Gestión de Operaciones. Capítulo 2: Pronósticos de Demanda
|
|
|
- María del Rosario Cárdenas Giménez
- hace 6 años
- Vistas:
Transcripción
1 Gesón de Operacones Capíulo 2: Pronóscos de Demanda
2 Inroduccón Objevo: Permen esudar la demanda fuura, accón mporane en el dseño de un produco. Ejemplos : Compac, fue líder en la vena de PCs durane los 80 al pronoscar efecvamene el crecmeno de la demanda. Ford aceró al esmar la demanda por un auo más sencllo y barao. Fracaso al no pronoscar la necesdad de dversfcar (Slogan de G.M.). Capíulo 2: Pronóscos de Demanda # 2
3 Inroduccón Para ener en cuena: Pronósco - Planeacón. Demanda - Venas. Noa: Se llama muesreo censurado al proceso de coneo en que las demandas mayores al sock dsponble no se regsran. Exsen méodos esadíscos que raan de exrapolar los daos que se ene para esmar la demanda más probable. Con ésos se mejora sgnfcavamene el pronósco. Capíulo 2: Pronóscos de Demanda # 3
4 Inroduccón Es mporane ver el horzone y nvel de agregacón que se requere para el pronósco de demanda: Nvel Esraégco: Largo plazo. Muy agregado. Nvel Tácco: Medano plazo. Menos agregado. Capíulo 2: Pronóscos de Demanda # 4
5 Inroduccón Nvel Operavo: Coro plazo. Deallado. Ejemplo: Fábrca de Zapaos. Nvel Esraégco: Demandas globales a 5 años. Nvel Tácco: Demanda por línea para la próxma emporada. Nvel Operavo: Demanda por modelo y número para la próxma semana. Capíulo 2: Pronóscos de Demanda # 5
6 Inroduccón Capíulo 2: Pronóscos de Demanda # 6
7 Caraceríscas de Pronóscos Pueden fallar. Debe enerse flexbldad de reaccón. Pronóscos no es sólo en número, mas ben un rango o ener una varanza de la dsrbucón. Pronóscos agregados son más exacos. S demandas son ndependenes, la varanza del promedo es menor que la varanza de cada em. Mejor pronóscar demanda por una línea de producos por cada produco. A mayor horzone, menor exacud de pronósco. Se debe consderar nformacón adconal. Ejemplo: Se acaba de nsalar supermercado al lado de m almacén Capíulo 2: Pronóscos de Demanda # 7
8 Inroduccón Prncpales caraceríscas: Pueden fallar, por lo que deben ener flexbldad de reaccón. Pronoscar no es sólo obener un número, sno defnr un rango y una varanza para los valores que oma ése. Pronóscos agregados son más exacos. S las demandas son ndependenes, la varanza del promedo es menor que la suma de las varanzas de cada íem. Por ejemplo, es mejor pronoscar demanda por líneas de producos que por cada produco. A mayor horzone, menor exacud de pronósco. Se debe consderar nformacón adconal. Ejemplo: Se acaba de nsalar supermercado al lado de m almacén. Capíulo 2: Pronóscos de Demanda # 8
9 Méodos de Pronósco Exsen dos pos: Méodos Cualavos: son aquellos que dependen de jucos. Méodos Cuanavos: son aquellos que poseen un modelo subyacene. Los daos y parones de daos se ulzan como ndcadores confables para predecr el fuuro. Incluyen Seres de Tempo y Modelos Causales. Capíulo 2: Pronóscos de Demanda # 9
10 Méodos de Pronósco Usos: Uso Horzone Exacud Número de Nvel Méodo de de empo necesara producos gerencal pronósco Dseño del proceso largo meda uno o pocos alo cualavos y causales Planeacón de la capacdad largo meda uno o pocos alo cualavos y de las nsalacones causales Planeacón Agregada medano ala pocos medano causales y seres de empo Programacón coro la más ala muchos más bajo seres de empo Admnsracón de Invenaros coro la más ala muchos más bajo seres de empo Capíulo 2: Pronóscos de Demanda #0
11 Méodos Cualavos Caraceríscas Generales: Se posee poca nformacón. Exse ala ncerdumbre. Se ene escasa capacdad de proceso. Horzone de medano o largo plazo. Uso ípco: Producos nuevos. Capíulo 2: Pronóscos de Demanda #
12 Méodos Cualavos.- Méodo Delph: Grupo de experos que se reúne durane varas sesones de reconsderacones en busca de consensos respeco a un grupo de pregunas adecuado a la suacón que se enfrena. Caraceríscas: Se usa en la nroduccón de nuevos producos y cambos ecnológcos. Es regular en exacud y punos de cambo. Posee un coso medano o alo. Capíulo 2: Pronóscos de Demanda #2
13 Méodos Cualavos Ejemplo: Empresa que requere pronósco de venas a 5 años y que posee una baja capacdad, lo que hace dfícl usar venas como nformacón de demanda. Parcpacón de 23 admnsradores. Daos: PGB, venas del secor y venas de la empresa por 5 años. Varas pregunas para oblgar a pensar en relacones. Resulado: Mucha dspersón al comenzo, pero se convergó a un buen pronósco. Capíulo 2: Pronóscos de Demanda #3
