Tarificación de bonos sobre catástrofes (cat bonds) con desencadenantes de índices de pérdidas. Modelación mediante un proceso de Ornstein-Uhlenbeck

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

Download "Tarificación de bonos sobre catástrofes (cat bonds) con desencadenantes de índices de pérdidas. Modelación mediante un proceso de Ornstein-Uhlenbeck"

Transcripción

1 REVISTA DE MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA Y LA EMPRESA (24). Págas Dcembre de ISSN: X. D.L: SE Tarfcacó de boos sobre caásrofes (ca bods) co desecadeaes de ídces de pérddas. Modelacó medae u proceso de Orse-Uhlebeck Pérez-Frucuoso, María José Deparameo de Ecoomía y Admsracó de Empresas Uversdad a Dsaca de Madrd (España) Correo elecróco: marajose.perez@udma.es RESUMEN Ese arículo propoe u modelo aleaoro e empo couo para calcular el ídce de pérddas desecadeae de los boos sobre caásrofes a parr de la cuaía declarada de sesros hasa el momeo de su vecmeo. Bajo la hpóess de que la cuaía oal de ua caásrofe se defe como la suma de la cuaía declarada de sesros y la cuaía de sesros pedee de declarar, modelzamos la dámca leal decrecee de esa úlma cuaía medae u proceso browao advo o proceso de Orse-Uhlebeck. La cuaía declarada de sesros, eoces, se obee por dfereca ere la cuaía oal de los sesros y la cuaía de sesros pedee de declarar. Falmee, se comprueba la valdez del modelo propueso esmado sus parámeros fudameales y corasado la bodad del ajuse realzado sobre ua muesra de seres de daos de ses udacoes ocurrdas e dferees localdades españolas propesas a sufrr ese po de caásrofes. Palabras claves: boos sobre caásrofes; cuaía de sesros pedee de declarar; cuaía declarada de sesros; asa de declaracó de sesros; ídce de pérddas por caásrofes; proceso de Orse-Uhlebeck. Clasfcacó JEL: C51; C52. MSC2010: 60G15; 62P05. Arículo recbdo el 4 de marzo de 2015 y acepado el 15 de ovembre de

2 Prcg Loss Idex Trggered Ca Bods. A Orse-Uhlebeck Process-Based Model ABSTRACT Ths paper develops a couous-me radom model of loss dex rggers for ca bods o he bass of he loss amou curred ul her maury. Assumg ha oal loss amou due o a caasrophe s defed as he sum of he curred loss amou plus he curred-bu-o-ye repored loss amou, we model he decreasg lear dyamcs of he laer amou by meas of a addve Browa process (or Orse Uhlebeck process); ad ge he former by he dfferece bewee he oal loss amou ad he curred-bu-o-ye-repored loss amou. Fally, we es he valdy of he model by esmag s core parameers ad by corasg he goodess of f hrough a daa seres of sx floods occurred several Spash ces proe o suffer such kd of caasrophes. Keywords: caasrophe bods; curred-bu-o-ye-repored loss amou; curred loss amou; clam reporg rae; loss dex rgger; Orse- Uhlebeck process. JEL classfcao: C51; C52. MSC2010: 60G15; 62P

3 1. Iroduccó Los boos sobre caásrofes so acvos faceros que codcoa su coberura a la ocurreca de u deermado desecadeae (rgger) esablecdo e el momeo de la emsó. La seleccó de ese desecadeae se realza e fucó de los resgos cuberos y la forma e que se esrucure el proceso de demzacó, raado, desde el puo de vsa del versor, de maxmzar su raspareca y, desde el puo de vsa del parocador, de mmzar el resgo de base o de coberura sufcee. Por esa razó, a lo largo del empo, los desecadeaes ulzados e los procesos de ulzacó del resgo asegurado ha do varado desde los desecadeaes cales de demzacó y de ídces paramércos a la edeca acual de ídces de pérddas secorales (o ídces de pérddas de la dusra aseguradora). Ello se debe, báscamee, a que, free a la esrucura apoyada e los lbros de coabldad del desecadeae de demzacó, los desecadeaes de ídces de pérddas so más smples de compreder para el versor y reduce el resgo moral. Además, desde el puo de vsa del asegurador, eva que mucha de su formacó cercaa a la cofdecaldad se haga públca. S embargo, el prcpal coveee de ese ssema de esrucuracó de los boos sobre caásrofes derva de ulzar ídces pobremee desarrollados que o represee felmee las pérddas de la dusra y geere resgo de base. U aspeco relevae e el aálss, ao eórco como prácco, de esos srumeos facero-acuarales co desecadeaes de ídces de pérddas, es su arfcacó a lo largo de u horzoe emporal deermado. Desde u efoque exclusvamee acuaral, para fjar el preco de u produco de seguros, radcoalmee se rabaja co las hpóess de la Teoría Clásca del Resgo, que supoe las cuaías dvduales de los sesros como varables aleaoras depedees y equdsrbudas. Además, la prma se obee aplcado el prcpo de muualdad a parr del cual los resgos se dsrbuye ere oda la masa asegurada; de forma que, e promedo, los errores se compesa y la esperaza maemáca de la sesraldad oal, o prma pura, es sufcee para llevar a cabo la coberura. S embargo, ese procedmeo de deermacó del preco del seguro es cogruee co la valoracó realzada e los mercados faceros, e los que la cuafcacó de los acvos dervados se obee, evado las oporudades de arbraje, medae la réplca de careras formadas por acvos smples cuyos resulados so guales, e odo momeo del perodo de egocacó, al del acvo dervado objeo de valoracó. La arfcacó de los boos sobre caásrofes e ese coexo requere la defcó de u modelo que perma calcular la evolucó emporal de la cuaía oal de las pérddas dervadas de ua caásrofe y, por ao, de la rao de sesraldad subyacee de ese po de coraos. Dversos auores se ha ocupado de esa cuesó. Cumms y Gema (1995) y Gema y Yor, (1997) desarrolla modelos de valoracó de opcoes y fuuros sobre resgos caasrófcos basados e dos hpóess: por ua pare, ulza procesos geomércos de Weer para descrbr la declaracó 342

4 saáea de los sesros y, por ora, procesos de Posso, que corpora al modelo la posbldad de ocurreca de grades caásrofes. Aase (1999, 2001) modela la dámca del ídce de pérddas a ravés de u proceso de Posso compueso co salos aleaoros para valorar fuuros y opcoes sobre fuuros sobre caásrofes como caso parcular del modelo desarrollado por Embrechs y Meser (1997), que represea el comporameo del subyacee medae ua mxura de procesos de Posso compuesos y ua frecueca de sesraldad aleaora. Loubergé e al. (1999) aplca el modelo de valoracó de opcoes sobre caásrofes desarrollado por Cumms y Gema (1995), para calcular el preco de u boo caasrófco cuyo desecadeae es u ídce de pérddas de la dusra aseguradora. Lee y Yu (2002) corpora el resgo de crédo e la valoracó de los boos caasrófcos a ravés de u movmeo geomérco browao así como facores práccos asocados al azar moral y al resgo de base. Cox y Pederse (2000) propoe u méodo de cálculo del preco de u boo sobre caásrofe e mercados compleos a parr de la defcó de ua deermada esrucura emporal de los pos de erés y de ua esrucura de probabldades de ocurreca del resgo caasrófco. Muerma (2003) ulza la modelacó del ídce de pérddas desarrolla por Aase (1999) para realzar ua valoracó, cossee e érmos acuarales, de las opcoes y fuuros egocados e el Chcago Board of Trade (e adelae, CBOT) durae la década de los 90 del sglo pasado. Nowak y Romauk (2013) aplca modelos de ETTI (pos de erés spo lbres de resgo) bajo la hpóess de que la ocurreca de la caásrofe es depedee del comporameo de los mercados faceros. Falmee, Zog-Gag y Chao-Qu (2013) cosdera u eoro de pos de erés esocáscos para descrbr las pérddas caasrófcas a ravés de u proceso de Posso compueso o homogéeo. Esa revsó de la leraura facero-acuaral poe de mafeso el uso frecuee del movmeo geomérco browao para modelar el comporameo del ídce de pérddas desecadeae de los dervados vculados a seguros e geeral y, dero de ese po de acvos, de los boos sobre caásrofes e parcular. Trabajar bajo esa hpóess lleva a asumr u crecmeo expoecal, e promedo, de la declaracó de sesros saáea; meras que lo que revela la evdeca empírca es que dcho crecmeo ede a ser uforme e el empo. E Cumms y Gema (1995), se asume además, que esa asa es dscoua al roducr el proceso de salo debdo a las grades caásrofes e la defcó de S( ); e Gema y Yor (1997), la roduccó de las grades caásrofes se hace e la defcó del ídce de pérddas, L( ), drecamee. Ese plaeameo agregado e cuao al comporameo de la velocdad de declaracó de los sesros o se correspode co ua dsrbucó más o meos uforme de la ocurreca de los msmos dero de u ervalo emporal cocreo, pues es dfícl eeder que el proceso de agregacó sesral sea expoecal y o leal. 343

