Teoría de Elección Social

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

Download "Teoría de Elección Social"

Transcripción

1 Teoría de Eleccón Socal Hemos vsto que las asgnacones del mercado, bajo certas condcones, son efcentes. Sn embargo, exsten otras consderacones mportantes sobre las característcas de dcha asgnacón (dstrbucón, justca, etc). En las sguentes clases estudaremos cómo un Planeador Socal puede abordar el dseño y la mplementacón de decsones colectvas. Empezaremos estudando s, a partr de preferencas ndvduales, un planeador socal puede tomar decsones colectvas que satsfagan un mínmo de condcones. El sguente paso, será abordar esta msma cuestón desde el punto de vsta de la utldad. Esto nos restrnge a pensar que podemos comparar las utldades de los ndvduos. Nota: Usualmente las decsones socales se toman medante mecansmos de democraca representatva. Esto es un tema avanzado que no trataremos aquí.

2 . Teoría de eleccón socal: 2 Alternatvas Para empezar, supondremos que exsten dos alternatvas en una socedad: x e y. En nuestra socedad hay un número fnto de ndvduos. Suponemos que tenemos nformacón de las preferencas de estos ndvduos sobre estas dos alternatvas. La famla de preferencas ndvduales entre estas dos alternatvas puede ser descrta de la sguente forma:,..., donde: 0 s s x x y y s y x

3 Defncón : Un funcón de eleccón socal (FES) es una regla F,...,,0,, para cada perfl de preferencas ndvduales,...,,0,. Defncón 2: F,..., posee la propedad de Pareto, s ésta respeta la unanmdad de las preferencas de los agentes, esto es: F,...,,,..., F.

4 Ejemplo : Votacón por pesos. F (.) sgn donde: es un vector de pesos, y,..., sgn a 0 s s a a 0 0 s a 0

5 Un caso partcular es la votacón por mayoría, donde. En este caso F (.) s y solo s el número de agentes que prefere la alternatva x es mayor que el número de agentes que prefere la alternatva y. gualmente, F (.) s y solo s el número de agentes que prefere la alternatva y es mayor que el número de agentes que prefere la alternatva x. Fnalmente, s F (.) 0 hay ndferenca socal. Note que, la FES de votacón por pesos (ncluda la votacón por mayoría) posee la propedad de Pareto (Def. 2)

6 Ejemplo 2: Dctatoral. es dctatoral s exste un agente h, llamado dctador, tal que, para cualquer perfl de preferencas, mplca F (.), y mplca F (.) F (.).,..., h h Note que, la FES dctatoral posee la propedad de Pareto (Def. 2). De los dos ejemplos anterores podemos conclur que la propedad de Pareto no es muy exgente: Tanto la FES de votacón por pesos (y mayoría) como la dctatoral cumplen con este crtero. S no nos gustan las dctaduras, debemos ntroducr más condcones sobre la FES.

7 Algunas condcones que nos gustaría que cumplera la FES: Anónma: es anónma s los nombres de los agentes no mportan. Es decr, s una permutacón de las preferencas sobre los agentes no altera las preferencas socales. F (.) Neutral entre alternatvas: F (.) es neutral entre alternatvas s las preferencas socales son reversbles cuando reversamos las preferencas de los agentes. Es decr F,..., F para todo perfl.,...,,..., Responde postvamente: F (.) responde postvamente s, cuando,..., ',..., ',,..., ',..., ' y F ',..., ' 0, tenemos que F,...,.

8 Proposcón : (Teorema de May) Una FES es de votacón mayortara S Y SOLO S esta es anónma entre los agentes, neutral entre alternatvas y responde postvamente. (Recuerde que la FES tambén cumple con la condcón de pareto) F (.)