14 Méodos Cualavos 2.- Encuesas de Mercado: Corresponden báscamene a paneles, cuesonaros y pruebas de mercado. Caraceríscas: Típcamene se usan para probar nuevos producos (yoghur) o en es polícos (encuesas). Son buenos a coro plazo. Poseen un alo coso. Permen denfcar punos de cambo Capíulo 2: Pronóscos de Demanda #4
15 Méodos Cualavos 3.- Analogía a los Cclos de Vda: Consse en denfcar en que fase de su vda se encuenra un produco, para eso se analzan las curvas de crecmeno de producos smlares. Fases: Inroduccón. Crecmeno. Maduracón. Sauracón. Capíulo 2: Pronóscos de Demanda #5
16 Méodos Cualavos Caraceríscas: Son de largo plazo. Poseen una exacud regular. No capa punos de cambo. Coso bajo a medo. Ejemplos: Juguees. VHS. Capíulo 2: Pronóscos de Demanda #6
17 Méodos Cualavos 4.- Juco Ben Informado: Se basa sólo en la experenca y en la nucón. Caraceríscas: Tenen un gran uso. Posee una exacud baja. Coso bajo. Regular en la denfcacón de punos de cambo. Ejemplo: Edfcos de deparamenos. Capíulo 2: Pronóscos de Demanda #7
18 Seres de Tempo Caraceríscas: Esos méodos ulzan daos hsórcos y los proyecan a fuuro. Son de coro plazo. Es necesaro conar con daos nernos. No capan parones de cambo. Capíulo 2: Pronóscos de Demanda #8
19 Demanda Seres de Tempo Sere de empo orgnal Tempo Sere de Tempo Orgnal Capíulo 2: Pronóscos de Demanda #9
20 Demanda Seres de Tempo Cclo Parón de esaconaldad Tendenca Nvel Aleaoro Tempo Sere de Tempo Descompuesa Capíulo 2: Pronóscos de Demanda #20
21 Seres de Tempo Capíulo 2: Pronóscos de Demanda #2
22 Seres de Tempo Componenes: Rudo: pare aleaora (s es muy alo es dfícl hacer pronóscos). Esaconaldad. Tendenca. Nvel (base). Ejemplos: Zapaos. Helados. Enradas al esado. Capíulo 2: Pronóscos de Demanda #22
23 Seres de Tempo Noacón: D : demanda observada en el período. F : pronósco para el período. A : promedo calculado para el período. e D -F : error de pronósco. Típcamene se conocen D -k,..., D y se busca F, F 2,... Capíulo 2: Pronóscos de Demanda #23
24 Seres de Tempo.- Promedos Móvles: Se sugere que la sere de empo ene componenes de valor promedo. A D D Se oma F A. N D... N S la demanda es esable, el pronósco de demanda basado en móvles es nsesgado. S hay varabldad en la demanda se pueden usar promedos móvles ponderados, asgnando mayor ponderacón a los úlmos períodos. Capíulo 2: Pronóscos de Demanda #24
25 Capíulo 2: Pronóscos de Demanda #25 Seres de Tempo 2.- Promedos Móvles Ponderados: No es recomendable por: Complejdad. Se deben llevar los regsros de demanda hsórcos. Cálculo de las ponderacones. ) (caso aneror,... N N N N W W D W D W A F
26 Seres de Tempo 3.- Alsameno Exponencal Smple: A F α A D ( α) A α 0 < < A - refleja la hsora. α α 0 S se cree en la úlma demanda. S se cree en la hsora. Capíulo 2: Pronóscos de Demanda #26
27 Capíulo 2: Pronóscos de Demanda #27 Seres de Tempo El efeco de los prmeros períodos se va aenuando en forma exponencal: [ ] ) ( ) ( ) ( ) ( ) ( ) ( D D D D A D D A D F α α α α α α α α α α α α
28 Seres de Tempo Forma de Uso: Se requere de las demandas hsórcas (D ) y de un promedo ncal (A 0 ). A A 2 α D α D 2 ( α) A 0 ( α) A F F 2 3 Se va calbrando. Ejemplos: α Fábrca de Zapaos. Chlecra. Capíulo 2: Pronóscos de Demanda #28
29 Capíulo 2: Pronóscos de Demanda #29 Seres de Tempo 4.- Alsameno Exponencal con Tendenca: Donde T es la endenca. k T k A F T A A T T A D A < < < < 0 ) ( ) ( 0 ) ( ) ( β β β α α α
30 Capíulo 2: Pronóscos de Demanda #30 Seres de Tempo 4.- Alsameno Exponencal con Esaconaldad de Largo L: Donde R es el facor de esaconaldad. k L k L L R A F A D R A R D A < < < < ). ( 0 R ) ( 0 ) ( γ γ γ α α α
31 Seres de Tempo Errores de Pronósco: Los ndcadores de error srven para ver en qué momeno el pronósco falla o los daos no srven. Indcadores: Desvacón meda absolua: D MAD n F Capíulo 2: Pronóscos de Demanda #3
32 Seres de Tempo MAD α F D ( α) MAD α Se ajusa. S F -D > 3,75xMAD (res desvacones sandard), enonces exsen sospechas de valor exremo. σ En un enfoque aproxmado corresponde a,25xmad, para una funcón normal. Capíulo 2: Pronóscos de Demanda #32
33 Seres de Tempo Señal de Rasreo: T suma acumulada de la desvacón del MAD pronósco Donde el numerador corresponde al sesgo y el denomnador al úlmo MAD observado. S T [ 6, 6] (confabldad menor al 97%), enonces debe revsarse el modelo ya que esa sesgado. Capíulo 2: Pronóscos de Demanda #33
