Propuesta metodológica en el contexto de modelos de función de transferencia con expectativas

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

Download "Propuesta metodológica en el contexto de modelos de función de transferencia con expectativas"

Transcripción

1 Curso 994/95 HUANIDADES Y CIENCIAS SOCIALES ARÍA CANDELARIA GIL FARIÑA Propuesta metodológa en el ontexto de modelos de funón de transferena on expetatvas Dretora CONCEPCIÓN GONZÁLEZ CONCEPCIÓN SOPORTES AUDIOVISUALES E INFORÁTICOS Sere Tess Dotorales

2 A ms padres y hermano

3 AGRADECIIENTOS Deseo mostrar m más snera grattud a la Dretora de esta emora, la Dra. Conepón Gonále Conepón, por su apoyo nondonal y ompleta dedaón en su realaón. Sus orentaones omo tutora de ms ursos de Dotorado así omo las onstantes muestras de ánmo dadas y la total dsposón y entrega desde m norporaón omo doente a la Faultad de C.C.E.E. y en espeal a lo largo de esta nvestgaón, mereen todo m reonomento y grattud. Así msmo, quero expresar m agrademento al Dr. Vítor Cano Fernánde, profesor del Departamento de Eonomía Aplada, por sus omentaros, orreones y sugerenas en la realaón de este trabao. eree espeal atenón la labor desarrollada por m ompañera de Departamento Celna Pestano Gabno, quen realó una letura atenta de este trabao y ooperó de forma nondonal en la orreón fnal del msmo. Tambén manfesto m agrademento al Dr. Lus aver Lópe artín, Dretor del Departamento de Eonomía Aplada, por las sugerenas y olaboraón prestadas en la fase fnal de redaón y presentaón. uestro tambén m grattud a todos ms ompañeros de la subárea de atemátas del Departamento de Eonomía Aplada, así omo a otros membros de la Unversdad de La Laguna, en espeal al Dr. Pablo Gonále Vera y a Sergo Alonso Rodrgue por sus onstantes muestras de apoyo y por la ooperaón y asesoramento prestados en el desarrollo de esta labor. Fnalmente, quero agradeer a m famla, en espeal a ms padres y hermano, a quenes presamente dedo esta emora, las muestras ontnuas de ánmo y omprensón así omo la onfana y el apoyo depostados, sn los uales este trabao no hubese vsto la lu.

4 INDICE

5 PROLOGO CAPITULO.-LA ESPECIFICACION DE RELACIONES DINAICAS EN EL ANALISIS DE SERIES TEPORALES 5 INTRODUCCION 7.- ODELOS LINEALES DE SERIES TEPORALES ODELOS ARA Y ARIA UNIVARIANTES ODELOS ARA VECTORIALES. EL ODELO DE FUNCION DE TRANSFERENCIA LA IDENTIFICACION DE ODELOS ARA: UNA REVISION ETODOLOGICA LA APROXIACION DE PADE EN LA IDENTIFI- CACION DE ODELOS ARA Propuestas de arateraón dnáma 43 CAPITULO 2.- LA APROXIACION DE PADE EN LA DETERINA- CION DE UN ODELO DE FUNCION DE TRANSFE- RENCIA CLASICO 57 INTRODUCCION 59.- LA APROXIACION DE PADE AP A SERIES FORA- LES DE POTENCIAS DEFINICION Y PROPIEDADES ETODOS PARA LA REPRESENTACION RACIO- NAL DE UNA SERIE FORAL DE POTENCIAS La Tabla C: Estrutura y formaón de bloques La Tabla de Padé: Estrutura y formaón de bloques El ε-algortmo Defnón y propedades La Tabla-ε: Estrutura y formaón de

6 bloques DETERINACION DE ODELOS RACIONALES EN SERIES TEPORALES: EL ODELO FT CLASICO INTRODUCCION EL ODELO FT CLASICO: FORULACION EL ODELO FT Y SU RELACION CON OTRAS ESPECIFICACIONES DINAICAS ETODOS DE IDENTIFICACION DE LOS ORDENES POLINOIALES EN UN ODELO FT étodos de estmaón ndreta de la Funón de Respuesta al Impulso étodos de estmaón dreta de la Funón de Respuesta al Impulso: La Tabla C y la Tabla de Padé Una estmaón prelmnar para los parámetros del modelo Un método alternatvo en la dentfaón de un modelo FT: El ε-algortmo RESULTADOS Y CONCLUSIONES 2 CAPITULO 3.- LA APROXIACION DE PADE-LAURENT EN LA DETERINACION DE UN ODELO DE FUNCION DE TRANSFERENCIA CON EXPECTATIVAS 9 INTRODUCCION 2.- LA APROXIACION DE PADE-LAURENT APL DEFINICION DE APL PARA UNA SERIE FORAL DE LAURENT REPRESENTACION RACIONAL DE UNA SERIE FORAL DE LAURENT: LA TABLA C 26

7 2.- DETERINACION DE ODELOS RACIONALES EN SERIES TEPORALES DOBLEENTE INFINITAS: EL ODELO FT CON EXPECTATIVAS FORULACION DEL ODELO FT CON EXPECTA- TIVAS ETODOS DE IDENTIFICACION DE LOS ORDENES POLINOIALES EN UN ODELO FT CON EXPEC- TATIVAS El método de la Tabla C Una estmaón prelmnar de los parámetros del modelo RESULTADOS Y CONCLUSIONES 38 CAPITULO 4.- LA APROXIACION DE PADE EN ODELOS DE FUNCION DE TRANSFERENCIA CON EXPECTA- TIVAS 4 INTRODUCCION 43.- LA APROXIACION DE PADE AP A UNA SERIE FORAL DE LAURENT DEFINICION Y PROPIEDADES LA TABLA T: ESTRUCTURA Y FORACION DE BLOQUES REPRESENTACION DE UNA SERIE FORAL DE LAURENT A TRAVES DE UN ODELO RACIONAL: EL ETODO DE LA TABLA T DEFINICION DE UN AP FINITO PARA UNA SERIE FORAL DE LAURENT Estrutura de la Tabla T para un AP fnto REPRESENTACION DE UNA SERIE FORAL DE LAURENT EDIANTE UNA FUNCION

8 RACIONAL DE ORDENES FINITOS Estrutura de la Tabla T para una funón raonal de órdenes fntos LA GENERALIZACION DEL ε-algorito: ESTRUCTURA DE LA TABLA-ε DETERINACION DE ODELOS RACIONALES EN SERIES TEPORALES DOBLEENTE INFINITAS: EL ODELO DE FUNCION DE TRANSFERENCIA CON EXPECTATIVAS FORALIZACION GENERALIZADA DEL ODELO FT CON EXPECTATIVAS ETODOS DE IDENTIFICACION DE LOS ORDENES POLINOIALES EN UN ODELO FT CON EXPEC- TATIVAS El método de la Tabla T La Tabla de Padé Una estmaón prelmnar de los parámetros del modelo Un método alternatvo de dentfaón: El ε-algortmo generalado RESULTADOS Y CONCLUSIONES 79 CONCLUSIONES Y CUESTIONES ABIERTAS 89 REFERENCIAS BIBLIOGRAFICAS 99

9 PRÓLOGO

10 PROLOGO El obetvo entral de esta emora onsste en proponer una metodología basada en la utlaón de la teoría de la representaón raonal de seres y, en onreto, la aproxmaón raonal de Padé Padé, 892, para abordar algunas uestones relatvas a la modelaón dnáma de seres temporales doblemente nfntas, esto es, seres que norporan una seuena dsreta de varables y ponderaones evaluadas en todo el domno temporal. Este obetvo que se persgue está en la línea de la preoupaón y de los esfueros que se han vendo realando en el ámbto del análss de seres temporales durante las dos últmas déadas, destnados a profundar en el estudo y desarrollo de nuevos métodos on los que abordar la dentfaón de relaones entre varables temporales. En onreto, son numerosos los proedmentos hasta ahora propuestos para abordar el problema de la dentfaón del omportamento dnámo en el maro de los modelos ARA y, por extensón, de los modelos ARIA unvarantes y multvarantes; prueba de ello son presamente las numerosas referenas bblográfas exstentes al respeto. Este nterés que susta el estudo de la dentfaón de la estrutura de relaón dnáma entre varables en el maro del análss de seres temporales y que onsttuye el ee entral de la presente nvestgaón, se sabe es tambén ompartdo por otras áreas de nvestgaón, espealmente en teoría de ontrol, estadísta e nvestgaón operatva, entre otras, que están estrehamente vnuladas on el análss de seres temporales. Ahora ben, hasta la atualdad, los desarrollos en la modelaón de seres temporales así omo los proedmentos propuestos para la dentfaón de la estrutura dnáma subyaente, se han llevado a abo básamente en el ámbto de la 3

