CONCEPTOS BÁSICOS SOBRE LA HETEROCEDASTICIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL TRATAMIENTO CON E-VIEWS

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

Download "CONCEPTOS BÁSICOS SOBRE LA HETEROCEDASTICIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL TRATAMIENTO CON E-VIEWS"

Transcripción

1 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws CONCPTOS BÁSICOS SOBR LA HTROCDASTICIDAD N L MODLO BÁSICO D RGRSIÓN LINAL TRATAMINTO CON -VIWS Rafal d Arc y Ramón Mahía Dpto. d conomía Aplcada Unvrsdad Atónoma d Madrd rafal.darc@am.s ramon.maha@am.s Rvsado marzo8

2 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws ÍNDIC D CONTNIDOS CONCPTOS BÁSICOS SOBR LA HTROCDASTICIDAD N L MODLO BÁSICO D RGRSIÓN LINAL....- Qé s Casas frcnts d htrocdastcdad fctos d la htrocdastcdad sobr l MBRL Cómo s dtcta la prsnca d Htrocdastcdad... 7 A. Contrasts Gráfcos... 7 A. Gráfca dl rror a través d las dstntas obsrvacons dl modlo... 7 A. Gráfca dl valor cadrátco dl rror y los valors d Y y X s... 8 B. Contrasts nmércos... 8 B.. Contrast d Glsjr... 8 B.. Contrast d Brsch-Pagan... 9 B.3. Contrast d Wht prba gnral d htrocdastcdad d Wht... B.4. Contrast a partr dl cofcnt d corrlacón por rangos d Sparman Cómo s corrg... 3 TRATAMINTO D LA HTROCDASTICIDAD N -VIWS... 5 JMPLO PRÁCTICO D ANÁLISIS D HTROCDASTICIDAD...

3 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 3.- Qé s l modlo básco d rgrsón lnal xg q la varanza condconal d las prtrbacons alatoras a los valors d los rgrsors X sa constant: / Var X anq gnralmnt la hpótss s formla sn mnconar l caráctr condconal d la varanza, smplmnt como: Var Para comprndr d forma nttva sta rstrccón podmos razonar dl sgnt modo. Igals varanzas d para los dstntos valors d x mplca ncsaramnt gal dsprsón varanzas d y para dstntos valors d x lo q mplca ncsaramnt q la rcta d rgrsón va a rprsntar con gal prcsón la rlacón ntr x y ndpndntmnt d los valors d x. sto s my mportant porq db rcordars q l análss d rgrsón s n análss d rgrsón condconal d y sobr x lo cal mplca, por lógca, q s s dsa obtnr n parámtro d rlacón stabl y útl ntr ambas varabls, los valors mstrals d y dbn mostrars galmnt dsprsos ant varacons d x. Dcho d otro modo, y n térmnos dl rror, anq l rror srá mayor para mayors valors d x no s frza q l rror tnga n tamaño gal para l rcorrdo d x la dsprsón dl rror alrddor d la rcta d rgrsón srá la msma. sto prmt consdrar galmnt váldos todos los datos mstrals d los rgrsors x para dtrmnar la rlacón condconal d y a los valors d x sn tnr q pondrar más o mnos nos valors otros d x n fncón d la mnor o mayor dsprsón d y n los dstntos casos. n n plano pramnt analítco, la matrz d varanzas-covaranzas d las prtrbacons d n modlo htrocdástco s rprsntaría dl sgnt modo:.. UU Σ... I n... n n n n Como ya s vo n l capítlo ntrodctoro sobr l stmador d Atkn, n l caso concrto d la prsnca d na matrz d varanzas-covaranzas no scalar d las prtrbacons alatoras, la stmacón máxmo vrosíml d los parámtros dl modlo rslta ahora: β [ X Σ X ] X Σ Y MCG Un stmador q goza d bnas propdads stadístcas lnal, nssgado, fcnt y consstnt..- Casas frcnts d htrocdastcdad Anq las q s ctan a contnacón no son las úncas posbldads q dan lgar a n modlo htrocdástco, sí son las más frcnts. tmológcamnt, por crto, la palabra drva d htro dstnto y l vrbo grgo skdanm q sgnfca dsprsar o sparcr.

4 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 4 A.- Casas rlaconadas con la slccón d varabls xógnas: A.- Varabls xplcatvas con na dstrbcón asmétrca S na varabl xplcatva prsnta na dstrbcón asmétrca por jmplo la rnta, rsltará nvtabl q, por jmplo para l caso d asmtría a drchas, los valors mayors dl rgrsor stén asocados a na mayor dsprsón n l térmno d rror d la rgrsón. A.- Varabls xplcatvas con amplo rcorrdo Las varabls con amplo rcorrdo favorcn la aparcón d htrocdastcdad n mayor mdda q aqllas otras q prsntan n agrpamnto my claro alrddor dl valor d la mda. sto no s tan vdnt como l fcto d la asmtría pro, n crto modo, y dado q trabajamos con mstras, la slccón d na mstra q favorzca la htrocdastcdad s más probabl n l caso d varabls con amplos rcorrdos q con scasas varanzas. st rsgo s spcalmnt lvado n los modlos d cort transvrsal ya q la slccón d los lmntos mstrals s arbtrara no vn dtrmnada por l paso dl tmpo y, por tanto, pd ncrrr n l rsgo d mzclar mstras provnnts d poblacons dfrnts por lo q la mstra pdn agrpar, casalmnt, grpos d obsrvacons q prsntn valors my dsprsos y poco dsprsos al msmo tmpo. A.3.- Omsón d varabls rlvants n l modlo spcfcado. n st caso no hablamos d las varabls slcconadas, sno, prcsamnt, d las no slcconadas. Cando s ha omtdo na varabl n la spcfcacón, dcha varabl qdará parcalmnt rcogda n l comportamnto d las prtrbacons alatoras, pdndo ntrodcr n éstas s propa varacón, no ncsaramnt fja. Rcérds q la hpótss ncal dl MBRL d homocdastcdad hacía rfrnca a la varanza constant d las prtrbacons alatoras, pro no oblgaba a q las varabls xplcatvas tvran tambén varanza constant, hcho q, admás, sría na rstrccón my poco plasbl. B.- Otras casas B..- Cambo d strctra l hcho d q s prodzca n cambo d strctra dtrmna n mal ajst d los parámtros al conjnto d los datos mstrals. st no tn porq nflr dl msmo modo n todo l rcorrdo d la mstra, pdndo prodcr cantías d dsajst dl modlo dfrnts y, por tanto, varanza no constant por sbpríodos. B.. Forma fnconal ncorrcta La tlzacón d na forma fnconal ncorrcta, por jmplo la tlzacón d na fncón lnal n lgar d na logarítmca potncal, pd provocar q la caldad dl ajst d la rgrsón varí sgún los valors d las xógnas, por jmplo, ajstando bn para los valors pqños y mal para los grands; n s caso, s posbl q n las zonas d por ajst xstan, no sólo rrors mayors, sno tambén rrors más dsprsos. D hcho, los parámtros stmados "rcográn mjor" l comportamnto d la sr n aqlla d las dos strctras dstntas q s prodzca drant mayor númro d obsrvacons, ya q los parámtros stmados n prsnca d n cambo d strctra srán na mda pondrada d los q rsltarían d na stmacón partclar para cada na d las dos sbmstras

5 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 5 B.3.- Modlos d aprndzaj sobr los rrors sta casa, apntada por Gjarat 3, s rfr a la modlzacón d fnómnos q contnn n mcansmo d ato - aprndzaj n fncón d los rrors dsajsts prvos. n st tpo d fnómnos, l paso dl tmpo mplca progrsvamnt, no sólo n mnor tamaño dl rror, sno admás na varanza progrsvamnt nfror. B.4.- Prsnca d pntos atípcos La prsnca d algnos valors atípcos n la mstra d datos mplcará ncsaramnt n dsajst n la varanza d la prtrbacón n crto modo, n pnto atípco pd consdrars n lmnto mstral prtncnt a otra dstrbcón y, por tanto, potncalmnt con varanza dstnta. n todo caso, sa cál sa l orgn dl problma, n mchas ocasons s posbl asocar la varanza no constant d las prtrbacons alatoras a los valors d algna d las varabls ncldas 4 n l modlo. Dcho d otro modo, podría sponrs q la varanza d la prtrbacón s compon d na part constant, homocdástca, y otra q varía sgún los valors d na dtrmnada varabl Z : f Z dond sría la part fja d la varanza, y Z la varabl o nclso la matrz d varabls cyos valors s asocan con los cambos n la varanza d las prtrbacons alatoras. s my probabl q sta asocacón ntr l procso d htrocdastcdad y na dtrmnada varabl o na combnacón d llas sa algo smplsta, probablmnt no sa my ralsta y y qzá no alcanc a sr compltamnt satsfactora para xplcar l patrón d movmnto d la varanza. Sn mbargo, asmr st tpo d conxón ntr varanza d U y na/s varabl/ss stá n la bas d la mayoría d los procdmntos d dtccón d la htrocdastcdad y, dsd lgo, rslta mprscndbl para los mcansmos d solcón d la htrocdastcdad. fctvamnt, st tpo d fncón podría sr mplada prcsamnt como l spsto smplfcador al q antrormnt s hacía rfrnca para posbltar la stmacón mdant MCG sn ncontrarnos con más ncógntas lmntos d la matrz Σ q obsrvacons. 3.- fctos d la htrocdastcdad sobr l MBRL n térmnos gnrals, los fctos d la prsnca d htrocdastcdad sobr l MBRL stmado con Mínmos Cadrados Ordnaros son: - l stmador d Mínmos Cadrados Ordnaros sg sndo lnal, nssgado y consstnt pro dja d sr fcnt varanza mínma. s ntrsant rcordar q la homocdastcdad d la prtrbacón no jga nngún papl rlvant n la nssgadz o la consstnca, propdads my mportants q s s altran, sn mbargo, ant la prsnca d rgrsors stocástcos o, n mchas ocasons, ant la omsón d varabls rlvants. 3 conomtría. D.N Gjarat. d. Mc Graw Hll. 4 n raldad, cab tambén pnsar n la posbldad q l patrón d htrocdastcdad sté rlaconado con los valors d algna varabl no nclda n l modlo na varabl omtda, conscnt o nconscntmnt anq, n gnral, y qzá por n crtro d sncllz opratva, los métodos d corrccón y dtccón s sln concntrar n la lsta d varabls xógnas ncldas n la spcfcacón.

