ANÁLISIS Y PREDICCIÓN DE LA SERIE DE TIEMPO DEL PRECIO EXTERNO DEL CAFÉ COLOMBIANO UTILIZANDO REDES NEURONALES ARTIFICIALES
|
|
- Juan Martínez Peña
- hace 6 años
- Vistas:
Transcripción
1 UNIVERSITAS SCIENTIARUM Revista de la Facultad de Ciencias Julio-diciembre de 3 PONTIFICIA UNIVERSIDAD JAVERIANA Vol. 8, 45-5 ANÁLISIS Y PREDICCIÓN DE LA SERIE DE TIEMPO DEL PRECIO EXTERNO DEL CAFÉ COLOMBIANO UTILIZANDO REDES NEURONALES ARTIFICIALES Ismael García Martín Facultad de Ciencias, Pontificia Universidad Javeriana. ismael.garcia@javeriana.edu.co RESUMEN En el presente artículo se busca diseñar un modelo no lineal para el análisis y predicción de la serie de tiempo del precio externo del café colombiano utilizando Redes Neuronales Artificiales. El objetivo es comparar los alcances y limitaciones de este modelo frente a un modelo clásico de predicción lineal ARIMA. Palabras clave: Serie de tiempo, ARIMA, Red Neuronal Artificial. ABSTRACT This article intends to design a non linear model for analysis and prediction of the time-series concerning the external price of Colombian coffee using Artificial Neural Networks. The main purpose is to compare the realm and limitations of proposed model and the linear prediction classic model ARIMA. Key words: Time-series, ARIMA, Artificial Neural Networks. INTRODUCCIÓN El precio internacional del café presenta variaciones importantes año a año; los factores a los que se ha asociado la inestabilidad del precio externo se refieren a condiciones climáticas, acuerdos internacionales y acumulación de existencias por parte de los países consumidores y productores, los cuales a su vez generan reducciones de oferta. Todo esto genera un riesgo importante para aquellos países en desarrollo, como Colombia, cuyo sector exportador se encuentra concentrado, en parte, en este tipo de bien. La posibilidad de predecir el comportamiento del precio internacional del café, se convierte, pues, en una herramienta fundamental en el manejo de la política cafetera. Modelos matemáticos han sido diseñados para el tratamiento de este tipo de problemas. El más conocido es el Proceso Autorregresivo Integrado de Media Móvil (ARIMA), comúnmente conocido como la metodología de Box-Jenkins (976). Este método de predicción, que se utiliza muy frecuentemente, se fundamenta en el supuesto implícito de la linealidad del sistema que generan la trayectoria de las variables //3, 9:9 a.m.
2 Universitas Scientiarum Vol. 8, Ed. Especial, Matemáticas, 45-5 REDES NEURONALES ARTIFICIALES Una red neuronal es un modelo computacional, que recientemente ha generado un gran entusiasmo, tanto en Colombia como en el resto del mundo, por sus capacidades potenciales, la cual posee una arquitectura masivamente paralela que trata de emular la estructura neuronal del cerebro humano, consta de varias unidades sencillas que trabajan en paralelo sin un control central. Existe una gran variedad de tipos de estructuras de redes neuronales; la principal diferencia está entre las redes de prealimentación y las redes recurrentes. En las primeras las conexiones son unidireccionales y no hay ciclos. En las recurrentes, las conexiones pueden formar topologías arbitrarias. Las redes de prealimentación con niveles fueron estudiadas por primera vez, por Rosenblatt y otros más, a finales de la década de los cincuenta bajo el nombre de perceptrones. Si bien se sometieron a estudio redes de todos los tamaños y topologías, el único elemento de aprendizaje efectivo en esa época fueron las redes de un solo nivel, por lo que en ellas fue concentrada la mayor parte de la atención. En la figura mostramos un ejemplo muy sencillo de una red de prealimentación con dos niveles. a w,3 w,4 a 3 w 3,5 Actualmente el nombre perceptrón es empleado como sinónimo de una red de prealimentación con un solo nivel y es una función de la forma: y t A W a = (.) ( t t donde W t y a t son vectores cada uno de tamaño k y A es la función de activación. Dada una muestra de entrenamiento { y } T t, a t, donde t es un individuo particular, el problema de entrenamiento del t = perceptrón es elegir W que minimize T = ( y ( )) t t A W t a t. Esto es un problema de Mínimos Cuadrados No Lineales. Una red neuronal de prealimentación con una capa oculta se puede describir por las siguientes dos ecuaciones: q y t = θ + θ jbtj, btj = A w jiait ). (.) j= ), k ( i= La segunda ecuación describe la salida b tj de la unidad oculta j, que es simplemente un perceptrón. La primera ecuación genera las salidas y t de la red aplicando una función que pondera los vectores a t, de tamaño q, de las salidas de las unidades ocultas. Los parámetros de la red son los pesos w ji y θ j. La red se puede representar en forma compacta como: q + θ j A( W j at ) j= yt = θ (.3) a w,3 w,4 a 4 w 4,5 FIGURA. Red de prealimentación de dos niveles; con dos entradas, dos nodos ocultos y un nodo de salida. a 5 En la literatura se encuentran dos direcciones acerca de esta clase de modelos: representación y estimación. Sobre representación o aproximación se limitan la clase de funciones g : X Y que pueden ser arbitrariamente bien aproximadas por el modelo (.3). Hornik, Stinchcombe y White (989) demuestran que una red neuronal de tres capas tiene la capacidad de aproximar vir //3, 9:9 a.m.
