Pienso que las sociedades con mayores niveles de polarización

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

Download "Pienso que las sociedades con mayores niveles de polarización"

Transcripción

1 POLARIZACIÓN Y CONFLICTO SOCIAL Eresto Cárdeas* Peso que las socedades co mayores veles de polarzacó tee más probabldades de efretar coflctos socales, tpo guerra cvl, y que ua compresó sstemátca del cocepto de polarzacó puede ayudar a dseñar y evaluar polítcas públcas que ateúe o solucoe estos coflctos; dea que ha motvado m trabajo e estos últmos años. Icé la vestgacó co el estudo de la que e su mometo era la explcacó atural de esos coflctos y que, palabras más palabras meos, los explcaba e térmos de desgualdad. Esa explcacó o me dejó satsfecho y me dedqué a estudar el cocepto de polarzacó, que cosderé más apropado: de hecho, el cocepto de desgualdad se puede eteder como ua codcó ecesara pero o sufcete para la polarzacó, y cosderar a esta últma más pertete para explcar el surgmeto de coflctos socales. E m afá por eteder estos coceptos, o sólo sus fudametos teórcos so també su aplcacó práctca, hce u trabajo e el que doy cueta de la estructura teórca subyacete a ambos coceptos y estmo u ídce de polarzacó co todos sus compoetes para Bogotá (Cárdeas, 2011a). Luego percbí la ecesdad de artcular las estructuras ecoómcas y polítcas para eteder los resultados socales que observamos, y me dedqué a costrur u modelo de ecoomía polítca que cluye polarzacó e la estructura productva * Magíster e Ecoomía, caddato a Doctor e Ecoomía de la Uversdad de Sea, coordador del Grupo de Ivestgacó e Hstora y Pesameto Ecoómco y Drector (e) del Cetro de Ivestgacó e Ecoomía Polítca de la Facultad de Ecoomía de la Uversdad Exterado de Colomba, Bogotá, Colomba [eresto.cardeas@uexterado.edu.co]. Agradezco la colaboracó de Carlos Gradí. Fecha de recepcó: 4 de abrl de 2011, fecha de modfcacó: 22 de abrl de 2011, fecha de aceptacó: 25 de abrl de Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

2 254 Eresto Cárdeas y e la estructura polítca, el cual muestra que cambos e varables objetvas, como los precos, afecta la probabldad del surgmeto de coflctos socales (Cárdeas, 2011b). El caso recete de Egpto se puede aalzar a la luz de ese modelo. Posterormete, etededo que ua maera de ateuar la polarzacó es cosderar las múltples dmesoes que caracterza a las relacoes socales y o sólo ua de ellas, troduje las ocoes báscas del cocepto de polarzacó e la teoría de redes e deé u modelo que permte aalzar la polarzacó de ua maera multdmesoal (Cárdeas, 2011c). E este escrto me lmto a presetar co algú grado de detalle la teoría de la polarzacó que se ha desarrollado e ecoomía, a mostrar sus dferecas co la teoría de la desgualdad, más coocda, así como su relevaca para explcar coflctos socales. Marx, quzá el prmer ecoomsta que abordó la ocó de polarzacó y su relacó co el coflcto socal, destacó la exsteca de dos grupos be defdos y efretados e u coflcto socal: trabajadores y captalstas. No obstate, la falta de ua teoría de la polarzacó pospuso el aálss sstemátco de este feómeo hasta hace poco. E las cecas socales, la ocó de polarzacó se ha abordado e forma dfusa y s ua clara compresó de los caales a través de los cuales afecta la probabldad de que aparezca coflctos socales. E ecoomía, por ejemplo, el prmer capítulo del célebre trabajo de Amartya Se sobre la desgualdad ecoómca (1997) comeza así: La relacó etre desgualdad y rebeló es de hecho muy cercaa y se da e ambos setdos. Pero o aclara los caales a través de los cuales dcha relacó ocurre. Además, estamos seguros de que la desgualdad es el cocepto relevate para explcar rebeloes o coflctos socales? Parece que el cocepto de polarzacó tee ua relacó más estrecha co los coflctos socales que el de desgualdad, y que es más útl para explcarlos. Para ser más precso, la desgualdad es ua codcó ecesara pero o sufcete. Es etoces mportate aclarar las dferecas teórcas etre estos dos coceptos, porque puede dar luz a la hora de ejecutar y evaluar las decsoes de polítca ecoómca. Desde u puto de vsta más geeral es justo recoocer que la dea de que ua socedad polarzada tee más probabldades de sufrr coflctos socales o es exclusva de la ecoomía. Socólogos y poltólogos como Smmel (1922), Gurr (1970) y Tlly (1978), etre otros, també percbero esta relacó. No obstate, la falta de ua teoría de la polarzacó propa de dchas dscplas oblga a que este escrto se base e la teoría desarrollada recetemete e ecoomía. Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

