APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA

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

Download "APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA"

Transcripción

1 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 orden, y se refere a la msma smplemene como esaconaredad. Consderando una sere emporal como la realzacón de un proceso esocásco, se drá que ése es esaconaro en sendo débl s ene momenos de prmer y segundo orden fnos y que no varían en funcón del empo. Formalmene, un proceso esocásco x() es esaconaro en sendo débl s E E [ x( )] E[ x( + h) ] = µ < = 2 2 = E x( + h) = 2 < = E x( + h) x( h) = j [ x( ) ] [ ] µ [ x( ) x( )] [ ] < E µ con µ, µ y 2 µ j consanes a lo largo del empo. De ahora en adelane consderaremos úncamene procesos esocáscos en empo dscreo 64, sn hacer referenca a los de empo connuo. La presenca de no esaconaredad úncamene en la meda, es decr, en el momeno de prmer orden, puede recogerse nroducendo elemenos deermnsas -ales como endencas lneales o polnómcas, endencas segmenadas, varables fccas, ec en la especfcacón del proceso. En caso de que la nroduccón de esos elemenos deermnsas capure la no esaconaredad en meda del proceso, la nferenca esándar es aplcable bajo los supuesos báscos cláscos. Así, por ejemplo, los esmadores MCO endrán dsrbucones asnócas normales. En cambo, como endremos ocasón de observar, la presenca de endencas en la varanza (momeno de segundo orden) orgna que las dsrbucones ulzadas en la nferenca esándar no sean aplcables, y que algunos esadíscos (conrases de la, F, ec...) converjan haca dsrbucones no degeneradas en lugar de hacerlo haca 64 Es decr, procesos meddos en nervalos regulares de empo. Dado que las varables económcas suelen observarse en empo dscreo nos refermos úncamene a ese caso. Apéndce B/ 00

2 dsrbucones degeneradas. 65 Las endencas en varanza, es decr, que la varanza sea funcón del empo, pueden esar provocadas, enre oros movos, por la exsenca de raíces unaras en el polnomo de la represenacón auorregresva del proceso 66. El ejemplo más smple de no esaconaredad en varanza causada por una raíz unara en el polnomo auorregresvo es el paseo aleaoro (random walk): x φ x ) = = ( φl x ε con = φ (B..) donde ε es un rudo blanco (R.B.) y L es el operador reardo, de forma que L X = X. La no esaconaredad en varanza del paseo aleaoro se comprueba al susur recursvamene en la expresón, llegando a: X = φx o + φ ε = 0 por lo que s φ =, σ 2 es la varanza de ε y la var(xo) = O, la 2 varanza de X será σ. Claramene, se observa que el proceso de paseo aleaoro ene una endenca en la varanza y que ésa vene causada por la raíz unara en el polnomo auorregresvo. A esas endencas ambén se las denomna endencas esocáscas, dsnguéndose de las deermnsas en que las úlmas son endencas en la meda del proceso. En general, endrán endencas esocáscas odos los procesos ARIMA 67. Cuando un proceso esocásco presena una raíz unara en el polnomo auorregresvo (endenca esocásca, en varanza), es decr, presena el facor ( -L), dremos que el proceso es negrable - 65 Es decr, convergen, a medda que aumena el amaño de la muesra, haca una varable aleaora (dsrbucones no degeneradas) en lugar de hacerlo haca una escalar (dsrbucones degeneradas). 66 Tambén podrían ser creadas, por ejemplo, por la presenca de raíces en el polnomo auorregresvo denro del círculo undad. Ésas, a dferenca de las raíces unaras, no desaparecen al aplcar el operador dferenca (-L). Las mplcacones de la presenca de raíces de módulo nferor a la undad se comenan brevemene en el subaparado Es decr, los procesos negrados auorregresvos y de medas móvles. Apéndce B/ 0

3 o negrado de orden, y se suele escrbr como I(). 68 Una explcacón nuva de por qué se llama negrado se obene a parr de (B.), donde X se puede expresar como: X ε = = X o + φ ε ( L) = 0 donde se observa que X es la "negracón" -enendda como suma de (posblemene nfnos) érmnos de ε. Ello ocasona que dchos procesos engan memora lmada, frene a los no negrados que la enen lmada, ya que el valor acual de X depende de odos los shocks aleaoros ( ε ) pasados, sn que el efeco de ésos se vaya dluyendo en el empo hasa desaparecer. La aplcacón del operador dferenca, =(-L), a una varable con una raíz unara en su polnomo auorregresvo la ransforma en una nueva varable esaconara en varanza. S hubésemos de aplcar d dferencacones para consegur que la varable fuese esaconara esaríamos ane un proceso I(d), de la msma manera que s el proceso ya fuera esaconaro en varanza sería I(0) 69. El valor de d se denomna orden de negrabldad de X. Dado que a una sere negrada de orden d, I(d), para ransformarla en esaconara se le deberá aplcar el polnomo ( L) d, y ése ene d raíces (solucones) de valor, es decr, d raíces unaras, al referrnos al conrase del orden de negrabldad de una sere nos referremos habualmene a él como prueba de raíces unaras. Conrases de raíces unaras 70 Los procedmenos ulzados para deermnar el orden de negrabldad de una varable son de dos pos: los empleados en la meodología Box-Jenkns y los procedmenos basados en 68 Tambén son raíces unaras las raíces complejas de módulo undad y la raíz asocada al facor (+L). Ese po de raíz genera negrabldad de po esaconal. Véase para ello el capíulo Ejemplos de esos procesos son el rudo blanco y odos los procesos ARMA esaconaros, es decr, con odas las raíces del polnomo auorregresvo fuera del círculo de rado undad. 70 Tomado del lbro de Surñach e al (995). Apéndce B/ 02

