Cámara Chilena de la Construcción

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

Download "Cámara Chilena de la Construcción"

Transcripción

1 Cámara Chlena de la Construccón Gerenca de Estudos Arrendar o comprar? Un análss empírco de los factores que determnan la decsón de compra o arrendo de la vvenda Danela Desormeaux Emanuel Vespa ~ Agosto 005 ~

2 Arrendar o comprar? Un análss empírco de los factores que determnan la decsón de compra o arrendo de la vvenda Danela Desormeaux Emanuel Vespa Economstas Gerenca de Estudos Cámara Chlena de la Construccón Resumen Según la Encuesta de Caracterzacón Socoeconómca (CASEN) 003, el 70% de los chlenos es dueño de su hogar, aunque este número se reduce alrededor de 50%, cuando sólo se consdera a Santago. Aunque la lteratura aplcada en el tema no es escasa, no se conocen esfuerzos prevos para comprender los determnantes de esta mportante decsón en el caso de Chle. El trabajo teórco, especalmente de Henderson e Ionanndes, establece que la eleccón dscreta entre comprar y arrendar no puede analzarse de manera separada del flujo contnuo de gasto en vvenda. La probabldad de poseer una casa es el resultado de combnar la probabldad de querer comprar (decsón comprar-arrendar pura) y de poder hacerlo (ausenca de restrccones de lqudez). En este documento, ocupando nformacón de la CASEN 003 y técncas de máxma verosmltud caracterzamos los determnantes de la decsón de comprar y arrendar. Los resultados muestran que las varables edad, ngreso y género del jefe de hogar afectan a la restrccón de lqudez. Por ejemplo, por cada $ de ngreso adconal, la probabldad de no estar restrngdo al crédto aumenta en 1,8%. JEL Classfcaton: D1, R1, C16 Keywords: Tenure choce, Housng demand, Lqudty constrants La publcacón de los Documentos de Trabajo no esta sujeta a la aprobacón preva de la mesa drectva de la Cámara Chlena de la Construccón. Tanto el contendo de los Documentos de Trabajo, como tambén el análss y conclusones que de ellos se derven, son exclusva responsabldad de su(s) autor(es) y no reflejan necesaramente la opnón de la Cámara Chlena de la Construccón o sus drectvos. 1

3 INDICE PÁGINA I. INTRODUCCIÓN 3 II. HECHOS ESTILIZADOS 3 III. TEORÍA 10 IV. DESCRIPCIÓN DE LOS DATOS 1 V. ESTIMACIONES 19 VI. CONCLUSIONES 1 VII. BIBLIOGRAFÍA ANEXOS 3

4 I. INTRODUCCIÓN El 70% de las famlas chlenas son propetaras de la vvenda en que habtan, según la Encuesta CASEN del año 003. Sn embargo, esta cfra está nfluda por la polítca de vvenda, la cual otorga subsdos para la compra de la vvenda bajo dferentes modaldades. De hecho, s no se consdera a los benefcaros de subsdos habtaconales, el porcentaje de propetaros que arroja dcha encuesta es de sólo 30%. El objetvo de este estudo no es determnar las condcones fnanceras del mercado que favorecen la compra o el arrendo de la vvenda, sno conocer y cuantfcar las característcas que determnan (al menos en parte) la decsón por parte de una famla de comprar o arrendar su vvenda. Para ello, utlzando la encuesta CASEN del año 003, se caracterzarán a las famlas que arrendan y a las que son propetaras, de modo de dentfcar a pror dferencas entre éstas que puedan ser demostradas posterormente de manera empírca. El trabajo está organzado de la sguente manera. La segunda seccón muestra algunos hechos estlzados sobre arrendataros y propetaros en Chle. La tercera seccón dscute aspectos teórcos relaconándolos a la lteratura en el tema, en tanto que la cuarta presenta los datos y la qunta los resultados prncpales. La sexta seccón resume las conclusones y fnalmente se presenta en la séptma seccón un anexo con detalles econométrcos. II. HECHOS ESTILIZADOS Los hechos en la práctca nos muestran que Chle es un país donde las personas mayortaramente son propetaras de su vvenda. Ello se confrma a partr de los resultados de la encuesta CASEN del año 003, 1 en donde más del 70% de los hogares 1 La encuesta de Caracterzacón Socoeconómca CASEN, cuyo organsmo responsable es MIDEPLAN, es ejecutada por la Unversdad de Chle y tene como objetvo obtener nformacón acerca de las condcones socoeconómcas de los dferentes sectores socales del país. En el caso de la últma encuesta, ésta fue hecha entre el 8 de novembre y el 0 de dcembre de 003; tene cobertura naconal y el total de hogares encuestados es de

5 son propetaros de la vvenda en que resden. Sn embargo, esta cfra está nfluda por la polítca de vvenda, la cual otorga subsdos para la compra de la vvenda bajo dferentes modaldades. De hecho, s no se consdera a los benefcaros de subsdos habtaconales, el porcentaje de propetaros que arroja dcha encuesta es de sólo 30% en promedo. En la encuesta CASEN se observan famlas que arrendan y otras que son propetaras de la vvenda en que habtan. Sn embargo, dado que no todas las personas tenen acceso al mercado del crédto, la observacón drecta de las famlas que arrendan no permte conclur que efectvamente ellas tomaron la decsón de arrendar porque es la que más se acomoda a sus preferencas, sno que eventualmente lo hacen porque no les queda otra alternatva y no pueden comprar. La pregunta que surge es s esta preferenca por la compra de la vvenda (en general) se observa en otros países. En lo que respecta a Amérca Latna, ésta es una regón de propetaros: aproxmadamente dos de cada tres vvendas están ocupadas en régmen de propedad, cfra que, comparada con países de Europa, por ejemplo, puede consderarse alta. Al comparar entre países el porcentaje de hogares propetaros según el PIB per cápta, se concluye que s ben la relacón no es lneal, exste una tendenca decrecente en la proporcón de hogares que son propetaros de su vvenda a medda que aumenta el ngreso del país. En la práctca sí exste otra alternatva, y es postular a un subsdo habtaconal. No obstante éstos están focalzados en los hogares más necestados. 4

