ESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO
|
|
- Blanca San Martín Plaza
- hace 6 años
- Vistas:
Transcripción
1 Scienia e Technica Año IX, No, Diciembre 00. UTP. ISSN ESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO RESUMEN El presene ariculo describe un pronosico de demanda de energía elécrica, uilizando la meodología ARIMA (Auorregresive-Inegraed-Moving Average), el paquee esadísico SPSS (Saisical package for he social sciences) los daos hisóricos han sido suminisrados por la Empresa de Energía de Pereira van desde el primero de enero de 00, hasa el de diciembre de 00. PALABRAS CLAVES: Pronósico, Modelos ARIMA, auocorrelación. ABSTRACT The presen aricle describes a forecas of demand of elecrical energ, using mehodolog ARIMA (Auorregresive-Inegraed-Moving Average) and he saisical package SPSS (Saisical package he social sciences) he hisorical daa he have been provided b he Compan of Energ of Pereira and go from firs of Januar of 00, o he of December of 00. KEYWORDS: Forecas, ARIMA models, auocorrelaion. JOAQUÍN MURILLO S Profesor Faculad de Ingeniería Elécrica Universidad Tecnológica de Pereira jmurillo@up.edu.co ALVARO TREJOS Profesor Faculad de Ingeniería Indusrial Universidad Tecnológica de Pereira alvaro@up.edu.co PATRICIA CARVAJAL OLAYA Tesisa Maesría en Invesigación Operaiva Esadísica Universidad Tecnológica de Pereira pacarva@up.edu.co. INTRODUCCIÓN En el acual marco de liberalización de los mercados de la energía elécrica que se presena en Colombia, donde las grandes indusrias superficies comerciales pueden suscribir conraos de compra de energía elécrica, las empresas proveedoras de ese servicio (comercializadoras o empresas de disribución locales), deben cumplir con unos crierios mínimos que la Comisión Reguladora de Energía Gas, en asocio con el Cenro Nacional de Despacho, dependiene de ISA, prevén para que esas empresas denro de su esrucura de operación, elaboren de manera ópima una predicción confiable de la carga, porque de no hacerlo fallar el sisema, deben asumir las mulas correspondienes por incumplimieno, sobre odo las consecuencias que raería para el funcionamieno en condiciones ópimas del sisema de disribución local. El presene rabajo inena modelar los consumos de energía elécrica aplicando los modelos ARIMA.. SERIES DE TIEMPO Básicamene una serie de iempo se le denomina a cualquier variable que conse de daos reunidos, regisrados u observados sobre incremenos sucesivos de iempo. Por lo ano, se conclue que es una secuencia ordenada de observaciones sobre una variable en paricular. Una serie esacionaria es aquella cuos momenos al origen a la media no varían a ravés del iempo. Esas siuaciones se presenan cuando los parones de demanda que influen sobre la serie son relaivamene esables. Fecha de Recibo: Agoso de 00 Fecha de Acepación: 5 Noviembre de 00. COMPONENTES DE UNA SERIE DE TIEMPO La descomposición clásica es un méodo que se basa en el supueso que la serie de daos se pueden desagregar en componenes como: endencia, ciclo, esacionalidad e irregularidad; que se describen a coninuación:.. Tendencia Una serie de iempo con endencia es aquella que coniene un componene de largo plazo que represena el crecimieno o declinación de la serie a ravés de un período amplio... Esacional Se define como esacional una serie de iempo con un parón de cambio a si mismo año ras año. Por lo regular, el desarrollo de una écnica de pronósico esacional comprende la selección de un méodo muliplicaivo o uno de adición esimar después índices esacionales a parir de la hisoria de la serie... Ciclo El efeco cíclico se define como la flucuación en forma de onda alrededor de la endencia. Los parones cíclicos ienden a repeirse en los daos cada dos, res o más años. Es difícil esablecer un modelo para esos parones cíclicos, a que no son esables..4. Irregular El componene irregular de la serie de iempo es el facor residual, es decir, odo lo que sobra oma en consideración las desviaciones de los valores reales de la serie de iempo en comparación con los esperados; es el elemeno aleaorio.