11 PROLOGO formulaón de modelos ausales, en los que en onseuena se asume que la evoluón futura de una varable reprodue los esquemas de omportamento pasados. Desde esta ópta, y tomando omo referena las hpótess tradonales en la lteratura eonométra, algunos autores L, 985; Clavere et. al., 99; Berlnet y Franq, 994,... han ntentado en los últmos años profundar en la onsderaón de la teoría de la representaón raonal de seres en la modelaón eonométra, proponendo la utlaón de dversas ténas al respeto; no obstante, la mayor parte de las aportaones realadas en este sentdo se referen al aso unvarante. En este ámbto, la utlaón de una téna relevante, ya menonada, dentro de la aproxmaón raonal, esto es, la aproxmaón de Padé en relaón on el estudo algebrao de seres formales de potenas omo una generalaón de la aproxmaón polnóma de Taylor, ha ontrbudo a enrqueer y a estmular gratamente el estudo de la dentfaón dnáma en la lteratura eonométra. Desde esta perspetva, sus propedades se han mostrado espealmente útles no sólo en el estudo del omportamento asntóto de ertas seres numéras sno que, en partular, onsttuyen una herramenta valosa para llevar a abo la dentfaón de la estrutura de relaón dnáma entre varables. En efeto, la utlaón de esta téna dentro del ámbto de la formulaón de modelos ausales y, en onreto, en la formulaón de modelos raonales, permte la arateraón de métodos omputaonalmente senllos on los que abordar la espefaón dnáma de la parte determnsta en ertos modelos de seres temporales. En partular, el método de la tabla C Baker, 975, a partr de uyas propedades se obtene el denomnado método orner Begun, Goureroux y onfort, 98; Lu y Hanssens, 982 en la lteratura eonométra, el ε-algortmo Wynn, 956; Berlnet, 984, el R-S algortmo Gray, Kelley, Intre, 978, et, onsttuyen algunas de las propuestas de arateraón dnáma, vnuladas on la aproxmaón 4

12 PROLOGO de Padé, que han vendo a enrqueer notablemente el ámbto de la dentfaón de la parte determnsta de modelos de seres temporales. Así msmo, las propedades de esta téna resultan relevantes en tanto que proporonan valores nales para los parámetros del modelo, que resultan fables para llevar a abo la obtenón de un modelo defntvo a través de otros métodos teratvos más efentes, una ve que se norpora la dentfaón de la parte aleatora. En partular, dentro de la formulaón de modelos raonales en térmnos ausales y que denomnaremos en adelante ontexto láso, la aproxmaón de Padé y sus propedades resultan espealmente nteresantes para el estudo de la dentfaón dnáma en un modelo VARA, en general, esto es, en la dentfaón de los órdenes de los polnomos de retardo que ntervenen en su formulaón. Un aso partular de este tpo de formulaones, el modelo de Funón de Transferena FT Box y enkns, 976, va a onsttur el maro de análss elegdo para llevar a abo nuestra nvestgaón, ya que onsttuye una de las representaones dnámas de uso freuente en el desarrollo de aplaones en los dstntos ámbtos no sólo de la Eonomía, sno tambén de otras Cenas Soales omo la Geografía e nluso en aquellas enas de aráter expermental omo la Ingenería y la Físa. Por otro lado, esta eleón permte utlar un onunto de resultados que se enuentran en la base de la teoría de la aproxmaón raonal, dentro de la atemáta Aplada. Además, nos entramos en el aso unvarante ya que el nterés prnpal es destaar el papel de las expetatvas en este tpo de modelos. Partendo de estas onsderaones, realaremos en el prmer apítulo una revsón somera de los métodos más usuales propuestos en la lteratura eonométra para la dentfaón de modelos de seres temporales, haendo espeal hnapé en aquellos proedmentos de arateraón dnáma, que tenen su soporte metodológo en la 5

13 PROLOGO aproxmaón de Padé que han sdo propuestos en el estudo de modelos raonales y, en onreto, en la formulaón del modelo FT. Dado que el estudo de estos métodos vnulados on la aproxmaón de Padé permte onstatar la valde de esta herramenta en la dentfaón raonal de modelos de seres temporales, dedamos el apítulo 2 al estudo, en una prmera parte, de la aproxmaón lása de Padé, esto es, en relaón on el tratamento de seres formales de potenas, destaando los fundamentos teóros y resaltando las propedades y aspetos básos más relevantes de la msma que son de aplaón posteror en esta emora. Esta aproxmaón teóra nos permtrá abordar, en una segunda parte, el estudo de la dentfaón de los órdenes polnomales en una formulaón lása del modelo FT, es der, en un ontexto dnámo ausal, ponendo de manfesto on ello la vnulaón exstente entre los dversos proedmentos de arateraón sugerdos hasta ahora en este ontexto. Por otro lado, la realaón de este estudo permte haer una reflexón sobre las ventaas e nonvenentes que posee, en general, el modelo FT láso. En efeto, la onsderaón de un unverso eonómo en el que la formulaón de relaones dnámas se rge por un proeso que podríamos alfar de endógeno, esto es, se establee en térmnos de la formulaón de un modelo estable en el que el omportamento futuro es onseuena del pasado, nos lleva a stuarnos dentro de un ontexto que no sempre puede ofreer respuestas váldas en térmnos de la formulaón de meddas de políta eonóma. Es por ello que s ben este tpo de formulaones ausales resulta plenamente váldo desde la perspetva de auste a los datos dsponbles, esto es, reogen felmente los esquemas de omportamento hstóros de las varables mpladas en una relaón dnáma onsderada, sn embargo, su utldad en térmnos predtvos nluso a C/P y/o /P y en onseuena su operatvdad para servr a los propóstos y obetvos de políta eonóma es, en oasones, lmtada. Presamente, esta onsderaón resulta espealmente erta en aquellas stuaones en las que la realdad eonóma de un 6

14 PROLOGO período lleva apareada la exstena de omportamentos estruturalmente dferentes en el tempo, que tenen su orgen en runstanas de dversa índole, ya sea eonómo, políto, et. En tales stuaones, fundamentar la toma de desones relevantes de políta eonóma en la adopón de una onepón ausal del unverso eonómo y de las relaones en él presentes, omo un meansmo ordenado que funona según un onunto de leyes establedas, hoa on la aeptaón de una vsón en la que el futuro no es sólo onseuena del pasado y, por tanto, la nertdumbre sobre el onomento futuro oupa un lugar entral. En efeto, este onomento que, en la mayoría de los asos, resulta nerto y que es presamente refleo de la aleatoredad nherente al propo unverso y a la ausena de leyes estrtas que ran los fenómenos soales y, en onreto, los eonómos, tene enorme mportana en el desarrollo de la atvdad eonóma en tanto no sólo afeta la adopón de desones estratégas sno, en defntva, a la determnaón de qué líneas de aón resultan aonseables. Es por ello que en el ntento de superar las lmtaones que en térmnos predtvos poseen las formulaones tradonales ausales y de ofreer on ello respuestas váldas a los obetvos esenales de políta eonóma, nuestra ontrbuón en esta emora se entra en proponer, tal y omo se reoge en los apítulos 3 y 4, un maro teóro más amplo para el estudo de las relaones dnámas entre varables, sn abandonar el análss de seres temporales, a través del establemento de modelos no ausales, esto es, en los que se norporan las antpaones o expetatvas que elaboran los agentes eonómos sobre el omportamento de determnadas varables. Por otra parte, el análss de las expetatvas así omo las hpótess establedas sobre su formaón, en la medda en que en defntva onsttuyen nformaón relevante a tener en uenta, ha onsttudo en la lteratura eonométra un aspeto nteresante en el maro de análss de las araterístas dnámas que surgen en la 7

15 PROLOGO relaón entre varables. En este sentdo, el nterés por el estudo de relaones dnámas que envuelven omportamentos futuros o deseados de alguna varable y por la norporaón de hpótess sobre su formaón, ha sdo desde un prnpo planteado por ertos autores Fsher, Nerlove, et., que ven la neesdad de utlar formulaones de mayor ontendo teóro en lugar de los meansmos tradonales de dstrbuón de retardos. Desde el ámbto de la teoría eonóma, es ya a partr de los años 5 y 6 uando rrumpe on fuera el papel de las expetatvas. En este sentdo, omenan a tener mportana oneptos omo el de rendmentos futuros esperados que, s ben eran ya onsderados por la teoría keynesana, obran un nuevo sgnfado. Las expetatvas de renta futura entran en la funón de onsumo de la mano de las teorías de la renta permanente y del lo vtal y, por su parte, la nflaón esperada hae tambén su aparón en la funón de demanda de dnero. Así msmo, los merados fnaneros omenan a norporar las expetatvas para explar el equlbro de artera y las estruturas en los tpos de nterés, en tanto que los merados de ambos exgen norporar la nformaón que se derva de la onsderaón de expetatvas sobre tasas de nterés futuras, et. Hasta ese momento, aún uando en el pasado no faltaban aportaones nteresantes sobre el papel de las expetatvas, el olvdo más o menos general de su presena e mportana era refleo de un heho en la ena eonóma del momento, quás debdo al dfíl engare de las expetatvas en el uerpo de dotrna rebdo. Presamente, este papel que uegan las expetatvas tanto en el análss eonómo omo en el eonométro nos va a permtr artular e mbrar ambos ampos dentro de En este sentdo abe menonar la teoría del empresaro nnovador shumpeterano, la del benefo de Knght, la teoría de Fsher, los autores de la esuela suea, et. 8

