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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

Transcripción

1 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8

2 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura RESUMEN E este esayo se preseta y aalza el coefcete de correlacó, ua herrameta estadístca elemetal e mportate para el estudo ecoométrco de relacoes leales bvaradas que volucra el uso de datos de corte trasversal o seres de tempo. E partcular, se aalza su relacó co las deomadas correlacoes espúreas o s setdo. Asmsmo, se muestra aplcacoes utlzado datos para la ecoomía peruaa. ABSTRACT A mportat statstcal tool for the ecoometrc study of lear bvarate relatoshp that volves the use of cross-secto or tme seres data s preseted ad aalyzed ths essay: the correlato coeffcet. I partcular, ts relatoshp wth spurous or o-sese correlatos s aalyzed. Lkewse, emprcal applcatos based o Peruva data are show.

3 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura. INTRODUCCIÓN La Ecoometría es el campo de la ecoomía que se ocupa de la medcó empírca (estmacó, fereca y predccó) de las relacoes etre varables que establece la teoría ecoómca, a través de la aplcacó de métodos estadístcos, matemátcos y computacoales. El propósto fudametal es proporcoar cotedo empírco a las relacoes teórcas. Ua maera elemetal de llevar a cabo este propósto cosste e aalzar relacoes etre dos varables. S be es certo exste muchas relacoes ecoómcas de aturaleza o leal y/o que volucra más de dos varables (relacoes multvaradas), exste otras relacoes relevates leales y bvaradas. Como prmer ejemplo, cosdérese el modelo clásco de demada por dero real, que relacoa lealmete la demada por dero y el greso reales a través de la sguete ecuacó: M P t β + β t (.) dode β > y β >. S se asume que la demada por dero real (M/P) y el greso real () puede ser represetados por las seres de tempo crculate real y PBI real 3 meddas 3 Este esayo forma parte de uo de los capítulos del lbro Ecoometría Básca: Teoría y Aplcacoes que actualmete se ecuetra e elaboracó. Profesor del Departameto de Ecoomía de la Potfca Uversdad Católca del Perú y del Departameto de Cecas - Seccó Matemátcas. El autor agradece el apoyo de Magrth Mea, Aa M. Whttembury y Mauel Barró por su efcete labor como asstetes de vestgacó. Asmsmo, agradece a Gsella Chag, Krsta López, Julo Vllavceco, Lus Orezzol, Martí Tello, Carla Murguía, Carole Postgo, Dota Rodrguez y al arbtro aómo, por sus valosos cometaros y sugerecas. Más adelate se detallará la forma de obteer cada uo de estos datos. 3

4 mesualmete, se obtee el sguete gráfco que muestra la evolucó de los valores de cada ua de ellas (eje vertcal) etre eero de 993 y dcembre de (eje horzotal): Fgura : Gráfco del Crculate y PBI reales (eero993-dcembre ) Crculate Real (logs) PBI Real (logs) La fgura muestra que tato el crculate como el PBI real tede a crecer a lo largo del período estudado; es decr, crece co el tempo. Esta formacó, s be es útl, o es sufcete para dar susteto empírco al modelo teórco de demada por dero plateado: o es posble saber exactamete que ta fuerte es la relacó etre la demada por dero y el greso reales. Como segudo ejemplo, cosdérese u modelo de cosumo de tpo keyesao co el que se teta explcar el cosumo de u grupo de famlas represetatvas de ua regó para u año determado: C β + β (.) dode β >, < β <, C es el cosumo de la -ésma famla e el greso de la - ésma famla. La fgura muestra el comportameto de las catdades de cosumo e greso reales (eje vertcal) para observacoes geeradas artfcalmete (eje horzotal), que costtuye datos de corte trasversal: 4

5 Fgura : Gráfco del Cosumo e Igreso ( observacoes) CONSUMO INGRESO E este caso, a dfereca del modelo de demada por dero real, las seres o preseta ua tedeca clara a crecer o decrecer, so más be parece revertr a u valor promedo costate a lo largo de todas las observacoes. De este modo, o es posble coclur fáclmete a partr del gráfco s las seres se mueve jutas, e el msmo setdo o e setdos opuestos. De esta maera, tato e el cotexto del modelo de demada por dero (seres de tempo) como e el modelo de cosumo (corte trasversal), se hace ecesaro u strumeto que permta determar la fuerza y el setdo de la posble relacó leal exstete etre los pares de varables mecoados. Éste se deoma coefcete de correlacó. 4 El coefcete de correlacó es ua herrameta estadístca elemetal e mportate para el estudo ecoométrco de relacoes leales bvaradas que volucra el uso de datos de corte trasversal o seres de tempo. S embargo, este strumeto puede fallar e alguas ocasoes al sugerr la preseca de ua relacó estadístcamete sgfcatva etre dos varables que e verdad o tee setdo o o posee relacó leal algua, es decr, que preseta ua correlacó espúrea. 4 El coefcete de correlacó es solamete uo de los estadístcos que exste para medr el grado de asocacó etre varables, lo cual depede de la clase de varables aalzadas (categórca, cotua, etc.). Ua refereca más ampla de los dversos estadístcos exstetes es Lebetrau (983). 5

6 E este esayo se aalza el coefcete de correlacó y su relacó co las deomadas correlacoes espúreas o s setdo. E la seccó se exama estadístcamete el coefcete de correlacó. E la seccó 3 se defe el problema de correlacoes espúreas o s setdo. E la seccó 4 se dscute la preseca de correlacoes espúreas e u cotexto de corte trasversal. E la seccó 5 se aalza la preseca de correlacoes espúreas e u cotexto de seres de tempo. Falmete, e la seccó 6 se preseta aplcacoes utlzado datos de la ecoomía peruaa.. EL COEFICIENTE DE CORRELACION El coefcete de correlacó es u estadístco que proporcoa formacó sobre la relacó leal exstete etre dos varables cualesquera. Báscamete, esta formacó se refere a dos característcas de la relacó leal: la dreccó o setdo y la cercaía o fuerza. Es mportate otar que el uso del coefcete de correlacó sólo tee setdo s la relacó bvarada a aalzar es del tpo leal. S ésta o fuera o leal, el coefcete de correlacó sólo dcaría la auseca de ua relacó leal más o la auseca de relacó algua. Debdo a esto, muchas veces el coefcete de correlacó se defe - de maera más geeral - como u strumeto estadístco que mde el grado de asocacó leal etre dos varables... Desvacoes y gráfco de dspersó Sea ua muestra de observacoes o muestra de tamaño para dos varables e, deotada por: M [(, ),(, ), K (, )] (.) dode cada par ( ) represeta los valores de cada varable para la -ésma observacó,, co,, K,. Asmsmo, sea la -ésma observacó de la varable y el valor promedo de las observacoes de la msma. Co esto, se defe la desvacó de la -ésma observacó de la varable respecto de su valor promedo observado, o smplemete desvacó de, como: 6