3 Polarzacó y coflcto socal 255 E la prmera seccó se revsa el cocepto de desgualdad y los axomas báscos ecesaros para costrur ua medda apropada. Luego, para hacer compresble la comparacó co meddas de polarzacó se preseta el dcador de desgualdad que se suele utlzar e ecoomía, el coefcete de G. E la seguda seccó se preseta e detalle la teoría de la polarzacó desarrollada e ecoomía y los axomas báscos ecesaros para costrur ua medda apropada, así como el dcador que propoe Esteba y Ray, el de más ampla utlzacó. Además se preseta alguas extesoes de este dcador, como la polarzacó de grupo y la polarzacó explcada. Por últmo se preseta las coclusoes. LA DESIGUALDAD EN ECONOMÍA La presetacó de la ocó de desgualdad e ecoomía faclta la compresó de la polarzacó, u cocepto relacoado pero dferete. El aálss exhaustvo del cocepto de desgualdad excede los límtes de este escrto; aquí sólo preseto sus compoetes fudametales para que el lector eteda más fáclmete la ocó de polarzacó e cuato está relacoada co la desgualdad 1. Cómo se defe la desgualdad e ecoomía Cuado se habla de desgualdad cabe pregutar cuál es su sgfcado y, de maera atural, cuál es el cocepto de justca e geeral y de justca ecoómca e partcular. Flósofos, socólogos, poltólogos, estadístcos y ecoomstas ha dedcado tempo y esfuerzo a estos temas. Aquí me lmto a la defcó de desgualdad ecoómca e térmos de gresos, o porque crea que la desgualdad se lmte al greso o a la rqueza so porque se suele aceptar que el greso es u compoete fudametal de otras formas de desgualdad. E térmos suctos, la desgualdad ecoómca se puede defr como la dspardad fudametal que hace posbles certas eleccoes materales a u dvduo y se las mpde a otros (Ray, 1998). Esta ocó de desgualdad se stetza e u dcador, medate ua regla que asga u grado de desgualdad a cada posble dstrbucó del greso o la rqueza. Para que esa regla sea apropada debe satsfacer u cojuto mímo de requermetos tales como aomdad, depedeca co respecto al tamaño de la poblacó y a veles absolutos de greso, y el crtero de Dalto. Nveles superores del dcador señala mayores veles de desgualdad. 1 El lector teresado e la desgualdad puede remtrse a los trabajos de Se y Foster (1997) o al de Slber (1999). Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

4 256 Eresto Cárdeas Para ser más cocreto, sea I = I(y₁, y₂,, y ) ua fucó defda sobre todas las posbles dstrbucoes de greso y = (y₁, y₂,, y ), dode represeta el greso del dvduo = 1,..., para cualquer etero postvo. La fucó I se puede terpretar como ua medda de desgualdad s satsface los requermetos mímos mecoados y que formalzo a cotuacó: Crtero de aomdad: dada ua dstrbucó del greso y, las permutacoes de gresos etre dvduos o debe alterar la medda de desgualdad. Crtero de depedeca co respecto a la poblacó: cualquer poblacó, depedetemete de su tamaño, co las msmas proporcoes de poblacó que obtee los msmos veles de greso debe teer la msma medda de desgualdad. I(y₁, y₂,, y ) = I(y₁, y₂,, y ; y₁,y₂,, y ) Crtero de depedeca co respecto al greso relatvo: cualquer poblacó, depedetemete de sus veles absolutos de greso, co los msmos valores de greso relatvos debe teer la msma medda de desgualdad. I(y ₁, y ₂,, y ) = I(ρy ₁, ρy ₂,, ρy ) para cualquer ρ > 0 Crtero de Dalto: el prcpo de Dalto, propuesto e 1920, dce que s ua dstrbucó del greso se puede obteer a partr de la costruccó de ua secueca regresva de trasferecas de otra dstrbucó, la prmera debe ser más desgual que la seguda. E otras palabras, cualquer trasfereca de greso de haca y j, co y j, cremeta la desgualdad. La medda de desgualdad I satsface el prcpo de Dalto s para cada dstrbucó del greso y, y para cada trasfereca δ > 0, I(y ₁, y ₂,,,, y j,, y ) < I(y ₁, y ₂,, -δ,, y j+δ,, y ), toda vez que y j. E ecoomía se ha propuesto dversas meddas de desgualdad, desde la más smple, como el rago, hasta las más sofstcadas, Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

5 Polarzacó y coflcto socal 257 como la medda de etropía de Thel, pasado por el coefcete de G 2. Ates de explcar la medda más popular de desgualdad e ecoomía, el coefcete de G, preseto brevemete la curva de Lorez, o solo porque faclta la compresó del coefcete de G, so porque agrupa los cuatro crteros aterores e uo solo, el crtero de Lorez. La cur va d e Lo r e z La curva de Lorez es ua represetacó gráfca de la dstrbucó del greso e ua socedad. Para obteer dcha curva, la socedad se ordea e porcetajes acumulatvos de greso, desde el más pobre hasta el más rco, e el eje horzotal, y los porcetajes del greso que obtee cada fraccó de la poblacó se mde e el eje vertcal. Gráfca 1 Curva de Lorez 100% Igreso acumulado 65% 25% 10% A B C Por ejemplo, el puto A de la gráfca 1 dca que el 20% acumulado de la poblacó más pobre recbe el 10% del greso acumulado; el 2 El rago, quzá la medda más smple de desgualdad ecoómca, resulta de la comparacó etre los dos valores extremos de ua dstrbucó del greso como relacó co respecto a su greso promedo: R = (Max - M )/μ. La medda de etropía de Thel está dada por: T = log() - H(x), dode H(x) = x log(1/x ), y resulta de la comparacó etre el valor máxmo de H(x) y su valor actual para la dstrbucó del greso dada. S la dstrbucó del greso resulta ser aquella e la que cada persoa obtee la msma proporcó del greso, x = 1/, H(x) alcaza su valor máxmo H(X) = log() y, por lo tato, T = 1 0. Por el cotraro, e el caso de completa desgualdad H(X) = 0 y, por lo G = 2 2 j y tato, j μ T = log(). π j=1 20% % Poblacó acumulada Para ua revsó de las prcpales meddas de desgualdad, ver Se (1997, cap. 2). Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp P(π,y) = π T(I(π ), a(δ(,y j ))),