5 Para resolver esas cossecas, Alegre e al. (2003) desarrolla u modelo aleaoro e empo dscreo que modela el comporameo del ídce de pérddas subyacee de los fuuros y opcoes sobre resgos caasrófcos egocadas e el CBOT, a parr de la defcó de la cuaía oal de ua caásrofe como la suma de dos varables aleaoras, la cuaía declarada de sesros y la cuaía de sesros pedee de declaracó, lmado la posbldad de ocurreca de caásrofes a ua por perodo. Para reflejar la cerdumbre del rmo de las declaracoes e el empo, se defe u proceso esocásco dscreo formado por varables aleaoras de Beroull, deomadas asas omales de declaracó de sesros, que perme smular peródcamee dos velocdades de declaracó de sesros, ua rápda y ora lea. Falmee, los auores demuesra que, dvdedo famee los perodos de observacó, el modelo dscreo aleaoro ede a u modelo couo basado e u proceso de Weer. Poserormee, Pérez-Frucuoso (2008, 2009) realza ua exesó al campo couo del modelo dscreo aleaoro aeror asumedo que la dámca de la cuaía de sesros pedee de declarar sgue u movmeo geomérco browao represeavo de u decrecmeo emporal de esa varable a razó de ua fucó real de varable real, deomada asa de declaracó de sesros, para la cual se propoe res defcoes aleravas: cosae, asóca y mxa. Para el caso de ua asa de declaracó de sesros cosae (asa saáea de declaracó de sesros), la cuaía declarada de sesros, varable fudameal para el cálculo del ídce de pérddas e caso de ocurreca de ua caásrofe, se obee eoces fáclmee como dfereca ere la cuaía oal de la caásrofe y la cuaía de sesros pedee de declarar. Co el objevo de desarrollar ua modelzacó más ajusada del ídce de pérddas por caásrofes desecadeaes de los boos sobre caásrofes, e ese arículo se presea ua defcó alerava para la dámca de las declaracoes de sesros basada e u proceso de Orse- Ulhebeck. La corporacó de u movmeo browao advo a ravés del proceso de Orse- Ulhebeck perme cosderar la rregulardad de las declaracoes de sesros de forma cosae e el empo y o proporcoal a la cuaía de sesros pedee de declarar. La esrucura del arículo es la sguee. Tras la preseacó de las hpóess báscas sobre las que se modela la ocurreca de las caásrofes y la declaracó de los sesros y descrbr las expresoes más relevaes obedas e el modelo orgal, la Seccó 3 presea las solucoes de las varables cuaía declarada de sesros y cuaía de sesros pedees de declarar cuado la dámca de ésa úlma se represea medae u proceso de Orse-Ulhebeck. E la Seccó 4, se calcula el ídce de pérddas por caásrofes a parr de los resulados obedos e la seccó aeror. E la Seccó 5, se realza ua valdacó del modelo propueso a ravés de la esmacó de los parámeros del modelo orgal y del modelo de Orse-Ulhebeck y de la comparacó de los 344

6 resulados obedos e ambos casos. Y falmee, la Seccó 6 presea las prcpales coclusoes alcazadas co la realzacó del arículo. 2. Revsó del modelo orgal de elaboracó del ídce de pérddas 2.1. Hpóess sobre la ocurreca de caásrofes Sguedo a Pérez-Frucuoso (2008), se cosdera que [ 0,T] [ 0,T ] es el perodo de resgo del boo sobre caásrofes, al que T T es la fecha de vecmeo o amorzacó del corao y [ 0,T] el momeo e el que se produce la caásrofe cubera co la emsó del boo. Se defe K como la varable aleaora que represea la cuaía oal de la caásrofe de esdad ocurrda e el momeo co =1, 2, 3 de forma que: =1, s la caásrofe ocurrda es de pequeña cuaía; =2, s es de cuaía meda; e =3, s es de gra cuaía (Alegre e al., 2003). Falmee, se roduce e el modelo ua varable dcador, δ, cuyo valor es 0 s o se produce la caásrofe cubera e el boo e u momeo [ 0,T], o 1 e oro caso Hpóess sobre la declaracó de sesros. Prcpales solucoes del modelo orgal E el modelo orgal desarrollado por Pérez-Frucuoso (2008), se asume que el proceso de declaracó de los sesros asocado a la ocurreca de ua caásrofe se ca e el msmo sae e el que ésa se produce y se exede hasa el momeo del vecmeo del boo, T. Eoces, para u momeo de valoracó (,T ] [ 0,T ], se defe la cuaía oal de la caásrofe ocurrda e el momeo, K, como la suma de dos varables aleaoras: K = S ()+ R () (1) dode S ( ) es la cuaía declarada de sesros y R 345 la cuaía de sesros pedees de declaracó ambas referdas al momeo de valoracó. A parr del aálss de la evdeca empírca, se cosdera como hpóess fudameal del modelo que la esdad e la declaracó de los sesros es muy elevada medaamee después de la ocurreca de la caásrofe y va dsmuyedo co el empo hasa aularse cuado ya o queda más sesros por declarar. Como cosecueca de ello, y e ua prmera fase de cosruccó del modelo, se represea la sesraldad saáea a ravés de ua ecuacó dferecal que descrbe u crecmeo de la cuaía de sesros declarada proporcoal a la varable cuaía de sesros pedee de declarar: ds ( ) = α R ( )d (2)

7 sedo α u valor cosae deomado asa saáea de declaracó de sesros co α 2 3 > α y α 1. Las varables R ( ) y S esá sujeas a las sguees codcoes de cooro: (a) Codcó de cooro cal, = : s el momeo de valoracó del boo cocde co el momeo de ocurreca de la caásrofe: R ( ) = K y S = 0, la cuaía de sesros pedee de declaracó cocde co el volume oal de la caásrofe y, cosecueemee, la cuaía la cuaía declarada de sesros es cero. (b) Codcó de cooro fal, : s la valoracó del boo se produce e u momeo lo sufceemee alejado de la ocurreca de la caásrofe (ede a fo): lm R ( ) = 0 y lm S ( ) = K, las pérddas asocadas a la caásrofe ya se ha declarado e su oaldad y, por ao, ya o queda gú sesro pedee de declarar. Dferecado la ecuacó (1), resula: ds ( ) = dr ( )d (3) y subsuyedo e la ecuacó (2), ds ( ) por el resulado obedo e la expresó (3), se obee la ecuacó dferecal que descrbe la evolucó de la cuaía de sesros pedee de declarar, R ( ), como: dr ( ) = α R ( )d (4) Para capurar el comporameo rregular de las declaracoes de sesros caasrófcos a lo largo del empo, se roduce u proceso de Weer e la ecuacó (4) dado lugar a la sguee ecuacó dferecal esocásca (Pérez-Frucuoso, 2008, 2009): dr ( ) = α R ( )d + σ R ( )dw [,T] (5) sedo α la asa saáea de declaracó de sesros, que represea la edeca del proceso; σ ua cosae que dca la volaldad del proceso; y W ( ) u proceso de Weer esádar asocado a la caásrofe del po ocurrda e el momeo. 346

