UTILIZACIÓN DE SIMULACIONES PARA EVALUAR LOS RIESGOS AGROPECUARIOS

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

Download "UTILIZACIÓN DE SIMULACIONES PARA EVALUAR LOS RIESGOS AGROPECUARIOS"

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.

Herramientas para la gestión eficiente del riesgo agrícola

Herramientas 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 detalles

Contratos de arrendamiento: negociar no sólo el monto total sino también la modalidad de pago

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 detalles

Informacion para Extension en Línea Nº 7 1 ISSN 2250-8511

Informacion 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 detalles

Universidad del CEMA Master en Finanzas 2006

Universidad 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 detalles

Finanzas de Empresas Turísticas

Finanzas 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 detalles

Universidad del CEMA

Universidad del CEMA Universidad del CEMA Maestría en Finanzas Orientación: Mercado de Capitales Trabajo de Investigación Final Teoría de portafolios y sus implicancias en decisiones de Inversión. Aplicación al sector agropecuario

Más detalles

Análisis de arrendamientos

Análisis 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 detalles

Análisis de riesgo e incertidumbre

Análisis 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 detalles

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS

TRATAMIENTO 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 detalles

Análisis de costo beneficio en cultivos de verano Campaña 2013/14

Análisis de costo beneficio en cultivos de verano Campaña 2013/14 Análisis de costo beneficio en cultivos de verano Campaña 2013/14 Ghida Daza,Carlos; Urquiza, Beatriz EEA INTA Marcos Juárez. economiamj@mjuarez.inta.gov.ar. Resúmen Las perspectivas de la campaña 2013/14

Más detalles

CURSO DE GESTION DE RIESGOS EN LA AGRICULTURA

CURSO DE GESTION DE RIESGOS EN LA AGRICULTURA CURSO DE GESTION DE RIESGOS EN LA AGRICULTURA Impartido por Colmenero, Profesor Titular de Universidad Julio Estavillo Dorado Profesor Asociado Salomón Aguado Manzanares, Secretario del Curso Actuario

Más detalles

Análisis de costo beneficio en cultivos de verano Campaña 2010/11 Resumen Introducción Evaluación económica 2010/11

Análisis de costo beneficio en cultivos de verano Campaña 2010/11 Resumen Introducción Evaluación económica 2010/11 1 Análisis de costo beneficio en cultivos de verano Campaña 2010/11 Carlos Ghida Daza y. Beatriz Urquiza. Economía, Estadística e Informática de la EEA INTA Marcos Juárez. economiamj@mjuarez.inta.gov.ar.

Más detalles

Ariadna Berger aberger@agro.uba.ar. VI Taller "La modelización en el sector agropecuario" Buenos Aires, 25 y 26 de septiembre de 2014

Ariadna 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 detalles

Que permite las proyecciones..

Que 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 detalles

Política y Cultura ISSN: 0188-7742 politicaycultura@gmail.com. Universidad Autónoma Metropolitana Unidad Xochimilco. México

Política y Cultura ISSN: 0188-7742 politicaycultura@gmail.com. Universidad Autónoma Metropolitana Unidad Xochimilco. México Política y Cultura ISSN: 0188-7742 politicaycultura@gmail.com Universidad Autónoma Metropolitana Unidad Xochimilco México Rendón Trejo, Araceli; Rendón Trejo, Raúl; Morales Alquicira, Andrés Las matemáticas

Más detalles

ECONOMETRÍA FINANCIERA

ECONOMETRÍA 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 detalles

Evaluación del riesgo del portfolio de Los Grobo Agropecuaria con @Risk

Evaluación 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 detalles

Simulación Monte Carlo

Simulación 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 detalles

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 1: Introducción

Curso: 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 detalles

Monografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR

Monografías 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 detalles

Instituto del Riesgo Financiero Implementación de Modelos VaR

Instituto 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 detalles

ECONOMÍA FINANCIERA II (Gerencia Cuantitativa del Riesgo) Profesor: JORGE MARIO URIBE GIL

ECONOMÍA FINANCIERA II (Gerencia Cuantitativa del Riesgo) Profesor: JORGE MARIO URIBE GIL ECONOMÍA FINANCIERA II (Gerencia Cuantitativa del Riesgo) Profesor: JORGE MARIO URIBE GIL Introducción. El curso de Economía Financiera II está diseñado para aquellos estudiantes que estén interesados

