Gerardo Pastrana León

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

Download "Gerardo Pastrana León"

Transcripción

1 CONSTRUCCIÓN D FRONTRAS FICINTS D INVRSIÓN Gerardo Pastraa Leó (ste esayo se elaboró utlzado coo bblografía prcpal el lbro Seleccó de Iversoes, de Dogo Jorge Messut, Vctor Adrá Alvarez y Hugo Roao Graff, dcoes Macch, 994, Bueos Ares) Toda clase de versoes que se realza co actvos cuyos redetos se preseta de aera aleatora, es decr, se trata de actvos de resgo, plca deterar las proporcoes a vertr e cada uo de esos actvos el presete trabao, se ostrará ua técca que perte deterar las proporcoes que debe vertrse e cada actvo a f de que dchos portafolos obtedos edate ella sea portafolos que se ecuetre detro de la frotera efcete, es decr, que dado el redeto esperado esta cartera es la de ío resgo, o be de todas las carteras que tee el so vel de resgo es la de ayor redeto posble La epresó ateátca del eucado ateror es: Mzar p > (Resgo) Sueto a: y, (Rp) (R) (Redeto esperado prefado) (Restrccó presupuestara) dode p es la varaza del portafolo p, es decr el vel de resgo es la proporcó a vertr e el actvo es la varaza del actvo es la covaraza etre el actvo y el actvo (R p ) es el redeto esperado del portafolo (R ) es el redeto esperado del actvo, obtedo coo el proedo de los redetos del actvo e u perodo de tepo

2 l problea es de íos codcoados que puede resolverse por edo de los ultplcadores de Lagrage La solucó a dcho problea se splfca utlzado téccas de cálculo atrcal para la solucó de ssteas leales La fucó de Lagrage es: > λ λ p ) ( ) ( F La codcó ecesara para la esteca de u etreo local o relatvo es que se aule todas las dervadas parcales, ) ( F λ λ ) ( F λ λ ) ( F ; λ λ F p λ F λ Dvdedo ebro a ebro por dos todas las ecuacoes ecepto las dos últas y ordeado sus téros resulta u sstea de ecuacoes co cógtas, el cual escrto e fora atrcal queda de la sguete aera

3 K L K K K λ λ p y aú ás breveete CX B dode s el deterate de la atrz del sstea leal es dstto de cero (deterate de C ), etoces este sstea tee ua solucó úca que puede calcularse despeado la atrz de proporcoes X de la fórula ateror, es decr X C - B l vector solucó X os da las proporcoes que debe vertrse e cada uo de los actvos para coforar ua cartera cuyo redeto esperado prefado es p y cuyo resgo es ío La solucó etoces, se calcula realzado el producto de la versa de la atrz de los coefcetes (atrz de varazas y covarazas) por el vector colua de los téros depedetes Para eeplfcar lo ateror toareos u grupo de cuatro accoes que cotza e la Bolsa Mecaa de Valores cuyas prcpales característcas se preseta e el sguete cuadro: Accó Redetos esperados oales Redetos esperados reales* Varaza Desvacó stádar Alfa A CIFRA C TLMX L POSADAS L *Austados co el INPC Los redetos esperados oales so el proedo de las varacoes e los precos de las accoes para el perodo de febrero de 993 hasta febrero del, a los 3

4 redetos esperados oales se les hzo u auste por flacó co el INPC edate la ecuacó de Fsher para obteer los redetos esperados reales La atrz de varazas y covarazas del grupo de accoes es la sguete, e dode los úeros de la dagoal e egrtas so las varazas de cada actvo Matrz de varazas y covarazas Alfa A CIFRA C TLMX L POSADAS L Alfa A CIFRA C TLMX L POSADAS L Ahora debe platearse el sstea a resolver que perta deterar las proporcoes a vertr e cada uo de los actvos, este e su fora atrcal es el sguete λ/ p λ/ C X B La solucó etoces estará deterada por X C - B l vector solucó de este sstea es p p p p-5837 λ/ p368 λ/ 368p-3 dode los preros cuatro valores so las proporcoes a vertr e cada uo de los actvos de acuerdo al redeto esperado prefado La correspodeca de proporcoes es la sguete: Alfa, Cfra, 3Tele L, 4Posadas L Las fórulas que pertrá deterar la proporcó a vertr e cada actvo de acuerdo al vel de redeto esperado prefado será: La ecuacó de Fsher es r ( - π)/(π), dode r es la tasa real, es la tasa oal y π es la flacó para el perodo 4