4 conrases. Los prmeros, en los que se basaba el análss radconal de seres emporales, conssen en el examen gráfco de la sere y de los correlogramas (funcones de auocorrelacón smple y parcal de la sere en cuesón). Para ese prmer méodo se esperaría que en el caso de seres esaconaras, la funcón de auocorrelacón declna rápdamene, al conraro de lo que sucede en presenca de una raíz unara que lo hace de forma rregular y prolongada. Ese procedmeno, a pesar de su cómoda y fácl mplemenacón no presena la formaldad requerda y sus resulados pueden en muchos casos ser nerpreados dscreconalmene 7. Por ello, además de examnar la varanza de la sere con dsnos órdenes de dferencacón, se han do planeando dversos conrases de raíces unaras, algunos de los cuales (los más ulzados) se explcaran más adelane. Concreamene se hará referenca a las dferenes versones del es de Dckey-Fuller y el es de Phllps-Perron. Los cuales son ulzados en el capíulo 4 para probar la esaconaredad de nuesras varables. Conrase de Dckey-Fuller (DF) y Dckey-Fuller Amplado (ADF) El prmero de esos dos conrases fue propueso por Dckey y Fuller (979) para el caso en que el proceso sea un paseo aleaoro bajo la Ho y un proceso AR() esaconaro bajo la alernava. Poserormene, en el año de 98 lo amplían para el caso en que el proceso sga un esquema AR (p) esaconaro bajo la hpóess alernava. Esa generalzacón del aneror se conoce como conrase de Dckey-Fuller Amplado. 7 Es necesaro ndcar que la meodología Box-Jenkns ambén se apoya en los ess de Ljung-Box y Box-Perce, basados en los coefcenes de auocorrelacón smples esmados. Esos conrases, que manenen bajo la hpóess nula que el proceso es rudo blanco, deecan cualquer po de mala especfcacón, denomnándose por ello ess pormaneau. Ese hecho, junamene con los coefcenes de auocorrelacón smple no son nsrumeno efcene de cara a la especfcacón del modelo, conduce a la necesdad de ulzar conrases más formales de negrabldad. Desde oro puno de vsa, puede nerprearse el orden de negrabldad d como un parámero más del modelo que debe esmarse. Ane ello, parece convenene deermnar ése ulzando un procedmeno expreso. De odos modos los conrases de raíces unaras propuesos ncorporan ambén un grado mporane de dscreconaldad, enre oras cosas por el desconocmeno del PGI. Apéndce B/ 03

5 Supongamos que consane): X sgue un esquema AR(p) sn derva (érmno p X = φ X + ε, conε ~ RB = (B.2.) La ecuacón caracerísca del polnomo auorregresvo de X es: λ p p = φ λ p = 0 sendo λ, λ 2 p,..., λ las raíces caraceríscas del proceso. S λ < enonces x converge a un proceso esaconaro. La conraacón de dcha hpóess en el caso de una AR() se puede planear medane la esmacón de: x = φ x + ε (B.3.) Esablecendo que la H 0 : λ = como φ =, es decr, que x ~ I(0), frene a la H a : λ <. Es, por ano, un conrase a una cola. Dcho conrase puede efecuarse con dos esadíscos: ) el sesgo normalzado T ( φ ), obendo a parr de la esmacón MCO de (B.3.); y 2) con un conrase de la de la esmacón MCO de φ, sendo la H0 el valor unaro de ese parámero. En la prácca es habual ulzar ese úlmo, aunque al ser más dreca y cómoda la consrasacón de la hpóess de sgnfcacón de un parámero (nuldad del msmo), se puede esmar por MCO el modelo que equvale a esmar el aneror: x = α x + ε (B.4.) donde α = ( φ ). Por ano, conrasar la hpóess nula de exsenca de una raíz unara ( φ ) en (B.3.) equvale a conrasar α = 0en (B.4.). La hpóess alerna sería Ha:α < 0. Por ano, los valores crícos serán negavos, por lo que s se obene un valor nferor a Apéndce B/ 04

6 esos valores crícos del esadísco de prueba se rechazará la hpóess nula. La dsrbucón del esmador de α no es ndependene de la presenca de un érmno consane y/o de una endenca deermnsa en la especfcacón de la ecuacón del conrase. Por lo ano, se deben consderar separadamene esas posbldades. Así endremos: a) x b) x c) x = αx + ε = µ + αx + ε = µ + β + αx + ε (B.5.) conrasándose la hpóess nula H0: α = 0 con los raos asocados Τ, Τµ, Τ a α en cada especfcacón: respecvamene, cuya dsrbucón ano asnóca como para dsnos amaños muesrales, aparecen en Fuller (976). En Dckey y Fukker (98) se presenan los valores crícos sobre la sgnfcacón ndvdual de los parámeros µ y β en las especfcacones b) y c). Debdo a las dsnas mplcacones de los res modelos sobre el comporameno de la varable72 y con la nencón de maxmzar la poenca des esos esadíscos, varos auores han propueso segur la esraega de análss a parr del modelo más general, sendo el modelo más sencllo el que mayor peso denro del análss: Examnar la ecuacón (B.5.c), el modelo más general. S no rechazamos la hpóess de raíz unara y β es no sgnfcava, Examnar la ecuacón (B.5.b), s la hpóess nula de raíz unara no es rechazada y µ es no sgnfcava, Examnar la ecuacón (B.5.a) Al planear ese conrase se esá suponendo que ε no esá auocorrelaconado. Pero ese supueso no ene porque cumplrse, por lo que la nferenca en cualquera de las res ecuacones planeadas se verá afecada. Se han propueso dos pos de solucón a ese problema: 72 Veáse Surñach e al (995). Apéndce B/ 05

7 a) Solucón paramérca. Elaborada por Dckey y Fuller en 98 que consse en esablecer en el es DF una esrucura de reardos de la varable dependene que perma capurar el proceso auorregresvo de esá, quedando el érmno de perurbacón lo menos correlaconada posble. A esa modfcacón de la prueba se le conoce como el es de Dckey- Fuller Amplado (ADF) y consse en esmar: p + γ x + = x = µ + β + αx ε Con p lo sufcenemene grande para garanzar que ε sea aproxmadamene rudo blanco. La dsrbucón asnóca de los parámeros µ ˆ, βˆ y αˆ es la msma que en el DF e ndependene de los parámeros γˆ, los cuales sguen asnócamene una dsrbucón normal bajo la H0. La nclusón de los reardos dependerá de su sgnfcanca según el -esadísco conrasado con las ablas de la -Suden y de algún crero de nformacón como Akake o Schwar mínmos.debe enerse en cuena que un número excesvo de reardos reducrá la poenca del conrase, menras que s no se especfca sufcenes no se recogerá oda la auocorrelacón resdual, por lo que los valores crícos abulados no serán aplcables. b) Solucón no Paramérca. Propuesa por Phllps (987) y Phllps y Perron (988) sugere ransformar los esadíscos del es de DF para hacerlos compables con la presenca de auocorrelacón y heerocedascdad en el érmno de perurbacón. La dea es ulzar los resduos esmados ε en la regresón de DF para corregr el esadísco asocado a los parámeros. De esa forma obenemos unos nuevos esadíscos z(), z(µ) y z(γ) que enen las msma dsrbucones líme de los esadíscos abulados en Fuller (976). Sn embargo, los resulados asnócos de esa solucón deben ser omados con prudenca cuando rabajamos con muesras fnas. Conegracón La eoría económca sugere relacones de equlbro que son funcones esaconaras de las varables orgnales. Es decr, los Apéndce B/ 06

8 desequlbros son ransoros y, por ano, esaconaros. La negrabldad es una propedad domnane, lo que sgnfca que la suma o combnacón lneal de procesos de dsno orden de negrabldad es del msmo orden que el proceso de orden mayor. Es decr, s z = x + αy con x ~ I( e) ~ I( d) y enonces: z ~ I(max(e,d)). En érmnos smlares, la combnacón lneal de dos procesos con el msmo orden de negrabldad es, en general, de ese orden de negrabldad. 73 z = x + αy x, y ~ I( d) z ~ I( d) Es decr, la sere resulane presenará una endenca en varanza resulado de la combnacón de las que presenaban las varables orgnales. La excepcón a ese caso general es lo que se denomna conegracón. El concepo de conegracón se debe a Engle y Granger (987) y puede ser defndo de la sguene forma: Los componenes de un vecor Y(m x ) se dce que esán conegrados de ordenes d y b, y se denoa por Y ~ CI(d,b), s: odos los componenes de Y son negrables del msmo orden d, I(d), exse un vecor α, no nulo, al que α Y=z ~ I(d-b), con b>0. Al vecor α se le denomna vecor de conegracón. El caso más comúnmene consderado es aquel en que d=b=, es decr que odos los elemenos de Y sean I() y z sea I(0), esaconaro. La exsenca de una relacón de conegracón enre un conjuno de varables suele nerprearse como la presenca de una relacón lneal de equlbro enre ellas, que esa dada por el 73 Debe enerse en cuena que la suma de nfnos érmnos de un msmo orden de negrabldad es de uh orden superor. Apéndce B/ 07

9 vecor de conegracón. Cenrándonos en el caso de varables I(), las desvacones de ese equlbro, meddas por z, recogen el reardo en la respuesa de la varable dependene ane cambos en las explcavas. Pues ben, en ese caso de conegracón, esas desvacones son esaconaras y enen una varanza que no es funcón del empo. En oras palabras, aunque las varables mplcadas en la relacón sean negradas, es decr, con varanza nfna a largo plazo, exse una relacón de equlbro de largo plazo enre las varables alk que las suacones de desequlbro son de carácer esaconaro (I(o)) y, por ano, ransoras. Mecansmo de correccón del error y el eorema de represenacón de Granger. Un modelo de MCE combna varables en nveles y en prmeras dferencas. Las relacones esablecdas enre las varables en nveles acúan como un servomecansmo que nervene en la relacón enre las varables dferencadas para reornar a la suacón de equlbro a largo plazo. En érmnos formales, un vecor Y(m x ) adme una represenacón MCE s podemos expresarlos como: A( L) Y = ΠY + ε donde ε es una perurbacón mulvarane esaconara; A(L) es una marz (m x m) polnómca en el operador de reardos que cumple: A(0)=Im y que A() enen odos los elemenos fnos; y, fnalmene, Π 0. Cabe resalar que en esa especfcacón no se supone exogenedad sobre nnguna de las varables. La relacón formal enre ese po de modelo y las relacones de conegracón la esablece el eorema de represenacón de Granger (Granger, 98 y Engle y Granger, 987), el cual demuesra, enre oras cosas, que: S un vecor de varables es CI(,), exse un mecansmo de correccón del error váldo para represenar el Proceso Generador de Informacón (PGI) S el PGI de un conjuno de varables adme una represenacón MCE, ésas esán conegradas. Apéndce B/ 08

10 Ese msmo eorema esablece el somorfsmo enre la represenacón como MCE, como vecor auorregresvo y como meda móvl. A manera de lusrar los modelos presenados en el capíulo 4 de esa ess, nos ceñremos, sn pérdda de generaldad, al caso de dos varables I(). En ese caso, descomponendo la marz Π en γα, el MCE vendría dado por: 74 y x = µ = µ 2 + φ ( L) y 2 + φ ( L) y + Ω ( L) x + Ω 2 ( L) x γ γ [ y αx ] + ε 2 [ y αx ] + ε 2 (B.6) donde se mponen las sguenes resrccones: el vecor (, -α) es el msmo en ambas ecuacones. Dcho vecor veremos que es de conegracón y que será únco en el caso de dos varables; los polnomos φ(l) y Ω(L) no enen raíces en el círculo de rado undad; al menos uno de los parámeros γ(=,2), conocdos como parámeros de velocdad de ajuse, no es nulo. En la expresón (B.6) se consaa que s x, y ~ I(), odos los érmnos que aparecen en cada ecuacón serán esaconaros en varanza excepo el érmno enre corchees. Para que ese érmno sea esaconaro es necesaro que x e y esán conegradas. En caso conraro las ecuacones no esarían en equlbro. 75 La únca forma de que esán equlbradas, cuando no hay conegracón, es que ambos parámeros de velocdad de ajuse fueran nulos, ncumpléndose la ercera condcón. 74 Esas expresones se pueden generalzar permendo la nclusón como regresores de la dferenca de las varables en. Se obene así la clásca expresón del MCE dervada a ravés de un esquema auorregresvo y de reardos dsrbudos (ADL). 75 Debe enerse en cuena que una varable esaconara no puede esar en funcón de no esaconaras a menos que ésas cancelen muuamene sus componenes no esaconaros. En caso conraro habría un desequlbro, en cuano a órdenes de negrabldad, enre ambos lados de la gualdad de la ecuacón, por lo que la ecuacón no esaría equlbrada. Apéndce B/ 09

11 Varacón esaconal El érmno varacón esaconal se refere a movmenos ssémcos, no necesaramene regulares, que denro de cada año presenan las seres de empo económcas. Los movmenos esaconales se suponen orgnados por fuerzas exógenas consderadas nconrolables y, en consecuenca, son elmnados anes de un análss más deallado. A ese proceso de elmnar dchas fuerza se le conoce como desesaconalzacón de una sere dada. Hablando en sendo amplo, hay dos méodos de ajuse esaconal: el méodo ofcal y el méodo de mínmos cuadrados. El méodo de desesaconalzacón que generalmene ulzan los deparamenos ofcales es el denomnado méodo del coefcene de medas móvles. Brevemene, consse en omar una meda móvl cenral de la sere orgna, dvdendo a connuacón esa úlma por la meda móvl para obener una esmacón prelmnar del componene esaconal, y enonces ajusar esas esmacones de al modo que la suma de la sere ajusada esaconalmene para el año del calendaro sea gual a la suma de la sere orgnal. En cambo, el méodo de los mínmos cuadrados esma el componene esaconal esablecendo la regresón de la sere orgnal sobre algunas varables esaconales: Usualmene, esas varables esaconales se consderan como varables fccas; así, por ejemplo, con daos rmesrales formamos la regresón de x sobre res varables fccas, D2 = s la observacón corresponde al segundo rmesre =o en oro caso D3 = s la observacón corresponde al ercer rmesre en oro caso =o en oro caso D4 = s la observacón corresponde al cuaro rmesre =o en oro caso Enonces los resduos de esa ecuacón son adopados como valores de la sere ajusada esaconalmene. Hay dos problemas mplcados en ese méodo. Prmero, la suma de los resduos de la ecuacón de regresón es cero y, por consguene, la suma de la sere ajusada esaconalmene es Apéndce B/ 0