6 Gráfco.1: Porcentaje de hogares propetaros de vvenda, por país. 90% 80% Venezuela Panamá Nueva Zelanda 70% 60% Ecuador Argentna Chle Australa Canadá Gran Bretaña EE.UU. 50% Franca Holanda 40% Alemana 30% Países ordenados según PIB per cápta Fuente: BID, CEPAL y elaboracón propa. S ben estas cfras pueden estar nfludas por las dferentes polítcas de vvenda que exsten en cada país como es el caso de Chle en donde se favorece la compra de la vvenda a través de subsdos del Estado, o en Alemana donde el goberno otorga subsdos para el arrendo, la comparacón de estas cfras muestra, a nvel general, que en países más desarrollados la preferenca por la compra de vvenda no es tan clara como en países menos desarrollados. Ello se puede deber a varos factores, y el análss de ellos daría para un trabajo adconal, no obstante a pror se podría pensar que en países menos desarrollados o más nestables económcamente el ben raíz es preferdo como nstrumento de nversón, ya que es tangble y en general no sufre de pérddas mportantes. S además se añade el hecho de que en la mayoría de los países amercanos (EE.UU. ncludo) el sstema trbutaro favorece la compra de benes raíces, entonces las famlas van a optar por comprar su vvenda en vez de arrendar. Independentemente de la modaldad en que se habte la vvenda (s se es propetaro o arrendataro), se entende que las personas demandan servcos de habtaconales, los que corresponden al flujo de servcos que otorga la vvenda durante su vda útl. Adconalmente, la vvenda es consderada como un nstrumento de nversón que brnda segurdad, al no estar expuesta, por ejemplo a los perjucos de la nflacón. No obstante, la evdenca muestra que son muchas las famlas que quseran comprar pero 5

7 no pueden hacerlo, por tanto se ven enfrentadas a dos posbldades: arrendar o postular a un subsdo habtaconal. En esta seccón se descrbrán algunas característcas de los hogares que arrendan y que compran, de modo de poder caracterzar ambos grupos y posterormente dentfcar las eventuales restrccones de lqudez que exstan. Para esto se utlzará como undad de análss el hogar, excluyendo aquellos allegados o que comparten una vvenda. En prmer lugar, es fundamental conocer cómo se dstrbuyen arrendataros y propetaros según el tramo de ngresos. A nvel general se observa que el ngreso de las famlas que arrendan es menor que el ngreso de aquellos hogares que son propetaros. Sn embargo, al dvdr por tramos según decl de ngreso autónomo, no se observan en general dferencas mportantes, salvo en los dos últmos decles (que equvalen al 0% más rco de la muestra). De la observacón de estos datos se puede nferr, a pror, que el ngreso no es una varable restrctva a la hora de acceder al crédto. Gráfco.: Condcón de tenenca según decl de ngreso del hogar Toda la muestra 100% 90% 80% 70% 60% 50% 40% 30% 0% 10% Propetaros Arrendataros 0% I II III IV V VI VII VIII IX X Decl de ngreso autónomo del hogar Fuente: CASEN

8 Sn embargo, al exclur de la muestra a los hogares que obtuveron su vvenda a través subsdo habtaconal, se constata que en los hogares de mayores ngresos el porcentaje de propetaros es mayor, cercano a 75% en el caso de los hogares del últmo decl. No es rrealsta suponer que las personas del últmo decl que arrendan (el 5%) lo hacen porque queren y no porque no pueden comprar, ya que en general no deberían tener restrccones al crédto. 3 De lo anteror se puede desprender que la tasa de 5% de arrendataros del últmo decl es la proporcón natural de arrendataros lbre de restrccones al crédto. A partr de dcho supuesto se puede conclur que en aquellos grupos donde el porcentaje de arrendataros es mayor que el umbral, exsten restrccones que mpden que las personas puedan adqurr la vvenda por sus propos medos. Ahora la hpótess es que, al exclur de la muestra a las famlas que obtuveron su vvenda medante algún programa de goberno, el ngreso es una varable que nfluye en la accesbldad al crédto que tenga una famla y por ende a la posbldad de compra de una vvenda. Gráfco.3: Condcón de tenenca según decl de ngreso del hogar Arrendataros Propetaros En % I II III IV V VI VII VIII IX X Decl de ngreso autónomo del hogar Fuente: CASEN Corresponde a aquellas personas que, dadas sus característcas personales y demográfcas, preferen arrendar en vez de comprar. 7

9 En general los jefes de hogar (tanto hombres como mujeres) que arrendan son más jóvenes que los que son propetaros, por lo que a partr de ello se pueden nferr dos conclusones que no necesaramente son excluyentes: 1. Por la etapa del cclo de vda, en general los más jóvenes preferen arrendar en vez de comprar;. Las personas más jóvenes enfrentan mayores restrccones al crédto que el resto. 4 Gráfco.4: Condcón de tenenca de la vvenda según tramo de edad 100% 90% 80% 70% 60% 50% 40% 30% 0% 10% 0% Propetaros Arrendataros de 85 Tramo de edad jefe de hogar Fuente: CASEN 003. Con respecto a la educacón del jefe de hogar, los datos de la encuesta CASEN 003 muestran que, en promedo, las personas que arrendan tenen más años de educacón que aquellas que son propetaros. Ello no quere decr que un año de educacón adconal conlleve una mayor probabldad de arrendar, sno que eventualmente otros factores ncdrían en que personas con más años de educacón opten por arrendar en vez de comprar. 5 4 Estas conclusones son análogas s se consdera la muestra completa así como s se excluyen a los que obtuveron su vvenda medante un programa habtaconal. 5 Eventualmente personas con mayor educacón no ven a la vvenda como el únco ben seguro para nvertr su rqueza, sno que tenen un portafolo de nversón más dversfcado. Además, como probablemente tenen un mayor ngreso, la proporcón que representa la vvenda de éste es menor, por tanto su atractvo como ben de nversón seguro es menor. 8

10 III. TEORÍA La dscusón teórca acerca de la decsón de arrendar o comprar tene el desarrollo semnal en Henderson e Ioanndes (1983), 6 en donde los autores plantean que la vvenda (stock) es un medo para producr servcos de vvenda (flujo). En este esquema, un ndvduo puede consumr para sí msmo esos servcos (en cuyo caso será un dueño-ocupante) o tene la opcón de arrendarlos y así la vvenda se transforma en un ben de nversón. A su vez, el monto de servcos producdos por undad de stock depende de la tasa de utlzacón de la vvenda, la cual es elegda por el ocupante de la msma (sea el dueño o un arrendataro). Con todo, los autores demuestran que el equlbro en la tenenca de actvos mplca que ser propetaro de una vvenda no dfere de la tenenca de cualquer otro actvo a menos que se ntroduzca ncertdumbre. En otras palabras, en un mundo donde exste perfecta certdumbre la vvenda es vsta como cualquer otro actvo de nversón. 7 En este contexto, la decsón de comprar o arrendar va a depender de una externaldad clave asocada al uso. La exstenca de esta externaldad tene su orgen en que la tasa de utlzacón por parte del dueño de la vvenda (dueño-ocupante) va a ser dstnta que la del arrendataro. En efecto, como esta tasa es decsón del ocupante, s se asume que sólo parte de la deprecacón será reembolsada al dueño al fnal del contrato, entonces el arrendataro sólo carga con una porcón de los costos sobre la utlzacón que realza. Luego, resultará óptmo para él sobreutlzar la vvenda en relacón a lo que es deal para el dueño. Por lo tanto, la exstenca de esta externaldad, en conjunto con un mercado de actvos que funcona bajo plena certdumbre mplca que la tenenca (condcón propetaro-ocupante) es la eleccón domnante, es decr, en este marco no hay razón para el surgmento de arrendataros. Arrendar resulta atractvo s, por ejemplo, la nversón en vvenda no se encuentra sujeta a ncertdumbre y los ndvduos pueden nvertr en algún otro actvo que no esté 6 Henderson, J. Vernon y Yanns M. Ioanndes, A Model of Housng Tenure Choce. Amercan Economc Revew, Vol. 73, Nº 1. Marzo En este caso exste perfecta certdumbre en la nversón de cualquer actvo. 9