8 La ecuacó dferecal (5) se resuelve aplcado el lema de Iô a la rasformacó y = l R ( ) (Arold, 1974), de dode, cosderado las codcoes de cooro (a) y (b), se obee: R ( ) = K e 2 α + σ 2 ( )+σ W ( ) (6) La cuaía declarada de sesros hasa, S ( ), se derva fáclmee como dfereca ere la cuaía oal de la caásrofe y la cuaía de sesros pedee de declarar, subsuyedo (6) e la ecuacó (1), que esablece la relacó ere las varables R ( ) y S ( ); eso es: S ( ) = K R = K 1 e 2 α + σ 2 ( )+σ W ( ) (7) y s ecesdad de defr ua ecuacó dferecal esocásca para descrbr su dámca. 3. Varacoes del modelo orgal. El modelo de Orse-Uhlebeck E el modelo orgal, cuado corporamos la rregulardad e el comporameo de las declaracoes de sesros e el empo, asummos que su esdad es proporcoal a la cuaía de sesros pedee de declarar y lo represeamos medae u movmeo browao geomérco. El proceso de Weer roducdo e el modelo recoge las dferecas e la esdad de declaracó de sesros ya que se cosdera que cada caásrofe ee caraceríscas propas o explcadas e el modelo. S embargo, perurbar la asa de declaracó de sesros co u rudo blaco amplfcado por σ puede dar lugar a valores de dcha asa egavos, lo que provocaría u crecmeo emporal de la cuaía de sesros pedee de declarar, R ( ), debdo a la varacó versa defda para dcha varable. Eso puede suceder cuado, después de realzadas las declaracoes de sesros, la asacó de los peros dé lugar a valoracoes de pérddas ferores a las esmadas calmee. Por ello, la corporacó de la aleaoredad medae u proceso de Weer úcamee es válda para valores de σ ales que la probabldad de que la cuaía de sesros pedee de declarar sea crecee, es práccamee desprecable. Para solvear esa posble coradccó e el modelo orgal, cosderamos e ese arículo que la rregulardad de la esdad e la declaracó de los sesros es cosae e el empo y, por ao, o depede de la cuaía de sesros pedee de declarar. Ese hecho queda reflejado roducedo u proceso de Weer e la ecuacó (4) medae u movmeo browao arméco e lugar de uo geomérco, dado lugar a la sguee ecuacó dferecal esocásca: 347

9 dr ( ) = α R ( )d +σ dw (8) Ese po de proceso gaussao se cooce como proceso de Orse-Uhlembeck y su solucó puede obeerse a ravés del cálculo de Iô. Para ello, cosrumos u polomo de Taylor de la fucó f ( Z,), dode Z es u proceso de Iô de la forma dz = a d + b dw, d 0, y deeemos su desarrollo e ο( d): df ( Z,)= f Z, Z = f Z, Z dz + f Z, d f Z, 2 2 Z ( a d + b dw )+ f Z, 2 +L dz d f Z, 2 2 Z 2 +L Z 2 a d + b dw = f Z, ( a Z d + b dw )+ f Z, d f Z, b 2 2 +ο d f ( Z,) = a + f ( Z,) f ( Z,) + b Z 2 2 Z d + b f ( Z,) dw Z (9) Ulzamos (9) para aplcar el proceso de Iô e (8) co la fucó f ( R ( ),)= R ( )e α : d R ( )e α = α R ( )e α + α R ( )e α d +σ e α dw ( ) = σ e α dw ( ) (10) Iegrado ere 0 y - ambos lados de la gualdad y cosderado la codcó de cooro cal esablecda e la Seccó 2, la expresó de la cuaía de sesros pedee de declarar, R ( ), e ese caso es: R ( ) = K e α ( ) +σ e α ( ) e α s dw ( s) (11) A parr de ese resulado, la cuaía declarada de sesros hasa, S ( ), se obee de forma smple, subsuyedo (11) e la ecuacó (1) y operado: 0 S ( ) = K K e α ( ) +σ e α ( ) = K 1 e α ( ) σ e α 0 ( ) 0 e α s dw ( s) = e α s dw ( s) (12) R ( ) es u proceso gaussao cuyos momeos prcpales, meda y varaza, resula: 348

10 Var[ R ( ) ]= E R E[ R ( ) ]= K e α ( ) [ E( R ( ) )] 2 = E σ e α ( ) = ( σ ) 2 e 2α = ( σ ) 2 e 2α ( ) 1 2α E e 2α s dw s 0 e 2α ( 1)= σ 0 = σ 2 2α y, por ao, R ( ) sgue ua dsrbucó ormal de parámeros: e α s dw ( s) 2 e 2α 2 = 1 e 2α ( ) E e 2α s ds = 0 R 2 ( ) N K e α ( ), σ 2α 1 e 2α ( ) (13) 4. Deermacó del ídce de pérddas por caásrofes e el modelo de Orse-Uhlembeck U ídce de pérddas por caásrofes se defe como el cocee ere la cuaía oal de pérddas asocadas a ua o varas caásrofes ocurrdas a lo largo de u deermado perodo de empo y u valor cosae cuya defcó depede del po de ídce ulzado. Ese ídce perme cuafcar la magud de las declaracoes de sesros que se espera e la dusra aseguradora después de la ocurreca de ua o varas caásrofes. Los boos sobre caásrofes que ulza ídces de pérddas como desecadeaes de las demzacoes sólo cosdera, para la elaboracó de dchos ídces, la ocurreca de ua caásrofe durae el perodo de resgo y, a la hora de realzar los pagos, se basa e el valor que el ídce de pérddas ulzado alcace e el momeo del vecmeo del corao, T. Por ao, el valor del ídce al vecmeo del boo T puede defrse como: = δ S ( T ) LI T ce 0 s δ = 0 = S ( T ) s δ ce =1 (14) Subsuyedo e (14) S ( T ) por su expresó dada e la ecuacó (12), el valor de dcho ídce ee la sguee expresó: = δ, S ( T ) LI T ce ce K 1 e α ( T ' ) σ e α = δ T ' ( T ' ) 0 e α s dw ( s) (15) 349

11 Resula evdee que LI T es aleaoro porque S ( T ) es ua varable aleaora: a pror, e el momeo de la emsó del boo, se descooce s se va a producr la caásrofe cubera e el msmo y, por ao, se gora el momeo de su ocurreca y la cuaía de los daños asocados a dcha caásrofe. A couacó, se aalza cómo se va modfcado la dsrbucó de probabldad del ídce de pérddas cuado, e lugar de realzar la valoracó e el momeo de la emsó del boo, se alcaza u sae [,T ] y se corpora la formacó dspoble sobre las declaracoes sesrales realzadas hasa ese momeo. Para ello, se defe ua ueva varable aleaora codcoada, LI * ( T ) = LI( T )/F, que represea la cuaía oal de las pérddas declaradas hasa T, sedo F ua flracó que represea la posble hsora de declaracoes de sesros realzadas durae el ervalo [,]. Para obeer LI * ( T ) = LI( T )/F, se calcula, e prmer lugar, la cuaía oal de declaracoes de pérddas e cualquer momeo [,T ], LI( ), que es el codcoae de LI( T ) (es decr LI( ) F ), resulado: = δ, S ( T ) LI T ce ce K 1 e α ( ) σ e α = δ ( ) 0 e α s dw ( s) (16) Deermado LI(), se roduce e la varable LI(T ) dado lugar al sguee valor del ídce codcoado: LI * T = δ /F ce L( )+ ( K /F )1 e α ( T ' ) σ e α T ( T ) e α s dw ( s) (17) A parr de esa expresó, el preco del boo sobre caásrofes e u momeo de su perodo de egocacó puede calcularse aplcado la eoría geeral de valoracó de opcoes véase, por ejemplo, Loubergé e al.(1999) o Pérez-Frucuoso (2008). 5. Valdacó del modelo. Esmacó de los parámeros y comparacó de los modelos orgal y de Orse-Ulhembeck E la aplcacó prácca del modelo eórco desarrollado para deermar u ídce de pérddas por caásrofes desecadeae de los boos sobre caásrofes, los prcpales parámeros a esmar so la asa de declaracó de sesros y la volaldad corporada medae el proceso de Weer e el modelo orgal y a ravés del proceso de Orse-Ulhembeck e el modelo aleravo. Para ello, se 350

