UTILIZACIÓN DE SIMULACIONES PARA EVALUAR LOS RIESGOS AGROPECUARIOS
|
|
- Adrián José Carlos Jiménez Robles
- hace 8 años
- Vistas:
Transcripción
1 UTILIZACIÓN DE SIMULACIONES PARA EVALUAR LOS RIESGOS AGROPECUARIOS Lic. Marina Pecar 1 1-Análisis Monte Carlo Al proceso utilizado para aproximar soluciones de un modelo mediante la aplicación repetitiva y aleatoria del algoritmo del mismo se lo conoce con el nombre de análisis Monte Carlo o simulación 2. Este tipo de análisis, desarrollado en la década del 40, utiliza técnicas estadísticas de muestreo para obtener una aproximación probabilística de la solución de una ecuación matemática. Los métodos de muestreo constituyen técnicas mediante las cuales se generan en forma aleatoria valores con una distribución de probabilidad dada. El más conocido de ellos es el tradicional método de muestreo aleatorio simple conocido como método Monte Carlo 3. En forma alternativa, puede utilizarse el método de muestreo llamado Latin Hypercube, que consiste en un esquema estratificado de muestreo diseñado para asegurar la correcta representación de los extremos inferior y superior de una distribución dada. Este método resulta más eficiente que el tradicional Monte Carlo, debido a la menor cantidad de iteraciones necesarias para conseguir el mismo nivel de precisión 4. En particular, las simulaciones resultan una herramienta de suma utilidad a efectos de identificar las distribuciones de probabilidad de aquellas variables aleatorias que son resultado de un modelo decisión. Para llevar a cabo la simulación de un modelo determinado, deben seguirse los siguientes pasos: Especificar distribuciones de probabilidad para las variables aleatorias que alimentan el modelo. Incluir posibles dependencias entre variables. Muestrear valores de las variables aleatorias, para lo cual pueden utilizarse los métodos de Monte Carlo o Latin Hypercube. Calcular el resultado del modelo según los valores del muestreo (iteración) y registrar el resultado. Repetir el proceso hasta tener una muestra estadísticamente representativa. Obtener la distribución de frecuencias del resultado de las iteraciones. Calcular la media, el desvío estándar y la curva de percentiles acumulados. 1 A cargo del área de Portafolios Eficientes en la Oficina de Riesgo Agropecuario- SAGPyA. 2 Monte Carlo era el código con que se denominaba a las simulaciones de problemas asociados al desarrollo de la bomba atómica durante la segunda guerra mundial. 3 No debe confundirse el llamado análisis Monte Carlo que consiste en aproximar soluciones de un modelo mediante la aplicación repetitiva y aleatoria del algoritmo del mismo, con el método Monte Carlo, que es una técnica estadística que permite generar valores aleatorios con una distribución dada. 4 Para un análisis más detallado de los métodos de muestreo, puede consultarse Iman, R.L., Davenport, J.M., and Zeigler, D.K. "Latin Hypercube Sampling (A Program Users Guide)": Technical Report SAND , Sandia Laboratories, Albuquerque (1980), y Law, A.M. and Kelton, W.D. Simulation Modeling and Analysis: McGraw-Hill, New York, NY, 1991,1982, 2000.
2 Este tipo de análisis resulta sumamente útil para evaluar el riesgo de un portafolio, dado que permite estudiar la interdependencia de las variables aleatorias del modelo a través de la estimación de las covarianzas y correlaciones entre las distintas variables, tanto aquellas que alimentan el modelo, como las que constituyen el producto final (outputs) del modelo. 2-La distribución triangular La distribución triangular es una función de sencilla aplicación, ya que sólo se necesita contar con expectativas acerca de tres valores: el mínimo posible, el más probable y el máximo posible. En el contexto de los portafolios agrícolas, esta distribución resulta sumamente útil para asignar a los rindes, ya que los tres valores necesarios a tal efecto pueden obtenerse a partir de los datos históricos. 5 En el caso de los precios, la distribución triangular también resulta ventajosa. En efecto, para los cultivos tradicionales se cuenta con mercados de futuros, de los cuales se pueden obtener los valores modales o más probables de los precios a cosecha. Además con las series históricas de precios y otra información del mercado (los llamados fundamentals, como por ejemplo datos de stock) se pueden estimar los valores extremos posibles. La función de densidad de la distribución triangular está dada por: 2( x a) ( b a)( c a) f ( x) = 2( c x) ( c a)( c b) si si a x b b x c donde a b c representan los valores mínimo posible, más probable y máximo posible. Además, la media µ = a + b + c 3 y la varianza a + b + c ab ac bc σ = 18 La moda de la distribución es el valor más probable que se ha definido como b 5 Los rindes estimados (valores máximos, mínimos y más probables) a partir de las series históricas pueden ser ajustados considerando las variables cualitativas que inciden sobre aquellos (pronósticos del clima o balances hídricos de los suelos, por ejemplo).
