HERRAMIENTAS MATEMÁTICAS PARA LA VALORACIÓN DE LA AMPLIACIÓN DE UNA INFRAESTRUCTURA PORTUARIA
|
|
- Beatriz Acuña Ávila
- hace 7 años
- Vistas:
Transcripción
1 HERRAMIENTAS MATEMÁTICAS PARA LA VALORACIÓN DE LA AMPLIACIÓN DE UNA INFRAESTRUCTURA PORTUARIA T. Casasús, E. Crespo, C. Juan, F. Olmos, J.C. Pérez 1 Departament de Matemàtca Econòmco-Empresaral Unverstat de Valènca Avgda. Tarongers, s/n 4671 Valènca Tel e-mal: enrc.crespo@uv.es Resumen Nuestro problema consste en la valoracón de un proyecto de amplacón de una nfraestructura portuara, concretada en tres nuevos muelles, que conlleva una nversón a largo plazo. Para ello es necesaro recurrr a nstrumentos de análss capaces de sstematzar, en la medda de lo posble, la ncertdumbre que sobre el futuro provocan aspectos como la evolucón de los tráfcos de mercancías, el efecto de la competenca entre los puertos, etc. que los métodos tradconales no aproxman en toda su dmensón. Exste, además, un problema de decsón de polítca óptma de gestón del proyecto que depende de varables de decsón que modelzan las opcones presentes en el msmo. En nuestra propuesta utlzamos ecuacones estocástcas para modelzar la dnámca temporal de cada tráfco, las cuales ntroducen la ncertdumbre sobre el tráfco futuro y otros elementos. Usamos una varante del método de Montecarlo para la generacón de dferentes enaros. El método proporcona una dstrbucón de probabldad de los enaros, otra de los flujos de caja y el Valor Actual Neto esperado asocado a cada enaro. Por últmo, para la decsón sobre la fecha óptma de ejecucón de cada muelle, o su estmacón, proponemos un metaheurístco basado en la Búsqueda Dspersa. Palabras clave: Opcones Reales, Montecarlo, Scatter Search 1. INTRODUCCIÓN El problema presentado es la valoracón de un proyecto de amplacón de una nfraestructura portuara que conlleva una nversón a largo plazo. Dados los problemas económcos que presenta (la evolucón de los tráfcos de mercancías, el efecto de la competenca entre puertos, el arrollo de las economías regonales en el ámbto de nfluenca del puerto estudado, el momento óptmo de realzar la nueva nversón, la eleccón de la forma de fnancacón -públca, prvada o mxta- y/o de explotacón, etc.) precsa recurrr a nstrumentos de análss capaces de recoger y sstematzar, en la medda de lo posble, la ncertdumbre sobre el futuro, las dferentes opcones presentes en el proyecto y el control óptmo requerdo en la toma de decsones. La ncertdumbre sobre el futuro ha sdo abordada con una varacón novedosa del método de Monte Carlo para la fase de valoracón (generacón de flujos de caja de la nversón). 1 Queremos agradecer a la Autordad Portuara Valenca la colaboracón prestada y al Insttuto de Economía Internaconal de la Unverstat de Valènca los medos puestos a nuestro alcance. 1
2 El problema general de decsón múltple se aborda como un problema de optmzacón dscreta que combna las fechas de construccón de cada muelle con sus porcentajes de nversón públca-prvada. 2. DESCRIPCIÓN DEL PROBLEMA REAL. PECULIARIDADES DE UN PUERTO En el caso de un puerto, exsten algunas característcas que convene subrayar y tener en cuenta a la hora de analzar un proyecto de nversón: Debe combnar la oferta de servco públco y la efcenca de una empresa prvada Exste un mercado cautvo debdo a la proxmdad geográfca del puerto. Un puerto genera en su zona de nfluenca oportunda de crecmento. La competenca entre puertos de la msma área geográfca, y su nfluenca sobre el arrollo potencal de la economía en las zonas de nfluenca. El poder de atraccón sobre otras economías que conlleva su exstenca. El proyecto consste en la construccón de tres nuevos muelles a los que se tnará el excedente del tráfco, una vez alcanzada la capacdad teórca asgnada al muelle que hoy lo gestona. La decsón de construccón del prmer muelle, sólo de captal públco, ya está tomada y su puesta en funconamento se prevee para el año 25. Para completar el modelo estudamos la opconaldad exstente en la construccón de dos nuevos muelles con una fecha de nco de la actvdad varable (entre 27 y 212), sendo uno de ellos de captal 1% públco mentras que el otro admte una nversón mxta públca-prvada cuyo porcentaje óptmo debe determnarse. La nformacón que debe proporconar el modelo, una vez resuelto, es la sguente: - Fecha óptma de nversón para cada uno de los muelles opconales, o ben s es preferble no construr alguno de ellos. - Valor fnal del proyecto una vez fjada la secuenca óptma de construccón, con todas las mplcacones que tene de el punto de vsta de generacón de flujos. 