7 x (.) La varable x puede tomar valores postvos o egatvos depededo del valor de cada observacó, es decr, s es mayor o meor que el valor promedo observado. Cuado x > se dce que la desvacó de la varable es postva, metras que s x < se dce que la desvacó es egatva. De maera aáloga, se defe la desvacó de como: y (.3) De esta forma, es posble escrbr la muestra e térmos de desvacoes como: m [( x, y),( x, y ), K,( x, y )] (.4) El gráfco de todos los pares de observacoes ( ) e el plao - se deoma gráfco de dspersó. La Fgura a represeta el gráfco de dspersó de las varables e para observacoes. El plao se ha dvddo e cuatro cuadrates determados por el puto O, el cual represeta el par ordeado de los valores promedos de las observacoes de, las varables e, (, ). Nótese que los valores promedo o ecesaramete so observacoes de la muestra, so smplemete u par ordeado que srve como refereca. x > A y > O y + + < + B x + + < + Fgura a: Desvacoes de e e la msma dreccó. 7

8 El puto A, stuado e el prmer cuadrate de la Fgura a, represeta los valores de las varables e correspodetes a la -ésma observacó de la muestra. E este puto, el valor de cada varable es mayor que sus correspodetes valores promedos, es decr, las desvacoes de ambas varables so postvas. De esta forma, las varables e varía cojutamete y e el msmo setdo, es decr, covaría postvamete. E este caso, se dce que exste ua relacó leal y postva etre ambas varables. El puto B, stuado e el tercer cuadrate de la Fgura a, represeta los valores de las varables e correspodetes la (+)-ésma observacó de la muestra. E este puto, las desvacoes de ambas varables so egatvas. Así, se tee que e varía cojutamete y e el msmo setdo, es decr, covaría postvamete. E este caso, se dce que u puto como B mplca la exsteca de ua relacó leal y postva etre estas varables. S la relacó etre las varables e estuvera represetada sólo por las dos observacoes de la Fgura a (putos A y B), se dce que la relacó etre estas varables es leal y postva o que las varables covaría postvamete. + y + + > x+ + < C +3 x D > y < Fgura b: Desvacoes de e e dreccoes opuestas. 8

9 El puto C, stuado e el segudo cuadrate de la Fgura b, represeta los valores de las varables e correspodetes a la (+)-ésma observacó de la muestra. E este puto, las desvacó de es egatva y la desvacó de es postva. Así, las varables e varía cojutamete y e setdos opuestos; es decr, covaría egatvamete. E este caso, se dce que exste ua relacó leal egatva etre ambas varables. El puto D, stuado e el cuarto cuadrate de la Fgura b, represeta los valores de e correspodetes a la (+3)-ésma observacó de la muestra. De maera aáloga al caso ateror, el aálss de los sgos de las desvacoes permte afrmar que exste ua relacó leal egatva etre e. S las varables e está represetadas sólo por las dos observacoes de la Fgura (putos C y D), etoces la relacó etre estas varables sería leal y egatva. Para el caso de u gráfco e el cual las varables e estuvera represetadas por cuatro observacoes guales a los putos A, B, C y D, tales que las desvacoes postvas y egatvas se compesara etre sí, etoces se cocluye que o exste relacó leal etre las varables... La Covaraza Muestral S los pares de observacoes se ubcara e el prmer y tercer cuadrate (es decr, s la relacó etre e fuera postva), la multplcacó de sus desvacoes, x y, tedría sgo postvo. Por lo tato, la suma de las desvacoes també sería postva: x >, (.5) y De esta forma, el sgo de (.5) dcaría que la dreccó o setdo de la relacó es postva. S se trazara ua líea tal que represete aproxmadamete la dstrbucó de los pares ordeados, el sgo de (.5) dcaría el sgo de la pedete de esa líea, como se muestra e Fgura 3. 9

10 Fgura 3: Relacó leal y postva etre las varables e. A través de u aálss aálogo al ateror, se tee que s los pares de observacoes se ubcara e el segudo y cuarto cuadrate (es decr, s la relacó leal etre las varables e fuera egatva), tedríamos: x < (.6) y S las observacoes de las varables se ubcara e los cuatro cuadrates de maera smétrca respecto de sus valores promedos (es decr, s o exstera relacó leal algua etre las varables), la suma del producto de cada par de desvacoes tomaría valores postvos o egatvos muy cercaos a cero: x (.7) y

11 Dadas las desgualdades (.5), (.6) y (.7) y ua muestra de + observacoes para u par de varables e cuyo gráfco de dspersó costa de prmer y tercer cuadrate: putos ubcados e el x y > y putos ubcados e el segudo y cuarto cuadrate: x y < es posble establecer las sguetes afrmacoes: () S los putos ubcados e el prmer y tercer cuadrate so más mportates que los ubcados e el segudo y cuarto cuadrate, es decr: x y x y > o equvaletemete: x y + x y > etoces la relacó leal predomate etre las varables es postva. E este caso, se dce que las varables e covaría leal y postvamete. () S los putos ubcados e el segudo y cuarto cuadrate so más mportates que los ubcados e el prmer y tercer cuadrate, es decr: x y x y <

12 o equvaletemete: x y + x y < etoces la relacó leal predomate etre las varables es egatva. E este caso, se dce que las varables e covaría leal y egatvamete. (3) S los putos ubcados e el segudo y cuarto cuadrate so ta mportates como los ubcados e el prmer y tercer cuadrate, es decr, s: x y x y o equvaletemete: x y + x y etoces o predoma gú tpo de relacó leal etre las varables; es decr, o covaría lealmete. S embargo, esto últmo o mplca que o pueda exstr algú tpo de relacó o leal etre las varables.

13 Estas tres afrmacoes se resume e la Fgura 4: RELACIÓN LINEAL POSITIVA RELACIÓN LINEAL NEGATIVA RELACIÓN LINEAL NULA RELACIÓN NO LINEAL Fgura 4: Relacoes Leales y No Leales S el úmero de observacoes, o tamaño de muestra, fuera muy grade y s las varables presetara algú tpo de comovmeto leal (postvo o egatvo), la expresó crecería co el tamaño de muestra. Debdo a esto, es mejor promedar cosderado la formacó que proporcoa cada desvacó, obteédose de esta maera el estadístco coocdo como covaraza muestral: x y x y 3

14 Cov(, ) ( )( ) x y (.8) El promedo de la suma de desvacoes se obtee a través de u factor gual a (-) porque basta co la formacó (valor) de las prmeras - desvacoes para coocer la formacó (valor) corporada e la últma desvacó. Por ejemplo, s fuera gual a : ( + ) Etoces, bastaría co coocer la prmera desvacó (el valor de y ) para coocer el valor de. Dado que (.8) depede de x y, el aálss precedete mplca que la covaraza muestral permte detfcar la dreccó o setdo de la relacó leal etre las varables, a través de su sgo. Esta es la úca formacó relevate que proporcoa la covaraza muestral para el aálss de la relacó etre dos varables..3. El coefcete de correlacó Itutvamete, la fuerza o cercaía de la relacó etre dos varables podría medrse a través de la covaraza muestral: metras más grade sea el valor de la covaraza muestral, más fuerte será la relacó etre las varables. S embargo, los valores que puede tomar la covaraza muestral depede de las udades de medda de las varables volucradas, lo cual podría coducr a terpretacoes equvocadas acerca de la fuerza de la relacó. Para lustrar este problema, cosdérese las varables tasa de terés actva e tasa de terés pasva, para las cuales se cueta co ua muestra fctca de observacoes: M [(,5);(,);(3,5);(4,);(5,5);(6,3);(7,35);(8,4);(9,45);(,5)] dode las varables está expresadas como porcetajes e la escala del al (por ejemplo, represeta por ceto ). La covaraza muestral etre e, dados estos valores muestrales, es gual a: Cov (, ) 4,5 4