6 258 Eresto Cárdeas puto B dca que el 40% acumulado de la poblacó más pobre recbe el 65% del greso acumulado, y así sucesvamete. Se debe resaltar tres propedades mportates de la curva de Lorez. Prmera, la curva empeza y terma sobre la líea de 45 que dvde el plao e dos; esto sgfca que el 0% más pobre de la poblacó recbe el 0% del greso y que el 100% más pobre recbe el 100% del greso. Seguda, la curva de Lorez uca puede teer ua pedete meor cuado os desplazamos sobre ella de zquerda a derecha, puesto que la pedete e cualquer puto de la curva represeta la cotrbucó margal de u dvduo partcular a la fraccó de greso acoal acumulada hasta ese puto, y puesto que hemos ordeado a los dvduos empezado por el más pobre y termado e el más rco; de modo que la pedete o puede dsmur. Tercera, s cada dvduo gaa el msmo moto de greso la curva de Lorez cocde co la líea de 45. Cualquer puto sobre la líea dagoal de 45 dca que y = x, lo que sgfca, por ejemplo, que el 10% más pobre gaa el 10% del greso acoal y así sucesvamete. E otras palabras, el greso acoal se dstrbuye de gual maera etre los dvduos de la poblacó. De hecho, la líea de 45 se llama líea de gualdad total. Es fácl teer ua dea tutva del vel de desgualdad e ua socedad observado su curva de Lorez: cuato mayor sea el área etre la líea de gualdad total y la curva de Lorez mayor será el vel de desgualdad e esa socedad. Como ya mecoé, la curva de Lorez es mportate porque resume e u solo crtero los cuatro crteros eucados al co de la seccó que debe cumplr ua medda adecuada de desgualdad. Crtero de Lorez: la medda de desgualdad I satsface el crtero de Lorez s para cada par de dstrbucoes de gresos y y z, I(y₁, y₂,, y ) I(z₁, z₂,, z ), pues la curva de Lorez de la dstrbucó y se ecuetra e todos sus putos a la derecha de la dstrbucó z. Ua medda de desgualdad es cosstete co el crtero de Lorez s y solo s satsface smultáeamete los crteros de aomdad, depedeca co respecto a la poblacó, depedeca co respecto al greso relatvo, y el prcpo de Dalto (ver Foster, 1985). El coefcete de G: u ídce de desgualdad ecoómca La curva de Lorez es u dcador de la desgualdad e cualquer socedad, pero e sí msma o mde la desgualdad, el coefcete de G sí la mde. Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

7 Polarzacó y coflcto socal 259 El coefcete de G, propuesto e 1912, mde la dfereca etre la líea x log(1/x de gualdad ) total y la curva de Lorez, y la expresa como ua relacó co respecto a la regó tragular stuada por debajo de la líea de 45. Formalmete, se defe como: 1 G = 2 2 j y j μ [1] La fórmula del coefcete de G se puede ver como la ormalzacó de la suma de los valores absolutos de las dferecas etre todos π los pares posbles de greso e ua dstrbucó. Esa sumatora se ormalza dvdédola por 2, el cuadrado de la poblacó y su greso promedo, debdo a que al hacer todas las comparacoes de gresos etre j=1 pares de dvduos cada P(π,y) = π T(I(π ), a(δ(,y j ))), - y j se cueta dos veces (aparece otra vez cuado calculamos - y j ), y etoces hay que dvdr por 2; el segudo dvsor ajusta la sumatora co respecto al tamaño de la poblacó, el úmero de todos los pares posbles de gresos comparables = K es π ²; el P ER (π,y) greso y j promedo μ ormalza el greso. Para los propóstos de este trabajo es mportate señalar que el coefcete de G se basa e comparacoes dvduales de greso (o de grupos) y que el dvduo tee el msmo peso que cualquer otro j e la P DER poblacó; : f(x) f(y) ambos y x dydx está elevados a la poteca 1. LA POLARIZACIÓN EN ECONOMÍA q ϕ E esta j seccó preseto la teoría de la polarzacó desarrollada e ecoomía, que se resume e el ídce de polarzacó de Esteba- Gradí-Ray q m (EGR). Prmero preseto el cocepto de polarzacó desarrollado ϕ j por Esteba y Ray (1994) y alguos de sus refametos teórcos, e partcular los de Esteba, Gradí y Ray (1999), Gradí (1999) y Esteba, Duclos y Ray (2004). La propuesta de ua defcó axomátca y de ua medda del cocepto de polarzacó se có, de maera depedete, co los trabajos de Esteba y Ray (1994) y Wolfso (1994). El prmero de ellos defe formalmete el cocepto de polarzacó de tal modo que supera ua debldad de las meddas tradcoales de desgualdad a la hora de corporar terpretacoes más amplas de dstaca socal e térmos ecoómcos. Auque esta terpretacó o es ueva, relacoa socedades dvddas e pocos grupos homogéeos e su teror y dstates etre sí co el cremeto de la probabldad de stuacoes coflctvas. E otras palabras, Esteba y Ray llega al ídce de polarzacó medate el estudo de las meddas de des- Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