6 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 6 - Las varanzas dl stmador d Mínmos Cadrados Ordnaros, admás d no sr mínmas, no pdn calclars con la xprsón tlzada n prsnca d homocdastcdad V β X X o, dcho d otro modo, sta xprsón s n stmador ssgado d la vrdadra varanza d los parámtros; altrnatvamnt, db tlzars la xprsón [ ] [ cov var ˆ β X X X ΣX X X ] d modo q, s s sg tlzando la xprsón d MCO, s comtrá n rror d cálclo lo q mplca, báscamnt, q nstros cálclos t ya no s dstrbrán como na t, l contrast F ya no s dstrbrá como na F o los contrasts LM ya no sgrán na Ch- Cadrado. Ant stos dos problmas, cabn n raldad dstntos scnaros n fncón d la stratga lgda por l modlzador:.- Utlzar MCO consdrando la prsnca d htrocdastcdad n s caso, aún rsolvndo l problma d cálclo, sgmos nfrntando n problma d fcnca lo cal sgnfca, n todo caso, q los contrasts d sgnfcacón habtals t, F, Ch-Cadrado tndrían a sr más xgnts, a ofrcr rsltados mnos conclynts al tmpo q los ntrvalos d confanza habtalmnt comptados para los parámtros tndrán a sr más amplos..- Utlzar MCO gnorando la htrocdastcdad n st caso, tnmos na varanza q, dado l rror d cálclo s n stmador ssgado dl vrdadro valor d la varanza valor corrctamnt calclado sn q, n gnral, s pda sabr s s cálclo ncorrcto sobrstma o sbstma l vrdadro valor. Así ps, las conclsons drvadas d la tlzacón d los contrats habtals son, sncllamnt, ncorrctas. 5 Convn admás tnr n cnta q l problma dl cálclo ncorrcto drva n raldad d q l stmador nssgado d la varanza d la prtrbacón ya no rslta sr: ~ n k d modo q, admás dl rror d cálclo n la stmacón d la varanza d los parámtros, todos aqllos contrasts o tsts basados n st stmador nssgado srán tambén ncorrctos. n todo caso, n rror frcnt consst n pnsar q calqr cálclo q mplq la tlzacón d los rrors d n modlo htrocdástco srá ncorrcto cando, n raldad, no s así. Un jmplo ntrsant s l cálclo dl cofcnt d dtrmnacón R o s vrsón corrgda q no s v afctado por la xstnca d htrocdastcdad. La razón strba n q l cálclo d la R s ralza a partr dl cálclo d las varanzas poblacons d y d y y y l hcho d q tlcmos concptos poblacons, no mstrals, mplca q 5 Sobr sta rflxón pd sr ntrsant rcordar n par d xprmntos. l prmro, ralzado por Goldfldt y Qandt n 97 Non Lnnar Mthods n conomtrcs. North Holland, pp 8. llgó a dos conclsons: q la pérdda d fcnca d MCO rspcto a MCG pd sr d hasta vcs n l parámtro constant y d 4 vcs n los parámtros q acompañan a varabls xplcatvas y q l cálclo ncorrcto d d la varanza d los stmadors gnorando la htrocdastcdad prodc n gnral n ssgo por nfravaloracón d la ral dl ordn dl dobl. l sgndo, ralzado por Davdson y Macknnon n 993 stmaton and Infrnc n conomtrcs, OUP, Nva Cork, 9993, pp conclyó q l so d MCO con o sn corrccón sobrstma consstntmnt l vrdadro rror stándar d los parámtros obtndo mdant l procdmnto corrcto MCG mntras q la tlzacón d MCO sn corrgr tndn a ofrcr mnors varanzas q las obtndos por MCO corrgdos, para los parámtros d pndnt, y mayors para l térmno ndpndnt.

7 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 7 tlzamos varanzas no condconals a los valors d x d modo q la R poblaconal no s v afctada por la prsnca d htrocdastcdad; d hcho, la xprsón ~ n stma consstntmnt la varanza dl rror poblaconal. 3.- Utlzar MCG s vdnt q sta parc la mjor d las solcons anq tambén db obsrvars q tlzacón d st stmador xgría conocr o stmar d antmano los valors d los lmntos d Σ. stmar las n varanzas dstntas d Σ partndo d n obsrvacons y k varabls xplcatvas s mposbl, d modo q, como s vrá más adlant, la tlzacón d st stmador xgrá asmr algún spsto smplfcador sobr la casa d na vntal htrocdastcdad, n spsto smplfcador q prmta a s vz dtrmnar, d forma tambén smplfcada, la forma d la matrz Σ. vdntmnt, ncontrar na smplfcacón corrcta d Σ dotará d plna tldad fcnca a la stmacón con MCG pro, a sns contraro, n mal dsño d la casa d la htrocdastcdad y s xprsón n Σ no garantzará sa fcnca. 4.- Cómo s dtcta la prsnca d Htrocdastcdad Ants d ntrar a nmrar y rvsar brvmnt los prncpals procdmntos dbn qdar claras dos cstons prlmnars:.- Rsltará mposbl obsrvar drctamnt la prsnca d htrocdastcdad ya q, n la mayoría d los análss conométrcos, sólo dspondrmos d n valor d Y para cada valor d X y por tanto d n únco valor d U por lo q rslta concptalmnt mposbl obsrvar s la varanza d las U para cada valor d X s la msma. Por tanto, la mayor part d los métodos s apoyarán n los rsdos obtndos n n modlo prvo stmado gnralmnt con MCO; stos rsdos, s tlzarán como na mstra válda d las prtrbacons alatoras dsconocdas..- Ants d la aplcacón d métodos técncos más o mnos nformals dbmos prgntarnos por la xstnca d htrocdastcdad dsd n pnto d vsta tórco consdrando la natralza dl problma analzado, las xógnas ncldas y, n dfntva, la propnsón tórca dl modlo haca la htrocdastcdad. A. Contrasts Gráfcos A. Gráfca dl rror a través d las dstntas obsrvacons dl modlo Dado q las srs conómcas prsntan cas smpr na tndnca dfnda postva o ngatva, la smpl gráfca d rror pd srvr para conocr nttvamnt s l mro transcrso dl tmpo da lgar a n ncrmnto/dcrmnto contnado dl rror, lo q sría sgnfcatvo d na rlacón ntr la volcón d las varabls dl modlo y los valors cada vz mayors o cada vz mnors d ést. Gráfcos dl rror sntomátcos d prsnca d htrocdastcdad

8 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws n ambos, la mra volcón dl tmpo stá corrlaconada con valors cada vz mayors zqrda dl rror o cada vz mnors drcha, con lo q l cálclo d la varanza por sbpríodos arrojaría valors sgnfcatvamnt dfrnts; s dcr la sr dl rror sría htrocdástca. vdntmnt, st tpo d gráfcos SÓLO tn sntdo s l modlo s tmporal ya q, n l caso dl modlo transvrsal, la ordnacón d valors dl j X dpndrá dl crtro lgdo para ordnar la mstra, n crtro q pd no concdr con l patrón d crcmnto o dcrcmnto d la varanza. A. Gráfca dl valor cadrátco dl rror y los valors d Y y X s La rprsntacón d los valors dl rror al cadrado 6 y la varabl ndógna o cada na d las varabls xógnas pd rvlar la xstnca d algún patrón sstmátco n la varanza d la prtrbacón s ntnd q l rror al cadrado s asoca con la dsprsón dl rror. st tpo d gráfco, no sólo prmt obtnr na da prlmnar d s xst o no htrocdastcdad sno tambén d la o las varabls q pdran star conctadas con la msma. B. Contrasts nmércos Todos los procdmntos prsntados aqí tratan d cantfcar la prsnca d htrocdastcdad. Algnos d llos, no sólo s lmtan a cantfcarla sno q, admás, prmtn valorar la xstnca d htrocdastcdad n térmnos d probabldad rcrrndo a dstrbcons stadístcas conocdas; st últmo grpo d contrats s dnomnan, por llo, contrasts "paramétrcos". 7 B.. Contrast d Glsjr D forma smlar al caso antror, Glsjr propon dscartar la varacón dl rror n fncón d na varabl z, q ahora pdn star lvadas a na potnca "h" q staría comprndda ntr - y. l modlo q s propon s:. stmar l modlo ncal, sobr l q s prtnd sabr s hay o no htrocdastcdad, mplando MCO y dtrmnando los rrors. 6 vntalmnt podrían tambén ralzars los gráfcos con valors absoltos dl rsdo. 7 n partclar, los contrasts q s prsntan partn d na strctra acord a la dl Mltplcador d Lagrang. D forma my nttva, sn qrr hacr na argmntacón strctamnt académca, drmos q n st tpo d contrasts s propon smpr dos modlos, no ncal y otro n l q s ncorpora algún añaddo n la spcfcacón. A partr d n rato sobr los rrors d cada no d stos modlos o algna transformada d stos, s compara s l modlo más complto aporta sfcnt xplcacón adconal d la ndógna como para compnsar l cost d ncorporar más varabls.

9 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 9 [ ] k k y y Y X X X x x x y ˆ ˆ... β β β β β. stmar catro rgrsons para los valors absoltos dl rror dl modlo antror n fncón d na varabl lvada consctvamnt a "h", q para cada modlo tomaría los valors -, -,5,,5 y. h z ε α α { }.5,.5,, h S scográ la rgrsón d las catro con parámtros sgnfcatvos y con mayor R. 3. S ntnd q, s l valor d sta R s sfcntmnt grand, s stará confrmando q xst htrocdastcdad prodcda por la varabl z, ya q sta s capaz d xplcar la volcón d la volcón dl rror como stmada d la volcón d las prtrbacons alatoras. sta conclsón s spcalmnt válda para mstras grands sgún las propas conclsons ofrcdas por Glsjr por lo q s tlzacón parc spcalmnt adcada n st tpo d condcons mstrals. B.. Contrast d Brsch-Pagan La da dl contrast s comprobar s s pd ncontrar n conjnto d varabls Z q srvan para xplcar la volcón d la varanza d las prtrbacons alatoras, stmada ésta a partr dl cadrado d los rrors dl modlo ncal sobr l q s prtnd comprobar s xst o no htrocdastcdad. l procso a sgr para llvar a cabo st contrast s l sgnt:. stmar l modlo ncal, sobr l q s prtnd sabr s hay o no htrocdastcdad, mplando MCO y dtrmnando los rrors. [ ] k k y y Y X X X x x x y ˆ ˆ... β β β β β. Calclar na sr con los rrors dl modlo antror al cadrado standarzados: n ˆ ˆ ~ 3. stmas na rgrsón dl rror calclado n l paso xplcado por na constant y l conjnto d las varabls Z q s prtnd sabr s prodcn o no htrocdastcdad n l modlo, obtnéndos la R d st modlo y la varanza d la stmada: ~... ~ p p R z z z ε α α α α

10 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 4. n prncpo, dado q l modlo tn térmno constant, s cmpl la rgla gnral d las rgrsons sgún la cal la varanza d la ndógna ral s gal a la sma d la varanza d la ndógna stmada más la varanza dl rror obtndo n l modlo S S S o s qvalnt mltplcando a ambos lados d la galdad por l ~ ˆ~ ε ˆ númro d obsrvacons n, dond n vz d varanzas hablarmos d Smas al cadrado. Por llo, s l modlo s "malo" la varanza d la ndógna stmada srá pqña s lo msmo q dcr q la varanza dl rror stmado s grand o q l "modlo tn mcho rror". n dfntva, y sgndo l ntrés q aqí bscamos, s la varanza d la ndógna stmada n st sgndo modlo s my pqña, starmos afrmando q l podr xplcatvo dl conjnto d varabls Z sobr la rprsntacón d la varanza d las prtrbacons alatoras s scaso. A partr d sta afrmacón, podríamos gnrar n contrast calclado con la sma rsdal, a sabndas d q canto más crca d cro s ncntr, más probabldads d homocdastcdad habrá n l modlo. l contrast propsto s: * S ˆ~ n los ators dmstran q, n l caso d n modlo homocdástco, s dstrby como na χ, con lo q, s l valor dl rato spra al valor d tablas, s rchaza la hpótss p nla homocdastcdad; s dcr, s acpta q l conjnto d varabls Z stá prodcndo htrocdastcdad n l modlo orgnal. l contrast d Brsch Pagan fctvamnt nos srvrá para acptar o dscartar la prsnca d htrocdastcdad dbda a s conjnto d varabls Z ctado, pro s opratvdad s lmtada. S l conjnto d las varabls Z contn varabls no ncldas n l modlo orgnal, parc dfícl no habrlas tndo n cnta ants para ralzar na bna spcfcacón y sí tnrlas n cnta ahora para la contrastacón. Por otro lado, la lsta d varabls Z db sr ncsaramnt pqña para podr ralzars l contrast. B.3. Contrast d Wht prba gnral d htrocdastcdad d Wht Anq n aparnca sta prba s parcda a las mnconadas antrormnt, parc admtdo q algo más robsta al no rqrr spstos prvos como, por jmplo, la normaldad d las prtrbacons. Por otro lado, tal y como s vrá a contnacón, la prba no xgrá dtrmnar a pror las varabls xplcatvas d la htrocdastcdad lo cal no s ncsaramnt na vrtd y s por sta razón por lo q s dnomna prba gnral. n st contrast la da sbyacnt s dtrmnar s las varabls xplcatvas dl modlo, ss cadrados y todos ss crcs posbls no rptdos srvn para dtrmnar la volcón dl rror al cadrado. s dcr; s la volcón d las varabls xplcatvas y d ss varanzas y covaranzas son sgnfcatvas para dtrmnar l valor d la varanza mstral d los rrors, ntndda ésta como na stmacón d las varanzas d las prtrbacons alatoras. l procso a sgr para ralzar st contrast sría l sgnt:. stmar l modlo orgnal por MCO, dtrmnando la sr d los rrors. scrto sto n forma matrcal para n modlo con "n" obsrvacons y "k" varabls xplcatvas:

