecoó, el perodograma I (), para cada, es proporcoal al cuadrado de los coefcees e (6) de la esmacó por MCO, eso es, I ( ) 1 xcos 1 x Se (7) dode es ua cosae de proporcoaldad. Esa expresó puede escrbrse como el cuadrado de la magud o módulo del úmero complejo 1 1 x Cos x Se (8) dode 1, oacó que se maedrá por ser la radcoal, esperado que o se cofuda co el msmo símbolo cuado ése sea ulzado para deoar algú -ésmo elemeo o subídce o ídce e los límes de ua sumaora. A su vez, esa ecuacó puede expresarse, usado la dedad de Euler e Cos Se, como 1 x e para 4 6 0,,,,, (9)

12 11 dode la ulzacó del sgo egavo (e lugar del posvo) e la pare magara se hace por covecó [ver, por ejemplo, Schwarz y Shaw (1975), capíulo]. Ua buea explcacó de los úmeros magaros y complejos e el coexo del aálss especral se puede ecorar e Loy (007). La Auocovaraza Exse ua relacó muy eresae ere el perodograma y la fucó de auocovaraza R ( ) de la sere x [para dealles sobre la auocovaraza R ( ) ver Moeegro (007)]. Sguedo a Presley (1981, p. 399), y recordado que la magud al cuadrado de u úmero complejo es gual al úmero por su cojugado, la expresó (9) puede escrbrse como 1 v xe xve x xvcos( v) (10) v1 1 v1 dode los érmos seodales se cacela. Defedo u uevo ídce v de maera que oma los valores de 1 ( 1) hasa 1, y, para fjo, va desde 1 hasa. Así ( 1) 1 x x Cos Rˆ( ) Cos (11) ( 1)

13 1 dode es ua cosae de proporcoaldad y R ˆ ( ) es la auocovaraza esmada bajo el supueso Ex 0. S la auocovaraza refleja correlacó posva, como e u AR(1) co coefcee posvo, habrá predomo de frecuecas bajas; s la auocovaraza refleja correlacó egava, como e u AR(1) co coefcee egavo, habrá predomo de frecuecas alas. U modelo ARMA puede geerar especros co pcos e ua o varas frecuecas de resoaca (egevalores). De (11) se puede ferr que ua sere de rudo ee u especro plao (depedee de ) de maera que la eergía se dsrbuye uformemee e odas las frecuecas. El Especro E geeral los procesos esocáscos ecorados e la prácca o edrá u juego de frecuecas seodales fjas. El elemeo aleaoro volucrado e las seres reales lleva a pesar que presea u rago de frecuecas alrededor de las que pudera ser frecuecas prcpales, de maera que el especro o será dscreo so couo, co valores para odo. Llamamos s () a ese especro couo de ua sere x, smlar a ua dsrbucó de probabldad, dode s ( ) d se erprea como la corbucó a la eergía o poeca oal de la sere, coeda e los compoees seodales cuyas frecuecas esá ere y d. De maera smlar a la ecuacó (11), se puede mosrar [Grager y Newbold (1986, cap. )] que, para seres reales y cosderado el ervalo, podemos escrbr

14 13 s( ) 1 R( ) e 1 1 x R( ) Cos R( ) Cos (1) 1 dode, a su vez, x ) e s( ) R( ) E( x d (13) es la fucó de auocovaraza de x. La Expresó para s () ambé puede escrbrse e fucó de las auocorrelacoes, lo cual se logra dvdedo por la varaza x de la sere x. Al gual que la fucó de auocorrelacó, el especro puede ayudar e la defcacó del po de modelo (AR, MA, ARMA) que mejor se ajusa a los daos. El perodograma es el esmador de s (), de la msma maera que el hsograma puede ser cosderado como u esmador de la fucó de desdad de probabldad. Propedades de Muesreo El perodograma es u esmador asócamee sesgado de las frecuecas del especro pero es cossee e el sedo de que su varaza o dsmuye a medda que el amaño de la muesra aumea. El problema radca e que la esmacó para cada frecueca es práccamee depedee de las demás, y esamos esmado aas auocorrelacoes como observacoes [eso se puede ver de (11), recordado que R ( ) R( )], de maera que la gráfca del perodograma, cora, resula erráca y volál.