11 lbre de resgo. 8 En este caso, para analzar la posesón, la ventaja de evtar la externaldad asocada al uso debe ponderarse con las característcas de aversón al resgo propas del nversor. En este marco, se puede mostrar que los ndvduos que tenen menos rqueza serán los dueños y que aquellos con mayor captal serán arrendataros. De todas maneras dejarán de observarse arrendataros con alto nvel de captal mentras mayor sea la progresvdad de un sstema mpostvo que favorezca la compra de la vvenda. Cabe señalar adconalmente que tambén es posble justfcar la tenenca por parte de ndvduos relatvamente pobres debdo a problemas de acceso al mercado de captales e ncertdumbre sobre las alternatvas de nversón. Hacendo referenca al prmer punto, se puede plantear que las famlas relatvamente pobres tenen menos alternatvas de nversón justamente porque tendrían mayores dfcultades para acceder al mercado de captales. Además, s para tales famlas la vvenda representa un gran porcentaje de su rqueza total, entonces mantener la msma en ese actvo es una manera de mnmzar el resgo de pérdda, especalmente en países con hstora resgosa en otros actvos fnanceros. El desarrollo teórco brnda dos aspectos clave. Por un lado, acentúa el hecho que corresponde dstngur entre ) la decsón de arrendar o comprar y ) el gasto en vvenda asocado a una u otra eleccón. Por otro, aun cuando las dos anterores son decsones dstntas, en la práctca se realzan de manera smultánea y debdo a ello no es correcto analzar empírcamente por separado la una de la otra. Así, los autores denomnan decsón dscreta a la prmera, ya que mplca una eleccón bnara: o compra o arrenda; en tanto que con decsón contnua hacen referenca a la segunda, justamente porque el gasto que la persona opte por realzar es una varable contnua. 9 Se debe notar que la probabldad de que una persona decda comprar depende de dos aspectos: que quera y que pueda hacerlo. S no exsteran restrccones al crédto, entonces debería ser certo que todas las personas que quseran tener una vvenda deberan poder hacerlo. 8 De todas maneras el resultado sgue sendo váldo s el actvo con resgo son las vvendas. 9 El planteamento formal del modelo se desarrolla en el Anexo VII.1. 10

12 En este contexto, se consdera que un ndvduo querrá poseer una vvenda cuando el benefco que recbe por esta decsón es mayor al que recbría de arrendar la msma undad habtaconal, suponendo que al realzar estas consderacones puede abstraerse de cualquer tpo de restrccón. La decsón, por tanto, que el ndvduo toma en este marco puede consderarse como la decsón pura pero que como se comentó prevamente debe ser ponderada por el poder. El modelo econométrco a estmar plantea una funcón de raconamento de crédto que, sn nformacón a pror en la que los ndvduos declaren s tenen restrccones o no, permte nferr s las msmas exsten. De manera smple, la forma para determnar s hay raconamento consste en realzar los sguentes pasos: 1) conocer las característcas de famlas que decden comprar; ) preguntarse s famlas con las msmas característcas de las que compran no lo realzan; y 3) ver s las famlas excludas tenen alguna dferencacón sstemátca con las que no están excludas. Como ejemplo de esto últmo tómense dos famlas que enfrentan los msmos precos de arrendar o comprar pero que en una el jefe de hogar tene un contrato de trabajo y en la otra no. S en promedo en la muestra famlas como la prmera se encuentran poseyendo y aquellas como la segunda no lo hacen, entonces se constatará que la varable tenenca de contrato racona el acceso al crédto. IV. DESCRIPCIÓN DE LA MUESTRA Para la estmacón del modelo se trabajó con la nformacón de la encuesta CASEN 003 para los hogares que vven en Santago, ya que la ausenca de nformacón (en partcular de precos) dfculta la estmacón del modelo para el resto de las cudades del país. A dferenca del promedo del país, en Santago la preferenca por la compra de la vvenda no predomna sobre la opcón de arrendo. En efecto, en esta submuestra 1.81 hogares son propetaros (45%), en crcunstancas que hogares arrendan (55%). 11

13 Como se explcó en la seccón anteror, el modelo consdera de manera smultánea dos decsones: la eleccón entre arrendar y comprar (parte dscreta) y la decsón de cuánto gastar en vvenda (parte contnua). Para la parte dscreta se necesta tener una relacón entre el preco de compra y de arrendo por una undad de captal, en tanto que para la parte contnua se necesta el gasto total que ncurre el hogar en vvenda al mes, nformacón que se obtene a partr de la encuesta menconada. Con respecto al preco de compra de una undad de captal (es decr el preco de un metro cuadrado) que enfrenta el hogar ( P o,), Hendersson & Ioanndes plantean que estará dado por la sguente funcón: 10 0 P = W ( r + T + m ~ r ) T ( T + r) W o k K K K donde WK es el valor promedo del costo de una undad de captal (vvenda) en la zona k, r es la tasa de nterés nomnal, ~ r es la tasa de nflacón, m 0 es la tasa de mantenmento (la que debe ncurrr el propetaro para mantener la undad de captal con un nvel de servcos constantes), TK es la tasa efectva de mpuesto a la propedad en la zona k y T es la tasa de mpuesto margnal del ndvduo. En térmnos smples, la prmera parte de la ecuacón es el costo bruto de ser propetaro y la segunda parte da cuenta del benefco de la deduccón de mpuestos a la renta por el mpuesto pagado por la propedad y por los ntereses del crédto hpotecaro. Con respecto a k, la cudad de Santago se dvdó en 5 zonas: norte, sur, centro, ponente y orente. 11 A partr de la nformacón de la base de datos de tasacones del conservador de benes raíces se calculó para el año 003 el valor promedo de una undad de captal para cada zona ( W ). En la tabla 4. se muestran los valores: K 10 Véase anexo VII En estrcto k corresponde exactamente al lugar donde se ubca el nmueble, ya que el valor de los benes raíces en la realdad no es homogéneo. Sn embargo, la nformacón de la encuesta CASEN da cuenta de la comuna en donde resde el hogar, sn dstngur en el sector de la comuna, por lo que dada esta restrccón y para smplfcar la estmacón se optó por agrupar las comunas en cnco zonas. 1