5 43743p p p p 5837 Ya que teeos las fórulas aterores, el sguete paso es deterar cual será el portafolo de ío resgo, perteecete a la frotera efcete, para uestro grupo de cuatro actvos toces el problea adcoal es: calcular las proporcoes que hace p ío, depedeteete de (Rp) La solucó plca zar el resgo ates descrto co sus respectvas restrccoes, para lo cual se tee la sguete fucó de Lagrage: F λ( ) > La codcó ecesara de etreos es la aulacó de todas las dervadas parcales F ( ) λ F F ( ( ) λ ; ) λ F λ Dvdedo ebro a ebro por todas las ecuacoes ecepto la últa, y ordeádolas coveeteete queda: 5

6 λ λ λ la represetacó atrcal de este sstea de ecuacoes co cógtas es: K K K λ K que puede epresarse stétcaete C*X* B* s el deterate de C* es dferete de cero, etoces, el sstea ateror tee ua solucó úca que puede calcularse e fucó de la versa de la atrz C* y del vector colua de los téros depedetes B*, segú la sguete fórula: X* C* - B* Para uestro eercco el sstea atrcal es λ/ 6

7 Hacedo el calculo de la versa para la atrz C* teeos λ/ que os da el sguete vector solucó: λ/ -96 al gual que e el caso ateror, las cuatro preras copoetes de este vector so las proporcoes que perte costrur el portafolo de ío resgo l redeto esperado y la varaza de este portafolo se calcula co las fórulas para redeto esperado y para resgo presetadas al prcpo de este trabao, por lo tato: p* (996)43 (476)5 (333)73 (6) p 96 p 98 Se tee etoces que el puto (66, 98) perteece a la frotera efcete y represeta el portafolo de ío resgo, para calcular otras carteras perteecetes a la frotera efcete debe deterarse para dsttos valores de redeto superores a 66 real esual co las fórulas para las proporcoes que se obtuvero co aterordad Para facltar su utlzacó se presetara uevaete: Para el cálculo de la atrz versa se puede utlzar algú paquete coputacoal coo el cel, e el caso de este el calculo de la atrz versa se hace de la sguete aera: ) Se seleccoa la atrz de la cual se quere obteer la versa, ) Se seleccoa u rago de celdas vacías co las sas desoes que la atrz de la cual se quere obteer la versa, 3) se teclea la sguete dcacó MINVRSA(rago dode se ecuetra la atrz) s por eeplo la atrz de la cual se quere obteer la versa esta detro del rago A a F8 se debe escrbr (A3:F8) o be seleccoar el rago arrastrado el ouse 4) Por ulto se teclea las sguetes teclas sultáeaete CotrolShftter 7

8 43743p p p p 5837 Co el cálculo de las fórulas aterores y dado a p valores superores a el redeto de ío resgo obteeos otros putos perteecetes a la frotera efcete Proporcoes, redetos esperados y resgo de portafolos perteecetes a la frotera efcete Portafolo o p Proporcoes Sua Varaza Desv st las proporcoes a vertr e cada uo de los actvos, os ecotraos, co eleetos de sgo egatvo, estas tee su terpretacó epírca racoal basada e el cocepto de veta corta Otra observacó de el cuadro ateror perte advertr que las proporcoes a vertr e cada uo de los actvos, que tegra los portafolos efcetes, varía e fora oótoa, es decr, crece o decrece costateete a edda que se creeta el redeto esperado de esas carteras el caso de o poderse llevar a cabo vetas descubertas es posble retrar del portafolo aquellos actvos que preseta proporcoes egatvas, co esto se reducría e u eleeto la atrz C La gráfca correspodete a los portafolos del cuadro ateror es la sguete: 8