2 8 4. PROCESO ESTOCASTICO DISCRETO 4.. Proceso Esocásico (Univariane) Secuencia de variables aleaorias ordenadas equidisanes cronológicamene referidas a una caracerísica de una única unidad observable en diferenes momenos o fechas. Represenaciones: (Z ) = 0, ±, ±,... ; (Z ) donde Z es una variable aleaoria referida a la caracerísica de la unidad observable considerada en el momeno. 4.. Muesra Una muesra de amaño o longiud N (finio) procedene de un proceso esocásico (Z ) es un subconjuno de N componenes consecuivos de (Z ). Represenaciones de una muesra: Z, Z,... Z N ; Z (Z, Z,... Z N )'; (Z ) N = Proceso esocásico :..., Z -, Z 0, Z, Z,..., Z N ; Z N+,... Muesra : Z, Z,... Z N Serie emporal : z, z,... z N Se elaborará un modelo esadísico para una muesra Z procedene de un proceso esocásico a parir de una única realización paricular de Z (una serie emporal z). Bajo cieras condiciones, un modelo para Z puede describir la evolución emporal de (Z ) a lo largo de oda su hisoria reciene no sólo a lo largo del inervalo muesral. Se uilizará el modelo anerior para describir en érminos probabilísicos algunos componenes fuuros Z N+l (l ) del proceso (Z ), es decir, prever Z N+l Z N+. Se seleccionará un modelo denro de una clase general de modelos de reconocida uilidad prácica (ARIMA), que implique cieras propiedades eóricas compaibles con las propiedades observadas (muesrales) en z. Para poder inferir la esrucura probabilísica de Z ha que suponer cieras hipóesis sobre la misma, de manera que lo que no se suponga se pueda inferir a parir de una única realización paricular (una única serie emporal z) de Z. Scienia e Technica Año IX, No, Diciembre 00. UTP - Auocorrelación: valor consane en el iempo que mide la relación exisene enre cada par de componenes de un proceso separados por un inervalo emporal (reardo) dado. Pero muchas series emporales no pueden considerarse generadas por un proceso esacionario (son series no esacionarias), a que suelen presenar cieras endencias marcadas (no presenan afinidad hacia algún valor consane en el iempo) una dispersión creciene. Para lograr la esacionariedad se realizan una serie de ransformaciones en búsqueda de esabilizar el nivel la dispersión de la serie. El primer paso en la idenificación del modelo consise en deerminar si la serie es o no esacionaria. En ese úlimo caso, se inena converirla en esacionaria a ravés del méodo de diferenciación. Para verificar que componenes iene la serie, necesariamene iene que observarse el gráfico de dispersión de la serie original, los correlogramas simples. Además es conveniene observar el grafico de la serie que resula luego de diferenciar la serie ano regular como esacionalmene. A coninuación se presena la gráfica de dispersión de observaciones de la serie original en forma seccionada por cuarimesres, a que el programa SPSS presena una limiane al mosrar los gráficos cuos daos superen los 000. Tomemos por ejemplo el grafico de dispersión del primer cuarimesre del ano Se supone hipóesis de esacionariedad en la serie. Algunas propiedades eóricas de un proceso esocásico implicadas por esa hipóesis son las siguienes: - Media: valor consane en el iempo alrededor del cual evoluciona de manera aleaoria (erráica) un proceso esocásico esacionario HORA - Varianza: valor consane en el iempo que mide la dispersión (variabilidad) de la evolución de un proceso esocásico esacionario alrededor de su media. Figura. gráfica de dispersión del consumo de energía
3 Scienia e Technica Año IX, No, Diciembre 00. UTP 9 AC F Nº de reardos 6 7 Figura. Gráfico de las auocorrelaciones simples ACF parcial Nº de reardos Límies confidencial es Coeficiene Límies confidencial es Coeficiene Figura. Gráfico de las auocorrelaciones parciales La grafica de dispersión de la serie observada, aunque sea un / de periodo anual, va a ser exacamene igual en su configuración a los oros ercios de gráficas pueso que perenecen a una misma serie de observaciones que es el conjuno del año 00. Por lo ano se analizará auocorrelaciones. el resulado de sus 5. IDENTIFICACIÓN DE UN MODELO ARIMA En la idenificación de un modelo enaivo, observamos las auocorrelaciones simples noamos que los rerasos caen hacia cero después del cuaro coeficiene de auocorrelación e inmediaamene, después del quino coeficiene es significaivamene diferene de cero hasa el onceavo reraso, donde es cero hasa el receavo, luego es significaivamene diferene de cero así sucesivamene en forma sinusoidal pero negaivamene. Según el anerior comporamieno basado en el análisis gráfico de las auocorrelaciones simples parciales ACF PACF, el esadísico Ljung-Box, enre oras la eoría BOX-JENKINS nos dice que la serie no presena un parón de esacionariedad. Por lo ano, es necesario ransformar la serie buscando esacionariedad, diferenciándola