34 Méodos Causales.- Regresón: yˆ a b x x : varable ndependene. ŷ : varable dependene. La dea es ajusar una curva a los punos con que se cuena. Mn ( yˆ y ) 2 Mn ( a b x y ) 2 Capíulo 2: Pronóscos de Demanda #34
35 Capíulo 2: Pronóscos de Demanda #35 Méodos Causales Como resulado se obene: 2 2 x x n y x y x n b n x b n y a
36 Capíulo 2: Pronóscos de Demanda #36 Méodos Causales Donde R 2 mde la proporcón de la varacón de y explcada por x. Valores sobre 0,95 se consderan buenos y y n x x n y x y x n R
37 Méodos Causales Ejemplo: y: Vena de peródcos. x : Número de habanes. x 2 : Ingreso per capa. x 3 : Compeenca. Se puede exender a formulacones complejas. y ˆ f( x, z, w) Capíulo 2: Pronóscos de Demanda #37
38 Méodos Causales Prncpales caraceríscas: Es úl cuando exsen fueres relacones causales. Uso ípco para horzones de coro y medano plazo. Perme denfcar ben punos de cambo. Es un méodo caro. Requere sofscacón. Es fácl comeer errores. Capíulo 2: Pronóscos de Demanda #38
39 Méodos Causales 2.- Modelos Economércos: Ssema de ecuacones de regresón nerdependenes para descrbr un proceso complejo. Caraceríscas: Complejdad ala. Coso alo. Son de largo plazo. Buenos para denfcar punos de cambo. Capíulo 2: Pronóscos de Demanda #39
40 Méodos Causales Ejemplos: Preco cobre. Secores de la economía. Capíulo 2: Pronóscos de Demanda #40
41 Méodos Causales 3.- Modelos de Insumo (Leoneff): Descrben el flujo de un secor de la economía a oro para predecr los nsumos que se necesan para producr los producos que requere oro secor. Caraceríscas: Poseen un coso muy alo. Buena exacud. Son de coro plazo. Débles para denfcar punos de cambo. Ejemplo: Venas de la consruccón afecan las de cemeno. Capíulo 2: Pronóscos de Demanda #4
42 Méodos Causales 4.- Smulacón: Caraceríscas: La smulacón de ssemas es complejo. Cara de mplemenar. Horzone de coro a medano plazo. Puede denfcar punos de cambo. Ejemplo: Dsrbucón en cadena, para ver demanda de dsnos elemenos. Planos de produccón, para conocer la demanda por nsumos. Transpore urbano, para ver equlbro vehcular. Capíulo 2: Pronóscos de Demanda #42
43 Creros de Eleccón.- Sofscacón del usuaro y del ssema. No se deben dar salos bruscos. 2.- Tempo y recursos dsponbles. 3.- Tpo de decsón. Trade-off enre coso y caldad del pronósco. Ejemplo: Falabella vs Negoco chco. 4.- Dsponbldad de daos. Box-Jenkns es una sere de empo auocorrelaconada (por ejemplo, s demanda sube en, es probable que sga subendo en ( ), que exge mas de 60 daos (60 meses). 5.- Parón de daos. S es causal no se pueden usar seres de empo. Capíulo 2: Pronóscos de Demanda #43
1. Introducción, n, concepto y clasificación
Tema 5: Números índces. Inroduccón, n, concepo y clasfcacón 2. Números índces smples. Defncón y propedades 3. Números índces complejos Números índces complejos sn ponderar Números índces complejos ponderados
Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida
Análss de supervvenca Alber Sorrbas Grup de Boesadísca I Bomaemàca Deparamen de Cènces Mèdques Bàsques Unversa de Lleda Esquema general Inroduccón al análss de supervvenca Tpos de esudos El concepo de
Función Financiera 12/03/2012
Funcón Fnancera /03/0 Asgnaura: Admnsracón Fnancera Bblografía: Albero Macaro - Cr. Julo César Torres Profesor Tular Regular Faculad de Cencas Económcas y Jurídcas Unversdad Naconal de La Pampa Cr. Julo
Introducción a la Teoría de Inventarios
Clase # 4 Las organzacones esán consanemene vendo como camba el nvel de sus nvenaros en el empo. Inroduccón a la Teoría de Invenaros El ener un nvel bajo de nvenaros mplca resgos para no sasacer la demanda
Pronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Estadística de Precios de Vivienda
Esadísca de recos de Vvenda Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que
Pablo J. Azabache La Torre
Exse una relacón enre el apalancameno y la nversón de las empresas del secor real? Evdenca para las empresas del secor real de Perú Pablo J. Azabache La Torre Movacón () Cuando las frmas oman sus decsones
EL METODO PERT (PROGRAM EVALUATION AND REVIEW TECHNIQUE)
EL METODO PERT (PROGRM EVLUTION ND REVIEW TECHNIQUE) METODO DE PROGRMCION Y CONTROL DE PROYECTOS Desarrollado en 1958, para coordnar y conrolar la consruccón de submarnos Polars. El méodo PERT se basa
TIPOS DE TENDENCIAS Y SUS CONSEQUENCIAS. Tendencias estocásticas versus deterministas.