Más detalles

Carta de control CEV X para distribuciones Weibull con datos censurados

Carta de control CEV X para distribuciones Weibull con datos censurados Revista Colombiana de Estadística Volumen 28 N o 2. pp. 125 a 139. Diciembre 2005 Carta de control CEV X para distribuciones Weibull con datos censurados CEV X Control Chart for Weibull Distributions with

Más detalles

PROSAP-UTF/ARG/017/ARG Desarrollo Institucional para la Inversión

PROSAP-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 detalles

Determinación 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 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 detalles

La campaña maicera 14/15 cierra con números en rojo

La campaña maicera 14/15 cierra con números en rojo BOLSA DE CEREALES DE CÓRDOBA Y CÁMARA DE CEREALES Y AFINES DE CÓRDOBA TRIBUNAL ARBITRAL La campaña maicera 14/15 cierra con números en rojo INFORME AGROECONÓMICO Nº147 29 de julio de 2015 Contrariamente

Más detalles

Tomar o no tomar un seguro contra granizo en soja?

Tomar 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 detalles

Portafolios Eficientes para agentes con perspectiva Pesos

Portafolios 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 detalles

COLEGIO DE POSTGRADUADOS CAMPUS VERACRUZ AGROECOSISTEMAS TROPICALES

COLEGIO DE POSTGRADUADOS CAMPUS VERACRUZ AGROECOSISTEMAS TROPICALES COLEGIO DE POSTGRADUADOS CAMPUS VERACRUZ AGROECOSISTEMAS TROPICALES PROGRAMA ANALÍTICO DEL CURSO Identificación del Curso: Fundamentación del Curso Curso: Problema Especial Introducción a la Simulación

Más detalles

Resumen 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 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 detalles

LA SELECCIÓN DE CARTERAS : DESDE MARKOWITZ

LA SELECCIÓN DE CARTERAS : DESDE MARKOWITZ LA SELECCIÓN DE CARTERAS : DESDE MARKOWITZ Alvaro José Cobo Quintero* alvaro_josecobo@yahoo.com ajcobo@davivienda.com Bogotá, Colombia Borrador LA SELECCIÓN DE CARTERAS : DESDE MARKOWITZ El propósito de

Más detalles

CONTRATOS DE OPCIONES: UN RESGUARDO PARA ACOTAR LA INCERTIDUMBRE EN EL RESULTADO

CONTRATOS DE OPCIONES: UN RESGUARDO PARA ACOTAR LA INCERTIDUMBRE EN EL RESULTADO CONTRATOS DE OPCIONES: UN RESGUARDO PARA ACOTAR LA INCERTIDUMBRE EN EL RESULTADO GERARDO ENRIQUE ZOCOLA (Socio adherente IAPUCO) RESUMEN El objetivo de este trabajo es analizar la dispersión en los posibles

Más detalles

GUÍA DOCENTE 2014 15

GUÍA DOCENTE 2014 15 GUÍA DOCENTE 2014 15 Asignatura: TÉCNICAS DE SIMULACIÓN Profesor: D. Jesús Privado Zamorano [1] Prerrequisitos No existe requisito previo para cursar la asignatura aunque es recomendable tener conocimientos

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. 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 detalles

Curso: Gerencia de Inversiones

Curso: Gerencia de Inversiones Curso: Gerencia de Inversiones IESA Trimestre Julio-Septiembre, 2010 NOTA: La primera de las ocho clases del curso tendrá lugar el miércoles 28 de julio Profesor: Urbi Garay Profesor Titular del Centro

Más detalles

Indicadores matemáticos para el análisis técnico de precios

Indicadores matemáticos para el análisis técnico de precios ANÁLISIS TÉCNICO DE PRECIOS Nota técnica Joaquín Arias Segura Ph.D i Especialista Regional en Políticas y Negociaciones Comerciales para la Región Andina Instituto Interamericano de Cooperación para la

Más detalles

LAS NUEVAS HERRAMIENTAS DE PRODUCTIVIDAD INFORMÁTICA APLICADAS A LA RESOLUCIÓN DE LOS MODELOS DE PREVISIÓN DE ESTADOS CONTABLES

LAS NUEVAS HERRAMIENTAS DE PRODUCTIVIDAD INFORMÁTICA APLICADAS A LA RESOLUCIÓN DE LOS MODELOS DE PREVISIÓN DE ESTADOS CONTABLES LAS NUEVAS HERRAMIENTAS DE PRODUCTIVIDAD INFORMÁTICA APLICADAS A LA RESOLUCIÓN DE LOS MODELOS DE PREVISIÓN DE ESTADOS CONTABLES Juan Jesús Bernal García Juan Francisco Sánchez García Dpto. de Ciencias

Más detalles

Ensayo: Construcción de la Frontera Eficiente de Markowitz mediante el uso de la herramienta SOLVER de Excel y el modelo Matricial.