9 . Teoría de eleccón socal: El Caso General Ahora estudaremos el problema de agregacón ndvdual de las preferencas sobre cualquer número de alternatvas mayor que 2. Denotaremos por X x,..., x n el conjunto de alternatvas sobre las cuales decde la socedad. Hay agentes. Cada uno de ellos tene una relacón de preferencas raconales sobre X. Denotamos la preferenca estrcta y la ndferenca por y respectvamente. Para cada agente, defnmos dos conjuntos de preferencas: P : el conjunto de todas las posbles relacones de preferencas sobre X. P e : el conjunto de todas las posbles relacones de preferencas sobre X, con la propedad de que no exste ndferenca entre nngún par de alternatvas. Note que P e P.

10 Deseamos defnr ahora una FES como una regla que asgna preferencas socales a un perfl de preferencas ndvduales,..., P Defncón 3: Una FES es una regla F: P P que asgna una relacón de preferencas raconal F,..., P para cualquer perfl de relacones de preferencas raconales ndvduales,...,. Así: P xf,..., lo leeremos como x y es socalmente al menos tan buen como y. xf e,..., lo leeremos como x y es socalmente preferda a y.

11 Empecemos a mrar el tpo de condcones que nos gustaría cumplera la FES. Defncón 4: La FES cumple con la condcón de Pareto s, parar cualquer par de alternatvas x, y X y cualquer perfl de preferencas,..., P tenemos que xf,..., y, sempre que x y para todos.

12 Ejemplo 3: Cuenta de Borda. Dado Pe (no hay ndferenca entre nngún par de alternatvas), asgnamos un número de puntos c x a cada alternatva x X de la sguente forma: c x n s x está en la n-ésma poscón del rankng de. Así, para cualquer perfl P determnamos un orden socal,..., sumando los puntos de cada alternatva sobre los ndvduos,.e.: e xf,..., y s c x c y Se puede mostrar que esta relacón de preferencas es completa y transtva (con funcón de utldad c x c ). x Además esta FES es paretana ya que s x y, entonces c x c y así c x c. y y

13 Arrow (963) sugró que cuando se hace un rankng socal entre x e y, la presenca o ausenca de otras alternatvas dferentes a x e y no debería mportar. Defncón 4: Una FES satsface la condcón de ndependenca de alternatvas rrelevante (A) s la preferenca socal entre cualquer par de alternatvas x, y X depende solamente del perfl de preferencas ndvduales sobre las msmas alternatvas. Formalmente, para cualquer par de alternatvas x, y X y para cualquer par de perfles de preferencas,..., P y ',..., ' P con la propedad de que, para cada : x y x ' y and y x y ' x tenemos que: xf,..., y xf ',..., ' y y yf,..., x yf ',..., ' x

14 Ejemplo 4: la Cuenta de Borda no satsface la A. La razón es que el rankng de las alternatvas depende de la ubcacón de cualquer otra alternatva. Consdere =2 y n=3: x, y, z. Para las preferencas: esto es xf,..., y x y 2 z y ; 2 x z. c,, tenemos c x 3 y y 4 Para las preferencas: x ' y ' z y y ' 2 z ' 2 x tenemos c x 4 y y 3 esto es yf,..., x (note que la propedad x y x ' y se cumple). El ejemplo anteror nos muestra que la A es muy restrctva. c, Una forma de garantzar que la A se cumple es usando votacón mayortara entre pares de alternatvas. Sn embargo, problemas con la raconaldad de las eleccones surgen usando esta FES.

15 Ejemplo 5: Paradoja Condorcet. Consdere las sguentes preferencas ndvduales con =3 y n=3: y z, x y, z x x z 2 2 y 3 3 S hacemos votacón entre x e y, ganará x,.e. xf,..., y S hacemos votacón entre y y z, ganará y,.e. yf,..., z S hacemos votacón entre x y z, ganará z,.e. zf,..., x Esto vola la transtvdad de las preferencas socales. Note que s usamos un mecansmo de votacón de parejas en orden el resultado dependerá de cómo fjemos el orden de las votacones.