3. METODOLOGÍA PROPUESTA PARA UN PROBLEMA DE DECISIÓN MÚLTIPLE 3.1. La modelzacón de la evolucón futura del tráfco de mercancías requere una herramenta que nos permta obtener nformacón sobre los nveles que se alcanzarán en un futuro ncorporando las prevsones de los expertos y la ncertdumbre nherente. Los procesos de dfusón son el nstrumento más utlzado en estas modelzacones. Una varable N sgue un proceso de dfusón s evolucona según la ecuacón dn (t)=µ (N,t)dt+σ (N,t)dw En nuestro caso, el estudo de las seres hstórcas sobre el tráfco portuaro nos llevaron a la conclusón de que los tráfcos se deben modelzar por un proceso de dfusón de reversón a la meda, que expresado en tempo dscreto vene dado por N (t)=n (t-1)+µ (N,t) t+σ (N,t) z, sendo 2
3 µ (N,t)=a(b-N (t-1)) el térmno determnsta que crbe la tendenca de la varable que los expertos consderan adecuada. σ (N,t) z, con z =ε( t) 1/2 un proceso de Wener, la parte estocástca que perturba la tendenca anteror de forma aleatora. Suponemos que ntervenen q tráfcos, modelzados en su evolucón medante el proceso de dfusón expuesto, ajustando los parámetros a y b a las seres hstórcas. Una vez ajustados éstos medante procedmentos estadístcos, y asgnados dstntos valores a σ según los datos sumnstrados por la Autordad Portuara [AP99], una de las prncpales contrbucones de este trabajo consste en la construccón de una sere de enaros en el nstante I+n de puesta en funconamento del nuevo muelle, que ncrementan la nformacón sobre el comportamento de los tráfcos N, =1,...,q. La generacón de enaros se realza aplcando una modfcacón del método clásco de Monte Carlo: A partr de los datos ncales de tráfco en el nstante I, smulamos H trayectoras aleatoras (según el ajuste realzado) para cada uno de los q tráfcos, de el nstante I hasta el nstante I+n, y agrupamos los H valores correspondentes al nstante I+n, N j (I+n), j=1,2,...,h, en un hstograma de frecuencas con un número r de cortes adecuado al problema. Obtenemos, para cada tráfco, los r puntos medos de los ntervalos del hstograma, denotados N 1 (I + n),n 2 (I + n),k,n r (I + n), =1,2,,q, y les asocamos la probabldad de ocurrenca dada por la frecuenca relatva de las smulacones en el corte correspondente. Defnmos un enaro en el nstante I+n del tempo como un vector de q componentes, sendo cada una de ellas uno de los r representantes de cada uno de los q hstogramas. El espaco de enaros en el nstante I+n está consttudo por los elementos del producto cartesano { N 1 (I + n),n 2 (I + n),k,n r (I + n) }. =1...q Obtenemos de este modo una dstrbucón de probabldad del espaco de enaros en el nstante I+n a partr de las probablda asocadas a cada componente de un enaro. Esta novedad nos permte consderar, en el nstante de puesta en marcha del nuevo muelle (nstante I+n), una gran cantdad de posbles puntos de partda (cada uno de los enaros) para la generacón de futuras trayectoras de los subyacentes, cada uno de ellos con una probabldad de ocurrenca asocada cuya mportanca radca en el hecho de poder calfcar cada enaro como favorable o favorable a partr de los valores tomados por las varables mplcadas en los crteros de decsón establecdos. S consderamos además una vda útl del muelle de m unda temporales (u.t.), para cada enaro calculamos un VAN estocástco asocado, que cuenta la nversón y añade la nversón correspondente, medante la dscretzacón de m rdu F (I + n) = F(N 1,N 2,...,N q, )e d (4) donde denotamos por F(N 1,...,N q, ) el flujo neto de caja correspondente al nstante. La suma de los valores del VAN obtendos para cada enaro, ponderados con la probabldad, permte calcular el valor esperado de cada muelle y sus estadístcos. Fjado uno de los enaros,, s realzamos N smulacones de la evolucón conjunta de los q tráfcos, obtendremos N posbles valores de la funcón de flujos netos 3