8 260 Eresto Cárdeas gualdad. Co u efoque dferete, el trabajo de Wolfso preseta ua defcó formal del cocepto de polarzacó ate la ecesdad de dferecar el feómeo de desaparcó de la clase meda y el proceso más geeral de desgualdad ecoómca. Wolfso detfca la desaparcó de la clase meda, detectada e los estudos de la varacó de la dstrbucó del greso e Amérca Lata a comezos de los años ocheta, co el cocepto de polarzacó. Como ya mecoé, e este escrto preseto la estructura teórca de Esteba y Ray, y o la de Wolfso, porque se puede demostrar que el ídce de polarzacó de Wolfso es u caso partcular del ídce de polarzacó de Esteba y Ray. Cómo se defe la polarzacó Supogamos que podemos observar la dstrbucó de u cojuto de atrbutos Y e ua poblacó. S la dstrbucó descrbe ua poblacó agrupada e toro a pocos polos, pero dferetes, podemos decr que la poblacó está polarzada respecto del cojuto de característcas Y. El cojuto de atrbutos puede clur varas característcas, pero e la práctca usualmete sólo cotee uo, por ejemplo, preferecas polítcas o relgosas, greso, etc. S el cojuto de atrbutos se reduce a gresos o rqueza decmos que la poblacó preseta polarzacó ecoómca. Para facltar la compresó del cocepto, cosderemos el sguete ejemplo: supogamos que la seguda columa del cuadro 1 reporta los veles de greso de dez países cuyas ecoomías so cerradas, es decr, que o tee comerco exteror. Y, además, que esos países decde abrr sus froteras al comerco teracoal para reducr los veles de desgualdad. La tercera columa reporta los gresos de esos msmos países después de 5 años de comerco teracoal. Cuadro 1 País Igresos 1 Igresos 2 (S comerco) (Co comerco) A 1 3 B 2 3 C 3 3 D 4 3 E 5 3 F 6 8 G 7 8 H 8 8 I 9 8 J 10 8 Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

9 Polarzacó y coflcto socal 261 Las dos dstrbucoes del greso, ates y después de los acuerdos de lbre comerco, se represeta e las gráfcas 2 y 3 respectvamete. El greso promedo de la prmera dstrbucó es de μ = 5,5 udades. La seguda dstrbucó, después de 5 años de lbre comerco, se puede ver como ua redstrbucó de trasferecas a partr de la prmera dstrbucó. Los países co u greso superor al promedo coverge a u promedo local de μ a = 8 udades, metras que los países co greso feror al promedo coverge al promedo local de μ b = 3 udades. Al comparar estas dos dstrbucoes sempre se debe teer, co cualquer medda de desgualdad basada e el prcpo de Dalto, que el vel de desgualdad dsmuye al pasar de la prmera a la seguda, pero e este caso el vel de polarzacó ha aumetado claramete. Este ejemplo muestra que la polarzacó es dferete de la desgualdad; e efecto, puede haber ua reduccó de los veles de desgualdad juto co u aumeto de los veles de polarzacó 3. Gráfca Gráfca E la seguda dstrbucó, la que se obtee luego de las trasferecas, los países forma dos grupos, uo alrededor de μ a y otro alrededor de μ b, co u aumeto de la dstaca etre los dos grupos. Es decr, surge dos grupos homogéeos que muestra ua dstaca sgfcatva, o heterogeedad, etre ellos. Estas dos característcas, homogeedad detro de los grupos y heterogeedad etre grupos, so los elemetos claves cuado se habla de polarzacó y costtuye 3 Auque la polarzacó es dferete de la desgualdad, esto o sgfca que los dos coceptos sea ecesaramete opuestos, sólo so dferetes. De hecho, es posble que aumete la polarzacó al tempo que aumeta la desgualdad (Esteba y Ray, 1994). Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

10 262 Eresto Cárdeas el úcleo de la teoría de detfcacó-dstacameto propuesta por Esteba y Ray: s la dstrbucó de ua poblacó co respecto a u cojuto de característcas partculares se reúe e pocos grupos, de tal modo que los atrbutos de los membros de cada grupo so muy smlares y los atrbutos de los membros de los dferetes grupos so muy dsttos, se puede decr que la poblacó es polarzada. E la lteratura especalzada se dce que los membros de cada grupo tee u gra setdo de detfcacó y que hay u gra setmeto de dstacameto etre grupos. U ídce d e p o l a r z a c ó 4 Cómo medr polarzacó e ecoomía? Hasta ahora debería ser claro que ua medda de polarzacó debe corporar tres elemetos báscos: a) debe exstr u úmero pequeño de grupos, pero estos debe ser represetatvos de la socedad 5 ; b) u dvduo que perteece a uo de los grupos debe setrse muy x detfcado log(1/x ) co los demás membros de su grupo, y c) dvduos perteecetes a u msmo grupo debe setrse dstates de los membros de otros grupos. Formalmete, cosderemos que la 1 pareja de vectores (π, y) represeta ua dstrbucó del greso G = dode 2 2 j y j μ π π es la fraccó de la poblacó stuada e el vel de greso y. El vector y está ordeado de tal modo que +1 para todo = 1,...,, y el total de la poblacó asocado co (π, y) está dado por π y π > 0. Así, ua medda de polarzacó (P) es ua fucó P: (π, y) R+. El setmeto de detfcacó detro de los grupos se represeta P(π,y) = π T(I(π ), a(δ(,y j ))), medate ua fucó cotua y crecete, la fucó de detfcacó I(π ): R+ R+, para todo, dode π > 0 es la medda de persoas del msmo grupo de gresos del dvduo,. El setmeto de dstacameto del dvduo P ER (π,y) = Kco πrespecto y j al dvduo y j se represeta medate ua fucó cotua y o decrecete, la fucó de dstacameto a(δ(, y j )): R+ R+, co δ(, y j ) = - y j. Los setmetos de dstacameto P DER : f(x) f(y) y y x de dydx detfcacó se supoe smétrcos, es decr, el dstacameto y la detfcacó que sete el dvduo co respecto a y j so guales a los que sete el dvduo q j co respecto a. ϕ j Falmete, la polarzacó total e ua socedad se defe como la suma de todos los atagosmos efectvos T(I, a), es decr, como la q m 4 ϕ Para u aálss comparatvo de dferetes j meddas de polarzacó, ver Esteba y Ray (2011). 5 Se podría pesar e grupos que o sea sgfcatvos e cluso e dvduos, pero la probabldad de que se ce u coflcto socal e esos casos es sgfcate. Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