14 Tabla 4.1: Valor promedo de undad de captal por zona de Santago Wk (UF/metro cuadrado) Zona Norte,38 Zona Sur 1,7 Zona Centro 31,1 Zona Ponente 19,87 Zona Orente 36,47 Fuente: Base de datos de tasacones, Conservador de Benes Raíces de Santago. Con respecto a la tasa de nflacón, ésta se fjó en 1,07, la tasa de nterés nomnal en 6,43 y para la tasa de mantenmento se usó la msma que utlzaron los autores para su estmacón (0,0075). Para conocer la tasa de mpuesto margnal que enfrenta cada undad (hogar) se tuvo que construr una varable que mdera el ngreso bruto del jefe de hogar, ya que en la encuesta CASEN se pregunta por el ngreso monetaro, el cual está deducdo de mpuestos. Por últmo, en relacón al mpuesto a la propedad, se calculó según la zona en que vve la famla y el ngreso autónomo de ésta. Se debe consderar que este preco por undad de captal que se construyó a partr de la fórmula anteror está subestmado, ya que no ncorpora los costos que debe ncurrr el propetaro al momento de mudarse, costos que lógcamente son mayores que en el caso de que la vvenda fuera arrendada. Con respecto al preco de arrendar ( P rk,) la msma undad de captal, éste se calculó en base a la nformacón obtenda por los avsos publcados en El Mercuro en dcho año, calculándose un promedo para cada zona. 13

15 Tabla 4.: Valor de arrendo de una undad de captal por zona Prk (UF/metro cuadrado) Zona Norte,38 Zona Sur 1,7 Zona Centro 31,1 Zona Ponente 19,87 Zona Orente 36,47 Fuente: Daro El Mercuro y elaboracón propa. Con esta nformacón de precos, para cada hogar se tene una relacón entre el preco que enfrentaría s compra versus s arrenda esa undad de captal. Concretamente, en promedo se tene que los hogares que son propetaros de sus vvendas la relacón entre el preco de compra y el de arrendo es 0,81, en crcunstancas para los que arrendan es 0,94 y para toda la muestra es 0,88. S ben a prmera vsta puede parecer extraño que en el caso de los que arrendan el preco de compra de esa undad sea menor que el de arrendo, ello se debe fundamentalmente a la subestmacón del preco de ser propetaro debdo a la omsón de los costos de mudarse. Ahora ben, el hecho de observar famlas arrendando en zonas en que el preco de compra sea nferor al preco de arrendo (es decr que la relacón sea menor a 1) es una señal explícta de que, más allá de que el preco de compra esté subestmado, exsten restrccones de acceso al crédto que mpden que famlas puedan comprar, aun cuando sea óptmo hacerlo. Caso aparte es el de la zona centro, en donde el preco de arrendar es superor al de comprar, lo que orgna que el porcentaje de propetaros en dcha zona sea bastante más bajo que el promedo. 14

16 Tabla 4.3: Preco compra/ Preco arrendo promedo y % de propetaros por zona Preco compra/preco arrendo % que es propetaro Zona Norte 0,78 47% Zona Sur 0,85 45% Zona Centro 1,15 7% Zona Ponente 0,87 60% Zona Orente 0,88 45% Fuente: Daro El Mercuro y elaboracón propa. Para la segunda parte del modelo, esto es la que estma cuánto se demanda de vvenda (servcos de vvenda), se necesta la nformacón del gasto mensual que ncurre la famla en vvenda, tanto para el caso en que ésta sea comprada o arrendada. Con respecto a esta varable, exsten varas restrccones. S el hogar es propetaro de la vvenda no se tene una medda exacta del gasto mensual en vvenda. Sn embargo, en la encuesta a las personas que son propetaros se les pregunta lo sguente: s usted arrendara su vvenda, cuánto pagaría al mes por este concepto?. Dado que esta nformacón eventualmente pudera estar sesgada, Mdeplan construye una varable que se llama alquler mputado la cual corrge la nformacón entregada por los ndvduos por los sesgos que se pueden producr. La segunda restrccón es que, a dferenca de la encuesta CASEN 000, en la encuesta de 003 a los jefes de hogar arrendataros no se les preguntó cuánto pagaban de arrendo (o s se les pregunta pero no aparece la varable en la base de datos). Por lo tanto, para soluconar este problema, se usó la nformacón de la encuesta del año 000 y se aplcó la metodología de precos hedóncos de modo de estmar el arrendo para el año Con todo, la varable gasto en vvenda (flujo mensual) corresponde al alquler mputado para aquellos hogares que son propetaros, en tanto que para los arrendataros corresponde a la varable construda a partr de la metodología de precos hedóncos. 1 La metodología de precos hedóncos srve para calcular el preco de los atrbutos del ben, en este caso la vvenda. 15

17 En la tabla 4.4 se muestran los valores promedo para ambas varables y en el gráfco sguente la evolucón según el decl de ngreso autónomo que pertenece el hogar. Tabla 4.4.: Alquler mputado y arrendo Observacones Promedo ($) Mínmo ($) Máxmo ($) Arrendo Alquler mputado Fuente: CASEN 003 y elaboracón propa. En pesos de novembre de 003. Gráfco 4.1: Alquler mputado y arrendo por decl de ngreso autónomo ($ de 003) Arrrendo Alquler mputado I II III IV V VI VII VIII IX X Decl de ngreso autónomo Fuente: CASEN 003 y elaboracón propa. La ventaja de trabajar con el modelo de Henderson & Ioanndes es que permte dentfcar el objetvo de este trabajo, el cual es ver el mpacto de las restrccones al crédto sobre la eleccón de la tenenca de la vvenda. Por consguente, lo que hay que buscar, a partr de la base de datos dsponble, son las varables que nfluyen en que una famla tenga acceso al crédto. Por nombrar algunas: la edad, el ngreso, los años de educacón, s está empleado, s tene contrato, etc. Con respecto a la varable 16

18 trabajo, se debe hlar más fno, en el sentdo de que obvamente es dstnto tener un empleo formal con contrato que un empleo temporal por cuenta propa. Es por ello que se construyó una varable que mde efectvamente s la persona está empleada bajo la perspectva de que pueda acceder a un crédto. Así, la varable trabajo construda ncluye aquellas personas que tenen contrato de trabajo, más aquellas que en su ocupacón prncpal declaran ser patrón, empleador o de las Fuerzas Armadas, y por últmo aquellos que trabajan por cuenta propa en un establecmento ndependente. Fnalmente, en la tabla 4.5 se muestra un resumen de las varables que a pror (y que se testearán empírcamente) tenen alguna ncdenca en relacón al acceso al crédto del hogar. Así, se concluye que el hecho de que la persona no tenga trabajo (según la defncón del párrafo anteror) es una varable que eventualmente restrnge la posbldad de acceder a fnancamento, por tanto el hogar debe optar por arrendar, aun cuando en sus preferencas domne la tenenca o aun cuando el preco relatvo de comprar sea menor que el de arrendar. Smlar conclusón se obtene con la varable edad: famlas cuyo jefe de hogar es más joven probablemente se ven más restrngdas al crédto que famlas cuyo jefe de hogar es mayor. Tabla 4.5: Resumen varables por condcón de tenenca % que tene trabajo Años de Edad promedo Ingreso bruto % hombres escolardad % casados Arrendan 65% 41, % 1,5 5% Compran 7% 44, % 1,5 7% Fuente: CASEN 003 y elaboracón propa. 17

19 V. ESTIMACIONES La tabla 5.1 presenta los resultados más mportantes para las estmacones de los coefcentes de restrccón al crédto, en tanto que los detalles econométrcos, que sguen el trabajo de Henderson e Ioanndes (1986) 13 se presentan en el anexo VII.1. Con esta estmacón, se buscó s es que exstía algún tpo de segregacón sstemátca (en térmnos de restrccón al crédto) respecto de la stuacón laboral (varable trabajo descrta en el apartado anteror), de la edad de la persona, del estado cvl, del nvel de ngreso y del nvel de escolardad. En el caso de las últmas dos varables no se encontraron efectos sgnfcatvos. Es decr, no habría raconamento de crédto sstemátco en funcón del ngreso o del nvel de escolardad de los ndvduos. De todas maneras sí hay efectos mportantes en el caso de las demás varables. En efecto, dsponer de un trabajo estable aumenta la probabldad de compra en poco menos de 15%, en tanto que estar casado lo hace en poco más de 13%. Al msmo tempo exste un efecto postvo de la edad, ya que por cada año adconal que en promedo tenga el ndvduo la probabldad de comprar la vvenda aumenta en 0,14%. Fnalmente, aunque el efecto cuanttatvo es menor, s el jefe de hogar es hombre la probabldad de comprar aumenta en promedo en 3,6%. Tabla 5.1: Prncpales resultados Muestra completa Varables Efectos Margnales Trabajo 0,144 Estado Cvl 0,136 Edad 0,0014 Género 0,036 Fuente: Estmacón propa. 13 Henderson, J. Vernon y Yanns M. Ioanndes, Tenure Choce and the Demand for Housng. Económca, Vol. 53, Nº 10. Mayo

20 El hecho que la varable ngreso no sea sgnfcatva es coherente con lo que se señalaba en la seccón II. Efectvamente, al realzar la estmacón para la muestra completa, es decr ncluyendo a las famlas que obtuveron su vvenda medante algún programa de goberno, se está omtendo el rol que cumple el ngreso de la famla en el acceso al mercado del crédto. Para comprobar esta hpótess, se estmó el msmo modelo pero consderando sólo aquellos propetaros de vvenda que la obtuveron sn aporte del Estado. Los resultados se muestran en la sguente tabla: Tabla 5.: Prncpales resultados Muestra sn hogares que adqureron vvenda con subsdo Varables Efectos Margnales Trabajo 14,1% Ingreso* 1,8% Estado Cvl 14,0% Edad 0,4% Género 6,7% Fuente: Estmacón propa. Los resultados de la estmacón que excluye de la muestra a los que obtuveron su vvenda medante algún programa habtaconal exponen conclusones smlares que los resultados de la muestra completa, salvo con una dferenca: el ngreso. Efectvamente, dsponer de un trabajo estable y estar casado aumenta la probabldad de compra en 14%. En el caso de la edad, el efecto es levemente superor: por cada año adconal que en promedo tenga el ndvduo la probabldad de comprar la vvenda aumenta en 0,4%. En relacón al género del jefe de hogar, ahora el efecto es mayor ya que la probabldad de compra aumenta en 6,7% s el jefe de hogar es hombre. Por últmo, la estmacón muestra que por cada $ de ngreso, la probabldad de no estar restrngdo al crédto aumenta en 1,8%. Esta dferenca con respecto al prmer modelo se debe fundamentalmente a que el subsdo habtaconal equvale a un aumento en el ngreso del hogar, por tanto al consderar en la muestra personas que adqureron su vvenda medante el subsdo se está gualando el ngreso de estas personas con el de famlas de mayores recursos 19

21 que compraron su vvenda medante sus propos recursos, lo que provoca que esta varable aparezca como que no es una restrccón al crédto. VI. Conclusones Según la Encuesta de Caracterzacón Socoeconómca (CASEN) 003, el 70% de los chlenos es dueño de su hogar, aunque este número se reduce alrededor de 50%, cuando sólo se consdera a Santago. Aunque la lteratura aplcada en el tema no es escasa, no se conocen esfuerzos prevos para comprender los determnantes de esta mportante decsón en el caso de Chle. El trabajo teórco, especalmente de Henderson e Ionanndes, establece que la eleccón dscreta entre comprar y arrendar no puede analzarse de manera separada del flujo contnuo de gasto en vvenda. La probabldad de poseer una casa es el resultado de combnar la probabldad de querer comprar (decsón comprar-arrendar pura) y de poder hacerlo (ausenca de restrccones de lqudez). En este documento, ocupando nformacón de la CASEN 003 y técncas de máxma verosmltud caracterzamos los determnantes de la decsón de comprar y arrendar. Los resultados muestran que las varables edad, ngreso y género del jefe de hogar afectan a la restrccón de lqudez. Por ejemplo, por cada $ de ngreso adconal, la probabldad de no estar restrngdo al crédto aumenta en 1,8%. 0

22 VII. Bblografía - Henderson, J.V.; Ioanndes, Y.M. A model of housng tenure choce. Amercan Economc Revew, Vol 73, Nº1, Henderson, J.V.; Ioanndes, Y.M. Tenure choce and the demand for housng. Economca, New Seres, Vol 53, Nº10, Maxmum Lkelhood Estmaton wth Stata, nd edton. 1