3 Gráficamente, f(x) a b c x Notación: x ~ Triang(a,b,c) 3-Simulación de los portafolios agrícolas En el caso de los portafolios agrícolas, el modelo de simulación se utiliza para obtener la distribución de probabilidad de los márgenes brutos de las distintas actividades agrícolas. Siguiendo la notación anterior, sean A 1,...,A n las n actividades agrícolas que constituirán los posibles portafolios. Para cada i hemos definido al retorno R i de una actividad A i como su margen bruto de explotación por hectárea. Entonces tenemos que: R i = (1- α)q i P i β i Q i γ i (7.1) donde R i es el margen bruto por hectárea; Q i es el rinde en quintales por hectárea de la actividad A i ; P i es el precio a cosecha por quintal del cultivo considerado en A i ; α ι es la proporción del ingreso bruto (Q i P i ) que representa la suma de los gastos de cosecha, comisiones e impuestos menos las bonificaciones que pudieran existir; β i es el costo de comercialización por quintal producido; γ i es el total de gastos directos. El rendimiento Q i y el precio P i son variables aleatorias a las que se les ajustarán distribuciones de probabilidad, mientras que α i, β i y γ i son valores fijos conocidos. Mediante un método de muestreo aleatorio (Monte Carlo o Latin Hypercube) se obtienen simulaciones de las variables P i y Q i. Se calcula (7.1) iterando y se obtiene un muestreo estadísticamente significativo para la variable R i de retornos de la actividad A i. Repitiendo el ejercicio de simulación para las n actividades agrícolas se obtienen para cada actividad A i (1 i n), estimadores de su retorno esperado y de su riesgo dados por: 1 µ = T i R ik T k = 1 σ 1 T 2 i = ( R ik T k= 1 µ ) i 2
4 donde T es el tamaño del muestreo simulado y para cada i (1 i n), µ i es la media de R i y σ i es el desvío estándar muestral de R i Además se pueden estimar las covarianzas de los retornos de las distintas actividades agrícolas, dadas por: T 1 σ ij = ( Rik µ i )( R jk µ j ) T 1 k= Una vez estimados los retornos esperados de las n actividades agrícolas y su matriz de varianzas y covarianzas, se puede calcular el modelo cuadrático paramétrico (3.3.1) y obtener la frontera de eficiencia. 4-Ejemplo de aplicación: Diversificación intrazonal Consideremos la posibilidad de armar un portafolio agrícola intrazonal en el Oeste de la provincia de Buenos Aires diversificando entre los cuatro cultivos principales girasol, maíz, soja y trigo. Se tienen cuatro actividades distintas: A 1 : girasol en el Oeste de la provincia de Buenos Aires A 2 : maíz en el Oeste de la provincia de Buenos Aires A 3 : soja en el Oeste de la provincia de Buenos Aires A 4 : trigo en el Oeste de la provincia de Buenos Aires Para cada i (1 i 4) sea Q i el rinde de A i y sea P i el precio a cosecha del cultivo de A i : Luego de analizar los datos disponibles de estas variables (históricos, de mercado y otros elementos de juicio), asignamos a estas variables distribuciones triangulares tales que: Q i ~ Triang(a i,b i,c i ) y P i ~ Triang(u i,v i,w i ) En los siguientes cuadros se presentan los parámetros de las distribuciones Rindes en qq/ha para el Oeste de Mínimo posible Más probable Máximo posible Buenos Aires a i b i c i Girasol Q Maíz Q Soja Q Trigo Q
5 Precios en $/qq Mínimo posible Más probable Máximo posible u i v i w i Girasol P Maíz P Soja P Trigo P Además se cuenta con datos de costos de comercialización, cosecha y gastos directos Cuadro de datos para el Oeste de Buenos Aires Cultivo Girasol Maíz Soja Trigo Comisión %I.B. 3 %I.B. 3 %I.B. 3 %I.B. 3 Impuestos %I.B %I.B %I.B %I.B Bonificación por grasa %I.B. -10 Cosecha %I.B. 8 %I.B. 8 %I.B. 8 %I.B. 8 α i Gastos varios Secada 1,5 ptos ptos ,5 ptos Flete corto 20 km km km km 1.01 Flete largo 400 km km km km 6.22 β i $/qq 9.33 $/qq 8.48 $/qq 7.89 $/qq 7.63 Total Labores $/ha $/ha $/ha $/ha Semilla $/ha $/ha $/ha $/ha Total Agroquímicos $/ha $/ha $/ha $/ha γ i $/ha $/ha $/ha $/ha Fuente: SAGPyA, marzo Con los datos de todos los parámetros se puede realizar la simulación del modelo. Se obtienen los siguientes resultados: Perfiles de retorno/riesgo de las cuatro actividades Oeste de Buenos Aires en $/ha media desvío estándar µ i σ i Girasol R Maíz R Soja R Trigo R
6 Podemos ver los perfiles en un gráfico σ Soja Trigo Maíz Girasol µ Además se obtiene la siguiente matriz de varianzas y covarianzas estimada para los márgenes brutos de los cuatro cultivos en el Oeste de Buenos Aires. σ ij Girasol Maíz Soja Trigo Girasol Maíz Soja Trigo Resolviendo el problema de optimización (3.3.1) obtenemos la Frontera de Eficiencia.
7 σ µ En el cuadro se muestran los perfiles y las composiciones de algunos portafolios eficientes Media $/ha Desvío estándar Girasol A 1 Maíz A 2 Soja A 3 Trigo A 4 mínimo riesgo % 19% 9% 45% portafolio % 17% 14% 32% portafolio % 16% 18% 20% portafolio % 14% 23% 7% portafolio % 4% 29% 0% máximo retorno % 0% 100% 0% Los agentes más aversos al riesgo se ubicarán en el punto inferior de la Frontera de Eficiencia priorizando el trigo como actividad menos riesgosa aunque esto les signifique tener un portafolio con menor margen bruto esperado. Aquellos que deseen un poco más de retorno optarán por el girasol y la soja. Bibliografía CAMPOS, M. S. (2002): Diagnóstico del Riesgo Agropecuario. Brasilia, 17 de mayo de 2002 ELTON, E. J., GRUBER M. J.(1995): Modern Portfolio Theory and Investment Analysis. 5th ed: John Wiley & Sons. EVANS, M., HASTINGS, N. AND PEACOCK, B. (1993): Statistical Distributions. 2nd ed: John Wiley & Sons, Inc, New York, NY. HARDAKER, J.B., HUIRNE, R.B.M. Y ANDERSON, J.R. (1997). Coping with risk in agriculture. Wallingford, United Kingdom, Cab International. 274p.
8 IMAN, R.L., DAVENPORT, J.M., AND ZEIGLER, D.K. (1980): Latin Hypercube Sampling (A Program Users Guide)": Technical Report SAND , Sandia Laboratories, Albuquerque. LAW, A.M. AND KELTON, W.D. (1991): Simulation Modeling and Analysis: McGraw- Hill, New York, NY. MARKOWITZ, H. (1952): Portfolio selection. Journal of Finance, vol. 7, nº 1, marzo, pp MARKOWITZ, H. (1959): Portfolio selection: Efficient diversification of investments. John Wiley & Sons. New York. PISKUNOV, N. (1980): Cálculo Diferencial e Integral. Editorial Mir.
Contratos de arrendamiento: negociar no sólo el monto total sino también la modalidad de pago
nº 19 16 de abril de 2014 Contratos de arrendamiento: negociar no sólo el monto total sino también la modalidad de pago El resultado económico de un negocio de siembra puede ser muy distinto según cómo
Más detallesQue permite las proyecciones..