11 1 G = 2 2 j y j μ Polarzacó y coflcto socal 263 suma de todos π los setmetos de dstacameto y de detfcacó etre los dvduos de maera smultáea. P(π,y) = π T(I(π ), a(δ(,y j ))), dode T(I, a) es ua fucó estrctamete crecete e a y T(I, 0) = 0. La ecuacó (2) se puede ver como ua forma fucoal geeral de ua medda de polarzacó. La medda partcular de polarzacó depede P ER (π,y) = K de la π eleccó y específca j de las fucoes I, a, y T. Igual que e el caso de meddas de desgualdad, ua medda de polarzacó debe satsfacer certos axomas o prcpos deseables: P DER : f(x) f(y) y x dydx Axoma 1: Dadas las masas de poblacó p > 0, q > 0, co p > q, s la masa p se stúa e el vel y o, y dos masas q, ua stuada e el vel y x y la otra e qel vel y z, tal que y o < y x < y z, exste u ε > 0 y u μ > 0 (que depede ϕ de j p y de y x ), de tal modo que s δ(y x, y z ) < ε y q < μp, la uó de las dos masas q e su puto termedo, (x + y)/2, aumeta el vel de polarzacó. q m Este axoma ϕ j refleja la sguete tucó: s umos las dos poblacoes pequeñas, mateedo costate su dstaca promedo co respecto a la tercera poblacó, la polarzacó debería aumetar. Axoma 2: Dadas las masas de poblacó p > 0, q > 0 y r > 0, co p > r, s la masa p se stúa e el vel y o, la masa q e el vel y x y la masa r e el vel y z co y o < y x < y z y y x > y x - y z, exste u ε > 0 tal que s la masa de poblacó q se desplaza a la derecha (e dreccó de r) e ua catdad que o excede a ε, el vel de polarzacó debería aumetar. Este axoma refleja la sguete tucó: la masa de poblacó p es más grade que la masa r. Además, la masa q stuada etre las masas p y r está ubcada al meos ta cerca del segudo grupo como lo está del prmero. Así, cambos pequeños e la poscó del grupo q haca el grupo más cercao y más pequeño debería aumetar el vel de polarzacó. Axoma 3: Dadas uas masas de poblacó q > 0, se stúa ua masa q e el vel y x. Cualquer ueva dstrbucó formada a partr de cambos e la masa cetral q e dos masas laterales, p y r, cada ua de ellas stuada a d udades de dstaca de y x, debería aumetar los veles de polarzacó. Este axoma refleja la sguete tucó: s la masa de poblacó del medo se dvde e dos grupos guales separados uo del otro, el vel de polarzacó debería aumetar. [2] Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

12 π 264 P(π,y) = π T(I(π ), a(δ(,y j ))), Eresto Cárdeas La medda de polarzacó que propoe Esteba y Ray satsface estos tres axomas, y está dada por: P ER (π,y) = K π y j [3] α para cualquer costate K > 0 y α (0, 1,6]. Aquí a = - y j, I = π y T = ai. E adelate me referré a esta medda como ídce de polarzacó P DER : f(x) de Esteba-Ray f(y) y (ER). x dydx Es mportate destacar ua dfereca mportate etre ua medda de polarzacó q y ua de desgualdad: la de polarzacó tee e cueta ϕla j exsteca de grupos y su mportaca relatva, de hecho asga pesos, α, a cada grupo que compoe la poblacó objeto de la medda, e vez de hacer comparacoes etre dvduos como hace q m el coefcete de G, ua medda de desgualdad. ϕ j Dos cosderacoes sobre el ídce de polarzacó er El ídce ER se basa e ua dstrbucó dscreta de grupos de greso, es decr, e u úmero fto de grupos de greso, y esto trae cosgo dos dfcultades. Prmera, dada cualquer dstrbucó, se supoe que está dstrbuda de atemao e grupos de acuerdo co la estructura de detfcacó y dstacameto descrta aterormete. Seguda, el ídce de polarzacó ER es, por tato, ua medda dscotua. El problema de la agrupacó óptma, la cotrbucó de Gradí La tucó que se refleja e el prmer problema del ídce ER es que trata a los dvduos perteecetes a cada uo de los grupos como u grupo ufcado, s teer e cueta la dspersó que exste etre esos dvduos e la dstrbucó orgal. Gradí, Esteba y Ray (1999) propusero ua solucó a este problema de agrupacó óptma 6. La solucó cosste e corregr el ídce ER por u factor que capte la dspersó de los membros de cada grupo. La medda que cluye dcha correccó recbe el ombre de ídce de polarzacó extedda (e adelate EGR) y se formalza de la sguete maera: P EGR = P ER - β[g(f) - G(ρ * )] [4] 6 El problema de agrupacó óptma es el sguete: dada ua dstrbucó del greso, hay que dvdrla e grupos de tal modo que las dferecas de greso detro de los grupos sea mímas y etre los grupos sea máxmas (ver Aghevl y Mehra, 1981). Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