11 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws Y Xβ U [ X X ] ˆ β Yˆ X ˆ β Y Yˆ X Y. stmar n modlo n l q la ndógna sría los valors al cadrado d los rrors obtndos prvamnt paso con todas las varabls xplcatvas dl modlo ncal, ss cadrados y ss combnacons no rptdas. α α α x k k x x 3... α x... α 3k k x k x α 3 k x... ε... α k k x k α k k x x 3. l valor d la R d st sgndo modlo paso nos drá s las varabls lgdas srvn o no para stmar la volcón varant dl rror al cadrado, rprsntatvo d la varanza stmada d las prtrbacons alatoras. vdntmnt, s la varanza d éstas fra constant homocdastcdad, l caráctr no constant d las varabls xplcatvas mplcadas n l modlo no srvría para xplcar la ndógna, lgo la dbra sr my pqña. n prncpo, la R, como proporcón d la varanza d la ndógna ral 8 q qda xplcada por la stmada, dbra sr my pqña s la capacdad xplcatva d los rgrsors consdrados tambén s my pqña, sndo stos rgrsors, por s constrccón, rprsntatvos d varanzas y covaranzas d todas las xplcatvas dl modlo orgnal. Dcho sto, vdntmnt n valor d la R sfcntmnt pqño srvrá para conclr q no xst htrocdastcdad n l modlo prodcda por los valors d las xplcatvas consdradas n l modlo ncal. Para ncontrar l valor crítco n sa consdracón d sfcntmnt pqño s mpla la xprsón ddcda por Brsch y Pagan como prodcto dl cofcnt R por l númro d datos dl modlo, q s dstrbría dl sgnt modo: R R p n χ n dfntva, s obtnmos n valor dl prodcto χ p R n mayor q l rfljado por las tablas d, afrmarmos q xst htrocdastcdad, y vcvrsa, s st valor s más pqño drmos q s mantn la homocdastcdad lgo la hpótss nla d st contrast s la homocdastcdad. Otro modo d contrastar la xstnca d htrocdastcdad n l modlo a partr d la valdz o no d los parámtros ncldos n la rgrsón propsta por Wht vndría dado por l valor dl contrast d sgnfcacón conjnta F. S dcho contrast afrmara q, n conjnto, las varabls xplctadas tnn capacdad xplcatva sobr la ndógna, staríamos afrmando la prsnca d htrocdastcdad n l modlo. 8 n st caso, la ndógna ral srá l valor dl rror mstral al cadrado d la prmra rgrsón practcada. n l caso d homocdastcdad, st db sr cas constant, por lo q dfíclmnt la volcón d otras varabls podría xplcar n valor fjo. Por llo s nttvo pnsar q canto mayor sa la R d st modlo, más probabl srá la htrocdastcdad.

12 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws B.4. Contrast a partr dl cofcnt d corrlacón por rangos d Sparman La flosofía d st contrast rsd n q la varabl sospchosa d prodcr htrocdastcdad dbría provocar n crcmnto dl rsdo stmado al msmo rtmo q lla va crcndo. Por llo, s ordnáramos d mnor a mayor tanto la varabl sospchosa, por jmplo x j, como l valor absolto dl rsdo,, l cambo d psto n ambas, y para cada na d las obsrvacons, dbra sr dl msmo númro d pstos rspcto al ordn orgnal d las srs. n la mdda n la q st cambo d psto rspcto al orgnal no sa l msmo para las dos na vz ordnadas s podría hablar d movmntos no corrlaconados. Dado q la corrlacón s md ntr no y mnos no, Sparman propon dtrmnar n grado d corrlacón n s cambo d psto rspcto al ncal d cada na d las varabls a partr d la dfrnca ntr l nvo psto y l ncal: 6 d r n n n sta xprsón, na concdnca máxma todas las dstancas son gal a cro, daría lgar a na corrlacón d Sparman gal a no; mntras q na dstanca máxma, provocaría n valor cro d dcho cofcnt d corrlacón 9. n la sgnt tabla s hac n pqño jmplo nmérco d cálclo dl cofcnt d Sparman para clarfcar lo dcho hasta ahora. n Srs orgnals Srs ordnadas Psto x j x j Psto Psto d d orgnal orgnal.838,6 44, ,4 5 3, , 688 5, ,3.838, ,5.33 4, n 6 d 6 * 3 r,8,8 n n 55 n st caso, l grado d corrlacón ngatva d ambas srs sría bastant lvado, dado q los xtrmos d corrlacón srían /-. Para valorar la sgnfcatvdad o no d sta corrlacón, s conoc la fncón d dstrbcón dl sgnt rato bajo la hpótss nla d no sgnfcatvdad, dmostrado por l ator: 9 Ralmnt, l cofcnt d corrlacón por rangos d Sparman s qvalnt a mplar l cofcnt d corrlacón lnal cov x, y r x, y a las varabls d pntacón d ordn d ambas colocadas S x S y sgún la progrsón d na d llas. Para vr l dtall dl dnomnador, s pd acdr a Martín- Gzmán y Martín Plgo 985, págnas 3-34.

13 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 3 r s N r S t n Con llo, s l rsltado dl rato s spror al valor d tablas podrmos afrmar q la corrlacón s sgnfcatva o, d cara a nstro ntrés n st caso, q hay ndcos d htrocdastcdad n l modlo provocada por la varabl x j. B.5 Otros contrasts Anq no s comntarán aqí, s s convnnt ctar otros contrasts habtals para la dtrmnacón d la htrocdastcdad, como: - Contrast d Harvy - Contrast tst d Park - Contrast RST d Ramsy - Golfld-Qandt - Contrast d pcos - LM Arch 5.- Cómo s corrg Ants d ntrar n los métodos opratvos q prmtn la stmacón n prsnca d htrocdastcdad, dbn hacrs dos pntalzacons:.- La corrccón q s vrá n st apartado s planta como na stratga adaptatva, d convvnca con la htrocdastcdad pro, n todo caso, db ntndrs q, n algnas ocasons, l problma q gnra n comportamnto htrocdástco d la prtrbacón pd rsolvrs varando la spcfcacón lo q, sn dda algna, sría na vrdadra corrccón dl problma..- La stmacón altrnatva al so d MCO n stacons d htrocdastcdad s la tlzacón d MCG y, por tanto, sta s la únca stratga analítcamnt corrcta para la solcón dl problma. No obstant, y como ya s ha dcho, sto mplcaría conocr l vrdadro valor d la matrz sgma d varanzas y covaranzas, stacón q, n la práctca, no s habtal. Por tanto, los métodos q s prsntan aqí sponn na altrnatva opratva a sta hpotétca stacón dal..- Transformacón d las varabls orgnals Como hmos vndo vndo rptdas vcs a lo largo dl tma, la htrocdastcdad vn prodcda por la dpndnca d la varanza d las prtrbacons alatoras d na o más varabls q, a s vz, pdn star prsnts n l modlo o no. Los dstntos métodos d dtctar st problma srvían para probar la dpndnca d la varanza d la prtrbacón alatora d n conjnto d varabls, a partr d lo q hmos llamado n spsto smplfcador: f Z Por lógca, l modo d sbsanar l problma dtctado srá oprar convnntmnt la varabls dl modlo prcsamnt lmnando la fnt d htrocdastcdad q habrmos poddo dfnr cando dtctamos la msma. Como vrmos a contnacón, s l conjnto total d las varabls dl modlo ndógna nclda s dvddo por la forma stmada d sta fncón d la raíz d la varanza htrocdástca na vz algún método d dtccón nos haya

14 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 4 confrmado q fctvamnt l comportamnto d sta varanza s pd sgr convnntmnt con dcha fncón starmos corrgndo l modlo. Para comprobar sto, podmos volvr a la forma matrcal d varanzas covaranzas no scalar: Σ n n n n n I UU n sta matrz, s dvdmos por Z f, obtndrmos na dagonal prncpal d nos; s dcr, volvríamos al caso d na matrz d varanzas covaranzas scalar tal y como la q s spon n l modlo básco d rgrsón lnal. Formalmnt, para probar sto sgmos los sgnts pasos. Dado q la matrz Σ s na matrz smdfnda postva todos los lmntos d s dagonal prncpal son ncsaramnt postvos, smpr podrmos dscomponrla n dos matrcs d la forma: Σ Σ P P PP Volvndo a la matrz d varanzas covaranzas no scalar y nndo sto a la fncón q hmos comprobado srv para dfnr sta varanza no constant Z f, s fácl llgar a q la dscomposcón Σ Σ P P PP s: PP n n n n Σ S mltplcamos cada varabl dl modlo por sta matrz P, tal y como s ha sgrdo, obtnmos nas nvas varabls dl sgnt tpo: * * * U X Y U P x P Y P β β dond: I n P P UU UU P P P UU P U U * * Σ Σ Σ Σ Por lo q podmos afrmar q l modlo transformado aql por l q s han dvddo todas las varabls por la dsvacón típca stmada d las prtrbacons alatoras soporta na

15 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 5 matrz d varanzas covaranzas d las prtrbacons alatoras scalar, con lo q s pd stmar con toda garantía por MCO. n dfntva, y a modo d brv rcta, los pasos para la corrccón d la htrocdastcdad srían los sgnts: a S stman los parámtros dl modlo por MCO, gnorando por l momnto l problma d la htrocdastcdad d las prtrbacons alatoras b S stablc n spsto acrca d la formacón d y s mplan los rsdos d la rgrsón por MCO para stmar la forma fnconal spsta. c S dvd cada obsrvacón por ˆ sgún l paso antror sgún l valor d sa htrocdastcdad spsta stmada, smpr y cando n contrast nos haya confrmado q l modlo smplfcador s bno. d S stma l modlo orgnal ahora con todas las varabls transformadas sgún l paso c..- stmacón consstnt d Wht l procdmnto propsto por Wht prmt na stmacón q, n térmnos asntótcos, prmt la tlzacón d los procdmntos d nfrnca stadístca clásca. Báscamnt, la da consst n tlzar los rrors cadrátcos d na stmacón prva d MCO como lmntos d la matrz d varanzas d la prtrbacón matrz Σ. Wht dmostró q, sta stratga d pondracón prmt obtnr stmadors consstnts d las varanzas d los parámtros. La mayor part d los paqts nformátcos ncorporan st cálclo d modo q, n gnral, s tlzacón parc rcomndabl, al mnos con fns xploratoros. n todo caso, dbn hacrs dos pntalzacons q qzá rsltn ntrsants al q, por vz prmra, s asom a st procdmnto..- Los parámtros stmados consstntmnt con Wht concdrán con los d la rgrsón orgnal MCO n todo caso, rcrd q l problma d la htrocdastcdad no s n problma d ssgo n nconsstnca..- Nada garantza, a pror, q las varanzas d los parámtros stmados con Wht san mnors q las orgnals, dado q db rcordars q las MCO orgnals mal calcladas prsntaban n ssgo ndtrmnado, pro gnralmnt d nfravaloracón d la varanza ral. TRATAMINTO D LA HTROCDASTICIDAD N -VIWS S propon n modlo para cantfcar las vntas d Brgr Kng VTASBK n na sr d paíss, proponéndos como xplcatvas las sgnts varabls: PRCIOSBK: PRCIOSMAC: RNTAPC: Prcos Hambrgsa Whopr Prcos Hambrgsa Bg Mac Rnta pr capta dl país Ralzada na prmra rgrsón, los rsltados obtndos son los sgnts:

16 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws Rsdal Actal Fttd Matrz d corrlacons d las varabls VTASBK PRCIOSBK PRCIOSMAC RNTAPC VTASBK PRCIOSBK PRCIOSMAC RNTA PC No s da nngna corrlacón ntr varabls xplcatvas spror al R obtndo n l modlo, por lo q no parc habr ndcos d mltcolnaldad. Tan sólo xst na frt corrlacón ntr PRCIOSBK y PRCIOSMAC,743, n calqr caso más pqño q l,99. A la lz dl gráfco d rsdos, podría pnsars q q los cnco prmros paíss prsntarían na varanza mayor q los sgnts, anq, como sl ocrrr con los gráfcos, no s pd aprcar nada claramnt.

17 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 7 l sgnt lmnto a contrastar sría la prsnca d htrocdastcdad n l modlo. l programa -Vws smnstra, con st fn, la posbldad d dtctar la htrocdastcdad, ntr otros, a partr dl Tst d Rsdos d Wht, ofrcndo dos posbldads: - No Cross Trms: Ralzar la rgrsón d los rrors al cadrado d la rgrsón ncal dl modlo scrbndo como xplcatvas todas las xógnas d la ncal y ss valors al cadrado. - Cross Trms: gal q la antror, pro nclyndo admás, como xplctvas dl rror al cadrado, los prodctos no rptdos d todas las varabls xplcatvas dl modlo ncal ntr sí. n prncpo, l contrast xprsado por Wht sría la sgnda opcón, pro, n modlos con scasas obsrvacons, a lo mjor no s posbl ralzar la stmacón con tantos rgrsors y s más rcomndabl la prmra opcón por no lmnar compltamnt los grados d lbrtad. n nstro caso, l númro d obsrvacons s paíss y l númro d xplcatvas trs más la constant, lgo l contrast d Wht con térmnos crzados qvaldría a nclr varabls xplcatvas sobr l cadrado d los rrors d la rgrsón ncal la constant, las trs xplcatvas, ss trs cadrados y los trs crcs posbls no rptdos ntr llas. Para aplcar st contrast n -vws, dsd la msma vntana dond s ha ralzado la rgrsón, s sg l sgnt traycto: Los rsltado d st Tst d rsdos Wht htroskdastcty cross trms son: Wht Htroskdastcty Tst: F-statstc Probablty. Obs*R-sqard Probablty.47

18 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 8 Como rsltado, s nos ofrcn dos formas d contrastar la valdz d las varabls lgdas para xplcar n comportamnto no homogéno dl rror al cadrado stmador d la varanza d la prtrbacón alatora n st caso: - F-stasttc como smpr con k-; n-k grados d lbrtad, nos vndría a dar na mdda d la bondad dl modlo probabldad d htrocdastcdad s s confrma la valdz conjnta d las varabls lgdas para dtrmnar la varacón dl rror al cadrado - la ndógna-. - Obs*R-sqard n R χ p : spsta la hpótss nla d homocdastcdad, l cálclo propsto dbría comportars como na χ p con p- grados d lbrtad. n nstro caso p las xplcatvas d la rgrsón practcada. l valor d tablas d χ, para l 95% d confanza, s 6,9. A la lz d lo dcho, ambos stadístcos propstos afrman, con n 97,9% d probabldads l prmro y con n 96,73% d probabldads l sgndo, la xstnca d htrocdastcdad. La msma salda nos mstra la rgrsón tlzada para ralzar stos cálclos, q sría la sgnt: Tst qaton: Dpndnt Varabl: RSID^ Mthod: Last Sqars Dat: 4/4/ Tm: 8:3 Sampl: Incldd obsrvatons: Varabl Coffcnt Std. rror t-statstc Prob. C PRCIOSBK PRCIOSBK^ PRCIOSBK*PRCIOSMAC PRCIOSBK*RNTAPC PRCIOSMAC PRCIOSMAC^ PRCIOSMAC*RNTAPC RNTAPC RNTAPC^ R-sqard Man dpndnt var Adjstd R-sqard S.D. dpndnt var 4.94 S.. of rgrsson Akak nfo crtron.36 Sm sqard rsd Schwarz crtron.5347 Log lklhood -.36 F-statstc Drbn-Watson stat.8789 ProbF-statstc.

19 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 9 A la lz d sta rgrsón, s fácl comprobar la sgnfcatvdad d la varabl rntapc y rntapc^ para xplcar la varanza dl rror. Tambén los s prcosbk^ y prcosbk*rntapc. Para corrgr l problma d la htrocdastcdad, habría q mplar Mínmos Cadrados Gnralzados, o bn transformar todas las varabls dl modlo prdvdndo todas ss obsrvacons por la raíz cadrada dl valor stmado dl rror al cadrado n l modlo q s ha tlzado para contrastar la prsnca d htrocdastcdad y q nos ha nformado sobr la prsnca d la msma y la bna xplcacón dl comportamnto no constant d la varanza. l programa -vws prmt ralzar la stmacón por MCG sando como valor d Σ l obtnbl a partr d la propsta d Wht 98. l stmador consstnt d la matrz d covaranzas para lograr na stmacón corrcta d los parámtros n prsnca d htrocdastcdad s l sgnt: ˆ n Σ t t t X n k n [ X X ] x x [ X ] Para lograr na stmacón mplando sta corrccón n -vws, s ncsaro, na vz s jcta na stmacón lnal normal, plsar l botón d stmat. Aparcrá ntoncs, a la drcha, n botón d opcons q, plsado, prmt sñalar Htroskdastcty: consstnt covaranc Wht.

20 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws stmando sgún sta propsta, ya q hmos confrmado la prsnca d htrocdastcdad, los rsltados srían los sgnts: Dpndnt Varabl: VTASBK Mthod: Last Sqars Dat: 4// Tm: 3:37 Sampl: Incldd obsrvatons: Wht Htroskdastcty-Consstnt Standard rrors & Covaranc Varabl Coffcnt Std. rror t-statstc Prob. C PRCIOSBK PRCIOSMAC RNTAPC R-sqard.9994 Man dpndnt var Adjstd R-sqard S.D. dpndnt var S.. of rgrsson Akak nfo crtron Sm sqard rsd 4.63 Schwarz crtron Log lklhood F-statstc Drbn-Watson stat ProbF-statstc. Rfrncas bblográfcas GUJARATI, D. 6: Prncpos d conomtría. Mc Graw Hll, Capítlo 3. pag.385 GOLFDLD,SM Y QUANDT 97: Non Lnnar Mthods n conomtrcs. North Holland, pag. 8. MARTÍN-GUZMÁN Y MARTÍN PLIGO 985: Crso básco d stadístca conómca. dtoral AC NOVALS, A. 993: conomtría. dtoral Mc Graw Hll, sgnda dcón. Madrd. Capítlo 6, págna: 93. OTRO, JM 993: conomtría. Srs tmporals y prdccón. dtoral AC, lbros cntífcos y técncos. Madrd.

21 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws PULIDO, A. y PÉRZ, J. : Modlos conométrcos. dtoral Prámd, SA. Madrd. Capítlo 4, págna: 7.

22 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws jmplo práctco d análss d htrocdastcdad Ramón Mahía Marzo 6 I.- RGRSIÓN INICIAL Los datos para ralzar sta rgrsón s han tomado dl jmplo. dl lbro conomtría d D.N. Gjarat, d. Mc.Graw Hll. Carta dcón. Los datos s rfrn a gastos n ID GID, Vntas y Bnfcos para 8 sctors ndstrals consdrados y fron a s vz xtraídos d Bsnss Wk, Spcal 989 Bons Iss, R&D Scorcard, pp l jmplo tlzado no s corrspond, sn mbargo, con l ralzado por Gjarat n l txto arrba ndcado: la rgrsón q s propon para l análss n st jmplo trata d xplcar los cambos n los gastos n ID n fncón d las vntas y los bnfcos. I.A.- Otpt d la stmacón Dpndnt Varabl: GID Mthod: Last Sqars Dat: 3//6 Tm: :36 Sampl: 8 Incldd obsrvatons: 8 Varabl Coffcnt Std. rror t-statstc Prob. C VNTAS BNFICIOS R-sqard Man dpndnt var Adjstd R-sqard.4639 S.D. dpndnt var 376. S.. of rgrsson Akak nfo crtron 3.48 Sm sqard rsd. Schwarz crtron Log lklhood F-statstc Drbn-Watson stat ProbF-statstc apnts my brvs sobr la valoracón global d sgnos y sgnfcacón: - Sgnos corrctos - Varabls no sgnfcatvas n ndvdalmnt n d forma conjnta - R scaso I.B.- Problmas d mltcolnaldad?

23 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 3 A la vsta d la frt corrlacón ntr vntas y bnfcos, lo más probabl s q SI. No obstant, vamos a mantnr la rgrsón sn cambos con stas dos xplcatvas con l fn d lstrar los procdmntos d dtccón d htrocdastcdad n st contxto mltvarant. II.- DTCCIÓN D LA HTROCDASTICIDAD II.B.- Aproxmacón Tórca La tlzacón d modlos transvrsals, spcalmnt cando las ndads obsrvadas prsntan, para las varabls d ntrés, dfrnts tamaños, spon n rsgo vdnt d htrocdastcdad. Por otro lado, cab sponr q los gastos n ID san, no sólo más grands canto mayor sa la mprsa mayor sa s volmn d vntas, sno probablmnt tambén más varabls; algo smlar ocrr d hcho con otras varabls mprsarals q prsntan na dstrbcón htrocdástca rspcto al tamaño la dstrbcón d salaros, la prodctvdad, tc.. II.B.- Aproxmacón Gráfca II.B..- Ral, stmada, rror. La mstra aparc ordnada sgún l tamaño vntas d la mprsa. Por llo, y a psar d tratars d n modlo transvrsal, st tpo d gráfco tn sntdo n st jmplo s sponmos q la htrocdastcdad stá rlaconada con l tamaño Rsdal Actal Fttd

24 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 4 l gráfco d los rrors mstra, fctvamnt, q la dsprsón d los msmos alrddor d la mda nla amnta sgún l tamaño d la mprsa tambén lo hac n st caso, nssto, l j horzontal no rprsnta sólo la transcón d nas mprsas a otras sno tambén l ncrmnto d tamaño dado q la mstra aparc ordnada por volmn d vntas. II.B..- Gráfcos X/Y scat ntr rrors y varabls La rprsntacón d los rsdos al cadrado d la rgrsón y la varabl d vntas o bnfcos amabas rprsntan l tamaño, arroja, nvamnt n claro ndco d rlacón ntr ambas. S lstran dos vrsons d los msmos gráfcos, n la prmra vrsón s ha tlzado la mstra complta d rrors, n la sgnda, con l fn d acntar l gráfco, s han lmnado los dos rsdos atípcamnt grands d la sr d rrors cadrátcos obsrvacons 6 y 7. n todos los casos s mstra la lína d rgrsón d la nb d pntos n la q s aprca, claramnt, na pndnt postva. La tlzacón d rsdos n valor absolto n lgar d rsdos cadrátcos no mplca dfrncas sstancals. Gráfcos rrors Cadrátcos / xógnas sn corrccón d atípcos RSID VNTAS