12 ambén gual a cero. Lo que queremos es que la suma de la sere ajusada esaconalmene sea gual a la suma de la sere orgnal. Eso podemos lograrlo añadendo la meda a cada observacón en la sere ajusada esaconalmene y obenda a parr de la ecuacón de regresón (consane). El segundo problema es que la esmacón de los coefcenes de regresón correspondene a las varables fccas esaconales da smplemene las medas de los rmesres segundo, ercero y cuaro, respecvamene, y eso no parece resular muy plausble. Ese problema no aparece s esmamos movmenos esaconales e nroducmos ambén algún érmno de endenca en la ecuacón 76. En su dscusón del ajuse esaconal, Lovell 77 se refere a algunas mplcacones lógcas de ceros requsos smples de conssenca que deberían sasfacer los procedmenos de ajuse esaconal. S X es la sere sn ajusar y X a es la sere ajusada, las propedades que Lovell defne son:. Suma consane: (X+Y) a = X a +Y a Como lusracón, supongamos que X sea el empleo e Y el desempleo, de al forma que X+Y = Fuerza de rabajo oal. Enonces el ajuse esaconal de la fuerza de rabajo sería gual a la suma del empleo y desempleo ajusados esaconalmene 2. Produco consane: (XY) a = (X a ) (Y a ) Como ejemplo, sea X una candad real e Y el índce de precos, de al modo que XY es la candad nomnal. Lo que la propedad de produco consane dce es que la candad nomnal ajusada esaconalmene es gual al produco de la candad real ajusada esaconalmene por el índce de precos ajusado esaconalmene. S el ajuse manene consane el produco, ello es ndependene de s ajusamos esaconalmene cualquer sere deflacada o ben deflacamos la sere nomnal medane el índce de precos ajusado esaconalmene. Lovell prueba que s un procedmeno de ajuse verfca las propedades de suma y produco consane, es rval porque mplca que X a = X o X a = 0. Por consguene, no podemos nssr en que 76 Véase Cowden (942). 77 Véase Lovell (963) Apéndce B/

13 las dos propedades se cumplan smuláneamene. 3. Orogonaldad: Esa propedad esablece que podríamos ener (X-X a )X a =0. SI esa condcón no se sasface, ello mplca que los érmnos corregdos esaconalmene esán correlaconados con la sere ajusada, lo cual sgnfca que alguna esaconaldad se manene en los daos. 4. Idempoenca: Esa propedad dce que (X a ) a = X a para odo. S esa condcón no se cumple, someendo la sere una vez más a un ajuse esaconal, obendremos una sere dferene. Eso prueba que el procedmeno es defcene. 5. Smería: Esa propedad esablece que X X a s = X X a s para odo y s. Ese requso esablece que s camba la observacón X o cualquer ora, la sere ajusada esaconalmene podría resular afecada de una forma smérca. Lovell enonces prueba que un procedmeno de suma consane, que posee dos de las propedades de orogonaldad, dempoenca y smería ambén sasface la ercera propedad. Tambén arguye que el procedmeno ofcal de ajuse no sasface las menconadas propedades elemenales, pero sí el méodo de mínmos cuadrados. En consecuenca, ese auor defende el procedmeno de mínmos cuadrados. Economería básca Durane la elaboracón de los Modelos Economércos (ME), se supone la exsenca de un Proceso Generador de Informacón (PGI), desconocdo para nosoros, el cual, se encarga de asgnar o elegr como explcar a la varable dependene o endógena por medo de un conjuno de nformacón relevane que esa afecando a dcha varable endógena o dependene. Suponemos que los daos esadíscos corresponden a una posble realzacón de dcho PGI, y esos daos se comporan con cero grado de ncerdumbre, lo cual, Apéndce B/ 2

14 nos perme ulzar la eoría esocásca que asoca las seres económcas con deermnadas dsrbucones de probabldad y a una dmensón muldmenconal. Por lo aneror, los daos obendos en las seres económcas son, enonces, varables aleaoras; lo cual le da sendo a la ulzacón de méodos probablíscos, y al méodo economérco en el análss económco del rabajo. Denro de odo ME, exse un Mecansmo Generador Esadísco (MGE), que represena una prmera aproxmacón al PGI y se compone del modelo probablísco y del modelo muesral. El MGE es una formalzacón probablísca que conene la nformacón muesral elaborada para analzar el modelo a esmar. El modelo probablísco (MP) represena un conjuno de funcones de densdad de probabldad de los daos, menras que el modelo muesral (MM) agrupa al conjuno de las varables ndependenes e déncamene dsrbudas (IID) cuyas funcones de densdad concden con aquellas del modelo probablísco. El MM ndca s esamos en presenca de una muesra aleaora (varables IID) o no aleaora. El MGE sneza la nformacón eórca y empírca relevane del PGI, así como ambén concenra la nformacón dada por el modelo probablísco y el modelo muesral y propone a pror una dsrbucón esadísca de la muesra de daos. El MGE del ME se defne como: y=e(y x) + u En donde, y=e(y x) es el componene ssemáco (meda condconal) y u es el componene no ssemáco (érmno de perurbacón). El MP se defne como: (y x)~f(y x;θ) El MM se defne como: X:= (x,x2,x3,,xn) es IID. Apéndce B/ 3

15 Por lo ano, una vez denfcado las pare del ME, ese debe de sasfacer los sguenes supueso subyacenes a él 78 : I) Supuesos relavos el MGE.. µ = E(y X=x) = xβ es el componene ssemáco, y u = y - E(y X=x) es el componene no ssemáco. El componene ssemáco conene oda la nformacón dsponble sobre el fenómeno en cuesón y u es orogonal al conjuno de nformacón. 2. = (β, σ 2 ) son los parámeros esadíscos de nerés, β ε R k 3. No hay nformacón a pror sobre Θ=(β,σ 2 ). S esos son los parámeros esadíscos, no necesaramene guales a los eórcos, no hay razón para que exsa nformacón alguna acerca de ellos anes de esmar el modelo. 4. Las varables ulzadas no son perfecamene colneales. Eso es el rango de (X())=k para oda N>k donde N es el amaño de la muesra y k el número de parámeros. 5. X es déblmene exógena respeco a Θ=(β,σ 2 ). Eso sgnfca que los parámeros son consanes en el empo ya que las varables exógenas del modelo no conenen nformacón adconal que modfque el valor de los parámeros esmados. II) Supuesos relavos al MP. 6. Ese supueso ndca que las seres esocáscas pueden defnrse como normales e déncamene dsrbudas con meda cero y varanza consane. D(y X:Θ) ene una dsrbucón normal. E(Y X=x) = xβ es lneal en x V(y X=x) = σ 2 es homocedásca. 7. Θ = (β, σ 2 ) son nvaranes en el empo. Eso perme que las seres económcas puedan enonces ser represenadas por un 78 Véase Spanos (997). Apéndce B/ 4

