Nombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)

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

Download "Nombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)"

Transcripción

1 Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Enero 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe que los valores numéricos decimales se denotan por un "punto" en lugar de una "coma". Cada pregunta vale dos puntos. Las respuestas erróneas substraen 1/4 de los puntos de cada pregunta. Las notas del examen aparecerán en aula global el Viernes 22 de Enero. El día (muy probablemente el lunes 25 de Enero) y lugar de la revisión será anunciado por cada profesor en su página web. Cualquier cambio se anunciará con la antelación posible en dichas páginas. Tiempo límite: 150 minutos. Total de puntos: 80. BUENA SUERTE

2 1. La descomposición de Wold establece que toda serie temporal estacionaria en sentido débil se puede expresar como a) una combinación lineal de variables aleatorias correlacionadas. b) la suma de un proceso causal y otro no causal. c) un proceso no causal de orden infinito. d) una combinación lineal de variables aleatorias no correlacionadas. * Respuesta: d. 2. Sea {x t } una serie temporal estacionaria débil. Cuál de las afirmaciones siguientes es verdadera? a) E(x t ) = µ t. b) Var(x t ) = σ 2. c) Cov(x t, x t 1 ) Cov(x t, x t+1 ). d) Todas son verdaderas. * Respuesta: b. 3. Sea {x t } una serie temporal estacionaria débil. Cuál de las afirmaciones siguientes es verdadera? a) E(x t ) = µ t. b) Var(x t ) = σ 2 t. c) Cov(x t, x t 1 ) = Cov(x t, x t+1 ). d) Todas son verdaderas. * 4. La tasa de crecimiento del precio del jamón ibérico, y t, sigue el siguiente proceso: y t = z + x t con z N(0, 1), x t ruido blanco (0, 5) y ambas variables independientes una de otra. Cuál de las afirmaciones siguientes es verdadera? a) E(y t y t k ) = 0 para todo k. b) E(y t y t k ) = 0 para todo k 1. c) E(y t y t k ) 0 para todo k. d) Ninguna de las anteriores respuestas es correcta. 2

3 * 5. La tasa de crecimiento del precio del jamón ibérico, y t, sigue el siguiente proceso: y t = z + x t con z N(0, 1), x t ruido blanco (0, 5) y ambas variables independientes una de otra. Cuál de las afirmaciones siguientes es verdadera? a) V (y t ) = 6 y E(y t ) > 0. b) V (y t ) = 5 y E(y t ) = 0. c) V (y t ) = 6 y E(y t ) = 0. d) V (y t ) = 1 y E(y t ) = 0. * 6. La tasa de crecimiento del precio del jamón ibérico, y t, sigue el siguiente proceso estocástico: y t = z + x t (t = 1,..., n) con z N(0, 1), x t ruido blanco (0, 5) y ambas variables independientes una de otra. Se quiere estimar E(y t ) para usarlo como una predicción incondicional. Para ello se propone usar la media muestral y n. Cuál de las afirmaciones siguientes es verdadera? a) La media muestral y n converge asintóticamente a E(y t ) por la ley de los grandes números. b) La media muestral y n no converge asintóticamente a E(y t ), porque la ley de los grandes números no se cumple. c) La media muestral y n converge asintóticamente a 0. d) La media muestral y n converge asintóticamente a 1. * Respuesta: b. 7. Sea x t = x t 1 + ɛ t, con ɛ t N(0, 1.5). Es causal el modelo? Identifica la raíz correcta, λ, del polinomio característico y responde a la pregunta: a) λ = el modelo es causal. b) λ = el modelo es causal. c) λ = el modelo es causal. d) λ = el modelo es no-causal. * Respuesta: c: λ = 1 φ 1 = = Sea x t = x t 1 + ɛ t, con ɛ t N(0, 1.5). Calcula E(x t ) = µ. a) µ =

4 b) µ = c) µ = d) µ = * Respuesta: c: µ = φ 0 1 φ 1 = Sea x t = x t 1 + ɛ t, con ɛ t N(0, 1.5). Calcula V ar(x t ) = γ 0. a) γ 0 = b) γ 0 = c) γ 0 = d) γ 0 = * Respuesta: d: γ 0 = σ2 1 φ 2 1 = = Sea x t = x t 1 +ɛ t, con ɛ t N(0, 1.5). Calcula la autocorrelación de tercer orden, ρ 3. a) ρ 3 = b) ρ 3 = c) ρ 3 = d) ρ 3 = * Respuesta: b: ρ 3 = φ 3 1 = = Sea x t = x t x t 2 + ɛ t, con ɛ t N(0, 2.1). Calcula E(x t ) = µ. a) µ = b) µ = c) µ = d) µ = 0. * Respuesta: a: µ = φ 0 1 φ 1 φ 2 = = Sea x t = x t x t 2 + ɛ t, con ɛ t N(0, 2.1). Es causal el modelo? Identifica la raíces correctas, λ i, i = 1, 2, del polinomio característico y responde a la pregunta. a) λ 1 = , λ 2 = El modelo es no-causal. 4