TIPOS D TNDNCIAS Y SUS CONSQUNCIAS. Tendencas esocáscas versus deermnsas. Concepos báscos. Parmos de la base que una sere emporal es la realzacón de un proceso esocásco. Tal y como vmos en los modelos
Caracterís cas de la Metodología para calcular Rentabilidad Ajustada por Riesgo
P S 2015 M C P S 2015 Inroduccón El Premo Salmón es hoy el prncpal reconocmeno enregado a los Fondos Muuos en Chle. Movo de orgullo y cenro de campañas publcaras, ese reconocmeno ha cambado su foco hace
Pronóstico con Modelos Econométricos
Pronósco con Modelos conomércos Hldegar A. Ahumada UD A common complan (n he UK): When weaher forecass go awr, meeorologss ge a new supercompuer When economs ms-forecas, we ge our budges cu (Hendr, 200)
Índice de precios de materiales de construcción (IPMC referencia 2006) Nota Metodológica
Emendo confanza y esabldad Índce de precos de maerales de consruccón (IPMC referenca 2006) Noa Meodológca Dvsón Económca Marzo 2013 Índce 1 Inroduccón... 1 2 Canasa de maerales y fuene de nformacón...
Dirección General de Asuntos Económicos y Sociales Ministerio de Economía y Finanzas
Meodología de valuacón de pasvos conngenes cuanfcables y del flujo de ngresos dervados de la exploacón de los proyecos generados por la suscrpcón de conraos de concesón bajo la modaldad de Asocacón Públco
MODELOS DE SERIES DE TIEMPO. porque su esperanza (condicional) depende de su valor en el período pasado:
Apunes de Teoría Economérca I. Profesor: Vvana Fernández MODELOS DE SERIES DE TIEMPO I CONCEPTOS PRELIMINARES. Procesos Auorregresvos y de Promedo Móvl Se dce que sgue un proceso auorregresvo: es rudo
MUESTRAS CON ROTACIÓN DE PANELES
487 MUESTRAS CON ROTACIÓN DE PANELES THOMAS POLFELDT Consulor, INE Sueca (Sascs Sweden). 488 Muesras con roacón de paneles ÍNDICE Págna. Defncones Generales... 489. Por Qué una Muesra de Roacón?... 489
1. MODELOS DE SERIES TEMPORALES UNIECUACIONALES
oro hasco rgoyen, Dpo. Economía Aplcada, UAM. EJEMPLO DE MODELOS EONOMÉTROS Ver el aso 9 (pag. 55 y ss.) del lbro de A. Puldo y A. López (999), Predccón y Smulacón aplcada a la economía y gesón de empresas.
4o. Encuentro. Matemáticas en todo y para todos. Uso de las distribuciones de probabilidad en la simulación de sistemas productivos
4o. Encuenro. Maemácas en odo y para odos. Uso de las dsrbucones de probabldad en la smulacón de ssemas producvos Leopoldo Eduardo Cárdenas Barrón lecarden@esm.mx Deparameno de Ingenería Indusral y de
CAPÍTULO III. BASES METODOLÓGICAS
CAPÍTULO III. BASES METODOLÓGICAS Como se ha menconado, el modelo a desarrollar conempla úncamene la operacón de vda. En el sguene puno de ese capíulo se presenan los ramos que negran esa operacón de acuerdo
7) Considere los ejercicios 2.b) y 2.c) a) Encuentre un nuevo modelo en variable de estados considerando la transformación dada por:
7 Consdere los ejerccos.b.c a Encuenre un nueo modelo en arable de esados consderando la ransformacón dada por: x x x x b Para.d halle la ransformacón por auoalores Resoleremos el ncso a para el ejercco.c
Capítulo 3 Metodología.
Capíulo 3 Meodología. 3.1. Represenacón paramérca de la relacón enre el ngreso per cápa de los hogares y las caraceríscas soco-demográfcas de sus membros. La meodología ulzada en ese rabajo se basa en
Cálculo y Estadística
Cálculo y Esadísca PROBABILIDAD, VARIABLES ALEATORIAS Y DISTRIBUCIONES ª Prueba de Evaluacón Connua 0--5 Tes en Moodle correspondene a la pare de Probabldad, Varables Aleaoras y Dsrbucones ( Punos).- Una
3. El cambio en el sistema de pensiones y su impacto sobre la cobertura
. El cambo en el ssema de pensones y su mpaco sobre la coberura El prmer objevo de ese rabajo es medr el mpaco que la reforma al ssema de pensones ha endo sobre la coberura; medda esa úlma como el número
El efecto traspaso de la tasa de interés en el Perú: Un análisis a nivel de bancos ( )
El efeco raspaso de la asa de nerés en el Perú: Un análss a nvel de bancos (2002-2005) Rocío Gondo Erck Lahura Dona Rodrguez Marzo, 2006 CONTENIDO Objevo Imporanca Trabajos Prevos Trabajos Prevos Perú
Estadísticas de Cuentas Nacionales Trimestrales
Esadíscas de Cuenas Naconales Trmesrales Precos y volumen en cuenas naconales 3 al 13 de agoso de 2009 Precos y volumen en cuenas naconales Sea v el valor de una canasa de benes y servcos en el período
Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
COMBINACIÓN DE PREDICCIONES A TRAVÉS DEL ANÁLISIS FACTORIAL
COMBINACIÓN DE PREDICCIONES A TRAVÉS DEL ANÁLISIS FACTORIAL Plar Poncela Dep. Análss Económco: Economía Cuanava Unversdad Auónoma de Madrd Eva Senra Dep. Esadísca, Esrucura Eca. y O.E.I. Unversdad de Alcalá
Nota de Clase 5 Introducción a modelos de Data Panel: Generalidades
oa de Clase 5 Inroduccón a modelos de Daa Panel: Generaldades. Por qué daos de panel? Los modelos de daos de panel son versones mas generales de los modelos de core ansversal seres de empo vsos hasa el
Medidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Aspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
+12V +12V +12V 2K 15V. Problema 2: Determinar el punto de funcionamiento del transistor MOSFET del siguiente circuito: I(mA) D
PROBEMAS E IRUITOS ON TRANSISTORES Problema : eermnar los punos de funconameno de los dsposvos semconducores de los sguenes crcuos: +2V +2V +2V β= β= K β= β= (a) (b) (c) (d) Problema 2: eermnar el puno
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
Ejercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes
El signo negativo indica que la fem inducida es una E que se opone al cambio de la corriente.
AUTO-INDUCTANCIA: Una bobna puede nducr una fem en s msma.s la correne de una bobna camba, el flujo a ravés de ella, debdo a la correne, ambén se modfca. Así como resulado del cambo de la correne de la
SEMINARIO SOBRE ÍNDICES DE PRECIOS DE CONSUMO
SEMINARIO SOBRE ÍNDICES DE PRECIOS DE CONSUMO Del 23 al 27 marzo 2009 Madrd -España Lla Monoya Sánchez TEMAS 1. Concepos generales: Números índces 2. Objevos y aplcacones del IPC español 3. Méodo general
ANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL
ANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL José E. Durán Lma, Ofcal de Asunos Económcos Claudo Aravena, Analsa Esadísco Carlos Ludeña, Consulor Inernaconal Asesoría Técnca de la
Curso 2006/07. Tema 9: Modelos con retardos distribuidos (I) 9.1. Análisis de los efectos dinámicos en un modelo con retardos distribuidos
Curso 26/7 Economería II Tema 9: Modelos con reardos dsrbudos (I) 1. Análss de los efecos dnámcos en un modelo de reardos dsrbudos 2. La dsrbucón de reardos Tema 9 1 9.1. Análss de los efecos dnámcos en
Ejercicios resueltos y exámenes
Prncpos de Economería y Economería Empresaral I Ejerccos resuelos y exámenes Recoplados por Ezequel Urel I EJERCICIOS RESUELOS II EXÁMENES DE ECONOMERÍA III EXÁMENES DE ECONOMERÍA EMPRESARIAL IV EXÁMENES
I EJERCICIOS RESUELTOS II EXÁMENES DE ECONOMETRÍA III EXÁMENES DE ECONOMETRÍA EMPRESARIAL IV EXÁMENES DE PRINCIPIOS DE ECONOMETRÍA
I EJERCICIOS RESUELOS II EXÁMENES DE ECONOMERÍA III EXÁMENES DE ECONOMERÍA EMPRESARIAL IV EXÁMENES DE PRINCIPIOS DE ECONOMERÍA Noa: Los ejerccos con asersco no corresponden al programa acual de Prncpos
METODOLOGÍA PARA EL CÁLCULO DEL ÍNDICE COLCAP
METODOLOGÍA PARA EL CÁLCULO DEL ÍNDICE COLCAP MARZO DE 20 TABLA DE CONTENIDO. GENERALIDADES:... 3.. VALOR BASE... 3.2. NÚMERO DE EMISORES QUE COMPONEN EL ÍNDICE... 3.3. ACCIONES POR EMISOR... 3.4. PARTICIPACIÓN