12 dspoe de daos sobre el porceaje de sesros pedee de declarar, acumulado semaalmee, e 6 udacoes ocurrdas e dsas regoes de España e las que ese po de sucesos se produce co elevada frecueca 1 : Alcra (01/10/1991), Sa Sebasá (23/06/1992), Barceloa (14/09/1999), Zaragoza (20/10/2000), Valeca (20/10/2000) y Murca (20/10/2000). Semaa Alcra Sa Sebasá Barceloa Zaragoza Valeca Murca ,94 88,08 90,68 60,11 97,54 88, ,65 36,04 68,38 56,91 80,18 75, ,96 23,67 50,68 38,3 60,15 48,7 4 24,05 16,68 41,42 29,79 43,16 31, ,86 12,29 31,58 23,4 31,96 21, ,36 9,94 25,43 19,15 27,55 15, ,53 8,72 19,56 18,09 19,54 11,27 8 8,04 7,76 16,68 15,43 15,29 8,71 9 6,94 6,8 13,28 15,43 14,76 8, ,23 5,78 10,54 10,64 14,7 6, ,08 5,18 8,15 6,91 11,06 5, ,71 4,33 6,8 3,72 8, ,56 3,45 6,13 3,72 6,98 3, ,6 2,69 3,41 2,66 6,21 2,6 15 1,75 1,81 3,41 2,66 5,17 2,8 16 1,3 1,59 2,61 1,6 4,22 2, ,77 1,39 1,81 1,6 3,5 2, ,29 1,16 1,26 1,6 2,72 2, ,0 0,96 0,56 0 2,26 1, ,76 0,0 1,88 1, ,45 1,69 1, ,28 1,61 0, ,2 0,9 0, ,17 0,54 0, ,11 0,36 0, ,06 0,19 0, ,0 0,0 0,0 Tabla 1: Daos asocados a ses udacoes ocurrdas e España E el modelo orgal R ( ) es ua varable aleaora cuya dsrbucó depede de la dsrbucó de probabldad de la cuaía oal de la caásrofe, K. S realzamos la hpóess, habual e la leraura acuaral, de que dcha cuaía es u valor cosae véase, por ejemplo, Cumms y Gema (1995) o Gema y Yor (1997), la varable R ( ) segurá ua dsrbucó logormal, sedo los parámeros de la dsrbucó ormal asocada (Johso e al., 1994): N lk α + σ 2 2 ( ),σ co E[ R ( ) ]= K e α. 1 Esos daos se ha obedo a ravés del Deparameo Técco y de Reaseguro del Cosorco de Compesacó de Seguros. 351

13 S embargo, cosderado las propedades de la dsrbucó ormal así como las caraceríscas de los daos dspobles, es posble obeer ua expresó más apropada para obeer los esmadores de los parámeros de los modelos aalzados, α y σ, a parr de la cuaía de sesros pedee de declarar e y e -1, operado como sgue: R R ( ) 1 = K K e ( α + σ ) 2 2 ( )+σ w ( ) e ( α + σ ) 2 2 ( 1)+σ w ( 1) = e 2 α + σ 2 +σ w ( 1) Eso mplca que R R ( ) 1 dspersó de la dsrbucó ormal asocada: l R R sgue ua dsrbucó logormal, co parámeros de edeca y ( ) 1 ~ N α Eoces, s defmos la varable X( ) como: 2 + σ 2, σ 2 = l R ( ) R ( 1) ~ N α X 2 + σ 2 2, σ (18) y aplcamos sobre ese resulado el méodo de esmacó de máxma-verosmlud, el esmador de la asa de declaracó de sesros resula: ( ˆ α ) EMV = X ˆ 2 ( σ ) EMV 2 (19) dode X = 1 X( ) y muesral. =1 ( ˆ σ ) 2 = 1 ( X( ) X ) 2 so, respecvamee, la meda y la varaza =1 La varaza muesral ha sdo esmada a ravés de la cuas-varaza muesral, ya que esa úlma es u esmador sesgado de la prmera: S 2 = 1 ( X( ) X ) 2 (20) 1 =1 352

14 Co los daos dspobles e la Tabla 1, calculamos e prmer lugar la meda muesral para cada caásrofe. Ua vez obeda dcha meda, deermamos la cuas-varaza aplcado la ecuacó (20) y, falmee, calculamos la asa de declaracó de sesros, ˆ α EMV, subsuyedo los valores obedos de la meda muesral y la cuas-varaza e la ecuacó (19). Los resulados dervados de ese proceso se muesra e las Tablas 2 y 3. X ( ˆ σ ) 2 ˆ ( α ) EMV Alcra 0, , , Sa Sebasá 0, , , Barceloa 0, , , Zaragoza 0, , , Valeca 0, , , Murca 0, , , Tabla 2: Esmadores para el modelo orgal Alcra N( 0, ;0, ) Barceloa N( 0, ;0, ) Zaragoza N( 0, ;0, ) Valeca N( 0, ;0, ) Murca N( 0, ;0, ) Sa Sebasá N 0, ;0, Tabla 3: Dsrbucoes ormales de X() para el modelo orgal E el modelo de Orse-Ulhemberk, R ( ) es u proceso gaussao defdo e (13) como: R 2 ( ) N K e α ( ), σ 2α 1 e 2α ( ) A couacó, obeemos ua expresó cerrada para los esmadores de los parámeros asa de declaracó de sesros y volaldad e ese modelo, aplcado el méodo de máxma- verosmlud. Para ello, e prmer lugar deermamos la fucó de desdad de R ( ) codcoada a R ( 1) e u proceso de Orse-Ulhembeck: ( σ ) 2 f R ( ) R ( 1),α (,σ )= ( 2π) 1 2 2α 1 e 2α 1 2 e R ( ) R ( 1)e α 2 ( σ ) 2 1 e 2α α y, cosderado que = ( 1) =1, el logarmo de la fucó de desdad codcoal resula: 353

15 2 l f R ( ) R ( 1),α (,σ )= 1 2 l2π 1 2 l σ 2α 1 e 2α ( ) α ( σ ) 2 R ( ) R ( 1)e α 2 1 e 2α A parr de esa expresó, sumado odas las fucoes de desdad dvduales para las observacoes, se obee la sguee fucó log-verosíml: ll α (,σ )= l f R ( j) R ( j 1),α,σ = 2 = 2 l2π 2 l σ 2α 1 e 2α ( ) α ( σ ) 2 1 e 2α R ( j) R ( j 1)e α 2 (21) Para obeer el esmador del parámero σ, dervamos la ecuacó (21) respeco de dcho parámero e gualamos a cero: l L α (,σ ) = + σ σ 2α ( σ ) 3 1 e 2α R ( j) R ( j 1)e α 2 = 0 (22) Operado e la expresó (22), el esmador máxmo-verosíml de σ, ( ˆ σ ) resula: EMV 2 ( ˆ σ ) EMV 2α = 1 e 2α R ( j) R ( j 1)e α 2 (23) Segudamee, subsumos el esmador dado por la expresó (23) e la fucó log-verosíml (21) para obeer la msma fucó, pero depedee exclusvamee de α : ll( α )= 2 l2π 2 l 1 R ( j) R ( j 1)e α 2 2 (24) El esmador máxmo-verosíml de α, expresó (24) respeco a α e gualado a cero: ( ˆ α ) se calcula dervado, e prmer lugar, la EMV 354