Ensayo: 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 detalles

Un modelo de Informe Integral de la Gestión del Negocio Agrícola

Un 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 detalles

Como construir carteras eficientes a medida

Como construir carteras eficientes a medida Un caso práctico desarrollado por el programa EFE 2000 de la empresa SciEcon Como construir carteras eficientes a medida El diseño de carteras eficientes involucra siempre un proceso de optimización. Si

Más detalles

200623 - SPDE - Simulación para la Toma de Decisiones Empresariales

200623 - SPDE - Simulación para la Toma de Decisiones Empresariales Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 200 - FME - Facultad de Matemáticas y Estadística 715 - EIO - Departamento de Estadística e Investigación Operativa MÁSTER

Más detalles

Capítulo 1: Introducción 10 PARTE II METODOLOGÍA FINANCIERA Y ANÁLISIS MULTICRITERIO 16. Capítulo 6: Una Perspectiva Histórica 17

Capítulo 1: Introducción 10 PARTE II METODOLOGÍA FINANCIERA Y ANÁLISIS MULTICRITERIO 16. Capítulo 6: Una Perspectiva Histórica 17 CONTENIDOS PRINCIPALES Capítulo 1: Introducción 10 Propósito de la investigación 11 Fuentes de datos 11 Metodología 11 Estructura y contenidos principales 13 Aplicabilidad 14 PARTE II METODOLOGÍA FINANCIERA

Más detalles

Diversificación en renta variable: cuestión de cantidad o de calidad de los activos? Segunda parte.

Diversificación en renta variable: cuestión de cantidad o de calidad de los activos? Segunda parte. Diversificación en renta variable: cuestión de cantidad o de calidad de los activos? Segunda parte. Dr. José B. Sáez Madrid* Dr. Francesc Ortí Celma* Dr. Jesús López Zaballos** * Departamento de Matemática

Más detalles

5. PLANTEAMIENTO DEL MODELO ANÁLISIS-PLAZO

5. PLANTEAMIENTO DEL MODELO ANÁLISIS-PLAZO 5. PLATEAMIETO DEL MODELO AÁLISIS-PLAZO 5.1. COCEPTOS PREVIOS Previamente a cualquier descripción se presentan aquí una serie de definiciones aclaratorias: Simulación: Es el proceso de diseñar y desarrollar

Más detalles

UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA

UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA COORDINACIÓN DE FORMACIÓN BÁSICA COORDINACIÓN DE FORMACIÓN PROFESINAL Y VINCULACIÓN UNIVERSITARIA PROGRAMA DE UNIDADES DE APRENDIZAJE POR COMPETENCIAS I. DATOS DE

Más detalles

Colección Mercados M-2

Colección Mercados M-2 El VaR Pablo García Estévez Diciembre 2008. M-2 1. 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. El VaR es una

Más detalles

Universidad Rey Juan Carlos Facultad de CC. Jurídicas y Sociales (Campus de Fuenlabrada)

Universidad Rey Juan Carlos Facultad de CC. Jurídicas y Sociales (Campus de Fuenlabrada) Universidad Rey Juan Carlos Facultad de CC. Jurídicas y Sociales (Campus de Fuenlabrada) CURSO 2009-2010 Titulación/es en la/s que se imparte: Licenciatura en administración y dirección de empresas Órgano

Más detalles

Gestión de Carteras I: Selección de Carteras

Gestión de Carteras I: Selección de Carteras Gestión de Carteras I: Selección de Carteras Juan Mascareñas Universidad Complutense de Madrid Versión original: ene-86; Última versión: dic-12 - Introducción, 1 - La rentabilidad y el riesgo de un activo

Más detalles

ASIGNATURA: MATERIA: Simulación y optimización de procesos MÓDULO: Ingeniería de procesos y producto ESTUDIOS: MASTER EN INGENIERIA QUIMICA

