Análisis estocástico de series temporales
|
|
- Luis Miguel Romero Rey
- hace 6 años
- Vistas:
Transcripción
1 Análisis esocásico de series emporales Ernes Pons Análisis esocásico de Series Temporales
2 Moivación Ejemplos /2/89 29/2/90 29/2/9 29/2/92 29/2/93 29/2/94 29/2/95 29/2/96 29/2/97 29/2/98 29/2/99 29/2/00 29/2/0 29/2/02 29/2/03 Número de pasajeros en líneas aéreas Rendimienos del IBEX35 Queremos aprovechar las herramienas esadísicas para: a)predecir valores fuuros. b)con un mejor conocimieno de las propiedades de la predicción (varianza error, inervalos de confianza, ec..). c)seleccionar la mejor predicción. d)disponer de herramienas para ir mejorando la predicción. Análisis esocásico de Series Temporales
3 Análisis esocásico de series emporales Tres niveles de aplicación: Modelos univarianes Se esudia una sola variable usando su evolución hisórica como información para predecir su evolución fuura. Modelos de función de ransferencia Se esudia la relación enre una variable oupu y un conjuno de variables explicaivas (inpus). Se permie que sean los daos los que decidan la dinámica del modelo, es decir, cómo afeca cada inpu al oupu y además, el error de esos modelos no iene por qué cumplir las hipóesis radicionales (media nula, varianza consane y ausencia de auocorrelación). Modelos mulivarianes Se esudian las relaciones dinámicas enre dos o más variables y esas relaciones no ienen por qué ir en una sola dirección. Por ejemplo, las venas de una empresa pueden esar influidas por los gasos en publicidad, pero a su vez, las venas pueden influir en esos gasos. Análisis esocásico de Series Temporales
4 Análisis esocásico de series emporales Caracerísicas de ese enfoque Se preende enconrar un modelo escueo, sencillo (con pocos parámeros) que pueda reproducir la inercia (auocorrelación) observada en muchas series reales. Esa meodología funciona de un modo ieraivo a la hora de consruir modelos. Las eapas de ese proceso son: (a) Idenificación del modelo. (b) Esimación del modelo idenificado. (c) Diagnosis del modelo esimado. (d) Uilización del modelo Análisis esocásico de Series Temporales
5 . Procesos esocásicos Definición : El operador reardo, B, es un operador al que aplicado a una variable emporal la rearda, es decir, By =y -. Propiedades: En general, B y =y -. Cuando se aplica a una consane, Bδ=δ. Definición 2: El operador diferencia regular es un operador al que aplicado a una variable emporal la ransforma de la siguiene forma: y = B) y = y y ( Propiedades: En general, y = ( B) y Análisis esocásico de Series Temporales
6 . Procesos esocásicos Definición 3: El operador diferencia esacional es un operador al que aplicado a una variable emporal la ransforma de la siguiene forma: s Observaciones: y = ( B ) y s = y y s a) y y y b) s y = y ( + B + + B s ) Análisis esocásico de Series Temporales
7 . Procesos esocásicos Definición 4: Definimos un proceso esocásico como una sucesión infinia de variables aleaorias, cada una de ellas referida a un insane de iempo y ordenadas cronológicamene: y, = y, y, y.. Definición 5: { } { } 2 3 Definimos una serie emporal como una realización finia (de amaño uno) de unl proceso esocásico: T { y} { y y y y } =, 2, 3, = T Análisis esocásico de Series Temporales
8 Recordaorio sobre eoría de la probabilidad Ω = { ω} Espacio muesral:, el conjuno de posibles resulados de un experimeno aleaorio ω Ω Resulado:, un elemeno cualquiera del Espacio Muesral E Ω Suceso:, un subconjuno del Espacio Muesral F = { E : E Ω} σ-álgebra:, colección de sucesss que deseamos esudiar Z : Ω S Variable aleaoria: una función del Espacio Muesral al conjuno de esados S Conjuno de Esados: S, es el espacio que coniene odos los posibles valore de una variable aleaoria. Las elecciones más comunes son los números naurales N, los reales R, vecores de dimensión R, los reales posiivos R +, ec. P : F [0,] Probabilidad:, función que cumple las res reglas básicas esudiadas µ : B [0,], B { A : A R} Disribución: donde es un espacio de Borel (o espacio de mesura) Análisis esocásico de Series Temporales
9 Recordaorio sobre eoría de la probabilidad El vecor de variables aleaorias: Z= (Z, Z 2,, Z ) es un vecor de dimensión donde cada componene es una variable aleaoria La sucesión de variables aleaorias: Z= (Z, Z 2,, Z n ) es una sucesión de n variables aleaorias Si inerpreamos =,, T como momenos en la línea emporal, Z puede inerprearse como el resulado de un experimeno aleaorio que se repie en cada momeno del iempo. Un aspeco diferene, en relación a la siuación en que sólo consideramos una variable aleaoria es que ahora podemos analizar la esrucura de dependencias denro del vecor de variables aleaorias Función de disribución F Z de Z: Es la colección de probabilidades: F Z (z) = P(Z z,,z n z n ) = P({ ω: Z ( ω) z,,z n ( ω) z n }) Análisis esocásico de Series Temporales
10 Recordaorio sobre eoría de la probabilidad En definiiva, un proceso esocásico es una sucesión de variables aleaoria indiciadas según el iempo y definidas en un espacio muesral Ω Supongamos un proceso esocásico { y, T} = { y ( ω), T, ω Ω} () Si fijamos enemos: Z (ω), Z :Ω R es una variable aleaòria. (2) Si fijamos ω enemos yω : T R es una realización o rayecoria del PE A la sucesión de variables aleaorias la denominamos proceso esocásico Una realización concrea del proceso esocásico es una serie emporal Análisis esocásico de Series Temporales
11 2. Concepos de esacionariedad y ergodicidad Idea inuiiva : De la misma manera en que en la inferencia esadísica es habiual basarnos en la hipóesis de que enemos variables aleaorias i.i.d. (independienes e idénicamene disribuidas), en el análisis de series emporales vamos a basarnos en dos hipóesis que ienen una función equivalene : Esacionariedad (susiuye a la hipóesis de disribución idénica) Ergodicidad (susiuye a la hipóesis de independencia) Análisis esocásico de Series Temporales
12 2. Concepos de esacionariedad y ergodicidad Definición 6: Un proceso esocásico es de segundo orden si para cualquiera de las variables aleaorias se cumple 2 E y <, ( ) Esa propiedad garaniza que podemos caracerizar un serie emporal a ravés de los dos primeros momenos de la función de disribución del proceso esocásico, es decir, su vecor de medias y mariz de varianzas y covarianzas: [ ( ) ( ) ( )] E y E y2 E y T var( y) cov( yy2) cov( yyt ) cov( y2y) var( y2) cov( y2yt ) cov( yty) cov( yty2) var( yt) Análisis esocásico de Series Temporales
13 2. Concepos de esacionariedad y ergodicidad Definiciones 7-0: Para un proceso esocásico de segundo orden podemos definir varias funciones: La función media: µ = Ey ( ), La función varianza: La función auocovarianza: 2 σ = var( y ), γ s, = E[( y µ )( ys µ s)],, s La función auocorrelación: s, E[( y µ )( ys µ s )] =, s, 2 2 σσ s Análisis esocásico de Series Temporales
14 2. Concepos de esacionariedad y ergodicidad Definición : Un proceso esocásico es esacionario en senido esrico si al realizar un mismo desplazamieno en el iempo de odas las variables aleaorias la disribución no varia, es decir para cualquier,, 2, s : Definición 2: Fy (, y, y, y ) = Fy (, y, y, y ) s 2 3 Un proceso esocásico es esacionario en senido débil si se cumplen las siguienes condiciones:, : Ey ( ) = µ 2 2 E[( y E( y)) ] = σ E[( y E( y ))( y E( y ))] = γ s Análisis esocásico de Series Temporales
15 2. Concepos de esacionariedad y ergodicidad Idea inuiiva : Nuesros supuesos habiuales en el análisis aplicado de series emporales serán los siguienes: Esacionariedad (débil): La media y la varianza de las variables aleaorias son consanes y las auocovarianzas enre dos variables aleaorias solo dependen de la disancia emporal que las separa Ergodicidad. Hipóesis écnica para poder realizar esimaciones. Normalidad: El proceso esocásico generador de los daos ienen una función de disribución normal. Linealidad: El valor de cada variable aleaoria depende de forma lineal de los valores del reso de variables aleaorias del proceso esocásico (o de oros procesos esocásicos). Análisis esocásico de Series Temporales
16 2. Concepos de esacionariedad y ergodicidad Para realizar inferencia necesiaremos un supueso adicional que no analizaremos en dealle: Ergodicidad (condiciones suficienes) Un proceso esocásico esacionario en senido débil es ergódico respeco de la media cuando se cumple la siguiene propiedad: T y µ T T = Un proceso esocásico esacionario en senido débil es ergódico respeco de la varianza cuando se cumple la siguiene propiedad: T T = ( y µ )( y µ ) γ + T Análisis esocásico de Series Temporales
17 3. Funciones de auocovarianza y auocorrelación Definición 3: Para un proceso esocásico esacionario en senido débil se define la función de auocovarianza como: Propiedades: γ = E[( y µ )( y µ )], ) γ 0 0 2) γ =, γ 3) γ γ n n 4) a a γ i= j= i 0 j ( i j) 0, ( a, an ) Análisis esocásico de Series Temporales
18 3. Funciones de auocovarianza y auocorrelación Debemos observar que gracias a la hipóesis de esacionariedad débil el vecor de medias y la mariz de varianzas y covarianzas de una serie emporal de T observaciones ahora depende sólo de T+ parámeros: γ γ γ γ 0 2 T γ γ γ γ 0 T 2 EY ( ) = µ var( Y) γ γ γ γ Σ= = 2 0 T 3 γt γt γt γ Análisis esocásico de Series Temporales
19 3. Funciones de auocovarianza y auocorrelación Definición 4: Para un proceso esocásico esacionario en senido débil se define la función de auocorrelación como: Propiedades: γ =, γ 0 ) 0 = 2) = Ζ, 3), Ζ n n 4) a a i= j= i j ( i j) 0, ( a, an ) Análisis esocásico de Series Temporales
20 Análisis esocásico de Series Temporales Debemos observar que gracias a la hipóesis de esacionariedad débil la mariz de correlaciones de una serie emporal de T observaciones ahora depende sólo de T- parámeros: 3. Funciones de auocovarianza y auocorrelación T T T T T T
21 3. Funciones de auocovarianza y auocorrelación Definición 5: Para un proceso esocásico esacionario en senido débil se define la función de auocorrelación parcial como: α = corr( y, y y,, y + ) Ζ Observación: A parir de los coeficienes de la función de auocorrelación pueden calcularse los coeficienes de la función de auocorrelación parcial. Es suficiene con resolver el siguiene sisema de ecuaciones y omar α = : α 2 2 α α α 0 2 = Análisis esocásico de Series Temporales
22 4. Funciones de auocov. y auocorr. muesrales Observación: Para odos los concepos del aparado anerior, aplicados a procesos esocásicos, pueden definirse los concepos equivalenes a nivel muesral para cualquier serie emporal. En emas poseriores analizaremos sus propiedades como esimadores. Definición 6: Para una serie emporal Y,Y 2,,Y T se define la función de auocovarianza muesral como: γˆ = T T = + ( y y)( y y) Análisis esocásico de Series Temporales
23 4. Funciones de auocov. y auocorr. muesrales Definición 7: Para una serie emporal Y,Y 2,,Y T se define la función de auocorrelación muesral como: Definición 8: ˆ ˆ γ = Ζ γ ˆ0 Para una serie emporal Y,Y 2,,Y T se define la función de auocorrelación parcial muesral como la sucesión ˆ α ˆ ˆ ˆ 0, α, α2,, α, donde ˆ0 α = y obiene omando ˆ α = ˆ de la solución del siguiene sisema de ecuaciones: α ˆ ˆ ˆ ˆ 2 ˆ ˆ 2 ˆ α ˆ α ˆ α 0 ˆ ˆ 2 = ˆ Análisis esocásico de Series Temporales
24 5. Ruido blanco y camino aleaorio Definición 9: { } Diremos que un proceso esocásico ε, Ζ es un ruido blanco (whie noise) cuando: E(ε ) = 0 Ζ var( ε ) 2 = σ Ζ ε cov( ε, ε ) = s Ζ s 0 Habiualmene usaremos la siguiene noación abreviada: ε ~ WN o ε ~ WN(0, Podemos comprobar que se raa de un proceso esocásico de segundo orden esacionario en senido débil. 2 σ ε ) Análisis esocásico de Series Temporales
25 5. Ruido blanco y camino aleaorio Definición 20: { } Diremos que un proceso esocásico y, Ζ es un camino aleaorio (random wal) cuando y y = ε es ruido blanco. { } En ese caso podemos comprobar como y, Ζ no es esacionario en senido débil. Análisis esocásico de Series Temporales
D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESOS ESTOCÁSTICOS Un proceso esocásico «Z» considera «n» variables aleaorias, Z n, en momenos de iempo sucesivos, cada una de esas «n» variables
Más detallesECONOMETRÍA EMPRESARIAL II ADE
4 Bernardí Cabrer Economería Empresarial II Tema 8 ECONOMETRÍA EMPRESARIAL II ADE TEMA 8 MODELOS LINEALES SIN ESTACIONALIDAD I ( Modelos regulares 4 Bernardí Cabrer Economería Empresarial II Tema 8 8.
Más detallesAnálisis Estadístico de Datos Climáticos
Análisis Esadísico de Daos Climáicos SERIES TEMPORALES I Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Monevideo, Uruguay 2011 CONTENIDO Esudio de las series emporales en Climaología.
Más detallesPROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce
Economería I. DADE Noas de Clase PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce (rafael.dearce@uam.es) INTRODUCCIÓN Una vez lograda una expresión maricial para la esimación de los parámeros
Más detallesAnálisis de Series Temporales. Jose Jacobo Zubcoff. Departamento de Ciencias del Mar y Biología Aplicada
Análisis de Series Temporales Jose Jacobo Zubcoff Deparameno de Ciencias del Mar y Biología Aplicada Inroducción al análisis de series emporales Objeivo: analizar la evolución de una variable a ravés del
Más detallesESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN
ESTUDIO DE MERCADO. MÉTODOS DE PROECCIÓN Qué es una proyección? Es una esimación del comporamieno de una variable en el fuuro. Específicamene, se raa de esimar el valor de una variable en el fuuro a parir
Más detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detallesEconometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid.
Economería II Análisis de series emporales (I): Procesos esacionarios Miguel Jerez y Sonia Sooca Universidad Compluense de Madrid Febrero 2004 Ver. /6/2003, Pag. # Índice: Inroducción Concepos básicos
Más detallesECONOMETRÍA I. Autocorrelación. Autocorrelación. Lección 4: Autocorrelación. Siga. 1. Qué es un modelo con autocorrelación?
ECONOMERÍA I Lección 4: Auocorrelación. jm Auocorrelación.. Qué es un modelo con auocorrelación?. Con qué ipo de daos económicos se suelen presenar modelos auocorrelacionados? Auocorrelación. 3. Qué problemas
Más detallesAnálisis de Series Temporales
Inroducción al Análisis de Series Temporales José Albero Mauricio Universidad Compluense de Madrid OBSERVACIONES PRELIMINARES El origen de ese libro es una colección de ransparencias que preparé durane
Más detallesω ω ω y '' + 3 y ' y = 0 en la que al resolver se debe obtener la función y. dx = + d y y+ m = mg k dt d y dy dx dx = x y z d y dy u u x t t
E.D.O para Ingenieros CAPITULO INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES Las ecuaciones diferenciales son ecuaciones en las que conienen derivadas, Por ejemplo: '' + ' = en la que al resolver se debe
Más detallesTema 3. Circuitos capacitivos
Inroducción a la Teoría de ircuios Tema 3. ircuios capaciivos. Inroducción... 2. Inerrupores... 3. ondensadores... 2 3.. Asociación de capacidades.... 5 ondensadores en paralelo... 5 ondensadores en serie...
Más detalles1. Derivadas de funciones de una variable. Recta tangente.
1. Derivadas de funciones de una variable. Reca angene. Derivadas Vamos a ver en ese capíulo la generalización del concepo de derivada de funciones reales de una variable a funciones vecoriales con varias
Más detallesEstimación de modelos de volatilidad estocástica asimétrica. Aplicación en series de rendimientos de índices bursátiles.
Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos de índices bursáiles. Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos
Más detallesPREVISIÓN DE LA DEMANDA
Capíulo 0. Méodos de Previsión de la OBJETIVOS. Los pronósicos y la planificación de la producción y los invenarios. 2. El proceso de elaboración de los pronósicos. Méodos de previsión de la demanda 4.
Más detallesMODELO ARIMA(p, d, q) (P, D, Q) s
SERIES TEMPORALES: MODELO ARIMA Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández MODELO ARIMA(p, d, q) (P, D, Q) s Se han analizado las
Más detallesSeries Temporales Univariantes
Profesoras Carolina García-Maros (garcia.maros@upm.es) María Jesús Sánchez Naranjo (mjsan@esii.upm.es) ÍNDICE Inroducción a las series emporales (objeivos, clasificación de los modelos de series, análisis
Más detallesFacultad de Ciencias del Mar. Curso 2007/08 11/07/08
Esadísica Convocaoria de Junio Faculad de Ciencias del ar. Curso 007/08 /07/08 El galludo (Squalus egalops) es una especie de iburón de aguas empladas a ropicales, que habia la plaaforma coninenal exerior
Más detallesDeterminación de las garantías para el contrato de futuros de soja en pesos. Value at Risk
Deerminación de las garanías para el conrao de fuuros de soja en pesos. Value a Risk Gabriela acciano inancial Risk Manager gfacciano@bcr.com.ar Direcora Deparameno de Capaciación y Desarrollo de Mercados
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA Insrucor: Horacio Caalán TEORÍA DE COINTEGRACIÓN Efecos de las propiedades esocásicas de las series en un modelo de regresión
Más detallesTEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas
Más detallesUNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA
UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral
Más detalles5. ESPACIOS VECTORIALES EUCLÍDEOS. PROYECCIONES ORTOGONALES. MÍNIMOS CUADRADOS.
Espacios vesoriales euclídeos. Proyecciones orogonales. Mínimos cuadrados. 5. ESPACIOS VECTORIALES EUCLÍDEOS. PROYECCIONES ORTOGONALES. MÍNIMOS CUADRADOS. SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA.-
Más detallesUSO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD
USO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD Inroducción. En muchas áreas de ingeniería se uilizan procesos esocásicos o aleaorios para consruir modelos de sisemas ales como conmuadores
Más detalles1.CINEMÁTICA. Movimiento Se define el movimiento como el cambio de posición de algo respecto a un sistema de referencia
Magniudes fundamenales Son las magniudes que se pueden medir direcamene 1.CINEMÁTICA Definiciones Reposo Se define como el no cambiar de posición respeco a un sisema de referencia. No hay ningún cuerpo
Más detallesLos Procesos de Poisson y su principal distribución asociada: la distribución exponencial
Los Procesos de Poisson y su principal disribución asociada: la disribución exponencial Lucio Fernandez Arjona Noviembre 2004. Revisado Mayo 2005 Inroducción El objeivo de esas noas es inroducir al esudio
Más detallesTema 2. Modelos matemáticos de los sistemas físicos
Tema. Modelos maemáicos de los sisemas físicos Objeivos Definir modelo maemáico en el ámbio de la ingeniería de sisemas Conocer la meodología de modelado de sisemas físicos Reconocer un modelo lineal de
Más detallesPROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesÁREA DE FÍSICA DE LA TIERRA SISMOLOGÍA E INGENIERÍA SÍSMICA (PRÁCTICAS)
ÁREA DE FÍSICA DE LA TIERRA SISMOLOGÍA E INGENIERÍA SÍSMICA (PRÁCTICAS) Anexo VI Prácicas de Sismología e Ingeniería Sísmica PRACTICA 5. TRATAMIENTO DE ACELEROGRAMAS. 1. OBJETIVO Aprender a llevar a cabo
Más detallesPRÁCTICA 2: Ejercicios del capítulo 4
PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesEjemplo. Consideremos el sistema de retraso unitario dado por
Tema 2: Descripción de Sisemas - Pare I - Virginia Mazzone Inroducción Los sisemas que esudiaremos, ienen alguna enrada y alguna salida, 1. Suponemos que si aplicamos una enrada obenemos una salida única.
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesTOPOLOGÍA. De la misma forma se puede generalizar el concepto de convergencia, que para sucesiones
Muy, muy cerca: Coninuidad y convergencia Una función f : IR IR es coninua en a si valores muy, muy cercanos a a se ransforman en valores muy, muy cercanos a f(a). Dicho de oro modo, por muy exigenes que
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesMODELOS DE REGIMENES CAMBIANTES ESTOCÁSTICOS Markov switching regimes
MODELOS DE REGIMENES CAMBIANES ESOCÁSICOS Markov wiching regime Comporamieno dinámico de la variable dependen del eado de la economía Modelo AR y SAR: vario regímene en función del valor de una variable
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesLección 3. Curvas. 4. Curvas parametrizadas: ejemplos.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 011 1. 4. Curvas paramerizadas: ejemplos. La descripción más direca y flexible de una curva es una represenación paramérica. En lugar de considerar una de las coordenadas
Más detallesLuis H. Villalpando Venegas,
2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesAPROXIMACIÓN A LA EXTENSIÓN MULTIDIMENSIONAL DE LA METODOLOGÍA TIR
APROXIMACIÓN A LA EXTENSIÓN MULTIDIMENSIONAL DE LA METODOLOGÍA TIR Federico Palacios González - fpalacio@ugr.es Eduardo Pérez Rodríguez - eperezr@ugr.es José Mª Herrerías Velasco - jmherrer@lainmail.com
Más detallesMATRICES. M(n) ó M nxn A =
MTRICES Definición de mari. Una mari de orden m n es un conjuno de m n elemenos perenecienes a un conjuno, que para nosoros endrá esrucura de cuerpo conmuaivo y lo denoaremos por K, dispuesos en m filas
Más detallesAlternativas estadísticas al cálculo del Valor en Riesgo
ESTADÍSTICA ESPAÑOLA Vol. 46, Núm. 155, 004, págs. 119 a 148 Alernaivas esadísicas al cálculo del Valor en Riesgo por PEDRO GENTO MARHUENDA Faculad de Derecho y CC. Sociales de Ciudad Real Universidad
Más detallesEcuaciones diferenciales, conceptos básicos y aplicaciones
GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos
Más detallesTema 8: SERIES TEMPORALES
Inroducción a la Economería Tema 8: ERIE TEMPORALE Tema 8: ERIE TEMPORALE. Concepo y componenes de una serie emporal. Definiremos una serie emporal como cualquier conjuno de N observaciones cuaniaivas
Más detallesDERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9
EREHOS ÁSIOS E PRENIZJE Reconoce el significado de los eponenes racionales posiivos negaivos uiliza las lees de los eponenes. Por ejemplo: 7 7 7+ 7 7 7 7 7 0 Realiza conversiones de unidades de una magniud
Más detallesExperimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría
Experimeno 3 Análisis del movimieno en una dimensión Objeivos. Esablecer la relación enre la posición y la velocidad de un cuerpo en movimieno 2. Definir la velocidad como el cambio de posición en un inervalo
Más detallesIntroducción a la Estadística Empresarial. Capítulo 4.- Series temporales Jesús Sánchez Fernández
Inroducción a la Esadísica Empresarial. Capíulo 4.- Series emporales CAPITULO 4.- SERIES TEMPORALES 4. Inroducción. Hasa ahora odas las variables que se han esudiado enían en común que, por lo general,
Más detallesKeywords: seguro de vida, provisión matemática, probabilidad, función de distribución, solvencia, value at risk, VAT, valor actual neto, VAN.
El seguro de vida como variable aleaoria. Cómo calcular su función de disribución. Nieo Ranero, Armando Universiy of Valencia, Spain Do. Maemáicas Económico Empresarial, Edificio Deparamenal Orienal, Av.
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
Más detalles1. Descripción de modelos desarrollados en el BCN. 2. Comentarios generales a los modelos. 3. Limitaciones para el desarrollo de investigaciones
Siuación del uso de modelos economéricos en Nicaragua Rigobero Casillo C México, 2 y 3 de diciembre del 2004 Esrucura de la presenación. Descripción de modelos desarrollados en el BCN. 2. Comenarios generales
Más detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detallesTema 5: 5 Técnicas de Evaluación de la Fiabilidad
Tema 5: 5 Técnicas de Evaluación de la Fiabilidad.- Inroducción 2.- Funciones para la evaluación de STFs 3.- Técnicas de modelado Arboles de fallos Modelos combinaorios Cadenas de Markov 4.- Modelado con
Más detallesTEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA
TEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA 1. CONCEPTO DE MODELO El ermino modelo debe de idenificarse con un esquema menal ya que es una represenación de la realidad. En ese senido, Pulido (1983)
Más detallesAnálisis de inversiones y proyectos de inversión
Análisis de inversiones y proyecos de inversión Auora: Dra. Maie Seco Benedico Índice 5. Análisis de Inversiones 1. Inroducción. 2. Crierios para la valoración de un proyeco. 3. Técnicas de valoración
Más detallesGUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME
INSTITUTO NACIONAL Deparameno de Física Coordinación Segundo Medio 06. GUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME NOMBRE: CURSO: Caracerísica general de M.R.U: Si una parícula se mueve en la dirección del
Más detallesNota técnica del Indicador CF
Noa écnica del Indicador CF 1. Inroducción El ciclo económico es un concepo que la mayoría de los economisas hemos ineriorizado de al manera que a veces pensamos que hace referencia a un hecho observable
Más detallesCAPÍTULO II. Conceptos de Confiabilidad
CAPÍTULO II Concepos de Confiabilidad CAPÍTULO II CONCEPTOS DE CONFIABILIDAD Una de las áreas de ingeniería de confiabilidad es la modelación de la misma, debido a que los procesos en general se comporan
Más detallesANEXO Las instituciones calcularán mensualmente los puntos en riesgo utilizando el procedimiento que a continuación se detalla:
ANEXO 5 METODOLOGIA A SEGUIR PARA DETERMINAR EL MONTO MÍNIMO DEL FIDEICOMISO, ASÍ COMO EL IMPORTE DE LAS CUOTAS SOBRE LAS CUALES SE CALCULARÁN LAS APORTACIONES A QUE SE REFIERE EL ARTÍCULO 55 BIS DE LA
Más detallesIGEP Tema 2. Leyas financieras básicas: estudio usando aplicaciones informáticas.
IGEP Tema 2. Leyas financieras básicas: esudio usando aplicaciones informáicas. onenido. apial financiero... 2. Leyes financieras: capialización y descueno...4 2. Leyes de capialización...4 2.2 Leyes de
Más detallesY t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.
ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés
Más detallesMÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO
MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO EUSKAL ESTATISTIKA ERAKUNDEA INSTITUTO VASCO DE ESTADISTICA Donosia-San Sebasián, 1 01010 VITORIA-GASTEIZ
Más detallesSERIES TEMPORALES. Cecilia Esparza Catalán
SERIES TEMPORALES Cecilia Esparza Caalán Cecilia Esparza Caalán ÍNDICE Página.- INTRODUCCIÓN.. 2 2.- ANÁLISIS PRELIMINAR DE UNA SERIE... 3 - Tendencia y nivel de la serie.... 4 - Esacionalidad.... 9 -
Más detallesdomótico Extras 2.1 Unidad de control 2.2 Dispositivos de entrada 2.4 Electrodomésticos domóticos 2.5 Medios de comunicación en redes domésticas
2 Elemenos de un sisema domóico Conenidos 2.1 Unidad de conrol 2.2 Disposiivos de enrada 2.3 Acuadores 2.4 Elecrodomésicos domóicos 2.5 Medios de comunicación en redes domésicas 2.6 Tecnologías aplicadas
Más detallesREVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003
REVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003 ADAPTACION DE LOS TIPOS DE INTERES DE INTERVENCION A LA REGLA DE TAYLOR. UN ANALISIS ECONOMETRICO Carlos Paeiro Rodríguez 1, Deparameno de Análisis
Más detallesESTADISTICA PARA RELACIONES LABORALES
ESTADISTICA PARA RELACIONES LABORALES CURSO 2010 TURNO VESPERTINO Y NOCTURNO MODULO 8 INFLACION, DEFLACTACION INFLACION La INFLACION es el aumeno del nivel general de precios en una economía. Por ello
Más detallesCAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN
Fichero: capiulo 5 CAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN. INTRODUCCION. TIPOS DE PRUEBAS DE VALIDACIÓN DE LOS RESULTADOS DE
Más detallesConceptos básicos y aspectos matemáticos sobre el análisis de raíces unitarias y cointegración. Carlos A. Rodríguez Ramos, Ph.D.
Concepos básicos y aspecos maemáicos sobre el análisis de raíces uniarias y coinegración Carlos A. Rodríguez Ramos, Ph.D. I. Inroducción: La unidad de la eoría y la prácica no se da sólo en la eoría, sino
Más detallesCapítulo 19. MINIMOS CUADRADOS NO LINEALES
Capíulo 9. MINIMOS CUADRADOS NO LINEALES 9. PRUEBA DE LINEALIDAD DEL MODELO... 84 9.. ESPECIFICACIÓN DE MODELOS NO LINEALES... 85 9.3. ESTIMACIÓN POR MCNL... 830 9.4. EVALUACIÓN DE ECUACIONES DE REGRESIÓN
Más detallesTema 6: Modelización con datos de series temporales. Universidad Complutense de Madrid 2013
Tema 6: Modelización con daos de series emporales Universidad Compluense de Madrid 23 Inroducción (I) Una caracerísica que disingue los daos de series emporales de los daos de sección cruzada, es que los
Más detallesC cos x sen x 0 x sen x x cos x x sen x cos x x C 1 x 0. Calculamos la matriz adjunta de C: sen x 0 cox 0 cos x sen x. sen x x 1 x 1 sen x
Prueba de Acceso a la Universidad. SEPTIEMBRE. Maemáicas II. Insrucciones: Se proponen dos opciones A y B. Debe elegirse una y conesar a sus cuesiones. La punuación de cada cuesión aparece en la misma.
Más detallesPráctica 2: Análisis en el tiempo de circuitos RL y RC
Prácica 2: Análisis en el iempo de circuios RL y RC Objeivo Esudiar la respuesa ransioria en circuios serie RL y RC. Se preende ambién que el alumno comprenda el concepo de filro y su uilidad. 1.- INTRODUCCIÓN
Más detallesUtilización de Redes Neuronales en la Caracterización, Modelización y Predicción de Series Temporales Económicas en un Entorno Complejo
Uilización de Redes Neuronales en la Caracerización, Modelización y Predicción de Series Temporales Económicas en un Enorno Complejo Elena Olmedo, Juan Manuel Valderas Dep. Economía Aplicada I, Fac. CC.
Más detallesAnálisis espectral Tareas
Análisis especral Tareas T3.1: Implemenación y represenación del periodograma El objeivo de esa area es que los alumnos se familiaricen con la función más sencilla de análisis especral no paramérico. Programe
Más detallesProcesamiento Digital de Señal
Procesamieno Digial de Señal Tema : Análisis de Señal e Inroducción a los Sisemas Definición de señal sisema Señales coninuas discreas Transformaciones elemenales Funciones elemenales coninuas discreas
Más detallesTema 3. El modelo neoclásico de crecimiento: el modelo de Solow-Swan
Tema 3. El modelo neoclásico de crecimieno: el modelo de Solow-Swan Inroducción Esquema El modelo neoclásico SIN progreso ecnológico a ecuación fundamenal del modelo neoclásico El esado esacionario Transición
Más detallesRecursos Naturales No Renovables y posición fiscal en economías en desarrollo: efectos e implicaciones de política
Primer Encuenro de Economisas Bolivianos Recursos Naurales No Renovables y posición fiscal en economías en desarrollo: efecos e implicaciones de políica Fabian Anonio Cain Aoso, 2008 Fabian Anonio Cain
Más detallesAutor: D. Marcos Javier Olza Tapiz Tutor: Dr. D. Ricardo Vélez Ibarrola
Aproximación a FX y Producos Quano en el Marco Black-Scholes Trabajo aprobado para la obención del Tíulo de Maser en Maemáicas Avanzadas de la UNED. Especialidad de Invesigación Operaiva y Esadísica Auor:
Más detallesCapítulo 11A Movimiento Angular SAI JORGE
Capíulo 11A Movimieno Angular SAI JOGE 01 Las TUBINAS DE VIENTO como ésas pueden generar energía significaiva en una forma que es ambienalmene amisosa y renovable. Los concepos de aceleración roacional,
Más detallesTENDENCIAS Y SERIES DE TIEMPO
Curso Andino en Clima y Salud Uso de Información de Clima para la Salud Pública. TENDENCIAS SERIES DE TIEMPO Hugo Oliveros C. InvesigadorAdjuno, IRI Colombia Universiy TENDENCIAS SERIES DE TIEMPO Agenda:
Más detalles9. SISTEMAS DE ECUACIONES LINEALES.
Prácicas de Maemáicas II con DERIVE-5 16 9. SISTEMAS DE ECUACIONES LINEALES. En ese aparado vamos a analiar los conenidos básicos para la discusión resolución de sisemas de ecuaciones lineales. 9.1.DISCUSIÓN
Más detallesEl comportamiento del precio de las acciones
El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre
Más detalles5. MODELOS DE FLUJO EN REACTORES REALES
5. MODLOS D FLUJO N RACTORS RALS 5.1 INTRODUCCIÓN n el caso de los reacores homogéneos isoérmicos, para predecir el comporamieno de los mismos deben enerse en cuena dos aspecos: - La velocidad a la cual
Más detallesFÍSICA Y QUÍMICA 1º BACHILLERATO
FÍSICA Y QUÍMICA 1º BACHILLERATO BLOQUE I: MECÁNICA Unidad 1: Cinemáica 1. INTRODUCCIÓN (pp. 8-3) 1.1. Definición de movimieno. Relaividad del movimieno Un cuerpo esá en movimieno cuando cambia de posición
Más detallesTEMA 1: SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS.
TEMA : SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS. RELACIÓN DE PROBLEMAS. Pon un ejemplo, cuando sea posible, de un sisema de dos ecuaciones con res incógnias que sea: a) Compaible deerminado b)
Más detalles9. SISTEMAS DE ECUACIONES LINEALES.
Sisemas de ecuaciones lineales. 15 9. SISTEMAS DE ECUACIONES LINEALES. En ese aparado vamos a analiar los conenidos básicos para la discusión resolución de sisemas de ecuaciones lineales. 9.1.DISCUSIÓN
Más detallesFunciones linealmente independientes. Juan-Miguel Gracia
Juan-Miguel Gracia Definición 1 Sean f 1 (), f 2 (), f 3 () funciones reales definidas en un inervalo I. Diremos que esas funciones son linealmene independienes en I si la relación: Para odo I α 1 f 1
Más detallesV () t que es la diferencia de potencial entre la placa positiva y la negativa del
:: OBJETIVOS [7.1] En esa prácica se deermina experimenalmene la consane de descarga de un condensador, ambién llamado capacior ó filro cuando esá conecado en serie a una resisencia R. Se esudian asociaciones
Más detallesUNIDAD IX. Técnicas de Suavización
UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?
Más detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
Más detalles1-Características generales del movimiento
1-Caracerísicas generales del movimieno La pare de la física que se encarga de esudiar los movimienos de los cuerpos se llama Cinemáica. 1.1-Sisema de referencia, posición y rayecoria. Decimos que un cuerpo
Más detalles2 El movimiento y su descripción
El movimieno y su descripción EJERCICIOS PROPUESTOS. Una malea descansa sobre la cina ransporadora de un aeropuero. Describe cómo ve su movimieno un pasajero que esá: parado en la misma cina; en una cina
Más detallesMétodo desarrollado en el año de 1889, pero por su sencillez todavía se sigue utilizando.
1 3.2.1.1. Fórmula racional Méodo desarrollado en el año de 1889, pero por su sencillez odavía se sigue uilizando. Hipóesis fundamenal: una lluvia consane y uniforme que cae sobre la cuenca de esudio,
Más detallesMATEMÁTICAS II. x x x d) ( ) b) Como el grado del numerador y del denominador son iguales, hay que empezar por hacer la división.
Albero Enero Conde Maie González Juarrero Inegral indefinida. Cálculo de primiivas Ejercicio Calcula la siguienes inegrales a) d b) d c) 6 d d) 3 d e) d 9 e a) Haciendo el cambio de variable d d. d d d
Más detallesPARIDAD DE PODER DE COMPRA:
ESCUELA DE ECONOMIA Y ADMINISTRACIÓN PARIDAD DE PODER DE COMPRA: UNA REVISIÓN DE LA LITERATURA EMPÍRICA Seminario para opar al íulo de Ingeniero Comercial, Mención Adminisración Auor: Ania Johanna Iribarren
Más detallesTema 2: El modelo de Solow y Swan: análisis teórico
Tema 2: El modelo de Solow y Swan: análisis eórico 2.1 El modelo 2.2 El esado esacionario 2.3 La regla de oro de la acumulación del capial. 2.4 La asa de crecimieno a lo largo del iempo Bibliografía: Sala
Más detallesFIABILIDAD (I): CONCEPTOS BÁSICOS
Concepos básicos de Fiabilidad FIABILIDAD (I): CONCEPTOS BÁSICOS Auores: Ángel A. Juan (ajuanp@uoc.edu), Rafael García Marín (rgarciamar@uoc.edu). RELACIÓN CON OTROS MATH-BLOCS Ese mah-block forma pare
Más detallesASPECTOS METODOLÓGICOS DE INDICADORES DE VOLUMEN DE VENTAS, DE ARTÍCULOS ELABORADOS POR LA ACTIVIDAD MANUFACTURERA. Lima noviembre 2008
Índice de volumen de venas de la producción indusrial ASPECTOS METODOLÓGICOS DE INDICADORES DE VOLUMEN DE VENTAS, DE ARTÍCULOS ELABORADOS POR LA ACTIVIDAD MANUFACTURERA Lima noviembre 2008 Rolando Porilla
Más detalles