3 Julio-diciembre de 3 tualmente cualquier función de interés con una cantidad suficiente de unidades en la capa oculta, las cuales están provistas de funciones de activación de tipo sigmoidal. El parámetro que controla la precisión de la aproximación es q, el número de unidades ocultas. Para un valor dado de q, la mejor aproximación a una función g(x) es determinada por los valores de (θ, w) que minimizan la norma: q j= g( x) θ + θ j A( W j a), (.4) donde es la norma L. La literatura sobre aproximación supone que se puede seleccionar q suficientemente grande para poder encontrar (θ, w) que hace que esta norma sea tan pequeña como se quiera. El problema de estimación ocurre cuando tenemos dada una muestra, y un modelo particular de la forma (.3), con q fijo, y deseamos estimar los parámetros, que en este caso son los θ s y los w s. Esto es una versión de un problema de regresión no lineal. El modelo para ser estimado se rescribe como y = g(, β ) + ε (,5) t a t donde hemos reunido los parámetros θ y w en el vector ß. Podemos proceder a la estimación utilizando una variedad de algoritmos basados en los métodos de aproximación estocástica. Predicción del precio externo del café colombiano t El análisis clásico de regresión basado en información de series de tiempo supone implícitamente que la serie de tiempo en la cual se basa es estacionaria o que puede convertirse en estacionaria mediante alguna transformación apropiada. De no ser así, el procedimiento convencional de prueba de hipótesis, basado en las pruebas t, F, jicuadrado y otras similares, será de dudosa aceptación. Es nuestro interés trabajar aquí con la serie de tiempo del precio promedio mensual del café colombiano en la Bolsa de Valores de Nueva York, desde enero de 93 hasta julio de, que en adelante llamaremos PC; el horizonte de predicción se limitó a los últimos siete meses: enero a julio de. La gráfica de la serie PC se presenta en la figura. Un método muy popular de diseñar modelos para el análisis y la predicción de series de tiempo estacionarias es el ARIMA (metodología de Box-Jenkins). Como la serie PC es no estacionaria, se toma la serie de la variación porcentual de PC (que llamaremos VPC), que sí es estacionaria. La gráfica de la serie VPC se muestra en la figura 3. Comparada con la serie original PC dada en la figura no exhibe tendencia alguna FIGURA. PC: precio externo del café colombiano, desde enero de 93 hasta julio de (US$ centavos por libra de gramos). Si f es una función de valor real para la cual la integral de Lebesgue f p dµ es finita, se define la norma L p, p, de la manera siguiente: f p ( f d ) p p = µ Si una serie de tiempo es estacionaria, su media, su varianza y su autocovarianza (en los diferentes rezagos) permanecen iguales sin importar el momento en el cual se midan. PC //3, 9:9 a.m.