15 14 Ua solucó es suavzar el perodograma ulzado flros o veaas smlares al uso e el domo del empo del promedo móvl cerado; de hecho, se ulza u méodo smlar para esmar fucoes de desdad de probabldad (kerel esmao). Debe adverrse, s embargo, que suavzar el perodograma ee su coso ya que e muesras fas puede geerar sesgo e la esmacó (y e fas s el suavzado se hace mal). Para cada se promeda los esmavos de I () para frecuecas cercaas a, a la zquerda y a la derecha, dado mayor peso a I ) y ( meos a las demás frecuecas. La forma de las poderacoes cofgura ua veaa o kerel que se mueve a lo largo del eje producedo el perodograma suavzado. Hay muchas formas de veaas, las hay recagulares (como la de ua dsrbucó uforme), ragulares, e forma de carpa, o o leales, y oras [para ejemplos de veaas y su dseño se puede cosular Soca y Moses (1997)]. El sofware para el aálss especral usualmee presea ua veaa (y su acho) como defaul pero perme al usuaro escoger ere ua gra varedad de opcoes. Bajo codcoes geerales, la esmacó suavzada para cada es cossee y coverge e dsrbucó a ua ormal depedeemee de la veaa escogda (auque la escogeca de la veaa fluye e la efceca esadísca), lo cual perme realzar pruebas de hpóess. E muchos casos, las seres ecoradas e la prácca suele ser o esacoaras por lo cual es ecesaro esmar y elmar la edeca, dferecar o omar cambos porceuales para obeer esacoaredad. E el caso de las seres esacoales, ésas puede verse como la suma de dos especros, uo que correspode al proceso s el efeco esacoal y oro que correspode al efeco esacoal. E geeral, el especro de ua suma de

16 procesos esocáscos esacoaros depedees de meda cero es la suma de sus especros. 15 Ejemplos Para la esmacó de los especros se ulzó el programa SgVew de SgalLab, versó Todos los especros, excepo el de la Fgura 7, fuero suavzados por medo de la veaa Hag, que vee como defaul. E la Fgura 7 se observa el especro esmado s suavzar para 1000 observacoes de la sere Cos /10) Cos( / 3) Cos( ) ( (de las cuales solo se había mosrado 100 e la Fgura 4). Como es de esperarse, se ve res pcos proucados. El prmero correspode a la frecueca más baja,.05 cclos por udad de empo, geerada por el érmo Cos( /10), la cual se despeja de f / 10 o f 1/ El segudo pco correspode al érmo Cos () y se ecuera cerca de f 1/ La frecueca más ala, cerca de f 1/ , correspode al érmo Cos( /3). El especro del érmo de rudo cludo e la ecuacó de la sere refleja eergía reparda de maera más o meos uforme e odas las frecuecas, el cual se suma al especro de las oras res señales coseodales de la sere. La fgura 8 muesra el especro suavzado de la Fgura 7. Auque esecalmee coee la msma formacó, la amplud de los pcos varía porque ahora las ordeadas del especro correspode a u promedo de puos adyacees segú las poderacoes de la veaa ulzada. La Fgura 9 muesra ua sere comúmee ulzada como bechmark e el aálss de seres de empo. Se raa de la sere lces arapados aualmee ere 181 y 1934 e el oroese caadese, e el dsro del Ro Mackeze.

17 16 La sere, que puede cosularse e Campbell y Walker (1977), es obvamee peródca y evoca el ema de la eraccó ere la presa y su predador. La Fgura 10 muesra el especro para la sere de lces cuyo eje horzoal de frecueca esá marcado e cclos por año. El pco se observa cerca de 0.11 cclos por año lo que equvale a u período u poco superor a 9 años. La Fgura 11 muesra la sere de produccó real mesual de la Muesra Mesual Maufacurera publcada por el Dae, s rlla, desde La sere es o esacoara co evdees perodcdades. La Fgura 1 muesra el cambo porceual e la sere y la Fgura 13 su especro. U ema de erés es s exse compoees e la sere que pueda reflejar la preseca de cclos ecoómcos, eso es, de compoees co períodos de varos años. La frecueca más baja que se observa e el especro esá alrededor de.033 cclos por mes o u período cercao a los 30 meses, lo que podría sugerr u cclo ecoómco de.5 años. S embargo, su poeca (magud) es a baja que realmee o se puede hablar de cclos e esa sere. El prmer compoee sgfcavo esá a ua frecueca de.08 cclos por mes que represea el cclo aual. Le sgue compoees a frecuecas aproxmadamee armócas de.17 cclos por mes o perodo de 6 meses, de.5 cclos por mes o período de 4 meses, de.34 o perodo de res meses, y dos frecuecas de.4 y.47 cclos por mes, co períodos ere y.5 meses. Podría obeerse ua prmera aproxmacó de la sere del cambo porceual e la produccó real maufacurera [sguedo la ecuacó (5)] a ravés de ua suma de señales seodales y coseodales de dferees ampludes y períodos cercaos a los 1, 6, 4, 3, y.3 meses; o podría clurse alguas de esas frecuecas como varables adcoales e ua esmacó radcoal de esa sere e el domo del empo.