16 l L α (,σ ) = α 2 2 R ( j) R ( j 1)e α R ( j 1) = R ( j) R ( j 1)e α 2 ( 2 e α R ( j)r ( j 1) R j 1 = R ( j) R ( j 1)e α 2 Eoces, resolvedo esa ecuacó para α, ( ˆ α ), resula: EMV = 0 0 = R ( j)r ( j 1) R j 1 e α = α = l R ( j)r j 1 ( R ( j 1 ) 2 R ( j)r ( j 1) R ( j 1) 2 ( 2 e α ( j)r ( j 1) R ( j 1) R ( ˆ α ) EMV = l 2 (25) Por ao, las expresoes de los esmadores máxmo-verosímles de los parámeros del modelo de Orse-Uhlebeck so: ( ˆ α ) EMV = l ( R ( j 1 ) 2 2 ( ˆ σ ) EMV = 2 ˆ α 1 e 2α ˆ l R ( j)r ( j 1) y R ( j) R ( j 1)e α ˆ 2 355

17 Los resulados obedos para la esmacó de los parámeros del modelo de Orse-Uhlembeck e las ses udacoes cosderadas y el proceso gaussao segudo por se muesra e las Tablas 4 y 5. R ( ) ˆ ( α ) EMV ˆ 2 ( σ ) EMV Alcra Sa Sebasá Barceloa Zaragoza Valeca Murca 0, , , , , , , , , , , , Tabla 4: Esmadores para el modelo de Orse-Ulhemberk Alcra Sa Sebasá Barceloa Zaragoza Valeca Murca ( ( ( ( ( ( Tabla 5: Proceso gaussao segudo ) ) ) ) ) ) N K exp( 0, );27, exp( 0, ) N K exp ( 0, );68, exp( 0, ) N K exp( 0, );22, exp( 0, ) N K exp ( 0, ); 42, exp( 0, ) N K exp ( 0, ); 41, exp( 0, ) N K exp ( 0, );31, exp( 0, ) R ( ) por para el modelo de Orse-Ulhemberk Para corasar la bodad del ajuse realzado y deermar qué modelo se ajusa mejor a la realdad que queremos represear, realzamos ua comparacó de los errores de los esmadores e las 6 udacoes dspobles paraa el modelo orgal y el modelo de Orse-Uhlebeck medae u aálss gráfco; véase Fguras 1 a 12. Fgura 1: Errores Sere Alcra modelo orgal Fgura 2: Errores Sere Alcra modelo OU 356

18 Fgura 3: Errores Sere Sa Sebasá modelo orgal Fgura 4: Errores Sere Sa Sebasá modelo OU Fgura 5: Errores Sere Barceloa modelo orgal Fgura 6: Errores Sere Barceloa modelo OU Fgura 7: Errores Sere Zaragoza modelo orgal Fgura 8: Errores sere Zaragoza modelo OU Fgura 9: Errores Sere Valeca modelo orgal Fgura 10: Errores Sere Valeca modelo OU 357

19 Fgura 11: Errores Sere Murca modelo orgal Fgura 12: Errores sere Murca modelo OU Del aálss vsual de los gráfcos de errores mosrados e las Fguras 1 a 12, podemos exraer la sguees coclusoes: - Los dos modelos desarrollados da lugar a los msmos resulados e la sere de daos de Alcra. - El modelo de Orse-Uhlebeck parece ajusarse mejor que el modeloo orgal e la sere de daos de Barceloa. - No es posble coclur cuál de los dos modelos se ajusa mejor a los daos dspobles sobre la udacó ocurrda e Valeca. - Los errores para las esmacoes de la sere de daos de Murca so mayores que los errores que se produce e las res seres de daos aalzadas aerormee. A pesar de ello, el modelo de Orse-Uhlebeck parece presear meores errores y por ao sería la mejor aproxmacó a los daos reales dspobles. - La udacó ocurrda e Zaragoza presea uas caraceríscas algo dferees al reso de udacoes aalzadas. El proceso de declaracó de sesros e ese caso se vo alerado por la ocurreca, medaamee después de la caásrofe orgal, de oras udacoes de meor esdad lo que codcoó los daos dspobles, dado lugar a mayores errores e las esmacoes realzadas sobre los valores reales. Por esa razó, el aálss gráfco e ese caso, poe de mafeso que el modelo de Orse-Uhlebeck se ajusa mejor al prcpo del proceso declaracó; meras que para las semaas fales del msmo, el modelo orgal resula más fable. - Falmee, las predccoes sobre la udacó de Sa Sebasá produce los msmos resulados que e el caso aeror. El modelo de Orse-Uhlebeck se ajusa mejor al prcpo y el modelo orgal al fal del proceso de declaracó de sesros. 358

20 E resume, para las seres de daos de Alcra y Valeca, los dos modelos da lugar a los msmos resulados. S embargo, e el reso de seres, el modelo de Orse-Uhlebeck parece dar mejores resulados (meores errores) que el modelo orgal. Para verfcar esos resulados gráfcos, calculamos la raíz de la suma cuadrado de los errores para cada modelo (véase Tabla 6), a parr de la sguee expresó: RSCE = SCE = 1 dode Y es el valor observado e ˆ Y es el valor esmado. =1 2 ( Y Y ˆ ) RSCE Modelo Orgal RSCE OU Alcra 3, , Sa Sebasá 7, , Barceloa 4, , Zaragoza 8, , Valeca 5, , Murca 5, , Meda 5, , Tabla 6: Valores de la RSCE para los modelos orgal y de Orse-Uhlebeck Como puede dervarse de los resulados obedos, el modelo de Orse-Uhlebeck presea uos errores meores para odas las udacoes cosderadas, excepo para Alcra e la que el modelo de Orse-Uhlebeck ee u error lgeramee superor al modelo orgal. E los casos de Sa Sebasá, Zaragoza y Murca, los errores comedos co el modelo orgal se reduce cosderablemee al realzar el ajuse co el modelo de Orse-Uhlebeck. Podemos coclur, por ao, que el modelo de Orse-Uhlebeck ajusa mejor que el modelo orgal la realdad caasrófca que queremos represear. 6. Coclusoes Para deermar el ídce de pérddas por caásrofes y proceder poserormee a la valoracó del acvo dervado del que es subyacee, la mayor pare de los modelos precedees véase, por ejemplo, Cumms y Gema (1995) o Gema y Yor (1997) asume u crecmeo emporal de la cuaía declarada de sesros y represea dcha evolucó a ravés de u movmeo geomérco browao. La hpóess ceral de ese arículo, s embargo, esablece u modelo browao advo o proceso de Orse-Uhlebeck para represear la dámca leal decrecee de la varable cuaía de sesros pedees de declarar. Ua vez deermada esa varable, el oal de sesros declarados se obee como dfereca ere la cuaía oal de la caásrofe y la cuaía de sesros pedee de declaracó, elmado de esa forma la ecesdad de defr ua ecuacó dferecal esocásca para descrbr su dámca. El ídce de pérddas caasrófcas resula de mulplcar la 359