16 PROLOGO un maro teóro báso omún, on el que abordar el estudo de la dentfaón raonal de modelos de seres temporales desde un ontexto más general. Ahora ben, aunque la onseuón de este obetvo pasa por la onsderaón de que la teoría eonóma es apa de sumnstrar estmaones fables sobre el futuro de las varables explatvas nvoluradas en una relaón dnáma dada, no nos detendremos en profundar en el estudo de los dstntos meansmos exstentes on los que uentan los agentes eonómos para elaborar antpaones futuras de una varable. Exste una ampla lteratura 2 para abordar el tratamento de los dstntos meansmos en la formaón de expetatvas, meansmos que a su ve se plantean a través de la utlaón de la nformaón dsponble, que en algunos asos no sólo nluye la que proporonan los datos hstóros dsponbles sno tambén la que se derva de los deseos propos y, en onseuena, de las estrategas y proyeones futuras que elaboran los agentes eonómos para la toma de desones. Por otra parte, abe der que en general los modelos no resultan en modo alguno nsensbles a ambos en el esquema de formaón de las expetatvas; por el ontraro, estos ambos onduen a omportamentos dnámos dferentes en tanto que es en efeto la naturalea presa de las expetatvas la que determna la dnáma explíta de las varables antpadas. Ahora ben, sn entrar a detallar en profunddad los aspetos teóros de su formaón y utlaón, estos meansmos nluyen, en prmer lugar, las llamadas expetatvas extrapolatvas 3, que se generan uando los agentes eonómos utlan toda la nformaón pasada de la varable sobre la ual forman sus expetatvas. En segundo lugar, y omo una reformulaón de la anteror, la hpótess de expetatvas 2 Véase, entre otros, Argandoña 979 y Raymond

17 PROLOGO adaptatvas 4 proporona un meansmo por el ual los agentes repasan sus expetatvas de la varable en ada período, en proporón a la dferena entre el valor atual y el onsderado omo normal. Un aso partular dentro de esta hpótess sería el de la expetatvas ngenuas donde las expetatvas se formulan de auerdo on el valor vgente en el período presente. No obstante, s ben el planteamento que sugere este esquema resulta nsatsfatoro por la rgde que norpora el proeso de formaón de expetatvas, srve para lustrar laramente la mportana y la utlaón de éstas en el maro de formulaones alternatvas más ompleas. En relaón on la hpótess de expetatvas adaptatvas y on los nonvenentes que a menudo se le atrbuyen, en Koresha 984 se propone una manera más efente de trabaar on modelos que norporan este tpo de hpótess. La ríta de este autor a la formulaón tradonal de este tpo de modelos se basa en que su onstruón, a través de los modelos de retardos dstrbudos, fuera no sólo estruturas autorregresvas de retardos para las varables expetatvas sno que tambén mpone dstrbuones espeífas de retardos que pueden no ser váldas 5. Presamente, su propuesta para trabaar de forma más efente on este tpo de modelos onsste en presentar una aproxmaón de seres temporales que, en térmnos muy smlares a la formulada en el apítulo 4 de esta presente nvestgaón, no sólo hae uso de toda la nformaón ontenda en los datos sno que además permte norporar teoría en la propa onstruón del modelo. Este proedmento, que requere el empleo del modelo FT on expetatvas, en la medda en que rea el maro neesaro para norporar nformaón futura sobre las varables explatvas, permte meorar sensblemente, desde un punto de vsta empíro, las predones del modelo 3 Véase etler 94 4 Véase Arrow y Nerlove Otros trabaos que ustfan este argumento son, entre otros, los de Lahr 976 y ust 977.

18 PROLOGO on respeto a las que se obtenen por los modelos de retardos dstrbudos onvenonales. La hpótess de expetatvas raonales debda a uth 96 surge omo un esquema alternatvo para la formaón de expetatvas a través de la utlaón efente de toda la nformaón dsponble, entendendo por ésto la estrutura de la eonomía, las aones pasadas y presentes aometdas por los gobernos así omo las estrategas que se supone éstos pueden adaptar en el futuro. Fnalmente, una propuesta más reente es la realada por Nerlove et al 979, que basan la generaón de antpaones sobre las varables en el análss de seres temporales. En este nuevo esquema, que se denomna de expetatvas uasraonales son utladas las predones on error uadráto medo mínmo omo expetatvas de las varables endógenas y exógenas del modelo. Ahora ben, el nterés presente en este nuevo planteamento de las relaones dnámas trata de onugar los nstrumentos básos del análss de seres temporales, que reogen toda la nformaón dsponble en la muestra, on el onomento aprorísto que, en forma de expetatvas ex ante o ex post aporta la teoría eonóma -resaltando aquellos meansmos de formaón que no sólo onsderan la evoluón pasada y que, por tanto, están más ben en la línea de las expetatvas raonales-, o en su aso, la propa evdena empíra, sobre las varables explatvas del modelo. Con el obetvo de proporonar el fundamento teóro sufente en el que sustentar esta nueva onepón de las relaones dnámas, que onsderan una seuena dsreta de varables y ponderaones evaluadas en todo Ζ domno de los enteros, proponemos abordar, desde el punto de vsta metodológo, una generalaón del onepto de aproxmaón de Padé al estudo de seres formales de Laurent Bultheel, 987, tambén denomnadas seres doblemente nfntas, y que no

19 PROLOGO representan más que una generalaón del estudo de seres formales de potenas en el aso láso. Presentamos esta fundamentaón teóra, partularada a la dentfaón de la parte determnsta de un modelo FT on expetatvas, desde dos vías alternatvas: Por un lado, tal y omo se propone en el apítulo 3, es posble abordar la modelaón raonal de seres formales de Laurent desde la perspetva de la aproxmaón de Padé-Laurent Bultheel, 987, esto es, a través de la representaón de dos funones raonales que aproxman respetvamente las dos dreones de una sere formal de Laurent. Esta nueva vía que se presenta proporona una base metodológa para la arateraón de métodos senllos on los que abordar algunas uestones sobre la dentfaón en este maro dnámo más amplo y, en prnpo, más aorde on la realdad evolutva exstente que se quere plasmar. En partular, esta propuesta en el ámbto de la formulaón de modelos no ausales o, dho de otra forma, en el ontexto de los modelos de seres temporales que norporan la presena de valores futuros en su formulaón, resulta de espeal nterés en la dentfaón de la estrutura dnáma de un modelo FT en el que se onsdera la exstena de expetatvas sobre el omportamento de las varables nputs nvoluradas en el msmo. Por otro lado, en el apítulo 4 proponemos la utlaón de la modelaón raonal de seres formales de Laurent en térmnos de la formulaón de un modelo úno que, de forma smultánea, aproxme las dos dreones de la sere utlando la aproxmaón de Padé a seres de Laurent. Presamente, esta nueva vía en la modelaón raonal va a permtr amplar el estudo de la dentfaón dnáma en la metodología de seres temporales on una onsderaón evolutva, no neesaramente ausal, de las varables onsderadas. 2

20 PROLOGO En este sentdo, se arateran nuevos proedmentos on los que abordar el estudo de la dentfaón dnáma. En onreto, el método de la tabla T, uyas propedades srven para araterar la generalaón del método orner láso, y la generalaón del ε-algortmo, onsttuyen dos propuestas de dentfaón en este ontexto, uya operatvdad ntentamos valdar en esta emora on dversos eeros de smulaón. Además, omo puede onstatarse, el aso láso no es más que un aso partular de nuestros resultados uando no se norporan las expetatvas. Por otra parte, abe destaar que desde esta nueva perspetva, la onsderaón de un maro dnámo en el que se falta la norporaón adonal de la nformaón futura -deduble a partr de la evoluón de las varables explatvas y/o del onomento a pror de su omportamento estrutural-, favoree un proeso de realmentaón ontnua del modelo, que le permte r norporando de forma progresva nformaón atualada, onforme la propa evdena empíra modfa o onfrma las predones realadas. Así msmo, podemos ofreer dferentes modelos para una msma sere de datos sn más que modfar las expetatvas, adelantándonos así al onomento de la nfluena que sobre el output presente tenen nuestras expetatvas para el nput. Una ustfaón adonal a la valde del planteamento propuesto vene dada por la posbldad de norporar expetatvas que, formuladas de un modo ex ante, permtesen onstrastar la valde y efetvdad de dstntas espefaones dnámas para un msmo onunto de datos y, en onseuena, determnar un modelo óptmo. Fnalmente, se presentan las onlusones más relevantes de este estudo. En onreto, dado que la metodología propuesta en los apítulos 3 y 4 es suseptble de aplaón en aquellos ontextos en los que la exstena de ambos estruturales determna omportamentos futuros de las varables dferentes a sus omportamentos 3