15 Este resultado dca que exste ua relacó leal postva etre la tasa de terés actva y pasva. S se dvde todos los valores de la muestra por, se obtee la sguete muestra: M ' [(, ;,6 ;,5);(,;,);(,3 ;,5);(,4;,);(,5 ;,5),,3);(,7 ;,35);(,8 ;,4);(,9 ;,45);(, ;,5)] dode las varables está expresadas como porcetajes e la escala del al (por ejemplo,, represeta por ceto ). E este caso, la covaraza muestral etre e, dados estos valores muestrales, es gual a: Cov (, ),45 Este resultado cofrma que la relacó etre las tasas de terés actva y pasva es postva. Así, el setdo de ua relacó leal meddo por la covaraza muestral es varate a cambos e las udades de medda. S embargo, luego de reducr la escala de las varables, el valor de la covaraza dsmuye (se hace práctcamete cero) respecto del caso orgal. De esta forma, s se utlzara el valor absoluto de la covaraza para medr la fuerza de la relacó leal etre las varables, se podría obteer coclusoes equvocadas: e el prmer caso se afrmaría que la relacó es muy fuerte, metras que e el segudo caso que la relacó es muy débl, lo cual es cosstete pues se está aalzado la msma relacó e ambos casos. Así, la fuerza de ua relacó leal medda por la covaraza muestral es sesble a cambos e las udades de medda 5. Para obteer u dcador de la fuerza de la relacó leal etre dos varables que o depeda de las udades de medda de las msmas, se deberá expresar las desvacoes e udades de desvacó estádar. La covaraza muestral estadarzada se deoma coefcete de correlacó muestral, y se deota usualmete como r: x y Corr(, ) r (.9) S S 5 La demostracó matemátca de este resultado se muestra e el apédce (demostracó ). 5

16 dode: x S (.9) y S (.9) Es fácl observar que el coefcete de correlacó muestral o es otra cosa que el cocete etre la covaraza muestral y los desvíos estádar muestrales de cada varable: S S Cov r ), ( (.) Alteratvamete, el coefcete de correlacó puede ser expresado como: y x y x r (.) r (.).4. Iterpretacó del Coefcete de Correlacó El coefcete de correlacó muestral, además de ser depedete de las udades de medda de las varables, se caracterza por tomar valores detro del tervalo cerrado [-,] 6 : r 6 La demostracó matemátca se preseta e el apédce (demostracó ). 6

17 o equvaletemete: r La terpretacó del coefcete de correlacó muestral depede del valor y del sgo que tome y de las característcas de la muestra aalzada. Para los propóstos del presete esayo, se asume que el úmero de observacoes de la muestra (tamaño de muestra), es tal que la muestra es represetatva: preseta las msmas característcas de la poblacó. De esta maera, las coclusoes que pueda extraerse a partr del aálss del coefcete de correlacó será váldas para la relacó poblacoal. A partr de la expresó (.9), dado que S y S solamete puede tomar valores o egatvos, se tee que el sgo del coefcete de correlacó muestral depederá del sgo de la suma del producto de todas las desvacoes, x y. Así, el sgo de r dca la dreccó de la relacó leal (al gual que la covaraza muestral): valores postvos dca ua relacó drecta y valores egatvos ua relacó versa etre las varables volucradas. Por otro lado, el valor absoluto del coefcete de correlacó dca la fuerza de la relacó leal. U coefcete de correlacó muy cercao a uo e valor absoluto dca que la relacó etre las varables es muy fuerte, metras que s es muy cercao a cero, dca que la relacó es muy débl. El cuadro muestra las posbles terpretacoes del coefcete de correlacó muestral. Cuadro : Iterpretacó del Coefcete de Correlacó Muestral VALOR DEL COEFICIENTE < r < y r < r < y r INTERPRETACIÓN relacó leal postva y fuerte. relacó leal postva y débl. r o exste relacó leal. < r < y r relacó leal egatva y fuerte. < r < y r relacó leal egatva y débl. 7

18 El coefcete de correlacó muestral, a dfereca de la covaraza muestral, o solamete mde el setdo de la relacó etre las varables so també la fuerza de la relacó leal o grado de asocacó leal. La fgura 5 relacoa el grado de asocacó leal co dversos valores del coefcete de correlacó muestral r. r r r.95 r Fgura 5: Coefcete de Correlacó Muestral y Grado de Asocacó Leal Es mportate observar que u coefcete de correlacó bajo o sgfca que o exste relacó algua etre las varables, so smplemete que o exste relacó leal etre ellas. A partr del aálss precedete sobre las desvacoes muestrales de las varables, se puede coclur que s la relacó es o leal, la expresó x y puede teer u valor muy cercao a cero, lo cual mplca que el coefcete de correlacó muestral r també tedrá u valor muy cercao a cero. Así, el coefcete de correlacó muestral o 8

19 proporcoa formacó adecuada sobre la exsteca de ua relacó o leal etre dos varables. Como ota adcoal, es mportate saber que el coefcete de correlacó o proporcoa formacó sobre la causaldad etre las seres. Lo úco que permte detfcar es co-movmetos sgfcatvos. Exste pruebas estadístcas que permte determar e certa medda la causaldad etre varables, como por ejemplo la prueba de causaldad a la Grager (969). S embargo, a este vel básco de ecoometría la úca forma de determar causaldad será a través de la teoría ecoómca..5. Uso del coefcete de correlacó: U modelo smulado Para falzar, cosdérese el caso de la relacó etre el cosumo y el greso de ua muestra smulada de famlas represetatvas de ua regó, que se presetó e la seccó. La smulacó se realzó de tal forma que exsta ua relacó leal sgfcatva etre el cosumo y el greso, como se muestra e la Fgura 6. 4 CONSUMO INGRESO Fgura 6: Gráfco de Dspersó etre Cosumo e Igreso Al aplcar la fórmula (.), se obtee u coefcete de correlacó gual a.99, de dode se deduce que exste ua fuerte relacó leal postva etre el cosumo y el greso. Usualmete, los paquetes ecoométrcos permte mostrar el coefcete de correlacó a 9

20 través de ua matrz de correlacoes, dode los elemetos de la dagoal so sempre guales a (pues muestra la correlacó etre cada varable cosgo msma) y los que está fuera de la dagoal mde la correlacó etre cada par de varables. Matrz de Correlacoes: Cosumo e Igreso INGRESO CONSUMO INGRESO CONSUMO CORRELACIONES ESPÚREAS E esta seccó, se defe el cocepto de correlacó espúrea. Además, se preseta las característcas más mportates que puede presetar los datos empírcos utlzados para represetar las varables ecoómcas, las cuales será elemetos mportates para aalzar las causas de la preseca de correlacoes espúreas 3.. Defcó de Correlacoes Espúreas El coefcete de correlacó muestral permte establecer estadístcamete el grado de asocacó leal etre dos varables a partr de ua muestra o cojuto de observacoes represetatvas para cada ua de ellas. Esto sgfca que el coefcete de correlacó permte establecer la fuerza y el setdo de ua posble relacó leal etre dos varables, a partr de ua muestra represetatva. S embargo, muchas veces es posble ecotrar u elevado coefcete de correlacó etre dos varables que o tee relacó algua, es decr, varables que o preseta relacó justfcada a través de algua teoría específca (bología, astroomía, ecoomía, etre otras). Cuado sucede esto, se dce que la correlacó estadístca exstete etre estas varables es ua correlacó espúrea o s setdo. De esta forma, es posble hablar de correlacó espúrea etre varables relacoadas a la ecoomía, a la bología, a la astroomía, etre otras.