16 Llegamos al teorema central de esta teoría: Proposcón 2: Teorema de mposbldad de Arrow. Suponga que: El número de alternatvas socales es mayor o gual a 3. El domno de los perfles de preferencas es A P o A P e Entonces, toda FES F : A P que cumpla la propedad de Pareto y satsfaga la condcón de A es dctatoral en el sguente sentdo: Exste un agente h tal que, para cualquer x, y X y cualquer perfl,..., A, tendremos que x es socalmente preferda a y sempre y cuando x y. h

17 . Extensones Restrngendo el domno de las preferencas se puede evtar el teorema de mposbldad. Aquí veremos el caso en el cual las preferencas son de pco únco (snglepeaked). Necestamos algunas defncones. Defncón 5: Una relacón bnara sobre el conjunto de alternatvas X es un orden lneal sobre X s ésta cumple con las sguentes propedades: () () () xx x (reflexva); xy y yz mplca xz (transtva); Para cualquer x, y X, con x y y dferentes, tendremos xy o yx, pero no ambos (total).

18 Defncón 6: La relacón de preferencas raconales es sngle-peaked con respecto al orden lneal sobre X s exste una alternatva x que representa un pco de satsfaccón y la satsfaccón se ncrementa cuando nos aproxmamos a este pco. Defncón 7: El agente m es un agente medano para el perfl de preferencas,..., P s # : x x m 2 y # : x x m 2 - Con par. S es mpar entonces s # : x x m 2 y # : x x 2 ). m Proposcón 3: Suponga que es un orden lneal de X y consdere el perfl de preferencas,..., P, donde es sngle-peaked para todo. Entonces, x Fˆ m,..., y para todo y X. Esto es, el pco xm no puede ser derrotado por voto mayortaro por nnguna otra alternatva. Más aún, estas preferencas socales son completas y transtvas en cualquer votacón por pares (Además sabemos que cumplen con la A).

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

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

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

Más detalles

1).- Para > 0, B= {x R L : p. x I} = {x R L

1).- Para > 0, B= {x R L : p. x I} = {x R L Pontfca Unversdad Católca del Perú Programa de Maestría en Economía Curso: Mcroeconomía Intermeda Profesores: Clauda Barrga & José Gallardo Asstente: César Gl Malca Propedades de las funcones de demanda

Más detalles

Tema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)

Tema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO) Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales

16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales 16.21 Técncas de dseño y análss estructural Prmavera 2003 Undad 8 Prncpo de desplazamentos vrtuales Prncpo de desplazamentos vrtuales Tengamos en cuenta un cuerpo en equlbro. Sabemos que el campo de esfuerzo

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

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

Geometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa

Geometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa Geometría Axomátca de la Convexdad Parte II: Axomátca de Cápsula convexa Juan Carlos Bressan Resumen En la Parte I estudamos una axomátca de segmentos, en la que defnmos los convexos y estudamos sus propedades

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70 Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Juegos estáticos con información completa

Juegos estáticos con información completa Teoría de las decsones y de los juegos. Tema : Juegos estátcos con nformacón completa Juego en forma normal g = ( N={,,,n},(S,,S n ), (u,,u n ) ) N conjunto de jugadores, œ N (fnto) S, conjunto de estrategas

Más detalles

Metodología para el diseño de mecanismos en el esquema de seguridad social en Colombia. Wilson Mayorga M.

Metodología para el diseño de mecanismos en el esquema de seguridad social en Colombia. Wilson Mayorga M. . La Caldad Académca, un Compromso Insttuconal Close up marquta - hoja Mayorga M., Wlson (2009). Metodología para el dseño de mecansmos en el esquema de segurdad socal en Colomba. Crtero Lbre, 7 (), 5-46

Más detalles

MODELOS DE ELECCIÓN BINARIA

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

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón

Más detalles

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

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

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las

Más detalles

Capítulo V. Teoremas de Fermat, Euler y Wilson

Capítulo V. Teoremas de Fermat, Euler y Wilson Capítulo V Teoremas de Fermat, Euler y Wlson En este capítulo utlzamos los conceptos desarrollados en dvsbldad y conteo para deducr tres teoremas báscos de la teoría de números. En el próxmo capítulo,