5 b) λ 1 = , λ 2 = El modelo es causal. c) λ 1 = , λ 2 = El modelo es causal. d) λ 1 = , λ 2 = El modelo es causal. * Respuesta: b: λ 1,2 = φ 1 ± φ 2 1 4φ 2, λ 1 = , λ 2 = Considere el siguiente modelo 2φ 2 Y t = ε t + 0.5ε t 1, donde ε t es un ruido blanco (0, 1). La Función de Autocorrelación Simple del proceso es 1, if k = 0 a) ρ k = 0.5, if k = ±1 0, en los demas casos. b) ρ k = (0.5) k. 1, if k = 0 c) ρ k = 0.4, if k = ±1 0, en los demas caso. d) ρ k = { 1, if k = 0 (0.5) k, if k 1. * 14. Consider el siguiente moelo Y t = ε t + 2.4ε t ε t 2, donde ε t es un ruido blanco (0, 0.9). El proceso Y t es a) No estacionario. b) Estacionario. c) Integrado de orden 1. d) Integrado de orden 2. * Respuesta: b. 5

6 Esta tabla corresponde a las dos preguntas siguientes: t y t z t % % % % % % 15. Sea y t = z t y t z t 1, z t N(0, ). Calcule la predicción puntual dos periodos adelante, ŷ 3 (2). a) ŷ 3 (2) = %. b) ŷ 3 (2) = %. c) ŷ 3 (2) = %. d) ŷ 3 (2) = %. * Respuesta: c: Primero, ŷ 3 (1) = y z 3 = %; y ahora ŷ 3 (2) = ŷ 3 (1) = %. 16. Tomando el modelo del problema anterior, los analistas opinan que y 5 podría alcanzar el 3.8%. Estima el intérvalo de confianza del 95% para el pronóstico e indica si los analistas tienen razón. a) y 5 [ 25%, 24%]. Efectivamente, con 95% de confianza, podría alcanzar 3.8%. b) y 5 [ 25%, 20%]. Efectivamente, con 95% de confianza, podría alcanzar 3.8%. c) y 5 [ 2%, 2%]. Con 95% de confianza, no podría alcanzar 3.8%. d) y 5 [3.58%, 3.82%]. Efectivamente, con 95% de confianza, podría alcanzar 3.8%. Respuesta: d. y h+2 ŷ h (2) ± 1.96 Var(ê 3 (2)) = % ± En el laboratorio de Predice-y-Predice se tienen las siguientes tres observaciones de un índice bursátil: x 1 = , x 2 = , x 3 = Los investigadores del laboratorio piensan que en lugar de construir un modelo y calcular las esperanzas condicionales, se puede predecir de forma más rápida calculando una predicción incondicional. La mejor predicción incondicional en términos cuadráticos es a) No se puede determinar. b)

7 c) d) Respuesta: d: x 3 = Las siguientes 6 preguntas están relacionadas con la siguiente noticia. El ayuntamiento del Burgo de Osma está reconstruyendo el castillo de Osma del siglo XI. Ante la falta de liquidez decide emitir deuda municipal. Esta deuda se negocia en el mercado de valores de Soria y según los económetras del pueblo de Osma el precio anual, P t, de estos bonos municipales sigue el siguiente proceso estocástico: P t = P t 1 + u t con u t = θa t 1 + a t donde a t (0, 1). Se ha observado al principio del 2010 que a 2009 = a 2008 = Supongamos que θ = 0 y P 2009 = 10. Estando a principios del 2010, cuál es la mejor predicción en términos cuadráticos de P 2012? a) 10+10=20. b) 10. c) E(P t ) = 0. d) No se puede predecir porque es un paseo aleatorio. Respuesta: b. 19. Supongamos que θ = 0 y P 2009 = 10. Estando a principios del 2010, cuál es la mejor predicción en términos cuadráticos del incremento del precio, (1 L)P 2012? a) 0. b) 10. c) 10+1=11. d) 10+2=12. Respuesta: a. 20. Supongamos que θ = 0.4 y P 2009 = 10. Estando a principios del 2010, cuál es la mejor predicción en términos cuadráticos de P 2012? a) 10+10=20. b) 10. c) 10x0.4=4. 7

