Pablo Vinuesa 2006, 1
|
|
- José María Salinas Revuelta
- hace 8 años
- Vistas:
Transcripción
1 BE-IV, L-UNM, México Para el análisis filogenéico de secuencias alineadas virualmene odos los méodos describen la evolución de las secuencias usando un modelo que consa de dos componenes: 1. un árbol filogenéico 2. una descripción de la manera en que las susiuciones de aa o ns de las secuencias individuales evolucionan a lo largo de las ramas del árbol Porqué necesiamos modelos y para qué sirven - Los modelos nos sirven para inerpolar adecuadamene enre nuesras observaciones con el fin de poder hacer predicciones ineligenes sobre observaciones fuuras Modelos de evolución del proceso de susiución y méodos de reconsrucción filogenéica: consideraciones generales 1.- La reconsrucción o esima filogenéica es un problema de inferencia esadísica, y como al requiere un modelo de susiución de resíduos (aa o n), es decir, un modelo de evolución molecular de las secuencias. odos los modelos, por no ser más que aproximaciones de los procesos naurales, hacen una serie de suposiciones (simplificaciones) 2.- Los modelos de evolución de secs. son usados en filogenéica para describir las probabilidades con las que se dan los disinos evenos de susiución enre aa o n, con el fin de corregir o compensar las susiuciones no observadas a lo largo de la filogenia ajuse a los daos observados producidos por una función polinomial vs. una func. lineal añadir parámeros a un modelo generalmene mejora su ajuse a los daos observados modelos infra-paramerizados conducen a un pobre ajuse a los daos observados modelos supra-paramerizados conducen a una pobre predicción de evenos fuuros exisen méodos esadísicos para seleccionar modelos ajusados a cada se de daos 3.- Mienras que los méodos de MP asumen un modelo implício de evolución (número mínimo de susiuciones a lo largo de la filogenia), los méodos de disancia (UPM, NJ), los de ML y Bayesianos requieren de un modelo explício de evolución 4.- Los méodos de disancia esiman finalmene un sólo parámero (no. sus./siio) dado el modelo y el valor de los parámeros del mismo; en cambio, los méodos de ML y Bayesianos pueden esimar el valor de cada uno de los parámeros del modelo expliciado, dada una opología y la mariz de daos (alineamieno) Dimensiones de un modelo: cada parámero en un modelo esadísico puede ser concebido como la adición de una nueva dimensión Modelos de evolución del proceso de susiución y méodos de reconsrucción filogenéica: consideraciones generales orolario: 1. El grado de confianza que engamos en una filogenia paricular realmene depende de la que engamos en el modelo subyacene 2.8m 2.8m 0 m 2. Por lo ano, siempre que usemos un méodo de reconsrucción basado en un modelo explício de evolución (NJ, ML, By) es necesario usar rigurosas pruebas esadísicas para seleccionar el modelo y el valor de sus parámeros que mejor se ajusen a la mariz de daos a analizar En esemodelo 1D lo más cerca que podemos llegar al po. marcado en un espacio 3D es 2.8 m En esemodelo 2D lo más cerca que podemos llegar al po. marcado en un espacio 3D es 2 m En esemodelo 3D podemos aproximar el puno exacamene. El modelo 3D se ajusa 100% a la realidad espacial. En el caso de modelos de susiución nunca obendremos un ajuse del 100% enre el modelo y la realidad. odos los modelos son erróneos al ser aproximaciones de la realidad, pero algunos modelos son úiles (y oros mucho menos) Dimensiones de un modelo: en realidad, los parámeros de un modelo complejo no son siempre independienes, exisiendo diversos grados de colinearidad. En el peor de los casos, dos parámeros pueden ser oalmene colineares, en cuyo caso uno de ellos es 100% redundane, por lo que no apora nada a la fuerza del modelo de explicar los daos observados Modelos de evolución del proceso de susiución y méodos de reconsrucción filogenéica: consideraciones generales Exisen dos aproximaciones para consruir modelos de evolución de secuencias. uno de los objeivos primordiales de los modelos de susiución de n y aa es el de incorporar los parámeros más relevanes, que expliquen caracerísicas fundamenales de las secuencias cuya evolución raan de modelar de la manera más realisa posible 1. consrucción de modelos empíricos basados en propiedades del proceso de susiución calculadas a parir de comparaciones de un gran número de secuencias. Los modelos empíricos resulan en valores fijos de los parámeros, los cuales son esimados sólo una vez, suponiéndose que son adecuados para el análisis de oros ses de daos. Eso los hace fácil de usar e implemenar en érminos compuacionales, pero su uilidad real para cada caso paricular ha de ser evaluada críicamene. Se usan principalmene en el análisis evoluivo de secs. de s (modelos BLOSUM, PM,...) En esemodelo 3D exise un nivel significaivo de colinearidad enre sus dimensiones (o parámeros) 2. consrucción de modelos paraméricos basado en el modelaje de propiedades químicas o del aas y ns. Los modelos paraméricos ienen la venaja de que los valores de los parámeros pueden ser derivados de cada se de daos al hacer un análisis de los mismos usando méodos de ML o By, por ano ajusándolos a cada mariz de daos paricular. Usados principalmene en el análisis de secs. de ns. hp:// 1
2 BE-IV, L-UNM, México Modelos de evolución del proceso de susiución y méodos de reconsrucción filogenéica: consideraciones generales mbos méodos resulan en modelos de procesos de Markov, definidos por marices que conienen las asas relaivas (nos. relaivos, en promedio y por u. de.) de ocurrencia de odos los ipos posibles de susiuciones La mayoría de los modelos asume que esa mariz es reversible, es decir, que no se puede definir de anemano la direccionalidad emporal del proceso evuluivo. Para definir dicha direccionalidad emporal se requiere información biológica exerna adiconal (p. ej regisro fósil) ransiciones (i) Φ - enre purinas Φ - Φ - Φ - ransversiones (v) pur. <->pyr. Φ- Modelos de evolución del proceso de susiución: disribuciones de probabil. Unadisribución de probabilidad describe la frecuencia con la que ocurre cada eveno. En filogenéica y evolución molecular las disribuciones binomiales y de Poisson son las más frecuenemene empleadas La disribución binomial modela un proceso que sólo puede ener 2 resulados, el éxio o el fracaso, con probabilidades p y q de aconecer, respecivamene (p + q = 1). La disribución binomial da la probabilidad de obener exacamene k éxios en n repeiciones que se calculan mediane la siguiene expresión: P(k) = (n repeicones) p k (1-p) n-k con media µ=np, y varianza V = npq La disribución de Poisson se emplea cuando la probabilidad de éxio (p ) es muy pequeña incluso cuando n es muy grande. Se define λ como el número esperado sucesos exiosos en un proceso de n repeiciones, es decir λ = np. Enonces, la probabilidad de observar k éxios (evenos) viene dada por la disribución de Poisson como: ransiciones (i) enre pirimidinas Φ - P(k) = λ k e -λ k! con media x= λ, y varianza V = λ Modelos de evolución del proceso de susiución: supuesos básicos Modelos de susiución de nucleóidos Las susiuciones (reemplazos evoluivos de los esados de caracer) se describen como el el resulado de muaciones al azar. Su aparición en cada posición de una secuencia a lo largo del iempo es modelado por un proceso de Markov. La probabilidad de inercambio de un esado de caracer por oro viene modelada en esencia por una disribución de Poisson (de evenos raros) Proceso Markoviano: es un modelo maemáico de evenos raros de cambios en esados (discreos o de caracer) a lo largo del iempo, en el que los evenos fuuros suceden por azar y dependen únicamene del esado acual, y no de la hisoria que llevó a dicho esado. En filogenéica, los esados del proceso son los aas o ns presenes en una posición paricular de una secuencia (esados de caracer) en un iempo dado; los cambios de esado represenan las muaciones en dichas secuencias El modelaje de la evolución a nivel del DN se ha concenrado en la aproximación paramérica. Se manejan res ipos principales de parámeros en esos modelos: 1. parámeros de frecuencia 2. parámeros de asas de inercambio 3. parámeros de heerogeneidad de asas de susiución enre siios Modelos de evolución del proceso de susiución: el modelo markoviano conece una susiución que cambia por El linaje comienza con en un siio paricular 0 para predecir qué base ocupará el siio después de un iempo sólo necesiamos conocer qué base lo ocupó en el iempo 0 ( en ese caso). El hecho que lo ocupó aneriormene es irrelevane en un modelo de Markov los modelos filogenéicos de susiución asumen un modelo de Markov homogéneo, es decir, que las probabilidades de susiución no varían en diferenes pares del árbol Modelos de evolución de susiución de nucleóidos -modelos paraméricos Los parámeros de frecuencia describen las frecuencias de las bases (,,, ) promediadas sobre odas las posiciones y a lo largo del árbol. Esos parámeros represenan consricciones a las susiuciones posibles debido a causas ales como el conenido de del genoma. Funcionan como facores de ponderación en el modelo al hacer unas susiuciones más probables que oras Los parámeros de asa (de inercambiabilidad) describen las endencias relaivas de las bases de ser susiuídas unas por oras (hasa 6 parámeros que represenan las asas de susiución relaivas enre <->, <->, <->, <->, <-> y <-> (esa úlima generalmene es definida como = 1). eneralmene a las i se les asigna una asa, κ, relaiva a una asa de 1 para las v, siendo generalmene κ >> 1 La aproximación más uilizada para modelar la heerogeneidad de asas enre siios es la de describir la asa de susiución de cada posición como una muesra aleaoria de una disribución MM. El uso de esa disribución para modelar la heerogeneidad de asas enre siios represena un facor muy significaivo para incremenar el ajuse enre los modelos y los daos. Esa disribución gamma se emplea en conjunción con los parámeros de frecuencia y asa, describiéndose el modelo resulane como sufijo+ ó sufijo+τ (por ejemplo, rn+ ó K2P+Τ) hp:// 2
3 BE-IV, L-UNM, México Modelos de evolución de susiución de nucleóidos -modelos paraméricos los diversos modelos evoluivos se disinguen por su grado de paramerización I. Frecuencias de n : π = π = π = π = 0.25 ó π π π π modelos de = frecuencia: J69; K2P, K3P... modelos de frecuencia: F81, F84, HKY85, rn93, R... II. asas de susiución ransicionales/ransversionales Exisen 4 ipos de susiuciones i y 8 Φ v; cuando i/v 0.5 exise un sesgo i (pur) - Φ - en susiuciones i (o v) en el se de daos. i generalmene >> 1 v los modelos evoluivos se diferencian Φ - ambién en la canidad de parámeros Φ - Φ - Φ- que uilizan para acomodar diversas asas de susiución: asas modelo i (pir) 1 J69 (i=v) Φ - 2 K2P, F84 (i v) 3 rn ó K3P (2 i, 1 v) 6 R (cada sus. su asa) Modelos de evolución de susiución de nucleóidos -modelos paraméricos ondiciones de aplicabilidad de los modelos (supuesos) 1.- Supueso de independencia: las muaciones en un sio no afecan a oros en la secuencia. En el caso de rrns suelen seleccionarse muaciones compensaorias (covar. de siios) 2.- Supueso de homogeneidad de asas de susiución a lo largo del iempo y enre linajes: en ese supueso se basa el reloj molecular y de su cumplimieno depende la posibilidad de poder uilizar un reloj molecular para daar clados 3.- Las frecuencias de nucleóido son homogéneas enre linajes: ese supueso es frecuenemene violado cuando usamos secuencias de linajes muy disanes, paricularmene en procariones, ya que los conenidos de + de disinos grupos microbianos varía mucho, del 22 % (Wigglesworhia, gamma-proeobaceria ) al 75 % (naeromyxobacer, dela-proeobaceria) 4.- Las probabilidades de susiución son las mismas para cada siio: ese supueso es violado casi sin excepción. sí por ejemplo, las 3as. pos. de los codones acumulan muaciones mucho más rápidadmene que la 2a y 1a. Los disinos dominios de una proeína o rrn ambién evolucionan con asas disinas. Disribución amma (Γ) Modelos básicos de evolución de DN: ondiciones de aplicabilidad de los modelos (supuesos) Jukes-anor (J69) igual frecuencia de bases: π = π =π = π odas las susiuciones ienen igual asa =β acomodan sesgo i/v acomodan disinas frecuencias de bases 1.- Supueso de independencia y modelos de covarión: las muaciones en un sio no afecan a oros en la secuencia. En el caso de rrns suelen seleccionarse muaciones compensaorias (covariación de siios). Exisen modelos que acomodan ese hecho. Kimura 2 parameer (K2P) igual frec. de bases: π = π =π = π disinas asas de susiución i y v; β Felsensein (F81) disina frec. de bases: π π π π igual asa de susiución i y v; =β acomodan frec. bases acomodan sesgo asas sus. i/v disinas frecs. bases: π π π π disinas asas de sus. i and v; β Hasegawa-Kishino-Yano (HKY85), 2 asas y Felsensein 1984 (F84) o amura-nei 1993 (N93), 3 asas o Modelo general iempo reversible (R), 6 asas 1 parámero () Incremeno en el número de parámeros modelos más generales 10 parámeros Modelos básicos de evolución de DN: π, π, π a, b, c, d, e µ, Ι, Τ ondiciones de aplicabilidad de los modelos (supuesos) comodación de la heerogeneidad de asas de sus. enre siios (I) acomoda las posiciones invariables (proporción de siios invarianes) (Γ) acomoda la heerogeneidad de asas de sus. enre las posiciones variables Subsiuion freq./sie Heerogeneidad de asas de sus. a lo largo de un aln. múliple de 29 secuencias de rrs de bacerias del género Bradyrhizobium posición en el alineamieno de secs. rrs hp:// 3
4 BE-IV, L-UNM, México ondiciones de aplicabilidad de los modelos (supuesos) 2.- Disribución gamma y heerogeneidad de asas de sus. enre siios: Para modelar con ciero realismo el proceso de susiución es esencial acomodar adecuadamene las asas de susiución heerogéneas enre siios. Para ello se asume generalmene una disribución Pdf(r) = r -1 /exp(r) Γ() gamma (Γ) de las asas y que cada siio iene una Diversas formas de la disribución asa omada aleaoriamene de dicha disribución, gamma (Γ) para un rango de valores del parámero = 1/V 2, donde e independienemene de los demás siios. El V = coef. de var. de las asas. parámero conrola la forma de la disribución. sí para V = 0.3, = 1/0.09 = Para > 1 la disribucióniene forma de campana y modela un nivel bajo de heerogeneidad. Para < 1 la disribución oma forma de L inverida, describiendo una siuación de fuere heerog. de asas de sus. enre siios. Para calcular el valor de a se emplea generalmene una disribución Γ discrea con un número c finio de asas des sus. equiprobables (q 1, q 2..., q c ). El uso de 4 a 8 caegorías discreas permie obener una buena aprox. de la disrib. conínua. La disancia evoluiva más sencilla es la de Jukes y anor (modelo J69) - asume que odas las susiuciones ocurren con la misma asa - asume que los ns ienen la misma frecuencia 0.25 El único parámero del modelo J69 es Las disancias evoluivas se definen como el número esperado de susiuciones/siio (se habla de sus. y no de muaciones, ya que en filogenia se consideran las muaciones fijadas por deriva o selección en las disinos linajes). La asa de susiución ha de ser muliplicada por un inervalo de iempo para poder obener el no. de susiuciones aconecidas en dicho inervalo. Dado que enemos que esimar la asa, nunca podemos saber con exaciud el no. de sus. que han ocurrido enre 2 secuencias. De ahí que se habla del no. esperado de susiuciones Esacionamieno anes de ir a comprar ( 0 ) Esimar disancias evoluivas es un problema similar al de esimar cuanos auomóviles han llegado e ido de un esacionamieno durane un inervalo de iempo La preguna que nos hacemos es: uános carros en las disinas posiciones del esacionamieno han cambiado de color Si conamos con una esima de la asa de susiución y conocemos el inervalo de iempo (), enonces podemos obener la disancia evoluiva simplemene muliplicando la asa x iempo Los diversos modelos de la familia R se definen mediane la especificación de la mariz de susiución insanánea 2 hrs Esacionamieno al regresar de las compras ( 1 ) No lo podemos saber con seguridad. Sólo podemos hacer una esima en base a los daos observados al regresar al esacionamieno (carros en siios 1 y 6 han cambiado de color) Eso es muy similar al problema de esimar el no. de sus. que han aconecido enre dos secuencias esado de esado hacia mariz de susiución insanánea para el modelo J69 0 X B Los modelos usados generalmene para hacer reconsrucciones filo usando méodos de disancia o de máxima verosimiliud ienen la propiedad de reversibilidad emporal, lo que quiere decir que la probabilidad de cambio es independiene del lugar donde esé la raíz. Ello es muy conveniene, ya que permie rabajar: 1) con árboles no enraizados y 2) con caraceres no ordenados esado de -3 mariz de susiución insanánea para el modelo J69 esado hacia 1 2 B sí la línea que coneca a y B puede ser considerada como la única rama de un árbol no enraizado que coniene sólo esos dos nodos hp:// 4
5 BE-IV, L-UNM, México ráficade la Probabilidad de ransición (de la presencia de ) en función del iempo d = (12) (¼) = 3 P () comenzando con P () comenzando con, o - la curva superior asume que parimos de ocupando una posición paricular en el momeno 0. on el iempo la probabilidad de coninuar viendo una en ese siio decae, ya que su asa de susiución a oro resíduo es 3 (y de quedar igual es -3) ómo podemos esimar el valor del parámero para calcular la disancia evoluiva d En esadísica exisen res aproximaciones básicas para obener esimadores: 1.- El méodo de los mínimos cuadrados 2.- el méodo de máxima verosimiliud 3.- el méodo de momenos Probabilidad de ransición (de la presencia de ) en función del iempo d = (12) (¼) = 3 P () comenzando con P () comenzando con, o - Las probabilidades de ransición son probabilidades condicionales: represenan la probabilidad de observar un esado de caracer paricular s j en el insane, condicionado a que el proceso esuvo en el esado s i en el insane 0 ( 0 ) -la frecuencia relaiva de equilibrio de es 0.25 cuando el proceso esocásico ha alcanzado la esacionariedad: la disribución de frecuencias de los esados no varía más con el iempo -la curva inferior asume que parimos de un esado diferene a (,, ). on el iempo la probabilidad de observar una en ese siio aumena decae, ya la asa a la que la base acual muará es ) Usodel méodo de momenos para la esima de El méodo de momenos se basa en la obención de una expresión que iguala un valor observable con su valor esperado, donde ese úlimo viene expresado en función de un parámero(s) de inerés ( en nuesro caso) Usando la analogía del esacionamieno, en la que eníamos 2 observaciones, raamos de esimar la asa con la que los carros cambian de color en cada siio del esacionamieno De acuerdo al modelo J69, expresado en función de la proporción de diferencias p observadas enre dos secuencias, la disancia evoluiva enre ellas viene expresada como: d = uanas enradas de la mariz de asas sus. ins. represenan susiuciones esado de mariz de asas de susiución insanánea para el modelo J69 esado hacia - Hay 16 celdas, 12 de las cules represenan susiuciones (cambios de esado) omemos como ej. la sus. -> - Por definicion sólo pueden exisir 1 ó 0 susiuciones por d - Por ello podemos calcular el no. esperado de susiuciones enre 2 bases ( -> ) por d como: ε ( -> por d ) = ¼ d - esa expresión represena la probabilidad condicional de cambio a en un insane de pariendo del esado - para esimar el numero esperado de dichas sus. en un inervalo dado de simplemene inegramos la expresión enre 0 y ε ( -> por ) = - conabilizando las 12 vías de susiución posibles obenemos: d = (12) (¼) = 3 el modelo de Markov y el cálculo de las probabilidades de ransción conece una susiución que cambia a El linaje comienza con en un siio paricular 0 para predecir qué base ocupará el siio después de un iempo sólo necesiamos conocer qué base lo ocupó en el iempo 0 ( en ese caso). El hecho que lo ocupó aneriormene es irrelevane en un modelo de Markov los modelos filogenéicos de susiución asumen un modelo de Markov homogéneo, es decir, que las probabilidades de susiución no varían en diferenes pares del árbol hp:// 5
6 BE-IV, L-UNM, México Modelos de evolución del proceso de susiución: disribuciones de probabil. La disribución de Poisson se emplea cuando la probabilidad de éxio (p ) es muy pequeña incluso cuando n es muy grande. Se define λ como el número esperado sucesos exiosos en un proceso de n repeiciones, es decir λ = np. Enonces, la probabilidad de observar k éxios (evenos) viene dada por la disribución de Poisson como: Procesos de Poisson P(k) = λ k e -λ k! con media x= λ, y varianza V = λ álculo de la probabilidad de que la posición acualmene ocupada por vaya a ser susiuída por en un lapso cuando la asa de esa susiución paricular es : Pr(cero disrupciones) = e -µ Pr(al menos 1 disrupción) = 1 - e -µ Pr(úlima disrupc. resule en ) = 0.25 Pr(ermina en inicia en ) P ( ) = 0.25 (1 - e -µ ) - Ej. álculo de la probabilidad de observar exacamene 1 accidene por semana en la gloriea de Zapaa dados los siguienes valores de los parámeros: dados p = µ = 0.2 accidenes/día (asa de accidenes) y = 7d, enonces el número esperado de accidenes por semana es: λ = np λ = 0.2 x 7 = 1.4 Por lo ano, la probabilidad de observar exacamene 1 accidene por semana se calcula así: Pr(1 eveno λ = 1.4) = (1.4) 1 e -1.4 = ! Noa: la asa para cualquier ipo de susiución = 0.25 µ (donde µ es la asa de disrupción ) por lo ano, si = 1/4 µ, 4 = µ y P ( ) = 0.25 (1 - e -4 ) modelo de Markov y ransiciones*: disrupciones vs. susiuciones l aconecer una disrupción cualquier base puede aparecer en la posición afecada Si la base reemplazane es a la original aconece una susiución Si las bases presenan la misma frecuencia (=0.25), enonces la asa a la que aconece una susiución paricular será ¼ (asa de disrupción ) *quí el érmino de ransición se emplea en el conexo esadísico (no genéico), aludiendo a un cambio de esado discreo (pueden ser i o v en el caso de muaciones en el DN) P ( ) = 0.25 (1 - e -4 ) - esa fórmula da la probabilidad de observar un ipo paricular de susiución a lo largo de un inervalo arbirario de iempo ( ), la probabilidad de ransición -la probabilidad de ransición represena una exrapolación de la mariz de susiución insanánea a iempos arbirarios (no infiniesimales). La mariz complea de ransiciones de un modelo evoluivo se obiene compuacionalmene en un solo paso usando álgebra maricial - la clave a recordar aquí es que la la mariz de susiución insanánea coniene oda la información necesaria para especificar odas las probabilidades de ransición. De igual modo, si enemos la mariz de ransición, podemos obener la de sus. insanáneas. - de hecho lo que obenemos del análisis comparaivo de secuencias (o de la analogía del reemplazo de coches en un esacionamieno) son las probabilidades de ransición. El valor p represena los resulados (proporción observada) de comparar dos secuencias ( o de conabilizar el no. de carros que han cambiado de color en nuesro esacionamieno después de 2 hrs.) d = modelo de Markov y cálculo de probabilidades de ransición: disrupciones vs. susiuciones P ( ) = 0.25 (1 - e -4 ) d = Disribución de Poisson P(k) = λ k e -λ k! Para modelos sencillos como el de J69 la probabilidad de ransición podemos ransformarla en una disancia evoluiva reuniendo los 12 ipos posibles de susiuciones en una sola expresión: p = (12) (¼) { (¼) (1-e -4a ) } = ¾ (1-e -4a ) (I) Pr(0 evenos λ) = (λ) 0 e -λ = e -λ 0! Pr(al menos 1 eveno λ) = 1 - e -λ enemos dos érminos de ¼ ya que enemos conabilizar la freq. con la que esá la base en la secuencia 1 así como la probabilidad de cambiar de dicho esado a uno presene en la secuencia 2 Recordando que: ε ( -> por ) = - y conabilizando las 12 vías de susiución posibles obenemos: d = (12) (¼) = 3 - podemos llegar fácilmene a la forma explícia de la disancia de J69 d = usando (I) y un poco de álgebra hp:// 6
7 BE-IV, L-UNM, México Modelos básicos de evolución de DN: Jukes-anor (J69) igual frecuencia de bases: π = π =π = π odas las susiuciones ienen igual asa =β acomodan sesgo i/v acomodan disinas frecuencias de bases Modelos básicos de evolución de DN: omparación de los modelos de J69 y K2P en su capacidad de corregir disancias observadas (p ) enre pares de secuencias según su grado de divergencia d J69 = vs. d K2P Kimura 2 parameer (K2P) igual frec. de bases: π = π =π = π disinas asas de susiución i y v; β acomodan frec. bases Felsensein (F81) disina frec. de bases: π π π π igual asa de susiución i y v; =β acomodan sesgo asas sus. i/v Escenario I: - sean 2 secs. de long. = 200 n, que difieren en 20 i y 4 v por lo ano L = 200, P = 20/200 = 0.1 y Q = 4/200 = 0.02 disinas frecs. bases: π π π π disinas asas de sus. i and v; β Hasegawa-Kishino-Yano (HKY85), 2 asas o amura-nei 1993 (N93), 3 asas or eneral ime reversible (R), 6 asas p = 24/200 = 0.12 d J no. de sus. esperadas = 0.13 X d K2P 0.13 no. de sus. esperadas = 0.13 X Modelos básicos de evolución de DN: Modelos básicos de evolución de DN: Mariz de asas de susiución insanáneas del modelo R -µ (π c + π e + π f ) 9 parámeros π π π a b c d e µ omparación de los modelos de J69 y K2P en su capacidad de corregir disancias observadas (p ) enre pares de secuencias según su grado de divergencia d J69 = vs. d K2P Escenario II: - sean 2 secs. de long. = 200 n, que difieren en 20 i y 4 v por lo ano L = 200, P = 50/200 = 0.25 y Q = 16/200 = 0.08 El modelo R es idénico al de J69 si a = b = c = d = e = f = 1 y odas las bases se asumen que ienen igual frecuencia (¼) µ = asa del proceso generador de odos los ipos de susiuciones a,... e = modificadores de asa relaiva de cada ipo paricular de susiución π = frecuencia de cada n p = 66/200 = 0.33 d J no. de sus. esperadas = 0.43 X d K2P 0.48 no. de sus. esperadas = 0.48 X Modelos básicos de evolución de DN: Modelos básicos de evolución de DN: El méodo de momenos es de uilidad limiada en esadísica (y filogenéica) ya que no permie obener una fórmula explícia para calcular la disancia enre secuencias usando modelos más complejos como el HKY85 o R La fórmula explícia de disancia para el modelo K2P es: d no. de diferencias en bases iempo de divergencia (My de a) No. de sus. de n enre pares de secs. de mdn de bóvidos (684 pb gen OII ) conra el iempo esimado de divergencia. Nóese la relación no lineal enre esos parámeros, lo que denoa fenómenos de sauración (homoplasias) -ese modelo iene 2 parámeros, P y Q (proporción de i y v en que difieren 2 secuencias, donde p = P + Q Seis ipos de susiuciónes. El n ancesral en cada caso era. En odos los casos excepo (a) el no. de sus. observado es < que las que sucedieron en el ranscurso de la e- volución de las secs. En los casos (d-f) los n observados son =, pero esa similiud enre linajes no fue heredada direcamene de la secuencia ancesral por las dos secs. descendienes y por lo ano son homoplasias hp:// 7
PROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesMaster en Economía Macroeconomía II. 1 Learning by Doing (versión en tiempo discreto)
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 4 - Soluciones 1 Learning by Doing (versión en iempo discreo) Considere una economía cuyas preferencias, ecnología, y acumulación
Más detallesY t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.
ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés
Más detallesMACROECONOMIA II. Grado Economía 2013-2014
MACROECONOMIA II Grado Economía 2013-2014 PARTE II: FUNDAMENTOS MICROECONÓMICOS DE LA MACROECONOMÍA 3 4 5 Tema 2 Las expecaivas: los insrumenos básicos De qué dependen las decisiones económicas? Tipo de
Más detallesNota Técnica Índice de Tipo de Cambio Efectivo Real Multilateral con ponderadores móviles
Noa Técnica Índice de Tipo de Cambio Efecivo Real Mulilaeral con ponderadores móviles 1. Inroducción: La presene noa écnica preende inroducir y explicar al público el Índice de Tipo de Cambio Efecivo Real
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesTEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas
Más detalles1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA
hp://www.vinuesa.com 1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA 1.1.- INTRODUCCIÓN Los filros de pila consiuyen una clase de filros digiales no lineales. Un filro de pila que es usado
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesPráctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
Más detallesMaster en Economía Macroeconomía II. 1 Problema de Ahorro-Consumo en Horizonte Finito
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 1 - Soluciones 1 Problema de Ahorro-Consumo en Horizone Finio Considere un problema de ahorro-consumo sobre un horizone finio
Más detallesTest. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos
Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar
Más detalles3 Aplicaciones de primer orden
CAÍTULO 3 Aplicaciones de primer orden 3.2. Modelo logísico El modelo de Malhus iene muchas limiaciones. or ejemplo, predice que una población crecerá exponencialmene con el iempo, que no ocurre en la
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS Dada la dependencia de la velocidad con la posición en un movimieno recilíneo mosrada por la siguiene gráfica, deerminar la dependencia con
Más detallesRE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005
RESULTADOSEDUCATIVOS RE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005 FÓRMULA RE01 NOMBREdelINDICADOR Diferencia del loro promedio
Más detallesConstrucción de señales usando escalones y rampas
Consrucción de señales usando escalones y rampas J. I. Huircán Universidad de La Fronera March 3, 24 bsrac Se planean méodos para componer y descomponer señales basadas en escalones y rampas. Se de ne
Más detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detallesINSTITUTO NACIONAL DE PESCA
INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y
Más detallesTEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS
TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesMETODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001
METODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001 Insiuo Nacional de Esadísica y Censos (INDEC) Dirección
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detallesUNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA
UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral
Más detallesEl comportamiento del precio de las acciones
El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre
Más detallesMATEMATICAS I FUNCIONES ELEMENTALES. PROBLEMAS
1º) La facura del gas se calcula a parir de una canidad fija y de un canidad variable que se calcula según los m 3 consumidos (el precio de cada m 3 es consane). El impore de la facura de una familia,
Más detallesAnálisis de inversiones y proyectos de inversión
Análisis de inversiones y proyecos de inversión Auora: Dra. Maie Seco Benedico Índice 5. Análisis de Inversiones 1. Inroducción. 2. Crierios para la valoración de un proyeco. 3. Técnicas de valoración
Más detallesDEPARTAMENTO DE QUÍMICA ANALÍTICA Y TECNOLOGÍA DE ALIMENTOS
DEPARTAMETO DE QUÍMICA AALÍTICA Y TECOLOGÍA DE ALIMETOS FUDAMETOS DE AÁLISIS ISTRUMETAL. 7º RELACIÓ DE PROBLEMAS..- Las susancias A y B ienen iempos de reención de 6.4 y 7.63 min, respecivamene, en una
Más detalles3. Matrices y álgebra matricial
Marices y álgebra maricial Repasaremos algunos concepos básicos de la eoría maricial Nos cenraremos en aspecos relacionados con el álgebra lineal, la inversión y la diagonalización de marices Veremos algunas
Más detallesMetodología de cálculo del diferencial base
Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros
Más detallesIGEP Tema 2. Leyas financieras básicas: estudio usando aplicaciones informáticas.
IGEP Tema 2. Leyas financieras básicas: esudio usando aplicaciones informáicas. onenido. apial financiero... 2. Leyes financieras: capialización y descueno...4 2. Leyes de capialización...4 2.2 Leyes de
Más detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
Más detallesLas derivadas de los instrumentos de renta fija
Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa
Más detallesSolución y criterios de corrección. Examen de mayores de 25 años. 2012. Matemáticas aplicadas a las ciencias sociales.
Solución y crierios de corrección. Examen de mayores de años.. Maemáicas aplicadas a las ciencias sociales. BLOQUE A En un cenro de ocio hay salas de cine: A, B y. A una deerminada sesión han acudido personas.
Más detallesJ.1. Análisis de la rentabilidad del proyecto... 3
Esudio de la implanación de una unidad produciva dedicada a la Pág 1 abricación de conjunos soldados de aluminio J.1. Análisis de la renabilidad del proyeco... 3 J.1.1. Desglose del proyeco en coses ijos
Más detallesMtro. Horacio Catalán Alonso
ECONOMETRIA TEORÍA DE LA COINTEGRACIÓN Mro. I. REGRESIÓN ESPURÍA Y X Dos series que presenan camino aleaorio. Si ambas series se consideran en una modelo economérico. Y = Y -1 + u u N(0,s 2 u) X =X -1
Más detallesLECCIÓN N 3 SEÑALES. Introducción
LECCIÓN N 3 SEÑALES Inroducción Señales coninuas y discreas Señales ípicas Señales periódicas y aperiódicas Parámeros ípicos. Especro de frecuencias Ruido y disorsión Elecrónica General Inroducción En
Más detallesACTIVIDADES UNIDAD 7: Funciones elementales
ACTIVIDADES UNIDAD 7: Funciones elemenales 1. La facura del gas de una familia, en sepiembre, fue de 4,8 euros por 1 m 3, y en ocubre, de 43,81 por 4 m 3. a) Escribe la función que da el impore de la facura
Más detallesTEMA 3 EXPECTATIVAS, CONSUMO E INVERSIÓN
TEMA 3 EXPECTATIVAS, CONSUMO E INVERSIÓN En el Tema 2 analizamos el papel de las expecaivas en los mercados financieros. En ése nos cenraremos en los de bienes y servicios. El papel que desempeñan las
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
Más detallesDispositivos semiconductores
Deparameno de Telecomunicaciones Disposiivos semiconducores 3 Inroduccion Veremos los disposiivos semiconducores más básicos: los diodos. Veremos las variables más comunes de esos semiconducores; El diodo
Más detallesTécnicas cualitativas para las Ecuaciones diferenciales de primer orden: Campos de pendientes y líneas de fase
Lección 5 Técnicas cualiaivas para las Ecuaciones diferenciales de primer orden: Campos de pendienes y líneas de fase 5.. Técnicas Cualiaivas Hasa ahora hemos esudiado écnicas analíicas para calcular,
Más detallesEcuaciones diferenciales, conceptos básicos y aplicaciones
GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos
Más detallesMEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA
MEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA (Borrador) Ignacio Vélez-Pareja Deparameno de Adminisración Universidad Javeriana, Bogoá, Colombia Abril de 2000 Resumen
Más detallesMÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO
MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO EUSKAL ESTATISTIKA ERAKUNDEA INSTITUTO VASCO DE ESTADISTICA Donosia-San Sebasián, 1 01010 VITORIA-GASTEIZ
Más detallesFUNCIONES VECTORIALES CON DERIVE.
FUNCIONES VECTORIALES CON DERIVE. Las operaciones de cálculo de Dominio, adición susracción, muliplicación escalar y vecorial de funciones vecoriales, se realizan de manera similar a las operaciones con
Más detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detallesGuías y tutoriales/compresores/winrar
g coordinación de uoriales: Graciela Sosisky exo: Horacio Marínez Philipps edición: Gabriela Tenner diseño: CAFE Guías y uoriales/compresores/winrar Los orígenes de ese programa se remonan a las experiencias
Más detallesUNIDAD IX. Técnicas de Suavización
UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?
Más detallesUD: 3. ENERGÍA Y POTENCIA ELÉCTRICA.
D: 3. ENEGÍA Y OENCA ELÉCCA. La energía es definida como la capacidad de realizar rabajo y relacionada con el calor (ransferencia de energía), se percibe fundamenalmene en forma de energía cinéica, asociada
Más detallesUNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temístocles Montás
UNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temísocles Monás Puede el comporamieno acual de la políica fiscal sosenerse sin generar una deuda pública que crezca sin límie?
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesFoundations of Financial Management Page 1
Foundaions of Financial Managemen Page 1 Combinaciones empresarias: decisiones sobre absorciones y fusiones de empresas Adminisración financiera UNLPam Faculad de Ciencias Económicas y Jurídicas Profesor:
Más detallesSus experiencias con el cáncer
Número de OMB: 0935-0118 Fecha de vencimieno de la aprobación: 01/31/2013 Sus experiencias con el cáncer l Esa encuesa es acerca de las secuelas o efecos secundarios del cáncer y de los raamienos para
Más detallesTema 5: Diferenciabilidad: Aplicaciones
Prof. Susana López 1 UniversidadAuónomadeMadrid Tema 5: Diferenciabilidad: Aplicaciones 1 Funciones compuesas y Regla de la cadena Recordemos que la regla de la cadena para funciones de una sola variable
Más detallesdomótico Extras 2.1 Unidad de control 2.2 Dispositivos de entrada 2.4 Electrodomésticos domóticos 2.5 Medios de comunicación en redes domésticas
2 Elemenos de un sisema domóico Conenidos 2.1 Unidad de conrol 2.2 Disposiivos de enrada 2.3 Acuadores 2.4 Elecrodomésicos domóicos 2.5 Medios de comunicación en redes domésicas 2.6 Tecnologías aplicadas
Más detallesIndicadores demográficos METODOLOGÍA
Indicadores demográicos METOOLOGÍA 1. Objeivos y uilidades El objeivo de esa operación esadísica es la obención de una serie de indicadores descripivos de la siuación demográica de Galicia, con la que
Más detallesCapítulo 4 Sistemas lineales de primer orden
Capíulo 4 Sisemas lineales de primer orden 4. Definición de sisema lineal de primer orden Un sisema de primer orden es aquel cuya salida puede ser modelada por una ecuación diferencial de primer orden
Más detalles13.0 COSTOS Y VALORACIÓN ECONÓMICA
13.0 COSTOS Y VALORACIÓN ECONÓMICA 13.1 INTRODUCCIÓN En esa sección, se calcula el valor económico de los impacos ambienales que generará el Proyeco Cruce Aéreo de la Fibra Ópica en el Kp 184+900, el cual
Más detallesFunciones exponenciales y logarítmicas
89566 _ 0363-00.qd 7/6/08 09:30 Página 363 Funciones eponenciales y logarímicas INTRODUCCIÓN En esa unidad se esudian dos funciones que se aplican a numerosas siuaciones coidianas y, sobre odo, a fenómenos
Más detallesPRÁCTICA 4 TEMA 6: SERIES TEMPORALES
PRÁCTICA 4 TEMA 6: SERIES TEMPORALES En las prácicas aneriores se habían analizado observaciones de variables de ipo ransversal (por ejemplo, obenidas para diferenes municipios). Llamaremos Serie Temporal
Más detallesSERIES TEMPORALES. Cecilia Esparza Catalán
SERIES TEMPORALES Cecilia Esparza Caalán Cecilia Esparza Caalán ÍNDICE Página.- INTRODUCCIÓN.. 2 2.- ANÁLISIS PRELIMINAR DE UNA SERIE... 3 - Tendencia y nivel de la serie.... 4 - Esacionalidad.... 9 -
Más detallesTEMA: FUNCIONES: Cuadrantes 3 er cuadrante, x 0, 4º cuadrante, x 0,
TEMA: FUNCIONES: ÍNDICE:. Inroducción.. Dominio y recorrido.. Gráficas de funciones elemenales. Funciones definidas a rozos. 4. Coninuidad.. Crecimieno y decrecimieno, máimos y mínimos. 6. Concavidad y
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesRESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES
RESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES CONSIDERANDO: Que el arículo 86 de la Ley 87-01 de fecha 9 de mayo de 2001, que crea el Sisema Dominicano de Seguridad Social,
Más detallesLÍNEAS DE FASES. Fig. 1. dx (1) dt se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden definida en Ω.