21 cuaía declarada de sesros por ua varable aleaora dcoómca que dca s se ha producdo o o la caásrofe. El modelo couo propueso e ese rabajo perme calcular fáclmee el ídce de pérddas desecadeae de los boos sobre caásrofes, lo que smplfca cosderablemee su arfcacó a lo largo de su perodo de maduracó. La esmacó de los parámeros, ao del modelo orgal como del modelo aleravo basado e u proceso browao advo de Orse-Uhlebeck, se ha realzado aplcado la meodología de máxma verosmlud sobre los daos de las ses udacoes dspobles ocurrdas e dferees localdades españolas. La comparacó realzada de los dos modelos, medae el aálss gráfco de los errores y el cálculo de la raíz cuadrada del error cuadráco medo, perme coclur que el modelo aleravo propueso, desarrollado a parr de u proceso gaussao de Orse-Uhlebeck, es el que mejor ajusa la realdad que queremos represear. Referecas Aase, K. (1999): A Equlbrum Model of Caasrophe Isurace Fuures ad Spreads. Geeva Papers o Rsk ad Isurace Theory, 24, Aase, K. (2001): A Markov model for he prcg of caasrophe surace fuures ad spreads. Joural of Rsk ad Isurace, 68 (1), Alegre, A.; Pérez-Frucuoso, M.J. & Devolder, P. (2003): Modèles dscres d'opos sur rsques caasrophques. Belga Acuaral Bulle, 3, Arold, L. (1974): Sochasc Dffereal Equaos: Theory ad Applcaos. New York: Joh Wley & Sos. Cumms, J.D. & Gema, H. (1995): Prcg Caasrophe Isurace Fuures ad Call Spreads: A Arbrage Approach. Joural of Fxed Icome, 4, Cox, S.H. & Pederse, H. (2000): Caasrophe Rsk Bods. Norh Amerca Acuaral Joural, 4(4), Embrechs, P. & Meser, S. (1997): Prcg surace dervaves, he case of CAT fuures. E H. Bühlma (ed.): Securzao of Isurace Rsk: The 1995 Bowles Symposum. SOA Moograph M-FI97-1. Schaumburg: Socey of Acuares, pp Gema, H. & Yor, M. (1997): Sochasc me chages caasrophe opo prcg. Isurace: Mahemacs ad Ecoomcs, 21, Johso, N.L., Koz, S. & Balakrsha, N. (1994): Couous Uvarae Dsrbuos, Volume 1. New York: Joh Wley & Sos. 360

22 Lee, J.P. & Yu, M.T. (2002): Prcg defaul-rsky Ca bods wh moral hazard ad bass rsk. Joural of Rsk ad Isurace, 69 (1), Loubergé, H.; Kellez E. & Gll, M. (1999): Usg Caasrophe-Lked Secures o Dversfy Isurace Rsk: A Facal Aalyss of Ca Bods. Joural of Isurace Issues, 22 (2), Muerma, A. (2003): Acuarally Cosse Valuao of Caasrophe Dervaves. The Wharo Facal Isuos Ceer Workg Paper Seres, 03-18, 21 pp. Recuperado de hp://ceseerx.s.psu.edu/vewdoc/dowload?do= &rep=rep1&ype=pdf. Nowak, P. & Romauk, M. (2013): Prcg ad smulaos of caasrophe Bods. Isurace: Mahemacs ad Ecoomcs, 52, Pérez-Frucuoso, M.J. (2009): Elaborag a caasrophc loss dex for surace-lked secures (ILS) a couous model. Asa-Pacfc Joural of Rsk ad Isurace, 3(2), Pérez-Frucuoso, M.J. (2008): Modelg loss dex rgger for Ca bods: A couous approach. Varace, 2(2), Zog-Gag, M. & Chao-Qu, M. (2013): Prcg caasrophe rsk Bods: a mxed approxmao mehod. Isurace: Mahemacs ad Ecoomcs, 52,

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas Esmacó de parámeros e ecuacoes dferecales esocáscas aplcadas a fazas Joh Freddy Moreo Trujllo * jho.moreo@uexerado.edu.co * Docee vesgador. Faculad de Fazas, Gobero y Relacoes Ieracoales. Uversdad Exerado

Más detalles

{ a 1, a 2,..., a } n. Cualquier vector n

{ a 1, a 2,..., a } n. Cualquier vector n Deparameo de Aálss Ecoómco UNIVERSIDAD DE ZARAGOZA Tema 3: Formas cuadrácas reales Para odo el ema, se cosdera e R u ssema de refereca (o base) dado { a 1, a 2,..., a }. Cualquer vecor x R se escrbe de

Más detalles

Introducción a la Econometría Curso 2009/ Serie de Problemas 21

Introducción a la Econometría Curso 2009/ Serie de Problemas 21 Iroduccó a la Ecoomería Curso 9/78 Sere de Problemas. Supoga que u vesgador dspoe de ua muesra de grupos (clases) de educacó prmara y ulza daos del úmero de alumos e cada clase (CS) y de la oa meda obeda

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

MODELO CIR. Nota Técnica RESUMEN EJECUTIVO

MODELO CIR. Nota Técnica RESUMEN EJECUTIVO Noa Técca Eero 28, 2014 MODELO CIR RESUMEN EJECUTIVO Al modelar asas de erés se debe omar e cuea que esas so posvas, que hsórcamee ha mosrado u comporameo esable, eedo cambos sgfcavos úcamee como reflejo

Más detalles

Álgebra Manuel Hervás Curso

Álgebra Manuel Hervás Curso Álgebra Mauel Hervás Curso 0-0 FORMAS LINEALES Defcó Sea E u espaco vecoral sobre referdo a ua base B e e e,,, Se deoma Forma Leal sobre a la aplcacó leal f : E al que x E f ( x) b De modo que elegdo u

Más detalles

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Lecura 6 PRONÓSTICOS EN ACTIVOS REPARABLES INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Medardo Yañez Yañez Meda, Medardo - Gómez de

Más detalles

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n . TORÍA ASINTÓTICA Jore duardo Orz Trvño rofesor Asocado eparameo de Ieería de Ssemas e Idusral Uversdad Nacoal de Colomba jeorz@ual.edu.co (a) Se euca (s demosracó) varos resulados mporaes de esadísca.

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA Daposva ema6: rasmsó de calor muldreccoal rasora RANSMISIÓN DE CALOR MULIDIRECCIONAL Y RANSIORIA J.M.Corberá, R. Roo (UPV Daposva ema6: rasmsó de calor muldreccoal rasora ÍNDICE. RANSMISIÓN DE CALOR MULIDIRECCIONAL.

Más detalles

4.4. La ciudad circular El Modelo de Salop

4.4. La ciudad circular El Modelo de Salop 4.4. La cudad crcular El Malde Machado Ecoomía Idusral - Malde Machado La Cudad Crcular El modelo de Salop 4.4. La cudad crcular El E el modelo de Hoellg habamos supueso que solo hay dos empresas. Ahora

Más detalles

Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*)

Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*) ESTADÍSTICA ESPAÑOLA Vol. 50, úm. 69, 008, págs. 455 a 478 Iflueca de dsrbucó del empo de ocurreca ere sesros e la solveca de las careras de seguros o vda (*) por MAITE MÁRMOL JIMÉNEZ y M. MERCE CLARAMUNT

Más detalles

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

F = = 0. 64, que es la eficiencia del test de signo relativa al

F = = 0. 64, que es la eficiencia del test de signo relativa al Méodos No Paramércos I 5 Elea J. Maríez do cua. 004 Efceca: La efceca del es de Fredma relava al es F es ( f ( x dx e(, F σ + e observa que o hereda la efceca de los ess de Wlcoxo y Ma-Whey relavas al

Más detalles

Una formulación general de un modelo de regresión paramétrico es la siguiente:

Una formulación general de un modelo de regresión paramétrico es la siguiente: Esmadores úcleos y polomos locales. Fracsco Parra Rodrguez Docor e Cecas Ecoómcas. UNED. Modelos de regresó o paramércos Los modelos de regresó paramércos supoe ue los daos observados provee de varables

Más detalles

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores 1 RAPIDEZ DE CAMBIO Semaa 05 1 Varables depedees y o depedees Defr los cocepos: varable, cosae, cremeo, varacó. Defr los cocepos: varable depedee, varable depedee. Recoocer varables depedees e depedees.