4 contados y acumulados F. Estos N valores orgnan una dstrbucón de probabldad de F, asocada al enaro fjado. En la Fgura 1 se muestra dcha dstrbucón para la funcón F obtenda a partr del únco enaro exstente en t= que consttuye el estado ncal, para una nfraestructura dependente de 6 tráfcos, supuesto un período de explotacón de 25 u.t. De esta dstrbucón se obtenen meddas de rentabldad, como el valor esperado E ( F ), y meddas de resgo, como la vacón típca o la probabldad de que F sea negatva, que mde el porcentaje de flujos netos negatvos para el. Para cada uno de los r q enaros en un nstante, dsponemos de una dstrbucón de probabldad de F obtenda del msmo modo que la del ejemplo. Calculando el valor esperado de cada una de ellas, E ( F ), =1,...r q, obtenemos la rentabldad esperada para cada enaro. Así, es nmedato determnar qué enaros son favorables (aquellos tal que E ( F ) ), y cuáles favorables (en caso contraro). S a cada valor esperado ( q E F ), = 1,..., r, le asocamos la probabldad de ocurrenca de su enaro, obtenemos una dstrbucón de probabldad E ( F ) respecto de los dferentes enaros. Una dstrbucón de probabldad de este tpo, obtenda en una de las smulacones, se presenta en la Fgura 2. El eje horzontal contene los valores de ( q E F ), = 1,..., r, y el eje vertcal su probabldad de ocurrenca. 8 x1 3 Dstrbucón de probabldad de F.25 Dstrbucón de Probabldad de E(F ) Probablda Probabldad Flujos de caja contados F x1 6 q El valor esperado de la dstrbucón anteror, E( E( F ) / = 1,..., r ), mde la rentabldad esperada de una nfraestructura que comenza a generar flujos de caja en el nstante en el que están construdos los enaros, y para la cual ya exste una decsón de construr. En este caso no es posble modfcar dcha decsón aunque nos encontremos en presenca de enaros favorables. En el apartado sguente analzaremos el caso general donde se puede demorar y/o abandonar la nversón y cómo ello afecta a la dstrbucón y a su valor esperado. Como medda de resgo que complemente la rentabldad obtenda del proyecto, puede utlzarse el porcentaje de enaros favorables. Otros análss de resgo nos muestran que podría haber un enaro favorable según el crtero expuesto, es decr E(F ) Fgura 1 Fgura 2 x 1 6 4
5 que su valor E ( F ) fuese postvo, y sn embargo, exstese un resgo mplícto asocado a dcho enaro por las característcas específcas de la dstrbucón de probabldad de F (vacón típca o probabldad de realzacones negatvas de F muy elevadas). Para detectar estos posbles enaros favorables arresgados, se usan las vacones típcas de las funcones F de todos los enaros utlzados y las correspondentes probablda de realzacones negatvas de F. Así se observa como se comporta el conjunto de los enaros respecto de los estmadores de resgo menconados Establecer una fecha óptma de nversón para un proyecto de amplacón consstente en un solo muelle, suponendo que se dspone de varas fechas de comenzo de la amplacón entre las que hay que elegr la fecha óptma de nco de obras, puede plantearse como un problema de eleccón entre proyectos de nversón alternatvos. Cada uno con una posble fecha de nversón y una funcón de flujos netos contados específca que dependerá del tráfco e ncorporará una penalzacón en los ngresos por la demora en la construccón, ya que no dsponer de nstalacones afectará prevsblemente la decsón de los usuaros habtuales o potencales de varse a algún otro puerto alternatvo. Así pues, en fechas ntermedas, exste la opcón de dferr y, en la últma fecha dsponble, hay dos posblda: ejecutar el proyecto s exste oblgacón de construr (necesdad socal de la obra públca), o ben, no ejecutar el proyecto (abandonar completamente la nversón) s dcha oblgacón no está presente. Fjada una fecha ntermeda de nco y un enaro, y una vez ncorporadas a la funcón de flujos netos contados F las correspondentes penalzacones por demora, calculamos E ( F ) tal y como hemos crto. Un valor negatvo sgnfca que el enaro es favorable. Como se puede demorar la nversón, puede modfcarse la funcón E ( F ) para ncorporar dcha opcón, elgendo como funcón de pagos para ese enaro el máxmo entre el valor hallado y el valor cero. S el enaro es favorable se elegría nvertr, conservándose el valor esperado orgnal. Este proceso da lugar a una nueva funcón asocada a cada fecha posble de nco j y evaluada en cada enaro de j, a la que denomnaremos F j mod = máx{e(f ),} La últma fecha de nversón posble f, permte dos defncones dferentes de la funcón F f mod. S no exste oblgacón de construr, el valor esperado en los enaros favorables se susttuye por cero. S exste oblgacón de construr debe conservarse el valor de E ( F ) ncluso en los enaros favorables. Para cada enaro en una fecha j dsponemos de su probabldad de ocurrenca y se obtene un valor asocado de F j mod. Así pues, es posble calcular el valor esperado de esta varable para la dstrbucón de probabldad exstente sobre los enaros en j que denotaremos E(F j mod ). Entonces, el crtero de eleccón de fecha óptma puede enuncarse de la manera sguente: Máx j E(F 1 mod ),E(F 2 mod ),...,E(F f mod ) 5