Apéndice metodológico
Ese bro forma pare de acervo de a Bboeca Jurídca Vrua de Insuo de Invesgacones Jurídcas de a UNAM Lbro compeo en: wwwjurdcasunammx hps://goog/negcj hps://bbojurdcasunammx/bjv 256 Empeos para crecer BID,
Redes de Comunicaciones
Redes de Comuncacones Tema 3. Teleráfco. Dmensonado de semas Ramón güero Calvo Lus Muñoz GuCérrez (conrbucón) Deparameno de Ingenería de Comuncacones Ese ema se publca bajo Lcenca: Crea:ve Commons BY-
Metodología de Selección y Cálculo. de Índices Bursátiles
Bolsa de Comerco de Sanago» Índces Bursáles Meodología de Seleccón y Cálculo de Índces Bursáles Gerenca de Planfcacón y Desarrollo Dcembre 2007 Gerenca de Planfcacón y Desarrollo» 399-3854 Bolsa de Comerco
METODOLOGÍA ENERGÍA ELÉCTRICA
Insuo Naconal de Esadíscas SUBDIRECCIÓN TÉCNICA Depo. Invesgacón y Desarrollo Esadísco SUBDIRECCIÓN DE OPERACIONES Subdepo. Esadíscas Secorales METODOLOGÍA ENERGÍA ELÉCTRICA GGM/GMA Sanago, 26 Dcembre
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
Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Física General 1 Proyecto PMME - Curso 2008 Instituto de Física Facultad de Ingeniería UdelaR
Físca General Proyeco PMME - Curso 8 Insuo de Físca Faculad de Inenería UdelaR M O V I M I E N T O E P R O Y E C T I L M O V I M I E N T O R E L A T I V O Vanessa íaz Florenca Clerc Un olero Juan paea
PRODUCTO INTERNO BRUTO TRIMESTRAL
PRODUCTO INTERNO BRUTO TRIMESTRAL Prmer Trmesre 2010 La Paz - Bolva Pr o d u c o Inerno Br u o Tr m e s r a l Prmer Trmesre 2010 Elaborado por el Insuo Naconal de Esadísca Depóso Legal Nº 4-4 - 227-10
MODELO DE UN SISTEMA MRP CERRADO INTEGRANDO INCERTIDUMBRE EN LOS TIEMPOS DE ENTREGA, DISPONIBILIDAD DE LA CAPACIDAD DE FABRICACIÓN E INVENTARIOS
MODELO DE UN SISTEMA MRP CERRADO INTEGRANDO INCERTIDUMBRE EN LOS TIEMPOS DE ENTREGA, DISPONIBILIDAD DE LA CAPACIDAD DE FABRICACIÓN E INVENTARIOS TESIS DE GRADO PARA OPTAR AL TITULO DE MAGISTER EN INGENIERÍA
Los esquemas de la reproduccio n de Marx
Los esquemas de la reproducco n de Marx Alejandro Valle Baeza Los esquemas de la reproduccón smple y amplada consuyen sólo una pare del análss del proceso de crculacón del capal. Fueron presenados en la
Determinación Experimental de la Distribución de Tiempos de Residencia en un Estanque Agitado con Pulpa
Deermnacón Expermenal de la Dsrbucón de Tempos de Resdenca en un Esanque Agado con Pulpa Lus Marín Escalona Julo de 2oo7 Índce Resumen 3 Anecedenes Generales 3 Procedmeno Expermenal Dscusones 4 onclusones
Circuitos Limitadores 1/8
Crcuos Lmadores 1/8 1. Inroduccón Un crcuo lmador (recorador) es aquel crcuo que ene la capacdad de lmar pare de una señal de c.a. sn dsorsonar la pare resane de la señal. El crcuo lmador combna dodos
Inferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
METODOLOGÍA ENERGÍA ELECTRICA
Insuo Naconal de Esadíscas SUBDIRECCIÓN TÉCNICA Depo. Invesgacón y Desarrollo Esadísco SUBDIRECCION DE OPERACIONES Subdeparameno. Esadíscas Secorales METODOLOGÍA ENERGÍA ELECTRICA Sanago, 26 Dcembre de
Adolfo Rodríguez Vargas
Documeno de Invesgacón 06-010 Consruccón de gráfcos de abanco con bandas asmércas: una aplcacón para el pronósco de nflacón en Cosa Rca Adolfo Rodríguez Vargas Julo 010 Banco Cenral de Cosa Rca Dvsón Económca
Nélida Diaz, Francisco Jiménez y Mauricio López División de Tiempo y Frecuencia. Resumen
Nuevo esquemade generacón de laescalade empo UTCCNM Nélda Daz, Francsco Jménez y Maurco López Dvsón de Tempo y Frecuenca Resumen La escala de Tempo Unversal Coordnado del CENAM, UTCCNM, se genera desde
TEMA 7 MODELO IS-LM EN ECONOMÍAS ABIERTAS
TMA 7 MODLO IS-LM N CONOMÍAS ABIRTAS l modelo IS-LM en economías aberas Concepos fundamenales n el ema aneror analzamos el po de cambo como s fuera un nsrumeno de políca económca. Sn embargo ése se deermna
Análisis cuantitativo aplicado al Comercio Internacional y el Transporte
Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón
9. CIRCUITOS DE SEGUNDO ORDEN LC Y RLC
9. IUITOS DE SEGUNDO ODEN Y 9.. INTODUIÓN En el capíulo aneror mos como los crcuos ressos con capacancas o los crcuos ressos con nducancas enen arables que son calculadas medane ecuacones dferencales de
ESTIMACIÓN DE UNA FUNCIÓN DE OFERTA DE EMPLEO EN LA DINAMICA DE LA FRECUENCIA.
ESIMACIÓN DE UNA FUNCIÓN DE OFERA DE EMPLEO EN LA DINAMICA DE LA FRECUENCIA. Francsco Parra Rodríguez. Deparameno de Economía Aplcada y Esadísca UNED C/ Senda del Rey, sn Madrd elefono: E-mal: fparra@cee.uned.es
Visión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
MEDICIÓN DE LA ACTIVIDAD MINERA EN LA REGIÓN DE ARICA Y PARINACOTA
esudos esudos MEDCÓN DE LA ACTVDAD MNERA EN LA REGÓN DE ARCA Y PARNACOTA Ocubre de 28 N Subdreccón Técnca Deparameno de Esudos Económcos Coyunurales Medcón de la Acvdad Mnera en la Regón de Arca y Parnacoa
n t T é c n i c Proyecciones de Población de los municipios de España Autores: Francisco Parra Rodríguez Lorena Campo Moreno
D o c u m e royeccones de oblacón de los muncpos de España 2016-2037 n o s Auores: Francsco arra Rodríguez Lorena Campo Moreno DOC. º 2/2017 ISS 2444-1627 Sanander, Canabra T é c n c o s Í D I C E 1. ITRODUCCIÓ...2
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Insrcor: Horaco Caalán Meoología e la Economérca Moerna Concepos Fnamenales Moelo Teórco (fncón maemáca) Moelo esmable (en érmnos
Figura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA
APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA Esaconaredad El concepo de esaconaredad es de suma mporanca en la eoría de la conegracón. Aquí se ulzará el concepo de esaconaredad en sendo débl, o de segundo
5. Los sistemas de pensiones y el ahorro nacional
5. Los ssemas de pensones y el ahorro naconal Uno de los aspecos más mporanes ras la reforma a un ssema de pensones es su mpaco sobre el ahorro naconal dado el vínculo enre ése y el desempeño de la economía.
CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
PREDICCIÓN DE VOLATILIDAD CON LOS ÍNDICES DE VOLATILIDAD VIX Y VDAX
PREDICCIÓN DE VOLILIDD CON LOS ÍNDICES DE VOLILIDD VIX Y VDX El objevo de ese rabajo es esudar la capacdad predcva de los índces de volaldad. Para el perodo 99-0, analzamos daos de los índces amercanos
Midiendo la Asociación lineal entre dos variables
Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,
Índices de Precios del Sector Servicios (IPS)
Índces de Precos del Secor Servcos (PS) Meodología Subdreccón General de Esadíscas de los Servcos Seembre 29 NE. nsuo Naconal de Esadísca Índce. nroduccón...3 2. Defncón del ndcador...4 3. Ámbos del ndcador...5
Manual Metodológico Índice de Costos del Transporte Base 2009 = 100
Manual Meodológco Índce de Cosos del Transpore Base 2009 00 Insuo Naconal de Esadíscas Subdreccón de Operacones Deparameno de Esadíscas de Precos Febrero de 200 Índce. INTRODUCCIÓN...5 2. DEFINICIÓN DEL
Biased Technological Change: Inequality, Economic Growth and Fiscal Policy
Revsa 73 Desarrollo y Socedad Prmer semesre 2014 pp. 179-218, ssn 0120-3584 179 Herramenas de políca fscal para aprovechar el cambo ecnológco sesgado en un enorno de desgualdad y crecmeno económco Based
6 Impacto en el bienestar de los beneficiarios del PAAM
6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda
Oferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
AMERICA LATINA: CONVERGENCIA/DIVERGENCIA UNA REVISION PRELIMINAR DE LOS ENFOQUES DE DATOS DE PANEL Y EL ANALISIS ESPACIAL DE DATOS RESUMEN
AMERICA LATINA: CONVERGENCIA/DIVERGENCIA UNA REVISION PRELIMINAR DE LOS ENFOQUES DE DATOS DE PANEL Y EL ANALISIS ESPACIAL DE DATOS Kelly Taana Graldo ** RESUMEN En recenes ensayos se han presenado y evaluado
SISTEMAS DE ECUACIONES SIMULTANEAS
Apunes de eoría Economérca I. Profesor: Vvana Fernández SISEMAS DE ECUACIONES SIMULANEAS I INRODUCCION A la fecha, nos hemos cenrado en modelos unecuaconales, eso es, aquellos que nvolucran sólo una ecuacón
En España operaron empresas en 2014, un 0,4% más que el año anterior. En 2014 se crearon empresas y desaparecieron 277.