para lograr un modelo que se puede adapar a nuesro objeivo. No sabemos qué an exioso pueda ser ese modelo, eso se logra comparándolo con oros. Se propone enonces consruir un modelo para cada hora del día, odos los días del año. Es decir, se consruirían 4 modelos, cada uno de esos lógicamene con 65 observaciones suficienes para realizar un pronósico confiable. En la siguiene sección se evaluará la esacionalidad de las series mediane las pruebas analíicas gráficas. Es decir, se mosrarán los modelos horarios de demanda de energía eniendo en cuena que se consruó uno para cada hora del día, por se muesran 4 modelos diferenes con las respecivas pruebas que corroboran su idoneidad. Esas pruebas son seis, de las cuales res son de ipo analíico las oras res de ipo gráfico. Las analíicas son: la prueba de iniciación del modelo, es decir, cuando desde el programa asignamos los parámeros numéricos al modelo ARIMA, deerminamos la esacionalidad cíclica o regular se involucra o no una consane. La segunda prueba es uilizar un esadísico descripivo enre la observación de la serie original el pronósico que se genera con el modelo; ese descripivo hace una comparación en función de los valores mínimo máximo de las series, la media de ésas su desviación ípica. El ercer modelo analíico es una prueba de normalidad del error de la observación de la serie original, denominada prueba de Kolmogorov-Smirnov de una muesra. Las res pruebas de ipo gráfico es un muligráfico donde esará represenada la observación de la serie original, el pronósico arrojado por el modelo los errores ano por arriba como por abajo. Después se enconrará un hisograma donde podemos ver la normalidad gráfica del error de la observación de la serie original por úlimo la auocorrelación simple del error de la observación de la serie original. Se mosrarán enonces primero las pruebas de carácer analíico poseriormene las pruebas de ipo gráfico. Anes de eso se hará un análisis a las gráficas de auocorrelaciones a cualquier modelo horario, a que ésas presenan una gran similiud en su comporamieno. Análisis de la hora uno: la gráfica de auocorrelación muesra un parón de no esacionaridad dado que sus rezagos esán denro de los límies prácicamene son casi cero, por ano, se probarán varios modelos omando en cuena las aneriores recomendaciones, para cada hora se probaron 6 modelos diferenes luego se confronaron enre sí para escoger el que mejor se adape a nuesras
4 Scienia e Technica Año IX, No, Diciembre 00. UTP perspecivas de pronósico a coro plazo. En un cuadro se mosrarán 5 modelos con sus respecivas pruebas eóricas, seguidamene aparece el análisis analíico gráfico al modelo que cumplió odas las pruebas objeivos de ese proeco. ARIMA (,0,0)*(,,0) Se omará enonces un hora aleaoria del día se realizará un análisis compleo NO ESTACIONA L ESTACIONAL PARÁM ETROS CORRE LACIÓ N p d q P D Q CONSTANTE SCR DE SIGNIFI PARÁ CATIVO METR S OS AKAIKE DIA S DURANTE UN AÑO DE TOMA DE INFORMACION Fígura 4. Gráfica de consumo durane un año Esadísicos descripivos SI 55 OK OK 65 SAR no NO 06 es cero OK 5 SAR, 0 0 SI 509 CTE; no son cero OK SI 464 AR, CTE; no son cero OK SI 7 Tabla. Análisis para la hora 8 del día NO ESTACIO ESTACIO NAL NAL p d q P D Q SCHWARZ RESIDUO S ALEATO RIOS NORMALIDAD CTE no es cero OK PRONÓSTICOS NO NO OK NO NO OK NO NO OK # ITERACIONES Fi for MWHT from ARIMA, MOD_ N N válido (según li N Mínimo Máximo Media Desv. íp Tabla. Esadísicos Descripivos Prueba de Kolmogorov-Smirnov para una muesra N Parámeros normales a,b Diferencias más exremas Z de Kolmogorov-Smirnov Sig. asinó. (bilaeral) Media Desviación ípica Absolua Posiiva Negaiva a. La disribución de conrase es la Normal. b. Se han calculado a parir de los daos. Tabla. Prueba de Kolmogorov Smirnov Error for MWHT from ARIMA, MOD_ NOCON E NO NO OK NO NO OK Tabla. Coninuación 50 Fi for MWHT from AR IMA, MOD_ NOCON 95% LCL for MWHT fro El cuadro anerior esán represenadas las pruebas eóricas, que permiirán saber si el modelo descrio allí es el ópimo para pronosicar. Media m ARIMA, MOD_ NOCON 95% UCL for MWHT fro m ARIMA, MOD_ NOCON DAY, period 7 Figura 5. Inervalos de confianza para los pronósicos