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS *

VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS * Revsa Igeerías Uversdad de Medellí VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS * Carlos Alexáder Grajales Correa ** Fredy Ocars Pérez Ramírez *** Recbdo: 6//009 Acepado: 08/0/00 RESUMEN

Más detalles

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Navarro Camacho, Jorge jorgeav@umes Deparameo de Esadísca e Ivesgacó Operava Uversdad

Más detalles

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....

Más detalles

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo = ( + ( Cabo de ( + ( ( + > ( > 0 Posvo + ( + = ( = 0 ( ( + Nulo + Tpos ( + ( Cabo + Geeraldades Nauraleza El cabo puede ser Carácer Varable Cabo Cosae Aueo o creeo Dsucó o decreeo = Varacó cero ( = (

Más detalles

Ingeniería de Confiabilidad - Equipos

Ingeniería de Confiabilidad - Equipos SECCION 4. Igeería de Cofabldad-Equpos Igeería de Cofabldad - Equpos Seccó 4 Medardo Yañez Herado Gómez de la Vega Kara Semeco Soo Nayrh Meda Esa seccó esa dedcada al esudo de los aspecos físcos y aleaoros

Más detalles

INSTITUTO POLITÉCNICO NACIONAL

INSTITUTO POLITÉCNICO NACIONAL INTITUTO POLITÉCNICO NACIONAL ECUELA UPERIOR DE FÍICA Y MATEMÁTICA APLICACIONE EN FINANZA DE MODELO AUTORREGREIVO TEI QUE, PARA OBTENER EL TITULO DE INGENIERO MATEMÁTICO, PREENTA. CLAUDIA VIRIDIANA VÁZQUEZ

Más detalles

Cuatro medidas de inflación subyacente para Uruguay

Cuatro medidas de inflación subyacente para Uruguay Cuaro meddas de flacó subyacee para Uruguay Rosaa Ferádez 002-2005 688-7565 CUATRO MEDIDAS DE INFLACIÓN SUBYACENTE PARA URUGUAY Rosaa Ferádez Casro Área de Ivesgacoes Ecoómcas Baco Ceral del Uruguay Julo

Más detalles

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA. Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO

Más detalles

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4

Más detalles

MÉTODOS MATEMÁTICOS EN TEORÍA FINANCIERA

MÉTODOS MATEMÁTICOS EN TEORÍA FINANCIERA MÉTODOS MATEMÁTICOS EN TEORÍA FINANCIERA José Rgobero Parada Daza Uversdad de Cocepcó, Chle Regsro Propedad Ielecual Nº.798 I.S.B.N. 956-89-9- Auor: José Rgobero Parada Daza ÍNDICE CAPÍTULO I OPTIMIZACIÓN

Más detalles

2. Movimiento Browniano.

2. Movimiento Browniano. Movmeo Browao Defcó y Propedade Báca Defcó : EL proceo de Weer (ó movmeo Browao e u proceo eocáco (Ver ZDZ co valore e R defdo para [, al que: W = co probabldad gual a uo La rayecora o coua Para cualquer

Más detalles

Duración y Convexidad I

Duración y Convexidad I Marí Herádez errao Modelo Aleravo Duracó y Covexdad I E ese maeral se presea de forma accesble, mas co u grado resposable de rgor maemáco, los cocepos de duracó y covexdad. e asume que el lecor cuea co

Más detalles

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)

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 DE ECONOMETRIA BÁSICA

CURSO DE ECONOMETRIA BÁSICA CURSO DE ECONOMETRIA BÁSICA D. Fracsco Parra Rodríguez. Jefe de Servco de Esadíscas Ecoómcas y Socodemografcas. Isuo Caabro de Esadísca. ICANE, ÍNDICE Tema. Regresó y correlacó leal smple Tema. Regresó

Más detalles

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS.

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. 09- ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. Iroduccó. Para obeer la ecuacó geeral que descrbe el comorameo del flujo de fludos a ravés de medos orosos, se hace uso de dferees rcos

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005 Reglas para el maejo de los ídces de deuda de la BV Bolsa acoal de Valores Verso 4.4 3/07/005 ága de 6 COTEIDO ITRODUCCIÓ... 4. erspecva geeral... 4 MAEJO DE LOS ÍDICES... 6. Comé de Ídces de íulos de

Más detalles

Flujo en acuífero libre

Flujo en acuífero libre SESIÓN PRÁCTICA EDP PARABÓLICA CON MÉTODO FTCS Flujo e acuíero lbre E esa sesó se aalza medae el méodo eplíco de derecas as la evolucó emporal del vel reáco sobre ua geomería de acuíero lbre alerada por

Más detalles

ÍNDICE DE INVENTARIOS DEL COMERCIO BASE DICIEMBRE 2014=100

ÍNDICE DE INVENTARIOS DEL COMERCIO BASE DICIEMBRE 2014=100 ÍNDICE DE INVENTARIOS DEL COMERCIO BASE DICIEMBRE 2014=100 DOCUMENTO METODOLÓGICO INSTITUTO NACIONAL DE ESTADÍSTICAS Marzo / 2017 DEPARTAMENTO DE ESTUDIOS ECONÓMICOS COYUNTURALES SUBDEPARTAMENTO DE ESTADÍSTICAS

Más detalles

Método de depreciación de reducción de saldos y saldos decrecientes sin error residual

Método de depreciación de reducción de saldos y saldos decrecientes sin error residual esó Jove Revsa de la Agrupacó Jove Iberoamercaa de oabldad y Admsracó de Empresas (AJOIA) º 7 07 I 988-90 pp 60-75 Méodo de deprecacó de reduccó de saldos y saldos decrecees s error resdual uevo méodo

Más detalles

Capítulo 3. Consideraciones sobre métodos numéricos

Capítulo 3. Consideraciones sobre métodos numéricos 3.. Iroduccó 5 Capíulo 3. Cosderacoes sobre méodos umércos 3.. Iroduccó E ese capíulo se presea la eoría y alguos cocepos sobre los que se susea los esquemas umércos de ala resolucó. Su aplcacó a las ecuacoes

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

INSTITUTO POLITECNICO NACIONAL CENTRO DE INVESTIGACIÓN Y DESARROLLO DE TECNOLOGÍA DIGITAL MAESTRIA EN CIENCIAS CON ESPECIALIDAD EN SISTEMAS DIGITALES

INSTITUTO POLITECNICO NACIONAL CENTRO DE INVESTIGACIÓN Y DESARROLLO DE TECNOLOGÍA DIGITAL MAESTRIA EN CIENCIAS CON ESPECIALIDAD EN SISTEMAS DIGITALES INSTITUTO POLITCNICO NACIONAL CNTRO D INVSTIGACIÓN Y DSARROLLO D TCNOLOGÍA DIGITAL MASTRIA N CINCIAS CON SPCIALIDAD N SISTMAS DIGITALS MODLADO D ANTNAS MPLANDO DIFRNCIAS FINITAS N L DOMINIO DL TIMPO TSIS

Más detalles

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel Volume 4 - º / dcembre 0 estmacó de la estructura de Tasas omales de chle: aplcacó del modelo dámco elso-segel Rodrgo Alaro A. * Sebasá Becerra C. ** Adrés Sager T. *** I. IroduccIó La esmacó de la esrucura

Más detalles

LIBOR Market Model. Una aproximación al paradigma lognormal en la valoración de derivados sobre tipo s de interés.