21 PROLOGO hstóros, presentamos a modo de lustraón -omo una prmera experena paral para su valdaón- una aplaón al estudo de datos reales en el merado de produtos agríolas para el período de transón de la eonomía polaa. Así msmo, se haen algunas reflexones y se plantean dversas uestones abertas relatvas a posbles extensones de índole teóro y práto para nvestgaones futuras. 4

22 CAPÍTULO LA ESPECIFICACIÓN DE RELACIONES DINÁICAS EN EL ANÁLISIS DE SERIES TEPORALES

23 CAPITULO INTRODUCCION El obetvo de este apítulo onsste en presentar, dentro del análss de seres temporales, las formulaones hasta ahora propuestas para el análss de relaones entre varables temporales, revsando las aproxmaones más usuales sugerdas para la determnaón de la estrutura dnáma subyaente. Desde esta perspetva, se pone espeal énfass en el estudo de todos aquellos proedmentos de arateraón dnáma, basados en la aproxmaón de Padé, que han sdo propuestos en el estudo de la modelaón raonal de seres temporales y, en onreto, en la dentfaón de un modelo de Funón de Transferena. En efeto, la preoupaón que en el análss eonómo orgna el estudo de las relaones dnámas entre varables eonómas y su onfguraón temporal ha sdo obeto, y lo ontnúa sendo, de un amplo tratamento en el ontexto de lo que se ha vendo a llamar Eonometría teóra y empíra. El nterés que en este sentdo susta la onsderaón y el segumento de la evoluón o trayetora temporal de las varables relevantes mpladas en el estudo de los fenómenos eonómos y el análss de las relaones en el orto y largo plao, ustfan el desarrollo de una metodología propa en el estudo de la modelaón dnáma. Las dstntas propuestas teóras que han surgdo en el ontexto de la metodología eonométra apareen vnuladas, aunque en base a enfoques dferentes, a la espefaón dnáma de un modelo eonométro, esto es, a la espefaón de la estrutura dnáma nherente tanto a las varables observables, nvoluradas en la parte sstemáta del modelo, omo al térmno de perturbaón aleatora. 7

24 CAPITULO Ahora ben, aunque pueden ser dferentes las mplaones y resultados que en oasones se dervan de asumr dferentes perspetvas en el tratamento de las relaones dnámas pueden ser dferentes, la exstena, por otra parte, de posbles relaones y smltudes vene a onfrmar presamente la oexstena de aproxmaones equvalentes en el ntento de aptar la estrutura dnáma subyaente. Desde las prmeras aportaones que evdenan una preoupaón por el estudo de la onsderaón dnáma de la realdad Yule, 927; Nerlove, 958,..., hasta el desarrollo más reente del enfoque basado en el análss de seres temporales, que orresponde a las varables nvoluradas en las relaones de omportamento que se postulan, la metodología eonométra ha evoluonado sguendo dos dreones. Por un lado, y más próxmo a los planteamentos nales de la eonometría, la práta omún eonométra, guada en gran parte por prnpos y noones de teoría eonóma, omena a mponer representaones a pror espeífas sobre las relaones de omportamento entre las varables que se onsderan, permtendo on ello que sean los datos quenes onfrmen la ontrastaón empíra de los avanes de la teoría eonóma, esto es, los modelos que se onstruyen bao los auspos de los prnpos teóro-eonómos. Esta perspetva proporonó un programa de nvestgaón que, domnado por el modelo de regresón lneal y su análss, así omo por el modelo de euaones smultáneas y el estudo de su dentfaón y estmaón, proporonaría las prnpales pautas de nvestgaón para las déadas sguentes. Véase lls 99. 8

25 CAPITULO Esta estratega, que surge en base al onomento aprorísto que aporta la teoría eonóma, parte de una formulaón de un modelo, en general, nalmente sobreparametrado que, a medda que los datos lo onfrmen, derva de forma seuenal haa un modelo más restrngdo. De esta forma, la ontrastaón estadísta de la exstena de relaones de ausaldad entre los parámetros permtrá la smplfaón seuenal del modelo sn que, en ualquer aso, ello onsttuya la fnaldad últma en la espefaón del msmo. Estas relaones de omportamento que de forma aprorísta se postulan, más allá de la obtenón de los efetos parales, aumulados y totales que ambos aslados o sostendos en el tempo en las varables exógenas eeren sobre las varables endógenas, tratan de onformar la estrutura temporal de estas respuestas, esto es, el estudo de la forma dferda en el tempo en que se onfgura dha varaón. En esta línea podemos señalar los modelos de retardos dstrbudos, propuestos en su momento por Koyk, orgenson, Almon, et. que, en base a la nformaón que a pror se onsdera sobre las estruturas de retardos entre las varables, permten ntrodur vías de soluón a la estmaón paramétra presente en la formulaón de modelos dnámos. La evoluón de los desarrollos teóros en la profundaón de la espefaón de modelos dnámos entre varables eonómas ha dado lugar a una nueva perspetva, dada por el análss de los modelos de seres temporales. Aún así, los desarrollos en la metodología eonométra, tanto en su vertente lása omo en la dervada del enfoque del análss de seres temporales, ontnúan sendo en la atualdad el entro de nterés por sus mplaones, entre otras, en el estudo del omportamento entre varables eonómas, el análss estrutural y la smulaón de polítas. 9

26 CAPITULO En onreto, la modelaón de relaones eonométras en el domno temporal se onfgura omo un nstrumento váldo para la omprensón y el tratamento, en el seno del análss eonómo, de todos aquellos aspetos que se plantean en los modelos de equlbro dnámo. Ahora ben, aunque esta perspetva ha sdo obeto de un amplo tratamento y de una larga tradón, el reente desarrollo del análss de seres temporales en las últmas déadas, en espeal desde prnpos de los años setenta, es fruto de las numerosas ontrbuones que éste ha proporonado en dstntas áreas omo son, por eemplo, la Eonomía, la Estadísta, la Ingenería de Sstemas y la Investgaón Operatva. Así msmo, las atvdades de nvestgaón en el ámbto del análss de seres temporales se han vsto gratamente estmuladas por el amplo número de soluones satsfatoras aportadas a una gran mayoría de problemas planteados en el ampo de la predón, el ontrol, la medón de los efetos de determnadas meddas polítas y otras ntervenones, así omo la dentfaón de ndadores de adelanto, su uso efente y la modelaón de sstemas on relaones de ausaldad bdreonal feedbak en la eonomía e ngenería. Además, esta vía de aproxmaón se ha araterado no sólo por la relatva senlle on la que onsgue dentfar, estmar y utlar predtvamente los modelos así formulados, sno tambén porque se lleva a abo en un ontexto teratvo y oherente, en el que se utla toda la nformaón muestral dsponble ontenda en la evoluón hstóra de las varables onsderadas. No obstante, desde una perspetva estoásta, el análss de seres temporales ha stuado su alane más allá al permtr su onsderaón en el ontexto de los modelos estruturales y, en onreto, en el entorno del análss eonométro tradonal on la presena de modelos ausales uneuaonales y multeuaonales. 2

27 CAPITULO En efeto, son numerosas las nvestgaones que en los últmos años se han drgdo a la búsqueda de vínulos entre la aproxmaón eonométra y la aproxmaón de seres temporales. De heho, el desauerdo exstente es mayor sobre la aproxmaón de modelaón a adoptar que sobre el modelo a elegr, puesto que la mayoría de los modelos eonométros más omunes pueden ser esrtos omo modelos ARA vetorales. En onreto, la mportana de una síntess entre la eonometría tradonal y las ténas de seres temporales tene lugar on Granger y Newbold 977. Los fundamentos de este trabao se enuentran en Zellner y Palm 974 y un desarrollo posteror en Walls 977 y Nerlove et al En ellos se pone de manfesto la estreha relaón exstente entre las formulaones de los modelos eonométros dnámos y las sugerdas por las ténas de seres temporales ya que, onretamente, en la onsderaón de modelos uneuaonales, la mayor parte de las espefaones dnámas tradonales son asos partulares de las formulaones que se dervan de los modelos de regresón dnáma. En relaón a las nvestgaones que en la últma déada se han drgdo al estudo de una metodología para la modelaón eonométra de seres temporales eonómas, una ampla reoplaón se enuentra en Hendry y Rhard 983 y un tratamento ompleto de esta metodología en Spanos Para más detalle respeto a estas referenas puede onsultarse, entre otros, Raftery 985, Treadway 984 y lls 99. 2