18 17 REFERENCIAS Campbell, M. J. y Walker, A. M. (1977) A Survey of Sascal Work o he MacKeze Rver Seres of Aual Caada Lyx Trappgs for he Years ad a New aalyss, Joural of he Royal Sascal Socey, Seres A (Geeral), 140, 4, Grager C. W. y Newbold P. (1986) Forecasg Ecoomc Tme Seres, Academc Press. Hamlo, James (1994) Tme Seres Aalyss, Prceo Uversy Press. Lah, B. P. (1968) Commucao Sysems, Joh Wley ad Sos, Loy, Gareh (007) Musmahcs: The Mahemacal Foudaos of Musc, MIT Press. Moeegro, Alvaro (007) Seres de Tempo, Javegraf, Faculad de Ecoomía, Uversdad Javeraa. Presley, M. B. (1981) Specral Aalyss ad Tme Seres, Academc Press. Schwarz, M. y Shaw, L. (1975) Sgal Processg: Dscree Specral Aalyss, Deeco, ad Esmao, Mc Graw-Hll. Soca, Pere y Moses, Radolph (1997) Iroduco o Specral Aalyss, Prece Hall.

19 18 Fgura 1. Se / Fgura. Cos( /10) Cos( /3) Cos( )

20 19 Fgura Fgura Cos( /10) Cos( / 3) Cos( )

21 Fgura 5. Alasg o o o o o o o o o o o o o o o o o o o o -1. observado orgal Fgura 6. Beas geerados por la señal Se( / ) Se( /.1)

22 1 Fgura 7. Especro s suavzar de Cos( /10) Cos( / 3) Cos( ) Fgura 8. Especro suavzado de Cos( /10) Cos( / 3) Cos( )

23 Fgura 9. Lces arapados aualmee (Lyx rappgs) Fgura 10. Especro de la sere de lces arapados aualmee

24 3 Fgura 11. Produccó real mesual maufacurera Fgura 1. Varacó porceual e la produccó real mesual maufacurera

25 4 Fgura 13. Especro de la varacó porceual e la produccó real maufacurera

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

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

Más detalles

Introducción a la Estadística Descriptiva

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

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

Más detalles

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005 Reglas para el maejo de los ídces de deuda de la BV Bolsa acoal de Valores Verso 4.4 3/07/005 ága de 6 COTEIDO ITRODUCCIÓ... 4. erspecva geeral... 4 MAEJO DE LOS ÍDICES... 6. Comé de Ídces de íulos de

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

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

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

Más detalles

Años I0 t (base 1992 = 100)

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

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

Sistemas Productivos

Sistemas Productivos Ssemas Producvos º Elemeos de dseño del proceso producvo A la hora de dseñar ua udad producva, hay que realzar ua sere de decsoes esraégcas que cluye ecesaramee:. Localzacó de la plaa: lugar dode físcamee

Más detalles

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

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

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

Metodología Índice de Precios de Edificaciones Nuevas

Metodología Índice de Precios de Edificaciones Nuevas Meodología Ídce de recos de Edfcacoes Nuevas COLECCIÓN DOCUMENTOS - ACTUALIZACIÓN 29 Núm. 66 DEARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA HÉCTOR MALDONADO GÓMEZ Drecor CARLOS EDUARDO SEÚLVEDA RICO

Más detalles

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

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

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

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

Más detalles

5.3 Estadísticas de una distribución frecuencial

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

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

Tabla de Contenidos. 1 Conceptos básicos sobre regresión y correlación... 1. 2 Caracterización de rodales... 22