1 PROYECCION DE ESTADOS FINANCIEROS Que permite las proyecciones.. 1) Evaluar si el futuro desempeño de la firma cumplirá con los objetivos definidos. 2) Anticiparse a las futuras necesidades de financiamiento
Más detallesAnálisis de arrendamientos
Análisis de arrendamientos Zona: 9 de Julio, campaña 2-2 Este análisis se basa en los datos proporcionados por la empresa Cliente e información procesada por Cultivar Conocimiento Agropecuario. Los resultados
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesFinanzas de Empresas Turísticas
Finanzas de Empresas Turísticas Prof. Francisco Pérez Hernández (f.perez@uam.es) Departamento de Financiación e Investigación de la Universidad Autónoma de Madrid 1 Departamento de Financiación e Investigación
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesAriadna Berger aberger@agro.uba.ar. VI Taller "La modelización en el sector agropecuario" Buenos Aires, 25 y 26 de septiembre de 2014
Cuantificación del riesgo y del impacto de seguros climáticos y estrategias de cobertura de precios en un portfolio agrícola diversificado en cuatro países Ariadna Berger aberger@agro.uba.ar VI Taller
Más detallesPortafolios Eficientes para agentes con perspectiva Pesos
RenMax Sociedad de Bolsa S.A www.renmax.com.uy Publicado Diciembre 2005 Portafolios Eficientes para agentes con perspectiva Pesos Este artículo muestra que para un agente residente en Uruguay que consume
Más detalleswww.agropractico.com Documentos Técnicos
www.agropractico.com Documentos Técnicos Encontrá toda la información técnica que necesites en nuestro sitio web. Pedinos lo que precises info@agropractico.com Mercado de Futuros y Opciones de Granos Agricultura
Más detallesMétodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Más detallesPROSAP-UTF/ARG/017/ARG Desarrollo Institucional para la Inversión
PROSAP-UTF/ARG/017/ARG Desarrollo Institucional para la Inversión ESTUDIO DE AMPLIACIÓN DEL POTENCIAL DE IRRIGACIÓN EN ARGENTINA Metodología de Simulación Montecarlo Julio 2014 Anexo: Metodología de Simulación
Más detallesUn modelo de Informe Integral de la Gestión del Negocio Agrícola
Un modelo de Informe Integral de la Gestión del Negocio Agrícola Ing.Agr.Víctor Piñeyro Socio Consultor de SolutioAgro Quienes estamos de algún modo vinculados al negocio agrícola conocemos con crudeza
Más detallesSimulación Monte Carlo
Simulación Monte Carlo Modelado estocástico Cuando se realiza un análisis estático a un proyecto, una serie de supuestos y variables producen un resultado de valor único. Mientras que un análisis estocástico
Más detallesUniversidad del CEMA Master en Finanzas 2006
Universidad del CEMA Master en Finanzas 2006 La Simulación como una herramienta para el manejo de la incertidumbre Fabián Fiorito ffiorito@invertironline.com Tel.: 4000-1400 Hoy en día la simulación es
Más detallesMonografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR
Juan Mascareñas Universidad Complutense de Madrid Versión inicial: mayo 1998 - Última versión: mayo 2008 - El valor en riesgo (VaR), 2 - El método histórico, 3 - El método varianza-covarianza, 6 - El método
Más detallesResumen Principales Conclusiones Análisis de rentabilidad agrícola esperada para el ciclo 2015/2016
Resumen Principales Conclusiones Análisis de rentabilidad agrícola esperada para el ciclo 2015/2016 Publicación conjunta del IERAL de Fundación Mediterránea y el Ministerio de Agricultura del gobierno
Más detallesHerramientas para la gestión eficiente del riesgo agrícola
Herramientas para la gestión eficiente del riesgo agrícola Marina Pecar Daniel Miguez Introducción Las restricciones y adversidades climáticas, técnico-productivas y de mercado que enfrenta el sector agropecuario
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesIntroducción al @RISK
Introducción al @RISK Ariadna Berger Noviembre 2004 Introducción al @RISK El análisis de riesgo implica cuatro etapas: Desarrollo del modelo Identificación de las fuentes de riesgo Análisis con simulación
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesAgrobit: Software de gestión agropecuaria integral
Agrobit: Software de gestión agropecuaria integral Objetivo del programa Proveer al administrador del establecimiento agropecuario una verdadera herramienta de gestión, seguimiento de sus actividades y
Más detallesERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES
ERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES DE BÁSICA PRIMARIA EN LA CIUDAD DE PEREIRA José R. Bedoya Universidad Tecnológica de Pereira Pereira, Colombia La formación estadística en la ciudadanía,
Más detallesSERA. Sistema de Estimación de Riesgo Agropecuario. Manual de uso. 2012 versión del manual: 2
SERA Sistema de Estimación de Riesgo Agropecuario Manual de uso 2012 versión del manual: 2 Índice 1 INTRODUCCIÓN... 3 2 MANEJO DE ACTIVIDADES Y ARCHIVOS... 5 3 ACTIVIDADES AGRÍCOLAS... 8 3.1 DATOS DEL
Más detallesECONOMETRÍA FINANCIERA
ECONOMETRÍA FINANCIERA CONTENIDO 1 2 3 4 5 6 7 Objetivo Introducción Las betas Financieras Capital Asset Pricing Model CAPM Arbitrage Princing Model APT Predicción con el Método de Montecarlo Solución
Más detallesdecisiones En términos de margen, cómo comparar el maíz temprano y el maíz tardío? nº 89 18 de agosto de 2015
nº 89 18 de agosto de 2015 En términos de margen, cómo comparar el maíz temprano y el maíz tardío? Con el objetivo de analizar los resultados esperables del maíz en esta campaña, y poder adelantarnos en
Más detallesCurso: Métodos de Monte Carlo. Unidad 1, Sesión 1: Introducción
Curso: Métodos de Monte Carlo. Unidad 1, Sesión 1: Introducción Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay
Más detallesSIMULACIÓN VERSUS OPTIMIZACIÓN:
SIMULACIÓN MONTE CARLO Procesos Químicos II La idea básica de la simulación es la construcción de un dispositivo experimental, o simulador, que actuará como (simulará) el sistema de interés en ciertos
Más detallesMuestreo estadístico. Relación 2 Curso 2007-2008
Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los
Más detallesTema 7 COSTO ESTÁNDAR
Tema 7 COSTO ESTÁNDAR Campus Santa Fé Miguel Ángel Gutiérrez Banegas 1 Introducción En el proceso de generación de información en los negocios, la predeterminación de costos soluciona la dificultad que
Más detallesLos estados financieros proporcionan a sus usuarios información útil para la toma de decisiones
El ABC de los estados financieros Importancia de los estados financieros: Aunque no lo creas, existen muchas personas relacionadas con tu empresa que necesitan de esta información para tomar decisiones
Más detallesUNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS
UNIDAD MÉTODOS DE MONTECARLO II 2.1 Definición Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias
Más detallesCARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS
CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS MEDIANTE UN ENFOQUE POR CADENAS DE MARKOV ABSORBENTES Lidia Toscana - Nélida Moretto - Fernanda Villarreal Universidad Nacional del Sur, ltoscana@criba.edu.ar
Más detallesINFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA
INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA Juana María Vivo Molina Departamento de Métodos Cuantitativos para la Economía. Universidad de Murcia. jmvivomo@um.es RESUMEN En este trabajo se
Más detallesIntroducción al @RISK 5.7
Introducción al @RISK 5.7 Javier Ordóñez, PhD Director de Soluciones Personalizadas Riesgo» Riesgo: Un escenario en donde existe una posibilidad de desviación respecto de un resultado deseado o esperado»
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesEnsayo: Construcción de la Frontera Eficiente de Markowitz mediante el uso de la herramienta SOLVER de Excel y el modelo Matricial.
UNIVERSIDAD DE ORIENTE NÚCLEO DE MONAGAS POST GRADO EN CIENCIAS ADMINISTRATIVAS MENCIÓN FINANZAS FINANZAS INTERNACIONALES Ensayo: Construcción de la Frontera Eficiente de Markowitz mediante el uso de la
Más detallesAspectos Técnicos en el Reaseguro WCXL de Gastos Médicos Mayores
Aspectos Técnicos en el Reaseguro WCXL de Gastos Médicos Mayores Ricardo Nava MS, ASA, MAAA Chief Actuary, Latin America RGA Re México Seminario de Reaseguro de Personas 23 Mayo, 2008 www.rgare.com Agenda
Más detallesSimulación de Curvas de Rendimiento empleando Componentes Principales: Una aplicación para los Fondos de Pensiones. Banco Central de Reserva del Perú
Simulación de Curvas de Rendimiento empleando Componentes Principales: Una aplicación para los Fondos de Pensiones Banco Central de Reserva del Perú - Gonzalo Chávez - Paul Zanabria 1 Introducción La proyección
Más detallesBUENAS PRÁCTICAS DE UNA ENCUESTA POR MUESTREO
BUENAS PRÁCTICAS DE UNA ENCUESTA POR MUESTREO Lima, marzo de 2011 BUENAS PRÁCTICAS DE UNA ENCUESTA POR MUESTREO I. INTRODUCCIÓN Los métodos de muestreo probabilístico, son aquellos que se basan en el principio
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesInstituto del Riesgo Financiero Implementación de Modelos VaR
Instituto del Riesgo Financiero Implementación de Modelos VaR Índice general Cuáles son las razones para el surgimiento del VaR? Contraste de las hipótesis de normalidad en precios de diferentes mercados
Más detallesMÓDULO DE FIDELIZACIÓN
MÓDULO DE FIDELIZACIÓN ÍNDICE 1 DEFINICIÓN Y CONSIDERACIONES INICIALES...1 2 OBTENCIÓN DE PUNTOS Y DEFINICIÓN DE REGALOS...2 2.1. OBTENCIÓN DE PUNTOS...2 2.2. DEFINICIÓN DE REGALOS...3 3 CUENTA CORRIENTE
Más detallesEncuesta económica del sector de servicios profesionales y empresariales. Cálculo de Errores de Muestreo.
Encuesta económica del sector de servicios profesionales y empresariales. Cálculo de Errores de Muestreo. 1 INDICE 1. Introducción...3 2. Breve descripción de la encuesta...3 2.1 Definición...3 2.2 Diseño
Más detallesEvaluación del riesgo del portfolio de Los Grobo Agropecuaria con @Risk
Evaluación del riesgo del portfolio de Los Grobo Agropecuaria con @Risk Ariadna Berger aberger@diconsultores.com.ar Contenidos Los Grobo Agropecuaria El riesgo en la agricultura Objetivos del análisis
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detallesMedidas de tendencia Central
Medidas de tendencia Central 7.1 Media 7.1.1 Media para un conjunto de datos no agrupados Este parámetro lo usamos con tanta cotidianidad que nos será muy familiar, aunque también aprenderemos algunas
Más detalles1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde
Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)
Más detallesMERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II
MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II 28 febrero de 2012 Javier Marchamalo Martínez Universidad Rey Juan Carlos SABER INTERPRETAR LOS RATIOS SIGNIFICATIVOS EN LA GESTIÓN POR BENCHMARK Ratio
Más detallesMINISTERIO DE EDUCACION DIVISON DE PLANIFICACION Y PRESUPUESTO. Nota Técnica METODO DE COHORTES
MINISTERIO DE EDUCACION DIVISON DE PLANIFICACION Y PRESUPUESTO Nota Técnica METODO DE COHORTES Departamento de Estudios y Estadísticas Marzo 2000 Método de cohortes I. Introducción. El propósito de esta
Más detallesMuestreo. Introducción
Muestreo Introducción En este documento ofrecemos un resumen sobre el concepto de muestreo, y los tipos de muestreo existentes. Además, adjuntamos una hoja para el cálculo de tamaños muestrales en auditorías
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesESTIMACION DE INTERVALOS DE CONFIANZA
pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones
Más detallesACCIONES Y OTROS TÍTULOS DE INVERSIÓN
ACCIONES Y OTROS TÍTULOS DE INVERSIÓN TASAS EFECTIVAS DE RENDIMIENTO ANUAL Y MENSUAL: Es aquélla que se emplea en la compraventa de algunos valores en el Mercado Bursátil o Bolsa de Valores. Estas tasas
Más detallesUNIVERSIDAD NACIONAL DE COLOMBIA SEDE MEDELLÍN FACULTAD DE MIAS ESCUELA DE LA INGENIERÍA DE LA ORGANIZACIÓN
UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MEDELLÍN FACULTAD DE MIAS ESCUELA DE LA INGENIERÍA DE LA ORGANIZACIÓN TALLER PREPARATORIO: SEGUNDO EXAMEN DE INVERSIONES BAJO RIESGO 1. Usted es el encargado de administrar
Más detallesAnálisis univariado y multivariado del RINEC, (Región Sierra) ESPOL 1.988. Maestría en Sistemas de Información Gerencial, 1.997. Profesor ESPOL 1.
Análisis univariado y multivariado del RINEC, (Región Sierra) 1 RosemeryLa rayance, PabloAl varez 2 1 Ingeniera en Estadística Informática 2.001 2 Director de la tesis, Ingeniería en Electricidad especialidad
Más detallesDATOS ESTADÍSTICOS AGROPECUARIOS
DATOS ESTADÍSTICOS AGROPECUARIOS RESUMEN EJECUTIVO SISTEMA ESTADÍSTICO AGROPECUARIO NACIONAL SEAN ENCUESTA DE SUPERFICIE Y PRODUCCIÓN AGROPECUARIA CONTINUA ESPAC QUITO-ECUADOR AÑO 2011 SISTEMA ESTADÍSTICO
Más detallescapitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación
capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación Sistemática de Layout, SLP por sus siglas en inglés. Se hará uso de la simulación para comparar el
Más detallesGuía para la elaboración de Proyectos de Formación Sindical Ambiental e Investigación en Trabajo y Desarrollo Sustentable
Guía para la elaboración de Proyectos de Formación Sindical Ambiental e Investigación en Trabajo y Desarrollo Sustentable 1- Denominación del Proyecto Esto se hace indicando, de manera sintética y mediante
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesFONDO MUTUO SURA SELECCION ACCIONES CHILE SERIE A Folleto Informativo al cierre de septiembre 2015
FONDO MUTUO SURA SELECCION ACCIONES CHILE SERIE A Administradora RUN Patrimonio Serie Monto Mínimo S.A. 8685 CLP $504.867.977 $5.000 Plazo : 10 días Rentabilidad en Pesos desde 01/10/2010 a 3% 1 Mes -3,55%
Más detalles5. DISTRIBUCIONES DE PROBABILIDADES
5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable
Más detallesSe podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Más detallesMUESTREO TIPOS DE MUESTREO
MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de
Más detallesCAPÍTULO III. Metodología. 3.1 Tipo de Investigación. La investigación se define como un estudio sistemático, controlado, empírico,
49 CAPÍTULO III 3.1 Tipo de Investigación La investigación se define como un estudio sistemático, controlado, empírico, reflexivo y crítico de proposiciones hipotéticas sobre las supuestas relaciones que
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesTratamiento del Riesgo
Tratamiento del Riesgo 1 En que consiste el tratamiento de los riesgos? 2. Cuando debemos enfrentarnos a los riesgos? 3. Estrategias de tratamiento de riesgos 4. Modelo de Análisis de Riesgos 5. Qué pasos
Más detallesde la empresa Al finalizar la unidad, el alumno:
de la empresa Al finalizar la unidad, el alumno: Identificará el concepto de rentabilidad. Identificará cómo afecta a una empresa la rentabilidad. Evaluará la rentabilidad de una empresa, mediante la aplicación
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesTomar o no tomar un seguro contra granizo en soja?
nº 93 15 de septiembre de 2015 Tomar o no tomar un seguro contra granizo en soja? En este artículo se analiza el impacto económico de un seguro contra granizo en soja de primera bajo dos situaciones de
Más detallesPRIMAVERA RISK ANALYSIS
PRIMAVERA RISK ANALYSIS CARACTERÍSTICAS PRINCIPALES Guía de análisis de riesgo Revisión del programa Plantilla de riesgo instantáneo Asistente para registro de riesgo Registro de riesgo Análisis de riesgo
Más detallesSoftware de Planificación y Gestión para la Empresa Agropecuaria
Software de Planificación y Gestión para la Empresa Agropecuaria Agrobit es una potente herramienta de gestión que le permite al productor y administrador de empresas agropecuarias planificar y controlar
Más detallesSimulador de gestión económico financiera. -Manual del participante-
Simulador de gestión económico financiera. -Manual del participante- Versión 2014 INDICE 1.!Presentación... 2 2. Descripción básica del entorno de simulación.... 3 3. Áreas de decisión.... 10 4. Factores
Más detallesNT8. El Valor en Riesgo (VaR)
NT8. El Valor en Riesgo (VaR) Introducción VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la división RiskMetric de JP Morgan en 1994. es una manera de medir el riesgo
Más detallesAnálisis de riesgo e incertidumbre
Análisis de riesgo e incertidumbre Eduardo Contreras Enero 2009 Introducción a riesgo e incertidumbre Dos Conceptos: Riesgo:» Información de naturaleza aleatórea, las probabilidades de ocurrencia de eventos
Más detallesFONDO MUTUO SURA SELECCION ACCIONES USA SERIE A Folleto Informativo al cierre de septiembre 2015
FONDO MUTUO SURA SELECCION ACCIONES USA SERIE A Administradora RUN Patrimonio Serie Monto Mínimo S.A. 8915 CLP $2.016.700.184 $5.000 Rentabilidad en Pesos desde 21/03/2012 a 90% 1 Mes -3,98% Anual de Costos
Más detallesIES Fco Ayala de Granada Junio de 2012 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Junio de 01 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO 4 (COMÚN) OPCIÓN A EJERCICIO 1 (A) Sea el recinto determinado
Más detallesQué es la Estadística Ambiental?
Qué es la Estadística Ambiental? La Estadística Ambiental es simplemente la aplicación de la Estadística a problemas relacionados con el ambiente. Ejemplos de las actividades que requieren del uso de estas
Más detallesDESCRIPCIÓN DE LA METODOLOGÍA UTILIZADA EN EL PROGRAMA DE CESTAS REDUCIDAS ÓPTIMAS
DESCRIPCIÓN DE LA METODOLOGÍA UTILIZADA EN EL PROGRAMA DE CESTAS REDUCIDAS ÓPTIMAS Replicar un índice Formar una cartera que replique un índice (o un futuro) como el IBEX 35, no es más que hacerse con
Más detallesCuentas y cuentos sobre el negocio de la soja Jorge Schvarzer
Cuentas y cuentos sobre el negocio de la soja Jorge Schvarzer El reciente conflicto con los productores agropecuarios estalló por el tema del ingreso generado por la soja. El aumento de las retenciones
Más detallesLa Mutualidad de la Abogacía ofrece un nuevo e innovador seguro de rentas vitalicias
Nota Informativa Madrid, 16 de marzo de 2009 La Mutualidad de la Abogacía ofrece un nuevo e innovador seguro de rentas vitalicias El nuevo producto, denominado Renta Vitalicia Remunerada permitirá participar
Más detallesCURSO: ANALISIS CUANTITATIVO DE RIESGOS FINANCIEROS CON CRYSTALBALL
MANAGEMENT CONSULTORES CURSO: ANALISIS CUANTITATIVO DE RIESGOS FINANCIEROS CON CRYSTALBALL Cnel. Ramón L. Falcón 1435 1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202
Más detallesTRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS
Badler, Clara E. Alsina, Sara M. 1 Puigsubirá, Cristina B. 1 Vitelleschi, María S. 1 Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística (IITAE) TRATAMIENTO DE BASES DE DATOS
Más detallesInformacion para Extension en Línea Nº 7 1 ISSN 2250-8511
1 ISSN 2250-8511 Análisis de costo beneficio en cultivos de verano Campaña 2014/15 Ghida Daza, Carlos y Urquiza, Beatríz EEA INTA Marcos Juárez. ghidadaza.carlos@inta.gob.ar Palabras clave: márgenes, cultivo,
Más detallesCAPÍTULO 1: INTRODUCCIÓN. Todas las personas sabemos que la gran mayoría de las actividades humanas conllevan lo
CAPÍTULO 1: INTRODUCCIÓN 1.1. Planteamiento del problema Todas las personas sabemos que la gran mayoría de las actividades humanas conllevan lo que conocemos como riesgo, pero qué es en realidad el riesgo?,
Más detallesPRINCIPALES DIFERENCIAS ENTRE AMBOS MERCADOS
COMERCIALIZACIÓN DE CEREALES: MERCADO DE FUTUROS Y OPCIONES Ing. Agr. Alejandro Meneses Fuente: Revista CREA En la Argentina existen dos mercados independientes donde operar: la Bolsa de Cereales de Buenos
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesADMINISTRACIÓN DE LA PRODUCCIÓN
ADMINISTRACIÓN DE LA PRODUCCIÓN ADMINISTRACIÓN DE LA PRODUCCIÓN 1 Sesión No. 11 Nombre: Administración del proyecto Contextualización Para cerrar esta unidad, esta semana abordaremos la forma en la que
Más detallesSelectividad Junio 2008 JUNIO 2008 PRUEBA A
Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo
Más detalles1. Construcción de Planes de Acción Sectoriales (PAS)
1. Construcción de Planes de Acción Sectoriales (PAS) La construcción de los PAS es la prioridad de trabajo de la ECDBC en el 2013. Los PAS estarán constituidos por diferentes medidas de mitigación (políticas,
Más detalles13. Técnicas de simulación mediante el método de Montecarlo
13. Técnicas de simulación mediante el método de Montecarlo Qué es la simulación? Proceso de simulación Simulación de eventos discretos Números aleatorios Qué es la simulación? Simulación = técnica que
Más detallesMatemáticas 2º BTO Aplicadas a las Ciencias Sociales
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD
Más detallesFONDO MUTUO SURA RENTA DEPOSITO CHILE SERIE A Folleto Informativo al cierre de noviembre 2015
FONDO MUTUO SURA RENTA DEPOSITO CHILE SERIE A Administradora RUN Patrimonio Serie Monto Mínimo S.A. 8678 CLP $18.936.876.967 $5.000 Rentabilidad en Pesos desde 01/12/2010 a 24% Rentabilidades Nominales
Más detallesADMINISTRACION FINANCIERA. Parte IV Capítulos 2 Títulos, Carteras de inversión.-
ADMINISTRACION FINANCIERA Parte IV Capítulos 2 Títulos, Carteras de inversión.- Puntos 4-6. CPN. Juan Pablo Jorge Ciencias Económicas Tel. (02954) 456124/433049 jpjorge@speedy.com.ar 1 Carteras - Sumario
Más detallesSISI / TS / AG / SR SIMULADOR DE SISTEMAS DE INVENTARIOS ESTOCASTICOS
62 CAPITULO 3 SISI / TS / AG / SR SIMULADOR DE SISTEMAS DE INVENTARIOS ESTOCASTICOS En este capítulo se describe de manera general lo que es SISI / TS / AG / SR y se explica cada una de las opciones que
Más detalles5.- ANÁLISIS DE RIESGO
5.- ANÁLISIS DE RIESGO El módulo de Análisis de Riesgo se caracteriza por desarrollar una herramienta formativa para la gestión, que permite al usuario identificar, analizar y cuantificar el riesgo de
Más detalles