8 d) =10.4. Respuesta: d. 21. Supongamos que θ = 0.4 y P 2009 = 10. Estando a principios del 2010, cuál es la mejor predicción en términos cuadráticos del incremento del precio, (1 L)P 2012? a) 0. b) 10. c) 0.4. d) 1.4. Respuesta: a. 22. Supongamos que θ = 0.4 Cuál de las siguientes afirmaciones es FALSA? a) El proceso generador de los precios P t es causal. b) El proceso generador de los precios P t no es estacionario. c) El proceso generador de los incrementos de precios precios (1 L)P t es invertible. d) El proceso generador de los precios P t no contiene ninguna tendencia determinística. Respuesta: a. 23. Supongamos que θ = 0.4 Cuál de las siguientes afirmaciones es FALSA? a) El proceso generador de los incrementos de precios, (1 L)P t, es estacionario. b) El proceso generador de los incrementos de precios, (1 L)P t, es invertible. c) El proceso generador de los incrementos de precios, (1 L)P t, no es causal. d) El proceso generador de los incrementos de precios, (1 L)P t, es causal. 8

9 Para las siguientes 10 preguntas considere el siguiente modelo y t = 24. Especifica de qué tipo de modelo se trata. a) ARDL(0,2). b) ARDL(2,1). c) ARDL(2,2). d) ARDL(1,2). 25. Es estable el modelo? L + 3L L L 2 x t + ɛ t, ɛ t N(0, σ 2 ɛ). a) λ 1 = , λ 2 = ; el modelo es estable. b) λ 1 = , λ 2 = ; el modelo es estable. c) λ 1 = , λ 2 = ; el modelo es estable. d) λ 1 = , λ 2 = ; el modelo es estable. Respuesta: b. 26. Empleando el polinomio D(L) = (δ 0 + δ 1 L +...), encuentra el valor de δ 1. a) δ 1 = b) δ 1 = c) δ 1 = d) δ 1 = Respuesta: a: δ 1 = β 1 (δ 0 γ 1 ) = 5 ( ) = Empleando el polinomio D(L), encuentra el valor de δ 2. a) δ 2 = b) δ 2 = c) δ 2 = d) δ 2 =

10 Respuesta: d. 28. Empleando el polinomio D(L), encuentra el valor de δ 3. a) δ 3 = b) δ 3 = c) δ 3 = d) δ 3 = Respuesta: b. 29. Empleando el polinomio D(L), encuentra el valor de δ 0. a) δ 0 = b) δ 0 = c) δ 0 = d) δ 0 = Respuesta: d. 30. Calcula el multiplicador total o multiplicador de largo plazo, m T. a) m T = b) m T = c) m T = d) m T = Respuesta: a. 31. Calcula el multiplicador de impacto o multiplicador de corto plazo, m 0. a) m 0 = b) m 0 = c) m 0 = d) m 0 =

11 32. Calcula el retardo medio. a) r medio = b) r medio = c) r medio = d) r medio = Respuesta: b. 33. Calcula el retardo mediano. a) q = 1.5. b) q = 0. c) q = 2. d) q = 1. Respuesta: d. 11

12 Las siguientes 7 preguntas están relacionadas con la siguiente noticia. La renta, Y t, del país Sorialandia está generada por el siguiente proceso estocástico: Y t = Y t 1 + e t con e t (0, 13). El consumo, C t, viene generado por C t = βy t + u t, con u t = ρu t 1 + a t donde a t (0, 13) e independiente de e t. 34. Para contrastar si la variable Y t tiene una raiz unitaria (integrada de orden 1) se debe realizar: a) Un contraste de Dickey-Fuller sobre Y t. b) Regresar Y t sobre Y t 1 y contrastar como siempre si el coeficiente es uno, usando los valores de la N(0, 1). c) Un contraste de Dickey-Fuller sobre (1 L)Y t. d) Un test de Box-Pierce (o Ljung-Box) sobre las correlaciones de Y t. Respuesta: a. 35. El consumo y la renta de Sorialandia están cointegradas si: a) β < 1. b) β = 0. c) β 0 y ρ < 1. d) β = ρ = El efecto del schock e t sobre la renta en el largo plazo, lim a) 1. b) 0. c) β/(1 ρ). d) Imposible saberlo con la informacion disponible. Y t+h h e t, es Respuesta: a: 37. Si ρ = 1, entonces a) Consumo y renta estan cointegradas. b) La regresión entre el consumo y la renta es espúrea. 12

