CONTENIDO 1. TEORÍA DEL RIESGO Y ÁRBOLES DE DECISIÓN...2

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

Download "CONTENIDO 1. TEORÍA DEL RIESGO Y ÁRBOLES DE DECISIÓN...2"

Transcripción

1 CONTENIDO. TEORÍ DEL RIESGO Y ÁRBOLES DE DECISIÓN.... ELEMENTOS ESTRUCTURLES DE JUEGOS EN RIESGO.... DOMINCIÓN SIMPLE Y ESTOCÁSTIC.... DOMINCIÓN ESTOCÁSTIC....4 VLOR ESPERDO DE L INFORMCIÓN PERFECT REIP: RESULTDO ESPERDO CON INFORMCIÓN PERFECT RER: RESULTDO ESPERDO EN RIESGO VIP: VLOR DE L INFORMCIÓN PERFECT CIP: COSTE DE L INFORMCIÓN PERFECT CRITERIOS DE DECISIÓN LTERNTIVOS CRITERIO DEL ÓPTIMO VLOR MEDIO CON VRINZ COTD CRITERIO DE VRINZ MÍNIM CON VLOR MEDIO COTDO ÁRBOLES DE DECISIÓN CSOS DE ESTUDIO CSO #: INVERSIÓN CSO #: PRODUCCIÓN CSO #: CONCURSO PÚBLICO CSO # 4: DOMINCIÓN ESTOCÁSTIC EJERCICIO OPERDORES CELULRES MPLICIÓN PLNT...9

2 . TEORÍ DEL RIESGO Y ÁRBOLES DE DECISIÓN. ELEMENTOS ESTRUCTURLES DE JUEGOS EN RIESGO. DOMINCIÓN SIMPLE Y ESTOCÁSTIC Defncón : Domnacón mple Sea y do alternatva de un problema de decón en ambente de rego con la mma dtrbucón de probabldad. Se dce que, cuando lo reultado que e obtenen con domna (de manera mple) a y e denota por on empre mejore o guale que lo que e obtenen con r r j y, r > r ;. Matemátcamente e ecrbe j j j0 j0 j0 alternatvamente e factble tambén exprearlo como r j r j j y j0, r j0 < r j0. El crtero de domnacón mple partcona el conjunto de alternatva en do ubconjunto:. El conjunto de alternatva admble, o conjunto de alternatva que no etán domnada por nnguna otra.. El conjunto de alternatva no admble, o conjunto de alternatva domnada por alguna otra.. DOMINCIÓN ESTOCÁSTIC Defncón : Domnacón etocátca para la contante C Sean y do alternatva de un problema de decón en ambente de rego. Se dce que domna etocátcamente a para un valor C, y e denota e/ C, cuando la probabldad de conegur reultado uperore a C con e empre mejor que la probabldad de conegur reultado uperore a C con, e decr: e/ C P( r > C) > P( r > C) o lo

3 que e equvalente, decr que no domna e puede ecrbr como e/ C Pr ( > C) < Pr ( > C). quí r repreenta lo reultado que e conguen con lo reultado que e conguen con. y r repreenta Defncón : Domnacón etocátca Decmo que domna etocátcamente a, y notamo de C, la probabldad de conegur reultado uperore a C con probabldad de conegur reultado uperore a C con e, cuando, para cualquer valor e empre mejor que la ; e decr, e Pr ( > C) Pr ( > C) C y C0, P( r > C0) > P( r > C0). Tambén e váldo que e P( r > C) P( r > C) C y C0, P( r > C0) < P( r > C0) en el cao de no domnacón de la prmera obre la egunda. Nota:. Recuérdee que, para cualquer alternatva, la probabldad de que u reultado ean uperore a un certo valor C, dada por Pr ( > C), no e otra coa que el complemento a la undad de la funcón de dtrbucón de ea alternatva aplcada a ee valor C, e decr: Pr ( > C) = F( C). En conecuenca, el anteror crtero puede e expreare (equvalentemente) de la forma: F ( C) F ( C) C y e C, F ( C ) < F ( C ) y para lo reultado defavorable F ( C) F ( C) C C, F ( C ) > F ( C ). y Por ello, a ete crtero tambén e le denomna crtero de domnacón en probabldad o dtrbucón.. De eta manera, un crtero de decón en ambente de rego erá váldo propone como alternatva óptma a una alternatva que no eté domnada n mple n etocátcamente..4 VLOR ESPERDO DE L INFORMCIÓN PERFECT E evdente que un decor tomaría empre la mejor decón upera el etado de la naturaleza que va a preentare, e decr, tuvera nformacón perfecta de u entorno. í, todo decor,

4 una vez reuelto el problema, e plantea puede obtener má nformacón obre el etado de la naturaleza, de manera que lo deal ería que tuvera certeza obre la preentacón de la concrecone. Por tanto, toda mejora en la nformacón obre el entorno upone, en general, una mejora en lo reultado obtendo. En conecuenca, todo decor podría etar ntereado en obtener nformacón adconal que le permtee un mejor conocmento del entorno. Ea nformacón adconal puede er de do tpo:. Informacón adconal de carácter perfecto o nformacón certa: e caracterza porque le permte al decor comportare como upera exactamente qué concrecón del etado de la naturaleza va a preentare, e decr, como el problema e planteae en ambente de certeza.. Informacón adconal de carácter mperfecto o nformacón aleatora: e caracterza porque tene dtnta poble concrecone, permténdole al decor rectfcar la dtrbucón de probabldad que en un prncpo otorgó el etado de la naturaleza (Teorema de Baye). hora ben, toda nformacón adconal tene un cote. Por ello, el decor, ante de contar con ea nformacón, debe conocer el valor que para él tene y determnar le nterea o no comprarla. Para valorar la nformacón adconal de carácter perfecto ntroducmo lo guente concepto:.4. REIP: reultado eperado con nformacón perfecta Repreenta la cantdad que el decor epera ganar upera con certeza qué concrecón del etado de la naturaleza va a preentare. Se calcula como REIP = E r j * donde r * = mejor ( r ) j. S E e una varable aleatora dcreta entonce REIP = r * P mentra j j que S E e una varable aleatora contnua entonce REIP = r * f ( E ) d. Cabe advertr que j J j j j lo reultado on favorable, ee <<mejor>> e máxmo y, en cao contraro, e mínmo..4. RER: reultado eperado en rego j j j.4. VIP: Valor de la nformacón perfecta Repreenta el valor que la nformacón adconal perfecta tene para el decor porque upone la mejora en lo reultado eperado que obtendría con ea nformacón. Se calcula, por tanto, 4