Más detalles

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

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

Más detalles

Profesor: Rafael Caballero Roldán

Profesor: Rafael Caballero Roldán Contendo: 5 Restrccones de ntegrdad 5 Restrccones de los domnos 5 Integrdad referencal 5 Conceptos báscos 5 Integrdad referencal en el modelo E-R 53 Modfcacón de la base de datos 53 Dependencas funconales

Más detalles

Integración por el método de los residuos

Integración por el método de los residuos Semana 13 - lase 38 Tema 6: Varable ompleja 1. Introduccón Integracón por el método de los resduos Las expansones de funcones en seres de potencas dejan resduos al detener la expansón a para una determnada

Más detalles

Geometría convexa y politopos, día 1

Geometría convexa y politopos, día 1 Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

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

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo

Más detalles

Práctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun

Práctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun Práctca 1 - Programacón en C++ Pág. 1 Práctcas de C++ Practca Nº 1 Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Práctca 1 - Programacón en C++ Pág. 1 INDICE ÍNDICE... 1 1.1 Ejercco

Más detalles

Guía de Equilibrio General. Ejercicio extraído de Mas-Colell, Whinston y Green, con algunas modificaciones

Guía de Equilibrio General. Ejercicio extraído de Mas-Colell, Whinston y Green, con algunas modificaciones Guía de Equlbro General Ejercco extraído de Mas-Colell, Whnston y Green, con algunas odfcacones - Consdere una econoía caja de Edgeworth en que dos consudores tenen referencas con no sacedad local. Sea

Más detalles

Efectos de las fórmulas para las transferencias inter-gubernamentales en el tamaño del gobierno federal

Efectos de las fórmulas para las transferencias inter-gubernamentales en el tamaño del gobierno federal Efectos de las fórmulas para las transferencas ntergubernamentales en el tamaño del goberno federal Raúl Alberto Ponce Rodríguez 1 n Resumen: En este artículo estudamos el papel de las externaldades nterregonales

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

PRELIMINARES. ab bc aec ac H. a b S / b a.

PRELIMINARES. ab bc aec ac H. a b S / b a. Introduccón Cuando un novel estudante de álgebra abstracta se enfrenta a expresones como grupo cocente, espaco cocente, cree y con justfcada razón, que se enfrentará a conjunto de cocentes, fnalmente se

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Universitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia

Universitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia Unverstas Scentarum ISS: 0-7483 revstascentfcasjaverana@gmal.com Pontfca Unversdad Javerana Colomba Aranda, Mosés; Molna, Fabo; Moreno, Vladmr EL PROBLEMA DEL CUMPLEAÑOS, UA GEERALIZACIÓ Unverstas Scentarum,

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con

Más detalles

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto

Más detalles

Propiedades Asintóticas

Propiedades Asintóticas Capítulo 3 Propedades Asntótcas 3.. Dstrbucones Estaconaras Defncón 3. Sea X n, n, una cadena de Markov con espaco de estados E y matrz de transcón P. Sea π(), E, una dstrbucón de probabldad, es decr,

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

Equilibrios competitivos y de Bertrand, con y sin diferenciacion de productos

Equilibrios competitivos y de Bertrand, con y sin diferenciacion de productos Revsta equlbros de Análss compettvos Económco, Vol. y 24, de Nº bertrand, 1, pp. 43-53 (Juno con 2009) y sn dferencacon 43 Equlbros compettvos y de Bertrand, con y sn dferencacon de productos Compettve

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

Los Beneficios. Microeconomía Douglas C. Ramírez V. La producción y la oferta

Los Beneficios. Microeconomía Douglas C. Ramírez V. La producción y la oferta Los Benefcos Mcroeconomía Douglas C. Ramírez V. La produccón la oferta La esenca de la actvdad productva es obtener benes servcos (mercancías) con destno fnal al consumo por medo de los recursos de la

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que

Más detalles

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

Más detalles

Mecánica Clásica ( Partículas y Bipartículas )

Mecánica Clásica ( Partículas y Bipartículas ) Mecánca lásca ( Partículas y Bpartículas ) Alejandro A. Torassa Lcenca reatve ommons Atrbucón 3.0 (0) Buenos Ares, Argentna atorassa@gmal.com Resumen Este trabajo consdera la exstenca de bpartículas y

Más detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.

Más detalles

Cinemática del Brazo articulado PUMA

Cinemática del Brazo articulado PUMA Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad

Más detalles

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)} Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces

Más detalles

CI42A: ANALISIS ESTRUCTURAL. Programa CI42A

CI42A: ANALISIS ESTRUCTURAL. Programa CI42A CI4A: ANALISIS ESTRUCTURAL Prof.: Rcardo Herrera M. Programa CI4A NÚMERO NOMBRE DE LA UNIDAD OBJETIVOS DURACIÓN 4 semanas Prncpo de los trabajos vrtuales y teoremas de Energía CONTENIDOS.. Defncón de trabajo

Más detalles

Trabajo Especial 2: Cadenas de Markov y modelo PageRank

Trabajo Especial 2: Cadenas de Markov y modelo PageRank Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E

Más detalles

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad. Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en

Más detalles

TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS

TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS ESTADÍSTICA I TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS VII.1.- Varable aleatora. Clasfcacón. VII.1.1.- Introduccón. VII.1..- Defncón. VII.1.3.- Clasfcacón. VII..- Caracterzacón de

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón

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

( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov

( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov 1 2 Varables aleatoras 2.1 Dscretas 2.1.1 Genércas Esperanza de una v.a. o Valor esperado Propedades de la Esperanza k = ( x ) E X x p EmX+ b = mex + b EK Varanza de una v.a. = K ( + ) = + E X Y E X E

Más detalles

ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a)

ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a) ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 Rcardo Ramírez Facultad de Físca, Pontfca Unversdad Católca, Chle 1er. Semestre 2008 Corrente eléctrca CORRIENTE ELECTRICA Corrente eléctrca mplca carga en movmento.

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

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

Más detalles

ECUACIONES DIFERENCIALES Problemas de Valor Inicial

ECUACIONES DIFERENCIALES Problemas de Valor Inicial DIVISIÓN DE IENIAS FÍSIAS Y MATEMÁTIAS DTO. TERMODINÁMIA Y FENÓMENOS DE TRANSFERENIA MÉTODOS AROXIMADOS EN ING. QUÍMIA TF-33 EUAIONES DIFERENIALES roblemas de Valor Incal Esta guía fue elaborada por: rof.

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd

Más detalles

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006 Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo 4 Probabldades Estadístca Computaconal II Semestre 006 Profesores: Héctor llende (hallende@nf.utfsm.cl) Carlos Valle (cvalle@nf.utfsm.cl)

Más detalles

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

4.4. La ciudad circular El Modelo de Salop

4.4. La ciudad circular El Modelo de Salop Matlde Machado para bajar las transparencas: http://www.eco.uc3m.es/~mmachado/ Economía Industral - Matlde Machado La Cudad Crcular El modelo de Salop 1 En el modelo de Hotellng habíamos supuesto que solo

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas Optmzacón multcrtero Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu Contendo 1. Conceptos báscos 2. Métodos contnuos 3. Métodos dscretos Escuela Técnca

Más detalles

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes. CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

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

Más detalles

TEMA 6 AMPLIFICADORES OPERACIONALES

TEMA 6 AMPLIFICADORES OPERACIONALES Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal

Más detalles

Propuesta de diseño de la subasta de Temporada Abierta Diciembre 2016

Propuesta de diseño de la subasta de Temporada Abierta Diciembre 2016 Introduccón Propuesta de dseño de la subasta de Temporada Aberta Dcembre 2016 1. En la prmera subasta de temporada aberta se ofrecerá el transporte y almacenamento de gasolnas y désel en las zonas 1 Rosarto

Más detalles

Distribución, compensación y fondos estructurales: una propuesta metodológica

Distribución, compensación y fondos estructurales: una propuesta metodológica Dstrbucón, compensacón y fondos estructurales: una propuesta metodológca Jorge NIETO VÁZQUEZ, Pedro PASCUAL ARZOZ y Manuel RAPÚN GÁRATE (*) Departamento de Economía, Unversdad Públca de Navarra, E-31006

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento

Más detalles

Cifrado de imágenes usando autómatas celulares con memoria

Cifrado de imágenes usando autómatas celulares con memoria Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano

Más detalles

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL

Más detalles

Vectores en el espacio

Vectores en el espacio ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c

Más detalles

Grafos. Conceptos básicos

Grafos. Conceptos básicos Grafos Se presenta en este módulo, como lectura complementara a los capítulos de Grafos del texto de clase: una lsta de conceptos que deben ser defndos con precsón por los alumnos, los elementos necesaros

Más detalles

Números Complejos. Matemática

Números Complejos. Matemática Números Complejos Matemátca 4º Año Cód. 40-6 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

APUNTES DE TEORÍA DE JUEGOS II Natalia González Julieth Solano. No. 5

APUNTES DE TEORÍA DE JUEGOS II Natalia González Julieth Solano. No. 5 APUNTES DE TEORÍA DE JUEGOS II Natala González Juleth Solano No. 5 Marzo 005 APUNTES DE ECONOMÍA ISSN 794-09X No. 5, Febrero de 005 Edtor Julo César Alonso C. jcalonso@ces.edu.co Asstente de Edcón Stephane

Más detalles

INGENIERÍA ENZIMÁTICA

INGENIERÍA ENZIMÁTICA Dvsón de Cencas Bológcas y de la Salud Ingenería Boquímca Industral INGENIERÍA ENZIÁTICA PROBLEARIO Dr. Sergo Huerta Ochoa NOTA: Los ejerccos presentados en este problemaro, son una recoplacón de problemas:

Más detalles

Cada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma.

Cada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma. Cada uno da lo que recbe, Y luego recbe lo que da, Nada es más smple, No hay otra norma: Nada se perde, Todo se transforma. Todo se transforma (Jorge Drexler, cantautor uruguayo) Estadístca Básca - Manuel

Más detalles

Uno de los determinantes distributivos más importantes es la política redistributiva del gobierno.

Uno de los determinantes distributivos más importantes es la política redistributiva del gobierno. REDISTRIBUCION Uno de los determnantes dstrbutvos más mportantes es la polítca redstrbutva del goberno. o polítca trbutara o gasto socal o seguros socales o regulacones con fnes redstrbutvos Países dferen

Más detalles

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

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

Más detalles

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones

Más detalles

ACUERDO. 2. SEGUIMIENTO DEL ACUERDO. El seguimiento del presente Acuerdo se realizará a través del grupo de trabajo de productividad.

ACUERDO. 2. SEGUIMIENTO DEL ACUERDO. El seguimiento del presente Acuerdo se realizará a través del grupo de trabajo de productividad. ACUERDO SOBRE EL COMPLEMENTO DE PRODUCTIVIDAD PARA EL PERSONAL LABORAL DESTINADO EN LOS SERVICIOS CENTRALES Y TERRITORIALES DEL MINISTERIO DE HACIENDA Y ADMINISTRACIONES PÚBLICAS El complemento de productvdad

Más detalles

ALINEAMIENTO DE DOS SECUENCIAS (pairwise alignment)

ALINEAMIENTO DE DOS SECUENCIAS (pairwise alignment) ALINEAMIENTO DE DOS SECUENCIAS (parwse algnment) El alneamento de una pareja de secuencas permte cuantfcar el grado de smltud que hay entre ellas y determnar s exste algún tpo de relacón entre ambas. Para

Más detalles

1. ESTADÍSTICA DESCRIPTIVA.

1. ESTADÍSTICA DESCRIPTIVA. Departamento de Matemátcas http://www.colegovrgendegraca.org/eso/dmate.htm Estadístca descrptva 1. ESTADÍSTICA DESCRIPTIVA. 1.1. Introduccón. En general, cuando se va a estudar un determnado colectvo,

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