13 c) β = 0. d) β 0. Respuesta: b. 38. El objetivo de los económetras de Sorialandia es estimar la propensión marginal a consumir β; pero tienen la sospecha de que ρ = 1. Si éste es el caso cuál es la mejor forma de estimar β? a) Regresar C t sobre Y t. b) Regresar C t sobre Y t 1. c) Regresar (1-L)C t sobre (1-L)Y t. d) Regresar Y t sobre C t. 39. Un grupo de económetras de Sorialandia quieren predecir valores futuros del consumo. Para ello tienen que elaborar un modelo. Si los procesos generadores de las dos variables son los descritos en el enunciado, qué modelo deberían estimar? a) (1 L) C t =β(1 L) Y t + u t. b) (1 L) C t =β(1 L) Y t + (1 L)u t. c) (1 L) C t =(ρ 1)(C t 1 β Y t 1 ) + error. d) (1 L) C t =u t. 40. Para contrastar si el consumo y la renta de Sorialandia están cointegradas, se aplica un test de Dickey-Fuller a: a) C t b) Y t. c) C t β mco Y t. d) (1-L)C t β mco (1 L)Y t. 13

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. Tema 4 Regresión lineal simple ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del

Más detalles

Econometría de series de tiempo aplicada a macroeconomía y finanzas

Econometría de series de tiempo aplicada a macroeconomía y finanzas Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

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

Más detalles

Econometria de Datos en Paneles

Econometria de Datos en Paneles Universidad de San Andres Agosto de 2011 Porque paneles? Ejemplo (Cronwell y Trumbull): Determinantes del crimen y = g(i), y = crimen, I = variables de justicia criminal. Corte transversal: (y i, I i )

Más detalles

Tema 1. El Modelo de Regresión Lineal con Regresores Aleatorios.

Tema 1. El Modelo de Regresión Lineal con Regresores Aleatorios. ema El Modelo de Regresión Lineal con Regresores Aleatorios Introducción En este tema vamos a analizar las propiedades del modelo de regresión lineal con regresores aleatorios Suponer que los regresores

Más detalles

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste 1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y

Más detalles

478 Índice alfabético

478 Índice alfabético Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión

Más detalles

4. NÚMEROS PSEUDOALEATORIOS.

4. NÚMEROS PSEUDOALEATORIOS. 4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar

Más detalles

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las

Más detalles

RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO

RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre

Más detalles

CAPÍTULO 7. Raíces Unitarias y Tendencias Estocásticas (ARIMA) 7.1. Introducción MOdelos ARIMA

CAPÍTULO 7. Raíces Unitarias y Tendencias Estocásticas (ARIMA) 7.1. Introducción MOdelos ARIMA CAPÍTULO 7 Raíces Unitarias y Tendencias Estocásticas (ARIMA) 7.1. Introducción En este capítulo se presenta en modelo alterno al de Descomposición con errores ARMA, conocido como modelo ARIMA SARIMA ó

Más detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles

Repaso de conceptos de álgebra lineal

Repaso de conceptos de álgebra lineal MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso

Más detalles

ENUNCIADOS DE PROBLEMAS

ENUNCIADOS DE PROBLEMAS UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:

Más detalles

Métodos y Modelos Cuantitativos para la toma de Decisiones

Métodos y Modelos Cuantitativos para la toma de Decisiones Métodos y Modelos Cuantitativos para la toma de Decisiones David Giuliodori Universidad Empresarial Siglo 21 David Giuliodori (UE-Siglo 21) MMC 1 / 98 Índice: 1 Conceptos Generales 2 Enfoque Clásico Tendencia

Más detalles

Análisis de datos Categóricos

Análisis de datos Categóricos Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores

Más detalles

Diseño de Bloques al azar. Diseño de experimentos p. 1/25

Diseño de Bloques al azar. Diseño de experimentos p. 1/25 Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un

Más detalles

Conceptos Básicos de Inferencia

Conceptos Básicos de Inferencia Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión

Más detalles

Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple

Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.

Más detalles

Hoja de Ejercicios 4 Análisis de regresión con información cualitativa

Hoja de Ejercicios 4 Análisis de regresión con información cualitativa Hoja de Ejercicios 4 Análisis de regresión con información cualitativa Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería

Más detalles

Superficies cuádricas

Superficies cuádricas Superficies cuádricas Jana Rodriguez Hertz GAL2 IMERL 9 de noviembre de 2010 definición superficie cuádrica definición (forma cuadrática) una superficie cuádrica está dada por la ecuación: definición superficie

Más detalles

Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B

Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................

Más detalles

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

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

Más detalles

6. VARIABLES ALEATORIAS

6. VARIABLES ALEATORIAS 6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición... Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................