ASIGNATURA: MATERIA: Simulación y optimización de procesos MÓDULO: Ingeniería de procesos y producto ESTUDIOS: MASTER EN INGENIERIA QUIMICA Página 1 de 3 CARACTERÍSTICAS GENERALES* Tipo: Formación básica, Obligatoria, Optativa Trabajo de fin de grado, Prácticas externas Duración: Semestral Semestre/s: 1 Número de créditos ECTS: 3 Idioma/s:

Más detalles

PROYECTO DE INVESTIGACIÓN SIMULACIÓN PARA LA VALUACIÓN

PROYECTO DE INVESTIGACIÓN SIMULACIÓN PARA LA VALUACIÓN PROYECTO DE INVESTIGACIÓN SIMULACIÓN PARA LA VALUACIÓN INTRODUCCIÓN El objetivo del presente trabajo es estudiar los modelos y herramientas existentes de simulación que se utilizan para la valuación en

Más detalles

BANCO DE MEXICO. Definiciones básicas de Riesgos

BANCO DE MEXICO. Definiciones básicas de Riesgos BANCO DE MEXICO Definiciones básicas de Riesgos Noviembre 2005 1 ÍNDICE DE RIESGO: 1.1. Medidas de riesgo 1.1.1. Valor en Riesgo (VaR) 1.1.2. Análisis de Estrés 1.2. Riesgo de Mercado 1.2.1. Medidas de

Más detalles

Carrera: ACF-0803 4-2 - 8. Participantes. Academia Eléctrica y Electrónica del Instituto Tecnológico Superior de Coatzacoalcos

Carrera: ACF-0803 4-2 - 8. Participantes. Academia Eléctrica y Electrónica del Instituto Tecnológico Superior de Coatzacoalcos 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Análisis Estadístico a Procesos Ingeniería Electrónica ACF-0803 4-2 - 8 2.- HISTORIA

Más detalles

COBERTURAS DE RIESGOS CLIMATICOS:

COBERTURAS DE RIESGOS CLIMATICOS: Opciones de Manejo para Reducir la variabilidad en el Rendimiento Rosario, Santa Fe - Julio 2013 COBERTURAS DE RIESGOS CLIMATICOS: SEGUROS MULTIRRIESGOS GRANIZO Y ADICIONALES Sr. Angel Ordoñez - Ing. Agr.

Más detalles

www.agropractico.com Documentos Técnicos

www.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 detalles

Introducción al @RISK 5.7

Introducción 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 detalles

Teoría Clásica de Optimización de Carteras

Teoría Clásica de Optimización de Carteras Teoría Clásica de Optimización de Carteras Los inversores deben elegir estrategias de inversión y de consumo óptimas. Dado capital inicial, deben componer cartera para maximizar su utilidad esperada. El

Más detalles

Simulación Discreta Estocástica Tutor: Deivis Galván

Simulación Discreta Estocástica Tutor: Deivis Galván Capitulo 1 Simulación Discreta Estocástica Tutor: Deivis Galván OBJETIVOS Al aprobar la asignatura el alumno será capaz de: Conocer, comprender y aplicar los principios del modelado de sistemas complejos

Más detalles

Análisis económico de la producción de granos y papa

Análisis económico de la producción de granos y papa Análisis económico de la producción de granos y papa Ing. Agr. M. Sc. Florencia Gutheim Chacra Experimental Miramar-MAA La presentación de los costos y algunos indicadores de resultado, se brindan para

Más detalles

UNIVERSIDAD DEL TOLIMA FACULTAD DE CIENCIAS PROGRAMA MATEMÁTICAS CON ÉNFASIS EN ESTADÍSTICA RUBEN DARIO GUEVARA, FERNANDO ALONSO VELEZ

UNIVERSIDAD DEL TOLIMA FACULTAD DE CIENCIAS PROGRAMA MATEMÁTICAS CON ÉNFASIS EN ESTADÍSTICA RUBEN DARIO GUEVARA, FERNANDO ALONSO VELEZ UNIVERSIDAD DEL TOLIMA FACULTAD DE CIENCIAS PROGRAMA MATEMÁTICAS CON ÉNFASIS EN ESTADÍSTICA 1. IDENTIFICACIÓN ASIGNATURA: SIMULACIÓN ESTADÍSTICA CODIGO: 070110 NIVEL: VI CREDITOS: 3 DESCRIPCIÓN: DOCENTES:

Más detalles

Software de Planificación y Gestión para la Empresa Agropecuaria

Software 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 detalles

Estructuración de portafolios que incluyen opciones

Estructuración de portafolios que incluyen opciones Estructuración de portafolios que incluyen opciones Jose Antonio Solano Atehortúa * * Matemático, Universidad de Antioquia. Maestría en Matemáticas Aplicadas, Universidad de Sao Paulo (Sao Paulo, Brasil).