25 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws RSID BNFICIOS Gráfcos rrors Cadrátcos / xógnas corrgdos atípcos obsrvacons 6 y RSID_AT VNTAS

26 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws RSID_AT BNFICIOS II.C.- Métodos nmércos II.C..- Rgrsons nvarants d Glsjr Conform al procdmnto dscrto n los docmntos tórcos, ralzamos la stmacón dl valor absolto dl rsdo n fncón d cada na d las dos xógnas tlzando dstntas paramtrzacons para l modlo dstntos valors d h. β X v β h Para stas rgrsons, obsrvamos l valor dl cofcnt d dtrmnacón R y l pval dl contrast t d Stdnt para l cofcnt β. Bnfcos Vntas R p-val R p-val h, h h h h h A la vsta d los rsltados, s confrma la vdnt rlacón dl rror con las varabls xógnas, spcalmnt con la varabl d bnfcos. La paramtrzacón con mjors

27 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 7 rsltados la q n mayor mdda vdnca la htrocdastcdad spon la rlacón ntr los rrors absoltos y l bnfco al cadrado lo cal pd sr d ntrés a la hora d proponr na transformacón homocdástca para l modlo. II.C..- Contrast d Brsch - Pagan Ralzamos n prmr lgar la transformacón d la sr d rsdos orgnals RGID a la vrsón cadrátca standarzada q s propon n l contrast BP: ~ Para ralzar st cálclo, prmro ncstamos conocr l valor d la varanza rsdal d los rsdos orgnals q rslta sr: n , ,7 8 d modo q tnmos : RGID RGID_ST -48,7,4-4.56,,8-58,86,5-6.86,36,75.8,3,4 -.99,3,7 5.8,89, ,96, ,9,44.96,39, ,3, ,9, ,56, ,8, ,8, ,5 6, ,6 7, ,7,3357 Ralzamos ahora la rgrsón d sta sr d rsdos transformada n fncón d la/las varabls aparntmnt conctadas con la htrocdastcdad. n nstro caso, proponmos tlzar l bnfco y s cadrado como varabls xplcatvas: BNFICIOS BNFICIOS v ~ β β β n -Vws, s nstra varabl orgnal d rsdos s dnomna RGID, la varabl transformada para BP podría gnrars como: rgd_strgd/@varrgd^.5^

28 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 8 Dpndnt Varabl: RGID_ST Mthod: Last Sqars Dat: 3//6 Tm: 3: Sampl: 8 Incldd obsrvatons: 8 Varabl Coffcnt Std. rror t-statstc Prob. C BNFICIOS BNFICIOS^ R-sqard Man dpndnt var. Adjstd R-sqard S.D. dpndnt var.447 S.. of rgrsson.3469 Akak nfo crtron Sm sqard rsd Schwarz crtron Log lklhood F-statstc Drbn-Watson stat ProbF-statstc. La sma cadrátca xplcada d sta rgrsón s s dcr: ˆ~ 56.9 ˆ~ Con l fn d contrastar la Hpótss nla d nla d Homocdastcdad, y dado q la rato SC/ s dstrby como na Ch cadrado con p grados d lbrtad númro d parámtros stmados obsrvamos l valor d na Ch cadrado a na sola cola para n nvl d sgnfcacón dl 95% y 3 grados d lbrtad parámtros stmados n la rgrsón: 7.8. l valor mstral calclado, 6.59 s claramnt spror al valor d tablas lgo, al 95% d confanza, rchazamos la hpótss nla d Homocdastcdad. II.C.3.- Contrast d Wht No parcn ncsaros contrasts adconals para asgrar la prsnca d htrocdastcdad lgada a la varabl d bnfcos pro, no obstant, ralzamos la prba d Wht con fns lstratvos. -Vws ralza d forma atomátca st contrast s, na vz ralzada la rgrsón, hacmos clc sobr la opcón Vw- Rsdal Tst Wht Htroskdastcty. La opcón cross trms tlza como xógnas los prodctos crzados d las varabls xógnas mntras q opcón no cross trms sólo mpla las xógnas y ss cadrados.

29 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 9 La rgrsón d Wht, fctada para los rsdos cadrátcos n fncón d las varabls xógnas, ss cadrados y ss prodctos crzados rslta sr: Wht Htroskdastcty Tst: F-statstc Probablty. Obs*R-sqard Probablty.6787 Tst qaton: Dpndnt Varabl: RSID^ Mthod: Last Sqars Dat: 3//6 Tm: 5:9 Sampl: 8 Incldd obsrvatons: 8 Varabl Coffcnt Std. rror t-statstc Prob. C VNTAS VNTAS^ VNTAS*BNFICIOS BNFICIOS BNFICIOS^ R-sqard Man dpndnt var 6.78 Adjstd R-sqard.8446 S.D. dpndnt var.39 S.. of rgrsson 5.58 Akak nfo crtron Sm sqard rsd 3.88 Schwarz crtron Log lklhood F-statstc Drbn-Watson stat.735 ProbF-statstc. Una vz más, los ndcos d atocorrlacón son claros. Los rsltados dl tst d Wht mstran, por n lado, l lvado valor d la R n la rgrsón nstrmntal, q spra l valor d na Ch cadrado con p- 6- grados d lbrtad, para n nvl d sgnfcacón dl.67%, s dcr, dl 99,3%. Por otro lado, aparcn cofcnts stadístcamnt sgnfcatvos al 99,5% para la varabl d Bnfcos al cadrado y al 96,8% para l prodcto crzado d los Bnfcos por las Vntas.

30 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 3 III.- CORRCCIÓN D LA HTROCDASTICIDAD III.A.- Transformacón d las varabls orgnals Proponmos como solcón al problma la transformacón d los datos orgnals tlzando para la transformacón la varabl d Bnfcos al cadrado, s dcr, aqlla q n mayor mdda s ha mostrado conctada con la htrocdastcdad. n la práctca, so spon dvdr la ndógna y las xógnas ntr la varabl d bnfcos la raíz d los bnfcos al cadrado son los propos bnfcos. Por jmplo, y para l caso d la ndógna, la rgrsón s fctaría ahora tlzando como varabl a xplcar la rato d los Gastos n ID sobr los bnfcos. Pantalla d stmacón: INICIAL Pantalla d stmacón: TRANSFORMADA Pdn obsrvars los sgnts cambos q mrcn atncón:.- Al dvdr todas las varabls ntr la varabl BNFICIOS, dbmos obsrvar q tambén qdará dvdda la propa varabl BNFICIOS, gnrando por tanto na varabl con todos ss valors gals a ; s dcr, gnrando n térmno ndpndnt. Por sa razón no s spcfca n la vrsón corrgda d -Vws la aparcón dl térmno C.

31 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 3.- l térmno ndpndnt d la rgrsón orgnal, spcfcado n -Vws orgnalmnt como C, ra n raldad na varabl con todos ss valors gals a. Al dvdr s térmno ndpndnt ntr la varabl BNFICIOS tnmos n raldad na nva varabl /Bnfcos, q s la q aparc n la pantalla d stmacón. sta transformacón pd obsrvars matrcalmnt aqí: Matrz Orgnal X Matrz Transformada X.... Vntas Vntas Vntas Vntas 3 8 Bnf Bnf Bnf Bnf Bnf 3 Bnf3.. Bnf.. 8 Bnf8 Vntas Bnf Vntas Bnf Vntas3 Bnf 3 Vntas Bnf 8 8 Dpndnt Varabl: GID/BNFICIOS Mthod: Last Sqars Dat: 3//6 Tm: 5:58 Sampl: 8 Incldd obsrvatons: 8 Wht Htroskdastcty-Consstnt Standard rrors & Covaranc Varabl Coffcnt Std. rror t-statstc Prob. /BNFICIOS VNTAS/BNFICIOS BNFICIOS/BNFICIOS R-sqard.89 Man dpndnt var Adjstd R-sqard S.D. dpndnt var S.. of rgrsson.539 Akak nfo crtron.848 Sm sqard rsd.7657 Schwarz crtron.5684 Log lklhood.9435 F-statstc Drbn-Watson stat ProbF-statstc.3 S s dsa comparar los cofcnts d sta nva rgrsón con los d la orgnal, podría mltplcars toda la rgrsón por la varabl Bnfcos. Los parámtros d la rgrsón orgnal son ahora lgramnt dstntos a los d la orgnal, ss rrors stándar mcho más rdcdos y l cofcnt d dtrmnacón ha mjorado sstancalmnt:

32 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 3 Rgrsón Incal Rgrsón Corrgda Térmno Indpndnt ,38 Std. rror p-val Vntas Std. rror p-val.496. Bnfcos Std. rror p-val R Por otro lado, la rprsntacón d los rsdos d la rgrsón no mstra, aparntmnt, ndcos d htrocdastcdad: III.B.- stmacón d Wht Rsdal Actal Fttd l propo -Vws ofrc la posbldad d tlzar na stmacón corrgda a partr d na pondracón ralzada con los rsdos obtndos dl contrast d Wht. sta opcón stá dsponbl n la pantalla dl mnú d stmacón d la cacón, dntro d la opcón Optons :

33 Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws 33 Cando s hac sto, s obtn para nstro jmplo la sgnt stmacón: Dpndnt Varabl: GID Mthod: Last Sqars Dat: 3//6 Tm: 6:4 Sampl: 8 Incldd obsrvatons: 8 Wht Htroskdastcty-Consstnt Standard rrors & Covaranc Varabl Coffcnt Std. rror t-statstc Prob. C VNTAS BNFICIOS R-sqard Man dpndnt var Adjstd R-sqard.4639 S.D. dpndnt var 376. S.. of rgrsson Akak nfo crtron 3.48 Sm sqard rsd. Schwarz crtron Log lklhood F-statstc Drbn-Watson stat ProbF-statstc.3788 Pd comprobars q los parámtros obtndos n la rgrsón no dfrn d los ncals pro, sn mbargo, sí lo hac s prcsón s Std. rror y, por tanto, ss stadístcos d sgnfcatvdad ndvdal. n nstro caso, la prcsón dl parámtro rlatvo a las vntas s mnor s s tlza la corrccón d Wht mntras q scd lo contraro para l caso d la varabl bnfcos.

I. DEFINICIÓN (i): LOGIT como un tipo concreto de MODELOS DE REGRESIÓN PARA VARIABLES DEPENDIENTES LIMITADAS.

I. DEFINICIÓN (i): LOGIT como un tipo concreto de MODELOS DE REGRESIÓN PARA VARIABLES DEPENDIENTES LIMITADAS. Curso d Posgrado 0-03 FORMACIÓN DE ESPECIALISTAS EN INVESTIGACIÓN SOCIAL APLICADA Y ANÁLISIS DE DATOS Técncas d modlzacón d varabls cualtatvas: Rgrsón Logístca Part I: El modlo d rgrsón logístca bnaro

Más detalles

UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL

UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL MÉTODOS DE MALLADO Y ALGORITMOS ADAPTATIVOS EN DOS Y TRES DIMENSIONES

Más detalles

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las

Más detalles

Si v y w son ambos vectores, entonces el resultado de las operaciones v + w y v w son. Dichas operaciones cumplen con propiedades conmutativas y

Si v y w son ambos vectores, entonces el resultado de las operaciones v + w y v w son. Dichas operaciones cumplen con propiedades conmutativas y Crso nzdo d Fnómnos d Trnsport Dr. Jn Cros Frro Gonzáz Dprtmnto d Ingnrí Qímc Insttto Tcnoógco d Cy Oprcons con Vctors Adcón y sbstrccón d ctors S y w son mbos ctors, ntoncs rstdo d s oprcons w y w son

Más detalles

Movilidad Social y Desigualdad Económica 1

Movilidad Social y Desigualdad Económica 1 ovldad Socal y Dsgualdad Económca Juan Prto Rodríguz Unvrsdad d Ovdo Avda. dl Crsto s/n 3307 Ovdo Tl: +34 985 03768. E-mal: jprtor@unov.s Juan Gabrl Rodríguz Unvrsdad Ry Juan Carlos Campus d Vcálvaro 28032

Más detalles

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS ANÁLISIS DE SISTEMAS ELECTÓNICOS EALIMENTADOS DESANECIMIENTO J.M. Mlá d la oca P. EDITOIAL MIL 6 CAACAS Esta obra s ncuntra rvsón; cualqur obsrvacón qu UD tnga s l agradc comuncarla al autor. jmmladroca@hotmal.com

Más detalles

MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS

MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS Modlos d sbastas y s aplaón a los onrsos. MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS Jan Momparlr, Maro Hdalgo Jam I, UTEM RESUMEN En st trabao ralzamos na ntrodón hstóra a la Toría d sbastas

Más detalles

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos Mnstro d Fomnto Scrtaría d Estado d Infrastructuras, Transport y Vvnda Drccón Gnral d Arqutctura, Vvnda y Sulo Documnto d Apoyo al Documnto Básco DB-HE Ahorro d nrgía Códgo Técnco d la Edfcacón DA DB-HE

Más detalles

VARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA

VARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA AIAIÓN DE IMPEDANIAS ON A FEUENIA EN IUITOS DE OIENTE ATENA Fundamnto as impdancias d condnsadors bobinas varían con la frcuncia n los circuitos d corrint altrna. onsidrarmos por sparado circuitos simpls.

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

ANÁLISIS DEL AMPLIFICADOR EN EMISOR COMÚN

ANÁLISIS DEL AMPLIFICADOR EN EMISOR COMÚN ANÁLISIS DL AMPLIFIADO N MISO OMÚN Jsús Pizarro Pláz. INTODUIÓN... 2. ANÁLISIS N ONTINUA... 2 3. TA D AGA N ALTNA... 3 4. IUITO QUIALNT D ALTNA... 4 5. FUNIONAMINTO... 7 NOTAS... 8. INTODUIÓN l amplificador

Más detalles

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO Mcroconomía AE Tma 3. LA COMPETENCIA PERFECTA PROBLEMA REUELTO uponga qu cada una d las 144 mprsas qu forman una ndustra prfctamnt compttva tnn una curva d costs totals a corto plazo déntca qu vn dada

Más detalles

Material del curso Recursos metodológicos y estadísticos para la docencia e investigación Manuel Miguel Ramos Álvarez

Material del curso Recursos metodológicos y estadísticos para la docencia e investigación Manuel Miguel Ramos Álvarez Crso d Rcrsos Mtodológicos y Estadísticos 1 UNIVERSIDAD DE JAÉN Índic Matrial dl crso Rcrsos mtodológicos y stadísticos para la docncia invstigación Manl Migl Ramos Álvarz MÓÓDDUULLOO XII EXXPPLLIICCAACCIIÓÓNN

Más detalles

SIMULACIÓN NUMÉRICA DE UNA CÁMARA DE COMBUSTIÓN DE ALTA VELOCIDAD CON DOS CONFIGURACIONES DE INYECCIÓN DE COMBUSTIBLE

SIMULACIÓN NUMÉRICA DE UNA CÁMARA DE COMBUSTIÓN DE ALTA VELOCIDAD CON DOS CONFIGURACIONES DE INYECCIÓN DE COMBUSTIBLE SIMULAIÓN NUMÉRIA DE UNA ÁMARA DE OMBUSIÓN DE ALA VELOIDAD ON DOS ONFIGURAIONES DE INYEIÓN DE OMBUSIBLE NUMERIAL SIMULAION OF HIGH SPEED OMBUSION HAMBER USING WO FUEL INJEION ONFIGURAIONS HENRY OPEE Grpo

Más detalles

SISTEMA DE RECONOCIMIENTO DE IMÁGENES COMO INTÉRPRETE DEL LENGUAJE DE SEÑAS

SISTEMA DE RECONOCIMIENTO DE IMÁGENES COMO INTÉRPRETE DEL LENGUAJE DE SEÑAS SISTE DE RECOOCIIETO DE IÁGEES COO ITÉRPRETE DEL LEGUJE DE SEÑS Ordóñz Ortíz Edgar _ordonz@.org Escla Spror Poltécnca d Chmborazo Robamba-Ecador BSTRCT.- Th prsnt work rass a proct appld to th rcognton

Más detalles

4. Método estadístico para el mapeo de amenaza por deslizamientos. Método de información ponderada. Cálculo de pesos. Probabilidad.

4. Método estadístico para el mapeo de amenaza por deslizamientos. Método de información ponderada. Cálculo de pesos. Probabilidad. 1 4. Método stadístco para l mapo d amnaza por dslzamntos Cs van Wstn Lbro: onham-cartrm, capítulo 9, pp 30-333 Método d nformacón pondrada tp 1: : 3: 4: 7: tp tp 6: act=ff(actvty="actv",npx,0) Aggrgat

Más detalles

CAPÍTULO 2. Ecuación paraxial de Helmholtz.

CAPÍTULO 2. Ecuación paraxial de Helmholtz. CAPÍTLO Ecuacón paraal d Hlmholt. S dscut la posbldad d vsualar mdant un procsador óptco [1] a las solucons d la cuacón paraal d Hlmholt. Para llo s rala una comparacón d los rsultados obtndos consdrando

Más detalles

Solución a la práctica 6 con Eviews

Solución a la práctica 6 con Eviews Solución a la práctica 6 con Eviws El siguint modlo d rgrsión rlaciona la nota mdia qu obtinn los alumnos n matmáticas (nota) n un cntro, con l númro d profsors disponibls n l cntro (profsors), l porcntaj

Más detalles

I. MEDIDAS DE TENDENCIA CENTRAL

I. MEDIDAS DE TENDENCIA CENTRAL I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors

Más detalles

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO

Más detalles

2. Cálculo del coeficiente de transmisión de calor K de cerramientos

2. Cálculo del coeficiente de transmisión de calor K de cerramientos 2. Cálculo dl cofcnt d transmsón d calor K d crramntos 2.1. Crramnto smpl Para un crramnto d caras planoparallas, formado por un matral homogéno d conductvdad térmca l y spsor L, con cofcnts suprfcals

Más detalles

ANÁLISIS DE LA SEGURIDAD VIAL DE TRAVESÍAS PEATONALES - UN NUEVO MÉTODO PARA EL MODELADO Y UNA APLICACIÓN EN CARRETERAS

ANÁLISIS DE LA SEGURIDAD VIAL DE TRAVESÍAS PEATONALES - UN NUEVO MÉTODO PARA EL MODELADO Y UNA APLICACIÓN EN CARRETERAS NÁLISIS DE L SEGUIDD IL DE TESÍS PETONLES - UN NUEO MÉTODO P EL MODELDO Y UN PLICCIÓN EN CETES Hugo Ptrantono, Escola Poltécnca da Unvrsdad d São Paulo, hptran@usp.br rdana Mara rmond asconclos, Ptrobrás

Más detalles

Apéndice A ANÁLISIS TENSORIAL

Apéndice A ANÁLISIS TENSORIAL Apéndc A ANÁLISIS TENSORIAL El análss tnsoral s cntra n l studo d nts abstractos llamados tnsors, cuyas propdads son ndpndnts d los sstmas d rfrnca mplados para dtrmnarlos. Un tnsor stá rprsntado n un

Más detalles

Definición de alternador

Definición de alternador F. R. Quntla, R. C. Rdondo (Unvrsdad d Salamanca). M. M. Rdondo (Endsa). Rsumn En st artículo s comnta la dfncón d 'altrnador' d la últma dcón dl Dcconaro d la Ral Acadma Española, y la qu la sustturá

Más detalles

6 Heteroscedasticidad

6 Heteroscedasticidad 6 Heteroscedastcdad Defncón casas de heteroscedastcdad Defncón: la varanza de la pertrbacón no es constante. Casas: a natraleza de la relacón entre las varables Ejemplo : relacón gasto-renta; Hogares con

Más detalles

Conceptos Básicos Previos

Conceptos Básicos Previos Concptos Báscos Prvos Clasfcacón d Sñals Comuncacons Unvrsdad d Cantabra Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ 0 ) = ( ( / [n] Sñals Dtrmnstas Rpaso d concptos

Más detalles

Parte I: Propagación de ondas

Parte I: Propagación de ondas desarrollo de experencas ddáctcas 5 Anmando la Físca Parte I: Propagacón de ondas Oleg V. Nagornov, Roberto E. Calgars, Georgna B. Rodrígez y Marta G. Calgars Calqer profesor qe trate de enseñar físca

Más detalles

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!

Más detalles

COMPUTACIÓN. Práctica nº 2

COMPUTACIÓN. Práctica nº 2 Matmáticas Computación COMPUTACIÓN Práctica nº NÚMEROS REALES Eistn algunos númros irracionals prdfinidos n Maima como son l númro π l númro qu s corrspondn con los símbolos %pi % rspctivamnt. Otros númros

Más detalles

Nota de Clase 2 Sistemas de Ecuaciones: Estimación

Nota de Clase 2 Sistemas de Ecuaciones: Estimación Nota d Clas Sstmas d Ecacons: Estmacón ntrodccón La stmacón d n sstma d cacons s l procso mdant l cal s posbl obtnr stmadors consstnts fcnts d los parámtros strctrals d las cacons q conforman l sstma Psto

Más detalles

La tasa de interés y sus principales determinantes

La tasa de interés y sus principales determinantes La tasa d ntrés y sus prncpals dtrmnants 1. INTRODUCCIÓN Rchard Roca * Uno d los tmas qu domna l dbat académco d los últmos años s sobr las tasas d ntrés. Los mprsaros sñalan qu todavía sta muy alta y

Más detalles

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

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

Más detalles

1.1 Ejercicios Resueltos Tema 1

1.1 Ejercicios Resueltos Tema 1 .. EJERCICIOS RESUELTOS TEMA. Ejerccos Resueltos Tema Ejemplo: Probarque ++3+ + n 3 + 3 +3 3 + + n 3 n (n +) Ã n (n +)! - Para n es certa, tambén lo comprobamos para n, 3,... ( + ) + 3 (+) supuesto certa

Más detalles

DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL

DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DISEÑO MECÁNICO PRÁCTICA Nº 4 METROLOGÍA Y CALIDAD. CALIBRACIÓN DE UN PIE DE REY Metrología y Caldad. Calbracón de n pe de rey. INDICE 1. OBJETIVOS

Más detalles

LECCIÓN 6 AMPLIFICADORES OPERACIONALES

LECCIÓN 6 AMPLIFICADORES OPERACIONALES LEIÓN 6. mplfcaor Opraconal LEIÓN 6 MPLIFICDOES OPECIONLES mplfcaor frncal mplfcaor opraconal. El O al plcacon lnal lo O plcacon no lnal lo O Caractrítca ral lo O LEIÓN 6. mplfcaor Opraconal mplfcaor frncal

Más detalles

9 TRASLACIONES, GIROS Y SIMETRÍAS EN EL PLANO

9 TRASLACIONES, GIROS Y SIMETRÍAS EN EL PLANO 9 TRSLINES, GIRS SIMETRÍS EN EL PLN EJERIIS PRPUESTS 9. ibuja un parallogramo y razona qué pars d vctors dtrminados por los vértics son quipolnts. Son quipolnts los qu son parallos y dl mismo sntido, y

Más detalles

CLUSTER ANALYSIS: ANÁLISIS DE CONGLOMERADOS (AC)

CLUSTER ANALYSIS: ANÁLISIS DE CONGLOMERADOS (AC) Curso Andno n Clma y Salud Uso d Informacón d Clma para la Salud Públca. CUSTER ANAYSIS: ANÁISIS DE CNGERADS (AC Hugo lvros C. InvstgadorAdjunto, IRI Colomba Unvrsty Agnda otvacón Dfncón y usos dl AC.