Tabla de Contenidos. 1 Conceptos básicos sobre regresión y correlación... 1. 2 Caracterización de rodales... 22 Tala de Coedo Preeacó... Cocepo áco ore regreó correlacó.... Supueo áco de regreó.... Lo upueo de regreó e Dedromería... 6. Emacó de lo parámero del modelo de regreó leal mple... 7.. El méodo de mímo cuadrado

Más detalles

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

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

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS MAEC 2140: Méodos Cuaiaivos Prof. J.L.Coo DISCUSION Y EJEMPLOS SOBRE EL TEMA FUNCIONES EXPONENCIALS El valor del diero

Más detalles

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA M.J. Caós M. Maríez 2 M. Mocholí V. Navarro 3 U. de Valeca Florda Uversara U. de Valeca U. de Valeca mara..caos@uv.es marsam@florda-u.es

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS MOF - OMPETENIA FUNDAMENTOS DE LAS OPERAIONES FINANIERAS apalzacó ompuesa. apalzacó Smple. Acualzacó ompuesa y Smple. Equvalecas Faceras. Aplcacoes de la apalzacó y del Descueo. Valores Medos: Ufcacó de

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística

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

Más detalles

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES 4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

FUNCIONES EXPONENCIALES

FUNCIONES EXPONENCIALES 1 FUNCIONES EXPONENCIALES Las fucioes epoeciales iee muchas aplicacioes, e especial ellas describe el crecimieo de muchas caidades de la vida real. Defiició.-La fució co domiio odos los reales y defiida

Más detalles

Un generador matricial de claves frente a Blum Blum Shub.

Un generador matricial de claves frente a Blum Blum Shub. U geerador marcal de claves free a lum lum Sub. Rafael Álvarez, Joa-Josep Clme, eadro Torosa 3 y oo Zamora 4 Deparame de Cèca de la Compuacó Iel lgèca rfcal. Uversa d'laca, Campus de Sa Vce, p.correus

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO CAÍUO. CNMÁCA DFRNCA D ROBO ARAO es seccó se descrbe el álss de elocddes y celercoes del robo prlelo, el cul puede llerse cbo mede ls ecucoes pr momeo geerl debdo que o ese deslzmeo e ls coeoes. ss ecucoes

Más detalles

Series de Fourier. 1. Tratamiento Digital de Señal. Series de Fourier

Series de Fourier. 1. Tratamiento Digital de Señal. Series de Fourier Series de Fourier. Traamieo Digial de Señal. Series de Fourier Series de Fourier. Preámbulo El aálisis de Fourier fue iroducido e 8 e la Théorie aalyiique de la chaleur para raar la solució de problemas

Más detalles

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

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

Más detalles

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

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

Más detalles

ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA

ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA SECRETARÍA GENERAL TÉCNICA MINISTERIO DE AGRICULTURA, ALIMENTACIÓN Y MEDIO AMBIENTE SUBDIRECCIÓN GENERAL DE ESTADÍSTICA ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA INTRODUCCIÓN: La Ecuesa de Salaros Agraros

Más detalles

CRÉDITO PESCA. Consideraciones del producto:

CRÉDITO PESCA. Consideraciones del producto: CRÉDITO PESCA Consderacones del produco: Los crédos se oorgan para el fnancameno de las acvdades de pesca: comerco, exraccón y/o ndusralzacón. Se basan en la capacdad de pago de los clenes y su hsoral

Más detalles

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY

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

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

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

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

Más detalles

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

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

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

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

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

Más detalles

Planificación contra stock. Presentación. Introducción

Planificación contra stock. Presentación. Introducción Plaificació cora sock 09.0.07 Preseació Fabricar cora sock? No iee que ser cero el iveario? Se vio e el capíulo de iroducció. Plaificar cora sock Ciclo de pedido y fabricació idepediees. Demada aual coocida.

Más detalles

DISEÑO DE UN SISTEMA DE REPARTO A DOMICILIO CON VENTANAS DE TIEMPO INMEDIATAS MEDIANTE MODELACION CONTINUA

DISEÑO DE UN SISTEMA DE REPARTO A DOMICILIO CON VENTANAS DE TIEMPO INMEDIATAS MEDIANTE MODELACION CONTINUA DISEÑO DE UN SISTEM DE REPRTO DOMIILIO ON VENTNS DE TIEMPO INMEDITS MEDINTE MODELION ONTINU Robero Puldo Subercaeau. Ecuela de Igeería, Pofca Uverdad aólca de hle. Jua arlo Muñoz bogabr. Ecuela de Igeería,

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar)

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar) MEODOLOGÍA ÍNDCE DE DSBUCÓN DE ENEGÍA ELÉCCA, GAS PO CAÑEÍA Y AGUA POABLE (DEGA) (Preelmar) SUBDECCÓN ÉCNCA SUBDECCÓN DE OPEACONES Saago, 26 de Dcembre de 2007 CHDA/GGM/GMA/VM ÍNDCE Págas. roduccó 3 2.

Más detalles

CAPÍTULO 3 MARCO TEÓRICO. A lo largo de este capítulo se explican los conceptos básicos que se debieron tener y

CAPÍTULO 3 MARCO TEÓRICO. A lo largo de este capítulo se explican los conceptos básicos que se debieron tener y Capíulo 3 Marco eórico CAPÍTULO 3 MARCO TEÓRICO A lo largo de ese capíulo se explica los cocepos básicos que se debiero eer y cosiderar para la elaboració de la clasificació de maerias primas, los modelos

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 UN SISTEMA BASADO EN CASOS PARA LA TOMA DE DECISIONES EN CONDICIONES DE INCERTIDUMBRE Ilaa Guérrez Maríez, Rafael E. Bello Pérez y Adrés Tellería Rodríguez

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

NORMA DE CARACTER GENERAL N

NORMA DE CARACTER GENERAL N NORMA DE CARACTER GENERAL N REF.: MODIFICA EL TÍTULO III DEL LIBRO IV, SOBRE VALORIZACIÓN DE LAS INVERSIONES DEL FONDO DE PENSIONES Y DEL ENCAJE, DEL COMPENDIO DE NORMAS DEL SISTEMA DE PENSIONES. Saiago,

Más detalles

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo

Más detalles

V Muestreo Estratificado

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

Más detalles

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

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

Más detalles

ANÁLISIS DE FOURIER. m(el asterisco indica el conjugado complejo), se desea expandir una función arbitraria f (t) en una serie infinita de la forma

ANÁLISIS DE FOURIER. m(el asterisco indica el conjugado complejo), se desea expandir una función arbitraria f (t) en una serie infinita de la forma CAPÍULO RES ANÁLISIS DE FOURIER IEMPO CONINUO Iroducció La represeació de la señal de erada a u sisema (eediedo como sisema u cojuo de elemeos o bloques fucioales coecados para alcazar u objeivo deseado)

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

Más detalles

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

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Cap 3 La Integral Definida MOISES VILLENA MUÑOZ

Cap 3 La Integral Definida MOISES VILLENA MUÑOZ Cp L Iegrl ed. EINICIÓN. TEOREMA E INTEGRABILIA. TEOREMA UNAMENTAL EL CÁLCULO. PROPIEAES E LA INTEGRAL EINIA.. PROPIEA E LINEALIA.. PROPIEA E AITIVIA.. PROPIEA E COMPARACIÓN.. PROPIEA E ACOTAMIENTO.. PROPIEA

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

I N D I C E 1 INTRODUCCIÓN... 5 2 ANTECEDENTES... 6

I N D I C E 1 INTRODUCCIÓN... 5 2 ANTECEDENTES... 6 I N D I C E 1 INTRODUCCIÓN... 5 2 ANTECEDENTES... 6 3 CARACTERÍSTICAS DEL NUEVO SISTEMA DE INDICES DE PRECIOS AL CONSUMIDOR...8 3.1 POBLACIÓN DE REFERENCIA...8 3.2 COBERTURA GEOGRÁFICA DEL SISTEMA DE INDICES

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

MS Word Editor de Ecuaciones

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

Más detalles

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

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

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO

UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO PROGRAMA DE MAESTRÍA Y DOCTORADO EN INGENIERÍA FACULTAD DE INGENIERIA REFRACTÓMETRO ESPECTROSCÓPICO POR REFLEXIÓN INTERNA T E S I S QUE PARA OPTAR POR EL GRADO DE

Más detalles