5 como VIP = REIP RER. Ete valor repreenta la cantdad máxma que el decor etará dpueto a pagar por la nformacón adconal de carácter perfecto..4.4 CIP: cote de la nformacón perfecta Repreenta la cantdad de dnero que le cueta al decor adqurr la nformacón perfecta. Por tanto el crtero de decón etá dado por:. S CIP VIP, el decor adqurrá la nformacón perfecta.. S CIP > VIP, el decor no adqurrá la nformacón perfecta..5 CRITERIOS DE DECISIÓN LTERNTIVOS.5. Crtero del óptmo valor medo con varanza acotada Ete crtero e baa en que el decor no e capaz de aumr cualquer rego; por ello, fja una cota M para el mmo, de manera que una alternatva no erá valda para él el rego que entraña e uperor a ea cota, rego meddo a travé de la varanza de cada alternatva. Sea una alternatva cualquera del conjunto de alternatva de un problema de decón en ambente de rego. cada alternatva le aocamo un par de número formado por u meda y u varanza, eto e, µ σ (, ). Ete crtero hace una partcón del conjunto de alternatva en do ubconjunto:. El conjunto de alternatva válda, formado por aquella alternatva con varanza menor o gual que M. = { / σ M} v. El conjunto de alternatva no válda, formado por aquella alternatva con varanza mayor que M. = { / σ > M} nv Se verfca, por tanto = v nv y = v nv = 0. í, la alternatva óptma egún ete crtero erá aquella, de entre la válda, que preente un mejor valor medo, e decr: mejor µ *. Dependendo de lo reultado on favorable o defavorable, tendremo: Reultado favorable: Reultado defavorable: máx µ * mín µ * v v 5

6 .5. Crtero de varanza mínma con valor medo acotado Ete crtero e baa en que el decor no e conforma con cualquer reultado eperado, no que pretende que nunca ea peor que una determnada cuantía. Por ello, fja una cota M para el mmo, de manera que una alternatva no erá válda para él el reultado eperado de ea alternatva e peor que ea cota, que e la peor exgda. Sea una alternatva cualquera del conjunto de alternatva de un problema de decón en ambente de rego. cada alternatva le aocamo un par de número que forman u meda y u varanza ( µ, σ ). Ete crtero hace una partcón del conjunto de alternatva en do ubconjunto:. S lo reultado on favorable. El conjunto de alternatva válda, formado por aquella alternatva con eperanza mayor o gual que M. = { / µ M}. El v conjunto de alternatva no válda, formado por aquella alternatva con eperanza menor que M. = { / µ < M} nv. S lo reultado on defavorable. El conjunto de alternatva válda, formado por aquella alternatva con eperanza menor o gual que M. = { / µ M}. El v conjunto de alternatva no válda, formado por aquella alternatva con eperanza mayor que M. = { / µ > M}. nv Se verfca, por tanto = v nv y = v nv = 0. í, la alternatva óptma egún ete crtero erá aquella, de entre la válda, que preente una mínma varanza, e decr, mín σ *. v.6 ÁRBOLES DE DECISIÓN El modelo de decón baado en matrce e adecuado para juego encllo pero dejan de er útle en tuacone má compleja. En ete últmo cao lo árbole de decón e conttuyen en la etructura de dato por excelenca para repreentar la tuacón en la que el jugador partcpará. La Fgura muetra la repreentacón de un juego complejo medante el uo de una etructura de dato en forma de árbol. 6

7 .7 CSOS DE ESTUDIO.7. Cao #: Inverón Un ndvduo ha ganado en la lotería prmtva un mllón de euro. El drector de u agenca bancara le ha convencdo de que lo mejor que puede hacer con el dnero e nvertrlo en un nuevo fondo de nverón que tene la guente caracterítca:. La nverón e anual.. un porcentaje del captal e nverte en renta fja, que tene una remuneracón garantzada del 0%.. el reto del captal e nverte en renta varable. Sobre la remuneracón de eta parte de la nverón, eta perona cuenta con la guente nformacón: la propaganda que hace el banco, e que la rentabldad erá de un 5% anual. No obtante, una revta económca, baándoe en la tendenca actual de lo mercado nternaconale y en la prevone polítca, afrma que tan ólo erá de un 4%. Para eta perona la probabldad de que el banco tanga razón en u prevone e la mma que la probabldad de que acerte la revta. 4. El fondo tene do modaldade: Opcón : el 0% del captal e nverte en reta fja y el 70% retante en renta varable. Opcón B: el 60% del captal e nverte en renta fja y el 40% retante en renta varable. Tenendo en cuenta eta nformacón, contete la guente pregunta: a) Cuále on lo benefco que el ndvduo puede conegur egún la opcón que elja? b) S baa u decón en el crtero del valor monetaro eperado, cuál erá la decón óptma? c) Cuánto dnero etaría dpueto a pagar por una nformacón certa obre la evolucón del mercado de renta varable en le próxmo año? Solucón a) Vamo a comenzar dentfcando lo elemento de ete problema de decón, que on lo guente: - Decor: El ganador de la lotería prmtva 7

8 - lternatva: opcón en la cual nvertr : nvertr en la opcón : nvertr en la opcón B - Etado de la naturaleza: Será la evolucón del mercado fnancero, que, en ete cao, tene do poble concrecone: E : conegur una rentabldad para la nverón en renta var able del 5% E : conegur una rentabldad para la nverón en renta varable del 4% La probabldad de que ocurra una u otra tuacón e conocda por el decor, ya que condera que ) = ) = 0.5, por tanto, e un problema de decón en ambente de rego. - Crtero de evaluacón: erá la rentabldad de la nverón elegda. Para calcular lo benefco que el decor puede conegur tenemo en cuenta que: renta fja: euro rentabldad: euro (0%) Opcón : renta varable: euro rentabldad: euro (5%) euro (4%) renta fja: euro rentabldad: euro (0%) Opcón B: renta varable: euro rentabldad: euro (5%) euro (4%) Como lo conjunto de alternatva y de etado de la naturaleza on dcreto y únco, podemo plantear el problema de decón medante una matrz de reultado, en la aparecerán lo poble benefco egún la alternatva elegda y el etado de la naturaleza que e preente. Eta matrz, en mle de euro erá: 0,5 0,5 / E E E b) El crtero de decón del valor monetaro eperado ( VME) repreenta cada alternatva por un únco valor, u promedo o valor eperado. í, en nuetro problema tendremo: 8

9 E( ) = r p = 5 0, ,5 = 96,5 j j= j j= j E ( ) = r p = 0 0, ,5 = 98 La alternatva óptma erá a la que le correponda un óptmo reultado eperado: j * opt máxe = ( ) = 98 Luego, quere maxmzar u benefco eperado, deberá nvertr u dnero en la modaldad B. c) El decor eta dpueto a pagar, como mucho, por la nformacón certa obre la evolucón del mercado fnancero (etado de la naturaleza), el valor que le otorgue a dcha nformacón ( VIP ). Ete valor, recordemo, no e má que mejora que el decor epera conegur en el reultado económco al contar con dcha nformacón. Matemátcamente lo podemo calcular como la dferenca entre lo que epera ganar tuvera la nformacón perfecta ( REIP) y lo que epera ganar en cao de no tenerla ( RER ). Calculamo cada uno de eto térmno * j j= VIP = REIP RER RER = opt E( ) = 98 REIP = r p = 5 0, ,5 = 05,5 j * para j = r = máx r = máx {5,0} = 5 donde * para j = r = máx r = máx {58, 76} = 76 Por tanto VIP = 05,5 98 = 7,5, e decr, el decor etaría dpueto a pagar por dcha nformacón perfecta hata euro. 9

10 .7. Cao #: Produccón Una emprea debe decdr al comenzo del año el número n de artículo que producrá. De acuerdo con u experenca ha etmado que la venta aleatora e dtrbuyen egún una ley normal de meda 0,8n y varanza n La emprea no puede fabrcar má de.000 artículo al año y cada artículo venddo produce un benefco de euro. Se condera que uno benefco de 5 mllone de euro on ufcente y una varanza de benefco uperor a 90 e naceptable. Dcuta el problema planteado, tenendo en cuenta el <<ambente>> de la decón, egún lo dtnto crtero aplcable. Solucón Elemento del problema: - Decor: La emprea - lternatva: número de undade n que debe producr y que etará comprenddo entre 0 y Etado de la naturaleza: número de undade vendda ξ. - Reultado: benefco = 0.000ξ. - Clafcacón del problema: a cada alternatva n le correponde nfnto reultado, ya que on nfnto lo etado de la naturaleza, pero conocemo la dtrbucón de probabldad de dcho etado que e normal de meda 0,8n y varanza tanto, e un problema de decón en ambente de rego. n 0 5 6, por - Crtero de decón: vamo a utlzar lo crtero del valor medo, máxmo valor medo con varanza acotada y mínma varanza con valor medo acotado. a) Crtero del valor monetaro eperado ocamo a cada alternatva un únco reultado, el reultado eperado de dcha alternatva; de eta forma tranformamo el problema de decón en ambente de certeza, optando por aquella alternatva que tene aocado el óptmo reultado eperado. En nuetro cao: E(0.000 ξ ) = E( ξ ) = ,8 n= 4.000n Como el número máxmo de artículo que e pueden fabrcar al año e.000, no 0

11 pudendo er negatvo, y lo reultado (benefco) uponen conecuenca favorable para el decor, el crtero de valor medo conduce al problema de optmzacón matemátca: máx 4.000n a.. 0 n.000 Evdentemente la funcón objetvo alcanza u máxmo en el mayor valor poble de n, e decr en n =.000. por tanto, la emprea aplca el crtero de valor medo, debe fabrcar.000 undade. b) Crtero de máxmo valor medo con varanza acotada Tenemo que determnar el número de artículo a producr que maxmzan lo benefco eperado endo la varanza de lo ngreo no uperor a Como 90. V(0.000 ξ) V( ) 9 0 n n = ξ = =, el crtero de máxmo valor medo con varanza acotada conduce al problema de optmzacón matemátca: máx 4.000n a n 90 5 n.000 n 0 Como n 5 0 n 0 n 00, el problema e reduce a: máx 4.000n a.. 0 n 00 Cuya olucón e n=00. por tanto, la emprea trata de maxmzar el benefco eperado, endo la varanza de lo benefco no uperor a artículo. 90 debe fabrcar 00 c) Crtero de la máxma varanza con valor medo acotado Hay que determnar el número de artículo a fabrcar que mnmzan la varanza de lo benefco endo lo benefco eperado de al meno 5 mllone de euro. E decr, tenemo que reolver el problema de optmzacón matemátca:

12 mín 90 n 5 a n n.000 E decr: La funcón n = 65. mín 5 900n a.. 65 n n alcanza u mínmo valor en el menor valor poble de n, e decr, en Como e un problema de mnmzacón con retrccone de degualdad e podrían haber determnado lo punto crítco aplcando la condcone neceara de Kuhn-Tucer. Se reuelve, a modo de ejemplo, guendo dcha metodología úncamente en ete últmo cao, ben e podría haber aplcado a lo demá. Lnλµ n λ n µ n (,, ) = 900 ( + 65) (.000) La condcone de Kuhn-Tucer para el problema conderado on: L. = + λ λ = n. λ ( n+ 65) = 0 ( a ) n 0 λ ( n.000) = 0 ( b ). n 65 ( a) n.000 ( b) λ 0, λ 0 4. De la egunda condcón obtenemo: λ = 0 o n = 65 y λ = 0 o n =.000 Tenemo, entonce, cuatro pobldade: λ = 0 λ = 0; B) λ = 0 yn=.000 ; C) n= 65 yλ = 0 ; D) n=.000 y n= 65. ) y La cuarta pobldad no e puede dar; vamo a analzar la otra tre: ) S λ = 0 y λ = 0, uttuyendo en la prmera condcón obtenemo:

13 L = + = n n λ λ n = 0 n= 0 El punto obtendo P (0;0;0) no e un punto crítco ya que no verfca la prmera retrccón (a). B) S λ = 0 yn=.000, uttuyendo en la prmera condcón obtenemo: L = n + λ λ = λ = 0 λ = > 0 n No verfca la cuarta condcón, por tanto el punto obtendo P (.000;0; ) no e un punto crítco. C) S n= 65 yλ = 0, uttuyendo en la prmera condcón obtenemo: L = n + λ λ = λ = 4 0 λ = n 4 El punto P (5; n ;0) e un punto crítco, ya que verfca la cuatro condcone de Kuhn-Tucer. Por tanto el únco canddato a punto crítco e P 4 (5; n ;0) la funcón tene un mínmo vamo a analzar la convexdad del problema. La funcón objetvo e convexa ya que u egunda dervada. Para ver en ee punto (8.000 n ) e potva n [65,.000]. Como el conjunto factble tambén e convexo, ya que la retrccone on lneale, el problema e convexo para mínmo. Por tanto la f uncón objetvo alcanza un mínmo global en el punto crítco. S la emprea trata de mnmzar la varanza de lo benefco alcanzado uno benefco eperado de al meno 5 mllone de euro, debe fabrcar 65 undade..7. Cao #: Concuro públco Una emprea tene la pobldad de preentare a un concuro públco para la adjudcacón del ervco nternaconal de correo aéreo, que le upondría un benefco de 5 mllone de euro al año. Para preentare al concuro debe preparar un proyecto que le cotará medo mllón de euro, conderando que la probabldad de conegur el contrato e de un 70%.

14 La emprea no poee avone ufcente para cubrr el ervco por lo que en cao de conegur el contrato, debe decdr compra lo avone que le falta o lo alqula a una emprea naconal o extranjera. El cote de cada opcón planteada e de,.5 y. mllone de euro repectvamente. La emprea abe que tene una probabldad de un 50% del mporte de la compra, de un 0% del preco del alquler el proveedor e una emprea naconal y de un 0% e extranjera. En ete últmo cao, tambén tene que tener en cuenta que el pago e realzará en dólare y que una devaluacón del euro upondrá una pérdda adconal de euro. Según la tuacón actual del mercado monetaro, eta emprea condera que la probabldad de una devaluacón del euro e de un 75%. a) Qué decón deberá tomar la emprea? b) S pudera dponer de nformacón perfecta obre la conceón de la ubvencone, Cuánto etaría dpueto a pagar por ella? Solucón a) Ete e un problema de decón ecuencal, ya que la emprea debe tomar do decone nterdependente: prmero debe decdr realza el proyecto (e preenta al concuro) y, en cao de conegur el contrato, compra o alqula a una emprea naconal o extranjera lo avone que le faltan. La forma de repreentar y reolver ete tpo de problema e medante el árbol de decón. µ ) = 0,5 4) = 0,5,5 ) = 0,7 4 µ 4 ) = 0,5 4) = 0,5,45 µ 6 5 µ 5 ) = 0,5 µ 5) = 0,75 6) = 0,5,6,46 4) = 0,5 5) = 0,75,0 ) = 0, µ 6) = 0,5,0-0,5 µ 7 0 Fgura : Árbol de decón típco 4

15 Donde: : preentare al concuro. : no preentare al concuro : comprar lo avone. : 4 alqular lo avone a una emprea naconal. : 5 alqular lo avone a una emprea extranjera. E : Tener éxto. E : no tener éxto. E : conegur la ubvencón. E : 4 no conegur la ubvencón. E : devaluacón 5 E : 6 no devaluacón. Como conocemo la probabldade de ocurrenca de cada etado de la naturaleza (ambente de rego), vamo a utlzar el crtero de valor monetaro eperado para oluconar el problema. Ello upone que el valor de lo nodo de ncertdumbre erá el promedo de lo reultado a lo que conducen la dferente rama que parten de dcho nodo. í: µ =,6 0,75 +,46 0,5 =,85 µ =,0 0,75 +,0 0,5 =,5 S planteamo el problema reultante en forma normal e tene: 0,5 0,5 E E4 4, 45,5,85,5 plcando el crtero de valor medo E ( ) = µ = 0,5+,5 0,5=,5 E ( ) = µ =,45 0,5 + 0,5 =,5 4 4 E ( ) = µ = µ 0,5 + µ 0,5 =,85 0,5 +,5 0,5 =, Para valorar el egundo nodo de decón optmzamo lo reultado eperado correpondente a cada alternatva: máx E( ) = µ =,5 opt = : alqular lo avone a una emprea extranjera 5 5 =,4,5 =,4,5 5

16 Valoramo el guente nodo de ncertdumbre, que ecrto en forma normal reulta: 0, 7 0, / E E E, 55 0,5 0 0 í pue E ( ) = µ =, 55 0, 7 + ( 0,5) 0,0 =,85 6 E ( ) = 0 El valor del prmer nodo de decón erá máx E( ) = µ =,85 opt = : preentare al concuro 6 =, =, Por tanto la decón óptma erá preentare al concuro y, lo gana, alqular lo avone a una emprea extranjera. Con eta forma de actuar, el decor epera conegur,85 mllone de euro. b) Para poder contetar a eta pregunta debemo conocer el valor que para el decor tene la nformacón de carácter perfecto obre la conecucón de la ubvencone. Matemátcamente podemo calcular como VIP = REIP RER, SIENDO: REIP = r p =, 45 0,5 +,5 0,5 =, 875 * j j j = r =,45 j = 4 r =,5 RER = µ 5 =, 55 * * 4 Por tanto VIP =,455,55 = 0, Eta e la cantdad, en mllone de euro, que el decor etá dpueto a pagar, como máxmo, por una nformacón perfecta obre la conceón de la ubvencone. 6

17 .7.4 Cao # 4: Domnacón etocátca Dado un problema de decón en ambente de rego, donde lo reultado on favorable y la matrz de reultado vene dada por: 0, 0, 0, 0, 0, E E E E E Etude la domnacón etocátca de dcha alternatva. Solucón Recordemo prmero cuándo una alternatva domna a otra etocátcamente, endo lo reultado favorable: e F( C) F( C) C y C0, F( C0) < F( C0) í pue, tendremo que determnar la funcón de dtrbucón de cada alternatva y luego compararla. Recordamo que la funcón de dtrbucón e defne como: F( R) = P( r R). Por tanto tenemo: 0 R < 0 0, 0 R < 0,5 R < 5 F ( R) = 0,7 5 R < 6 0,8 6 R < 8 8 R 0 R < 0 0, 0 R < F ( R) = 0,5 R< 7 0, 7 7 R < 0 0 R 0 R < 0, R < F ( R) = 0,6 R < 5 5 R 7

18 F ( R) La repreentacón gráfca de eta funcone de dtrbucón e la guente fgura: F ( R) 0,5 F ( R) F ( R) í pue: S R < 0 nnguna alternatva etá domnada. 5 0 S 0 R <, la alternatva y domnan a la alternatva. S R <, la alternatva domna a la y. S R < 5, la alternatva y domnan a la alternatva. S 5 R < 0, la alternatva domna a la y. S 0 < R, nnguna alternatva etá domnada. Por tanto, nnguna alternatva domna a otra para cualquer valor..8 EJERCICIO.8. Operadore celulare TIGO, un operador de telefonía móvl celular, ha preentado una demanda contra COMCEL por práctca comercale monopolítca, pdendo 0 mllone de dólare por daño. En febrero, TIGO recbe una oferta de conclacón de COMCEL para arreglar la tuacón, en la que le ofrecen.5 mllone de dólare. El conejo de admntracón de TIGO debe decdr acepta la propueta o contnua la demanda. Lo abogado creen que la probabldad de que TIGO gane e de. Sn embargo, eñalan que 8

19 ncluo ganando, la probabldad de que el juez otorgue lo 0 mllone peddo e del 50%, ya que tambén exte la pobldad de que otorgue una compenacón de 5 mllone de dólare. í mmo, lo abogado han anuncado que u honoraro entre febrero y mayo (me en el que e realzara la audenca) erá de dólare y que lo honoraro de repreentacón del juco erán de dólare. El conejo de admntracón de TIGO cree que hay una probabldad de un 60% de que COMCEL haga una nueva oferta en el me de mayo ante de ncar el proceo judcal. S eto e aí, etma que la probabldad de que el arreglo ea por 4.5 mllone de dólare e del 70% y del 0% de que ea por 5.5 mllone de dólare. S COMCEL no preenta eta egunda oferta en mayo, TIGO puede ncar una negocacón, conformándoe, en ete cao, con.5 mllone de dólare. Depué de un anál detallado, lo conejero de TIGO determnan que la funcón de utldad del dnero e u( x) x, donde x vene expreado en mllone de dólare. S TIGO pretende maxmzar u utldad eperada Cuál e la decón óptma?.8. mplacón planta El jefe de una gaolnera etá etudando amplar u ntalacone porque, con la actuale, e forman grande cola y mucho coche e marchan n repotar. Sabe que el número medo de vehículo que llegan a u gaolnera e de 0 por mnuto. Ha etmado que la nverón le cotará euro, pero lo ngreo etmado con la amplacón on I( x) = 0.000x 0.000, donde x repreenta el número de coche que llegan a la gaolnera por mnuto. Recomendaría al jefe de gaolnera hacer la nverón? Cuánto dnero cree uted que etaría dpueto a pagar por aber con certeza cuánto coche van a llegar cada mnuto? 9

Diseño óptimo de un regulador de tensión en paralelo

Diseño óptimo de un regulador de tensión en paralelo Deño óptmo de un regulador de tenón en paralelo Federco Myara 1. egulador mple con un dodo de ruptura El cao má mple e el regulador con un dodo zener, ndcado en la fgura 1. S ben el crcuto parece muy encllo,

Más detalles

El CAT se calcula a partir de los flujos de recursos entre el cliente y la institución que otorga el crédito. t j

El CAT se calcula a partir de los flujos de recursos entre el cliente y la institución que otorga el crédito. t j Explcacón del cálculo del Coto nual Total (CT) El CT e calcula a partr de lo fluo de recuro entre el clente y la nttucón que otorga el crédto.. Fórmula para el cálculo del CT El CT e el valor numérco de,

Más detalles

TABLAS DE RESULTADOS DEL ESTUDIO DE COMISIONES BANCARIAS 2014. Opción de análisis de cuentas sin nómina o ingresos regulares:

TABLAS DE RESULTADOS DEL ESTUDIO DE COMISIONES BANCARIAS 2014. Opción de análisis de cuentas sin nómina o ingresos regulares: Co m o n e b a n c a r a E t u d od e1 6e n t d a d e j u l o e p t e mb r e2 01 4 TABLAS DE RESULTADOS DEL ESTUDIO DE COMISIONES BANCARIAS 2014 Opcón de anál de cuenta n nómna o ngreo regulare: Entdade

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

Tema 9: Distribuciones Bidimensionales.

Tema 9: Distribuciones Bidimensionales. Tema 9: Dtrbucone Bdmenonale. 9.1 Nube de punto. Correlacón. 9. Medda de correlacón. 9.3 Recta de regreón. 9.4 Dtrbucone condconada. Dependenca e ndependenca. 9.1 Nube de punto. Correlacón. Regreón e un

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

LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION

LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Programación de la Producción en un sistema flow shop híbrido sin esperas y tiempos de preparación dependientes de la secuencia

Programación de la Producción en un sistema flow shop híbrido sin esperas y tiempos de preparación dependientes de la secuencia DITS ( 2006/01). Workng Paper del Departament d Organtzacó D empree de la Unvertat Poltècnca de Catalunya. Programacón de la Produccón en un tema flow hop híbrdo n epera y tempo de preparacón dependente

Más detalles

SOLICITUD DE ADMISIÓN

SOLICITUD DE ADMISIÓN SOLICITUD DE ADMISIÓN Prmer Apelldo Pegar foto Segundo Apelldo Nombre Fecha POSTULA A MAGÍSTER EN GESTIÓN Y DIRECCIÓN DE EMPRESAS (MBA): [ ] Tempo Completo Eta Solctud de Admón e válda para potular al

Más detalles

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón

Más detalles

Diseño de Controladores PID. Sistemas de Control Prof. Mariela CERRADA

Diseño de Controladores PID. Sistemas de Control Prof. Mariela CERRADA Deño de Controladore PID Stema de Control Prof. Marela CERRADA Controlador del to PI: Mejorando la reueta etaconara Lo controladore del to PI olo ncororan la accone Proorconale Integrale, aumentando en

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

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

LECTURA 05 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 18: MEDIDAS DE DISPERSION

LECTURA 05 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 0 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón o de dperón

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

MATEMÁTICA DE LAS OPERACIONES FINANCIERAS I

MATEMÁTICA DE LAS OPERACIONES FINANCIERAS I MATEMÁTICA DE LAS OPERACIONES FINANCIERAS I CURSO 0/04 PRIMERA SEMANA Día 7/0/04 a las 6 horas MATERIAL AUXILIAR: Calculadora fnancera DURACIÓN: horas. a) Captal fnancero aleatoro: Concepto. Equvalente

Más detalles

ANÁLISIS DEL CRITERIO COSTE AMORTIZADO. APLICACIÓN A UN PRÉSTAMO CONCERTADO POR EL SISTEMA DE AMORTIZACIÓN FRANCÉS CON TIPO DE INTERÉS INDICIADO

ANÁLISIS DEL CRITERIO COSTE AMORTIZADO. APLICACIÓN A UN PRÉSTAMO CONCERTADO POR EL SISTEMA DE AMORTIZACIÓN FRANCÉS CON TIPO DE INTERÉS INDICIADO 87a ANÁLISIS DEL RITERIO OSTE AMORTIZADO. APLIAIÓN A UN PRÉSTAMO ONERTADO POR EL SISTEMA DE AMORTIZAIÓN FRANÉS ON TIPO DE INTERÉS INDIIADO Mª armen Vall Martínez Alca Ramírez Orellana Profeora Ttulare

Más detalles

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL Inferenca Etadítca Se ocupa de etudar lo método necearo para etraer, o nferr, concluone válda e nformacón obre una poblacón a partr del etudo epermental de

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

= 1. junio-2007 Matemáticas Financieras LADE (Móstoles)

= 1. junio-2007 Matemáticas Financieras LADE (Móstoles) juno-007 Matemátca Fnancera LADE (Mótole Problema En el mercado cotzan lo guente bono: Bono A: Bono Cupón Cero a año y TIR del 0% Bono B: Bono Cupón Cero a año y TIR del 9% Bono C: Bono Cupón Explícto

Más detalles

CAPÍTULO 4. INTEGRACIÓN DE FUNCIONES RACIONALES 4.1. Introducción 4.2. Raíces comunes 4.3. División entera de polinomios 4.4. Descomposición de un

CAPÍTULO 4. INTEGRACIÓN DE FUNCIONES RACIONALES 4.1. Introducción 4.2. Raíces comunes 4.3. División entera de polinomios 4.4. Descomposición de un CAPÍTULO. INTEGRACIÓN DE FUNCIONES RACIONALES.. Introducción.. Raíce comune.. Diviión entera de polinomio.. Decompoición de un polinomio en producto de factore.5. Método de fraccione imple.6. Método de

Más detalles

Para el caso que las variables no estén correlacionadas (covarianza nula) la incertidumbre asociada a la cantidad q viene dada por:

Para el caso que las variables no estén correlacionadas (covarianza nula) la incertidumbre asociada a la cantidad q viene dada por: Capítulo 5 La fórmula de Welch-Satterthwate Hemo vto como encontrar un ntervalo de confanza para una cantdad medda (tanto con N grande como con N peueño). La pregunta ue naturalmente urge e cómo encontrar

Más detalles

Anál de ere temporale Fernando Berzal, berzal@acm.org Anál de ere temporale Caracterítca de la ere temporale Vualzacón de ere temporale Fltrado de ere temporale Meda móvle Suavzado exponencal Técnca de

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

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

Clase 25. Macroeconomía, Sexta Parte

Clase 25. Macroeconomía, Sexta Parte Introduccón a la Facultad de Cs. Físcas y Matemátcas - Unversdad de Chle Clase 25. Macroeconomía, Sexta Parte 12 de Juno, 2008 Garca Se recomenda complementar la clase con una lectura cudadosa de los capítulos

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Índice de Precios de las Materias Primas

Índice de Precios de las Materias Primas May-15 Resumen Ejecutvo El objetvo del (IPMP) es sntetzar la dnámca de los precos de las exportacones de Argentna, consderando la relatva establdad en el corto plazo de los precos de las ventas externas

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

1.1 Ejercicios Resueltos Tema 1

1.1 Ejercicios Resueltos Tema 1 .. EJERCICIOS RESUELTOS TEMA. Ejerccos Resueltos Tema Ejemplo: Probarque ++3+ + n 3 + 3 +3 3 + + n 3 n (n +) Ã n (n +)! - Para n es certa, tambén lo comprobamos para n, 3,... ( + ) + 3 (+) supuesto certa

Más detalles

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos

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

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

Más detalles

RESUELTOS POR M. I. A. MARIO LUIS CRUZ VARGAS PROBLEMAS RESUELTOS DE ANUALIDADES ANTICIPADAS

RESUELTOS POR M. I. A. MARIO LUIS CRUZ VARGAS PROBLEMAS RESUELTOS DE ANUALIDADES ANTICIPADAS PROBLEMAS RESUELTOS DE ANUALIDADES ANTICIPADAS. En las msmas condcones, qué tpo de anualdades produce un monto mayor: una vencda o una antcpada? Por qué? Las anualdades antcpadas producen un monto mayor

Más detalles

MODELO ECONÓMICO MATEMÁTICO DE OPTIMIZACIÓN DEL COMPLETAMIENTO DE LA FLOTA MERCANTE NACIONAL.

MODELO ECONÓMICO MATEMÁTICO DE OPTIMIZACIÓN DEL COMPLETAMIENTO DE LA FLOTA MERCANTE NACIONAL. MODELO ECONÓMICO MATEMÁTICO DE OPTIMIZACIÓN DEL COMPLETAMIENTO DE LA FLOTA MERCANTE NACIONAL. Dr. Sutberto Cabrera García. Dpto. de Etadítca, Invetgacón Operatva Aplcada y Caldad. Unverdad Poltécnca de

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 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

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

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Matemática Financiera Sistemas de Amortización de Deudas

Matemática Financiera Sistemas de Amortización de Deudas Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO

Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO CUESTIONARIO Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO 1. Cuánto vale una Letra del Tesoro, en tanto por cento de nomnal, s calculamos su valor al 3% de nterés y faltan 5 días para su vencmento? A) 97,2

Más detalles

DIPLOMADO EN LOGÍSTICA Y CADENA DE SUMINISTRO

DIPLOMADO EN LOGÍSTICA Y CADENA DE SUMINISTRO IPLOMAO EN LOGÍSTICA Y CAENA E SUMINISTRO MÓULO I: Rs Poolng CRISTINA GIGOLA epto Ingenería Industral ITAM ggola@tam.mx Coordnacón en la SC ecsones que maxmcen la utldad de la SC. Caso 1: El mercado determna

Más detalles

Estadística de Defunciones según la Causa de Muerte. Metodología

Estadística de Defunciones según la Causa de Muerte. Metodología Etadítca de efuncone egún la Caua de Muerte Metodología I Antecedente La Etadítca de efuncone y de Muerte Fetale Tardía egún la caua de muerte tenen dentdad propa, aunque e enmarcan dentro de la Etadítca

Más detalles

Cinemática de Robots. Práctica 2. 2.1.- Introducción

Cinemática de Robots. Práctica 2. 2.1.- Introducción Práctca de Robótca utlzando Matlab Práctca 2 Cnemátca de Robot 2..- Introduccón Lo robot cláco preentan una arqutectura antropomórfca eral, emejante al brazo humano. Conten de una ere de barra rígda unda

Más detalles

Capítulo 4 APLICACIÓN

Capítulo 4 APLICACIÓN Capítulo 4 APLICACIÓN A travé de ete captulo, e expondrá con la ayuda de do ejemplo, la aplcacón de la prueba DE en lo do tpo de modelo de bloque al azar, poterormente, e explcara el dagrama de flujo,

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization) Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,

Más detalles

ESTADÍSTICA DESCRIPTIVA Y BIDIMENSIONAL

ESTADÍSTICA DESCRIPTIVA Y BIDIMENSIONAL ESTADÍSTICA DESCRIPTIVA Y BIDIMESIOAL ÍDICE. Defncón de Etadítca. Concepto generale 3. Tratamento de la nformacón 4. Repreentacón de lo dato. Medda de centralzacón 6. Medda de dperón 7. Etadítca bdmenonal

Más detalles

ELECTRONICA III (ELT 2782) CAPITULO II CIRCUITOS CON AMPLIFICADORES OPERACIONALES

ELECTRONICA III (ELT 2782) CAPITULO II CIRCUITOS CON AMPLIFICADORES OPERACIONALES ELECTONICA III (ELT 78) CAPITLO II CICITOS CON AMPLIFICADOES OPEACIONALES OBJETIVOS Analzar crcuto baado en amplfcadore operaconale Deñar un amplfcador que atfaga certa epecfcacone Grafcar la forma de

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

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se

Más detalles

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF) ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

CIRCULAR Nº 1.294. Rentabilidad de la Cuota y de la Cuenta de Capitalización Individual y Costo Previsional. Deroga la Circular N 736.

CIRCULAR Nº 1.294. Rentabilidad de la Cuota y de la Cuenta de Capitalización Individual y Costo Previsional. Deroga la Circular N 736. CIRCULAR Nº 1.294 VISTOS: Las facultades que confere la ley a esta Superntendenca, se mparten las sguentes nstruccones de cumplmento oblgatoro para todas las Admnstradoras de Fondos de Pensones. REF.:

Más detalles

Errores y Tipo de Sistema

Errores y Tipo de Sistema rrore y Tipo de Sitema rror dinámico: e la diferencia entre la eñale de entrada y alida durante el período tranitorio, e decir el tiempo que tarda la eñal de repueta en etablecere. La repueta de un itema

Más detalles

Capítulo 4. R a. R b -15 V R 3 R P R 4. v Z. Palabras clave: termopar tipo T, compensación de la unión de referencia, termómetro, AD590.

Capítulo 4. R a. R b -15 V R 3 R P R 4. v Z. Palabras clave: termopar tipo T, compensación de la unión de referencia, termómetro, AD590. 5//8 Senore generadore y u acondicionadore apítulo Nota: La ecuacione, figura y problema citado en el dearrollo de lo problema de ete capítulo que no contengan W en u referencia correponden al libro impreo.

Más detalles

16.- Geometría de masas.

16.- Geometría de masas. 6.- Geometría de maa. 6.. Dtrbucone dcreta y contnua de matera (457); 6.. Centro de maa (458); 6.3. Teorema concernente al centro de maa (46); 6.4. Momento de nerca (47); 6.5. ado de gro (47); 6.6. Producto

Más detalles

+ y 1 ; U 2 (x 2,y 2 ) = ax 2 (x 2) 2 2

+ y 1 ; U 2 (x 2,y 2 ) = ax 2 (x 2) 2 2 13. Consdere un mercado en el que hay dos consumdores con las sguentes funcones de utldad: U 1 (x 1,y 1 = 4x 1 (x 1 + y 1 ; U (x,y = ax (x + y con 4 > a >0 donde x, =1,, es la cantdad del ben x consumda

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

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

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El Impacto de las Remesas en el PIB y el Consumo en México, 2015 El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como

Más detalles

Problemas de Optimización usando el modelo de Hopfield

Problemas de Optimización usando el modelo de Hopfield CLASE 5 de Marzo de 008 Undad Problema de Optmzacón uando el modelo de Hopfeld Modelo de Hopfeld contnuo Problema de optmzacón: Convertdor A/D, Problema del vaante, etc. Rede autoaocatva Red de Hopfeld

Más detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

En un mercado hay dos consumidores con las siguientes funciones de utilidad:

En un mercado hay dos consumidores con las siguientes funciones de utilidad: En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta

Más detalles

ÓPTICA GEOMÉTRICA. ; 2s s 40 + =

ÓPTICA GEOMÉTRICA. ; 2s s 40 + = ÓPTICA GEOMÉTRICA Modelo 06. Pregunta 4a.- Se deea obtener una imagen virtual de doble tamaño que un objeto. Si e utiliza: a) Un epejo cóncavo de 40 cm de ditancia focal, determine la poicione del objeto

Más detalles

TRIEDRO DE FRENET. γ(t) 3 T(t)

TRIEDRO DE FRENET. γ(t) 3 T(t) TRIEDRO DE FRENET Matemática II Sea Γ R 3 una curva y ean γ : I = [a,b] R 3, γ(t = (x(t,y(t,z(t una parametrización regular y α : I = [a,b ] R 3 u parametrización repecto el parámetro arco. A partir de

Más detalles

1. Introducción 2. El mercado de bienes y la relación IS 3. Los mercados financieros y la relación LM 4. El modelo IS-LM

1. Introducción 2. El mercado de bienes y la relación IS 3. Los mercados financieros y la relación LM 4. El modelo IS-LM Tema 4 Los mercados de benes y fnanceros: el modelo IS-LM Estructura del Tema 1. Introduccón 2. El mercado de benes y la relacón IS 3. Los mercados fnanceros y la relacón LM 4. El modelo IS-LM 4.1 La polítca

Más detalles

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA 35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL

YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL 27 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 2003 YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL J. Guad, J. Larrañeta, L. Oneva Departamento de Organzacón Industral

Más detalles

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con

Más detalles

C I R C U L A R N 2.133

C I R C U L A R N 2.133 Montevdeo, 17 de Enero de 2013 C I R C U L A R N 2.133 Ref: Insttucones de Intermedacón Fnancera - Responsabldad patrmonal neta mínma - Susttucón de la Dsposcón Transtora del art. 154 y de los arts. 158,

Más detalles

REGISTROS CONTABLES Y AJUSTES

REGISTROS CONTABLES Y AJUSTES REGISTROS CONTABLES Y AJUSTES Aiento de Ajute Para conocer el monto de la utilidad o pérdida del período, la emprea preparan el etado de reultado final del período contable. Para conocer con preciión el

Más detalles

Algoritmo para la ubicación de un nodo por su representación binaria

Algoritmo para la ubicación de un nodo por su representación binaria Título: Ubcacón de un Nodo por su Representacón Bnara Autor: Lus R. Morera González En este artículo ntroducremos un algortmo de carácter netamente geométrco para ubcar en un árbol natural la representacón

Más detalles

Análisis de Sistemas Multiniveles de Inventario con demanda determinística

Análisis de Sistemas Multiniveles de Inventario con demanda determinística 7 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 00 Análss de Sstemas Multnveles de Inventaro con demanda determnístca B. Abdul-Jalbar, J. Gutérrez, J. Scla Departamento de

Más detalles

1.- Una empresa se plantea una inversión cuyas características financieras son:

1.- Una empresa se plantea una inversión cuyas características financieras son: ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES. Departamento de Economía Aplcada (Matemátcas). Matemátcas Fnanceras. Relacón de Problemas. Rentas. 1.- Una empresa se plantea una nversón cuyas característcas

Más detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

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

Lo que necesito saber de mi Tarjeta de Crédito

Lo que necesito saber de mi Tarjeta de Crédito Lo que necesto saber de m Tarjeta de Crédto Informatvo tarjetas de crédto bancaras Cómo obtener una 3 Qué es una La tarjeta de crédto es un medo de pago que permte a los clentes utlzar una línea de crédto

Más detalles

OCION elegr opcones) Ejercco 1 EJERCICIOS Un rombo tene 30 m de superfce su ángulo menor es de 4º, Calcule la longtud de su lado. Ejercco S sumamos uno a un número calculamos su raíz cuadrada postva, se

Más detalles

Guía de ejercicios #1

Guía de ejercicios #1 Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje

Más detalles

PORTAFOLIO DE TRES ACTIVOS FINANCIEROS

PORTAFOLIO DE TRES ACTIVOS FINANCIEROS PORTAFOLIO DE TRES ACTIVOS FINANCIEROS Contendo:. Introduccón.. Fondos Mutuos. Rendmento y Resgo.. Parámetros estadístcos de un Portafolo de Tres Actvos. a) El Retorno de un Portafolo. b) El Resgo de un

Más detalles

Cuestiones Teóricas (de 2 a 2 puntos)

Cuestiones Teóricas (de 2 a 2 puntos) ESUE UNIESITI DE INGENIEÍ TÉNI DE TEEOMUNIIÓN Unverdad de a Palma de Gran anara Electrónca nalógca plan Electrónca III plan 96 Stema de Telecomuncacón Telemátca Sondo e Imagen Examen de la onvocatora Extraordnara

Más detalles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

3.- Programación por metas.

3.- Programación por metas. Programacón Matemátca para Economstas 1 3.- Programacón por metas. Una vez menconados algunos de los nconvenentes de las técncas generadoras, la ncorporacón de nformacón se va a traducr en una accón del

Más detalles

Interferencias en los equipos electrónicos de medida

Interferencias en los equipos electrónicos de medida 6 Interferenca en lo equpo electrónco de medda 6. Introduccón En el capítulo e comprobó que el rudo y la eñale externo no deeado e acoplan a todo equpo electrónco de un laboratoro o cadena de produccón

Más detalles

Matemáticas Financieras

Matemáticas Financieras Matemátcas Fnanceras Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Profundzar en los fundamentos del cálculo fnancero, necesaros

Más detalles

Contenido. Vision ME Guía del usuario s

Contenido. Vision ME Guía del usuario s GUÍA DEL USUARIO Contenido 1. Introducción...2 1.1. Viion ME Iniciar eión automáticamente...2 2. Invitar a lo alumno a unire a la clae...3 2.1. Ver a lo alumno en clae...6 2.2. Experiencia de lo alumno...7

Más detalles

1,567 f 4 = R 8 f 4 = 15 cm = 41,5 cm. 1,000 f = R 8 f = 15 cm = 26,5 cm. El dioptrio esférico es, por tanto, como el que se muestra en la imagen:

1,567 f 4 = R 8 f 4 = 15 cm = 41,5 cm. 1,000 f = R 8 f = 15 cm = 26,5 cm. El dioptrio esférico es, por tanto, como el que se muestra en la imagen: 0 Óptica geométrica Actividade del interior de la unidad. Tenemo un dioptrio eférico convexo de 5 cm de radio que epara el aire de un vidrio de índice de refracción,567. Calcula la ditancia focal e imagen.

Más detalles

Se entiende por renta el cobro o el pago periódico motivado por el uso de un capital

Se entiende por renta el cobro o el pago periódico motivado por el uso de un capital Rentas Se entende por renta el cobro o el pago peródco motvado por el uso de un captal Desde el punto de vsta de las matemátcas fnanceras, se entende por renta una sucesón de captales dsponbles, respectvamente

Más detalles

ANALISIS Y SINTESIS DE REDES FUNCIONES IMPEDANCIA RC Y ADMITANCIA RL. K s

ANALISIS Y SINTESIS DE REDES FUNCIONES IMPEDANCIA RC Y ADMITANCIA RL. K s ANALISIS SINTESIS DE EDES UNCIONES IMPEDANCIA C ADMITANCIA L POPIEDADES. La funcón C () e exprea en una expanón de fraccone parcale como: C () + + +... + + +. Lo polo y cero C () etán en el eje real negatvo

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más detalles