28 CAPITULO Otros puntos de vsta alternatvos se dan entre otros en Sms 987 y una revsón de éstos en Pagan En onseuena y en palabras de Zellner Raftery, 985 "... las formulaones de modelos eonométros han de estar basadas en la teoría eonóma pero tambén han de tomar en uenta oneptos presentes en el análss de seres temporales, tales omo la presena de errores ARA, retardos dstrbudos y varables dependentes retardadas". De la msma forma, Hendry 987 entende que los modelos han de satsfaer rteros adonales a aquéllos de 'oherena de los datos', esto es, ondonamento váldo, onsstena de los parámetros, admsbldad de los datos, onsstena de la teoría y ser apaes de explar los resultados obtendos por modelos rvales a partr de los resultados propos. En otras palabras, se trata según Treadway 984 de "... haer teoría eonóma en nteraón on el proeso de onstruón del modelo, en tanto que la teoría debe ayudar a la formulaón del problema, tomar parte en la nterpretaón de los modelos, así omo en el establemento de un modelo oneptual nal y de restrones sufentemente onvnentes y, fnalmente, en la nterpretaón de resultados". De heho, la teoría eonóma no sólo va a faltar la nterpretaón de un modelo empíro sno que proporona un lenguae para la omunaón de la naturalea y sgnfaón de los frutos de la modelaón eonométra. Ahora ben, la efetvdad en el aprendae de los datos que la aproxmaón de seres temporales ofree requere neesaramente reevaluar la teoría eonóma 3 Véase lls 99 para éstas y otras referenas al respeto. 22

29 CAPITULO y dsrmnar de forma presa entre aquellas partes de la teoría que raonablemente pueden sostenerse y aquéllas que deben deseharse. En onseuena, este requermento se tradue en la neesdad de onsegur un equlbro entre la adeuaón estadísta y la sensbldad eonóma, es der, lograr que los modelos sean eonómamente sensbles y estadístamente adeuados, en tanto que han de proporonar una base válda para la nferena y, por tanto, faltar la omprobaón y omparaón a pror de teorías alternatvas dentro de una estrutura estadísta ben fundamentada..- ODELOS LINEALES DE SERIES TEPORALES..- ODELOS ARA Y ARIA UNIVARIANTES Desde la perspetva del análss de seres temporales, la evoluón de los desarrollos teóros ha permtdo abordar el obetvo nal de los modelos de seres temporales, onsstente en la determnaón de las pautas de omportamento en la dstrbuón de las varables, esto es, la búsqueda de la estrutura poblaonal que presumblemente ha generado la sere temporal observada, desde una doble perspetva: *Por un lado, desde una versón más lása, el análss de seres temporales se presenta omo una herramenta de utldad en la desrpón hstóra de una varable, on ndependena de sus relaones on otras magntudes, al realar un estudo detallado de todas las omponentes que de forma agregada onfguran la evoluón de la varable en el tempo; se trata, en onreto, de aslar y en su aso orregr los posbles efetos tendenales, ílos, estaonales y errátos presentes en la evoluón de las dferentes magntudes. 23

30 CAPITULO *Por otro lado, en base al enfoque estoásto enunado por Quenoulle 957 4, que permte expresar el omportamento probablísto de una determnada varable en funón de su hstora pasada y de un térmno de error, el análss de seres temporales permte ontemplar el onunto de varables observadas omo una realaón muestral de un proeso aleatoro desonodo que genera la nformaón dsponble al tempo que, sn entrar en la bondad de las msmas, se presenta omo un nstrumento apa de realar proyeones de valores futuros -espealmente a C/P-, sn más que reurrr a la nformaón estadísta ontenda en la propa varable. Presamente, la onsderaón de esta últma perspetva ha permtdo dar un empue notable en el tratamento formal y operatvo de los modelos lneales de seres temporales. En onreto, la ntegraón de los proesos autorregresvos AR y medas móvles A en los proesos mxtos autorregresvos y de medas móvles ARA 5 permte estableer un maro general para la representaón en prnpo de ualquer tpo de proeso estoásto estaonaro. En general, la representaón de un proeso ARA p,q unvarante estaonaro e nvertble vene dada por φp LY t θq La t. m donde L es el operador retardo tal que LY Y m Z, φ p L y θ q L polnomos de grados p y q respetvamente, de la forma: t t m son 4 Ver, entre otros, urllo

31 CAPITULO y { : t, ±,... } φ L p φ L y θ L θ L a t es una seuena de varables aleatoras normales ndependentes e déntamente dstrbudas que se denomna proeso de rudo blano o proeso de nnovaón. Además, se asume que el modelo es estaonaro e nvertble, es der, las euaones φ L y θ L tenen todas las raíes fuera del írulo undad y se supone que no exsten fatores omunes. p q q Ahora ben, la onsderaón de los modelos ntegrados modelos ARIA 6 omo generalaón de los modelos ARA, permte abordar el estudo de la representaón de proesos estoástos desde una perspetva más general. La posbldad de ntrodur un ontexto teóro en el que las seres puedan ser evolutvas, de forma que no sean sus nveles sno sus nrementos o los nrementos de éstos quenes tengan un omportamento estaonaro, onverte a los modelos ARIA en un nstrumento útl en la representaón parsmonosa de proesos estoástos lneales. Esta lase de modelos para la representaón de proesos estaonaros y no estaonaros que smultáneamente onsdera la posbldad de un omportamento estaonal, puede representarse por: s d φ D s p L ΦP L s Yt θq L ΘQ L a t.2 donde φ L, Φ L, θ L y Θ Q L son polnomos de los órdenes que se p P q ndan, L s s es el operador de retardo estaonal tal que LY Y ; es el t t s 5 Ver Box y enkns Ver Box y enkns

32 CAPITULO operador de prmeras dferenas defndo omo L, s es el operador de s dferena estaonal tal que L y d, D representan los órdenes de s dferenaón para la parte regular y estaonal, respetvamente. Esta formulaón se ha denomnado tambén modelo SARIA pdqx,, PDQ.,, La espefaón de un modelo apropado de la forma.2 requere enontrar estmaones de los órdenes pdqpdq.,,,,, Ahora ben, s los órdenes del modelo son predetermnados, entones los parámetros φ φ,..., φ, θ θ,..., θ p q pueden ser estmados a partr de dstntos métodos. Sn embargo, dado que a pror no se onoen los órdenes verdaderos, éstos pueden ser determnados en prnpo a partr de las observaones dsponbles. Este proedmento onsttuye lo que se denomna en Box y enkns 976 etapa de dentfaón del modelo. En este sentdo, la estratega que proponen estos autores es en esena un método teratvo de prueba y error, que puede ompararse on el proeso de desubrmento entífo s se onbe omo una nteraón entre generaón de hpótess y omprobaón expermental. En onreto, unto al esquema teóro de modelo estoásto, proponen una metodología de forma que sean los datos quenes en ada aso determnen el modelo ARIA más adeuado para explar su generaón. Esta propuesta metodológa que ntroduen se presenta dvdda en uatro etapas que denomnan de dentfaón, estmaón, omprobaón y dagnósto y fnalmente, predón. Esto es, la espefaón de la estrutura poblaonal que probablemente ha generado la sere temporal observada, o dho de otra forma, la seleón tentatva de los órdenes polnomales antes espefados a partr de la nformaón ontenda en las funones de autoorrelaón smple y paral muestrales, y la elaboraón en onseuena de un modelo tentatvo, onsttuyen el punto de partda en dho proedmento. En 26

33 CAPITULO fases posterores, y una ve realada la estmaón de los parámetros del modelo, se proede a su valdaón para a ontnuaón llevar a abo, en su aso, la reformulaón del msmo y, fnalmente, omprobar la valde real del modelo surgdo de las etapas anterores, en térmnos de su apadad desrptva, predtva y de ontrol. En los sguentes apartados revsamos algunas propuestas que son gualmente váldas para modelos VARA en general..2.- ODELOS ARA VECTORIALES. EL ODELO DE FUNCION DE TRANSFERENCIA La extensón del tratamento de seres temporales para la modelaón onunta de un proeso estoásto vetoral permte ntrodur los modelos ARA vetorales VARA, tambén denomnados modelos estoástos multvarantes. Estos modelos onsttuyen la generalaón de los modelos ARA unvarantes. Además, representan la ontrapartda a lo que se ha denomnado en la lteratura eonométra modelos de sstemas de euaones nterdependentes o modelos de euaones smultáneas, que ontemplan la espefaón smultánea de varas varables y que pueden adoptar dversas formas 7. El tratamento de los modelos VARA y, en onreto, el estudo de su dentfaón dnáma se ha abordado desde dferentes aproxmaones, entre las que abe tar enkns y Alav 98, Tao y Tsay 989, Franq Veáse, entre otros, urllo 979, Zellner y Palm 974 y Hendry, Pagan y Sargan

34 CAPITULO Esta alternatva en la espefaón de sstemas dnámos, que establee un ontexto más amplo en el que relaonar una o más seres temporales outputs en funón de otra u otras seres temporales nputs asume, en onreto, la exstena de un onunto fnto de varables orrespondentes a h proesos estoástos estaonaros { Y }{ Y },...,{ Y } omo Y t, 2t que, de forma ompata, podemos expresar ht Y Y... Y ' 8, sendo por tanto Y t un vetor de múltples varables y t t 2t ht h la dmensón del vetor. Por otra parte, se asume que el vetor Y t admte una representaón múltple de modelos lneales mxtos al onsderar, de forma análoga al aso unvarante, que ada elemento de Y t puede ser representado por un modelo lneal mxto ARA. Por tanto, omo extensón de los modelos unvarantes, la representaón formal de un proeso ARA pq, vetoral vene dada por: Y Φ Y... Φ Y a Θ a... Θ a t t p tp t t q tq que en forma ompata puede ser representada por Φ L Y Θ L.3 t a t donde Φ L I Φ L... Φ y L p p Θ L I Θ L... Θ son L q q polnomos matrales en L de dmensón hxh y los elementos que omponen Y t están meddos en desvaones respeto a sus medas. Además, el vetor a a a... a ' está ompuesto de varables aleatoras t t 2t ht ndependentes y normalmente dstrbudas on meda ero y matr de varanas- 8 La notaón ' nda vetor traspuesto. 28