13 Polarzacó y coflcto socal 265 dode f es la fucó de dstrbucó orgal de los datos, ρ * la agrupacó óptma e grupos de la dstrbucó orgal, G( ) el coefcete de G sobre la dstrbucó respectva y β el peso que se asga al térmo de error e el proceso de agrupacó, [G(F) - G(ρ * )]. Cabe señalar que el úmero de grupos,, sgue sedo ua decsó arbtrara, exógea, metras que la localzacó de los grupos se hace edógea medate la agrupacó (partcó) óptma, ρ *, de la dstrbucó orgal. E x térmos log(1/x ) gráfcos, la agrupacó óptma de la dstrbucó orgal equvale a trasformar la curva de Lorez de la dstrbucó orgal e ua curva de Lorez formada por segmetos leales. El proceso de ecotrar la ubcacó óptma de los grupos equvale 1 a mmzar G = el área etre la curva de Lorez orgal y la curva formada por 2 2 j y j μ segmetos leales (Esteba, Gradí y Ray, 1999). Por esta razó podemos escrbr la falta de detfcacó o térmo de error como ε(f, ρ * ) = [G(f ) - G(ρ * )]. π El problema de la dscotudad, la cotrbucó de Duclos El trabajo de Duclos, Esteba y Ray (e adelate DER) propoe ua P(π,y) = π solucó al π segudo j T(I(π ), a(δ(y problema,y j ))), del ídce ER, el de la dscotudad, que cosste e establecer los axomas ecesaros para ua medda de polarzacó ates descrtos, pero para el caso de dstrbucoes cotuas. Además, y como solucó altera al problema de la agrupacó (π,y) = Kóptma, π P ER πutlza j y j métodos o paramétrcos, la dstrbucó de Kerel, para ecotrar la ubcacó óptma de los grupos. El ídce DER está dado por: P DER : f(x) f(y) y x dydx dode α [0.25, 1] por razoes téccas (Duclos, Esteba y Ray, 2004). q ϕ j INTERPRETACIÓN DE LA POLARIZACIÓN ECONÓMICA Hasta ahora q m me he cocetrado e los fudametos teórcos de la ϕ teoría de j polarzacó e ecoomía, e partcular e la estructura de detfcacó y dstacameto, y e la maera de medrla, propuestas por Esteba y Ray. Ahora paso a la terpretacó socoecoómca del ídce y de sus compoetes. No hay duda de que varables tales como la edad, la educacó o la capacdad ata de los dvduos se relacoa co sus veles de gresos y, así, co los veles de polarzacó ecoómca. Es atural, [5] Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

14 266 Eresto Cárdeas etoces, que el sguete paso e el estudo de la polarzacó sea el aálss de las posbles relacoes causales etre dferetes varables socoecoómcas y sus efectos sobre los veles de polarzacó. Coozco dos herrametas teórcas que se ha aplcado co este f, polarzacó de grupo y polarzacó explcada, propuestas por Carlos Gradí (2000), que descrbo a cotuacó. Polarzacó de grupos La polarzacó de grupos (GP) es ua herrameta para aalzar los efectos de las varables socoecoómcas sobre los veles de polarzacó. La dea básca o es seclla. Cosderemos ua característca dferete del greso p. ej., edad, ocupacó, relgó, raza o educacó que permta hacer ua partcó exhaustva de la poblacó e k grupos. Las característcas más relevates será aquellas que muestre smultáeamete altos veles de polarzacó etre grupos y altos veles de homogeedad detro de ellos. Para emplear esta medda de polarzacó de grupos se especfca ua característca c que produzca ua partcó de la poblacó e k grupos, ρ c (q, x) = (q₁, q₂,..., q k ; x₁, x₂,..., x k ), dode q represeta la fraccó de la poblacó e el grupo y x₁ x₂... x k dca el greso promedo de cada grupo. El ídce de polarzacó de grupo (P GP ) se defe como el vel de polarzacó que se ecuetra a partr de la partcó exógea ρ c que represeta la dstrbucó F, es decr: P GP (F; α, β, ρ c ) = P ER (α, ρ c ) - β[g(f) - G(ρ c )] [6] Aquí los grupos o provee ecesaramete de dferetes tervalos e térmos de greso; so geerados exógeamete a partr de dferetes característcas socoecoómcas y está formados por quees comparte tales característcas. Dada la posbldad de obteer valores egatvos, el ídce P GP se ormalza de la sguete maera: P GP (F; α, β, ρc ) PER(α, ρc ) - (-β)[g(f) - G(ρc )] PER(α, ρc ) - β[(g(f) - G(ρc )) - 1] [7] Polarzacó explcada Ua seguda herrameta para aalzar el efecto de las varables socoecoómcas sobre los veles de polarzacó es la polarzacó explcada (EP). Este cocepto refleja la sguete tucó: puesto que o hay ua razó a pror para supoer que coocemos las característcas socoecoómcas más relevates para explcar la polarzacó, lo que se supoe mplíctamete cuado se calcula la polarzacó de grupo, usamos etoces el greso como proxy del resto de varables Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