21 Formalmete, se dce que u alto coefcete de correlacó etre dos varables es espúreo s éste se explca por la preseca de u tercer factor y o debdo a la exsteca de ua relacó co setdo etre las varables aalzadas. E este caso, la correlacó estadístcamete sgfcatva etre las varables es ua correlacó espúrea o s setdo. Karl Pearso (897) fue el prmero e utlzar el térmo correlacó espúrea para lustrar el orge de ua correlacó s setdo etre ratos, a través del sguete caso. Cosdérese u grupo de esqueletos que so desarmados e cada uo de sus huesos compoetes y que se vuelve a armar uos uevos utlzado huesos elegdos aleatoramete de los dsttos esqueletos orgales. S para verfcar que los huesos de cada uevo esqueleto correspode al msmo dvduo (lo cual o es certo), se correlacoa la logtud de varos huesos de cada uevo esqueleto dvddos por la logtud del uevo esqueleto al cual perteece, se obtee u coefcete de correlacó muy alto y estadístcamete sgfcatvo. S be es certo este resultado sugere que los huesos de cada esqueleto aalzado (los uevos esqueletos) correspode a los msmos dvduos, esta o es ua coclusó certa. E este caso, se dce que exste ua correlacó espúrea pues la alta correlacó se explca por la preseca de u tercer compoete: la dvsó de la logtud de los huesos que se correlacoaba por la logtud de cada uevo esqueleto al cual perteece. Este caso será estudado e detalle e la seccó 4.. Durate el sglo se estudaro muchos casos de correlacoes espúreas etre varables meddas a través de datos de corte trasversal y seres de tempo. El caso más aecdótco de ua correlacó espúrea e u cotexto de corte trasversal fue presetado por J. Neyma e 95. Neyma aalzó la relacó etre la tasa de acmetos y la poblacó de cgüeñas e varas regoes, y ecotró u alto coefcete de correlacó etre estas varables. Etre los casos más coocdos de correlacoes espúreas e u cotexto de seres de tempo se tee los aalzado por G. Udy ule (96) y Ploser y Schwer (978). Por u lado, utlzado datos auales para el período 866-9, G. Udy ule ecotró que el coefcete de correlacó etre la tasa de mortaldad e Iglaterra y Gales y el porcetaje de matrmoos e la glesa de Iglaterra era de.95. Por otro lado, utlzado datos auales para el período , Ploser y Schwert ecotraro que el coefcete de correlacó

22 etre el logartmo del greso omal de Estados Udos y logartmo de la acumulacó de machas solares era de.9. Estos casos sugere que o sempre es posble asocar u coefcete de correlacó alto a la exsteca de ua relacó leal co sgfcado (ecoómco, bológco, o algú otro) etre dos varables. Etoces, lo úco seguro es que el coefcete de correlacó permte determar la fuerza y setdo de ua relacó leal estadístca etre dos varables, más o ecesaramete de ua relacó leal co setdo etre las msmas. Dado este problema, es mportate aalzar las causas por las cuales puede surgr correlacoes espúreas. Como se muestra e las sguetes seccoes, las razoes por las cuales surge correlacoes espúreas e u cotexto de corte trasversal y e uo de seres de tempo puede ser dsttas. S embargo, ates de realzar este aálss, será mportate coocer la estructura de ua sere que puede represetar a ua varable ecoómca. 3.. Estructura de ua Sere Ecoómca E geeral, las seres ecoómcas puede preseta los sguetes compoetes: a. U compoete tedecal, que puede ser determístco (leal o o leal) o estocástco. b. U compoete estacoal; es decr, patroes de comportameto recurretes para determados períodos de tempo. c. U compoete rregular o modelable 7. Es mportate señalar que o todas las seres ecoómcas preseta ecesaramete los tres compoetes. Por ejemplo, s los valores de las varables e cuestó está represetados por datos de corte trasversal, es usual que o presete compoetes tedecales estacoales. S embargo, co datos de seres de tempo, es muy probable que las varables presete los tres compoetes. 7 Exste u cuarto compoete deomado cíclco que muchas veces como e este caso se asume como parte del compoete rregular o modelable.

23 E geeral, el compoete más mportate de ua sere ecoómca es el compoete rregular o modelable, ya que cotee la mayor parte de la formacó ecoómcamete relevate. S embargo, exste stuacoes e las que los compoetes tedecales determístcos y/o estocástcos posee terpretacó ecoómca. U caso muy coocdo e el que el compoete tedecal determístco (leal o o leal) tee setdo ecoómco lo costtuye la tedeca determístca del PBI real 8. Esta tedeca represeta el PBI potecal, el cual crece a ua tasa gual a la pedete de la tedeca. Así, la dfereca etre la sere observada del PBI real y la tedeca (leal o o leal), permte obteer ua aproxmacó de las fluctuacoes del PBI o cclo ecoómco. E la Fgura 6 se muestra la sere mesual del PBI real de la ecoomía peruaa para el período eero dcembre, el PBI potecal (represetado por ua tedeca determístca o leal) y el cclo ecoómco LPBIRSA HLPBIRSA CICLO Fgura 6: El PBI real, el PBI potecal y el cclo ecoómco Asmsmo, las tedecas estocástcas de dos o más seres ecoómcas podría presetar ua relacó co setdo ecoómco. S dos seres preseta tedecas estocástcas relacoadas etre sí (es decr, comparte ua tedeca estocástca), se dce que las varables cotegra. E térmos ecoómcos, s la relacó tee susteto teórco, se dce que estas varables preseta ua relacó de largo plazo ecoómcamete sgfcatva. E este caso, la tedeca estocástca que comparte las varables se terpreta como u camo comú del cual puede desvarse temporalmete (corto plazo), pero o permaetemete (largo plazo). 8 Auque també tee setdo la teeca estocástca. 3

24 4. CORRELACIONES ESPÚREAS DATOS DE CORTE TRANSVERSAL E esta seccó se muestra tres posbles formas e las que puede presetarse correlacoes espúreas e u cotexto de corte trasversal: el uso de ratos, observacoes atípcas o extraordaras y grupos o relacoados. 4.. Correlacoes Espúreas y el uso de Ratos K. Pearso (898) y R. Kromal (993) muestra que las correlacoes espúreas puede surgr etre dos varables que se mde como cocetes o ratos respecto de ua tercera varable. Pearso, a través de su ejemplo de los esqueletos costrudos aleatoramete, muestra la exsteca de u coefcete de correlacó sgfcatvo etre dos ratos cuyos compoetes varables o preseta relacó algua. Para eteder esto, cosdérese las varables W,, y Z, tales que se cumple las sguetes codcoes: a. y so depedetes, por lo que o preseta relacó sgfcatva algua. b. Z es gual a la suma de, y W E el cotexto del caso aalzado por Pearso, e represeta las logtudes de dferetes huesos que fuero correlacoados. Estos huesos perteece al msmo esqueleto aleatoramete costrudo, por lo cual o está relacoados. Z represeta la logtud total del esqueleto aleatoro y W la logtud de los huesos de cada esqueleto aleatoro que o fuero utlzados e la correlacó. S se cotara co esqueletos costrudos aleatoramete a partr de esqueletos orgales, etoces se tee los sguetes pares de observacoes: ( ( (,, M, ) ) ) 4