25 de novembre de 2016 Indcadores de Demografía Empresaral Año 2014 En España operaron 3.432.072 empresas en 2014, un 0,4% más que el año aneror En 2014 se crearon 347.605 empresas y desapareceron 277.327
Problemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
NOTA METODOLOGICA SOBRE INDICADORES SECTORIALES DE COMPETITIVIDAD Y PRODUCTIVIDAD
NOTA METODOOGICA SOBRE INDICADORES SECTORIAES DE COMPETITIVIDAD PRODUCTIVIDAD El desenvolvmeno del comerco nernaconal ha movado múlples esudos y concepcones eórcas, respeco del nercambo de benes y servcos
INTRODUCCIÓN A LOS MODELOS OCULTOS DE MARKOV. Luis Miguel Bergasa Pascual
ITRODUCCIÓ A LOS MODELOS OCULTOS DE MARKOV Lus Mguel Bergasa Pascual Deparameno de Elecrónca. Unversdad de Alcalá. Emal:bergasa@depeca.uah.es Lus M. Bergasa. Deparameno de Elecrónca COTEIDOS Inroduccón
Probabilidad de incumplimiento y ciclo económico. Evidencia del caso. José Pizarro Z. Centro de Finanzas DII U. de Chile
Probabldad de ncumplmeno y cclo económco. Evdenca del caso de las grandes empresas en Chle José Pzarro Z. Cenro de Fnanzas DII U. de Chle Agenda Anecedenes Modelo Daos Resulados Conclusones 2 Anecedenes
CRÉDITO PESCA. Consideraciones del producto:
CRÉDITO PESCA Consderacones del produco: Los crédos se oorgan para el fnancameno de las acvdades de pesca: comerco, exraccón y/o ndusralzacón. Se basan en la capacdad de pago de los clenes y su hsoral
ANEXOS DEL INFORME. Recopilación de Información para la Construcción del Indicador INDICE DE PRECIOS AL CONSUMIDOR
ANEXOS DEL NFORME Recolacón de nformacón ara la Consruccón del ndcador NDCE DE RECOS AL CONSUMDOR ANEXO. MÉTODO DE CÁLCULO A EL ÍNDCE DE LASEYRES ENCADENADO DE ESAÑA Se raa de un índce agregado, calculado
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Tema 5. Análisis Transitorio de Circuitos de Primer y Segundo Orden
Tema 5. Análss Transoro de Crcuos de Prmer y egundo Orden 5.1 Inroduccón 5.2 Crcuos C sn fuenes 5.3 Crcuos C con fuenes 5.4 Crcuos L 5.5 Crcuos LC sn fuenes v() 5.6 Crcuos LC con fuenes () C () C v( )
Tema 2 Circuitos Dinámicos de Primer Orden
Tema 2: Crcuos Dnámcos de Prmer Orden Tema 2 Crcuos Dnámcos de Prmer Orden A nade en su sano juco se le habría ocurrdo preparar enonces odos esos componenes (ranssores, ressores y condensadores a parr
NOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES
Metodología del Índice de Excedente Bruto Unitario de la Industria Exportadora (IEBU) 1
Metodología del Índce de Excedente Bruto Untaro de la Industra Exportadora (IEBU) 1 En forma general, el rato del Excedente Bruto de Explotacón por undad de costos para la ndustra exportadora para el período
Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
NORMAS PARA LA CONSTITUCIÓN DE PREVISIONES PARA RIESGOS CREDITICIOS
NORMA PARTIULAR 3.2 NORMAS PARA LA ONSTITUIÓN DE PREVISIONES PARA RIESGOS REDITIIOS a. Prevsones para resgos credcos ) Prevsón según caegoría de resgo ) Mono de resgo sujeo a prevsón ) Deduccón de garanías
Figura 1.1 Definición de componentes de tensiones internas.
. ELEMENTOS DE TENSORES CARTESIANOS. Inroduccón: Para descrbr endades o varables físcas se requere de valores o componenes. El número de componenes necesaras deermna la nauraleza ensoral de la varable.
Diplomatura de Ciencias Empresariales. Estadística Económica. Sara Mateo.
Dlomaura de Cencas Emresarales. Esadísca Económca. Sara Maeo. úmeros Índces nroduccón: Una de las rncales areas de la esadísca es el análss de varables, ano consderadas ndvdualmene como en conjuno, ara
PREVISIÓN 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.
MOVIMIENTO RECTILÍNEO UNIFORMEMENTE ACELERADO
MOVIMIENTO RECTILÍNEO UNIFORMEMENTE ACELERADO Sabes cuáles son las caraceríscas del momeno reclíneo unormemene acelerado? INTRODUCCION Prmero debemos saber que denro de la cnemáca exsen derenes pos de
INTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Análisis de la Dinámica del Ciclo Económico del MERCOSUR con cambio de régimen
Análss de la Dnámca del Cclo Económco del MERCOUR con cambo de régmen Creacón de un Modelo Facoral Dnámco Endógeno Dego G. Fernández Juno rmera Versón REUMEN En los úlmos años las economías de la zona
DIVISIÓN DE PLANIFICACIÓN Y NORMATIVA DI
DIVISIÓN DE PLANIFICACIÓN Y NORMATIVA DI-2007-02 PROPUESTA DEL CÁLCULO DEL VALOR EN RIESGO (VaR) PARA LOS FONDOS ADMINISTRADOS EN EL SISTEMA NACIONAL DE PENSIONES (Borrador para dscusón) Mayo 2007 Clasfcacón
Tema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Representación VEC. Planteamiento de un sistema de ecuaciones. Esquema de retroalimentación. , pero requiere
Represenacón VEC Dado que las relacones económcas enre varables no se presenan esrcamene en un sendo específco, es decr, puede exsr enre ellas esquemas de reroalmenacón o complejos mecansmos de rasmsón