16 conjuno fno de parámeros. Ese supueso esa esrechamene asocado con el supueso 4. III) Supueso relavo al MM. 8. (y,y2,y3,,yn) es una muesra ndependene. Una vez planeado el modelo formalmene, y habendo esmado sus parámeros, es necesaro verfcar que el modelo propueso es esadíscamene congruene como aproxmacón al PGI. Eso se comprueba hacendo un análss de los ocho supuesos defndos, medane las llamadas pruebas de dagnósco o de especfcacón ncorreca Véase Casson (99). Apéndce B/ 5

I EJERCICIOS RESUELTOS II EXÁMENES DE ECONOMETRÍA III EXÁMENES DE ECONOMETRÍA EMPRESARIAL IV EXÁMENES DE PRINCIPIOS DE ECONOMETRÍA

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

Más detalles

Ejercicios resueltos y exámenes

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

Más detalles

EL METODO PERT (PROGRAM EVALUATION AND REVIEW TECHNIQUE)

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

Más detalles

ANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL

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

Más detalles

7) Considere los ejercicios 2.b) y 2.c) a) Encuentre un nuevo modelo en variable de estados considerando la transformación dada por:

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

Más detalles

Pronóstico con Modelos Econométricos

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)

Más detalles

Estadística de Precios de Vivienda

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

Más detalles

Nota de Clase 5 Introducción a modelos de Data Panel: Generalidades

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

Más detalles

Santiago, CIRCULAR N. Para todas las entidades aseguradoras y reaseguradoras del segundo grupo

Santiago, CIRCULAR N. Para todas las entidades aseguradoras y reaseguradoras del segundo grupo REF.: Modfca Crcular N 2062 que nsruye respeco al raameno de recálculo de pensón, en pólzas de seguros de rena valca del D.L. N 3.500, de 1980. Sanago, CIRCULAR N Para odas las endades aseguradoras y reaseguradoras

Más detalles

Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida

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

Más detalles

Curso 2006/07. Tema 9: Modelos con retardos distribuidos (I) 9.1. Análisis de los efectos dinámicos en un modelo con retardos distribuidos

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

Más detalles

1. MODELOS DE SERIES TEMPORALES UNIECUACIONALES

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.

Más detalles

ESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO

ESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO ESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO Fabrco Morán Rugel 1, José Zúñga Basdas 2, Francsco Marro García 3 RESUMEN Después de haber analzado las écncas

Más detalles

Los esquemas de la reproduccio n de Marx

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

Más detalles

Una relación no lineal entre inflación y los medios de pago

Una relación no lineal entre inflación y los medios de pago BANCO DE LA REPUBLICA Subgerenca de Esudos Económcos Una relacón no lneal enre nflacón y los medos de pago Munr A. Jall Barney Lus Fernando Melo Velanda * Sanafé de Bogoá, Dcembre de 999 * Los resulados

Más detalles

Caracterís cas de la Metodología para calcular Rentabilidad Ajustada por Riesgo

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

Más detalles

SISTEMAS DE ECUACIONES SIMULTANEAS

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

Más detalles

Tema 5. Análisis Transitorio de Circuitos de Primer y Segundo Orden

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( )

Más detalles

4o. Encuentro. Matemáticas en todo y para todos. Uso de las distribuciones de probabilidad en la simulación de sistemas productivos

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

Más detalles

El efecto traspaso de la tasa de interés en el Perú: Un análisis a nivel de bancos ( )

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

Más detalles

2. Métodos Numéricos Aplicados a Ecuaciones Diferenciales

2. Métodos Numéricos Aplicados a Ecuaciones Diferenciales ... Méodo de Euler Haca Adelane Anexo -4. Méodos Numércos Aplcados a Ecuacones Dferencales Párase del más smple po de ecuacón dferencal ordnara, que la de po lneal de prmer orden, el clásco Problema de

Más detalles

Figura 1.1 Definición de componentes de tensiones internas.

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.

Más detalles

Cálculo y Estadística

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

Más detalles

VERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX

VERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX VERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX Rafael E. Borges P. Escuela de Esadísca, Unversdad de Los Andes, Mérda 511, Venezuela. e-mal: borgesr@ula.ve Temáca: Méodos Esadíscos en Epdemología. Resumen

Más detalles

FASCÍCULO: MATRICES Y DETERMINANTES

FASCÍCULO: MATRICES Y DETERMINANTES FSÍULO: MRIES Y DEERMINNES on el avance de la ecnología en especal con el uso de compuadoras personales, la aplcacón de los concepos de marz deermnane ha cobrado alcances sn precedenes en nuesros días.

Más detalles

Autor: Jorge Mauricio Oviedo 1

Autor: Jorge Mauricio Oviedo 1 odelos Economércos ulecuaconales de Esmacón de Demandas Auor: Jorge aurco Ovedo Resumen: En ese arículo se efecúa una revsón de los prncpales éodos Economércos para esmar ecuacones smuláneas de demanda

Más detalles

MOVIMIENTO RECTILÍNEO UNIFORMEMENTE ACELERADO

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

Más detalles

ECONOMETRÍA APLICADA I

ECONOMETRÍA APLICADA I FRANCISCO PARRA RODRÍGUEZ (Docor en Economía. Unversdad Naconal de Educacón a Dsanca) ECONOMETRÍA APLICADA I Economera Aplcada I by Francsco Parra Rodríguez s lcensed under a Creave Commons Reconocmeno-NoComercal-ComparrIgual

Más detalles

Cálculo del area de intercambio del rehervidor y del condensador.

Cálculo del area de intercambio del rehervidor y del condensador. M.M.J. Págna 1 de 16 0 Sepembre 005 Revsón (0) Cálculo del area de nercambo del rehervdor y del condensador. Rehervdor. Procedmeno de dseño: En ese rabajo se preende proporconar un procedmeno sencllo,

Más detalles

Introducción a la Teoría de Inventarios

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

Más detalles

Hay convergencia entre los países de la UE?

Hay convergencia entre los países de la UE? Hay convergenca enre los países de la UE? Marzo de 003 Mª Isael González Marínez Deparameno de Méodos Cuanavos para la Economía Faculad Economía y Empresa, Unversdad de Murca Campus Espnardo, 3000 ESPINARDO

Más detalles

Metodología de Selección y Cálculo. de Índices Bursátiles

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

Más detalles

Dinero, precios, tasa de interés y actividad económica: un modelo del caso colombiano (1984:I 2003:IV)

Dinero, precios, tasa de interés y actividad económica: un modelo del caso colombiano (1984:I 2003:IV) Dnero, precos, asa de nerés y acvdad económca: un modelo del caso colombano (984:I 23:IV) José Fernando Escobar. y Carlos Eseban osada. esumen A parr de un esquema de ofera y demanda de dnero se esmó un

Más detalles

CRÉDITO AGRICOLA. Consideraciones del producto:

CRÉDITO AGRICOLA. Consideraciones del producto: Versón: CA-5.04. CRÉDITO AGRICOLA Consderacones del produco: Son crédos que se oorgan para fnancameno de acvdades agropecuaras y se basan en la capacdad de pago de los clenes y su hsoral credco. Se conceden

Más detalles

TEMA 7 MODELO IS-LM EN ECONOMÍAS ABIERTAS

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

Más detalles

CRÉDITO PESCA. Consideraciones del producto:

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

Más detalles

Macroeconomic Effects of Fiscal Shocks in the European Union: A GVAR Model

Macroeconomic Effects of Fiscal Shocks in the European Union: A GVAR Model Unversy of Exremadura Deparmen of Economcs Macroeconomc Effecs of Fscal Shocks n he European Unon: A GVAR Model Ths verson: February 212 Alejandro RICCI RISQUETE Julán RAMAJO HERNÁNDEZ Unversdad de Exremadura

Más detalles

Tasa de desempleo de Montevideo: Raíz unitaria o cambio estructural?