Más detalles

SCUACAC030MT22-A16V1. SOLUCIONARIO Ejercitación Operatoria de Logaritmos

SCUACAC030MT22-A16V1. SOLUCIONARIO Ejercitación Operatoria de Logaritmos SCUACAC00MT-A6V SOLUCIONARIO Ejercitación Operatoria de Logaritmos TABLA DE CORRECCIÓN GUÍA PRÁCTICA EJERCITACIÓN DE OPERATORIA DE LOGARITMOS Ítem Alternativa B A A 4 A 5 B 6 E ASE 7 B ASE B 9 B 0 E D

Más detalles

Modelos de Regresión y Correlación

Modelos de Regresión y Correlación Artículo de Educación Modelos de Regresión y Correlación REGRESSION AND CORRELATION MODELS Claudio Silva Z 1, Mauricio Salinas 2 1. PhD en Estadística Escuela de Salud Pública Universidad de Chile. 2.

Más detalles

Máster en comunicaciones. Clase 2. Modelos predictores.

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

Más detalles

Kolmogorov y la teoría de la la probabilidad. David Nualart. Academia de Ciencias y Universidad de Barcelona

Kolmogorov y la teoría de la la probabilidad. David Nualart. Academia de Ciencias y Universidad de Barcelona Kolmogorov y la teoría de la la probabilidad David Nualart Academia de Ciencias y Universidad de Barcelona 1 La axiomatización del cálculo de probabilidades A. N. Kolmogorov: Grundbegriffe des Wahrscheinlichkeitsrechnung

Más detalles

18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.

18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso. PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto

Más detalles

Problemas de Geometría Analítica del Espacio

Problemas de Geometría Analítica del Espacio 1) Dados los vectores u(4, 4, 8), v( 2,, 5), w(3, 5, 8) y a(22,, 11). Hallar los valores de x, y, z que verifican la combinación lineal a = x u + y v + z w. 2) Dados los vectores a( 5, 19, n) y b( h, 3,

Más detalles

PRONÓSTICO DE UNA SERIE TEMPORAL USANDO REDES NEURONALES TESIS PRESENTA: WILLIAMS GÓMEZ LÓPEZ CO-DIRECTOR: DR. FELIPE DE JESÚS TRUJILLO ROMERO

PRONÓSTICO DE UNA SERIE TEMPORAL USANDO REDES NEURONALES TESIS PRESENTA: WILLIAMS GÓMEZ LÓPEZ CO-DIRECTOR: DR. FELIPE DE JESÚS TRUJILLO ROMERO UNIVERSIDAD TECNOLÓGICA DE LA MIXTECA PRONÓSTICO DE UNA SERIE TEMPORAL USANDO REDES NEURONALES TESIS PARA OBTENER EL TÍTULO DE: LICENCIADO EN MATEMÁTICAS APLICADAS PRESENTA: WILLIAMS GÓMEZ LÓPEZ DIRECTOR:

Más detalles

Teorema Central del Límite (1)

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

Más detalles

OPTIMIZACIÓN VECTORIAL

OPTIMIZACIÓN VECTORIAL OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de

Más detalles

Curva de Phillips: trade-off a corto plazo entre inflación y desempleo.

Curva de Phillips: trade-off a corto plazo entre inflación y desempleo. 1. Introducción Curva de Phillips: trade-off a corto plazo entre inflación y desempleo. Evidencia favorable a los modelos keynesianos, ya que no podía explicarse por medio de un modelo clásico. A principios

Más detalles

TEMA 3: Contrastes de Hipótesis en el MRL

TEMA 3: Contrastes de Hipótesis en el MRL TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12

Más detalles

DEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM

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

Más detalles

Regresión con heterocedasticidad y autocorrelación

Regresión con heterocedasticidad y autocorrelación Regresión con heterocedasticidad y autocorrelación Tema 6 Regresión con heterocedasticidad La heterocedasticidad significa que var( i ) cte Es la norma, no la excepción, en especial con datos transversales

Más detalles

Análisis de procesos estocásticos en el dominio del tiempo

Análisis de procesos estocásticos en el dominio del tiempo Análisis de procesos estocásticos en el dominio del tiempo F. Javier Cara ETSII-UPM Curso 2012-2013 1 Contenido Introducción Procesos estocásticos Variables aleatorias Una variable aleatoria Dos variables

Más detalles

Trabajo Práctico n 2. Robotización de un Puente Grúa. Presentación. Restricciones. Curso 2011

Trabajo Práctico n 2. Robotización de un Puente Grúa. Presentación. Restricciones. Curso 2011 Trabajo Práctico n 2 Robotización de un Puente Grúa Presentación Este problema consiste en desarrollar un sistema de control automático que permita robotizar la operación de un puente grúa para la carga

Más detalles

Cointegración El caso bivariado

Cointegración El caso bivariado Cointegración El caso bivariado Definición: La serie Y t es integrada de orden d (denotada I(d)) si al menos debe ser diferenciada d veces para que sea estacionaria. Ejemplos: 1. El proceso random walk

Más detalles

Aplicaciones de Ec. en Diferencias a la Economía

Aplicaciones de Ec. en Diferencias a la Economía Aplicaciones de Ec. en Diferencias a la Economía Economía Matemática. (FCEA, UdelaR) Aplicaciones 1 / 21 Nota previa sobre raices complejas Antes de ver algunos ejemplos aplicados a la economía, una nota

Más detalles

Econometría Financiera

Econometría Financiera Econometría Financiera El objetivo de este curso es desarrollar en forma didáctica y sencilla, los fundamentos del análisis econométrico de los mercados financieros. Al mismo tiempo que, guiamos al alumno

Más detalles

Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 7: Lunes 22 - Viernes 27 de Abril. Contenidos

Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 7: Lunes 22 - Viernes 27 de Abril. Contenidos Coordinación de Matemática I (MAT01) 1 er Semestre de 013 Semana 7: Lunes - Viernes 7 de Abril Cálculo Contenidos Clase 1: Álgebra de límites. Teorema del Sandwich. Cálculo de límites. Límites trigonométricos.

Más detalles

Objetivos. Epígrafes 3-1. Francisco José García Álvarez

Objetivos. Epígrafes 3-1. Francisco José García Álvarez Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.

Más detalles

Semana 09 [1/28] Sucesiones. 29 de abril de Sucesiones

Semana 09 [1/28] Sucesiones. 29 de abril de Sucesiones Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará

Más detalles

Econometría de series de tiempo aplicada a macroeconomía y finanzas

Econometría de series de tiempo aplicada a macroeconomía y finanzas Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo Estacionarias (Univariadas) Carlos Capistrán Carmona ITAM Serie de tiempo Una serie de tiempo es una sequencia de valores

Más detalles

Simulación de Series Temporales: Una Aplicación al Precio del Petróleo

Simulación de Series Temporales: Una Aplicación al Precio del Petróleo 1 Simulación de Series Temporales: Una Aplicación al Precio del Petróleo Dr. Ricardo A. Queralt (CUNEF) Lorena Zaragozá (CEPSA) 2 INDICE 1 Introducción 2 Modelos de Series Temporales y @Risk 3 Precios

Más detalles

Cálculo numérico. Aritmética en punto flotante.

Cálculo numérico. Aritmética en punto flotante. José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2012. Sistemas de números en punto flotante F F está caracterizado por los enteros β, L, U, p en donde β es la

Más detalles

Contrastes de hipótesis paramétricos

Contrastes de hipótesis paramétricos Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,

Más detalles

Tercera práctica de REGRESIÓN.

Tercera práctica de REGRESIÓN. Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión

Más detalles

Variables aleatorias múltiples

Variables aleatorias múltiples Chapter 4 Variables aleatorias múltiples 4.. Distribución conjunta y marginal Definición 4.. Un vector aleatorio n-dimensional es una función que va de un espacio muestral S a un espacio euclediano n-dimensional

Más detalles

Series de Tiempo. Una Introducción

Series de Tiempo. Una Introducción Series de Tiempo. Una Introducción Series de Tiempo Muchas veces, sobretodo para realizar pronósticos, resulta conveniente no suponer un modelo explícito para que explique la variables de interés, sino

Más detalles

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

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

Más detalles

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

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

Más detalles

Tema 5. Contraste de hipótesis (I)

Tema 5. Contraste de hipótesis (I) Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar

Más detalles

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

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

Más detalles

Estimación con PROBE II

Estimación con PROBE II Personal Software Process SM Estimación con PROBE II This material is approved for public release. Distribution is limited by the Software Engineering Institute to attendees. Sponsored by the U.S. Department

Más detalles

CAMPOS ELÉCTRICOS DEBIDOS A DISTRIBUCIONES CONTINUAS DE CARGA

CAMPOS ELÉCTRICOS DEBIDOS A DISTRIBUCIONES CONTINUAS DE CARGA CAMPOS ELÉCTRICOS DEBIDOS A DISTRIBUCIONES CONTINUAS DE CARGA Este documento enuncia de forma más detallada la formulación matemática que permite el estudio de campos eléctricos debido a distribuciones

Más detalles

Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística

Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA

Más detalles

Calculamos la covarianza. (La covarianza indica el sentido de la correlación entre las variables):

Calculamos la covarianza. (La covarianza indica el sentido de la correlación entre las variables): 0 81 098 www.ceformativos.com EJERCICIOS RESUELTOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Cinco niñas de 2,3,,7 y 8 años de edad pesan respectivamente 14, 20, 30, 42 y 44 kilos. a) Hallar la ecuación de la recta

Más detalles

Regresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp

Regresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente

Más detalles

Diferencias-en-diferencias

Diferencias-en-diferencias Economía Aplicada Diferencias-en-diferencias Minimum Wages and Employment: A Case Study of the Fast-Food Industry in New Jersey and Pennsylvania Card and Krueger, AER(1994) 1 / 13 Introducción Motivación

Más detalles

Modelos Estocásticos I Tercer Examen Parcial Respuestas

Modelos Estocásticos I Tercer Examen Parcial Respuestas Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado

Más detalles

Problemas resueltos. 1. Expresa en forma binómica los siguientes números complejos: b) w = 1+i3 (1 i) 3 c) u = 1. = 5 5i. 1 3i 3i 2 i 3 = 1 i

Problemas resueltos. 1. Expresa en forma binómica los siguientes números complejos: b) w = 1+i3 (1 i) 3 c) u = 1. = 5 5i. 1 3i 3i 2 i 3 = 1 i Problemas resueltos 1. Expresa en forma binómica los siguientes números complejos: a) z = ( + i)(1 i) +i b) w = 1+i (1 i) c) u = 1 1+i + 1 1 i a) z = ( + i)(1 i) +i = 5 5i +i (5 5i)( i) = ( + i)( i) =

Más detalles

Tema 3: El modelo de regresión lineal múltiple

Tema 3: El modelo de regresión lineal múltiple Econometría 1 curso 2009-2010 Tema 3: El modelo de regresión lineal múltiple Genaro Sucarrat (Departamento de Economía, UC3M) http://www.eco.uc3m.es/sucarrat/ Recordamos: El modelo de regresión lineal

Más detalles

ECUACIONES EN DIFERENCIAS LINEALES CON COEFICIENTES CONSTANTES

ECUACIONES EN DIFERENCIAS LINEALES CON COEFICIENTES CONSTANTES ECUACIONES EN DIFERENCIAS LINEALES CON COEFICIENTES CONSTANTES Alejandro Lugon 008-1 1. Ecuaciones De Segundo Orden Consideremos la ecuación: x t+ + ax t+1 + bx t = 0 (1) la cual podemos escribir como:

Más detalles

Introducción a la Teoría Analítica de Números

Introducción a la Teoría Analítica de Números Introducción a la Teoría Analítica de Números Pablo De Nápoli clase 3. Ejemplos de funciones generatrices El teorema que vimos la clase anterior sobre el producto de series de Dirichlet permite determinar

Más detalles

Fase 2. Estudio de mercado: ESTADÍSTICA

Fase 2. Estudio de mercado: ESTADÍSTICA 1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.

Más detalles

Proceso Selectivo para la XXII IMC, Bulgaria

Proceso Selectivo para la XXII IMC, Bulgaria Proceso Selectivo para la XXII IMC, Bulgaria Facultad de Ciencias UNAM Instituto de Matemáticas UNAM SUMEM Indicaciones Espera la indicación para voltear esta hoja. Mientras tanto, lee estas instrucciones

Más detalles

Tema 1.- Correlación Lineal

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

Más detalles

INFERENCIA ESTADISTICA

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

Más detalles

S = N λ = 5 5 = 1 hora.

S = N λ = 5 5 = 1 hora. Teoría de Colas / Investigación Operativa 1 PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 5 1. Al supercomputador de un centro de cálculo llegan usuarios según un proceso de Poisson de tasa 5 usuarios cada

Más detalles

MECANICA DE LOS FLUIDOS

MECANICA DE LOS FLUIDOS MECANICA DE LOS FLUIDOS 6 ANALISIS DIMENSIONAL Y SEMEJANZA HIDRAULICA Ing. Alejandro Mayori 6 ANALISIS DIMENSIONAL Y SEMEJANZA HIDRAULICA 6.1 Introducción - Teoría matemática y resultados experimentales

Más detalles

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

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

Más detalles

13. Utilizar la fórmula del término general y de la suma de n términos consecutivos

13. Utilizar la fórmula del término general y de la suma de n términos consecutivos Contenidos mínimos 3º ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Utilizar las reglas de jerarquía de paréntesis y operaciones, para efectuar cálculos con números racionales, expresados en forma

Más detalles

8.- Obtén el valor de n para que el polinomio sea divisible entre x + 3.