35 CAPITULO ovaranas Σ. Se supone tambén que las raíes de los determnantes Φ L y Θ L están fuera del írulo de rado undad, on lo ual se garanta la estaonaredad e nvertbldad del modelo. Esta espefaón permte relaonar todos los elementos de Y t on los t,2,... así omo la exstena de feedbak entre todas las seres. Y Tal y omo destaan entre otros Zellner y Palm 974, la mposón de determnadas restrones en la espefaón de los modelos VARA ondue a representaones "famlares" a los modelos eonométros tradonales. Así msmo, exste una relaón entre el modelo VARA dado en.3 y el modelo de euaones smultáneas presente en la mayoría de los modelos eonométros, que se establee en los sguentes térmnos: ' ' ' ' Consderemos el proeso Y, X donde Y t t t t es de dmensón g y X t ' de dmensón k hgk. Supongamos que la restrón Φ o I es relaada a que Φ sea nvertble. Una partón adeuada de.3 vene dada por: Φ Φ 2 L L Φ Φ 2 22 L Yt L X t Θ Θ 2 L L Θ Θ 2 22 L a L a t 2t donde a t y a 2 t son proesos rudo blano ndependentes. Por otro lado, los modelos VARA, que onsttuyen una de las espefaones dnámas más generales de seres temporales, ontemplan omo asos partulares modelos onodos. Imponendo las restrones Φ L, Θ L, Θ L esto es, onsderando Y t omo varable endógena y X t omo exógena, podemos esrbr la expresón anteror en térmnos del onunto de euaones estruturales dado por: 29

36 CAPITULO L Yt Φ2 L X t Θ L a t Φ.4 unto on el proeso VARA que genera las varables exógenas dado por: 22 L X t Θ 22 L a2t Φ.5 S expresamos las euaones estruturales omo: Φ, Yt... Φ, rytr Φ2, Xt... Φ2, sxt s et donde et Θ L a t podemos obtener la forma reduda del modelo, esto es, expresar ada varable endógena en funón de las varables exógenas y endógenas retardadas Y t { Φ,Y t... Φ, ryt r} Φ, Φ2 L X t, et, Φ Φ puesto que Φ, es nvertble. Así msmo, la resoluón de.4 permtrá obtener la forma fnal del modelo denomnado modelo de Funón de Transferena FT vetoral, que vendrá dado por: 9 Y Φ L Φ L X Φ L e.6 t 2 t t en la ual ada varable endógena se expresa omo una funón de nfntos retardos dstrbudos de las varables exógenas. ' ' ' ' En onreto, s onsderamos omo aso partular que Y, X on Y t t t t de dmensón y X t ' de dmensón k, una representaón adeuada del modelo FT 9 Para una dsusón sobre las relaones entre el modelo de FT vetoral y el modelo eonométro de euaones smultáneas véase Zellner y Palm 974 y Walls

37 CAPITULO dado en.6 que ontemple la presena de varas varables explatvas X t,2,..., k vendrá dado por: Y t w L L L et Φ k s b X t δr L donde el fator L b representaría la posble demora en la respuesta de la varable output respeto al -ésmo nput, esto es, se ntrodue una relaón ausal no nstantánea entre Y t y X t. Esta vía de aproxmaón se presenta, por tanto, omo una extensón natural y lóga de los modelos ARIA unvarantes al ntrodur varables explatvas adonales omo nputs en el modelo. Además, este tpo de modelos onsttuye lo análogo a los modelos de regresón múltple uneuaonales, en tanto que una varable aparee funonalmente relaonada on una o más varables. ' ' ' ' Del msmo modo, s onsderamos que Y, X on Y t dmensón g t t t y X t ' k h2, esto es, proesos ARA unvarantes, una representaón adeuada del proeso VARA en la ual Y t es la varable endógena y X t la varable exógena vendrá dada por las euaones: φ L X α L t b t de Φ L Y Ω L X Θ L a t t t de forma que s Φ, podemos expresar Y t omo: Y Φ L Ω L X Φ L e.7 t t t 3

38 CAPITULO esto es, en funón de los efetos ontemporáneos y desplaados de la varable exógena X t y de un térmno de perturbaón aleatora. Esta espefaón dnáma que se reoge en.7 y que representa un aso partular del modelo VARA es lo que se onoe en la lteratura eonométra omo modelo de Funón de Transferena FT Box y enkns, 976 y que onsttuye una de las representaones más freuentes en la espefaón de relaones en el domno temporal. En realdad, este tpo de formulaón se onbe omo una espefaón dnáma mxta, es der, omo una ombnaón adtva entre el modelo de regresón dnáma y la modelaón de seres temporales unvarantes para el térmno de error. Aún así, mentras que las aproxmaones de regresón tradonales enfatan el papel de la teoría y la ausaldad hpotetada para la eleón de las varables explatvas, así omo la espefaón de la forma funonal, nluyendo la estrutura de retardos entre la varable respuesta y las varables explatvas, sn embargo, bao el análss de seres temporales, las ténas enfatan la espefaón del modelo basada en las relaones temporales entre seres, a través de la dentfaón sumnstrada por los estadístos muestrales orrespondentes a las varables mpladas en la relaón. La flosofía que subyae en este tpo de espefaón se basa en estableer una formulaón entre varables estaonaras, a través de un modelo nalmente Nótese que para k e Yt Y t, se obtendría una representaón ARA unvarante para Y t omo la dada en.. 32

39 CAPITULO restrngdo que, de forma seuenal y de auerdo on los datos, dervará haa un modelo más general, evtando on ello los problemas de nefena que omporta la estmaón de modelos en prnpo exesvamente generales. Presamente, uno de los problemas entrales en este tpo de modelos resde en la espefaón del omportamento dnámo entre las varables que ntervenen en el msmo, de forma que abordar la espefaón de relaones dnámas desde la perspetva basada en los modelos FT, supone la determnaón del grado de los polnomos de retardo que ntervenen, a partr de la nformaón muestral dsponble. Con el propósto de abordar la determnaón de los órdenes polnomales en este tpo de modelos, se han propuesto dversos proedmentos en la lteratura eonométra; entre éstos abe tar los métodos de Prestley 97, Box y enkns 976, Haugh y Box 977, Tao y Box 98, Lu y Hanssens 982, Clavere et al 99, et. Por otra parte, algunos de los proedmentos propuestos para la dentfaón de modelos ARA y, en partular, en la dentfaón de modelos FT enuentran su base metodológa, tal y omo veremos más adelante, en la aproxmaón lása de Padé, esto es, en la aproxmaón a seres formales de potenas. En general, esta lase de modelos, que va a onsttur presamente el maro de referena en nuestro análss, ha sdo amplamente utlada para la representaón en el ontexto nput-output de sstemas estoástos dnámos por medo de expresones raonales polnómas. Este tpo de modelos resulta en general adeuado para la modelaón de omportamentos transtoros de sstemas tanto en estado de equlbro omo de desequlbro. Además, goa de ampla aplaón práta no sólo en la 33

40 CAPITULO eonomía, a través de la modelaón de relaones transtoras nput-output en un sstema eonómo, sno tambén en dversos ampos omo son la Ingenería, las Cenas Empresarales y en espeal aquellas áreas donde exste una estrutura orrelatva o ausal entre varables que están temporal o espaalmente relaonadas. En partular, dentro de la Ingenería, este tpo de modelaón es de utlaón freuente en la onstruón de sstemas de ontrol estoástos y en el estudo de problemas de ontrol de aldad, donde el valor de una ualdad araterísta en un momento t se relaona on austes a proesos ontrolables en períodos de tempo prevos. Inluso en otro ámbto de aplaones omo es, por eemplo, la Geografía, este tpo de modelos uega un papel esenal en la planfaón y toma de desones a nvel espaal y temporal Bennett y Hanng, LA IDENTIFICACION DE ODELOS ARA: UNA REVISION ETODOLOGICA Tal y omo se ha expuesto on anterordad, el nterés por abordar la determnaón de los órdenes de proesos ARA y, por extensón, de modelos ARIA unvarantes y multvarantes, onsttuye un tópo de nterés onsderable en la lteratura de seres temporales. En este sentdo, durante las dos últmas déadas dversos ntentos han do drgdos a desarrollar proedmentos para la dentfaón de los órdenes en modelos ARA. Nuestro propósto a ontnuaón se entra en presentar, de Ver Pong-Wa La

Probabilidad condicional

Probabilidad condicional robabldades y Estadísta Computaón Faultad de Cenas Exatas y Naturales Unversdad de uenos res na M. ano y Elena J. Martínez 00 robabldad ondonal Consderemos una urna que ontene bolllas roas y 5 blanas.