25 dode represeta la logtud de u prmer grupo de huesos del esqueleto artfcal, represeta la logtud de u segudo grupo de huesos del esqueleto artfcal ; represeta la logtud de u prmer grupo de huesos del esqueleto artfcal y represeta la logtud de u segudo grupo de huesos del esqueleto artfcal ; y así sucesvamete. S se dvde cada ua de estas observacoes por la logtud total del esqueleto artfcal al cual perteece, se obtee las sguetes observacoes: ( ( / Z / Z / Z,, M, / Z / Z ) / Z ) dode / Z represeta la logtud de u prmer grupo de huesos del esqueleto artfcal como porcetaje de la logtud total de éste esqueleto, / Z represeta la logtud de u segudo grupo de huesos del esqueleto artfcal como porcetaje de la logtud total de este esqueleto; y así sucesvamete. Para smular los resultados del caso presetado por Pearso, se costruyero artfcalmete las varables W,, y Z, co las característcas del problema que ha sdo mecoadas. Al aalzar el coefcete de correlacó etre las observacoes de y, el resultado es u coefcete de correlacó cercao a cero cosstete co la realdad aalzada: Matrz de Correlacoes etre e

26 Esto puede observarse claramete e el gráfco de dspersó de las msmas (Fgura 7): Fgura 7: Relacó etre e S embargo, al aalzar la correlacó etre y utlzado los ratos /Z e /Z (cuyos compoetes varables so e ), se obtee u alto coefcete de correlacó: Matrz de Correlacoes etre /Z e /Z /Z /Z /Z /Z lo cual també puede observarse claramete e el gráfco de dspersó de las msmas. Como se muestra e la Fgura 8: 6

27 4 Z Z Fgura 8: Relacó etre /Z e /Z De esta maera, la alta correlacó etre /Z e /Z sería espúrea o s setdo. La alta correlacó está explcada por u tercer compoete, Z, que esta relacoado a cada uo de los compoetes varables, e, que so depedetes etre sí. E el cotexto del caso aalzado por Pearso, dado que se sabe que o exste relacó etre las logtudes de los huesos de los esqueletos artfcales, u alto coefcete de correlacó etre las logtudes de los huesos como porcetaje de la logtud total del esqueleto artfcal al cual perteece es espúreo o s setdo. La explcacó de este alto coefcete de correlacó está e la dvsó de las logtudes de los huesos por la logtud total del esqueleto artfcal al cual perteece. Ua forma smple de detectar la preseca de correlacoes espúreas cuado se utlza ratos es aalzar el gráfco de dspersó y el coefcete de correlacó etre los compoetes varables de los msmos (cuado sea posble obteerlos). 4.. Preseca de Observacoes Atípcas (Out layers) U segudo caso e el cual puede surgr correlacoes espúreas se preseta cuado exste observacoes atípcas (out layers) ta mportates e magtud que puede geerar u alto coefcete de correlacó etre dos varables que o tee relacó algua. 7

28 Para mostrar este caso, se crearo dos seres artfcales S y S depedetes etre sí, como se muestra e la matrz de correlacoes: Matrz de Correlacoes etre S y S S S S S y e el gráfco de dspersó correspodete: 4 S S Fgura 9: Relacó etre S y S S ua de las observacoes de esta muestra ésta compuesta por valores muy dferetes a los usuales (relatvamete muy grades o muy pequeños), deomados atípcos u out layers, se obtedría la sguete la matrz de correlacoes: Matrz de Correlacoes etre S y S co u out layer S S S S

29 y el sguete gráfco de dspersó: 5 S vs. S S S Fgura : Relacó etre S y S Claramete, el alto coefcete de correlacó (.9) etre las varables S y S se debe a la preseca de u out layer, el cual fuerza la exsteca de ua relacó leal etre las msmas (como se muestra e la Fgura ), a través de ua líea que represeta los datos. De maera atural, este resultado se puede geeralzar a más de u out layer. La detfcacó de la exsteca de correlacoes espúreas etre dos varables debda a la preseca de uo o más out layers, puede ser detfcada fáclmete aalzado el gráfco de dspersó de las msmas Grupos No Relacoados U tercer caso e el cual puede surgr correlacoes espúreas se preseta cuado exste dos o más grupos de observacoes que relacoa dos varables, tales que el coefcete de correlacó es bajo e cada grupo, pero alto cuado se aalza todos los grupos smultáeamete. A estos grupos de observacoes se les deoma grupos o relacoados. 9

30 Para mostrar este caso, se crearo dos grupos de observacoes para dos varables fctcas C y C tales que estas o tee relacó algua, como se puede aprecar e sus respectvos gráfcos de dspersó: C C C C Grupo Grupo Fgura : Grupos No Relacoados y e sus matrces de correlacoes: Matrz de Correlacoes etre C y C e el Grupo C C C C Matrz de Correlacoes etre S y S e el Grupo C C C..69 C.69. 3

31 S embargo, al aalzar de maera cojuta ambos grupos de observacoes, se obtee u gráfco de dspersó dode se muestra que las observacoes puede ser represetadas por ua líea recta: 4 C vs. C 3 C 3 4 C Fgura : Correlacó etre Coglomerados y Correlacó Espúrea La matrz de correlacoes cofrma la exsteca de ua relacó leal estadístcamete sgfcatva: Matrz de Correlacoes etre C y C C C C C De esta maera, es posble ecotrar u coefcete de correlacó alto etre dos varables o relacoadas etre sí, o correlacó espúrea, s se aalza de maera cojuta dos o más grupos o relacoados de observacoes. 3

32 Este caso de correlacó espúrea etre grupos o relacoados puede ser cosderado como ua geeralzacó del caso de correlacoes espúreas cuado exste out-layers: u grupo estaría costtudo por el out-layer y el segudo por las observacoes restates. El caso de correlacó espúrea presetado por Neyma, a través de su ejemplo de las cgüeñas, puede ser cosderado como u caso de grupos o relacoados. Los datos utlzados por Neyma que se preseta e la cuadro correspode al úmero de mujeres (por cada ml), cgüeñas y acmetos, para ua muestra de 54 localdades. El úmero de mujeres está aproxmado a úmeros eteros; es decr, s e ua localdad exste 4 ml mujeres, etoces el úmero de mujeres por cada ml es. 3

33 Cuadro : Iformacó sobre Mujeres, Nacmetos y Cgüeñas Localdad Mujeres Cgüeñas Nacmetos Corr (C,N),83 S se aalza toda la muestra, se observa que el coefcete de correlacó etre el úmero de cgüeñas y el úmero de acmetos es.83, lo cual dcaría la exsteca de ua relacó leal estadístcamete sgfcatva etre estas varables. S embargo, o exste ua relacó co algú setdo dferete del estadístco, pues o es posble afrmar a partr de este 33

34 resultado que las cgüeñas trae a los bebés (a mayor úmero de cgüeñas, mayor úmero de acmetos). Cuadro 3: Iformacó por Grupos Localdad Mujeres Cgüeñas Nacmetos GRUPO 6 GRUPO 5 GRUPO 4 GRUPO 3 GRUPO GRUPO Corr (C,N) Corr (C,N) Corr (C,N) Corr (C,N) Corr (C,N) Corr (C,N). 34

35 La exsteca de u coefcete de correlacó alto se explca por la preseca de grupos de datos o relacoados e la muestra aalzada. El cuadro 3 muestra la formacó utlzada por Neyma e ses grupos de localdades de acuerdo al úmero de mujeres de las msmas. Al aalzar el coefcete de correlacó y el gráfco de dspersó etre el úmero de cgüeñas y de acmetos para cada grupo de localdades (Fgura 3), se observa que e cada grupo de localdades el úmero de cgüeñas y de acmetos o está correlacoados, como era de esperarse. NACIMIENTOS CIGÜEÑAS NACIMIENTOS CIGÜEÑAS NACIMIENTOS CIGÜEÑAS NACIMIENTOS CIGÜEÑAS NACIMIENTOS CIGÜEÑAS NACIMIENTOS CIGÜEÑAS Fgura 3: Relacó etre acmetos y cgüeñas para cada grupo de localdades. S embargo, al cosderar (por ejemplo) los grupos y 6 e ua sola muestra, se obtee u coefcete de correlacó alto (.9), al gual que cuado se cosdera todos los grupos smultáeamete (.8), lo cual se muestra a través de los gráfcos de dspersó correspodetes de la Fgura 4. De esta forma, se cocluye que el alto coefcete de correlacó etre las cgüeñas y los acmetos es ua correlacó espúrea, explcada por la preseca de coglomerados. 35

36 RELACIÓN ENTRE NACIMIENTOS CIGÜEÑAS: GRUPOS 6 RELACIÓN ENTRE NACIMIENTOS CIGÜEÑAS: GRUPOS AL NACIMIENTOS 3 NACIMIENTOS CIGÜEÑAS CIGÜEÑAS Fgura 4:Relacó leal etre grupos o relacoados 5. CORRELACIONES ESPÚREAS SERIES DE TIEMPO E el cotexto de seres de tempo, las correlacoes espúreas puede surgr por las msmas razoes cosderadas para el cotexto de corte trasversal: el uso de ratos, la preseca de out layers y grupos o relacoados. S embargo, las tedecas determístcas o estocástcas - propas de la mayoría de seres de tempo també puede geerar correlacoes espúreas etre varables que o tee setdo alguo. 5.. Smulacó de Seres de Tempo Para demostrar que la preseca de compoetes tedecales puede geera coefcetes de correlacó sgfcatvamete altos, se utlza dos seres de tempo de observacoes cada ua que represeta a dos varables e. Estas seres se costruye artfcalmete de tal forma que o preseta relacó leal algua (cosderado algua teoría específca), como lo muestra la matrz de correlacoes: 36

37 Matrz de Correlacoes para e A partr de ésta matrz se observa que la correlacó etre e es práctcamete cero (.3), lo cual es cosstete co la costruccó de las dos seres. La Fgura 5 muestra el comportameto de estas varables a lo largo de las observacoes Fgura 5: Seres Artfcales e A partr de esta fgura, o es posble afrmar que s ua de las varables aumeta, la otra també aumeta, dsmuye o o se mueve. Es decr, o es posble ferr la exsteca de ua relacó postva, egatva o smplemete que o exsta relacó. S embargo, el gráfco de dspersó para e - e el cual se ha ormalzado las udades de medda de las seres 9 - sí permte afrmar que o exste relacó leal etre estas varables, como se muestra e la Fgura 6. E este ejemplo, el coefcete de correlacó fucoa be, pues es posble afrmar que o exste relacó leal estadístca sgfcatva. 9 E adelate, los gráfcos de dspersó que se presete utlzará datos ormalzados. 37

38 Fgura 6: Gráfco de dspersó etre e. No exste relacó leal sgfcatva. S a cada ua de estas dos seres costrudas artfcalmete se les añade ua tedeca determístca (leal) que crece co el tempo, pero s sgfcado alguo: Tt t + t Tt t + t se obtee ua matrz de correlacoes como la sguete: Matrz de Correlacoes para T e T T T T T Como se puede observar a partr de la matrz de correlacoes, el smple hecho de añadr ua tedeca leal crecete a cada ua de las varables orgales, geera ua fuerte relacó leal postva etre las uevas varables T e T (r,99). També podría ser ua tedeca leal decrecete, los resultados so smlares e térmos de la exsteca de ua relacó leal sgfcatva estadístcamete, pero egatva. 38

39 T T Fgura 7: Seres Artfcales T e T A partr de la Fgura 7, se puede observar que ambas seres crece a lo largo del tempo, lo cual muestra la posble exsteca de ua relacó postva etre las varables T e T, cuya fuerza y lealdad puede ferrse a partr del gráfco de dspersó (Fgura 8). Además, el alto grado de correlacó se refleja por el hecho de que los putos que represeta las observacoes está muy cercaos etre sí y alrededor de ua recta. T T Fgura 8: Gráfco de dspersó etre T e T. 39

40 Estos msmos resultados se obtee s se añade ua tedeca estocástca (s gú sgfcado especal) a cada ua de las seres orgalmete creadas, e, creádose de esta forma dos uevas varables, RW e RW: RW + Z t t RW + Z t t t t Las uevas varables, como e el caso ateror, muestra u coefcete de correlacó muy cercao a uo: Matrz de Correlacoes para RW e RW RW RW RW RW Al observar el gráfco de las seres (Fgura 9), se puede aprecar que ambas crece, lo cual ducría a pesar (al meos estadístcamete) que la correlacó etre las varables es postva y aparetemete fuerte RW RW Fgura 9: Seres Artfcales W e W Ua tedeca estocástca es de la forma: cooce como paseo aleatoro o radom walk. Z + ε, dode ε ~ d(, ). També se le t Z t t t σ ε 4

41 E efecto, al observar el gráfco de dspersó de las varables W e W (Fgura ), se puede aprecar que la correlacó es sgfcatvamete alta (fuerte) y postva. RW RW Fgura : Relacó leal sgfcatva etre W e W. Estos ejemplos, que utlza seres artfcales, muestra que u coefcete de correlacó alto etre dos varables que o tee relacó algua puede ser producto de la exsteca de ua tedeca leal (determístca) o ua tedeca estocástca. 5.. Tedecas y Correlacoes Espúreas Cosdérese las varables T e T tales que cada ua de ellas cotee u compoete modelable ( e ) y ua tedeca leal determístca (t y aterormete: t ), como las smuladas Tt t + t Tt t + t Dada la estructura de las seres, podría presetarse cuatro stuacoes dferetes: 4

42 a. Relacó co setdo etre los compoetes rregulares o modelables ( e ) y etre los compoetes tedecales (t y t ). b. Relacó co setdo etre los compoetes rregulares o modelables ( e ), pero o etre los compoetes tedecales (t y t ). c. No exste relacó co setdo etre los compoetes rregulares o modelables ( e ), pero sí etre los compoetes tedecales (t y t ). d. No exste relacó co setdo etre los compoetes rregulares o modelables ( e ) etre los compoetes tedecales (t y t ). E todos los casos, a excepcó de la stuacó d, se afrma que exste ua relacó co setdo etre T e T, pues exste relacó co setdo etre al meos uo de sus compoetes. S embargo, e todos los casos exste ua relacó estadístcamete sgfcatva etre T e T medda a través del coefcete de correlacó etre las varables, lo cual se explca por la preseca de las tedecas leales (pesar de que o esté relacoadas sgfcatvamete). Este resultado sería el msmo s el compoete tedecal de las varables fuera estocástco. Así, cuado se aalza dos seres temporales que preseta tedecas que o tee sgfcado alguo, el coefcete de correlacó o sempre esta asocado a ua relacó co setdo. Cuado esto sucede, como e el caso d, se dce que la correlacó es espúrea o s setdo: el factor que geera la correlacó espúrea es el compoete tedecal. E otro caso, el coefcete de correlacó s estaría asocado a ua relacó co setdo etre las varables Idetfcacó de Correlacoes Espúreas Dado que es posble la exsteca de correlacoes espúreas e seres de tempo que preseta tedecas (determístcas o estocástcas), que o tee algú sgfcado especal, es mportate tratar de establecer algua metodología para detfcar este problema. 4

43 Para este propósto, es ecesaro eteder el cocepto de varables e veles y e prmeras dferecas, pues la metodología de detfcacó cosstrá e el aálss de los coefcetes de correlacó de las msmas Varables e veles y prmeras dferecas Ua varable e veles es cualquer varable que se toma como puto de partda para cualquer trasformacó posteror. Por ejemplo, el vel del PBI omal e 999 es el valor del PBI omal e 999, el vel del gasto públco e 999 es el saldo del gasto públco e 999, el vel de la tasa de crecmeto aual del PBI e 999 es la tasa de crecmeto regstrada etre 999 y 998, etre otros ejemplos. Ua varable está expresada e prmeras dferecas e el período t s se obtee como la dfereca etre su valor actual y su valor pasado: (4.) t t t Así, por ejemplo, la prmera dfereca del PBI omal e 999 es la dfereca etre el valor del PBI omal e 999 y el valor del PBI omal e 998; la prmera dfereca del gasto públco e 999 es la dfereca etre el saldo del gasto públco e 999 y el saldo del gasto públco e 998; la prmera dfereca de la tasa de crecmeto aual del PBI e 999 es la dfereca etre la tasa de crecmeto etre 999 y 998 y la tasa de crecmeto etre 998 y 997. Los ejemplos plateados muestra que la defcó de varable e veles y e prmeras dferecas es relatva. Así, la prmera dfereca de t podría cosderarse como ua varable e veles, metras que la seguda dfereca de t, defda como: ) ( ) (4.) t ( t t t t podría cosderarse como la prmera dfereca de la prmera dfereca de t. 43

44 5.3.. Prmeras Dferecas y Elmacó de Tedecas Dadas las defcoes de varables e veles y prmeras dferecas, es fácl mostrar que s ua varable e veles preseta ua tedeca leal, su prmera dfereca ya o preseta ese compoete tedecal. Para verfcar esto, cosdérese las varables smuladas T e T: Tt t + t Tt t + t dode las tedecas o tee sgfcado alguo. La prmera dfereca de la sere está dada por: T t T t Tt t + t -[ t + (t )] Tt t + t - t - t T + ( t - t t t t ) + T + (3.3) De maera aáloga, la prmera dfereca de está dada por: T t T t t t Tt t + t -[ t + (t T + (3.5) )] Así, la prmera dfereca de ua varable elma todo compoete tedecal determístco exstete e su expresó e veles. S embargo, las prmeras dferecas de los compoetes rregulares o modelables permaece. S las varables e veles presetara u compoete tedecal estocástco, la prmera dfereca també lo elmaría. Dado el supuesto que t y t o está relacoados, s se calcula el coefcete de correlacó etre las prmeras dferecas de las varables, éste sería bajo a pesar de que el coefcete e veles es alto, cómo se mostró e la seccó 5.. Este es u ejercco que el lector debería resolver. 44

45 Matrz de Correlacoes para las prmeras dferecas de T e T T T T..45 T.45. De esta maera, la relacó espúrea etre e preseta u coefcete de correlacó alto para los veles de las varables y uo bajo para las prmeras dferecas de las varables. S embargo, s exstera ua relacó co setdo etre t e t, etoces el coefcete de correlacó etre los veles de las varables sería alto, al gual que el coefcete de correlacó para sus prmeras dferecas. El aálss precedete permte establecer la sguete metodología de detfcacó de correlacoes espúreas e u cotexto de seres de tempo, bajo el supuesto de que los compoetes tedecales (determístcos o estocástcos) o tee setdo alguo: a. S el coefcete de correlacó de los veles de las varables es sgfcatvamete alto, pero el coefcete de correlacó de las prmeras dferecas de las msmas es bajo, etoces la correlacó etre los veles de las varables es ua correlacó espúrea o s setdo alguo. b. S el coefcete de correlacó de los veles y de las prmeras dferecas de las varables es sgfcatvamete alto, etoces la correlacó etre los veles de las varables es ua correlacó co setdo Correlacoes Espúreas y Correlacoes co Setdo Ecoómco E muchas ocasoes, la teoría ecoómca establece que es posble ecotrar relacoes co setdo etre pares de varables bajo certas crcustacas. Por ejemplo, o sempre exste ua relacó co setdo ecoómco etre los precos de todos los bees de la ecoomía, pero sí etre los precos de los bees producdos por dos empresas que compte e el msmo mercado. De hecho, s los precos de dos bees cualesquera preseta u compoete tedecal s setdo ecoómco, es posble ecotrar u coefcete de correlacó alto etre ellos s que eso mplque que guarde algua relacó co setdo. 45

46 E casos como estos, dode es posble que exsta relacó co setdo ecoómco y se teta ecotrar evdeca sobre ello, es posble aplcar la metodología presetada e la seccó ateror. Así, bajo el supuesto de que los compoetes tedecales de cada ua de las varables ecoómcas relacoadas o tee setdo: a. S el coefcete de correlacó de los veles de las varables es sgfcatvamete alto, pero el coefcete de correlacó de las prmeras dferecas de las msmas es bajo, etoces la correlacó etre los veles de las varables es ua correlacó espúrea o s setdo ecoómco. b. S el coefcete de correlacó de los veles y de las prmeras dferecas de las varables es sgfcatvamete alto, etoces la correlacó etre los veles de las varables es ua correlacó co setdo ecoómco. Esta metodología para detfcar correlacoes espúreas a partr de los coefcetes de correlacó, fue utlzada por Stgler y Sherw (985). La hpótess prcpal del artículo e el cual poe e práctca la metodología es la sguete: S dos bees o servcos compte e el msmo mercado, sus precos debería estar muy correlacoados. S embargo, como la mayoría de precos muestra movmetos tedecales e el tempo (que se asume que o tee terpretacó ecoómca e muchos casos), los autores aalzaro la correlacó etre los veles de los precos y sus prmeras dferecas (cambo e lo precos), para poder detfcar la exsteca de ua correlacó co setdo ecoómco. Los resultados del aálss mostraro que el valor del coefcete de correlacó o dsmuye drástcamete al utlzar las varables e veles y e prmeras dferecas. De esta maera, los autores cocluye que los bees estudados compte e el msmo mercado. 46

47 6. APLICACIONES: IDENTIFICACIÓN DE RELACIONES ESPÚREAS ENTRE VARIABLES ECONÓMICAS E esta seccó se preseta aplcacoes del coefcete de correlacó para el aálss de relacoes bvaradas y la detfcacó de posbles correlacoes espúreas. Para este f, se aalza dferetes relacoes bvaradas etre varables ecoómcas empleado datos mesuales para el Perú (seres de tempo) que abarca el período eero dcembre. 6.. Descrpcó de los datos utlzados Los datos empleados para realzar las aplcacoes ha sdo obtedos del Baco Cetral de Reserva del Perú (Boletes Semaales, Memoras Auales y pága web 3 ), y correspode a ocho varables mportates para la ecoomía peruaa. Las seres escogdas como varables proxy (aproxmadas) para cada ua de las varables ecoómcas utlzadas fuero: la emsó prmara (EMISION), el ídce de precos al cosumdor co base 994 (IPC94), el crculate omal (CIR), el producto bruto tero real (PBIR), el tpo de cambo formal promedo (TCIP), el crédto de las empresas bacaras al sector prvado e moeda extrajera (CREME), la tasa de terés pasva e moeda acoal (TIPMN) y la tasa de terés actva e moeda extrajera (TAME). Para obteer seres que permta represetar relacoes bvaradas co setdo ecoómco, se realzaro alguas trasformacoes. E prmer lugar, se elmaro los compoetes cíclcos o estacoales de las seres EMISIÓN, CIR y PBIR, a través del procedmeto de desestacoalzacó rato movg average-multplcatve del programa Evews. Las seres desestacoalzadas se deomaro EMISIONSA, CIRSA y PBIRSA. Los compoetes estacoales depede de la ecoomía aalzada. Por ejemplo, la emsó moetara e el caso peruao preseta u compoete estacoal represetado por pcos e los meses de julo y dcembre, que se observa e la fgura

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

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

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

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

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

Más detalles

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

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

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

V Muestreo Estratificado

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

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

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

Más detalles

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

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

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

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

Más detalles

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

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

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

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

Más detalles

División de Evaluación Social de Inversiones

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

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

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

Más detalles

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

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

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

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

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

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

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

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

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

Más detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

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

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

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

Técnicas básicas de calidad

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

Más detalles

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

Más detalles

Manual de Estadística

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

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

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

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

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

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

Más detalles

6.2.- Funciones cóncavas y convexas

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Más detalles

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

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

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Introducción a la simulación de sistemas discretos

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

Pienso que las sociedades con mayores niveles de polarización

Pienso que las sociedades con mayores niveles de polarización POLARIZACIÓN Y CONFLICTO SOCIAL Eresto Cárdeas* Peso que las socedades co mayores veles de polarzacó tee más probabldades de efretar coflctos socales, tpo guerra cvl, y que ua compresó sstemátca del cocepto

Más detalles

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

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

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo

Más detalles

COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007

COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007 OMNTARIOS Y ANÁLISIS DL FATOR D PRODUTIVIDAD PROPUSTO POR OSIPTL PARA L PLAN D RGULAIÓN POR PRIOS TOP 2004 2007 APLIAIÓN D LA VARIABL M por Davd. M. Sappgto RSUMN JUTIVO ste forme preseta ua evaluacó de

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

INTRODUCCION A LA GEOESTADISTICA

INTRODUCCION A LA GEOESTADISTICA INTRODUION A LA GEOESTADISTIA 7 3' W MAR ARIBE Boca de la Barra 3 larí 8 6 4 Grade R Sevlla 8 6 R Aracataca 45' N 4 R Fudaco Teoría y Aplcacó UNIVERSIDAD NAIONAL DE OLOMBIA Sede Bogotá Facultad de ecas

Más detalles

Simulación de sistemas discretos

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

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS PUNTES DOCENTES SIGNTUR: MTEMTICS FINNCIERS PROFESORES: MRIN JIMES CRLOS JVIER SRMIENTO LUIS JIME DEPRTMENTO DE CIENCIS BÁSICS VERSION: 2-20 QUÉ ES MTEMÁTICS FINNCIERS? Hace alguos años éste era u tema

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo

Más detalles

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

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

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

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

Más detalles

UNIVERSIDAD DE BUENOS AIRES

UNIVERSIDAD DE BUENOS AIRES NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal Programacó Matemátca y Software (2009) Vol.. No. ISSN: 2007-3283 Recbdo: 0 de Juo de 2008/Aceptado: 3 de Septembre de 2008 Publcado e líea: 26 de juo de 2009 Seleccó de ua Cartera de Iversó e la Bolsa

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

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

Más detalles

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DETERMINACIÓN MEDIANTE EL ANÁLISIS REGRESIONAL DE LOS MODELOS MATEMATICOS POLINÓMICOS

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

A2.1 SUMA PRESENTE A SUMA FUTURA

A2.1 SUMA PRESENTE A SUMA FUTURA A2. APÉNDICE MATEMÁTICAS FINANCIERAS E este apédce se preseta las fórmulas tradcoales para hallar las sumas equvaletes e el tempo y ua coleccó de fórmulas para equvaleca de tasas omales y efectvas. Para

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

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

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

Análisis de correlación y regresión

Análisis de correlación y regresión Capítulo Aálss de correlacó regresó 3 Seccoes Itroduccó 3. Correlacó leal. 3. Regresó leal. 3.3 Regresó o leal fucoes trísecamete leales. 3.4 Regresó multleal. Atecedetes Itervalos de cofaza Prueas de

Más detalles

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

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos

Más detalles

Elaborado por: Ing. Rubén Toyama U. 1

Elaborado por: Ing. Rubén Toyama U. 1 CONTENIDO IDENTIFICACIÓN... 2 PLANIFICACIÓN DE LOS ENCUENTROS... 2 PROGRAMA ANALITICO... 3 ORIENTACIONES METODOLÓGICAS... 8. - Itroduccó.... 8..- Objetvos Geerales.... 9 2.- Desarrollo... 9 Prmer ecuetro...

Más detalles

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones 2 CÁLCULO FINANCIERO Teoría, Ejerccos y Aplcacoes 3 Uversdad de Bueos Ares Facultad de Cecas Ecoómcas Autores: Jua Ramó Garca Hervás Actuaro (UBA) Master e Ecoomía y Admstracó (ESEADE). Docete de Posgrado

Más detalles

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

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

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

Más detalles

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

Más detalles

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

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

Más detalles

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado

Más detalles

Topología General Capítulo 0-2 -

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

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

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

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

Más detalles