Más detalles

Capitulo IV. Síntesis dimensional de mecanismos

Capitulo IV. Síntesis dimensional de mecanismos Captulo IV Síntss dmnsonal d mcansmos Capítulo IV Síntss dmnsonal d mcansmos IV. Síntss dmnsonal d mcansmos. Gnracón d funcons. IV. Gnracón d trayctoras.. Introduccón a la síntss d gnracón d trayctoras..

Más detalles

EJERCICIOS RESUELTOS DE FUNCIONES REALES DE VARIABLE REAL

EJERCICIOS RESUELTOS DE FUNCIONES REALES DE VARIABLE REAL EJERCICIOS RESUELTOS DE FUNCIONES REALES DE VARIABLE REAL. Calcular los dominios d dfinición d las siguints funcions: a) f( ) 6 b) f( ) c) f( ) ln d) f( ) arctg 3 4 ) f( ) f) f( ) 5 g) f( ) sn 9 h) 4 4

Más detalles

Filtrado en el Dominio de la Frecuencia

Filtrado en el Dominio de la Frecuencia Unirsidad acional d Qilms Ing n Atomatización Control Indstrial Cátdra: Visión Artificial Octbr d 5 Filtrado n l Dominio d la Frcncia En l apnt d Filtrado Espacial s prsntaron las difrnts técnicas sadas

Más detalles

Sección compuesta E 2. Fase I

Sección compuesta E 2. Fase I ACULTAD DE NENERÍA HORMÓN 74.05 Sccón compusta E 2 as as E as Ι = La vga prtnsada soporta su pso propo, l pso dl ncofrado, l pso dl hormgón frsco d la losa y las sobrcargas d hormgonado. as ΙΙ = La sccón

Más detalles

Representación esquemática de un sistema con tres fases

Representación esquemática de un sistema con tres fases 6 APLICACIONES 6.1 Sistma con varias fass Una vz consguido l modlo para simular una mmbrana, s planta su uso para simular procsos con más d una. Uno d stos procsos podría sr un sistma con varias fass.

Más detalles

Problemas Resueltos. el radio de la órbita circular, y la energía tiene el valor GMm 2 = a GM. 0. Es decir, 2 T 4π. GMm

Problemas Resueltos. el radio de la órbita circular, y la energía tiene el valor GMm 2 = a GM. 0. Es decir, 2 T 4π. GMm Problmas sultos.0 Un satélit dscrib una órbita circular n torno a la Tirra. Si s cambia d rpnt la dircción d su vlocidad, pro no su módulo, studiar l cambio n su órbita y n su príodo. Al cambiar sólo la

Más detalles

A1. ELEMENTOS DE VIGA DE EULER BERNOULLI LIBRES DE ROTACIÓN

A1. ELEMENTOS DE VIGA DE EULER BERNOULLI LIBRES DE ROTACIÓN Anass d acas y amna 34 ANEJO I A. ELEMENOS DE VIGA DE EULER ERNOULLI LIRES DE ROACIÓN La toría d vgas d Eur-rnou s robabmnt uno d os robmas modo más sms d a formuacón rstrngda d a astcdad na. La rstrccón

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Ingeniería de las reacciones químicas

Ingeniería de las reacciones químicas Ingnría d las raccons químcas Ingnría d las raccons químcas. Un componnt dfund a través d un tubo, con ntrada por uno solo d sus xtrmos. Dntro dl tubo hay un componnt j. El componnt, raccona sgún k 0,5

Más detalles

LÍMITES DE FUNCIONES.

LÍMITES DE FUNCIONES. LÍMITES DE FUNCIONES. LÍMITE DE UNA FUNCIÓN EN UN PUNTO. Sa y una unción ral d variabl ral. D una manra intuitiva y oco rcisa, dirmos qu l it d s L, cuando s aroima a, si ocurr qu cuanto más róimo sté

Más detalles

Definición de la Metodología de Carga Laboral. Análisis de las Brechas de Recursos Humanos abril 2010.

Definición de la Metodología de Carga Laboral. Análisis de las Brechas de Recursos Humanos abril 2010. V REUNIÓN COMISIÓN TÉCNICA DE DESARROLLO DE RECURSOS HUMANOS EN SALUD METODOLOGIA PARA CALCULO DE NECESIDADES DE PERSONAL MEDICO Y DE NEFERMERIA EN HOSPITALES, CON BASE A CARGA DE TRABAJO: PROCESO DE ELABORACIÓN

Más detalles

Turbulent Kinetic Energy

Turbulent Kinetic Energy VI. Trblent Knetc Energy Andrew S. Kowalsk Profesor Contratado Doctor Departamento de Físca Aplcada Unersdad de Granada andyk@gr.es Bblografía mcrometeorológca Stll; Capítlo 5. (TKE) LA ENERGÍA CINÉTICA

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

Los vectores y sus operaciones

Los vectores y sus operaciones lasmatematcase Pedro Castro rtega Los ectores ss operacones Matemátcas I 1º achllerato Un ector qeda determnado por dos pntos, el orgen, el extremo Un ector qeda completamente defndo a traés de tres elementos:

Más detalles

El Verdadero Cálculo de la Devaluación

El Verdadero Cálculo de la Devaluación El vrdadro alulo d la Dvaluaión El Vrdadro Cálulo d la Dvaluaión Riardo Botro G. rbgstoks@hotmail.om Casi a diario nontramos n la prnsa onómia inormaión omo sta El día d ayr la tasa rprsntativa dl mrado

Más detalles

Los vectores y sus operaciones

Los vectores y sus operaciones lasmatematcase Pedro Castro rtega Los ectores y ss operacones Un ector qeda determnado por dos pntos, el orgen, y el extremo Un ector qeda completamente defndo a traés de tres elementos: módlo, dreccón

Más detalles

MICROECONOMÍA. EQUILIBRIO GENERAL Y ECONOMÍA DE LA INFORMACIÓN. Tema 3 LA ECONOMÍA DE LA INFORMACIÓN. 3.1 Conceptos básicos 3.

MICROECONOMÍA. EQUILIBRIO GENERAL Y ECONOMÍA DE LA INFORMACIÓN. Tema 3 LA ECONOMÍA DE LA INFORMACIÓN. 3.1 Conceptos básicos 3. MCROCONOMÍ. QULRO GNRL Y CONOMÍ D L NORMCÓN Tma 3 L CONOMÍ D L NORMCÓN 3.1 Concptos básicos 3.2 l risgo moral rnano rra Tallo Olga María Rorígz Rorígz http://bit.ly/8l8dd 1 Contratos contingnts: spcifican

Más detalles

GENERADORES DE BARRIDO DE TENSIÓN

GENERADORES DE BARRIDO DE TENSIÓN GENERADORES DE BARRDO DE TENSÓN RUTO DE BARRDO TRANSSTORZADO ON ORRENTE ONSTANTE El funconamnto d t crcuto dfn como, la carga un condnador lnalmnt a partr d una funt d corrnt contant. Excpto para valor

Más detalles

ENTRENADORES PERSONALES Y FISIOTERAPEUTAS FISIOTERAPIA PARA HOTELES

ENTRENADORES PERSONALES Y FISIOTERAPEUTAS FISIOTERAPIA PARA HOTELES ENTRENADORES PERSONALES Y FISIOTERAPEUTAS FISIOTERAPIA PARA HOTELES www.loutrainrs.com/fisiotrapia 615 964 258 PRESENTACIÓN Lou Trainrs s una mprsa d Entrnaminto Prsonal, Fisiotrapia y Gstión Dportiva

Más detalles

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT jrccos E.- uál s la nrgía raconal molar d la molécula d odo a las dos tmpraturas antrors?. Haz srvr las nrgías raconals xprmntals. ln Q, ( ) ln! 5 v,, v 5 v ln c v d ln d d d d d 5 v v 5 v v d d 5 v v

Más detalles

Tema 2. Señales y Ruido Comunicaciones Digitales Universidad de Cantabria

Tema 2. Señales y Ruido Comunicaciones Digitales Universidad de Cantabria ma. Sñals y udo Comuncacons Dgtals Unvrsdad d Cantabra. Clasfcacón Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ ( ( / [n]. Sñals Dtrmnstas paso d concptos d la

Más detalles

SECRETARIA DE ENERGIA

SECRETARIA DE ENERGIA Juvs 8 d octubr d 0 DIARIO OFICIAL (Prmra Sccón) 8 SECRETARIA DE ENERGIA NORMA Ofcal Mxcana NOM-04-ENER-0, Caractrístcas térmcas y óptcas dl vdro y sstmas vdrados para dfcacons. Etqutado y métodos d pruba.

Más detalles

División 5. Ejemplo de síntesis de un mecanismo articulado de barras

División 5. Ejemplo de síntesis de un mecanismo articulado de barras Vrsón 0 CAITUL MECANISMS vsón 5 Ejmplo d síntss d un mcansmo artculado d barras UTN-F Cátdra: Elmntos d Máqunas. rofsor: r. Ing. Marclo Tulo ovan Vrsón 0. sumn En sta dvsón s dscrbrá l uso d la mtodología

Más detalles

VI. JUSTICIA. i. - JUSTICIA CRIMINAL.

VI. JUSTICIA. i. - JUSTICIA CRIMINAL. VI. JUSTICIA. i. - JUSTICIA CRIMINAL. Utilizando la d la Administración d Justicia n l o años di 883, i 884 y i 885, publicada por l Ministrio d Graci a minto d lo prvnido n cl Ral dcrto d 18 d marzo d

Más detalles

Tema 10. Modelos de tipo de cambio con cuenta corriente

Tema 10. Modelos de tipo de cambio con cuenta corriente Tma 10. Modlos d po d cambo con cuna corrn Modlos dl po d cambo con cuna corrn S: Movldad prfca d capals Susubldad mprfca d acvos fnancros Rlacón drca nr l saldo d la CC y l po d cambo Para conocr la dnámca

Más detalles

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

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

Más detalles

Análisis de la eficiencia técnica y asignativa a través de las fronteras estocásticas de costes: una aplicación a los hospitales del INSALUD

Análisis de la eficiencia técnica y asignativa a través de las fronteras estocásticas de costes: una aplicación a los hospitales del INSALUD Unversdad de Valladold Análss de la efcenca técnca y asgnatva a través de las fronteras estocástcas de costes: na aplcacón a los hosptales del INSALUD Carmen García Preto Tess de Doctorado Facltad: Drector:

Más detalles

APELLIDOS Y NOMBRES: C.I.: NOTA: ASIGNATURA: Matemática II -

APELLIDOS Y NOMBRES: C.I.: NOTA: ASIGNATURA: Matemática II - REPÚBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA NÚCLEO BARINAS INSTRUCCIONES 1. Lln todos los datos n ltra

Más detalles

Carl Chudyk. Ciudadanos de Roma, el César os necesita! 198 cartas: 2011 HomoLudicus Juegos, S.L.