Tasa de desempleo de Montevideo: Raíz unitaria o cambio estructural? Tasa de desempleo de Monevdeo: Raíz unara o cambo esrucural? na Laura adagán Juan José Goeneche Slva Rodríguez ollazo Rcardo Selves 2 Sere documenos de rabajo DT (/) Eduardo cevedo 39 Tel: 4 25 64-48 73

Más detalles

Representación VEC. Planteamiento de un sistema de ecuaciones. Esquema de retroalimentación. , pero requiere

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

Más detalles

Ondas y Rotaciones. Aplicaciones I. Jaime Feliciano Hernández Universidad Autónoma Metropolitana - Iztapalapa México, D. F. 15 de agosto de 2012

Ondas y Rotaciones. Aplicaciones I. Jaime Feliciano Hernández Universidad Autónoma Metropolitana - Iztapalapa México, D. F. 15 de agosto de 2012 Ondas y Roacones Aplcacones I Jame Felcano Hernández Unversdad Auónoma Meropolana - Izapalapa Méco, D. F. 5 de agoso de 0 INTRODUCCIÓN. En esa hoja de rabajo vamos a aplcar el conocmeno que hemos consrudo

Más detalles

El tipo de cambio real dólar-euro y el diferencial de tipos de interés real

El tipo de cambio real dólar-euro y el diferencial de tipos de interés real El po de cambo real dólar-euro y el dferencal de pos de nerés real (Versón prelmnar) Paz Rco Belda Unversdad de Valenca Faculad de Economía Avd. de los Naranjos, s/n 46022 Valenca Paz.Rco@uv.es Absrac

Más detalles

CICLO BASICO DE INGENIERIA. Aplicar los conceptos fundamentales relacionados con el algebra matricial y calculo de determinantes.

CICLO BASICO DE INGENIERIA. Aplicar los conceptos fundamentales relacionados con el algebra matricial y calculo de determinantes. REPÚLI OLIVRIN DE VENEZUEL MINISTERIO DEL PODER POPULR PR L DEFENS UNIVERSIDD NIONL EPERIMENTL DE L FUERZ RMD NÚLEO ZULI DIVISIÓN DE SERETRÍ RRER: SIGNTUR: MT - NOMRE DEL PROFESOR: ILO SIO DE INGENIERI

Más detalles

9. CIRCUITOS DE SEGUNDO ORDEN LC Y RLC

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

Más detalles

Física General 1 Proyecto PMME - Curso 2008 Instituto de Física Facultad de Ingeniería UdelaR

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

Más detalles

INTERPOLACIÓN CURVA DE TASAS DE INTERÉS

INTERPOLACIÓN CURVA DE TASAS DE INTERÉS www.quan-radng.co INTERPOLACIÓN CURVA DE TASAS DE INTERÉS El rendmeno hasa el vencmeno de un bono es una medda úl para eecos de comparacón. Sn embargo hay oras meddas que conenen mucha más normacón como

Más detalles

PRODUCTO INTERNO BRUTO TRIMESTRAL

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

Más detalles

TÉCNICAS METAHEURÍSTICAS. ALGORITMOS BASADOS EN NUBES DE PARTÍCULAS

TÉCNICAS METAHEURÍSTICAS. ALGORITMOS BASADOS EN NUBES DE PARTÍCULAS TÉCNICAS METAHEURÍSTICAS. ALGORITMOS BASADOS EN NUBES DE PARTÍCULAS 3 39 Ssema de generacón elécrca con pla de combusble de óxdo sóldo almenado con resduos foresales y su opmzacón medane algormos basados

Más detalles

+12V +12V +12V 2K 15V. Problema 2: Determinar el punto de funcionamiento del transistor MOSFET del siguiente circuito: I(mA) D

+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

Más detalles

Estadística de Precios de Suelo

Estadística de Precios de Suelo Esadísca de Precos de Suelo 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

Más detalles

Tema 3: Números índice

Tema 3: Números índice Tema : Números índce Los números ndce son ndcadores ue nos ermen ver la evolucón de una o más magnudes a ravés del emo, esaco, ec. Índce smle Dada una varable o magnud X, se defne el número índce de X

Más detalles

Determinantes de los spreads de tasas de los bonos. corporativos: revisión de la literatura

Determinantes de los spreads de tasas de los bonos. corporativos: revisión de la literatura UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS ESCUELA DE ECONOMÍA Y ADMINISTRACIÓN Deermnanes de los spreads de asas de los bonos corporavos: revsón de la leraura SEMINARIO PARA

Más detalles

Desequilibrios Nominales y Reales del Tipo de Cambio en Colombia 1

Desequilibrios Nominales y Reales del Tipo de Cambio en Colombia 1 Desequlbros Nomnales y Reales del Tpo de Cambo en Colomba Hugo Olveros C. Carlos Hueras C. Resumen La esmacón de los desequlbros nomnales y reales del po de cambo en Colomba es abordada en ese documeno

Más detalles

EJERCICIOS: Análisis de circuitos en el dominio del tiempo

EJERCICIOS: Análisis de circuitos en el dominio del tiempo EJEIIOS: Análss de crcuos en el domno del empo. égmen ransoro y permanene. En cada uno de los sguenes crcuos el nerrupor ha esado abero largo empo. Se cerra en. Deermnar o I, dbujar la onda correspondene

Más detalles

Tema 2 Circuitos Dinámicos de Primer Orden

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

Más detalles

Determinación Experimental de la Distribución de Tiempos de Residencia en un Estanque Agitado con Pulpa

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

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Inferencia en Regresión Lineal Simple

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

Más detalles

Séptimas Jornadas de Economía Monetaria e Internacional La Plata, 9 y 10 de mayo de 2002

Séptimas Jornadas de Economía Monetaria e Internacional La Plata, 9 y 10 de mayo de 2002 Unversdad Naconal de a Plaa Sépas Jornadas de Econoía Moneara e Inernaconal a Plaa, 9 y de ayo de 22 Un Análss Econoérco del Efeco de la Políca Moneara en Argenna Urera, Gasón Ezequel (Unversdad Epresaral

Más detalles

Tema 8: Heteroscedasticidad

Tema 8: Heteroscedasticidad Tema 8: Heteroscedastcdad Máxmo Camacho Máxmo Camacho Econometría I - ADE+D / - Tema 8 Heteroscedastcdad Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema : El modelo de regresón

Más detalles

Índice de diapositivas en Tr2009_10_Ciclos.doc

Índice de diapositivas en Tr2009_10_Ciclos.doc Deparameno de conomía, Faculad de encas Socales, nversdad de la epúblca, ruguay Maesría en conomía Inernaconal 9. Macroeconomía. Alvaro Foreza Índce de daposvas en Tr9 clos.doc clos.... Los hechos... 3.

Más detalles

Función Financiera 12/03/2012

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

Más detalles

Tema 4. Condensadores y Bobinas

Tema 4. Condensadores y Bobinas Tema 4. ondensadores y Bobnas 4. Inroduccón 4. ondensadores 4.3 Energía almacenada en un condensador 4.4 Asocacón de condensadores 4.5 Bobnas 4.6 Energía almacenada en una bobna 4.7 Asocacón de bobnas

Más detalles

Evaluación de posturas estáticas: el método WR

Evaluación de posturas estáticas: el método WR Año: 9 47 Evaluacón de posuras esácas: el méodo WR Evaluaon of sac orkng posures: WR mehod L évaluaon des posures de raval saques: le méhode WR Alfredo Álvarez Ingenero ndusral CENTRO NACIONAL DE CONDICIONES

Más detalles

DOCUMENTO DE TRABAJO. www.economia.puc.cl

DOCUMENTO DE TRABAJO. www.economia.puc.cl Insuo I N S T Ide T Economía U T O D E E C O N O M Í A T E S I S d e M A G Í S T E R DOCUMENTO DE TRABAJO ¾¼¼ Ê Ð Ò ÒØÖ Ð ÈÖ Ó Ð È ØÖ Ð Ó Ý ÐÓ Ê ØÓÖÒÓ Ð ÓÒ ÐÓ Ø ÒØÓ Ë ØÓÖ ÓÒ Ñ Ó Ð ÒÓ Æ Ø Ð Á Ð ÐÐ Ö Ó Ë

Más detalles

5. Los sistemas de pensiones y el ahorro nacional

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.

Más detalles

El signo negativo indica que la fem inducida es una E que se opone al cambio de la corriente.

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

Más detalles

Estimación de una frontera de eficiencia técnica en el mercado de seguros uruguayo

Estimación de una frontera de eficiencia técnica en el mercado de seguros uruguayo Esmacón de una fronera de efcenca écnca en el mercado de seguros uruguao Faculad de Cencas Económcas de Admnsracón Unversdad de la Repúblca María Eugena Sann Fernando Zme Tel.: 598 709578 Tel.: 598 70008

Más detalles

NORMAS PARA LA CONSTITUCIÓN DE PREVISIONES PARA RIESGOS CREDITICIOS

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

Más detalles

INTRODUCCIÓN A LOS MODELOS AUTORREGRESIVOS CON HETEROCEDASTICIDAD CONDICIONAL (ARCH)

INTRODUCCIÓN A LOS MODELOS AUTORREGRESIVOS CON HETEROCEDASTICIDAD CONDICIONAL (ARCH) INTRODUCCIÓN A LOS MODLOS AUTORRGRSIVOS CON HTROCDASTICIDAD CONDICIONAL ARCH Rafael de Arce I.L.Klen, dcembre de 998 se documeno de rabajo se realza de cara faclar la comprensón del Programa de Docorado

Más detalles

Tema 4. Condensadores y Bobinas

Tema 4. Condensadores y Bobinas Tema 4. ondensadores y obnas 4. Inroduccón 4. ondensadores 4. Energía almacenada en un condensador 4.4 socacón de condensadores 4. obnas 4.6 Energía almacenada en una bobna 4.7 socacón de bobnas ( E r

Más detalles

Determinantes de largo plazo del tipo de cambio real en América Latina.

Determinantes de largo plazo del tipo de cambio real en América Latina. Deermnanes de largo plazo del po de cambo real en Amérca Lana. Jorge Carrera 1 y Roman Resou 2.. 31 de agoso 2007. Absrac hs paper nvesgaes he long run behavor of real exchange raes (RER) n weny one counres

Más detalles

PREDICCIÓN DE VOLATILIDAD CON LOS ÍNDICES DE VOLATILIDAD VIX Y VDAX

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

Más detalles

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

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

Más detalles

Ser keynesiano en el corto plazo y clásico en el largo plazo*

Ser keynesiano en el corto plazo y clásico en el largo plazo* Ser keynesano en el coro plazo y clásco en el largo plazo* Gérard Duménl** y Domnque Lévy*** Inroduccón * Traducdo por Davd A. Turpn jr., Deparameno de Economía de la UAM-A. ** CE: gerard. dumenl@u-pars0.fr

Más detalles

Algoritmos para la determinación de soluciones en problemas de programación por metas fraccionales. XVII Jornadas ASEPUMA V Encuentro Internacional

Algoritmos para la determinación de soluciones en problemas de programación por metas fraccionales. XVII Jornadas ASEPUMA V Encuentro Internacional Algormos para la deermnacón de solucones en problemas de programacón por meas fracconales. Algormos para la deermnacón de solucones en problemas de programacón por meas fracconales. Caballero Fernández,

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

Tema 4: Variables aleatorias

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

Más detalles

Índice de Precios de Consumo. Base 2001

Índice de Precios de Consumo. Base 2001 Índce de Precos de Consumo. Base 20 Meodología (borrador) Índce. nroduccón 2. Defncón del ndcador 3. Ámbos del ndcador 3..- Ámbo emporal 3...- Perodo base 3..2.- Perodo de referenca de los precos 3..3.-

Más detalles

1. CONCEPTOS FUNDAMENTALES Magnitudes eléctricas y unidades 1.2. Componentes, dispositivos y circuitos 1.3. Señales 1.4. Leyes de Kirchhoff

1. CONCEPTOS FUNDAMENTALES Magnitudes eléctricas y unidades 1.2. Componentes, dispositivos y circuitos 1.3. Señales 1.4. Leyes de Kirchhoff Concepos fundamenales Índce CONCEPOS FUNDMENLES Magnudes elécrcas y undades Componenes, dsposos y crcuos 3 Señales 4 Leyes de Krchhoff Concepos fundamenales Magnudes elécrcas y undades Magnud es una propedad

Más detalles

METODOLOGÍA PARA EL CÁLCULO DEL ÍNDICE COLCAP

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

Más detalles

Mecanismos de palanca. Apuntes.

Mecanismos de palanca. Apuntes. Mecansmos de palanca. Apunes. Oreses González Qunero Deparameno de Ingenería Mecánca Faculad de de Ingenerías Químca y Mecánca 2007 1 1.- Inroduccón. El análss de los mecansmos y máqunas ene por objevo

Más detalles

Consideraciones generales sobre dinámica estructural

Consideraciones generales sobre dinámica estructural Capíulo Consderacones generales sobre dnámca esrucural Inroduccón El obeo de la dnámca esrucural es el análss de esrucuras bao cargas dnámcas, es decr cargas que varían en el empo. Aunque la mayoría de

Más detalles

PRESENTE, PEDAGOGIA Y FUTURO DE LA ECONOMETRIA *

PRESENTE, PEDAGOGIA Y FUTURO DE LA ECONOMETRIA * PRESENTE, PEDAGOGIA Y FUTURO DE LA ECONOMETRIA * Carlos E Casellar P. ** 1. INTRODUCCION La enseñanza de la Economería en odos los deparamenos de Economía ha enfrenado una secular dscusón: donde comenzar?

Más detalles

ESTRUCTURA DE LAS SIMILARIDADES

ESTRUCTURA DE LAS SIMILARIDADES ESTRUCTURA DE LAS SIMILARIDADES Ramón Gonzalez del Campo Lus Garmenda 2 Jord Recasens 3 SIC. Faculad de Informáca, rgonzale@esad.ucm.es 2 DISIA. Faculad de Informáca. UCM, lgarmend@fd.ucm.es 3 Unversa

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

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

Más detalles

Términos y Condiciones Generales de Contratación del Contrato de Futuro del Dólar de los Estados Unidos de América (Entrega en Especie)

Términos y Condiciones Generales de Contratación del Contrato de Futuro del Dólar de los Estados Unidos de América (Entrega en Especie) Acualzadas al 12 de sepembre de 2012 Térmnos y Condcones Generales de Conraacón del Conrao de Fuuro del Dólar de los Esados Undos de Amérca (Enrega en Espece) I. OBJETO. 1. Acvo Subyacene. Dólar: moneda

Más detalles

LA MODELIZACIÓN DE PROCESOS

LA MODELIZACIÓN DE PROCESOS L MODELIZIÓN DE ROESOS En ese capíulo, se presena una meodología en desarrollo para modelos dnámcos de procesos químcos. Después de esudar ese capíulo, el esudane debería ser capaz de: Escrbr las ecuacones

Más detalles

UNIDAD VII Predicción En Modelos No Lineales

UNIDAD VII Predicción En Modelos No Lineales UNIDAD VII Predccón En Modelos No Lneales UNIDAD VII La Cenca es necesara cuando se planfca el fuuro. S el fuuro depende del azar, la cenca no ene sendo Vcor Garca Gonzales, 99 Cuáles son las aplcacones

Más detalles

LA TEORÍA DE EXPECTATIVAS RACIONALES DE LA ESTRUCTURA TEMPORAL DE TASAS DE INTERÉS Y EL VALOR DE LA OPCIÓN DE POSPONER INVERSIÓN. Gabriel Sod Hoffs 1

LA TEORÍA DE EXPECTATIVAS RACIONALES DE LA ESTRUCTURA TEMPORAL DE TASAS DE INTERÉS Y EL VALOR DE LA OPCIÓN DE POSPONER INVERSIÓN. Gabriel Sod Hoffs 1 LA EORÍA DE EXPECAIVAS RACIONALES DE LA ESRUCURA EMPORAL DE ASAS DE INERÉS Y EL VALOR DE LA OPCIÓN DE POSPONER INVERSIÓN Gabrel Sod Hoffs Documeno de Invesgacón No. 9508 Agoso, 995 El auor es canddao a

Más detalles

Héctor Maletta. Análisis de panel con variables categóricas

Héctor Maletta. Análisis de panel con variables categóricas Hécor Malea Análss de panel con varables caegórcas Buenos Ares, 2012 CONTENIDO 1. Inroduccón al análss de panel... 1 1.1. El desarrollo hsórco del análss de panel... 1 1.2. El prsma de daos... 3 1.3. Clasfcacón

Más detalles

ANÁLISIS DE LOS CAMBIOS EN LA PARTICIPACIÓN LABORAL FEMENINA EN CHILE. Evelyn Benvin y Marcela Perticará ƒ. Resumen

ANÁLISIS DE LOS CAMBIOS EN LA PARTICIPACIÓN LABORAL FEMENINA EN CHILE. Evelyn Benvin y Marcela Perticará ƒ. Resumen ANÁLISIS DE LOS CAMBIOS EN LA PARTICIPACIÓN LABORAL EMENINA EN CHILE Evelyn Benvn y Marcela Percará ƒ Esa versón: Marzo 2007 Resumen En ese rabajo hemos aplcado écncas de descomposcón mcroeconomércas con

Más detalles

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

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

Más detalles

Productos derivados sobre bienes de consumo

Productos derivados sobre bienes de consumo Producos dervados sobre benes de consumo Francsco Venegas Marínez, Salvador Cruz Ake n Resumen: Ese rabajo de nvesgacón desarrolla un modelo de equlbro general con expecavas raconales en empo connuo úl

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

Model for the currency management s improvement of the Central Bank of Ecuador

Model for the currency management s improvement of the Central Bank of Ecuador MPRA Munch Personal RePEc Archve Model for he currency managemen s mprovemen of he Cenral Bank of Ecuador Agular, Juan Francsco CENTRAL BANK OF ECUADOR 02. Ocober 2009 Onlne a hp://mpra.ub.un-muenchen.de/8065/

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

Distorsiones creadas por la regulación colombiana: El Asset Swap Spread como proxy del Credit Default Swap en el mercado local.

Distorsiones creadas por la regulación colombiana: El Asset Swap Spread como proxy del Credit Default Swap en el mercado local. Dsorsones creadas por la regulacón colombana: El Asse Swap Spread como proxy del Cred Defaul Swap en el mercado local. Andrés Gómez Caegoría Lbre Dsorsones creadas por la regulacón colombana: El Asse Swap

Más detalles

Recuperación de la Información

Recuperación de la Información ssema de recuperacón de nformacón Recuperacón de la Informacón consula documenos mach Documenos Concepos Báscos relevane? ssema de recuperacón de nformacón palabras clave ndexado Las palabras clave (keywords)

Más detalles

Ilustración 1.1 Esquema del flujo sobre rugosidad

Ilustración 1.1 Esquema del flujo sobre rugosidad Concepos eórcos Ecuacones de Conservacón. Ecuacones de conservacón: La solucón de los problemas de hdráulca se basa en la resolucón de las ecuacones de Naver-Sokes, que son las de conservacón de momeno

Más detalles

Texturas Dinámicas y Segmentación

Texturas Dinámicas y Segmentación Deparameno de Compuacón Faculad de Cencas Exacas y Naurales Unversdad de Buenos Ares Tess de Lcencaura Texuras Dnámcas y Segmenacón Juan Manuel Rodríguez Drecora: Mara E. Mejal Buenos Ares, 23 de Marzo

Más detalles