23 VIII. ANEXOS VIII.1. Anexo: Precsones econométrcas Este anexo dentfca las formulacones econométrcas que se han ocupado para realzar las estmacones y sgue el trabajo de Henderson e Ioanndes (1986). Se consderará que s la famla -ésma decde poseer la vvenda (en adelante poseer es ndcado con subíndce O ), entonces dsfrutará de un nvel de utldad dado por: V = V(P,P, Y ) + e (1) O O x O donde: V es la funcón de utldad ndrecta de la famla; P O es el preco neto de poseer un metro cuadrado de vvenda; P x es el preco de los demás benes; Y es el ngreso real permanente y e O representa al error. S la famla arrenda, entonces su utldad vene dada por: V = V(P, P,Y ) + e () R R x R P R es el preco de arrendar, que varía en funcón de la zona de la cudad donde la famla desee vvr y e R es el error asocado. Se asume que tanto e R como e O sguen dstrbucones normales ndependentes con meda cero y varanza σ e. Una famla querrá poseer s: V o V R > 0 Dado esto y especfcacones para los errores que se mostrarán luego, se tene que una famla tene una probabldad de poseer ( querer ) dada por p Pr( V V 0) ocupando (1) y () se obtene: = y O R >

24 ( V( P,P,Y ) V ( P,P,Y ) > e e ) O X R R X Gerenca de Estudos Cámara Chlena de la Construccón p = Pr (3) R O Notando que los errores e R y e O sguen una dstrbucón normal, entonces la resta de los msmos tambén sgue una dstrbucón normal con meda cero, pero con varanza dada por σ e. En térmnos de la normal estándar (cuya funcón acumulada se denomnará con Φ y la densdad con φ) la probabldad en (3) queda defnda por: (, P, Y ) V( P, P, Y ) V P O X R X p = Φ (4) σ e De todas maneras, s una famla quere poseer se la observará en ese estado sólo s no es excluda del mercado de crédtos. La exclusón puede ocurrr porque los bancos asocan una alta tasa de resgo haca famlas de certas característcas sobre la base de la edad del jefe de hogar, el nvel de educacón, sus habldades laborales, etc. Sea entonces q la probabldad que una famla pueda acceder a un crédto ( poder ) y asúmase que una famla no es raconada del mercado de crédto s se cumple un crtero dado por C δ > z, donde C es un vector de característcas de la famla, δ son parámetros desconocdos y z es un térmno de error que refleja varables excludas. Luego, la probabldad que la famla no esté raconada es: C δ z q = φ dz (5) σ z donde se asume que z sgue una dstrbucón normal con meda cero y varanza σ z, por lo que φ(z) es la funcón densdad normal y C δ = δ 0 + δ 1 C 1 + δ C δ G C G. Expresando la funcón (5) en térmnos acumulatvos queda: C δ q = Φ (6) σ z 3

25 Como se menconó prevamente q se utlzará para denomnar a la funcón poder comprar. La probabldad de observar a una famla poseyendo una vvenda (denomnada en adelante π ) es la probabldad de que quera y que pueda hacerlo, es decr: π = p q (7) S la famla decde por poseer o arrendar, tendrá una funcón de demanda por servcos de vvenda (h j ) dada por la ecuacón de demanda mplcada por la funcón de utldad ndrecta V, o lo que es lo msmo: h ( P, P,Y ε ) = j = O, R (8) j h j j x, j donde ε j son los térmnos de error y en adelante se asumrá que los errores e j, ε j y z no se encuentran correlaconados entre sí. Para la funcón de utldad en (1) y () se toma un caso espacal de la forma normal de Gorman dado por 14 : α 1+ α ( Y β P β P ) P P V = (9) 1 j x j x A partr de esta funcón de utldad ndrecta es posble dervar las funcones de demanda por servcos de vvenda realzado por la famla (h ), tal como se muestran a contnuacón: H = α Y +β (1 α) P β α P + ε (10) 1 j x 14 La especfcacón (9) mplca elastcdades varables excepto por la elastcdad respecto del preco drectamente asocado a la eleccón dscreta, que debe ser menor a 1 en valor absoluto. 4

26 donde P j es gual a P O para los que compran la vvenda y P R para los arrendataros; y se asume que el error sgue una dstrbucón normal con meda cero y varanza dada por σ ε. Para estmar los parámetros de la funcón de utldad, la funcón querer y la funcón poder ocuparemos métodos de máxma verosmltud. S f j es la funcón de verosmltud para la ecuacón de demanda, entonces la funcón de verosmltud dado un vector de resultados para una famla vene dada por: γ ( ) (( ) ) O γ π f 1 π f R O R donde γ O = 1 s la famla posee y es cero en otro caso y γ R = 1 s arrenda y cero en otro caso. S las n observacones se ordenan de manera que hasta la observacón A las personas se encuentran poseyendo sus vvendas y desde A en adelante arrendan, entonces el logartmo de la funcón de verosmltud queda dado por: A = 1 n LLF = log π + log (1 π ) + log f + logf (11) = A+ 1 A = 1 O n = A+ 1 R de manera que la funcón es separable en eleccones dscretas y contnuas. A partr de las especfcacones en (4) y (6) se puede dervar la porcón dscreta de la funcón en (11) que queda dada por: LLF A n d = log (p q ) + log (1 p q ) = 1 = A+ 1 En tanto que la parte contnua ocupando (10) queda determnada según: 5

27 n LLFc = log π 1 n logσ ε 1 1 A = 1 A = 1 1 σ ε 1 σ ( H α Y β (1 α) P + β α P ) ε 1 ( H α Y β (1 α) P + β α P ) 1 O R x x La tabla A1 resume los resultados obtendos de las estmacones realzadas a partr de (11). En la especfcacón presentada la ecuacón de raconamento vene dada por: C δ = δ 0 + δ 1 Trabajo + δ Ingreso + δ 3 Escolardad + δ 4 Estado Cvl + δ 5 Edad + δ 6 Género. Tabla A1: Resultados de las estmacones Varable Coefcente Desvacón estándar Estadístco z Trabajo (δ 1 ) 1,003 0,11 8,959 Ingreso (δ ) 0, , ,44 Ecuacón de raconamento Escolardad (δ 3 ) -0,0 0,013-1,67 Estado Cvl (δ 4 ) 0,953 0,16 7,573 Edad (δ 5 ) 0,010 0,004,315 Género (δ 6 ) 0,51 0,15,003 Constante (δ 0 ) -0,95 0,34 -,94 α 0,01 0,000094,31 Parámetros de β 1 54,776, ,47 demanda β -0,00 0, ,0 Número de observacones: 76 (150 propetaros, 14 arrendataros) LLF: ,33 Para pasar de los coefcentes estmados a los efectos margnales presentados en el texto es necesaro trabajar con los msmos. De (7) tenemos que: 6