8.- Obtén el valor de n para que el polinomio sea divisible entre x + 3. 1º BACHILLERATO CCSS NÚMEROS Y ÁLGEBRA 1.- Calcula: a) 5,2 10 2 + 3,15 10-2 4,2 10-3 b)(3,6 10 3 ) : (1,2 10-4 ) 2.- Realiza las siguientes operaciones: 3.- Racionaliza: 4.- Racionaliza: 5.- Simplifica

Más detalles

Tema 2. Descripción Conjunta de Varias Variables

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

Más detalles

El Modelo de Regresión Simple

El Modelo de Regresión Simple El Modelo de Regresión Simple Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso 2007/08 C Velasco

Más detalles

Funciones de Regresión No Lineales (SW Cap. 6)

Funciones de Regresión No Lineales (SW Cap. 6) Funciones de Regresión No Lineales (SW Cap. 6) Todo anteriormente ha sido lineal en las X s La aproximación de que la función de regresión es lineal puede ser satisfactoria para algunas variables pero

Más detalles

1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido

1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña

Más detalles

Módulo 1: Electrostática Campo eléctrico

Módulo 1: Electrostática Campo eléctrico Módulo 1: Electrostática Campo eléctrico 1 Campo eléctrico Cómo puede ejercerse una fuerza a distancia? Para explicarlo se introduce el concepto de campo eléctrico Una carga crea un campo eléctrico E en

Más detalles

Estimación no-paramétrica Máximo Camacho Alonso Universidad de Murcia

Estimación no-paramétrica Máximo Camacho Alonso Universidad de Murcia Estimación no-paramétrica Máximo Camacho Alonso Universidad de Murcia www.um.es/econometria/tecpre mcamacho@um.es Maximo Camacho Estimación no-paramétrica 1 Contenido del tema Introducción: ventajas e

Más detalles

MÓDULO 1: GESTIÓN DE CARTERAS

MÓDULO 1: GESTIÓN DE CARTERAS MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta

Más detalles

Breve Introducción a las Series Temporales

Breve Introducción a las Series Temporales Breve Introducción a las Series Temporales 1 Series Temporales Colección de observaciones tomadas de forma secuencial en el tiempo {X t } t T. La hipótesis de independencia entre las observaciones puede

Más detalles

Soluciones Examen de Estadística

Soluciones Examen de Estadística Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación 15 de Febrero, 5 Cuestiones horas C1. Un programa se ejecuta desde uno cualquiera de cuatro periféricos A, B, C y D con arreglo

Más detalles

Tema 8. Análisis de dos variables Ejercicios resueltos 1

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

Más detalles

CAPÍTULO 6. Modelos ARMA para la Componente Aleatoria Introducción

CAPÍTULO 6. Modelos ARMA para la Componente Aleatoria Introducción CAPÍTULO 6 Modelos ARMA para la Componente Aleatoria 6.1. Introducción En los modelos de descomposición Y t = T t + S t + ε t, t = 1, 2,... se estima ˆε t y se determina si es o nó ruido blanco mediante

Más detalles

Colegio Decroly Americano Matemática 7th Core, Contenidos I Período

Colegio Decroly Americano Matemática 7th Core, Contenidos I Período Matemática 7th Core, 2015-2016 Contenidos I Período 1. Sentido Numérico a. Identificar y escribir patrones. b. Escribir números en forma de exponentes. c. Escribir cantidades en notación científica. d.

Más detalles

F (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0

F (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0 Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución

Más detalles

UNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS

UNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS UNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS PROFESOR: Manuel de Jesús Fornos Gómez CICLO 01/2003 GUIA DE EJERCICIOS

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir

Más detalles

Departamento de Métodos Cuantitativos para la Economía y la Empresa

Departamento de Métodos Cuantitativos para la Economía y la Empresa Departamento de Métodos Cuantitativos para la Economía y la Empresa Técnicas para el Análisis de Mercado NOMBRE: DNI: GRUPO: 1 (3 puntos) La empresa de productos de informática Watermellon quiere analizar

Más detalles

Probabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid

Probabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X

Más detalles

EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.

EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones

Más detalles

ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.

ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el

Más detalles

Robusticidad de los Diseños D-óptimos a la Elección. de los Valores Locales para el Modelo Logístico

Robusticidad de los Diseños D-óptimos a la Elección. de los Valores Locales para el Modelo Logístico Robusticidad de los Diseños D-óptimos a la Elección de los Valores Locales para el Modelo Logístico David Felipe Sosa Palacio 1,a,Víctor Ignacio López Ríos 2,a a. Escuela de Estadística, Facultad de Ciencias,

Más detalles