5 Scienia e Technica Año IX, No, Diciembre 00. UTP 4 Para la gráfica anerior, se puede observar como es la curva de observación real (daos reales e hisóricos), conra la curva de pronósico (resulado del modelo buscado del programa SPSS). Las curvas resanes, dan indicio del comporamieno del pronósico, ano por encima como por debajo. emporales, en función del modelo seleccionado se diseña una ecuación siguiendo la meodología Box- Jenkins. = φ + ϕ 7 + ϕ 4 = Es la serie emporal de indicador que se modeliza Desv. íp. = 4.97 Media =. N = φ = Coeficiene auorregresivo de la pare no esacional ϕ,ϕ = Corresponden a los coeficienes auorregresivos de la pare. 7 = Corresponde a la observación (esacional) de la hora siee días arás. 4 = Corresponde a la observación esacional) de la hora caorce días arás. Error for MWHT from ARIMA, MOD_ NOCON Figura 6. Disribución de los errores La gráfica inerior indica la normalidad de los errores, es visible como es la concenración de daos, circunscria a la curva gaussiana, lo que indica una gran afinidad de los daos, sin imporar la magniud de esos Error for MWHT from ARIMA, MOD_ NOCON Pronósico hora 8: Día Domingo: φ = 0.88 φ = φ = Ñ = = 0.88( 54.0) 0.687( 47.08) 0.044( 46.6) = Resulado maemáico. Y T Y = 55.4 Resulado SPSS -.5 Límies confidencial es Pronósico hora 9: ACF Nº de reardos Coeficiene Fígura 7. Gráfico de auocorrelaciones de los errores El gráfico anerior nos muesra la Función de Auocorrelación (ACF en inglés), indica el error del pronósico, se encuenra denro del límie de ajuse, es decir, la desviación de daos no exise, aunque para oras horas algún valor pueda salir, pero ese depende de la magniud de los daos. Día sábado: φ = 0. φ = φ = Ñ =.587 = 0.( 6.507) ( 6.6) 0.047( 6.4) = Resulado maemáico. Y T Y = Resulado SPSS Después de disponer de un modelo ARIMA: (,0,0)*(,,0) individual para cada una de las series
6 4 HORA 8 DAY DATE FIT SUN MON 4.80 TUE WED THU FRI SAT CONCLUSIONES En posible modelar los consumos de energía elécrica en los municipios de Colombia uilizando la meodología propuesa por Box Jenkis, dado que el comporamieno de esas series no es compleamene aleaorio se pueden describir como series de iempo con una ala probabilidad de éxio en la modelación a ravés de dicha meodología. Para faciliar la búsqueda de un buen modelo que represene la serie consumo de energía en el Municipio de Pereira durane el año 00, se oma la decisión de dividir los daos en 4 series correspondienes a los promedios de consumo por cada hora del día; con ello se aíslan las perurbaciones causadas por el mes, la semana la hora. Scienia e Technica Año IX, No, Diciembre 00. UTP 7. BIBLIOGRAFÍA [] ABRIL, J.C. Análisis esadísico de series de iempo basado en modelos de espacio de Esado. E.U.D.E.B.A., 999. [] AJUB, Albero. Ecuaciones en diferencias finias. Ediorial del Colognia, 985. [] CARVAJAL, Paricia; TREJOS, Alvaro. Trabajo de esis en series de iempo. UNIVALLE, 99. [] CHAO, Lincoln L. Esadísica para Ciencias Sociales Adminisraivas. Bogoá: McGraw-Hill. [4] CHATFLELD, Clirisopher. The analsis of ime series. An inroducion. Fourh ediion. Cliaprnan and Hall, London New York. [5] DASH, P.K.; SATPANTHY, H.P.; LIEW, A.C.; RAHMAN, S.A. Real-ime shor-erm load forecasing ssem using funcional link nework,k IEEE. Transacions on Power Ssems. Vol., Nro.. Ma 997. Como ilusración del uso de la meodología propuesa por Box Jenkis se modela la serie correspondiene al consumo de energía elécrica a las 8 de la mañana. Los daos originales no muesran esacionaridad, por ano se aplica una diferenciación esacional con ello se suaviza la serie logrando esacionariedad de al forma que así se pueda ajusar un modelo ARIMA a los daos en esudio. El modelo ARIMA que mejor ajusa describe el consumos de energía elécrica a las 8 a.m., luego de analizar las auocorrelaciones simples parciales es ARIMA(,0,0)(,,0) El modelo ARIMA(,0,0)(,,0) maemáicamene se expresa de la siguiene manera: = φ 7 + φ 4 φ Los errores producidos por ese modelo cumplen con los supuesos de normalidad aleaoriedad, lo que permie confiar en la bondad de ajuse del mismo.
Análisis Estadístico de Datos Climáticos
Análisis Esadísico de Daos Climáicos SERIES TEMPORALES I Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Monevideo, Uruguay 2011 CONTENIDO Esudio de las series emporales en Climaología.
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 detallesPREVISIÓN DE LA DEMANDA
Capíulo 0. Méodos de Previsión de la OBJETIVOS. Los pronósicos y la planificación de la producción y los invenarios. 2. El proceso de elaboración de los pronósicos. Méodos de previsión de la demanda 4.
Más detallesD to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESOS ESTOCÁSTICOS Un proceso esocásico «Z» considera «n» variables aleaorias, Z n, en momenos de iempo sucesivos, cada una de esas «n» variables
Más detallesAnálisis de Series Temporales. Jose Jacobo Zubcoff. Departamento de Ciencias del Mar y Biología Aplicada
Análisis de Series Temporales Jose Jacobo Zubcoff Deparameno de Ciencias del Mar y Biología Aplicada Inroducción al análisis de series emporales Objeivo: analizar la evolución de una variable a ravés del
Más detallesECONOMETRÍA EMPRESARIAL II ADE
4 Bernardí Cabrer Economería Empresarial II Tema 8 ECONOMETRÍA EMPRESARIAL II ADE TEMA 8 MODELOS LINEALES SIN ESTACIONALIDAD I ( Modelos regulares 4 Bernardí Cabrer Economería Empresarial II Tema 8 8.