LÍNEAS DE FASES E. SÁEZ Sea el dominio Ω R R y la función F : Ω R. F R Ω Una epresión de la forma Fig. 1 d (1) = F(,), o bien, ẋ = F(,) se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden
Más detallesEn esta sección inicial el estudiante se va a familiarizar con el uso de algunos instrumentos de laboratorio.
Prácica de Laboraorio Nº 1. INSTRUMENTOS DE LORTORIO EL INVERSOR LÓGIO. Objeivos : - Familiarizarse con el uso de algunos insrumenos de laboraorio. - Funcionamieno del inversor lógico. Medición de algunos
Más detallesKeywords: seguro de vida, provisión matemática, probabilidad, función de distribución, solvencia, value at risk, VAT, valor actual neto, VAN.
El seguro de vida como variable aleaoria. Cómo calcular su función de disribución. Nieo Ranero, Armando Universiy of Valencia, Spain Do. Maemáicas Económico Empresarial, Edificio Deparamenal Orienal, Av.
Más detallesAplicaciones del Ampli cador Operacional
Aplicaciones del Ampli cador Operacional J.I.Huircan Universidad de La Fronera January 6, 202 Absrac Exisen muchas aplicaciones con el Ampli cador Operacional (AO). El análisis en aplicaciones lineales
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS.
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS. Una parícula se muee en la dirección posiia del eje X, de modo que su elocidad aría según la ley = α donde α es una consane. Teniendo en cuena que en el
Más detallesSolución: El sistema de referencia, la posición del cuerpo en cada instante respecto a dicha referencia, el tiempo empleado y la trayectoria seguida.
1 Qué es necesario señalar para describir correcamene el movimieno de un cuerpo? El sisema de referencia, la posición del cuerpo en cada insane respeco a dicha referencia, el iempo empleado y la rayecoria
Más detallesLA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR
1 LA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR José Luis Moncayo Carrera 1 Ec. Manuel González 2 RESUMEN El presene documeno iene como objeivo, presenar la aplicación de écnicas economéricas en
Más detallesLa transformada de Laplace
Capíulo 8 La ransformada de Laplace 8.. Inroducción a las ransformadas inegrales En ese aparado aprenderemos un méodo alernaivo para resolver el problema de valores iniciales (4.5.) y (x) + py (x) + qy(x)
Más detallesÁREA DE FÍSICA DE LA TIERRA SISMOLOGÍA E INGENIERÍA SÍSMICA (PRÁCTICAS)
ÁREA DE FÍSICA DE LA TIERRA SISMOLOGÍA E INGENIERÍA SÍSMICA (PRÁCTICAS) Anexo VI Prácicas de Sismología e Ingeniería Sísmica PRACTICA 5. TRATAMIENTO DE ACELEROGRAMAS. 1. OBJETIVO Aprender a llevar a cabo
Más detallesCORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN
CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN Auores: Alicia Vila (avilag@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Ana López (alopezra@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu), MAPA CONCEPTUAL Definición
Más detallesMetodología de Cálculo Mensual de los Índices de Precios de Comercio Exterior
Meodología de Cálculo Mensual de los Índices de Precios de Comercio Exerior Dirección Técnica de Indicadores Económicos Dirección Ejecuiva de Índices de Precios LIMA PERÚ Ocubre de 2013 1 ÍNDICE Pág. Inroducción
Más detallesCAPÍTULO 3: INFILTRACIÓN
27 CAPÍTULO 3: INFILTRACIÓN 3.1 DEFINICIÓN El agua precipiada sobre la supericie de la ierra, queda deenida, se evapora, discurre por ella o penera hacia el inerior. Se deine como inilración al paso del
Más detallesCiclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú
Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema
Más detalles2 El movimiento y su descripción
El movimieno y su descripción EJERCICIOS PROPUESTOS. Una malea descansa sobre la cina ransporadora de un aeropuero. Describe cómo ve su movimieno un pasajero que esá: parado en la misma cina; en una cina
Más detallesTema 8: SERIES TEMPORALES
Inroducción a la Economería Tema 8: ERIE TEMPORALE Tema 8: ERIE TEMPORALE. Concepo y componenes de una serie emporal. Definiremos una serie emporal como cualquier conjuno de N observaciones cuaniaivas
Más detallesDERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9
4 Reconoce el significado de los eponenes racionales posiivos negaivos uiliza las lees de los eponenes. Por ejemplo: 7 7 7 + 7 4 7 7 7 7 40 ( 7 / ) / 7 / / 7 /0 0 7,... Uiliza la noación cienífica para
Más detallesUso de Análisis Factorial Dinámico para Proyecciones Macroeconómicas
Uso de Análisis Facorial Dinámico para Proyecciones Macroeconómicas Alvaro Aguirre y Luis Felipe Céspedes * Resumen En ese rabajo implemenamos el méodo desarrollado por Sock y Wason (998) de análisis facorial
Más detalles6. ALGEBRAS DE BOOLE
6.1. Relaciones de orden Relación de orden Se llama relación de orden sobre un conjuno A a cualquier relación R enre sus elemenos que verifica las siguienes res propiedades: 1. Refleiva: ara, para cualquier
Más detallesLos datos fueron obtenidos de una publicación del Golden Gate Bridge.
Pronósicos Resumen El procedimieno Pronósicos esa diseñado para pronosicar valores fuuros de daos de series de iempo. Una serie de iempo consise de un conjuno secuencial de daos numéricos omados en inervalos
Más detallesTema 1: La autofinanciación
Tema : La auofinanciación.. Concepo y ipos de auofinanciación..2. La amorización de los elemenos parimoniales.3. Los beneficios reenidos.4. Venajas e inconvenienes de la auofinanciación irección Financiera
Más detallesIntroducción a la Estadística Empresarial. Capítulo 4.- Series temporales Jesús Sánchez Fernández
Inroducción a la Esadísica Empresarial. Capíulo 4.- Series emporales CAPITULO 4.- SERIES TEMPORALES 4. Inroducción. Hasa ahora odas las variables que se han esudiado enían en común que, por lo general,
Más detalles1. Se tiene la siguiente tabla de transacciones inter industriales en el período t. 1 2 3(a) Total C(a) FBK Export (a) 47.8 103.3 95.4 20.0 46.
TRANSFERENCIAS IMPLÍCITAS DEL INGRESO ENTRE SECTORES PRODUCTIVOS, RELACIONES DE INTERCAMBIO CON EL ETERIOR, DEFLACTORES IMPLÍCITOS Y PODER ADQUISITIVO TEMA I. Se iene la siguiene abla de ransacciones iner
Más detallesOpciones para la flexibilización de las condiciones de acceso a las jubilaciones
Opciones para la flexibilización de las condiciones de acceso a las jubilaciones Informe final, mayo de 2005 1 Equipo écnico: Dr. Alvaro Foreza (direcor), Ec. Marisa Bucheli, Ec. Anna Cariso, Ec. Naalia
Más detallesMedición del tiempo de alza y de estabilización.
PRÁCTICA # 2 FORMAS DE ONDA 1. Finalidad Esudiar la respuesa de configuraciones circuiales simples a diferenes formas de exciación. Medición del iempo de alza y de esabilización. Medición del reardo. Medición
Más detallesCARLOS FORNER RODRÍGUEZ Departamento de Economía Financiera y Contabilidad, UNIVERSIDAD DE ALICANTE
ApunA es de Ingeniería Financiera TEMA 9: Value a Risk (VAR) CARLOS FORNER RODRÍGUEZ Deparameno de Economía Financiera y Conabilidad, UNIVERSIDAD DE ALICANTE En ese ema vamos a esudiar una forma alernaiva
Más detalles01 Ejercicios de Selectividad Matrices y Sistemas de Ecuaciones
01 Ejercicios de Selecividad Marices y Sisemas de Ecuaciones Ejercicios propuesos en 009 1- [009-1-A-1] a) [1 5] En un comercio de bricolaje se venden lisones de madera de res longiudes: 090 m, 150 m y
Más detalles4. Modelos de series de tiempo
4. Modelos de series de iempo Los modelos comunes para el análisis de series de iempo son los que se basan en modelos auorregresivos y modelos de medias móviles o una combinación de ambos. Es posible realizar
Más detallesObservatorio * EL AUMENTO DEL IVA EN ESPAÑA: UNA CUANTIFICACIÓN ANTICIPADA DE SUS EFECTOS **
Revisa de Economía Aplicada E Número 53 (vol. XVIII), 2010, págs. 163 a 183 A Observaorio * EL AUMENTO DEL IVA EN ESPAÑA: UNA CUANTIFICACIÓN ANTICIPADA DE SUS EFECTOS ** GONZALO FERNÁNDEZ-DE-CÓRDOBA Universidad
Más detalles4.7. Integración de Word y Excel
47 Inegración de Word y Excel 471 Combinar correspondencia Qué procedimieno seguiría para hacer las siguienes areas? Generar una cara de soliciud de permiso de los padres de familia para cada uno de sus
Más detallesEQUIVALENCIA Y SIGNIFICADO DE LAS FORMULAS PARA VALORAR EMPRESAS POR DESCUENTO DE FLUJOS Pablo Fernández 1 INDICE
EQUIVALENCIA Y SIGNIFICADO DE LAS FORMULAS PARA VALORAR EMPRESAS POR DESCUENTO DE FLUJOS Pablo Fernández INDICE. Fórmulas de valoración. Definiciones de cash flow disponible para las acciones y de free
Más detalles= Δx 2. Escogiendo un sistema de referencia común para ambos móviles x A
Ejemplos de solución a problemas de Cinemáica de la parícula Diseño en PDF MSc. Carlos Álvarez Marínez de Sanelices, Dpo. Física, Universidad de Camagüey. Carlos.alvarez@reduc.edu.cu Acividad # C1. Un
Más detallesLa Conducción de la Política Monetaria del Banco de México a través del Régimen de Saldos Diarios
La Conducción de la Políica Monearia del Banco de México a ravés del Régimen de Saldos Diarios INDICE I. INTRODUCCIÓN...2 II. LA OPERACIÓN DEL BANCO DE MÉXICO EN EL MERCADO DE DINERO...3 III. IV. II.1.
Más detallesModelos de Ajuste Nominal Incompleto. Por Agustín Casas, UdeSa. Diego Hofman, Princeton. Analía Olgiati, BID. Javier DiFiori, Morgan Stanley
Modelos de Ajuse Nominal Incompleo Por Agusín Casas, UdeSa. Diego Hofman, Princeon. Analía Olgiai, BID. Javier DiFiori, Morgan Sanley JEL CLASS: E12 - Keynes; Keynesian; Pos-Keynesian E13 - Neoclassical
Más detallesEn el campo del control industrial se diferencian dos tipos de sistemas: MONITORIZACIÓN. Display S A L I D A. Alarmas S A L I D A
MUESTREO DE SEÑALES Tipos de Señales de los Procesos Indusriales El ipo de señales usadas en conrol de procesos dependen del nivel en el que nos siuemos. Así, a nivel alo se uilizan señales de comunicación
Más detalles