Más detalles

ERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES

ERRORES 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 detalles

CAPITULO II. MARCO TEÓRICO. Actualmente todas las personas que tengan un capital considerable pueden invertir en

CAPITULO II. MARCO TEÓRICO. Actualmente todas las personas que tengan un capital considerable pueden invertir en CAPITULO II. MARCO TEÓRICO II.1. Mercados Financieros II.1.1 Marco histórico Actualmente todas las personas que tengan un capital considerable pueden invertir en acciones a fin de obtener ganancias rápidas

Más detalles

RIESGO Y FLEXIBILIDAD EN LA EMPRESA AGROPECUARIA

RIESGO Y FLEXIBILIDAD EN LA EMPRESA AGROPECUARIA RIESGO Y FLEXIBILIDAD EN LA EMPRESA AGROPECUARIA Lic. Econ. Agrop. Martín Ficco, Univ. de Belgrano, Bs. As.; miembro del Crea Alejandro-Chaján (Cba.). 2000. www.produccion-animal.com.ar QUE ES EL RIESGO?

Más detalles

Tema 10. Estimación Puntual.

Tema 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 detalles

SIMULACIÓN MCMC. Dr. Holger Capa Santos

SIMULACIÓN MCMC. Dr. Holger Capa Santos SIMULACIÓN MCMC Dr. Holger Capa Santos Septiembre, 2009 CONTENIDO Integración Montecarlo Problema con la Integración Montecarlo Muestreo de Importancia Algoritmos de Metropolis y Metropolis-Hastings Muestreador

Más detalles

Métodos Iterativos para Resolver Sistemas Lineales

Métodos 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 detalles

Cálculo de márgenes para el producto spread soja Chicago/Rofex. Abstract

Cálculo de márgenes para el producto spread soja Chicago/Rofex. Abstract Cálculo de márgenes para el producto spread soja Chicago/Rofex. Mauro Carusso Contador Público capacita@bcr.com.ar Abril de 2001 "Los conceptos, datos y opiniones vertidas en los artículos, son de exclusiva

Más detalles

13. Técnicas de simulación mediante el método de Montecarlo

13. 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 detalles

Simulación 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 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 detalles

Doctorado en Ingeniería Facultades de Cs. Agropecuarias; Cs. de la Alimentación e Ingeniería

Doctorado en Ingeniería Facultades de Cs. Agropecuarias; Cs. de la Alimentación e Ingeniería Carrera: Doctorado en Ingeniería Doctorado en Ingeniería Facultades de Cs. Agropecuarias; Cs. de la Alimentación e Ingeniería Curso de Posgrado: Estadística y Diseño de Experimentos Carga Horaria 1 : 90

Más detalles

Administración Integral de Riesgos

Administración Integral de Riesgos Administración Integral de Riesgos COMPASS Investments de México COMPASS INVESTMENTS opera como un Asesor de Inversión Independiente en México desde 1996. A partir del 2004 se convierte en Sociedad Operadora

Más detalles

Carrera: MTF-0519 2-4-8. Participantes Representante de las academias de ingeniería Mecatrónica de los Institutos Tecnológicos. Academia de Ingeniería

Carrera: MTF-0519 2-4-8. Participantes Representante de las academias de ingeniería Mecatrónica de los Institutos Tecnológicos. Academia de Ingeniería .- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Estadística y Control de Calidad Ingeniería Mecatrónica MTF-059-4-8.- HISTORIA

Más detalles

Simulación. Carrera: INE-0405 2-2-6. Participantes. Representante de las academias de ingeniería industrial de los Institutos Tecnológicos.