9 Porcó de la frotera efcete para el grupo de cuatro actvos p Resgo De esta aera se ha ecotrado las proporcoes a vertr e cada uo de los actvos a f de que al teer u deterado vel de resgo sea las de ayor redeto, o be, a u deterado vel de redeto prefado perta zar el resgo el caso de este eeplo se ha toado ua base de datos etesa que os ha pertdo obteer de aera drecta los datos ecesaros para el cálculo de la frotera efcete, s ebargo, o sepre es ta secllo crear ua buea base de datos co los datos hstórcos para cada actvo Por esta razó, se ostrará a cotuacó u étodo por edo del cual podeos costrur froteras efcetes co u úero ucho eor de datos, adeás de que los datos que utlzareos para este étodo so proporcoados por la Bolsa Mecaa de Valores de aera regular 9

10 UN MODLO QU SIMPLIFICA LA CONSTRUCCIÓN D CARTRAS FICINTS l odelo del ídce úco (MIU) la costruccó de carteras efcetes presetada aterorete, los datos ecesaros para lograr la costruccó es cada vez ayor etras aueta el úero de actvos que se utlzará e dcha costruccó l MIU se susteta e la dea básca que el preco de los títulos que cotza e u ercado, e proedo, crece o decrece uto co algú dcador ecoóco La ecuacó fudaetal del odelo es: R α β R e dode: R: es la varable aleatora que represeta la tasa de redeto del actvo R: es la varable aleatora que represeta la tasa de redeto de u ídce represetatvo del ercado α; β: so los paráetros del odelo correspodete al actvo e: es el desvío aleatoro etre el redeto real del actvo y su valor teórco (varable aleatora) l valor del paráetro α es la copoete del redeto del actvo que es depedete del redeto del ídce del ercado l valor de β es ua edda de la sesbldad de respuesta del redeto del actvo ate las varacoes e el redeto del ídce toado coo represetatvo del ercado Los supuestos e que esta basado el MIU so los sguetes: ) l proceso geerador de los redetos R de cada actvo esta deterado por la ecuacó R α βr e ) La varable aleatora e tee esperaza ateátca gual a cero: (e ) 3) Las varables aleatoras R y e está correlacoadas: COV(e ;R ) 4) Los errores aleatoros correspodetes a actvos dsttos está correlacoados etre sí: COV(e ;e ) Las fórulas que perte el cálculo de todos los paráetros ecesaros para la costruccó de portafolos efcetes so las sguetes:

11 a) Los redetos esperados será ( α β R e ) (R ) utlzado las propedades de la esperaza ateátca teeos α β b) Las varazas estará dadas por ( α β R e ) var( R ) var Aplcado las propedades de la varaza y teedo e cueta que α y β so costates se puede deducr que β var( R ) var(e ) S se defe: var( R ) y var(e ) Q puede escrbrse β Q c) cuato a las covarazas se tee lo sguete cov( R ;R ) [( R )( R )] Reeplazado los valores de las varables ates ecotradas teeos {[ α βr e ( α β )][ α βr e ( α β )]} {[ β (R ) e ][ β (R ) e ]} fectuado el producto etre llaves [ β β (R ) β (R )e β (R )e e e ] Aplcado las propedades de la esperaza ateátca:

12 ββ [( ) ] β[ ( R ) e ] β R ( R ) e [ ] ( e e ) el prer suado [ ( ) ] R es, el segudo y tercer suados se aula e vrtud del supuesto 3) del MIU; etras que el últo suado tabé se aula e razó del supuesto 4), por lo que solo os queda que la covaraza estará dada por: β β De todo lo ateror teeos etoces que este étodo puede ser utlzado s se dspoe de estacoes para cada uo de los actvos de resgo e cosderacó, del redeto esperado, la desvacó estádar y el coefcete β, así coo de los paráetros del dcador del ercado y l redeto esperado del portafolo se puede calcular drectaete co el proedo poderado de los redetos esperados dvduales tato que para calcular la varaza de los desvíos de cada ttulo Q, puede despearse su valor de la fórula descrta ates co lo que quedaría Q β La ayor dfcultad al realzar las froteras efcetes de versó es la de obteer las varazas y covarazas etre los actvos co los que se va a trabaar, este trabao dsuye cosderableete s utlzaos el MIU A cotuacó se ostrará los resultados obtedos de correr las regresoes R α βr e para cada uo de los cuatro actvos, la varable que heos toado coo ídce represetatvo del ercado es el Idce de Precos y Cotzacoes de la Bolsa Mecaa de Valores Las regresoes se ha corrdo para los cabos esuales e los precos de las accoes y del ídce, el perodo fue de febrero de 993 a febrero del Resultados de las regresoes ALFA *IPYC CIFRAC *IPYC TLMX *IPYC POSADAS *IPYC el sguete cuadro se uestra los datos ecesaros para el cálculo de las varazas y las covarazas que se ecesta para el cálculo de la frotera efcete

13 Actvo Alfa Beta Varaza del actvo Q Alfa A CIFRA C TLMX L POSADAS L Varaza del pyc 86 Redeto esperado del pyc* 83 * valor real La colua Q se costruyó edate la fórula Q β La costruccó de la frotera efcete requere e prer lugar de la atrz de varazas y covarazas, para lo cual se utlzará las sguetes fórulas: β Q β β Matrz de Varazas y Covarazas Alfa A CIFRA C TLMX L POSADAS L Alfa A CIFRA C TLMX L POSADAS L De tal aera que el uero ubcado e la prera fla y la prera colua represeta la varaza de los redetos del actvo uo (Alfa A) y fue calculado edate la fórula de la varaza l eleeto stuado e la prera fla seguda colua represeta la covaraza etre los redetos de las accoes de Alfa y Cfra C y sé calculo co la forula de la covaraza Ya co la atrz de varazas y covarazas obteda se procede al cálculo de la frotera efcete tal y coo se ostró aterorete 3

14 Portafolo de ío resgo Para el cálculo de este se resuelve el sguete sstea atrcal: λ/ Cuyo vector solucó es: λ/ -7 Que os da las proporcoes a vertr para obteer el portafolo de ío resgo perteecete a la frotera efcete Y cuyos valores de resgo y de redeto esperado so los sguetes: p 64 p 836 Se puede coprobar estos resultados edate la utlzacó de las fórulas presetadas aterorete A f de obteer otros portafolos se resuelve el sguete sstea atrcal: λ/ p λ/ Cuyo vector solucó es el sguete: p p p p-659 λ/ -6779p447 λ/ 447p-39 4

15 Co la ayuda de este uevo vector solucó calculaos las proporcoes a vertr e otros portafolos de ayor resgo al de ío resgo Los resultados de esta ueva frotera efcete se uestra a cotuacó: Proporcoes, redetos esperados y resgo de portafolos perteecetes a la frotera efcete co la atrz de varazas y covarazas obteda edate el MIU Portafolo o p Proporcoes Sua Varaza Desv st La coparacó etre los resultados obtedos a partr de los datos hstórcos y los resultados obtedos co la ayuda del MIU se puede observar e la sguete gráfca: Frotera fcete obteda a partr de datos hstórcos y co la ayuda del MIU 3 Resgo 9 MIU Hstorco p La dversfcacó de los portafolos de versó es u eleeto uy portate para lograr reducr e gra edda los resgos heretes a toda clase de versoes, s ebargo, la sola dversfcacó de las carteras o garatza que se este logrado u vel ópto e los redetos y u vel ío de resgo Por esta razó la utlzacó de ua técca para lograr hacer que los portafolos por ella costrudos de coo resultado el ayor vel de efceca posble se vuelve fudaetal Los étodos presetados e el presete trabao perte costrur portafolos perteecetes a la frotera efcete de acuerdo a las preferecas partculares de cada 5

16 versosta, es decr, de acuerdo al vel de resgo que se este dspuesto a asur y del vel de redeto que a cada uo le parece ás coveete Se tee adeás la posbldad de, a f de reducr au ás los veles de resgo, cobar portafolos efcetes co actvos lbres de resgo coo puede ser, e el caso de Méco, los Certfcados de Tesorería (CTS) o algú otro ttulo de deuda guberaetal que se cosdera actvos s resgo 3 La utlzacó de estos actvos, por lo geeral, reduce e algua edda el vel de redeto esperado, pero este es copesado co la reduccó tabé e el resgo el caso de los datos ecesaros para costrur la frotera efcete co el MIU, este ua publcacó esual llaada Idcadores Bursátles de la Bolsa Mecaa de Valores e la que e sus dsttas seccoes se ecuetra las estadístcas ecesaras, coo por eeplo los coefcetes Alfa y Beta que se ecuetra e las stadístcas de Sesbldad del Mercado, la varabldad de cada accó se puede ecotrar e la seccó Volatldad de las Prcpales soras e Ídces Los dvdedos pagados por cada accó es otro eleeto uy portate que o se ha toado e cueta e este trabao, e el que se ha epleado solaete cabos e los precos, s ebargo, la cosderacó de este eleeto adcoal tee u efecto postvo ya que creeta el vel de redeto de los portafolos de versó que heos calculado toado solo e cueta las varacoes e los precos, es decr, adeás de los redetos de los cabos e los precos de las accoes se tedrá redetos tabé por los dvdedos pagados por cada accó 3 Auque se cosdera actvos lbres de resgo, e realdad o este gua clase de actvos que o tega algú vel de resgo el caso de los CTS, estos se vede co descueto, por lo que u elevado vel de flacó e el perodo puede dar coo resultado ua tasa uy baa de terés e cluso, egatva 6

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012 Solucó Práctca Evaluable. Olgopolo y Copeteca Moopolístca. 6//0 Cosdere u olgopolo de Courot co epresas que produce u be hoogéeo. La fucó versa de deada es p ) = 0 y todas las epresas tee el so coste argal

Más detalles

11. Optimización no lineal con restricciones

11. Optimización no lineal con restricciones . Optzacó o leal co restrccoes. Optzacó o leal co restrccoes Prcpos y teoreas para la búsqueda de óptos lobales Modelos co restrccoes de ualdad Codcoes de uh-tucker Alortos uércos báscos Prcpos y teoreas

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA Fracscaos T.O.R. Cód. 87 MATEMÁTICAS º ESO. TEMA : COMBINATORIA.. La regla de la sua el producto.. Varacoes s repetcó.. Varacoes co repetcó.. Perutacoes s repetcó.. Cobacoes s repetcó.. Núeros cobatoros.7.

Más detalles

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,

Más detalles

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca 7 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca Fracsco López

Más detalles

GENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor

GENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor GNRCIÓN TRMOLÉCTRIC. Cálculo de la toa de las extraccoes de u cclo de apor ISML PRITO ÍNDIC D MTRIS CÁLCULO D LOS PUNTOS D TOM D LS XTRCCIONS PR QU L MJOR DL RNDIMINTO DL CICLO RGNRTIVO S MÁXIM. MJOR N

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

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

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

Más detalles

Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio

Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio Método de sevaraza y varaza para la seleccó de u portaolo ópto Sevarace ad varace ethod or selectg a optal portolo Lzbeth María de Jesús Urbe, Mguel Ágel Martíez Daá, Gustavo aírez Valverde ESUMEN E los

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

1. Modelo de Transporte

1. Modelo de Transporte . Modelo de Trasporte Se trata de u odelo partcular de Redes-Fluo s establecetos teredos o de trasbordo. Para forular u odelo geérco se defe las varables y los paráetros sguetes: s = total de udades dspobles

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

TEMA 4. EQUIVALENCIA FINANCIERA

TEMA 4. EQUIVALENCIA FINANCIERA ADMIISTRAIÓ Y FIAZAS. GRADO SUPERIOR TEMA 4. EQUIVALEIA FIAIERA TEMA 4: EQUIVALEIA FIAIERA. ITRODUIÓ Estas operacoes se da cuado ua persoa quere susttur uo o varos pagos que tee que realzar (PRIMERA SITUAIÓ)

Más detalles

Algoritmo de Aproximación por Peso para el Cambio de Base de un Número

Algoritmo de Aproximación por Peso para el Cambio de Base de un Número Alejadro Jose Raudales Baegas Algorto de Aproxacó por Peso para el Cabo de Base de u Núero Alejadro José Raudales Baegas Itroduccó Cabar u úeró de ua base partcular a otra deseada es u problea cuyo algorto

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

2. Hay alguna diferencia entre decir que la masa de una persona es 75 kg o g?

2. Hay alguna diferencia entre decir que la masa de una persona es 75 kg o g? Físca y Quíca ºBachllerato UNIDAD : La actvdad cetífca CUESTIONES INICIALES-PÁG. 9. Sabrías expresar la velocdad de 0,0 /s e k/h? k 000 v = 0,0 = 0,0 s h s 3600s k 36,0 h. Hay algua dfereca etre decr que

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

Derivada parcial de un campo vectorial respecto de una variable escalar

Derivada parcial de un campo vectorial respecto de una variable escalar Aálss Vectoral Adrés Macho Ortz Septebre 05 Dervada parcal de u capo vectoral respecto de ua varable escalar La dervacó parcal de u capo vectoral respecto de ua varable escalar es dscutda e este docueto

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

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

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

V Muestreo Estratificado

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Diseño De Plantas UIS. Ing. Edwin Alberto Garavito H.

Diseño De Plantas UIS. Ing. Edwin Alberto Garavito H. MEJORMIENTO DEL DISEÑO DE DISTRIBUCIONES DE PLNT MEDINTE L UTILIZCIÓN DE CRFT. QUÉ ES CRFT? CRFT (Coputerzed Relatve llocato of Facltes Techque es uo de los paquetes de software ás avazados que se utlza

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Iereca estadístca - stacó ptal a estadístca provee téccas qe perte obteer coclsoes geerales a partr de cojto ltado pero represetatvo de datos. Cado eros o teeos garatía de qe la coclsó qe obteeos sea eactaete

Más detalles

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

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

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Núeros Coplejos PREGUNTAS MÁS FRECUENTES. Qué es la udad agara? Es u eleeto del que cooceos úcaete su cuadrado:.obvaete, o se trata de u úero real.. Qué es u úero coplejo? Es

Más detalles

Unidad didáctica 2: Interpolación 1. Diferencias divididas. Diferencias finitas.

Unidad didáctica 2: Interpolación 1. Diferencias divididas. Diferencias finitas. Udad ddáctca : Iterolacó. Derecas dvddas. Derecas tas. Israel añaó Valera Dto. de Mateátca Alcada y Métodos Iorátcos E.T.S.I. Mas ÍNDIE. Plateaeto del roblea.. Derecas dvddas. Fórula de Newto. Tablas.

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

ESTADÍSTICA. Es una variable cualitativa, con cuatro modalidades distintas.

ESTADÍSTICA. Es una variable cualitativa, con cuatro modalidades distintas. ESTADÍSTICA La Estadístca es la parte de las Mateátcas que estuda étodos para terpretar datos obtedos de vestgacoes o experetos aleatoros (aquellos e los que o se puede predecr el resultado auque se realce

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

Tema 2: Semiconductores intrínsecos y extrínsecos

Tema 2: Semiconductores intrínsecos y extrínsecos lectróca de dsostvos Dr.. Reg 5/6 Tea : Secoductores trísecos y extrísecos a. : K. Kao Itroduccó Desdad de stados (De) ucó de dstrbucó de er-drac Desdad de ortadores e secoductores trísecos. vel de er

Más detalles

El Amplificador Operacional de Tensiones

El Amplificador Operacional de Tensiones El Aplfcador Operacoal de Tesoes El Aplfcador Operacoal de Tesoes. Itroduccó 2. El Aplfcador Operacoal Ideal de Tesoes 3. Nodealdades e el Opap 4. Crcutos co ealetacó Postva. Itroduccó.. El problea de

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Probabldades y stadístca Cotacó Facltad de Cecas actas y Natrales. Uversdad de Beos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó tal La estadístca rovee téccas qe erte obteer coclsoes

Más detalles

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

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

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

EVALUACIÓN ECONÓMICA.

EVALUACIÓN ECONÓMICA. EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

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

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

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

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

Más detalles

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Bolsa Nacional de Valores, S.A. San José, Costa Rica SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal Programacó Matemátca y Software (2009) Vol.. No. ISSN: 2007-3283 Recbdo: 0 de Juo de 2008/Aceptado: 3 de Septembre de 2008 Publcado e líea: 26 de juo de 2009 Seleccó de ua Cartera de Iversó e la Bolsa

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

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

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

Más detalles

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles

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

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

Más detalles

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO.

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO. Pága de 5 NÚCLEO UNIVERSITARIO RAFAEL RANGEL UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A ÁREA DE FÍSICA LABORATORIO DE FÍSICA LABORATORIO DE FÍSICA I/ PRÁCTICA No ANÁLISIS GRÁFICO OBJETIVO

Más detalles

1 ESTADÍSTICA DESCRIPTIVA

1 ESTADÍSTICA DESCRIPTIVA 1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Probabldades y stadístca Coutacó Facultad de Cecas actas y Naturales Uversdad de Bueos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó utual La estadístca rovee téccas que erte obteer coclusoes

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

La ecuación general de los gases es el resumen que engloba a varias leyes que se enunciaron de forma separada:

La ecuación general de los gases es el resumen que engloba a varias leyes que se enunciaron de forma separada: ECUACIÓN GENERAL DE LOS GASES PERFECTOS La ecuacó geeral de los gases es el resue que egloba a varas leyes que se eucaro de fora separada: Ley de Boyle - Marotte: Dce que, s se atee la teperatura costate,

Más detalles

La teoría de colas ha tenido un énfasis especial en el tratamiento de sistemas estocásticos.

La teoría de colas ha tenido un énfasis especial en el tratamiento de sistemas estocásticos. .- INTRODUCCIÓN La teoría de colas es objeto de ua apla bblografía que aborda desde el estudo de ssteas forado por ua cola co u servdor hasta coplejas redes de colas de espera. Los ssteas de colas fora

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN .4 Cálculo de Redes Cerradas El roblea que se latea es calcular los caudales que escurre e cada trao de ua red, alla o crcuto, de odo que se cula certas codcoes hdráulcas coo las resoes exstetes e los

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson: Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL 3. CARACTERISTICAS NUMERICAS DE UNA VARIABLE S tratamos de represetar uestras edades medate u polígoo de frecuecas, y os ubcamos e el tempo: hace 0 años, hoy

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

Teoría de carteras de inversión para la diversificación del riesgo: enfoque clásico y uso de redes neuronales artificiales (RNA)

Teoría de carteras de inversión para la diversificación del riesgo: enfoque clásico y uso de redes neuronales artificiales (RNA) Teoría de carteras de versó para la dversfcacó del resgo: efoque clásco y uso de redes euroales artfcales (RNA) Ivestmet portfolo theory ad rsk dversfcato: classc ad eural etworks methodology D. Cot* y

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

Capı tulo 4 VARIABLES ALEATORIAS

Capı tulo 4 VARIABLES ALEATORIAS Capı tulo 4 VARIABLES ALEATORIAS E la vestgacó ecooétrca es de terés ua clase especal de varables que se deoa varables aleatoras. E prcpo, se dará u trataeto geeral al téro varable aleatora, ás adelate,

Más detalles