Más detalles

Teoría de juegos y empresa: un modelo de alianza - depredación

Teoría de juegos y empresa: un modelo de alianza - depredación Equlbro Eonómo, ño IX, Vol. 4 No. 1, pp. 5-16 Prmer Semestre de 008 Teoría de juegos y empresa: un modelo de alanza - depredaón Jesús ntono Garía Hernández Conepón Reyes de la Cruz Jesús ntono Garía Hernández

Más detalles

Esfuerzos y herencias

Esfuerzos y herencias S E R I E estudos y perspetvas OFICINA DE LA CEPAL EN BOGOTÁ 12 Esfuerzos y herenas soales en la desgualdad de ngresos en Colomba Jaro Núñez Juan Carlos Ramírez Bbana Taboada Bogotá, ulo de 2006 Este estudo

Más detalles

9 FUENTES CONTROLADAS

9 FUENTES CONTROLADAS 9 FUENTES CONTOLDS 9 FUENTES CONTOLDS...38 9. INTODUCCIÓN....39 9. IMPEDNCIS COMO FUENTES CONTOLDS....39 9.3 TNSFOMDOES Y MPLIFICDOES...34 9.4 MPLIFICDOES DE GNNCI INFINIT....348 9.5 MPLIFICDO INVESO Y

Más detalles

PROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 2. Espacios Vectoriales TEMA: MATRIZ DE TRANSICIÓN Y VECTOR DE COORDENADAS

PROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 2. Espacios Vectoriales TEMA: MATRIZ DE TRANSICIÓN Y VECTOR DE COORDENADAS PROLEMS RESUELTOS ÁLGER LINEL Tema. Espaos Vetorales TEM: MTRIZ DE TRNSICIÓN Y VECTOR DE COORDENDS Problema : Sean las bases y de un espao vetoral defndo sobre los números omplejos:, 0,,,, {( ) ( )} (,,

Más detalles

UN POCO DE HISTORIA Prof. Teuvo Kohonen UN POCO DE HISTORIA

UN POCO DE HISTORIA Prof. Teuvo Kohonen UN POCO DE HISTORIA Self-Organzng Maps 1. Defnón.. Un poo de hstora. CONTENIDO 3. Desrpón del algortmo. L. Pablo Sergo Garía 4. Ejemplos en ejeuón. 5. Problemas 6. Aplaones. DEFINICIÓN El SOM es un algortmo para vsualzar

Más detalles

PLANTEAMIENTO DE PROBLEMAS DE EQUILIBRIO

PLANTEAMIENTO DE PROBLEMAS DE EQUILIBRIO FACUTAD DE QUÍMICA Maestría En Ingenería Químa TERMODINÁMICA QUÍMICA Semestre 00- PANTEAMIENTO DE PROBEMAS DE EQUIIBRIO Un problema de equlbro de fases es aquel en donde dos o más fases están en ontato

Más detalles

Control Estadístico de las Mediciones (Aplicación a la calibración de pesas)

Control Estadístico de las Mediciones (Aplicación a la calibración de pesas) Control Estadísto de las Medones (Aplaón a la albraón de pesas) Lus Oar Beerra antago Resuen: En etrología, y en espeal en laboratoros de albraón y pruebas es portante antener bajo ontrol etrológo los

Más detalles

Un nuevo algoritmo de búsqueda de sistemas de trading bursatil a corto plazo basado en GAPs

Un nuevo algoritmo de búsqueda de sistemas de trading bursatil a corto plazo basado en GAPs Un nuevo algortmo de búsqueda de sstemas de tradng bursatl a orto plazo basado en GAPs Manuel E. Fernández Garía Enrque A. de la Cal Marín Raquel Quroga Garía Dpto. de Informáta Dpto. de Informáta Dpto.

Más detalles

edigraphic.com Otras secciones de este sitio: Others sections in this web site: Contents of this number More journals Search

edigraphic.com Otras secciones de este sitio: Others sections in this web site: Contents of this number More journals Search Volumen Volume 7 Boquma Número Number Juno June 00 rtíulo: Cálulo de la nertdumbre asoada al resultado de la medón de gluosa Derehos reservados, Coprght 00: soaón Mexana de Boquíma Clína, C Otras seones

Más detalles

TEMA 1. MÉTODOS APROXIMADOS PARA EL CÁLCULO DE OPERACIONES DE SEPARACIÓN DE MEZCLAS MULTICOMPONENTES

TEMA 1. MÉTODOS APROXIMADOS PARA EL CÁLCULO DE OPERACIONES DE SEPARACIÓN DE MEZCLAS MULTICOMPONENTES Unversdad de Alante. Dpto. Ingenería Químa Amplaón de Operaones de Separaón.. Métodos apromados TEMA. MÉTODOS APROXIMADOS PARA EL CÁLCULO DE OPERACIONES DE SEPARACIÓN DE MEZCLAS MULTICOMPONENTES. INTRODUCCIÓN

Más detalles

Laboratorio 9. Equilibrio de distribución de un soluto en solventes inmiscibles

Laboratorio 9. Equilibrio de distribución de un soluto en solventes inmiscibles Laboratoro 9. Equlbro de dstrbuón de un soluto en solventes nmsbles Objetvo Determnar el oefente de dstrbuón de ádo aéto en el sstema agua/loroformo y agua/éter. Además, se determnará la efena de extraón

Más detalles

UNIVERSIDAD DE BUENOS AIRES FACULTAD DE INGENIERÍA Departamento de Hidráulica

UNIVERSIDAD DE BUENOS AIRES FACULTAD DE INGENIERÍA Departamento de Hidráulica NIERSIDD DE BENOS IRES FCLTD DE INGENIERÍ Departamento de Hdráula Cátedra de HIDRÁLIC GENERL ECCIÓN DE L RICIÓN DE L CNTIDD DE MOIMIENTO PLICD LOS FLIDOS utor: Ing. Lus E. Pére Farrás Edón: Inga. ndrea

Más detalles

Geometría y Cinemática. Control y Programación de Robots

Geometría y Cinemática. Control y Programación de Robots Geometría y Cnemáta Control y Programaón de Robot Cnemáta de un Robot Manpulador Cnemáta dreta Cnemáta Invera Matrz Jaobana Cnemáta de un Robot Manpulador Cnemáta del robot : Etudo de u movmento on repeto

Más detalles

Laboratorio 9. Equilibrio de distribución de un soluto en solventes inmiscibles

Laboratorio 9. Equilibrio de distribución de un soluto en solventes inmiscibles Laboratoro 9. Equlbro de dstrbuón de un soluto en solventes nmsbles Objetvo Determnar el oefente de dstrbuón de ádo aéto en el sstema agua/loroformo y agua/éter. Además, se determnará la efena de extraón

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

TIPOS DE FLUJO. Tomaremos para analizar

TIPOS DE FLUJO. Tomaremos para analizar IPOS E FLUJO Muhos sstemas de utldad práta nvoluran flujos bdmensonales, lo ual torna ompleja la resoluón matemáta de la stuaón, por ello se plantearon asos límte de omportamento de flujo: FLUJO IVISCIO

Más detalles

TRABAJO DE FIN DE CARRERA

TRABAJO DE FIN DE CARRERA TRABAJO DE FI DE CARRERA TITULO DEL TFC: avegaón en el sstema solar empleando asterodes omo referena TITULACIO: Engnyera Tèna Aeronàuta, espealtat Aeronavegaó AUTOR: José Lus Cha Bermejo DIRECTOR: Jord

Más detalles

Teoría de Sistemas y Señales

Teoría de Sistemas y Señales Teoría de Sstemas y Señales MODULACIÓN DE ONDA CONTINUA NB: El ontendo de este apunte es una traduón al Castellano de parte del Capítulo 3 de Communaton Systems by Smon Haykn, 3rd. Edton, Wley & Sons,

Más detalles

Los vectores en la física

Los vectores en la física Los vetores en la físa Felpe A. Robledo Padlla, Móna Menhaa Mael, Rubén Morones Ibarra Faultad de Cenas Físo-Matemátas, UANL frobledo@ffm.uanl.m, mona.menhaa@uanl.m, rmorones@ffm.uanl.m, RESUMEN Las leyes

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Análisis dinámico tridimensional del sistema catenaria pantógrafo en líneas ferroviarias de Alta Velocidad (350 km/h)

Análisis dinámico tridimensional del sistema catenaria pantógrafo en líneas ferroviarias de Alta Velocidad (350 km/h) Análss dnámo trdmensonal del sstema atenara pantógrafo en líneas ferrovaras de Alta Velodad (35 km/h) Garía de Jalón, Javer. España jgjalon@ets.upm.es Jorreto Maros, Federo. España tef.fjorreto@ets.upm.es

Más detalles

CESMA BUSINESS SCHOOL

CESMA BUSINESS SCHOOL CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

DESIGUALDAD Y POLARIZACIÓN DE LA RENTA. UN ANÁLISIS INTERPROVINCIAL PARA CASTILLA Y LEÓN

DESIGUALDAD Y POLARIZACIÓN DE LA RENTA. UN ANÁLISIS INTERPROVINCIAL PARA CASTILLA Y LEÓN DESIGUALDAD Y POLARIZACIÓN DE LA RENTA. UN ANÁLISIS INTERPROVINCIAL PARA CASTILLA Y LEÓN Noela SOMARRIBA ARECHAVALA Departamento de Eonomía Aplada-Unversdad de Ovedo. INTRODUCCIÓN La polarzaón surge a

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

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

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

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de

Más detalles

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

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

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices Estadístca Descrptva y Analss de Datos con la Hoja de Cálculo Excel úmeros Índces úmeros Índces El número índce es un recurso estadístco para medr dferencas entre grupos de datos. Un número índce se puede

Más detalles

Estudio de la difusión de calor en sistemas de dos capas de GaAs/GaSb unidos mediante la técnica de fusión

Estudio de la difusión de calor en sistemas de dos capas de GaAs/GaSb unidos mediante la técnica de fusión Superfes y Vao 8, 94-98(999) Soedad Mexana de Cenas de Superfes y de Vaío. Estudo de a dfusón de aor en sstemas de dos apas de GaAs/GaSb undos medante a téna de fusón R. A. Muñoz Hernández y A. Caderón

Más detalles

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta. Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

Más detalles

Qué Son y Cómo se Estima La Mejor Capacidad de Medida

Qué Son y Cómo se Estima La Mejor Capacidad de Medida Todas las teorías son legítmas y nnguna tene mportana. Lo que mporta es lo que se hae on ellas. Jorge Lus Borges (1899-1986) Esrtor argentno Conjunto de teorías y de ténas que permten el aprovehamento

Más detalles

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

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

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto

Más detalles

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad. Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en

Más detalles

ENCUENTRO NACIONAL DE METROLOGÍA ELÉCTRICA 15, 16 Y 17 de Junio del 2005.

ENCUENTRO NACIONAL DE METROLOGÍA ELÉCTRICA 15, 16 Y 17 de Junio del 2005. METODOLOGÍ PR EL CÁLCULO DE INCERTIDUMBRE J. ngel Moreno Centro Naonal de Metrología, Laboratoro de Impedana km 4,5 Carretera a los Cués, 764, El Marqués, Qro., Méxo +5 (44) 05 00, +5 (44) 05 48, jmoreno@enam.mx

Más detalles

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las

Más detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

EL AMPLIFICADOR MULTIETAPA

EL AMPLIFICADOR MULTIETAPA PTULO : MPLFDO MULTTPS Y SPUST N FUN L MPLFDO MULTTP uando nos refereros a un aplfador, estaos hablando de un ruto apaz de proesar la las señales de auerdo a la naturaleza de la aplaón. l aplfador sabra

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Pontificia Universidad Católica de Chile SIMULA v1.0 Escuela de Ingeniería Centro de Minería. Ncrit = D

Pontificia Universidad Católica de Chile SIMULA v1.0 Escuela de Ingeniería Centro de Minería. Ncrit = D Ponta nversdad Católa de Chle IMLA v.0 Esuela de Ingenería Centro de Mnería I. Euaones Matemátas ()Velodad gro molno N N rt ϕ N, Velodad gro molno, rm φ, raón velodad ríta utlzada, %, (0 00) N rt, velodad

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Parámetros de estabilidad de un regulador de tres terminales

Parámetros de estabilidad de un regulador de tres terminales Parámetro de etabldad de un regulador de tre termnale Federo Myara. Introduón o fabrante de reguladore de tre termnale pren, normalmente, epefaone relata a la etabldad de la tenón de alda que permten preder

Más detalles

Integración por el método de los residuos

Integración por el método de los residuos Semana 13 - lase 38 Tema 6: Varable ompleja 1. Introduccón Integracón por el método de los resduos Las expansones de funcones en seres de potencas dejan resduos al detener la expansón a para una determnada

Más detalles

PRINCIPIOS PARA LA VALORACIÓN DE INVERSIONES

PRINCIPIOS PARA LA VALORACIÓN DE INVERSIONES PRINCIPIOS PARA LA VALORACIÓN DE INVERSIONES Y SELECCIÓN N DE PROYECTOS FELIPE ANDRÉS HERRERA R. - ING. ADMINISTRADOR Especalsta en Ingenería Fnancera Unversdad Naconal de Colomba Escuela de la Ingenería

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

Cinemática del Brazo articulado PUMA

Cinemática del Brazo articulado PUMA Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad

Más detalles

Y ahora observamos que lo que está entre paréntesis es la derivada de un producto, de modo que

Y ahora observamos que lo que está entre paréntesis es la derivada de un producto, de modo que Estas son ms notas para las clases del curso Mecánca Raconal (62.11) en la Facultad de Ingenería-UBA. Están aún en proceso de ser completadas, no tenen carácter de texto acabado, por el contraro seguramente

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

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

Más detalles

Bloque 2 Análisis de circuitos alimentados en corriente continua. Teoría de Circuitos

Bloque 2 Análisis de circuitos alimentados en corriente continua. Teoría de Circuitos Bloque Análss de crcutos almentados en corrente contnua Teoría de Crcutos . Métodos sstemátcos de resolucón de crcutos : Método de mallas Métodos sstemátcos de resolucón de crcutos Permten resolver los

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

8.- Considere un duopolio de Bertrand que produce un bien homogéneo. La función de

8.- Considere un duopolio de Bertrand que produce un bien homogéneo. La función de 8.- Consdere un duoolo de Bertrand que rodue un ben hoogéneo. La funón de deanda es x = A b y las eresas tenen el so oste argnal onstante, > 0 no hay ostes fos. Caratere el equlbro de Bertrand-Nash desrba

Más detalles

OSCILACIONES 1.- INTRODUCCIÓN

OSCILACIONES 1.- INTRODUCCIÓN OSCILACIONES 1.- INTRODUCCIÓN Una parte relevante de la asgnatura trata del estudo de las perturbacones, entenddas como varacones de alguna magntud mportante de un sstema respecto de su valor de equlbro.

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan

CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO 7. Anualdad de Vda Como se elca en el caítulo 4, una anualdad es una sere de agos que se realzan durante un temo determnado, nombrándose a esta

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

CANTIDADES VECTORIALES: VECTORES

CANTIDADES VECTORIALES: VECTORES INSTITUION EDUTIV L PRESENTION NOMRE LUMN: RE : MTEMÁTIS SIGNTUR: GEOMETRÍ DOENTE: JOSÉ IGNIO DE JESÚS FRNO RESTREPO TIPO DE GUI: ONEPTUL - EJERITION PERIODO GRDO FEH DURION 3 11 JUNIO 3 DE 2012 7 UNIDDES

Más detalles

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales: EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

PARTE I. EL PODER DE MERCADO: MONOPOLIO, DISCRIMINACIÓN DE PRECIOS Y REGULACIÓN

PARTE I. EL PODER DE MERCADO: MONOPOLIO, DISCRIMINACIÓN DE PRECIOS Y REGULACIÓN PARTE I. EL PODER DE MERCADO: MONOPOLIO, DISCRIMINACIÓN DE PRECIOS Y REGULACIÓN Introduón La desón de roduón del monoolsta. El oder del monoolo Costes soales del monoolo. Monoolo natural y regulaón Dsrmnaón

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

1.Variables ficticias en el modelo de regresión: ejemplos.

1.Variables ficticias en el modelo de regresión: ejemplos. J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

CAPÍTULO 8 DISEÑO DE TORNILLOS

CAPÍTULO 8 DISEÑO DE TORNILLOS CAPÍTULO 8 DIEÑO DE TORNILLO 8.1 INTRODUCCIÓN Los tornllos son elementos que tenen fletes enrollados en forma de héle sobre una suerfe líndra y son unos de los elementos más utlzados en las máqunas. Podemos

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca

Más detalles

Modelamiento geoquímico de la precipitación de Halita (NaCl) en yacimientos de gas.

Modelamiento geoquímico de la precipitación de Halita (NaCl) en yacimientos de gas. Energéta 34 Modelamento geoquímo de la preptaón de Halta (NaCl) en yamentos de gas. Rebdo para evaluaón: 27 de Juno de 2005 eptaón: 26 de Sept de 2005 Entrega de versón fnal: 01 de D de 2005 José L. Lombana

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas

Más detalles

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

Cifrado de imágenes usando autómatas celulares con memoria

Cifrado de imágenes usando autómatas celulares con memoria Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano

Más detalles

2.5 Especialidades en la facturación eléctrica

2.5 Especialidades en la facturación eléctrica 2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

Más detalles

Análisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto

Análisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto Análss Matemátco en la Economía: Optmzacón y Programacón arufast@yahoo.com-rufasto@lycos.com www.geoctes.com/arufast-http://rufasto.trpod.com La optmzacón y la programacón están en el corazón del problema

Más detalles