Simulación. Carrera: INE-0405 2-2-6. Participantes. Representante de las academias de ingeniería industrial de los Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Simulación Ingeniería Industrial INE-0405 2-2-6 2.- HISTORIA DEL PROGRAMA Lugar

Más detalles

EL FILTRO DE KALMAN. Resumen

EL FILTRO DE KALMAN. Resumen EL FILTRO DE KALMAN Carlos Pillajo Universidad Politécnica Salesiana - Ecuador cpillajo@ups.edu.ec Javier E. Sierra Universidad Pontificia Bolivariana Colombia javier.sierra@upb.edu.co Resumen El filtro

Más detalles

Estructuración de portafolios de acciones en el mercado de valores de España

Estructuración de portafolios de acciones en el mercado de valores de España Estructuración de portafolios de acciones en el mercado de valores de España Revista Soluciones de Postgrado EIA, Número 3. p. 51-60 Medellín, enero 2009 Miriam Mesa López * y José Adolfo Colorado González

Más detalles

MAIZ 1- OBJETIVOS 2 - CICLO PRODUCTIVO. Jul Ago Sep Oct Nov Dic Ene Feb Mar Abr May Jun. HSBC Agribusiness Maíz - 1. Labranza-Barbecho.

MAIZ 1- OBJETIVOS 2 - CICLO PRODUCTIVO. Jul Ago Sep Oct Nov Dic Ene Feb Mar Abr May Jun. HSBC Agribusiness Maíz - 1. Labranza-Barbecho. MAIZ 1- OBJETIVOS Principal: lograr el mayor rendimiento del cultivo al menor costo de producción posible. Es el resultado de un período relativamente extenso de tiempo, denominado ciclo, durante el cual

Más detalles

PRESENTACIÓN DEL CURSO O ESPACIO ACADÉMICO

PRESENTACIÓN DEL CURSO O ESPACIO ACADÉMICO UNIVERSIDAD PILOTO DE COLOMBIA PLAN ANALÍTICO DEL PROGRAMA FACULTAD DE INGENIERIA PROGRAMA DE INGENIERIA FINANCIERA Nombre del curso Código del curso Área de Formación (básica, profesional, complementaria,

Más detalles

SIMULACIÓN VERSUS OPTIMIZACIÓN:

SIMULACIÓN 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 detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 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 detalles

PRESENTACIÓN DE LA TESIS 1 1. INTRODUCCIÓN 4 2. ESTRUCTURA Y METODOLOGÍA DE LA TESIS 8

PRESENTACIÓN DE LA TESIS 1 1. INTRODUCCIÓN 4 2. ESTRUCTURA Y METODOLOGÍA DE LA TESIS 8 Índice ÍNDICE PRESENTACIÓN DE LA TESIS 1 1. INTRODUCCIÓN 4 2. ESTRUCTURA Y METODOLOGÍA DE LA TESIS 8 PARTE I: INSTRUMENTOS MATEMÁTICOS DE LA TEORÍA DE LOS SUBCONJUNTOS BORROSOS 19 CAPÍTULO 1: ELEMENTOS

Más detalles

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11 Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales

Más detalles

Informe preliminar sobre el recuento de individuos presentes en lavia Lliure 2015. Grupo OEC, SCC Septiembre 2015

Informe preliminar sobre el recuento de individuos presentes en lavia Lliure 2015. Grupo OEC, SCC Septiembre 2015 Informe preliminar sobre el recuento de individuos presentes en lavia Lliure 2015 Grupo OEC, SCC Septiembre 2015 Resumen Es de dominio público que el 11 de septiembre de 2015 en Cataluña se organizó un

Más detalles

Unidad de Agronegocios

Unidad de Agronegocios Unidad de Agronegocios Monitor Permanente de Márgenes Agrícolas del Chaco SOJA, campaña 2014/15 8 de Octubre 2014 Monitor Permanente de Márgenes Agrícolas. La Unidad de Agronegocios de la BCCH pone a disposición

Más detalles

Portfolio Optimization usando Ant Colony Optimization

Portfolio Optimization usando Ant Colony Optimization Portfolio Optimization usando Ant Colony Optimization Adolfo Tamayo Johann Nuñez 1 de julio de 2015 Resumen El propósito de este trabajo es aplicar la tecnica de Ant Colony Optimization al problema multivariable

Más detalles

Minimización del Value-at-Risk Condicional (CVaR): El Caso de las AFP s en Chile

Minimización del Value-at-Risk Condicional (CVaR): El Caso de las AFP s en Chile Minimización del Value-at-Risk Condicional (CVaR): El Caso de las AFP s en Chile Rafael Romero-Meza Ingeniero Comercial, Universidad de Chile Doctor of Business Administration Boston University Profesor

Más detalles

ESTRATEGIAS DE 2MANEJO DEL RIESGO

ESTRATEGIAS DE 2MANEJO DEL RIESGO ESTRATEGIAS DE 2MANEJO DEL RIESGO Autor Alejandra Engler P. Ingeniera Comercial, Ph.D. Facultad de Ciencias Agrarias Universidad de Talca 25 26 2.1 INTRODUCCIÓN Este capítulo tiene como objetivo presentar

Más detalles

Análisis Fractal y Algoritmos Genéticos aplicado a la Administración de Riesgos. Por Dr. Oscar Ugalde Hernández

Análisis Fractal y Algoritmos Genéticos aplicado a la Administración de Riesgos. Por Dr. Oscar Ugalde Hernández Introducción Análisis Fractal y Algoritmos Genéticos aplicado a la Administración de Riesgos Por Dr. Oscar Ugalde Hernández Mediante la aplicación de las metodologías del análisis fractal y de los algoritmos

Más detalles

2nd International Professional Meeting of Leaders of the Actuarial Profession and Actuarial Educators in Latin America

2nd International Professional Meeting of Leaders of the Actuarial Profession and Actuarial Educators in Latin America 2nd International Professional Meeting of Leaders of the Actuarial Profession and Actuarial Educators in Latin America El papel de los actuarios en el ámbito de la administración de la industria de seguros

Más detalles

PROYECTO FIN DE CARRERA

PROYECTO FIN DE CARRERA UNIVERSIDAD CARLOS III DE MADRID ESCUELA POLITECNICA SUPERIOR DEPARTAMENTO DE INGENIERÍA ELÉCTRICA PROYECTO FIN DE CARRERA INGENIERÍA INDUSTRIAL PROBABILIDAD DE SOBRECARGAS EN LÍNEAS DE TRANSPORTE DEBIDAS

Más detalles

ESTADÍSTICA APLICADA Y ESTADÍSTICA PARA EL SECTOR PÚBLICO

ESTADÍSTICA APLICADA Y ESTADÍSTICA PARA EL SECTOR PÚBLICO Máster en ESTADÍSTICA APLICADA Y ESTADÍSTICA PARA EL SECTOR PÚBLICO Temario MÓDULO 0: HOMOGENEIZACIÓN Homogeneización en bases matemáticas 3,0 Cr. ECTS Espacios de Medida Algebra. Matrices y Determinantes

Más detalles

ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO. Unidad 1 Números Reales

ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO. Unidad 1 Números Reales ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO Unidad 1 Números Reales Utilizar los números enteros, racionales e irracionales para cuantificar situaciones de la vida cotidiana. Aplicar adecuadamente

Más detalles

Modelado y simulación de proyecto

Modelado y simulación de proyecto Modelado y simulación de proyecto El objetivo de este caso es practicarse en las técnicas de Análisis Cuantitativo de Riesgos y de Modelado, para lo cual se utilizará el software @RISK for Project, el

Más detalles

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS

CARTAS 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 detalles

MODELADO Y SIMULACIÓN

MODELADO Y SIMULACIÓN ASIGNATURA DE GRADO: MODELADO Y SIMULACIÓN Curso 2014/2015 (Código:71014106) 1.PRESENTACIÓN DE LA ASIGNATURA La asignatura Modelado y Simulación se imparte en el primer semestre del cuarto curso del Grado

Más detalles

INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA

INFLUENCIA 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 detalles

Las Matemáticas En Ingeniería

Las Matemáticas En Ingeniería Las Matemáticas En Ingeniería 1.1. Referentes Nacionales A nivel nacional se considera que el conocimiento matemático y de ciencias naturales, sus conceptos y estructuras, constituyen una herramienta para

Más detalles

Optimización de portafolios para un Asegurador de Depósitos considerando la dinámica de su pasivo contingente

Optimización de portafolios para un Asegurador de Depósitos considerando la dinámica de su pasivo contingente 2013 Optimización de portafolios para un Asegurador de Depósitos considerando la dinámica de su pasivo contingente No. 5 Agosto de 2013. 1 Dirección María Inés Agudelo Directora Subdirección de Inversiones,

Más detalles

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:

Más detalles

CONTENIDOS MÍNIMOS BACHILLERATO

CONTENIDOS MÍNIMOS BACHILLERATO CONTENIDOS MÍNIMOS BACHILLERATO I.E.S. Vasco de la zarza Dpto. de Matemáticas CURSO 2013-14 ÍNDICE Primero de Bachillerato de Humanidades y CCSS...2 Primero de Bachillerato de Ciencias y Tecnología...5

Más detalles