Carl Chudyk. Ciudadanos de Roma, el César os necesita! 198 cartas: 2011 HomoLudicus Juegos, S.L. Carl Chudyk Cudadanos d oma, l César os ncsta! Corr l año 64 a.c., oma s ncuntra convulsonada, la cudad ha sdo pasto d las llamas. El Emprador rón rgrsa raudo d ntum para mpzar la rconstruccón d los dfcos

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 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 detalles

III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS

III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS.. FUNCIÓN EXPONENCIAL n Hmos stado manjando n st trabajo prsions dl tipo n dond s una variabl llamada bas n una constant llamada ponnt, si intrcambiamos d lugar

Más detalles

LIMITES DE FUNCIONES EN 1D

LIMITES DE FUNCIONES EN 1D LIMITES DE FUNCIONES EN D Límits d funcions n D Autor: Patrici Molinàs Mata (pmolinas@uoc.du), José Francisco Martínz Boscá (jmartinzbos@uoc.du) ESQUEMA DE CONTENIDOS Dfinición Límits latrals LÍMITE DE

Más detalles

6. ANALISIS DE COLUMNAS DE DESTILACION

6. ANALISIS DE COLUMNAS DE DESTILACION 69 6. AALISIS DE COLUMAS DE DESTILACIO 6.1. ITRODUCCIO Una colmna de destlacón smple es na ndad compesta de n conjnto de etapas de eqlbro con n solo almento y dos prodctos, denomnados destlado y fondo.

Más detalles

Matemática Financiera Sistemas de Amortización de Deudas

Matemática Financiera Sistemas de Amortización de Deudas Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas

Más detalles

Funcionamiento asimilable al de una fuente de corriente controlada por corriente BJT TRANSISTOR BIPOLAR DE JUNTURA

Funcionamiento asimilable al de una fuente de corriente controlada por corriente BJT TRANSISTOR BIPOLAR DE JUNTURA Funconamnto asmlabl al d una funt d corrnt controlada por corrnt JT TRASSTOR POLAR D JUTURA J T TRASSTOR POLAR D JUTURA Dos tpos d portadors lctrons hucos Dspostos d 3 trmnals con dos unons p-n nfrntadas

Más detalles

Qué es la EN81-28? Atrapado en el ascensor?

Qué es la EN81-28? Atrapado en el ascensor? Qué es la EN81-28? Atrapado en el ascensor? www.safelne.se La podemos ayudar! Hsselektronk desarrolla y produce electrónca para ascensores. Nuestra gama de productos consste prncpalmente en teléfonos de

Más detalles

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

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

Más detalles

LECCIÓN N 5 AMPLIFICACIÓN N DE SEÑALES

LECCIÓN N 5 AMPLIFICACIÓN N DE SEÑALES EIÓN 5. lcacón d sñals TEM III MPIFIIÓN N EETÓNI ccón 5. MPIFIIÓN DE EÑE. Parátros báscos ccón 6. MPIFIDOE OPEIONE ccón 7. EIMENTIÓN EN MPIFIDOE ccón 8. OIDOE Y GENEDOE DE EÑE Elctrónca Gnral EIÓN 5. lcacón

Más detalles

Para reciclar hay 5 contenedores y cada uno con una función básica: -Azul: Papel,cartón -Verde: vidrios, -Amarillo:Envases(plástico..

Para reciclar hay 5 contenedores y cada uno con una función básica: -Azul: Papel,cartón -Verde: vidrios, -Amarillo:Envases(plástico.. s o m Có? r a l c i c r b d Para rciclar hay 5 contndors y cada uno con una función básica: -Azul: Papl,cartón -Vrd: vidrios, -Amarillo:Envass(plástico..) -Ngro:rstos y orgánico -Pilas. l u z A r o d n

Más detalles

LA ORGANIZACIÓN DEL DEPARTAMENTO FINANCIERO

LA ORGANIZACIÓN DEL DEPARTAMENTO FINANCIERO LA ORGANIZACIÓN DEL DEPARTAMENTO FINANCIERO 1. INTRODUCCIÓN No importa l tamaño d la mprsa n la qu dsarrollmos nustra labor profsional. No importa l númro d prsonas qu compongan l dpartamnto al qu nos

Más detalles

BIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA

BIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA BIOMETRÍA II CLASE 7 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA Héctor Olguín Salnas Dto d Ecología, Gnétca y Evolucón FECN, UBA Asocacón ntr l tamaño d la clda d anals d abja y la rvalnca dl ctoarásto

Más detalles

Funciones de Variable Compleja

Funciones de Variable Compleja Funcions d Variabl Complja Modlos d Sistmas II Smstr 2008 Ing. Gabrila Ortiz L 1 Función Concpto Matmático Considrando los conjuntos X Y una función comprnd una rlación o rgla qu asocia a cada lmnto x

Más detalles

Resumen TEMA 6: Momentos de inercia

Resumen TEMA 6: Momentos de inercia EMA 6: Momntos d nrca Mcánca Rsumn EMA 6: Momntos d nrca. Dfncons Sstma matral d puntos matrals d masa m, =, 2,...,. a) Momnto d nrca rspcto d un plano π md (d = dstanca d la masa m al plano π) π =Σ 2

Más detalles

UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE INGENIERÍA - DEPARTAMENTO DE FÍSICA. CÁTEDRA: Física de los Semiconductores

UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE INGENIERÍA - DEPARTAMENTO DE FÍSICA. CÁTEDRA: Física de los Semiconductores UIVERSI CIOL E MR EL PLT - 017 FCULT E IGEIERÍ - EPRTMETO E FÍSIC CÁTER: Físca d los Smconductors SERIE 4: vl d Frm- Smconductors 1.- Calcular la nrgía d Frm para l oro a T=0K..- a) Calcular la nrgía d

Más detalles

Segui buscando en la Red de Bibliotecas Virtuales de CLACSO http://biblioteca.clacso.edu.ar

Segui buscando en la Red de Bibliotecas Virtuales de CLACSO http://biblioteca.clacso.edu.ar La maroonomía d una onomía abrta n l orto plazo: l modlo Ttulo Mundll-Flmng rrra Catalán, Pdro - utor/a; uamán gular, Rardo - utor/a; Mndoza, utor(s) Waldo - utor/a; Lugar CISP-PUCP dtoral/dtor 23 Fha

Más detalles

Algoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar

Algoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar M. n C. Víctor Manul Silva García, M. n C. Eduardo Vga

Más detalles

Tema 3 La economía de la información

Tema 3 La economía de la información jrcicios rsultos d Microconomía. quilibrio gnral y conomía d la información rnando Prra Tallo Olga María odríguz odríguz Tma La conomía d la información http://bit.ly/8l8u jrcicio : na mprsa d frtilizants

Más detalles

Ejercicios resueltos Distribuciones discretas y continuas

Ejercicios resueltos Distribuciones discretas y continuas ROBABILIDAD ESADÍSICA (Espcialidads: Civil-Eléctrica-Mcánica-Química) Ejrcicios rsultos Distribucions discrtas y continuas ) La rsistncia a la comprsión d una mustra d cmnto s una variabl alatoria qu s

Más detalles

MANUAL DE BUENAS PRÁCTICAS PARA EL DESARROLLO DE OBJETOS DE APRENDIZAJE VERSIÓN 1

MANUAL DE BUENAS PRÁCTICAS PARA EL DESARROLLO DE OBJETOS DE APRENDIZAJE VERSIÓN 1 MANUAL DE BUENAS PRÁCTICAS PARA EL DESARROLLO DE OBJETOS DE APRENDIZAJE VERSIÓN 1 Chil, agosto d 2005 El prsnt manual rprsnta la visión dl quipo d profsionals prtncints al Proycto FONDEF Aprndindo con

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

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

Más detalles

3.1 OPERADORES DIFERENCIALES a) Gradiente de un c. escalar, U:

3.1 OPERADORES DIFERENCIALES a) Gradiente de un c. escalar, U: Obs.: Dfrncal d na mantd varabl n 3(ó 2) 1) En nral (Análss): S f dpnd d (y 1, y m ), df := y1 f dy 1 + + ym f dy m Lo msmo ocrr s s trata d na mantd vctoral d n componnts, F: df := y1 F dy 1 + + ym F

Más detalles

RADIO CRÍTICO DE AISLACIÓN

RADIO CRÍTICO DE AISLACIÓN DIO CÍTICO DE ISCIÓN En sta clas s studiará la transfrncia d calor n una tubría d radio xtrno (0,0 ft), rcubirta con un aislant d spsor (0,039 ft), qu transporta un vapor saturado a (80 F). El sistma cañría

Más detalles

9 TRASLACIONES, GIROS Y SIMETRÍAS EN EL PLANO

9 TRASLACIONES, GIROS Y SIMETRÍAS EN EL PLANO 9 TRSLINES, GIRS SIMETRÍS EN EL PLN EJERIIS PRPUESTS 9. ibuja un parallogramo y razona qué pars d vctors dtrminados por los vértics son quipolnts. Son quipolnts los qu son parallos y dl mismo sntido, y

Más detalles

Ofertas y Contratos Agiles

Ofertas y Contratos Agiles Ofrtas y Contratos Agils algunas idas xtraídas dl libro Obra bajo licncia Crativ Commons los pilar s d transp arncia, ins adaptación pc, junto con l nfoqu d ción y continua q mjora u forman part d lo Agils,

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación 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 detalles

COPY. Digital Photo Professional Ver. 3.9 INSTRUCCIONES. Software de procesado, visualización y edición de imágenes RAW

COPY. Digital Photo Professional Ver. 3.9 INSTRUCCIONES. Software de procesado, visualización y edición de imágenes RAW Softwar d procsado, visualización y dición d RAW Digital Photo Profssional Vr..9 INSTRUCCIONES Contnido d stas instruccions DPP s utiliza para Digital Photo Profssional. En stas instruccions, las vntanas

Más detalles

APUNTES DE CLASE MACROECONOMÍA CAPÍTULO Nº 8 LA RENTABILIDAD EN MONEDA NACIONAL DE UNA INVERSIÓN EN MONEDA EXTRANJERA AGOSTO 2008 LIMA PERÚ

APUNTES DE CLASE MACROECONOMÍA CAPÍTULO Nº 8 LA RENTABILIDAD EN MONEDA NACIONAL DE UNA INVERSIÓN EN MONEDA EXTRANJERA AGOSTO 2008 LIMA PERÚ Capítulo Nº 8: La rntabilidad n monda nacional d una invrsión n monda xtranjra Marco Antonio Plaza Vidaurr APUNTES DE CLASE MACROECONOMÍA CAPÍTULO Nº 8 LA RENTABILIDAD EN MONEDA NACIONAL DE UNA INVERSIÓN

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

Para que exista límite de una f(x) en un punto han de coincidir los límites laterales en dicho punto.

Para que exista límite de una f(x) en un punto han de coincidir los límites laterales en dicho punto. REPASO LÍMITES º BACH. RECORDAR: Para qu ista límit d una f() n un punto han d coincidir los límits latrals n dicho punto. A fctos dl f() no tnmos n cunta lo qu ocurr actamnt n a, sino n las a proimidads.

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco

Más detalles

Metodología Discusión de las preguntas en grupos de trabajo itinerantes.

Metodología Discusión de las preguntas en grupos de trabajo itinerantes. Rsultaos Tallr para la ntfcacón csas asstnca técnca por part l Mnstro Eucacón Naconal (MEN) - Plan Naconal Lctura Escrtura (PNLE) Mércols 19 agosto 10:30 am. - 1:00 pm. Mtoología Dscusón las prguntas n

Más detalles

LA MEDIA GEOMÉTRICA, COMO PRINCIPIO DE CÁLCULO DE PRIMAS

LA MEDIA GEOMÉTRICA, COMO PRINCIPIO DE CÁLCULO DE PRIMAS LA MEDIA GEOMÉTRICA, COMO PRINCIPIO DE CÁLCULO DE PRIMAS Crstna Lozano-Colomer Departamento de Métodos Canttatvos Unversdad Pontfca de Comllas (ICADE). clozano@cee.pcomllas.es José L. Vlar-Zanón Departamento

Más detalles