15 Polarzacó y coflcto socal 267 socoecoómcas y buscamos aquellas característcas que explque mejor el setmeto de dstacameto etre grupos e térmos de greso, porque los dvduos perteece a cada grupo justamete por compartr esta característca. Formalmete, sea ρ * (π, y, z) = (π₁, π₂,..., π ; y₁, y₂,..., y ; z₀, z₁,..., z ) la partcó óptma que usamos para estmar la polarzacó e térmos de greso sobre la dstrbucó (π, y), dode π es la fraccó de la poblacó e el grupo, stuado e el tervalo [z j - 1, z j ], y es el greso promedo del grupo. Luego supogamos que la característca c es la característca socoecoómca relevate para explcar la polarzacó ecoómca. El método sugere hacer ua ueva partcó de la dstrbucó orgal, ahora basada e c. Sea ρ c (q, x) = (q₁, q₂,..., q k ; x₁, x₂,..., x k ) la ueva partcó. Esta vez, q j es la fraccó de la poblacó e el grupo j y x₁ x₂... x k los gresos promedo de los grupos. Ahora o teemos tervalos de gresos para la ubcacó de los grupos debdo precsamete a que los grupos so determados a partr de la característca c. Etoces podemos defr ua ueva partcó ρ + de (π, y) de la sguete maera: los dvduos del prmer grupo so todos los dvduos e ρ c cuyo vel de greso promedo está e el tervalo [z₀, z₁]; los dvduos del segudo grupo so todos los dvduos x e ρ c log(1/x ) cuyo vel de greso promedo está e el tervalo [z₁, z₂], y así sucesvamete. Esta partcó está dada por ρ + (r, w, z) = (r₁, r₂,..., r ; w₁, w₂,..., w ; x log(1/x ) z₀, z₁,..., z ). Aquí, r es la fraccó de la poblacó e el 1grupo, ubcada G = e el tervalo [z j - 1, z j ], y w es el greso promedo del 2 2 j grupo 7 y j μ. Para fjar las deas cosderemos el sguete ejemplo. Sea ρ * (π, y, z) 1 la partcó óptma de ua dstrbucó G = para dos grupos de greso, 2 2 j y j μ π el prmero formado por todos los dvduos cuyo vel de greso es feror al greso promedo de la dstrbucó y el segudo formado por aquellos cuyo greso es superor π al promedo. Sea ρ c P(π,y) = π T(I(π ), a(δ(y (q,,y j ))), x) ua ueva partcó de la dstrbucó orgal e dos grupos basada e la ubcacó geográfca, P(π,y) por = ejemplo, π T(I(π poblacó ), a(δ(,y j ))), urbaa y rural. Calculamos el greso promedo de cada uo P de los grupos e ρ c ER (π,y) = K π y j y observamos s está por ecma o por debajo del greso promedo e ρ *. Para propóstos lustratvos supogamos que el greso promedo P e el área rural es feror al de ER (π,y) = K π la dstrbucó y j orgal P DER : f(x) metras f(y) y x dydx que el urbao es superor. Luego, arreglamos la ueva partcó ρ + (r, w, z). Esta partcó tedrá e el prmer grupo, r ₁, a todos los dvduos que perteece a q ₁ e ρ c P, es decr, a DER : f(x) los f(y) y x dydx q ϕ que vve e áreas rurales, j y e el 7 Podemos expresar r y w como: r j = { x [z -1, z ]}. ϕ j q y w = (1/(r j )) ϕ j q m, dode: Φ Revsta de Ecoomía Isttucoal, vol. 13, q.º m 24, prmer semestre/2011, pp ϕ j

16 268 Eresto Cárdeas segudo grupo, r ₂, a todos los que perteece a q ₂ e ρ c, es decr, a los que vve e áreas urbaas. El hecho mportate es que, e esta ueva dstrbucó, ρ +, las persoas cuyo greso es superor al promedo de la dstrbucó orgal pero vve e áreas rurales perteecerá al prmer grupo. S la medda de polarzacó calculada co base e la partcó ρ +, a partr de la característca c, es gual a la medda calculada co base e la partcó ρ *, decmos que la característca c explca totalmete el vel de polarzacó ecoómca e ρ *. E geeral, cuato más alto sea el ídce de polarzacó explcada, EP, mayor será la fraccó que explca la característca c. El ídce EP será gual a 1 s ρ + = ρ y será gual a 0 s o hay polarzacó etre los grupos dada la característca c. E la práctca el ídce EP se calcula de la sguete maera: P EP (z * = μ, α = 1) = G(ρ + )/G(ρ * ) [8] Problema de smultaedad Desde m puto de vsta es mportate señalar lo que deomaría problema de smultaedad cuado se aalza la causaldad etre varables socoecoómcas veles de polarzacó, por ejemplo, medate la polarzacó de grupos o la polarzacó explcada. E cocreto: es posble que dferetes dvduos tega dferetes característcas socoecoómcas precsamete porque tee dferetes veles de greso. CONCLUSIONES Es mportate dstgur etre polarzacó y desgualdad debdo a que la polarzacó tee ua relacó más estrecha co el surgmeto de coflctos socales tpo guerra cvl que la desgualdad. E térmos formales, la polarzacó es claramete dferete de la desgualdad cuado los dsttos grupos de la poblacó se podera de maera dferete, ua característca que hace que este cocepto sea más apropado para explcar el surgmeto de coflctos socales. Supogamos que podemos observar la dstrbucó de u cojuto de atrbutos Y e ua poblacó. S la dstrbucó muestra ua agrupacó e toro a pocos polos, pero dferetes, la poblacó está polarzada e térmos del cojuto de característcas Y. Estas característcas so la base de la teoría de la polarzacó de Esteba y Ray. S os cocetramos e la rqueza o el greso de los dvduos que caracterza la dstrbucó de la poblacó, hablamos de polarzacó ecoómca. Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