6 Por otra parte, además de las meddas de resgo menconadas anterormente, el crtero de eleccón de fecha óptma podría a su vez ser modfcado por los gestores del proyecto según otras consderacones referdas a los objetvos de servco públco. A fn de mplementar este método con un ejemplo de dscretzacón anual hemos consderado los sguentes datos: Estructura portuara: el muelle soporta 6 tráfcos, las fechas posbles de nversón son el año actual y cada uno de los 1 posterores; la construccón del muelle requere 4 años a partr del nco de la nversón j consderada y necestamos conocer el nvel de tráfco de las mercancías (y flujos de caja) en el nstante futuro de nco de la actvdad que se denotó por N j (). Hemos realzado 5 smulacones para cada N (), agrupadas en un hstograma de frecuencas con 7 cortes. Así, los posbles valores futuros de N () se representan medante 7 valores cada uno con una probabldad de ocurrenca. Del número total de posbles enaros (7 6 = ), con su correspondente probabldad, consderamos sólo las 1 más probables. Se establece un horzonte temporal (vda útl) de 25 años para el cálculo del valor de la funcón de flujos netos contados y acumulados F. Hemos hecho 1 smulacones del F, cuya meda, E ( F ), es el valor esperado de los flujos netos de caja contados y acumulados en el nstante actual, y se nterpreta como la rentabldad del proyecto s nuestro enaro de partda fuese el consderado. Así dsponemos de 1 posbles rentablda del proyecto, cada una con una probabldad asocada (la de su enaro de partda). Se ha obtendo fnalmente la denomnada funcón F j mod, a partr de las rentablda obtendas, susttuyendo por las de valor negatvo. Todas ellas conservan la msma probabldad asocada. El valor E(F j mod ) representa el valor del proyecto ncorporando la opcón de demorar la nversón. Los valores de E ( F ) en los 1 enaros consderados, con su probabldad, cuando la nversón se realza con 6, 8 y 1 años de demora (sn oblgacón de nvertr) muestra que la dstrbucón asocada a 8 años es más favorable que las otras, ya que, en ella, la cantdad de enaros favorables (puntos a la derecha del en las Fguras 3, 4 y 5) y sus probablda asocadas, son más elevadas que en las demás..25 E(F) con 6 años de demora E(F) con 8 años de demora E(F) con 1 años de demora Probabldad Fgura 3 Fgura 4 Fgura 5 Este análss cualtatvo se completa con el estudo cuanttatvo de la evolucón en el tempo de E(F 1 mod ), valor que mde el peso específco que los enaros favorables 6
7 tenen en el conjunto de la dstrbucón. La Fgura 6 muestra como el máxmo valor de E(F 1 mod ) se alcanza cuando la nversón se demora 8 años con respecto a la fecha actual. Ilustramos en la Fgura 7 una medda de resgo complementara, consstente en determnar para cada dstrbucón la probabldad de ocurrenca de enaros favorables. De este modo, no sólo dsponemos de E(F 1 mod ) (sempre mayor que ), sno del resgo nherente a admtr dcho valor como estmador del valor proyecto. Vemos como hay una correlacón clara entre valores crecentes del proyecto y menor probabldad de aparcón de enaros favorables, con un punto de nflexón en el msmo año 8. 8 Evolucón del valor esperado de la funcón de flujos modfcada 1 Evolucón de la probabldad de enaros favorables Valor esperado Años de demora Porcentaje Años de demora Fgura 6 Fgura La Tabla 1 recoge la combnacón de fechas de construccón para un porcentaje genérco de nversón públca. Las letras O (Oeste) y S (Sur) denotan los muelles cuya construccón es opconal, y el dígto ndca los años de demora de la nversón respecto de la fecha ncal. En el ejemplo se consdera como fecha de partda el 27 y 5 años posbles de demora en ambos muelles. Además, elegmos el muelle S como el que admte nversón prvada por poseer menos tráfcos y reducr el coste computaconal. De este modo, el problema de decsón de fecha óptma y de eleccón del porcentaje de nversón públca-prvada, se puede formular de la forma sguente: Para cada nvel de porcentaje, se debe encontrar la combnacón de fechas de nversón para cada muelle de modo que se maxmce la suma de valores esperados de las funcones de flujos modfcadas (Tabla 1). Comparando los máxmos alcanzados en cada nvel, se elge el porcentaje óptmo como aquel para el que su combnacón de fechas óptmas asocada tene la mayor suma de valores esperados.. Muelle Nuevo Sur Muelle Oeste Nvel % O+S O1+S O2+S O3+S O4+S O5+S S 28 O+S1 O1+S1 O2+S1 O3+S1 O4+S1 O5+S1 S1 29 O+S2 O1+S2 O2+S2 O3+S2 O4+S2 O5+S2 S2 21 O+S3 O1+S3 O2+S3 O3+S3 O4+S3 O5+S3 S3 211 O+S4 O1+S4 O2+S4 O3+S4 O4+S4 O5+S4 S4 212 O+S5 O1+S5 O2+S5 O3+S5 O4+S5 O5+S5 S5 O O1 O2 O3 O4 O5 - Tabla 1 Este crtero de maxmzacón puede amplarse ntroducendo meddas cuanttatvas de resgo, como por ejemplo, alguna condcón sobre la probabldad de 7
8 que en un nstante del tempo los valores esperados de flujos netos contados asocados a los enaros sean negatvos, los enaros adversos. 4. MÉTODO PARA ABORDAR EL PROBLEMA DISCRETO Señalamos que la técnca de búsqueda del óptmo basada en la exploracón exhaustva no es generalzable cuando sea mayor el número de varables de decsón y/o éstas tengan un rango de varacón más amplo. En dchos casos, el coste computaconal de evaluar los flujos netos contados para todas las combnacones posbles de las varables es tan elevado que es mpractcable y se hace necesara una técnca de búsqueda más sofstcada que explore selectvamente las dversas combnacones de valores. Este modelo está sujeto al nvel de dscretzacón que los gestores fjen para las varables (fechas de nco de cada muelle y porcentaje de partcpacón públca en el muelle sur) y, s así se decde, la varacón de los tpos de nterés. Así pues, dada una parrlla de puntos caracterzados cada uno de ellos por estos tres valores, se trata de encontrar un punto que proporcone una buena solucón que vendrá determnada por el mayor Valor esperado del proyecto posble dentro de un nvel aceptable de probabldad de abandono. El problema encaja, en buena parte, con la metodología de los procedmentos aproxmados de optmzacón de últma generacón conocdos como metaheurístcos cuyo objetvo es explorar un espaco sobre el que se tene un conocmento aso para obtener el mejor de los valores o, en su defecto, uno razonablemente bueno, en un tempo de computacón aceptable para el usuaro. Aunque el objetvo de los metaheurístcos concde con el que tenemos planteado en nuestro problema hay una dferenca mportante que consste en el hecho de que todos los métodos metaheurístcos suelen requerr la realzacón de gran cantdad de evaluacones de puntos para poder determnar los crteros de búsqueda. Cuando comprobamos el tempo necesaro para cada smulacón quedó claro que la dfcultad prncpal del problema estrbaba en el tempo usado en éstas. Por todo ello optamos por plantear un procedmento tan ajustado como nos ha sdo posble basado en las deas de la Búsqueda Dspersa (SS) [GLM1]. El algortmo planteado Segumos las deas báscas del Scatter Search conocedores de las lmtacones para calcular el valor de la funcón objetvo en muchos puntos, hecho que oblga a ser muy selectvos al evaluar. Algunos de los crteros establecdos en la metodología de búsqueda, se concretan en nuestro el caso partcular de la forma sguente: - S una combnacón de puntos no produce uno de la parrlla se redondea al azar para obtenerlo y s una combnacón no convexa produce un punto externo ogeremos el punto de la parrlla más próxmo a él. - Dado el elevado coste de evaluar cada uno de los puntos, se crea una memora hstórca de puntos vstados con su evaluacón correspondente. - El crtero de parada es un número fjo de evaluacones. Como el tempo de cada evaluacón está ben estmado sabemos, aproxmadamente, la duracón del proceso. - Los gestores pueden fjar un nvel mínmo de probabldad de realzacón de la nversón por debajo del cual un punto no sería aceptable. Pero, con la fnaldad de 8
9 no conectar el espaco de solucones, estos puntos naceptables son váldos como solucones de tránsto ya que en su entorno puede haber puntos aceptables. - Fjamos un mínmo de 8 evaluacones, ncluso para el ejemplo más pequeño con una parrlla de unos 2 puntos. La cantdad de evaluacones, que aumenta con el número de puntos no debe rebasar el tempo máxmo que se consdere aceptable. Los pasos concretos del algortmo mplementado de Búsqueda Dspersa son: Paso 1.- Escoger una sere de puntos dspersos y evaluarlos. Consttumos el conjunto ncal (27 puntos) combnando los valores extremos y el ntermedo de cada varable. Paso 2.- Formar el Conjunto de Referenca (RS). RS consta de 6 puntos. Los 3 mejores encontrados (respecto al VAN) formarán el Subconjunto de Caldad (SC) ncal. Además formaremos el Subconjunto de Dversfcacón (SD) con 3 puntos que serán los más lejanos del Subconjunto de Caldad según la dstanca habtual. Paso 3.- Fase de Búsqueda Local (LS). Desde los puntos de SC realzamos un proceso de Búsqueda Local basado en la Prmera Mejora (Frst Improvng) que sgue un crtero arbtraro de exploracón fjado prevamente. Paso 4.- Combnar los elementos del RS y actualzar RS Combnar los elementos del RS. Realzaremos todas las combnacones posbles (15) entre los elementos de RS, tanto convexas como no convexas. La combnacón convexa elge el punto medo entre ellos. Las no convexas elgen los puntos de la recta externos al segmento que se encuentran a una dstanca gual a la mtad de la que separa a ambos Actualzacón de RS. De esta forma obtenemos 45 puntos, 3 para cada combnacón. De entre ellos y los que estaban en el RS elegremos los 6 mejores para formar el nuevo RS S se han agotado las teracones, paramos. Paso 5.- Nueva Búsqueda Local (LS). Desde los 3 mejores puntos de RS realzamos un nuevo proceso de Búsqueda Local con los crteros ya señalados. S hemos agotado las teracones, paramos. Paso S no se ha modfcado RS, dversfcarlo elmnando las 3 peores solucones y añadendo 3 nuevas solucones dversas como se hzo en el paso 2. - Volver al paso 4. Incalmente el algortmo combna crteros de caldad y de dversdad para, a contnuacón, guarse sólo por crteros de caldad en un proceso convergente. S se hceran sufcentes teracones se producría un estancamento que se bloquearía reconstruyendo RS en el paso 6. No obstante, en nuestro caso o ben el tempo dsponble es muy grande o esto no llegará a suceder porque ese pueden vstar pocos puntos. Pruebas expermentales El algortmo arrollado hasta el momento se ha mplementado en C++ y trabaja en un procesador AMD a 65 Mhz. El tempo que emplea en la realzacón de los movmentos es totalmente precable comparado con el coste de las evaluacones (3 mnutos para hacer la smulacón y evaluar cada punto). El ejemplo expuesto al fnal del tercer apartado está dscretzado por años del 27 al 212 para la construccón de los 9
10 muelles y porcentajes de captal públco en el muelle Oeste del 25%, 5%, 75% y 1%. La suma de valores esperados de las funcones de flujos modfcadas para las combnacóones de fechas, con una nversón públca en el muelle Sur del 1%, presenta el óptmo para el nco de la actvdad del muelle Oeste en 211 y en el muelle Sur en 27 y la probabldad de no-realzacón de la nversón es del 54.76% (obtenda como máxmo de las probablda de no nversón de los dos muelles separadamente). Para una nversón públca del 75%, el óptmo está en la msma combnacón de fechas pero con una suma de valores esperados de flujos nferor a la que se obtenía con un 1%. Con un 5% se reproduce la stuacón planteada para el 75%. Para el nvel del 25% la combnacón de fechas óptmas se mantene en el 211 para el muelle Oeste y el 27 para el Sur. Sn embargo, ahora la suma de valores esperados sí que es superor a la del nvel del 1%. Así pues, podemos asegurar que el óptmo de todo el espaco de decsón se alcanza para las fechas ndcadas y una nversón públca del 25%. Las probablda de no-realzacón de la nversón para el porcentaje públco del 25%, donde se alcanza el óptmo global, es del 41,63% (nferor al 54,76%, nvel del 1%). Un análss más detallado muestra que la combnacón de fechas dada por la no construccón del muelle Oeste y el nco en el 27 de la actvdad del muelle Sur, tene una probabldad de no-realzacón úncamente del 3% y una suma de valores esperados sólo lgeramente nferor a la del óptmo. Esto podría ser consderado por los gestores para decdr su ejecucón fnal de manera que se utlzaran crteros mxtos rentabldadresgo para consegur la mejor combnacón de las varables de decsón del problema. Otras pruebas se han hecho con parrllas más densas (porcentajes a saltos del 1% y dscretzacón trmestral) y los resultados no dferen más del 1% de la mejor solucón conocda por lo que el sstema resulta prometedor. Sn embargo, para proponerlo como método general hay que hacer más pruebas aumentando la dscretzacón y varando la tasa de nterés, puesto que ésta nfluye consderablemente en la smulacón. 5. BIBLIOGRAFÍA [AP99] AUTORIDAD PORTUARIA DE VALENCIA (1999) Annual Report. [BS73] BLACK, F & SCHOLES, M. (1973): The prcng of optons and corporate labltes. Journal of Poltcal Economy [CA1] COPELAND, T., ANTIKAROV,V. (21): Real Optons, A practtoner s gude. TEXERE LLC. [CO] CASASUS, T., OLMOS, F., PEREZ, J.C., RODRIGO, A. "Valoracón de Utlda Públcas: Un Enfoque de Opcones Reales" VIII Foro de Fnanzas. Madrd 2 [DP94] DIXIT, P. (1994): Investment under Uncertanty. Prnceton Unversty Press. [GL97] GLOVER, F., LAGUNA, M. (1997) Tabu Search. Kluwer Academc Publshers 1