Más detallesLuis H. Villalpando Venegas,
2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con
Más detallesMODELO ARIMA(p, d, q) (P, D, Q) s
SERIES TEMPORALES: MODELO ARIMA Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández MODELO ARIMA(p, d, q) (P, D, Q) s Se han analizado las
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 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 detallesEconometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid.
Economería II Análisis de series emporales (I): Procesos esacionarios Miguel Jerez y Sonia Sooca Universidad Compluense de Madrid Febrero 2004 Ver. /6/2003, Pag. # Índice: Inroducción Concepos básicos
Más detallesUSO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD
USO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD Inroducción. En muchas áreas de ingeniería se uilizan procesos esocásicos o aleaorios para consruir modelos de sisemas ales como conmuadores
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 detallesDeterminación de las garantías para el contrato de futuros de soja en pesos. Value at Risk
Deerminación de las garanías para el conrao de fuuros de soja en pesos. Value a Risk Gabriela acciano inancial Risk Manager gfacciano@bcr.com.ar Direcora Deparameno de Capaciación y Desarrollo de Mercados
Más detallesESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN
ESTUDIO DE MERCADO. MÉTODOS DE PROECCIÓN Qué es una proyección? Es una esimación del comporamieno de una variable en el fuuro. Específicamene, se raa de esimar el valor de una variable en el fuuro a parir
Más detallesω ω ω y '' + 3 y ' y = 0 en la que al resolver se debe obtener la función y. dx = + d y y+ m = mg k dt d y dy dx dx = x y z d y dy u u x t t
E.D.O para Ingenieros CAPITULO INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES Las ecuaciones diferenciales son ecuaciones en las que conienen derivadas, Por ejemplo: '' + ' = en la que al resolver se debe
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 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 detallesSOLUCION NUMERICA DE ECUACIONES DIFERENCIALES ORDINARIAS.
SOLUCION NUMERICA DE ECUACIONES DIFERENCIALES ORDINARIAS. El objeivo de esas noas complemenarias al ema de solución numérica de ecuaciones diferenciales ordinarias es dar una inroducción simple al ema,
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 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 detallesANEXO Las instituciones calcularán mensualmente los puntos en riesgo utilizando el procedimiento que a continuación se detalla:
ANEXO 5 METODOLOGIA A SEGUIR PARA DETERMINAR EL MONTO MÍNIMO DEL FIDEICOMISO, ASÍ COMO EL IMPORTE DE LAS CUOTAS SOBRE LAS CUALES SE CALCULARÁN LAS APORTACIONES A QUE SE REFIERE EL ARTÍCULO 55 BIS DE LA
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 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 detallesUNIVERSIDAD DE MATANZAS CAMILO CIENFUEGOS FACULTAD DE INGENIERIAS QUÍMICA MECANICA. MONOGRAFÍA LAS SERIES CRONOLÓGICAS EN EL MANTENIMIENTO PREDICTIVO
UNIVERSIDAD DE MATANZAS CAMILO CIENFUEGOS FACULTAD DE INGENIERIAS QUÍMICA MECANICA. MONOGRAFÍA LAS SERIES CRONOLÓGICAS EN EL MANTENIMIENTO PREDICTIVO Ing. Laureano Suárez Marínez 1 MSc Juan Landa García.
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 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 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 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 detallesEstimación de modelos de volatilidad estocástica asimétrica. Aplicación en series de rendimientos de índices bursátiles.
Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos de índices bursáiles. Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA Insrucor: Horacio Caalán TEORÍA DE COINTEGRACIÓN Efecos de las propiedades esocásicas de las series en un modelo de regresión
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 detallesSeries Temporales Univariantes
Profesoras Carolina García-Maros (garcia.maros@upm.es) María Jesús Sánchez Naranjo (mjsan@esii.upm.es) ÍNDICE Inroducción a las series emporales (objeivos, clasificación de los modelos de series, análisis
Más detallesASPECTOS METODOLÓGICOS DE INDICADORES DE VOLUMEN DE VENTAS, DE ARTÍCULOS ELABORADOS POR LA ACTIVIDAD MANUFACTURERA. Lima noviembre 2008
Índice de volumen de venas de la producción indusrial ASPECTOS METODOLÓGICOS DE INDICADORES DE VOLUMEN DE VENTAS, DE ARTÍCULOS ELABORADOS POR LA ACTIVIDAD MANUFACTURERA Lima noviembre 2008 Rolando Porilla
Más detallesTENDENCIAS Y SERIES DE TIEMPO
Curso Andino en Clima y Salud Uso de Información de Clima para la Salud Pública. TENDENCIAS SERIES DE TIEMPO Hugo Oliveros C. InvesigadorAdjuno, IRI Colombia Universiy TENDENCIAS SERIES DE TIEMPO Agenda:
Más detallesAnálisis de Series Temporales
Inroducción al Análisis de Series Temporales José Albero Mauricio Universidad Compluense de Madrid OBSERVACIONES PRELIMINARES El origen de ese libro es una colección de ransparencias que preparé durane
Más detallesLos Procesos de Poisson y su principal distribución asociada: la distribución exponencial
Los Procesos de Poisson y su principal disribución asociada: la disribución exponencial Lucio Fernandez Arjona Noviembre 2004. Revisado Mayo 2005 Inroducción El objeivo de esas noas es inroducir al esudio
Más detallesPROCESOS 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 detallesSistemade indicadores compuestos coincidentey adelantado julio,2010
Sisemade indicadores compuesos coincideney adelanado julio,2010 Sisema de Indicadores Compuesos: Coincidene y Adelanado SI REQUIERE INFORMACIÓN MÁS DETALLADA DE ESTA OBRA, FAVOR DE COMUNICARSE A: Insiuo
Más detallesCONSIDERACIONES RESPECTO AL INDICADOR DÉFICIT FISCAL/PIB Juan Carlos Requena I N T R O D U C C I O N
CONSIDERACIONES RESPECTO AL INDICADOR DÉFICIT FISCAL/PIB Juan Carlos Requena I N T R O D U C C I O N Los méodos uilizados para la elaboración del Presupueso General de la Nación es uno de los emas acuales
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 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 detallesLas señales pueden ser también, señales continuas o señales alternas.
INSIUO ÉCNICO SLESINO LORENZO MSS ema 1: CONCEPOS PRELIMINRES LLER DE MEDICIONES Conenido: Concepo de señal elécrica. Valores caracerísicos de las señales elécricas: Frecuencia (período, Fase, Valor de
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 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 detallesPROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce
Economería I. DADE Noas de Clase PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce (rafael.dearce@uam.es) INTRODUCCIÓN Una vez lograda una expresión maricial para la esimación de los parámeros
Más detallesControl de un péndulo invertido usando métodos de diseño no lineales
Conrol de un péndulo inverido usando méodos de diseño no lineales F. Salas salas@caruja.us.es J.Aracil aracil@esi.us.es F. Gordillo gordillo@esi.us.es Depo de Ingeniería de Sisemas y Auomáica.Escuela Superior
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 detallesMétodo desarrollado en el año de 1889, pero por su sencillez todavía se sigue utilizando.
1 3.2.1.1. Fórmula racional Méodo desarrollado en el año de 1889, pero por su sencillez odavía se sigue uilizando. Hipóesis fundamenal: una lluvia consane y uniforme que cae sobre la cuenca de esudio,
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 detallesExperimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría
Experimeno 3 Análisis del movimieno en una dimensión Objeivos. Esablecer la relación enre la posición y la velocidad de un cuerpo en movimieno 2. Definir la velocidad como el cambio de posición en un inervalo
Más detalles1. Derivadas de funciones de una variable. Recta tangente.
1. Derivadas de funciones de una variable. Reca angene. Derivadas Vamos a ver en ese capíulo la generalización del concepo de derivada de funciones reales de una variable a funciones vecoriales con varias
Más detallesModelos econométricos de predicción macroeconómica en la Argentina. Autores: George McCandless Ma. Florencia Gabrielli Tomás E.
Modelos economéricos de predicción macroeconómica en la Argenina Auores: George McCandless Ma. Florencia Gabrielli Tomás E. Murphy Gerencia de Invesigaciones Económico Financieras Área de Economía y Finanzas
Más detallesPRÁCTICA 2: Ejercicios del capítulo 4
PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para
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 detallesTEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA
TEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA 1. CONCEPTO DE MODELO El ermino modelo debe de idenificarse con un esquema menal ya que es una represenación de la realidad. En ese senido, Pulido (1983)
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 detallesTendencia y Ciclos en el Producto Interno Bruto de Cuba: Estimación con un Modelo Estructural Univariante de Series Temporales. 1
Tendencia y Ciclos en el Produco Inerno Bruo de Cuba: Esimación con un Modelo Esrucural Univariane de Series Temporales. 1 Pavel Vidal Alejandro * Annia Fundora Fernández ** Noviembre del 2004 Resumen:
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 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 detallesCARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 1988-2000 JUAN BYRON CORREA FONNEGRA *
CARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 988 - JUAN BYRON CORREA FONNEGRA * Inroducción En las úlimas dos décadas en Colombia se ha presenado un aumeno en los esudios sobre economía
Más detallesCircuitos para observar la descarga y carga de un capacitor.
IUITO Objeivo Enconrar el comporamieno de la diferencia de poencial en función del iempo, (), enre los exremos de un capacior cuando en un circuio se carga y cuando se descarga el capacior. INTODUION onsidere
Más detallesPREDICCIÓN CON REDES NEURONALES: COMPARACIÓN CON LAS METODOLOGÍAS DE BOX Y JENKINS. Autora Joanna Verónica Collantes Duarte
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES INSTITUTO DE ESTADÍSTICA APLICADA Y COMPUTACIÓN PREDICCIÓN CON REDES NEURONALES: COMPARACIÓN CON LAS METODOLOGÍAS DE BOX Y JENKINS Auora
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 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 detallesPropagación de crecidas
cnicas y algorimos empleados en esudios hidrológicos e hidráulicos Monevideo - Agoso 010 PROGRAMA DE FORMACIÓN IBEROAMERICANO EN MATERIA DE AGUAS Propagación de crecidas Luis Teixeira Profesor Tiular,
Más detallesTema 2: El modelo de Solow y Swan: análisis teórico
Tema 2: El modelo de Solow y Swan: análisis eórico 2.1 El modelo 2.2 El esado esacionario 2.3 La regla de oro de la acumulación del capial. 2.4 La asa de crecimieno a lo largo del iempo Bibliografía: Sala
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 detallesPREDICCIÓN DE LA DEMANDA TURÍSTICA EN LA REGIÓN NORTE DE PORTUGAL RESUMEN
PREDICCIÓN DE LA DEMANDA TURÍSTICA EN LA REGIÓN NORTE DE PORTUGAL RESUMEN Paula Odee Fernandes* - e-mail: pof@ipb.p Luis Borges González** - e-mail: borge@eco.uva.es Francisco José Terroso Cepeda* - e-mail:
Más detallesUN MODELO DE METAS DE INFLACIÓN CON PREFERENCIAS ASIMÉTRICAS DEL BANCO CENTRAL
UN MODELO DE METAS DE INFLACIÓN CON PREFERENCIAS ASIMÉTRICAS DEL BANCO CENTRAL Versión preliminar e inconclusa. Derry Quinana Aguilar Absrac Ese documeno presena un modelo en el cual las preferencias del
Más detallesREVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003
REVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003 ADAPTACION DE LOS TIPOS DE INTERES DE INTERVENCION A LA REGLA DE TAYLOR. UN ANALISIS ECONOMETRICO Carlos Paeiro Rodríguez 1, Deparameno de Análisis
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 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 detallesPROPAGACIÓN DE INCERTIDUMBRE EN LA CONVERSIÓN DE ALGUNAS MAGNITUDES DE HUMEDAD
Simposio de Merología 5 al 7 de Ocubre de 006 PROPAGACIÓN DE INCERTIDUMBRE EN LA CONVERSIÓN DE ALGUNAS MAGNITUDES DE HUMEDAD Jesús A. Dávila Pacheco, Enrique Marines López Cenro Nacional de Merología,
Más detallesEnfoques de Programación Matemática para la Previsión de la Demanda mediante descomposición de series temporales
IX Congreso de Ingeniería de Organización Gijón, 8 y 9 de sepiembre de 2005 Enfoques de Programación Maemáica para la Previsión de la Demanda mediane descomposición de series emporales Josefa Mula Bru,
Más detallesINCERTIDUMBRE EN LA CALIBRACIÓN DE VISCOSÍMETROS CAPILARES
CENTO NACIONAL DE METOLOGÍA INCETIDUMBE EN LA CALIBACIÓN DE VISCOSÍMETOS CAPILAES Wolfgang A. Schmid ubén J. Lazos Marínez Sonia Trujillo Juárez Noa: El presene ejercicio ha sido desarrollado bajo aspecos
Más detallesTema 3. Circuitos capacitivos
Inroducción a la Teoría de ircuios Tema 3. ircuios capaciivos. Inroducción... 2. Inerrupores... 3. ondensadores... 2 3.. Asociación de capacidades.... 5 ondensadores en paralelo... 5 ondensadores en serie...