28 π C = p q C (1) Donde, para encontrar el efecto margnal medo se evaluarán el resto de las varables en sus valores medos para la muestra. En partcular ocupando (4) y notando a los valores medos como una raya sobre la varable p se encuentra: p _ V PO, PX, Y V PR, P Φ σ e = X _, Y Los valores medos para la muestra en las varables ocupadas se presentan a contnuacón en la tabla A: Tabla A: Valores promedo Ingreso P O 1,35 P R 1,5 Trabajo 0,69 Escolardad 1,60 Estado Cvl 0,61 Edad 4,96 Género 0,61 Como era de esperarse, dado que la muestra se encuentra levemente volcada haca los dueños, el valor de p evaluado según los valores promedo llega a 0,501. Por otro lado el segundo componente de (1) queda defndo por: 7

29 q C = _ C δ φ σ z δ (13) Evaluado en los valores medos el prmer multplcando de (13) llega a 0,87. Por lo que para obtener los efectos margnales (para valores medos de la muestra) desde los parámetros en la tabla A1 corresponde multplcar esos coefcentes por 0,144. 8

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

6 Impacto en el bienestar de los beneficiarios del PAAM

6 Impacto en el bienestar de los beneficiarios del PAAM 6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda

Más detalles

FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA

FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA TÍTULO DE LA PONENCIA: Heterogenedad en los perfles de ngreso y retornos a la educacón superor en el Perú AUTOR: Gustavo Yamada, Juan F. Castro y

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

Oferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA

Oferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w

Más detalles

Tema 6 El mercado de bienes y la función IS

Tema 6 El mercado de bienes y la función IS Tema 6 El mercado de benes y la funcón IS Macroeconomía I Sánchez Curso 2008-09 Bblografía para preparar este tema Apuntes de clase Capítulo 5, Macroeconomía, O. Blanchard, pp. 81-100 Objetvo del tema

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

Tema 1.3_A La media y la desviación estándar

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

Más detalles

Boletín de la Tendencia Laboral del Desarrollo Humano

Boletín de la Tendencia Laboral del Desarrollo Humano Boletín de la Tendenca Laboral del Desarrollo Humano Notas técncas AÑO 05 NÚMERO 6 PROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO MÉXICO Nota técnca Índce de Compettvdad Socal (cs) El cs es una medda

Más detalles

El Modelo IS-LM. El modelo IS-LM

El Modelo IS-LM. El modelo IS-LM El Modelo IS-LM El modelo IS-LM 4. Introduccón 4.2 La demanda agregada: La funcón de nversón 4.3 Equlbro del mercado de benes: La curva IS 4.4 Equlbro del mercado de dnero: La curva LM 4.5 Equlbro de la

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

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

Más detalles

Metodología del Índice de Excedente Bruto Unitario de la Industria Exportadora (IEBU) 1

Metodología del Índice de Excedente Bruto Unitario de la Industria Exportadora (IEBU) 1 Metodología del Índce de Excedente Bruto Untaro de la Industra Exportadora (IEBU) 1 En forma general, el rato del Excedente Bruto de Explotacón por undad de costos para la ndustra exportadora para el período

Más detalles

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones

Más detalles

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

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

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

Tema 6 El mercado de bienes y la función IS

Tema 6 El mercado de bienes y la función IS Tema 6 El mercado de benes y la funcón IS Macroeconomía I Prof. Anhoa Herrarte Sánchez Curso 2007-08 Bblografía para preparar este tema Apuntes de clase Capítulo 3, Macroeconomía, O. Blanchard Prof. Anhoa

Más detalles

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

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

Más detalles

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

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

Más detalles

Tema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)

Tema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO) Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las

Más detalles

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

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

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

3. VARIABLES ALEATORIAS.

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

Más detalles

RMV FUNDEVAL, Bolsa Nacional de Valores, S.A. y Universidad Interamericana de Costa Rica San José, Costa Rica

RMV FUNDEVAL, Bolsa Nacional de Valores, S.A. y Universidad Interamericana de Costa Rica San José, Costa Rica RV-2005-03 DETERINACIÓN DE LA TASA LIBRE DE RIESGO IPLÍCITA PARA EL ERCADO DE VALORES EN COSTA RICA: UNA PROPUESTA * RODRIGO ATARRITA VENEGAS ** FUNDEVAL, Bolsa Naconal de Valores, S.A. y Unversdad Interamercana

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Créditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias

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

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

Economía de la Empresa: Financiación

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

Más detalles

1.- Una empresa se plantea una inversión cuyas características financieras son:

1.- Una empresa se plantea una inversión cuyas características financieras son: ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES. Departamento de Economía Aplcada (Matemátcas). Matemátcas Fnanceras. Relacón de Problemas. Rentas. 1.- Una empresa se plantea una nversón cuyas característcas

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales: EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

CURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A)

CURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A) Unversdad de la Repúblca, Facultad de Cencas Económcas y Admnstracón. ECONOMETRÍA II - CURSO 7 PRACTICO MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO A) Una nvestgacón sobre el mercado laboral

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

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

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

Más detalles

Problemas donde intervienen dos o más variables numéricas

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

Más detalles

Apuntes sobre el Diseño del Impuesto a la Renta de Personas Naturales

Apuntes sobre el Diseño del Impuesto a la Renta de Personas Naturales Apuntes sobre el Dseño del Impuesto a la Renta de Personas Naturales Fernando Vásquez S. Encuentro de Economstas del BCRP Contendo 1. Elementos de Teoría Económca 2. Tendencas Internaconales 3. Evolucón

Más detalles

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón

Más detalles

Complementos al ABC: efectos dinámicos

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

Más detalles

Un matrimonio difícil:

Un matrimonio difícil: S E R I E fnancamento del desarrollo 199 Un matrmono dfícl: la convvenca entre un seguro públco soldaro y seguros de salud compettvos Marcelo Tokman Crstóbal Marshall Consuelo Espnosa Undad de Estudos

Más detalles

Guía para la autoevaluación del del capítulo 6

Guía para la autoevaluación del del capítulo 6 Capítulo 6: EL BANCO CENTRAL Y LA POLÍTICA MONETARIA Guía para la autoevaluacón del del capítulo 6 1) Ante una recuperacón económca, cuál es el cambo que se produce en los valores de equlbro del mercado

Más detalles

Relaciones entre variables

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

Más detalles

Introducción. Escuela Técnica Superior de Ingeniería Informática. Universidad de La Laguna. Fernando Pérez Nava

Introducción. Escuela Técnica Superior de Ingeniería Informática. Universidad de La Laguna. Fernando Pérez Nava Reconocmento de Patrones Introduccón Tema : Reconocmento Estadístco de Patrones Por qué una aproxmacón estadístca en el RP? La utlzacón de característcas para representar una entdad provoca una pérdda

Más detalles

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

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

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

PRINCIPIOS PARA LA VALORACIÓN DE INVERSIONES

PRINCIPIOS PARA LA VALORACIÓN DE INVERSIONES PRINCIPIOS PARA LA VALORACIÓN DE INVERSIONES Y SELECCIÓN N DE PROYECTOS FELIPE ANDRÉS HERRERA R. - ING. ADMINISTRADOR Especalsta en Ingenería Fnancera Unversdad Naconal de Colomba Escuela de la Ingenería

Más detalles

INTEGRACIÓN DE CENSOS Y ENCUESTAS DE HOGARES DIRECCIÓN GENERAL DE ESTADÍSTICA, ENCUESTAS Y CENSOS PARAGUAY

INTEGRACIÓN DE CENSOS Y ENCUESTAS DE HOGARES DIRECCIÓN GENERAL DE ESTADÍSTICA, ENCUESTAS Y CENSOS PARAGUAY 253 INTEGRACIÓN DE CENSOS Y S DE HOGARES DIRECCIÓN GENERAL DE ESTADÍSTICA, S Y CENSOS PARAGUAY 254 Integracón de Censos y Encuestas de Hogares ANTECEDENTES Con el Censo del 82 se elaboró (en 1991) un Mapa

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

Algunas aplicaciones del test del signo

Algunas aplicaciones del test del signo 43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

ANEXO 24 JUSTIFICACIÓN ECONÓMICA

ANEXO 24 JUSTIFICACIÓN ECONÓMICA ANEXO 24 JUSTIFICACIÓN ECONÓMICA 1 JUSTIFICACION ECONOMICA 1.0 MARCO DE REFERENCIA El plan de Expansón de del Sstema de Transmsón (PEST), tene el objetvo de planfcar la expansón y reposcón del sstema de

Más detalles

3.- Programación por metas.

3.- Programación por metas. Programacón Matemátca para Economstas 1 3.- Programacón por metas. Una vez menconados algunos de los nconvenentes de las técncas generadoras, la ncorporacón de nformacón se va a traducr en una accón del

Más detalles

La Relación existente entre Gasto y Déficit Público en Latinoamérica ( )

La Relación existente entre Gasto y Déficit Público en Latinoamérica ( ) La Relacón exstente entre Gasto y Défct Públco en Latnoamérca (1960-2004) XXV Encuentro de Economstas Banco Central de Reserva del Perú Rodolfo Baca Gómez- Sánchez Lma, Dcembre 2007 1 Resumen Estudar cómo

Más detalles

( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov

( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov 1 2 Varables aleatoras 2.1 Dscretas 2.1.1 Genércas Esperanza de una v.a. o Valor esperado Propedades de la Esperanza k = ( x ) E X x p EmX+ b = mex + b EK Varanza de una v.a. = K ( + ) = + E X Y E X E

Más detalles

1. Variable aleatoria. Clasificación

1. Variable aleatoria. Clasificación Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.

Más detalles

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes. CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón

Más detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 3: Procedimientos de Constrastación y Selección de Modelos Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

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

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

Más detalles

La adopción y uso de las TICs en las Microempresas Chilenas

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

Más detalles

Sistemas de Amortización de Deudas MATEMÁTICA FINANCIERA

Sistemas de Amortización de Deudas MATEMÁTICA FINANCIERA Sstemas de Amortzacón de Deudas MATEMÁTICA FINANCIERA SISTEMA FRANCÉS Lus Alcalá UNSL Segundo Cuatrmeste 2016 Como hpótess ncal de trabajo suponemos que la tasa de nterés cobrada por el prestamsta (acreedor)

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

Capitalización y descuento simple

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

Más detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

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

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

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

MACROECONOMÍA I GUÍA. de trabajos prácticos Nº 5: el modelo de OFERTA AGREGADA- DEMANDA AGREGADA

MACROECONOMÍA I GUÍA. de trabajos prácticos Nº 5: el modelo de OFERTA AGREGADA- DEMANDA AGREGADA GUÍA de trabajos práctcos Nº 5: el modelo de OFERTA AGREGADA- DEMANDA AGREGADA La demanda agregada La oferta agregada Equlbro conjunto de todos los mercados (benes, dnero y trabajo). Polítcas monetara

Más detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

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

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

EJERCICIOS REPASO I. Profesor: Juan Antonio González Díaz. Departamento Métodos Cuantitativos Universidad Pablo de Olavide

EJERCICIOS REPASO I. Profesor: Juan Antonio González Díaz. Departamento Métodos Cuantitativos Universidad Pablo de Olavide EJERCICIOS REPASO I Profesor: Juan Antono González Díaz Departamento Métodos Cuanttatvos Unversdad Pablo de Olavde 1 EJERCICIO 1: Un nversor se plantea realzar varas operacones de las que desea obtener

Más detalles

1.Variables ficticias en el modelo de regresión: ejemplos.

1.Variables ficticias en el modelo de regresión: ejemplos. J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes

Más detalles

UN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES *

UN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES * UN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES * Mª Consuelo Colom, Rosaro Martínez y Mª Cruz Molés WP-EC 2000-02 Correspondenca:

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

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

Más detalles

Formulación y Evaluación de Proyectos

Formulación y Evaluación de Proyectos Formulacón y Evaluacón de Proyectos Académco Ttular Ingenero vl Industral Dplomado en Elaboracón y Evaluacón de Proyectos Pontfca Unversdad atólca de hle Académco Suplente Ingenero vl Industral Experto

Más detalles

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han

Más detalles

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices Estadístca Descrptva y Analss de Datos con la Hoja de Cálculo Excel úmeros Índces úmeros Índces El número índce es un recurso estadístco para medr dferencas entre grupos de datos. Un número índce se puede

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

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

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

Más detalles

4.4. La ciudad circular El Modelo de Salop

4.4. La ciudad circular El Modelo de Salop Matlde Machado para bajar las transparencas: http://www.eco.uc3m.es/~mmachado/ Economía Industral - Matlde Machado La Cudad Crcular El modelo de Salop 1 En el modelo de Hotellng habíamos supuesto que solo

Más detalles

Modelos triangular y parabólico

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

Más detalles

1).- Para > 0, B= {x R L : p. x I} = {x R L

1).- Para > 0, B= {x R L : p. x I} = {x R L Pontfca Unversdad Católca del Perú Programa de Maestría en Economía Curso: Mcroeconomía Intermeda Profesores: Clauda Barrga & José Gallardo Asstente: César Gl Malca Propedades de las funcones de demanda

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

Métodos cuantitativos de análisis gráfico

Métodos cuantitativos de análisis gráfico Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos

Más detalles