4 Universitas Scientiarum Vol. 8, Ed. Especial, Matemáticas, VPC FIGURA 3. Gráfica de la serie VPC Un modelo ARIMA, para la serie estacionaria VPC, estimado es: VPC t = VPC t.8vpc t 5.73VPC t 6 +.8VPC t 34 (.5) (.3) (.3) (.3) (.3) (3.) DW =.9 F = 6.9 S ARIMA = donde los valores entre paréntesis son los errores estándar de los parámetros estimados y S ARIMA es el error estándar del modelo (3.). Los residuos del modelo son ruido blanco. neuronas. Para todos los nodos de la red se utilizó como función de activación, la función sigmoide ( s ( x) = x ( + e )). La red resultante se muestra en la figura 4. La estimación de los parámetros (pesos) de la RNA, se realizó por el método de mínimos cuadrados no lineales utilizando el paquete econométrico EViews versión 3.. La regresión no lineal estimada es de la forma, (3.): VPC t = C() + Σ C( + 6(j )) * LOGIT j= (C(6(j ) + i + ) VPC t d + C( + 6j)) + e t, donde, LOGIT (x) = s(x);c(k), k=,...,67 son los θ s y los w s, los parámetros o pesos, del modelo (3.), i=,, 3, 4 y d=, 5, 6, 34. El resultado de la estimación y el diagnóstico del modelo no se muestran (pero están disponibles para verificación). El error estándar del modelo (3.) es S RNA = y los residuos estimados de (3.) son puramente aleatorios. Ahora se presentan las Redes Neuronales Artificiales (RNA) como un método, no lineal, para el análisis y predicción de la misma serie VPC; el modelo especificado se debe estimar por NLLS. Bajo ciertas condiciones tales como estacionariedad de las variables, los estimadores de los parámetros son consistentes y asintóticamente normales VPC t d d =, 5, 6, , w s C( 6( j ) + i + ) j =,, 3,..., i =,, 3, VPC t, θ s C( + 6( j )) j =,, 3,..., Se empleó una red de prealimentación, de dos niveles con cuatro entradas, unidades ocultas y una unidad de salida. Para la capa de entrada se tomaron los cuatro rezagos estadísticamente significativos al 95% con base en los coeficientes de autocorrelación parcial; es decir, las entradas son las variaciones porcentuales del precio del café en los rezagos t-, t-5, t-6 y t-34; se eliminaron tres unidades o nodos de la capa intermedia y sus respectivas conexiones, a igual que otros enlaces entre FIGURA 4. Topología de la RNA para la serie de VPC. Para obtener la predicción de PC, se deshace la transformación que se utilizó para obtener las variaciones porcentuales; ésta se muestra en la figura 5. El promedio del precio real observado del café en dicho período es US$75.7 centavos por libra y el promedio del precio pronosticado, en este mismo período, es US$66.8 centavos //3, 9:9 a.m.
5 Julio-diciembre de 3 por libra para el modelo ARIMA y US$7.6 centavos por libra para el modelo de RNA; el error promedio del pronóstico fue una subestimación de US$9.44 y US$5. centavos por libra, respectivamente, durante estos siete meses. En la figura 6 se muestra el comportamiento de las predicciones del modelo ARIMA y las del modelo de RNA, frente a la serie de los valores reales observados de VPC, durante el período de enero a julio de. Período PC PCF (ARIMA) PCF (RNA) : : : : : : : FIGURA 5. Valores reales observados de PC y los valores de su predicción PCF, entre enero y julio de, con los modelos ARIMA y el de RNA : : :3 :4 :5 :6 :7 ARIMA RNA VPC FIGURA 6. Predicciones para la serie de la variación porcentual del precio del café, VPC. La predicción generada por la red neuronal fue mejor que aquella derivada del modelo ARIMA. Los resultados de la RNA estuvieron, en promedio, más cercanos en relación con la predicción del método clásico, aunque el último valor se encuentra lejano. No obstante, se observa que la RNA interpretó en forma correcta la tendencia de la serie VPC. Un criterio para comparar estos dos modelos, se basa en la relación entre la varianza de los errores del modelo no lineal y la de los errores del modelo lineal. En general, se considera que dicha relación debe ser menor que.9 para que exista una diferencia entre el empleo de un modelo no lineal y uno lineal. La relación entre la varianza del error del modelo de RNA (no lineal) y la del error del modelo ARIMA (lineal) es.7869 ( (S RNA ) / (S ARIMA ) ). Significa esto que el modelo de RNA reduce la varianza del error del modelo ARIMA en, aproximadamente, un %. De acuerdo con el criterio, el modelo de RNA es superior frente al modelo ARIMA; es decir, el precio externo del café colombiano, se puede analizar y predecir con un modelo econométrico no lineal. CONCLUSIONES Gracias a las características de flexibilidad y adaptabilidad las Redes Neuronales Artificiales nos presentan una alternativa, no lineal, para analizar y predecir la serie de tiempo del precio externo del café colombiano. Sin embargo, como lo han demostrado algunos resultados, el uso de las redes neuronales no necesariamente desplazará los métodos clásicos de predicción, sino que al contrario, éstas se pueden convertir en procedimientos complementarios para un análisis más riguroso de las series de tiempo económicas. En este trabajo se utilizaron Redes Neuronales Artificiales de prealimentación con una capa oculta. Como el algoritmo de propagación inversa es un algoritmo, diseñado para minimizar el error cuadrático medio entre la salida de la red y la salida de //3, 9:9 a.m.
6 Universitas Scientiarum Vol. 8, Ed. Especial, Matemáticas, 45-5 seada, requiere de funciones no lineales continuas y diferenciables; por ello se utilizó la función sigmoide como función de activación de la red ya que ésta satisface dichas condiciones. Sin embargo, la utilización de otros tipos de redes y su mayor profundización permitirán un mayor entendimiento de la aplicabilidad de las Redes Neuronales Artificiales al análisis y predicción de las series de tiempo económicas. La ventaja de aplicar esta técnica radica en que, a diferencia de los modelos econométricos tradicionales, los cuales intentan ajustar los datos a un modelo ; las Redes Neuronales Artificiales fabrican un modelo que se ajusta a los datos. Con el fin de tener en cuenta otras variables importantes en la predicción del precio externo del café colombiano en la bolsa de valores de Nueva York, tales como, condiciones climáticas, acuerdos internacionales, acumulación de existencias, tasa de devaluación, etc., se recomienda la inclusión de estas variables en una Red Neuronal Artificial (RNA), ya que con base en lo aquí encontrado, ello augura resultados muy promisorios. Además podría compararse la RNA con un modelo lineal de vectores autorregresivo (VAR) encontrando, posiblemente, resultados a favor de aquella. En el campo específico de las ciencias económicas, la posibilidad de predecir el comportamiento del mercado se convierte en una herramienta fundamental en el análisis econométrico y en el proceso de toma de decisiones. La información recolectada a través de las series de tiempo y los métodos de predicción pueden ser usados para prevenir posibles comportamientos no deseados en el mercado y tomar medidas que favorezcan la estabilidad del mismo. Una de las principales características del precio externo del café es su volatilidad. Este comportamiento puede ser un buen indicador de que los precios pueden no ser el resultado de un modelo lineal sino por el contrario, las asimetrías en las fluctuaciones y su gran volatilidad son un indicio de la presencia de no linealidades. Existen problemas que no se han podido solucionar en este momento por medio de modelos matemáticos y que requieren de métodos no tradicionales de cálculo para obtener una respuesta. La gran mayoría de las situaciones económicas tienen un comportamiento no lineal, lo que sugiere utilizar métodos que los trabajen tal como son o que por medio de una transformación emulen un comportamiento lineal. Las redes neuronales al ser, por definición, no lineales y al comportarse como un sistema dinámico se presentan como una solución a este tipo de problemas. LITERATURA CITADA CHO, IN-KOO Y SARGENT, THOMAS J. Neural networks for enconding and adapting in dynamic economies. Handbook of Computational Economics, vol., Elsevier Science, 996. GUJARATI, DAMODAR N. Econometría, Mc Graw-Hill, Bogotá, 997, HAMANN, FRANZ A. Puede explicarse el precio externo del café con un modelo econométrico no lineal? Desarrollo y Sociedad No. 38. Bogotá: Universidad de los Andes, 996. RUSSELL, STUART. Inteligencia artificial, un enfoque moderno. Prentice Hall, University of California, 996. TORRES, LUZ GLORIA; HERNÁNDEZ, GERMÁN Y NIÑO, LUIS. Redes neuronales. Coloquio Distrital de Matemáticas y Estadística. Universidad Nacional de Colombia, 993. Revista del Banco de la República. Principales Indicadores Económicos Banco de la República (Colombia) Recibido: -5-3 Aceptado: //3, 9:9 a.m.
Econometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Teorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Estadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 5
Estadística Industrial Universidad Carlos III de Madrid Series temporales Práctica 5 Objetivo: Análisis descriptivo, estudio de funciones de autocorrelación simple y parcial de series temporales estacionales.
Econometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo
Máster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Redes Neuronales Artificiales
Redes Neuronales Artificiales Claudio Javier Tablada Germán Ariel Torres Resumen. Una Red Neuronal Artificial es un modelo matemático inspirado en el comportamiento biológico de las neuronas y en la estructura
Pronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
MÓDULO: MÉTODOS CUANTITATIVOS
MÓDULO: MÉTODOS CUANTITATIVOS 1.- Nombre del módulo y las asignaturas: Métodos Cuantitativos Econometría Avanzada Econometría Financiera 2.-Número de créditos ECTS: Econometría Avanzada: 6 ECTS. Econometría
Método de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
EL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.
EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos
LOS SISTEMAS ADAPTATIVOS
0010100100100101010110010001 0101010001010100101000101 0010100011110010110010001 11111111111010100010101001010010100010101010101 0010100011110101010101011100101001001010101100100010010100011110101010001
Examen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida.
Examen de Grado Sección de Econometría Agosto 2015 Pregunta 1. (40 puntos). Suponga que estamos interesados en determinar cuáles características del colegio y/o del hogar determinan el resultado de una
Neuronas Artificiales
Modelos básicos b de Redes de Neuronas Artificiales Julián n Dorado Departamento de Tecnologías de la Información n y las Comunicaciones Universidade da Coruña Contenidos Tema 10: Procesado temporal mediante
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA
INFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Tema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Facultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Tema 5: Planteamiento de los modelos de series temporales. Coro Chasco Yrigoyen Universidad Autónoma de Madrid (UAM) Asignatura: Econometría II
Tema 5: Planteamiento de los modelos de series temporales Coro Chasco Yrigoyen Universidad Autónoma de Madrid (UAM) Asignatura: Econometría II 1 Parte II. Modelos univariantes de series temporales Tema
3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de Documento PDF.
3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de 2008. Documento PDF. 5. PROYECCIONES DE LA DEMANDA DE ENERGIA Estudio Prospectiva de la Demanda de Energía de República Dominicana Informe
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Introducción al Cálculo Numérico
Tema 1 Introducción al Cálculo Numérico 1.1 Introducción El Cálculo Numérico, o como también se le denomina, el Análisis numérico, es la rama de las Matemáticas que estudia los métodos numéricos de resolución
Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
CDEE. Cuestiones 3er Ejercicio. 0 si x 1. k(x + 1) + x2 1. k(x + 1) x si x > 1
CUESTIÓN 1: El tiempo de retraso, medido en minutos, del AVE Madrid-Sevilla sigue una variable aleatoria continua con función de distribución: 0 si x 1 F (x) = k(x + 1) + x2 1 2 si 1 < x 0 k(x + 1) x2
Capítulo 1. 1 Introducción
Capítulo 1 1 Introducción La importancia que tiene el conocimiento de la radiación solar [1] en campos tan dispares como la meteorología, agronomía, hidrología, arquitectura bioclimática o ingeniería de
b. Universidad Nacional-Sede Medellín
Comparación de Intervalos de Confianza para el Coeficiente de Correlación Juan Carlos Correa a, Liliana Vanessa Pacheco b Email: jccorrea@unal.edu.co a. Universidad Nacional-Sede Medellín b. Universidad
TÉCNICAS DE PROYECCIÓN DE MERCADO FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INGENIERÍA
TÉCNICAS DE PROYECCIÓN DE MERCADO FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INGENIERÍA ÁMBITO DE LA PROYECCIÓN TÉCNICAS DE PROYECCIÓN DE MERCADO Ámbito de la proyección Situación presente Situación proyectada
Escuela de Verano de Macroeconomía
Escuela de Verano de Macroeconomía José L. Torres Universidad de Málaga 21-25 junio 2010 José L. Torres (Universidad de Málaga) Escuela de Verano de Macroeconomía 21-25 junio 2010 1 / 27 Programa del curso
Métodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Estándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017.
Estándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017. Bloque 1. Procesos, métodos y actitudes en matemáticas. Los criterios correspondientes a este bloque son los marcador
UNIVERSIDAD NACIONAL DEL CALLAO
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS INSTITUTO DE INVESTIGACION DE LA FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS INFORME FINAL DEL PROYECTO DE INVESTIGACIÓN
GUIA DE ESTUDIO FINANZAS
GUIA DE ESTUDIO FINANZAS OPCION DE GRADO EXAMENES PREPARATORIOS PONTIFICIA UNIVERSIDAD JAVERIANA FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS CARRERA DE CONTADURIA PÚBLICA Bogotá Junio de 2013 Tabla
OPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Conceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
UTILIZACIÓN DE LA CAPACIDAD INSTALADA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE
Montevideo, 28 de octubre de 2009. UTILIZACIÓN DE LA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE 2009 - ANÁLISIS DE LOS PRINCIPALES INDICADORES El grado de utilización de la Capacidad Instalada
Las Redes Neuronales Artificiales y su importancia como herramienta en la toma de decisiones. Villanueva Espinoza, María del Rosario CAPÍTULO III
herramienta en la toma de decisiones Villanueva Espinoza, María CAPÍTULO III III ELEMENTOS DE UNA RED NEURONAL ARTIFICIAL Las redes neuronales son modelos que intentan reproducir el comportamiento del
1.8. Número de créditos/credit allotment
1.1. ASIGNATURA/COURSE TITLE Estadística y Econometría para Finanzas/Statistics and Econometrics in Finance 1.2. Código /Course number 30521 1.3. Materia/ Content area Estadística, Econometría, Finanzas./Statistics,
UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE CIENCIAS PROGRAMA DE MATEMÁTICAS PLAN DE ESTUDIOS
UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE CIENCIAS PROGRAMA DE MATEMÁTICAS PLAN DE ESTUDIOS ASIGNATURA : ELECTIVA I - PROGRAMACION CÓDIGO : 8104661 SEMESTRE : IV CRÉDITOS : 4 FECHA DE
1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE
Practica 1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE I. INTRODUCCION Las planillas de cálculo se han
Curso: Métodos de Monte Carlo. Unidad 2, Sesión 3: Estimación de volúmenes
Curso: Métodos de Monte Carlo. Unidad 2, Sesión 3: Estimación de volúmenes Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,
Profundización teórica de modelos de volatilidad ARCH - GARCH y una aplicación al caso colombiano
Comunicaciones en Estadística Junio 009, Vol., No. 1 Profundización teórica de modelos de volatilidad ARCH - GARCH y una aplicación al caso colombiano Deepening the theorical volatility models ARCH - GARCH
ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
MÓDULO 1: GESTIÓN DE CARTERAS
MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta
Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 01221701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia URRUTIA MOSQUERA, JORGE ANDRÉS; SALAZAR, HEVER DARÍO; CRUZ TREJOS, EDUARDO ARTURO EVALUACIÓN DE LA ROBUSTEZ
ENUNCIADOS DE PROBLEMAS
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:
Clasificación de sistemas
Capítulo 2 Clasificación de sistemas 2.1 Clasificación de sistemas La comprensión de la definición de sistema y la clasificación de los diversos sistemas, nos dan indicaciones sobre cual es la herramienta
Capítulo 2. Las Redes Neuronales Artificiales
Capítulo 2. Las Redes Neuronales Artificiales 13 Capitulo 2. Las Redes Neuronales Artificiales 2.1 Definición Redes Neuronales Artificiales El construir una computadora que sea capaz de aprender, y de
INCIDENCIA DEL FENÓMENO EL NIÑO EN LA ACTIVIDAD ECONOMICA DEL ECUADOR. UN ANALISIS DE SERIES DE TIEMPO RESUMEN
INCIDENCIA DEL FENÓMENO EL NIÑO EN LA ACTIVIDAD ECONOMICA DEL ECUADOR. UN ANALISIS DE SERIES DE TIEMPO Iliana Rosero Villamar 1 Ec. Manuel González 2 RESUMEN El objetivo de la presente tesis fue determinar
Carrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
Luis Felipe Duque Álvarez. Estudiante de Ingeniería Electrónica. Grupo de Política y Gestión Tecnológica. Universidad Pontificia Bolivariana Medellín.
Bogotá 15 y 16 de Agosto de 2008 EXTRACCIÓN DE PATRONES DE LA ENCUESTA ANUAL MANUFACTURERA COLOMBIANA EMPLEANDO INTELIGENCIA ARTIFICIAL Luis Felipe Duque Álvarez. Estudiante de Ingeniería Electrónica.
PRINCIPALES MODELOS ESTADÍSTICOS EN RIESGO DE MERCADO Y LIQUIDEZ DR. HOLGER CAPA SANTOS
PRINCIPALES MODELOS ESTADÍSTICOS EN RIESGO DE MERCADO Y LIQUIDEZ DR. HOLGER CAPA SANTOS Octubre, 2007 CONTENIDO INTRODUCCIÓN VALOR EN RIESGO VaR UTILIZANDO LA DISTRIBUCIÓN NORMAL VaR UTILIZANDO MODELOS
CARTA DESCRIPTIVA. Clave: ECO Créditos: 8. Conocimientos: Probabilidad y estadística. Algebra lineal. Econometría I.
I. Identificadores de la asignatura CARTA DESCRIPTIVA Clave: ECO121600 Créditos: 8 Materia: Econometría II Departamento: Ciencias Sociales Instituto: Ciencias Sociales Modalidad: Presencial Programa: Licenciatura
ESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
VARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Aprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
Línea de investigación o de trabajo: Electrónica de Potencia y Control Automático
ASIGNATURA: TEORÍA DE SISTEMAS LINEALES Nombre de la asignatura: TEORÍA DE SISTEMAS LINEALES Línea de investigación o de trabajo: Electrónica de Potencia y Control Automático Tiempo de dedicación del estudiante
Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
UNA INTERPRETACION ESTADISTICA SOBRE LAS CIFRAS DEL IPC José Luis Lupo INTRODUCCION
INTRODUCCION UNA INTERPRETACION ESTADISTICA SOBRE LAS CIFRAS DEL IPC José Luis Lupo La inflación en Bolivia, medida a través del Indice de Precios al Consumidor (IPC), en la década del 70 experimentó un
Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth
1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito
Reducción de Ruido por medio de Redes Neuronales
Reducción de Ruido por medio de Redes Neuronales Donato Hernández, Sergio Ledesma, Miguel Torres, Gabriel Aviña y Gerardo Canedo Facultad de Ingeniería Mecánica, Eléctrica y Electrónica Universidad de
Representación en el espacio de estado. Sistemas Control Embebidos e Instrumentación Electrónica UNIVERSIDAD EAFIT
Representación en el espacio de estado Representación en espacio de estado Control clásico El modelado y control de sistemas basado en la transformada de Laplace, es un enfoque muy sencillo y de fácil
Titulación(es) Titulación Centro Curso Periodo Grado de Administración y Dirección de Empresas
FICHA IDENTIFICATIVA Datos de la Asignatura Código 35828 Nombre Análisis de Datos Cualitativos Ciclo Grado Créditos ECTS 4.5 Curso académico 2014-2015 Titulación(es) Titulación Centro Curso Periodo 1313
Programa de Asignatura Estadística
Programa de Asignatura Estadística 01 Carrera: Licenciatura en Tecnología Informática 02 Asignatura: Estadística 03 Año lectivo: 2013 04 Año de cursada: 2 05 Cuatrimestre: Segundo 06 Hs. Semanales: 5 07
INTRODUCCION- FILTRO DE WIENER
FILTRO LMS INTRODUCCION- FILTRO DE WIENER Es un sistema al que le llegan dos señales: x(n) y e(n). A los coeficientes del filtro se les llama w(n), que son los que multiplican a la entrada x(n) para obtener
Estadística FAD - 15 Galaz Lorca, Mirtha Kazmier, Leonard Hanke, John; Wichern, Dean
17 - Estadística FAD - 15 Galaz Lorca, Mirtha Aplicaciones Estadísticas para el Sector Financiero. Curso de Formación a Distancia Mediatizado por Tecnología. Santiago, Chile: IEB, 2005. POBLACION Y CENSO;
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Estadística para las Ciencias Administrativas
Estadística para las Ciencias Administrativas Tercera edición LINCOLN L. CHAO California State University Long Beach, California Traducción JOSÉ MARÍA CASTAÑO Exjefe del Departamento de Matemáticas Universidad
CONTENIDO PROGRAMÁTICO
CONTENIDO PROGRAMÁTICO Fecha Emisión: 2012/01/27 Revisión No. 1 AC-DO-F-8 Página 1 de 3 ESTADÍSTICA DESCRIPTIVA CÓDIGO 14241 PROGRAMA TECNOLOGÍA EN CONTABILIDAD Y TRIBUTARIA ÁREA DE FORMACIÓN CIENCIAS
USO HERRAMIENTAS EXCEL PARA LA PREDICCION
USO HERRAMIENTAS EXCEL PARA LA PREDICCION Nassir Sapag Chain MÉTODO DE REGRESIÓN LINEAL SIMPLE El método de Regresión Lineal (o Mínimos cuadrados) busca determinar una recta, o más bien la ecuación de
CRITERIOS DE EVALUACIÓN DEPARTAMENTO DE MATEMÁTICAS
1º ESO CRITERIOS DE EVALUACIÓN DEPARTAMENTO DE MATEMÁTICAS 1. Utilizar numeros naturales, enteros, fracciones y decimales sencillos, sus operaciones y propiedades, para recoger, transformar e intercambiar
INDICADOR MENSUAL DE LA INVERSIÓN FIJA BRUTA EN MÉXICO DURANTE FEBRERO DE 2016
BOLETÍN DE PRENSA NÚM. 200/16 4 DE MAYO DE 2016 AGUASCALIENTES, AGS. PÁGINA 1/2 INDICADOR MENSUAL DE LA INVERSIÓN FIJA BRUTA EN MÉXICO DURANTE FEBRERO DE 2016 (Cifras desestacionalizadas) La Inversión
Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco
Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales Elkin García, Germán Mancera, Jorge Pacheco Presentación Los autores han desarrollado un método de clasificación de música a
4 Método propuesto basado en el Perceptrón Multicapa
Capítulo 4 4 Método propuesto basado en el Perceptrón Multicapa En este capítulo se presenta el nuevo enfoque que se propone en esta tesis para la generación de series sintéticas de radiación solar. Está
Análisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Cálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Procesos estocásticos. Definición
Procesos estocásticos Definición http://humberto-r-alvarez-a.webs.com Definición de proceso estocástico Estudio del comportamiento de una variable aleatoria a lo largo del tiempo El ajuste de cualquier
G(θ) = máx{g 1 (θ), G 2 (θ)}
Rec. UIT-R F.1336 Rec. UIT-R F.1336 1 RECOMENDACIÓN UIT-R F.1336* DIAGRAMAS DE RADIACIÓN DE REFERENCIA DE ANTENAS OMNIDIRECCIONALES Y OTROS TIPOS DE ANTENAS DE SISTEMAS DE PUNTO A MULTIPUNTO PARA SU UTILIZACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
COEFICIENTE DE VARIACIÓN Y PUNTAJES TÍPICOS (Guía de clase) FICHA Nº 19
CEFICIENTE DE VARIACIÓN Y PUNTAJE TÍPIC A. Esta ficha de actividad tiene como objetivo presentar dos pequeños temas vinculados al uso conjunto de las medidas de tendencia y de dispersión que dan lugar
La distribución de Probabilidad normal, dada por la ecuación:
La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada
INDICADOR GLOBAL DE LA ACTIVIDAD ECONÓMICA DURANTE ENERO DE 2016
BOLETÍN DE PRENSA NÚM. 141/16 29 DE MARZO DE AGUASCALIENTES, AGS. PÁGINA 1/2 INDICADOR GLOBAL DE LA ACTIVIDAD ECONÓMICA DURANTE ENERO DE (Cifras desestacionalizadas) El INEGI informa que el Indicador Global
Métodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012
Cálculo numérico Métodos de factorización para resolver sistemas de ecuaciones lineales 22 de agosto, 2012 1 Factorización LU Considera el siguiente ejemplo de factorización LU de una matriz en un sistema
OTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
x^new = x^old + K(b new A new x^old )
El Filtro de Kalman: La idea fundamental del filtro de Kalman es la actualización La llegada de una nueva observación supone un cambio en la mejor estimación mínimo cuatrática del parámetro x Se desea
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
CONTENIDO PROGRAMÁTICO
CONTENIDO PROGRAMÁTICO Fecha Emisión: 2015/09/30 Revisión No. 2 AC-GA-F-8 Página 1 de 5 ESTADÍSTICA I CÓDIGO 160011 PROGRAMA ECONOMÍA ÁREA DE FORMACIÓN CIENCIAS BÁSICAS SEMESTRE SEGUNDO PRERREQUISITOS
Facultad de Ingeniería Civil y Ambiental Análisis Espacial.
Análisis Espacial. Contenido. - Introducción. - Revisión de estadística básica. - Precisión y exactitud. - Interpolación. - Métodos. - Aplicaciones. - Modelación y SIG. Interpoladores Locales: - Polígonos
REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
LA FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD DE LA LLUVIA ANUAL CUANDO OCURRE UN CAMBIO CLIMÁTICO
LA FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD DE LA LLUVIA ANUAL CUANDO OCURRE UN CAMBIO CLIMÁTICO Omar Abel Lucero 1 Resumen La lluvia anual es una variable aleatoria frecuentemente utilizada para caracterizar
UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL CUSCO
FACULTAD DE CS. QUIMICAS, FISICAS Y MATEMATICAS I. DATOS GENERALES DEPARTAMENTO ACADEMICO DE INFORMATICA SILABO 1.1 Asignatura : METODOS NUMERICOS 1.2 Categoría : OE 1.3 Código : IF758VCI 1.4 Créditos
Programa. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Análisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Metodologías Para La Estimación de Ingresos Corrientes del Sector Público. Lic. Edgar Morales
Metodologías Para La Estimación de Ingresos Corrientes del Sector Público Lic. Edgar Morales Ingresos Fiscales Los ingresos fiscales son los que percibe el sector público para hacer frente a los gastos