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 detallesPOLITÉCNICO GRANCOLOMBIANO. FACULTAD DE INGENIERÍA INDUSTRIAL Calificación del Método de Pronóstico de Torres
POLITÉCNICO GRANCOLOMBIANO FACULTAD DE INGENIERÍA INDUSTRIAL Calificación l Pronósico Torres Miller Alarcón malarcon@poligran.edu.co Docene Faculad Ingeniería Indusrial Poliécnico Grancolombiano Acualizado
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 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 detallesTema 3. El modelo neoclásico de crecimiento: el modelo de Solow-Swan
Tema 3. El modelo neoclásico de crecimieno: el modelo de Solow-Swan Inroducción Esquema El modelo neoclásico SIN progreso ecnológico a ecuación fundamenal del modelo neoclásico El esado esacionario Transición
Más detallesCAPÍTULO II. Conceptos de Confiabilidad
CAPÍTULO II Concepos de Confiabilidad CAPÍTULO II CONCEPTOS DE CONFIABILIDAD Una de las áreas de ingeniería de confiabilidad es la modelación de la misma, debido a que los procesos en general se comporan
Más detallesTema 6: Modelización con datos de series temporales. Universidad Complutense de Madrid 2013
Tema 6: Modelización con daos de series emporales Universidad Compluense de Madrid 23 Inroducción (I) Una caracerísica que disingue los daos de series emporales de los daos de sección cruzada, es que los
Más detallesCAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN
Fichero: capiulo 5 CAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN. INTRODUCCION. TIPOS DE PRUEBAS DE VALIDACIÓN DE LOS RESULTADOS DE
Más detallesMODELOS PARA SERIES DE TIEMPO CON ESTACIONALIDAD COMPLEJA
Decimocavas Jornadas "Invesigaciones en la Faculad" de Ciencias Económicas y Esadísica. Noviembre de 2013. Blaconá, María Teresa Andreozzi, Lucía Insiuo de Invesigaciones Teóricas y Aplicadas de la Escuela
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 detallesSensor Foto Puente. Experimentos típicos. Modo de funcionamiento
Sensor Foo Puene DT37 El sensor foo puene puede ser conecado a los recolecores de daos ITP-C, MuliLogPRO o TriLink. Es un foopuene para propósios generales, que mide el iempo que arda un objeo en pasar
Más detallesCURVAS PLANAS, ECUACIONES PARAMETRICAS Y COORDENADAS POLARES 2.1 CURVAS PLANAS Y ECUACIONES PARAMETRICAS
CURVAS PLANAS, ECUACIONES PARAMETRICAS Y COORDENADAS POLARES.1 CURVAS PLANAS Y ECUACIONES PARAMETRICAS Hasa ahora conocemos la represenación de una grafica mediane una ecuación con dos variables. En ese
Más detallesSeries de Tiempo Métodos Descriptivos
Series de Tiempo Méodos Descripivos Resumen El procedimieno de Méodos Descripivos crea varias ablas y gráficas para daos de series de iempo. Una serie de iempo consise en un conjuno daos numéricos secuenciales
Más detallesESTIMACION DE LA TASA DE DESEMPLEO NO ACELERADORA DE LA INFLACION PARA LA ECONOMIA ECUATORIANA RESUMEN
ESTIMACION DE LA TASA DE DESEMPLEO NO ACELERADORA DE LA INFLACION PARA LA ECONOMIA ECUATORIANA Segundo Fabián Vilema Escudero 1, Francisco Xavier Marrio García. 2 RESUMEN Esa esis esablece la uilización
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 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 detallesDepartamento de Ingeniería Hidráulica y M.A. de la U.P.V HIDROGRAMA UNITARIO
Deparameno de Ingeniería Hidráulica y M.A. de la U.P.V. 6 6.- HIDROGRAMA UNITARIO Deparameno de Ingeniería Hidráulica y M.A. de la U.P.V. 63 PROBLEMA RESUELTO 1 El HU de una cuenca para una lluvia de 1
Más detallesECONOMETRÍA I. Autocorrelación. Autocorrelación. Lección 4: Autocorrelación. Siga. 1. Qué es un modelo con autocorrelación?
ECONOMERÍA I Lección 4: Auocorrelación. jm Auocorrelación.. Qué es un modelo con auocorrelación?. Con qué ipo de daos económicos se suelen presenar modelos auocorrelacionados? Auocorrelación. 3. Qué problemas
Más detallesComo Calcular la Tasa de Crecimiento de los Agregados Macroeconómicos Mediante el Análisis de Regresión
Como Calcular la Tasa de Crecimieno de los Agregados Macroeconómicos Mediane el Análisis de Regresión HL Maa 1 La esadísica ha generado diversos indicadores para medir el crecimieno de los agregados económicos,
Más detallesRevisión de la matriz producto/sector de consumo real de productos siderúrgicos y de los indicadores de actividad de los sectores utilizadores
Observaorio Indusrial del Secor Meal Revisión de la mariz produco/secor de consumo real de producos siderúrgicos y de los indicadores de acividad de los secores uilizadores Revisión de la mariz produco/secor
Más detallesV () t que es la diferencia de potencial entre la placa positiva y la negativa del
:: OBJETIVOS [7.1] En esa prácica se deermina experimenalmene la consane de descarga de un condensador, ambién llamado capacior ó filro cuando esá conecado en serie a una resisencia R. Se esudian asociaciones
Más detallesDERIVACIÓN BAJO EL SIGNO INTEGRAL. 1. Hallar el punto del intervalo [0,2] en el que la función =
DERIVACIÓN BAJO EL SIGNO INTEGRAL. Hallar el puno del inervalo [,] en el que la función F () d alcanza su valor mínimo. El mínimo de una función se alcanza en los punos donde su primera derivada es nula
Más detalles