LIBOR Market Model. Una aproximación al paradigma lognormal en la valoración de derivados sobre tipo s de interés. LIBOR Marke Model. Ua aproxmacó al paradgma logormal e la valoracó de dervados sobre po s de erés. Esaslao Slla Sacho Trabao de Ivesgacó del Programa de Docorado Ieruversaro e Fazas Cuaavas º Julo 3 Uversdad

Más detalles

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace Tema Traformada de aplace Traformada de aplace Traformada vera de aplace Coedo Grupo EDUMATICUS. Deparameo de Maemáca Aplcada. Uverdad de Málaga Amplacó de Cálculo 2/. Ecuela Polécca Superor Tema : Traformada

Más detalles

La Docencia y la importancia de la investigación en Ingeniería

La Docencia y la importancia de la investigación en Ingeniería a Doceca y la mporaca de la esgacó e Igeería J.M. CARBAO JIMÉNEZ. Profesor Iesgador de ESCOM IPN. carballomeez@gmal.com J. GARCÍA MARTINEZ. Iesgador de la ESM-IPN. bucefalo@yahoo.com.m J.A.JÁREZ RAMÍREZ.

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

menor (espira 2), φ m2 como la suma de dos partes, una proporcional a la corriente I 1 y otra proporcional a la corriente I 2 :

menor (espira 2), φ m2 como la suma de dos partes, una proporcional a la corriente I 1 y otra proporcional a la corriente I 2 : eccó 6.ey de duccó de Faraday. 5 3..- Coefcee de duccó muua Cuado dos o más crcuos esá próxmos uo al oro, el flujo magéco que aravesa uo de ellos, o sólo depede de la corree e ese crcuo, so ambé de la

Más detalles

SERIE DE TIEMPO: APLICACION DEL CRITERIO NORMA L1 1

SERIE DE TIEMPO: APLICACION DEL CRITERIO NORMA L1 1 SERIE DE TIEMPO: APLICACION DEL CRITERIO NORMA L Adrés E Reyes Polaco Profesor Asocado UCV I-INTRODUCCION E el sguee arículo se presea la aplcacó del crero orma L e la obecó de los esmadores de los parámeros

Más detalles

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE D o c u m e Curso de Esadísca co R o s Auor: Fracsco Parra Rodríguez Jefe de Servco de Esadíscas Ecoómcas y Socodemográfcas ICANE DOC. Nº /6 ISSN 444-67 Saader, Caabra T é c c o s . EL MODELO LINEAL GENERAL...3..

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA.

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA. TEMA.- LA APITALIZAIÓN OMPUESTA. Objevo: Foralzar la ley de capalzacó copuesa y esudar sus agudes dervadas.. EXPRESIÓN ANALÍTIA Y REPRESENTAIÓN GRÁFIA. La ley facera de capalzacó copuesa ee la sguee expresó

Más detalles

Determination of Intensity-Duration-Frequency (IDF) equation due to presence of ENSO and Niño Costero. Study case: Piura city

Determination of Intensity-Duration-Frequency (IDF) equation due to presence of ENSO and Niño Costero. Study case: Piura city Deermao of Ies-Durao-Frequec (IDF) equao due o presece of ENSO ad Nño Cosero. Sud case: Pura c Mara Farías de Rees, Magser e Igeería Mlagros Ruz ese, Bachller e Igeería Uvers of Pura, Perú, mara.faras@udep.pe,

Más detalles

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

Efecto herding en el mercado bursátil español: detección, caracterización e implicaciones

Efecto herding en el mercado bursátil español: detección, caracterización e implicaciones Efeco herdg e el mercado bursál español: deeccó, caracerzacó e mplcacoes Navdad Blasco de las eras. 6 de abrl de 00. Valeca POR QUÉ? Racoaldad y emocoes so complemearos e los procesos de oma de decsoes

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

Más detalles

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística lmae Varably ad hage Hydrologcal Impacs Proceedgs of he Ffh FRIND World oferece held a Havaa uba November 006 IAHS Publ. 308 006. 6 odelacó hdrológca empleado soyeas de releve ua aproxmacó geoesadísca

Más detalles

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica Esayos Lmacoes del modelo leal de probabldad y aleravas de modelacó mcroecoomérca Resume Absrac Résumé E ese arículo se eama res méodos para desarrollar modelos de probabldad para ua varable de respuesa

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

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

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS DISTRIBUCIÓN DE AGREGADOS 5..- Dstrbucoes -dmesoales. Aálss margal y codcoado 5..- Varables aleatoras depedetes. Propedades

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001 REVISA INVESIGACION OPERACIONAL Vol., No., SOLUCIONES A DIFERENES PROBLEMAS DENRO DEL CAMPO DE LA COMUNICACION ESADISICA J. Navarro Moreo, J.C. Ruz Mola y R.M. Ferádez Alcalá, Deparameo de Esadísca e Ivesgacó

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

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

Redes Neuronales con Base Radial (Poggio y Girosi,1990)

Redes Neuronales con Base Radial (Poggio y Girosi,1990) Redes euroales co Base Radal Poggo y ros,990 Iroduccó a las Redes euroales Arfcales Esquema de rabajo: Esrucura de ua RBF Problema de clasfcacó ora vez Ejemplo XOR Teorema de Cover úmero de euroas Problema

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Máximos y Mínimos de funciones de dos variables

Máximos y Mínimos de funciones de dos variables Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores

Más detalles

Años I0 t (base 1992 = 100)

Años I0 t (base 1992 = 100) Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los

Más detalles

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X 5 CAPÍTULO ELABORACIÓN DE UN ÍNDICE COMPUESTO Ls Ídces Cmpuess, expresa de maera resumda la varacó prmed de u cju de varables respec de u períd base. Csderems u Agregad Cmplej "X", csud pr las varables

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Probabilidad y estadística

Probabilidad y estadística Probabldad y estadístca Grupo Lues Jueves PM4 :00-:00 :00-3:00 Trabajado gráfcas,meddas de tedeca cetral, meddas de dspersó e terpretado resultados. Depto. De Igeería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.m

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales Moográco Número Marzo www.eweb.org/od La ecuacó geeral de capalzacó y los acores de capalzacó uaros: ua aplcacó del aálss de daos ucoales Cèsar Vllazó La Saou Resume La órmula geeral de capalzacó sólo

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA M.J. Caós M. Maríez 2 M. Mocholí V. Navarro 3 U. de Valeca Florda Uversara U. de Valeca U. de Valeca mara..caos@uv.es marsam@florda-u.es

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

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

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales Esmacó de Parámeros de Ssemas Leales vía Marces Operacoales Isdro I. Lázaro, Salvador Ramírez lazaro@zeus.umch.mx szavala@zeus.umch.mx Faculad de Igeería Elécrca-Uversdad Mchoacaa de Sa Ncolás de Hdalgo

Más detalles

ANALISIS BAYESIANO APLICADO A LA PROYECCION DE SINIESTRALIDAD DEL SEGURO OBLIGATORIO DE ACCIDENTES DE TRANSITO (SOAT).

ANALISIS BAYESIANO APLICADO A LA PROYECCION DE SINIESTRALIDAD DEL SEGURO OBLIGATORIO DE ACCIDENTES DE TRANSITO (SOAT). AALISIS BAYSIAO APLICADO A LA PROYCCIO D SIISTRALIDAD DL SGURO OBLIGATORIO D ACCIDTS D TRASITO (SOAT). JISSO JAVIR BOHORQUZ BOHORQUZ Trabao de Grado ara Oar el Tulo de Maemáco Asesor Cosaza Quero Guzmá

Más detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TEMAS DE MATEMÁTICAS (Oposcoes de Secudara TEMA 8 MATRICES. ALGEBRA DE MATRICES. APLICACIONES AL CAMPO DE LAS CIENCIAS SOCIALES Y DE LA NATURALEZA.. Iroduccó.. Cocepo báscos... Tpos de marces. 3. M mx

Más detalles

La Metodología de la Verosimilitud Empírica

La Metodología de la Verosimilitud Empírica La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles