la variable aleatoria relativa a esa indemnización 1 T( x) ( 0, n] será 2 : [ ] n t = (2) t x T x

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

Download "la variable aleatoria relativa a esa indemnización 1 T( x) ( 0, n] será 2 : [ ] n t = (2) t x T x"

Transcripción

1 Modeo Actuara de 99.5% de sufcenca de a prma neta únca de seguro sobre una soa vda bajo e concepto de varabe aeatora (prmera parte) Oscar Aranda M UNAM, Fac. Cencas Novembre, If you are out to descrbe the truth, eave eegance to the taor. Abert Ensten En este documento, se presenta bajo e nuevo enfoque de cácuo actuara e desarroo de epresones reatvas a seguro de vda tradcona, a ventaja de esta metodoogía radca que a consderar a ndemnzacón como varabe aeatora, es factbe determnar e costo de a prma neta únca con un nve de confabdad. Seguro de Vda Supongamos que se estabece como resgo asegurado e faecmento un ndvduo de edad () dentro de un perodo dado, es decr, s e faecmento de () ocurrr dentro de un perodo de n años, estrá e pago de una ndemnzacón a ese nstante, a que denotaremos como b t ; en estas condcones, a ndemnzacón estabecda, por s soa, consttuye una varabe aeatora dependente de tempo de ocurrenca de a eventuadad, sea entonces, T a varabe aeatora reatva a esa ndemnzacón T( ) (, n] será :, por o tanto, e vaor esperado de a ndemnzacón A n : [ ] = E = n t T z f T( ) () t dt () donde a funcón de probabdad 3 es: f ( t) p µ ( t) = () T( ) t Funcones actuaraes como varabes aeatoras sobre una soa vda Aut. Oscar Aranda M & Nada A. Casto García. Vo. 6 No.. Fac. Cenca UNAM. & PIENSAAMA Pág. y 3. T(): tempo restante de vda de una persona de edad () como una varabe aeatora de tpo contnuo y su funcón de dstrbucón acumuatva es: F () t = P T() t = q, t, de esta manera, p = F ( )( t) y f t = F t = p µ + [ ] T( ) t t T ( )( ) T( )( ) t t T 3 Ídem. Pág. 6 Ídem. Pág. 3 f t dt = d p que a ntegrar t se demuestra que ( )( ) t T f ( )() T t dt = Oscar Aranda M oaranda@cencas.unam.m

2 Gráfcamente T = b v T T b t t n +t +n T( ) Consderemos ahora como benefco de ndemnzacón una undad monetara, es decr, b t = y susttuyendo () en (), se obtene a prma neta únca (PNU) de seguro de vda tempora de tpo contnuo. n t n : t µ Oscar Aranda M oaranda@cencas.unam.m () A = v p t dt (3) Sn embargo, en a práctca a únca nformacón dsponbe para determnar a PNU, son vaores tabuados de probabdades asocadas a cada edad por faecmento, a os que denomnados vaores de tpo dscreto y dada as característcas de a funcón de supervvenca, a epresón (3) puede ser repanteada como n- + t n : t µ = () A v p t dt = (4) A efecto de reazar una estmacón de seguro de tpo contnuo, usando nformacón de tpo dscreto, requerrá conceptuazar a varabe aeatora T( ), como a suma de dos varabes aeatoras, una de años competos vvdos por a persona de edad (), K( ) y otra bajo e supuesto de dstrbucón unforme de faecmento dentro de ntervao anua, S( ), así, T( ) K( ) S( ) vaores que toma T( ), es decr, t = + s. = + ; supuesto que hace redefnr os Así cuaquer ncremento nfntesma sobre a varabe de tempo (t) repercute sobre a varabe (s) dentro de ntervao anua, stuacón que no sucede con () a ser ya un vaor constante, por o tanto, sus dferencaes son proporconaes, dt ds ; a efectuar e cambo de varabe t = + s en a epresón (4) se tene n- + s An : = v ( ) + spµ + s ds = (5) n- s = v p v p µ s ds = s Lfe contngences C. W. Jordan SoA.967. Pág 4. Característcas: decrecente, contnua (dferencabe en todos sus puntos) y acotada entre cero y uno. ( )

3 E supuesto de dstrbucón unforme mpca que 5 p µ s q, s,, en otras paabra a probabdad de que una s ( ) [ ] persona de edad (+), faezca dentro de año sguente, es equvaente a suponer a que a persona de edad (+) sobrevve a cada nstante t, pero afectado en cada s,, así nstante por a fuerza de mortadad, [ ] n- s An : v p q+ v ds = s La ntegra de v ds =, δ = Ln( + ) v, fnamente δ n- + An : v p q+ δ = (6) (7) Observemos que cuando a varabe aeatora K( ) toma os vaores,,, a epresón p q + consttuye a propa funcón de probabdad de caso dscreto, es decr, p q = + = Lo que sugere que e seguro de vda tempora de tpo dscreto sea n n + + = [ ] n : K + = + = = = (9) A E v p q v q Donde ; =,,..., n b + = ; en otro caso Gráfcamente b v + + = + + v + = v = b + + = ( + ) = tasa de nterés anua + K+ n v ; =,,..., n K + = X+ X n ; en otro caso K( ): Varabe aeatora " dscreta" K( ) Sn embargo en a práctca de seguro, a ndemnzacón no se efectúa a fna de año póza, de hacero así, a compañía presentará un défct de δ. 5 Lfe contngences C. W. Jordan SoA.967. Pág 7. (8) Oscar Aranda M oaranda@cencas.unam.m 3

4 E factor δ, es e ajuste sobre a varabe dscreta K +, para e caso contnuo de a varabe aeatora T, por o tanto, a consderar a funcón g( )= q, se puede nferr sobre a varanza de seguro de tpo contnuo, bajo a construccón sguente donde 6 K + Var V T( ) = K( ) + δ δ () = Var [ ] = A ( A ) ( ) + : : K n n n + A = n : v q = n ( + ) = n : = A v q E modeo presentado hasta aquí corresponde a cácuo sobre una soa póza a edad de contratacón (), a consderar e modeo sobre un número sufcente de asegurados con edades = = 3 =... =, as cuaes están asocadas respectvamente a as varabes aeatoras de ndemnzacón,, 3,...,, as cuaes son ndependentes e déntcamente dstrbudas 7, e conjunto de pózas pueden verse como y a ser consderadas éstas bajo e teorema de ímte centra 8 * podemos defnr una nueva varabe de dstrbucón, como donde = S = = S * µ = () 9 se aproma a a de una varabe norma tpfcada N (, ), en vrtud de que se tene un número sufcente de epuestos tasados con a taba de mortadad y defndos en forma específca para as personas de edad (), e resutado 6 Funcones actuaraes como varabes aeatoras sobre una soa vda Aut. Oscar Aranda M & Nada A. Casto García. Vo. 6 No.. Pág. 9 Fac. Cenca UNAM. & PIENSAAMA 7 Todas tenen a msma funcón de probabdad / q ; con meda E[ K + ] y varanza fnta. K ( ) + 8 Teorema de ímte centra: Sea,,..., nn un conjunto de varabes aeatoras, ndependentes e déntcamente dstrbudas con 9 meda µ y varanza dstnta de cero. Sea Sn = + + +n n entonces Sn nµ m Pr z φ n < = n ; ( z) φ ( z) N(,) S µ es a varabe aeatora tpfcada; a cua es norma asntótcamente con meda y varanza, es decr es una norma estándar. Oscar Aranda M oaranda@cencas.unam.m 4

5 prueba que e estadístco o estmador de a meda muestra S = = se dstrbuye apromadamente como una varabe N µ,, o de manera equvaente S µ se dstrbuye apromadamente como una varabe aeatora N (,). S µ En otras paabras,, es a varabe aeatora tpfcada S ; a cua es norma asntótcamente con meda y varanza, norma estándar, a reordenar se tene = µ S µ S µ = = Por o que se concuye que a meda de = varabes aeatoras ndependentes, dstrbudas en forma déntca, estará dstrbuda de un modo apromadamente norma, sn mportar a dstrbucón subyacente de cada varabe. Concuyendo que e modeo así panteado cumpe con as hpótess que nos ege este teorema, es decr, e tempo de vda de cada asegurado es ndependente de tempo de vda de os demás, su dstrbucón de probabdad aunque puede ser dstnta, cumpe con tener a msma meda y varanza; y a varabe defnda como e resgo tota, asumdo por a compañía de seguros es una suma de varabes aeatoras. Por o tanto, a consderar este conjunto de pózas con tasa de nterés fja anua, a aseguradora deseará consttur un fondo M sufcente para retrar e pago de a ndemnzacón a a muerte de cada asegurado con una sovenca de 99.5 %, por o tanto, e recargo que deberá nvoucrar a prma neta únca de seguro es = 99.5% [ ] +Ψ E () 99.5% Ψ =Percent 99.5% Oscar Aranda M oaranda@cencas.unam.m 5

6 Demostracón( deduccón) Dado que cada es ndependente su varanza es = = = = = [ ] [ ] [ ] (3) Var Var Var Var = = Por o tanto = [ ] E = = M ES [ ] PS ( M) = P M= P = Var = (4) A apcar, en a prmera parte de a desguadad y reordenando, se obtene = µ M ES [ ] S µ M ES [ ] M ES [ ] PS ( M) = P = P = P Ψ α ( ) = P Ψ Ψ = α Donde Ψ es una varabe aeatora que se dstrbuye como una varabe aeatora norma con meda y varanza, según e teorema de ímte centra y es e cuantí que acumua α de probabdad. Se sgue que e vaor de M se determna como α Ψ α M E[ S ] Ψ = ± α M E[ S] =±Ψ α M = ES [ ] ±Ψ VarS ( ) (5) Oscar Aranda M oaranda@cencas.unam.m 6

7 Por o tanto, sí consderamos un recargo ( r ) con una probabdad de α de sufcenca sobre a cartera de asegurados, se tene r α =Ψ (6) s dstrbumos de manera unforme este recargo entre todos os asegurados de a cartera de edad (), tendremos que a cada uno e corresponde un recargo de MS =Ψ α (7) + por o tanto, a prma neta únca con un margen de segurdad de 99.5%, es A confanza 99.5% 99.5% n : = E[ ] +Ψ (8) donde de as epresones (7) y (3), se tene respectvamente: n- + E[ ] = An : v p q+ δ = = S = = = = = Var = Var = Var = Var = = [ ] [ ] [ ] Oscar Aranda M oaranda@cencas.unam.m 7

8 Apcacón Consderemos un seguro tempora a años, edad de contratacón (35), modeado con a taba de mortadad eperencas mecana ndvdua 9-98 aneo A, con tasa de nterés técnca de 5.5% anua. Edad ( ) Temporadad (n ) La prma neta únca de seguro tradcona es n- + E[ ] = An : v p q+ δ 3.94 a mar = La prma neta únca de seguro con un nve de sufcenca de 99.5% es A confanza 99.5% [ ] = E +Ψ 99.5% n : 6.55 a mar donde = Var = [ ] % Ψ = aneo B Oscar Aranda M oaranda@cencas.unam.m 8

9 Aneo A Tasas de Mortadad Indvdua CNSF -I (99-998) Tasa Interés 5.5% Edad q p d D N C M , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Oscar Aranda M oaranda@cencas.unam.m 9

10 Aneo.B. Oscar Aranda M oaranda@cencas.unam.m

+ x+ (19) expresión que puede ser vista como. : Prima neta nivelad del seguro continuo temporal a n-años

+ x+ (19) expresión que puede ser vista como. : Prima neta nivelad del seguro continuo temporal a n-años eserva Matemátca bajo e concepto de varabe aeatora y su nve de Sufcenca de seguro sobre una soa vda, (Propuesta de Modeo Actuara) (segunda parte) Oscar Aranda M UNAM, Fac. Cencas Dc 0 Por a gnoranca se

Más detalles

DECREMENTOS MÚLTIPLES, NACIMIENTO DEL CONCEPTO

DECREMENTOS MÚLTIPLES, NACIMIENTO DEL CONCEPTO DECREMENTOS MÚLTIPLES, NACIMIENTO DEL CONCEPTO Sgo XVIII (Contnuacón) HIPÓTESIS RELATIVA A LATASA INSTANTÁNEA DE MORTALIDAD (3a Parte) UNAM, Fac. Cencas Agosto, 2 La aparcón y propagacón de enfermedades

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

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

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

( ) 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

Diseño de experimentos : Definiciones,Glosario y Supuestos

Diseño de experimentos : Definiciones,Glosario y Supuestos Estadístca para a Cadad y a Productvdad Profesor: Ange Francsco Arveo L. Dseño de expermentos : Defncones,Gosaro y Supuestos Un expermento estadístco es una secuenca de observacones de una o más varabes

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

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

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

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

Tema 4: Variables aleatorias

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

Más detalles

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

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

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

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

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

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

FUNDAMENTOS DEL CÁLCULO DE ESTRUCTURAS MODERNO

FUNDAMENTOS DEL CÁLCULO DE ESTRUCTURAS MODERNO FUNDAMENTOS DEL CÁLCULO DE ESTRUCTURAS MODERNO MÉTODO DIRECTO DE LA RIGIDEZ (DESPLAZAMIENTOS INCOGNITA) EMSAMBLAJE DE ELEMENTOS EN PUNTOS PLANTEAMIENTO ENERGÉTICO (ESTRUCTURA GLOBAL) ORGANIZACIÓN ADECUADA

Más detalles

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

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

Más detalles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

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

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

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

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

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

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

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

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

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

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Mecánica Estadística: Estadística de Maxwell-Boltzmann

Mecánica Estadística: Estadística de Maxwell-Boltzmann Ludwg Boltzmann 1844-1906 James Clerk Maxwell 1831-1879 E. Martínez 1 Lápda de Boltzmann en el cementero de Vena S=k ln W E. Martínez 2 S=k ln W Entropía, una propedad termodnámca Una medda de nuestra

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

Universitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia

Universitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia Unverstas Scentarum ISS: 0-7483 revstascentfcasjaverana@gmal.com Pontfca Unversdad Javerana Colomba Aranda, Mosés; Molna, Fabo; Moreno, Vladmr EL PROBLEMA DEL CUMPLEAÑOS, UA GEERALIZACIÓ Unverstas Scentarum,

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

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

unidad 12 Estadística

unidad 12 Estadística undad 1 Estadístca Qué es una tabla de frecuencas Págna 1 Al número de veces que se repte un dato se le denomna frecuenca de ese dato. Una tabla de frecuencas es una tabla en la que cada valor de la varable

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

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

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción

NOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES

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

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

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

Geometría diferencial de superficies en el espacio

Geometría diferencial de superficies en el espacio Geometría dferencal de superfces en el espaco Marano Suárez-Álvarez 31 de agosto, 2015 1 Superfces en el espaco 1 1.1 Cartas y superfces..................... 1 1.2 Funcones dferencables..................

Más detalles

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar

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

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

Curso teórico-práctico: Metodologías para la valoración económica del medio ambiente

Curso teórico-práctico: Metodologías para la valoración económica del medio ambiente Curso teórco-práctco: Metodologías para la valoracón económca del medo ambente Método de Costo del Vaje Sergo Orrego 15 y 16 de mayo de 2017 Santago de Chle Método del costo del vaje: estmacón de una demanda

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

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

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009 METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal

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

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

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO

Más detalles

Modelos unifactoriales de efectos aleatorizados

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

Más detalles

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

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

TEMA 3. VARIABLE ALEATORIA

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

Más detalles

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

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

Más detalles

Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales

Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales Métodos Matemá5cos en la Ingenería Tema. Ecuacones no lneales Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA

Más detalles

TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS

TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS ESTADÍSTICA I TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS VII.1.- Varable aleatora. Clasfcacón. VII.1.1.- Introduccón. VII.1..- Defncón. VII.1.3.- Clasfcacón. VII..- Caracterzacón de

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

Propiedades Asintóticas

Propiedades Asintóticas Capítulo 3 Propedades Asntótcas 3.. Dstrbucones Estaconaras Defncón 3. Sea X n, n, una cadena de Markov con espaco de estados E y matrz de transcón P. Sea π(), E, una dstrbucón de probabldad, es decr,

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

Vectores en el espacio

Vectores en el espacio ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c

Más detalles

Cada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma.

Cada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma. Cada uno da lo que recbe, Y luego recbe lo que da, Nada es más smple, No hay otra norma: Nada se perde, Todo se transforma. Todo se transforma (Jorge Drexler, cantautor uruguayo) Estadístca Básca - Manuel

Más detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:

Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X: 7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70 Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles

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

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

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

Tasas de Caducidad. - Guía de Apoyo para la Construcción y Aplicación - Por: Act. Pedro Aguilar Beltrán. paguilar@cnsf.gob.mx

Tasas de Caducidad. - Guía de Apoyo para la Construcción y Aplicación - Por: Act. Pedro Aguilar Beltrán. paguilar@cnsf.gob.mx Tasas de Caducdad - Guía de Apoyo para la Construccón y Aplcacón - Por: Act. Pedro Agular Beltrán pagular@cnsf.gob.m 1. Introduccón La construccón y aplcacón de tasas de caducdad en el cálculo de utldades

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

UNIDAD 1: Tablas de frecuencias

UNIDAD 1: Tablas de frecuencias UIDAD : Tablas de recuencas Cuando sobre una poblacón hemos realzado una encuesta o cualquer regstro para conocer los valores que toman las varables, nos encontramos ante una gran cantdad de datos que

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

Unidad 14: DISTRIBUCIONES DE PROBABILIDAD

Unidad 14: DISTRIBUCIONES DE PROBABILIDAD Undad 4: DISTRIBUCIONES DE PROBABILIDAD 4..- DISTRIBUCIONES ESTADÍSTICAS Gráfcos: dagramas de barras e hstogramas Observa las dos dstrbucones dadas gráfcamente: En un hstograma, las frecuencas correspondentes

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

INGENIERÍA ENZIMÁTICA

INGENIERÍA ENZIMÁTICA Dvsón de Cencas Bológcas y de la Salud Ingenería Boquímca Industral INGENIERÍA ENZIÁTICA PROBLEARIO Dr. Sergo Huerta Ochoa NOTA: Los ejerccos presentados en este problemaro, son una recoplacón de problemas:

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

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta. Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta

Más detalles

Electricidad y calor

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

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

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

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

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

Más detalles

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

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

Más detalles

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

MANUAL DE METODOLOGÍAS

MANUAL DE METODOLOGÍAS REV-0_2909204 II 2.3 de 5 II.2...3. BOOS DE PROTECCIÓ AL AHORRO Y BOOS DE DESARROLLO DEL GOBIERO FEDERAL A. CARACTERÍSTICAS GEERALES Tpo de Instrumento: Emsor: Tpo de Mercado: Mercado donde cotza: Fuentes

Más detalles

Economía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19

Economía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19 Economía Aplcada Estmador de dferencas en dferencas Departamento de Economía Unversdad Carlos III de Madrd Ver Wooldrdge cap.13 1 / 19 Análss de Polítca: Dferencas-en-Dferencas En muchos casos la varable

Más detalles

es un vector de p covariables correspondientes al mismo individuo i, i 1,,n.

es un vector de p covariables correspondientes al mismo individuo i, i 1,,n. 5. Modelos de regresón En el análss de tempos de falla, es común suponer que el resgo de presentar la falla está en funcón de una sere de covarables o varables explcatvas nherentes a cada ndvduo. Es decr,

Más detalles

En este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de

En este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de Parte III: Análss de la determnacón de las prmas en los seguros de vda y de la solvenca dnámca del asegurador cuando los tpos de nterés de valoracón venen estmados a través de números borrosos.4. SEGURO

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

DISTRIBUCION DE RENDIMIENTOS: APLICACIONES

DISTRIBUCION DE RENDIMIENTOS: APLICACIONES DISTRIBUCION DE RENDIMIENTOS: APLICACIONES Puntos a desarrollar Como es el modelo de dstrbucon normal de los rendmentos Como se puede utlzar para hacer predccones futuras sobre precos de actvos Como se

Más detalles

El planteamiento de los problemas económicos financieros se desarrollan con base en los conceptos de capitalizaciones y actualizaciones.

El planteamiento de los problemas económicos financieros se desarrollan con base en los conceptos de capitalizaciones y actualizaciones. UNIVERSIDAD MARIANO GALVEZ DE GUATEMALA FACULTAD DE CIENCIAS DE LA ADMINISTRACIÓN DIRECCIÓN GENERAL DE CENTRO UNIVERSITARIOS CAMPUS VILLA NUEVA CURSO MATEMATICA FINANCIERA Lc. Manuel de Jesús Campos Boc

Más detalles

Introducción a Vacío

Introducción a Vacío Introduccón a Vacío Sstema de vacío Partes generales de un sstema de vacío: Fgura 1: Sstema de vacío con bomba mecánca y dfusora Fgura 2: Prncpo de funconamento de la bomba mecánca La Fg. 2 muestra el

Más detalles

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006 Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo 4 Probabldades Estadístca Computaconal II Semestre 006 Profesores: Héctor llende (hallende@nf.utfsm.cl) Carlos Valle (cvalle@nf.utfsm.cl)

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

lanzamos una moneda y él ganó".

lanzamos una moneda y él ganó. 4. Varable aleatora dscreta El msmo Doob eplcaba el orgen del térmno varable aleatora random varable: "Cuando estaba escrbendo m lbro [Stochastc Processes] tuve una dscusón con Wllam Feller. Él aseguraba

Más detalles