11 [GLM1] GLOVER, F.; LAGUNA, M. and MARTÍ, R. (21) ``Scatter Search'', to appear n Theory and Applcatons of Evolutonary Computaton: Recent Trends n: Ghosh and Tsutsu (Eds.) Sprnger Verlag. [M73] MERTON, RC. (1973): Theory of ratonal opton prncng. Bell Journal of Economcs and Management Scence [R95] ROSS, S. (1995): " Uses, Abuses, and Alternatves to the Net-Present-Value Rule", Fnancal Management, 24, 3, Autumn, [T96] TRIGEORGIS,L (1996) "Real Optons n Captal Investment: Models, Strateges and Applcatons". Praeger, Westport, CT [W] WILMOTT, P.(2) Quanttatve Fnance. Wley 11
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 detallesPoblación: 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 La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesComparación 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 detalles2.2 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 detallesTema 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 detallesEconomía 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 detallesINTRODUCCIÓN. 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 detallesOPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS
P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la
Más detalles3. 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 detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesReconciliación 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 detallesMª 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 detalles1. 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 detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesCÁLCULO 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 detallesTÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3
PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO
Más detallesTema 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 detalles3.- 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 detallesCARTAS 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 detallesEJERCICIOS 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 detallesMaterial realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera
Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca
Más detallesEstadísticos 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 detallesProblemas 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 detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesFORMULARIO 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 detallesEfectos 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 detallesIntroducción al riesgo de crédito
Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesPRACTICA 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 detallesAPLICACIÓN 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 detallesModelos 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 detallesPara construir un diagrama de tallo y hoja seguimos los siguientes pasos:
UNIDAD 2: Gráfcos estadístcos Los gráfcos muestran vsualmente y de forma rápda la dstrbucón de los datos y sus prncpales característcas, consttuyen un mportante complemento en la presentacón de la nformacón.
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detalles6 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 detallesENCUESTA 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 detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesMuestra: 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 detallesTema 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 detallesPronósticos. 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 detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesAnálisis 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 detallesCAPÍTULO 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 detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesFUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN
FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN 1 CÁLCULO DE LOS FLUJOS NETOS DE CAJA Y TOMA DE DECISIONES DE INVERSIÓN PRODUCTIVA Peculardades
Más detallesTrabajo Especial 2: Cadenas de Markov y modelo PageRank
Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
Más detallesVida 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 detallesVisión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
Más detallesVP = 1 VF. Anualidad: conjunto de pagos iguales realizados a intervalos iguales de tiempo.
Ingenería Económca Tema 2.1. Factores de equvalenca y seres de gradentes UNIDAD II. FACTORES USADOS EN LA INGENIERÍA ECONÓMICA Tema 2.1. Factores de equvalenca y seres de gradentes Saber: Descrbr los factores
Más detallesGERENCIA 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 detallesTEMA 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 detallesCinemática del Brazo articulado PUMA
Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad
Más detallesEn 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 detallesUna 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 detallesCréditos 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 detallesLECTURA 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 detalles1.- 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 detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesEn 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 detalles2.5 Especialidades en la facturación eléctrica
2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesRelaciones 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 detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesTema 1. Conceptos generales
Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS
Más detallesCAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED
Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detalles1.- Objetivo Alcance Metodología...3
PROCEDIMIENTO DO PARA EL CÁLCULO DEL FACTOR DE DESEMPEÑO DEL CONTROL DE FRECUENCIA (FECF) EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE 1.- Objetvo...3 2.- Alcance...3 3.- Metodología...3 3.1.- Cálculo de la
Más detallesAnálisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto
Análss Matemátco en la Economía: Optmzacón y Programacón arufast@yahoo.com-rufasto@lycos.com www.geoctes.com/arufast-http://rufasto.trpod.com La optmzacón y la programacón están en el corazón del problema
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesEXPERIMENTACIÓN 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 detallesTema 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 detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesLECTURA 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 detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesApéndice 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 detalles1.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 detallesGANTT, PERT y CPM INDICE
GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4
Más detallesLA FINANCIACION DE PROVEEDORES Y LA GESTION DE STOCKS. UNA VISION CONJUNTA.
LA FINANCIACION DE PROVEEDORES Y LA GESTION DE STOCKS. UNA VISION CONJUNTA. Lucía Isabel García Cebrán Departamento de Economía y Dreccón de Empresas Unversdad de Zaragoza Gran Vía, 2 50.005 Zaragoza (España)
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesModelos 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 detallesVariable 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 detallesDesigualdad de oportunidades y el rol del sistema educativo en los logros de los jóvenes uruguayos
Desgualdad de oportundades y el rol del sstema educatvo en los logros de los jóvenes uruguayos Cecla Llambí Marcelo Perera Pablo Messna Febrero de 2009 Esta nvestgacón fue fnancada por el Fondo Carlos
Más detallesTasas 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 detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detallesMétodos 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 detallesDiseño de la Muestra. Introducción. Tipo de muestreo y estratificación
Dseño de la Muestra A Introduccón Sguendo las orentacones dadas por la Ofcna Estadístca de la Unón Europea (EUROSTAT) se a selecconado una muestra probablístca representatva de la poblacón de los ogares
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesAlgunos métodos de clasificación de puestos de trabajo en la empresa
lgunos métodos de clasfcacón de puestos de trabajo en la empresa. lgunos métodos de clasfcacón de puestos de trabajo en la empresa Canós Darós, Lourdes, loucada@omp.upv.es Pers Ortz, Marta, marpeor1@omp.upv.es
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesCapítulos 1-3: CAPITALIZACIÓN Y DESCUENTO
CUESTIONARIO Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO 1. Cuánto vale una Letra del Tesoro, en tanto por cento de nomnal, s calculamos su valor al 3% de nterés y faltan 5 días para su vencmento? A) 97,2
Más detallesReconocimiento 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 detallesMETODOLOGIA DE OPTIMIZACIÓN DE SECUENCIA DE INTERVENCIONES A POZOS
METODOLOGIA DE OPTIMIZACIÓN DE SECUENCIA DE INTERVENCIONES A POZOS Medardo Yañez, Hernando Gómez de La Vega, Manuel Fretas, Karna Semeco, Mguel Aguero Relablty and Rsk Management Méxco SA de CV RM Méxco
Más detallesEquilibrio termodinámico entre fases fluidas
CAPÍTULO I Equlbro termodnámco entre fases fludas El conocmento frme de los conceptos de la termodnámca se consdera esencal para el dseño, operacón y optmzacón de proyectos en la ngenería químca, debdo
Más detallesESTADISTÍCA. 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