17 Polarzacó y coflcto socal 269 La polarzacó de grupo y la polarzacó explcada ayuda a explcar la relacó etre dferetes característcas socoecoómcas de los dvduos y la perteeca a u grupo de gresos. No obstate, es mportate teer e cueta que dferetes dvduos puede teer dferetes característcas socoecoómcas precsamete porque tee veles de greso dferetes, a lo que deomo problema de smultaedad. Desde ua perspectva más geeral, para desactvar coflctos socales se requere elaborar ua vsó multdmesoal del feómeo de la polarzacó. E otro escrto (Cárdeas, 2011c) recurro a la teoría de redes para avazar e esa dreccó. REFERENCIAS BIBLIOGRÁFICAS 1. Aghevl, B. y F. Mehra. Optmal groupg of come dstrbuto data, Joural of the Amerca Statstcal Assocato 76, 1981, pp Cárdeas, E. Aalzyg polarzato: Evdece from Bogotá, tess doctoral e Ecoomía, Uversdad de Sea, 2011a. 3. Cárdeas, E. A poltcal ecoomy model of socal polarzato ad cvl war, tess doctoral e Ecoomía, Uversdad de Sea, 2011b. 4. Cárdeas, E. Polarzato ad socal coflct: A etwork approach, tess doctoral e Ecoomía, Uversdad de Sea, 2011c. 5. Dalto, H. The measuremet of the equalty of comes, Ecoomc Joural 30, Duclos, J., J. Esteba y D. Ray. Polarzato: Cocepts, measuremet, estmato, Ecoometrca 72, 2004, pp Esteba, J. y D. Ray. Coflct ad dstrbuto, Joural of Ecoomc Theory 87, 1999, pp Esteba, J. y D. Ray. O the measuremet of polarzato, Ecoometrca 62, 1994, pp Esteba, J., C. Gradí y D. Ray. Extesos of a measure of polarzato, wth a applcato to the come dstrbuto of fve OECD coutres, mmeo, Isttuto de Aálss Ecoómco de Galca, Esteba, J., C. Gradí y D. Ray. Comparg polarzato measures, Oxford Hadbook of the Ecoomcs of Peace ad Coflct, Oxford, Oxford Uversty Press, G, C. Varabltà e mutabltà, Bologa, Uverstà d Caglar, Gradí, C. Polarzato by sub-populatos Spa, , Revew of Icome ad Wealth 46, 2000, pp Gurr, T. R. Why me rebel, Prceto, Prceto Uversty Press, Love, R. y M. C. Wolfso. Icome equalty: Statstcal methodology ad Caada llustratos, Catalogue Occasoal Statstcs Caada, Ray, D. Developmet ecoomcs, Prceto, Prceto Uversty Press, Se, A. K. y J. E. Foster. O ecoomc equalty, Oxford, Claredo Press, Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

18 270 Eresto Cárdeas 16. Slber, J. Hadbook of come equalty measuremet, Bosto, Kluwer Academc Publshers, Smmel, G. Coflct ad the web of group afflatos, 1922, Glecoe, Free Press, Tlly, Ch. From moblzato to revoluto, New York, McGraw-Hll, Wolfso, M. Whe equaltes dverge, Amerca Ecoomc Revew 84, 1994, pp Wolfso, M. Dverget equaltes: Theory ad emprcal results, Revew of Icome ad Wealth 43, 1997, pp Revsta de Ecoomía Isttucoal, vol. 13,.º 24, prmer semestre/2011, pp

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

1.2. Medidas de Concentración

1.2. Medidas de Concentración .. Meddas de Cocetracó Matlde Machado.. Meddas de Cocetracó La gra mayora de los mercados se ecuetra etre los extremos de competeca perfecta (cocetracó mma) y moopolo (cocetracó máxma). Las meddas de cocetracó

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido: Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

Esta t d a í d s í titcos o TEMA 3.3

Esta t d a í d s í titcos o TEMA 3.3 TEMA 3.3 Defcó úmero obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco)

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*)

UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*) UNIVERSIDAD NACIONAL DE SALTA Facultad de Cecas Ecoómcas, Jurídcas y Socales Isttuto de Ivestgacoes Ecoómcas Reuó de Dscusó Nº 7 Fecha: /06/003 Hs.: 6 UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*) Eusebo Cleto

Más detalles

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Bolsa Nacional de Valores, S.A. San José, Costa Rica SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Manual de Estadística

Manual de Estadística Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA Nura Padlla Garrdo Departameto de Ecoomía Geeral y Estadístca Uversdad de Huelva padlla@uhu.es Flor María Guerrero

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles