Cuatro medidas de inflación subyacente para Uruguay

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

Download "Cuatro medidas de inflación subyacente para Uruguay"

Transcripción

1 Cuaro meddas de flacó subyacee para Uruguay Rosaa Ferádez

2 CUATRO MEDIDAS DE INFLACIÓN SUBYACENTE PARA URUGUAY Rosaa Ferádez Casro Área de Ivesgacoes Ecoómcas Baco Ceral del Uruguay Julo 2005 Versó prelmar INTRODUCCIÓN E ese documeo se presea y evalúa cuaro dcadores de flacó subyacee ulzados e el Baco Ceral del Uruguay e sus Iformes de Políca Moeara. Las meddas de core flao preseadas respode a cocepos muy dsos de lo que se debe eeder por flacó subyacee. Se esuda desde el popular dcador resulae de la o cosderacó de varacoes de precos voláles o admsradas hasa meddas más sofscadas que busca : u meor esmador de la meda poblacoal de las varacoes mesuales de precos al cosumo u dcador que reflee la pare perdurable de la varacó del IPC ua varacó represeava de la varabldad del couo de precos al cosumo Los dsos dcadores so evaluados segú la meodología de Marques,Neves,Sarmeo(2000, la que, busca deermar s los dcadores de flacó subyacee so aracores de la varacó del IPC, s puede ser cosderados leadg dcaors de la msma. DATOS UTILIZADOS Se paró de ua base de daos formada por 74 seres de precos al cosumo correspodees al período eero 997-mayo 2005 (233 observacoes. Hasa marzo de 997, cada sere es ua combacó leal de ídces de precos ulzados por el Isuo Nacoal de Esadísca (INE para el cálculo del Ídce de los Precos del Cosumo (IPC base dcembre de 985 =00. Para el reso del período, cada sere reflea la evolucó de ua combacó leal de ídces de precos empleados por el INE para obeer el Ídce de Precos al Cosumo (IPC base marzo 997= 00, que es el que acualmee se dfude e Uruguay. E ese proceso de ecadeameo se procuró que las seres resulaes se refrera a los msmos bees y servcos, pero, o se hzo gú ause por el cambo de caldad que los rubros cludos pudera haber expermeado a lo largo del lapso cosderado. El período e que se evaluó el comporameo de los dsos dcadores de flacó subyacee preseados fue de meor exesó, procurádose rabaar co lapsos homogéeos. Tal como se explca más adelae, para los dcadores resulaes de la aplcacó de la meodología de Roger (997, parecó razoable rabaar co el lapso 997-abrl E los oros res casos, se opó por el período eero 994-mayo 2005, srvedo de guía para omar al decsó el que se pudera esmar el compoee edeca cclo de cada uo de esos res dcadores, recurredo a modelos que superaro los ess usuales de especfcacó. Para períodos más largos, las especfcacoes obedas o era sasfacoras. INDICADORES DE INFLACIÓN SUBYACENTE UTILIZADOS IPCSV: a parr del IPC s fruas, verduras, precos admsrados Se raa de u dcador de flacó subyacee muy popular. E prmer lugar, se le da poderacó ula a aquellos ídces de precos cuya volaldad o auses dscouos deermados por decsoes de políca acoal o deparameal roducría

3 rudo ecesaro a la medcó de flacó. Segú ese efoque, e el caso uruguayo, se excluría los sguees rubros: fruas, verduras, arfas de empresas públcas, raspore capalo, servcos de salud muuales y colecvo, servco domésco E segudo lugar se calcula la varacó úlmos doce meses del ídce obedo IPCP: Ídces de precos poderados por la persseca de sus varacoes Esa medda de flacó subyacee resula de la ulzacó de la meodología desarrollada por Joae Culer (200 para el Reo Udo co las modfcacoes hechas por D Amao, Saz y Soes(2005 e la aplcacó que de la msma hcero para el caso argeo. Culer se basa e el cocepo de flacó subyacee de Blder (997, es decr defe a la core flao como el compoee durable y perssee de la flacó headle. A parr de ese cocepo, Culer elabora u dcador e dode las varacoes de precos se podera por la persseca que haya mosrado e el pasado, e el eeddo que los resulados obedos permrá que el Baco Ceral evalúe de meor maera la evolucó de la flacó e el horzoe relevae para la políca moeara. D Amao, Saz y Soes deerma de gual maera la persseca flacoara de las dsas varacoes de precos pero aplca u crero más exgee para elegr los compoees de su dcador y asga los poderadores obedos a ídces de precos y o a varacoes de precos como hace Culer. Las dsas formas de cálculo de la flacó headle e el Reo Udo y e Argea ambé da lugar a dferecas meodológcas. E ambos países se recurre a poderadores basados e la esrucura del gaso de los hogares pero, meras e el prmer caso esos coefcees se acualza aualmee, e el segudo la acualzacó es mucho meos frecuee, realzádose aproxmadamee cada dez años. No es de exrañar, por ao, que e el dcador de persseca flacoara de Culer, los poderadores se modfque cada año meras que e el de D Amao, Saz y Soes, el cambo se realce sólo ua vez, para el msmo mes e que la ofca esadísca ecargada de elaborar el ídce de precos al cosumo comeza a aplcar u uevo couo de poderadores para calcularlo. E defva, se procede de la sguee forma: Se esma modelos de la forma: dode = α + β 2 + u es la varacó úlmos doce meses del ídce de precos del be ( P Se calcula ω : ω βˆ = s βˆ es posvo y sgfcavo al 5% ω = 0 s βˆ es egavo o, sedo posvo, o es sgfcavo al 5% Se ulza dos seres de ω : Los ω del período eero 988 marzo997 para el Se calcula: período eero 988 marzo997 Los ω del período eero 988 abrl 2005 para el período abrl 997 abrl 2005 P = ( ω P El dcador de flacó subyacee buscado es la varacó úlmos doce meses de P / ω

4 IPCRs: dcadores a la Roger, cocepo esadísco de la flacó subyacee També se calcula u dcador de flacó subyacee basado e u cocepo esadísco de la msma. E efeco, sguedo la meodología propuesa por Roger (997 se buscó esmar la meda poblacoal de la dsrbucó de las varacoes mesuales de precos al cosumo eedo e cuea que dcha dsrbucó se caracerza por: Ua cuross (kuross susacalmee mayor a la de la dsrbucó ormal U coefcee de asmería (skewess posvo. Para dsrbucoes co ala cuross, la medaa es u esmador de la meda poblacoal más robuso y más efcee que la meda muesral. Pero, la medaa ede a subesmar la meda poblacoal s la dsrbucó muesra u coefcee de asmería posvo. Los efecos de esa asmería puede ser corregdos s se rabaa co el percel e el que, e promedo, se ha ubcado la meda muesral (de ahora e más, percel de la meda muesral. Se rabaó co las varacoes mesuales de precos al cosumo del período eero 986 abrl Para el cálculo de la kuross y skewess muesrales, sguedo a Roger(995, se ulzaro las sguees fórmulas: Meda: µ = = Varaza: x f ( x = = w x σ 2 = µ 2 = = ( x µ f ( x = w ( x µ 2 = 2 Skewess: µ = ( x µ f ( x = w ( x µ = = Kuross: µ = ( x µ f ( x = w ( x µ = = Coefcee de skewess α = 3 3 µ 3 / σ Coefcee de kuross α = 4 4 µ 4 /σ Dode x correspode a la varacó mesual del preco o servco y dode w es la poderacó que el Isuo Nacoal de Esadísca le asga a dcha varacó e la del Ídce de Precos al Cosumo (IPC, poderacó que se asmla co la frecueca co que dcha varacó es observada. E cada período, las poderacoes w se calcula segú: w = w0 ( P / IPC

5 dode P es el preco del be o servco cosderado y dode =0 refere al período omado como base para el cálculo del IPC. La kuross y la skewess se calcula de res formas dsas: a El prmer méodo (méodo cosse e calcular esos momeos muesrales mes a mes. Es decr, se calcula la skewess y la kuross ulzado las poderacoes w que el INE le asga a la varacó mesual de P (preco del be e el mes cuado calcula la varacó mesual del IPC e. b El segudo méodo (méodo 2 empleado cosa de varas eapas: b. Formar u couo egrado por odas las varacoes de precos que mes a mes se observaro e u año b.2 Normalzar dchas varacoes, es decr, obeer u couo de varacoes de precos de meda ula y desvacó esádar uara b.3 Asgar a la varacó mesual corregda de P las poderacó w /2 b.4 Aplcar las fórmulas de skewess y kuross reseñadas b.5 A parr de los daos auales obedos, se obee los momeos de momeos preseados e la abla 2. c També cosa de varas eapas el ercer méodo (méodo 3: c. Trabaar co el couo formado por odas las varacoes de precos del período cosderado (eero 986 abrl 2005 c:2 Normalzar dchas varacoes, es decr, rasformar el couo orgal de varacoes e uo de meda ula y desvacó esádar uara c.3 Asgar a la varacó mesual corregda de P la poderacó: w / (cadad de observacoes del período c.4 Aplcar las fórmulas de skewess y kuross reseñadas Tabla Skewess y kuross Méodo Coefcees de Skewess Kuross Meda Medaa Desvacó esádar Tabla 2 Skewess y kuross Méodo 2 Coefcees de Skewess Kuross Meda Medaa Desvacó esádar

6 Tabla 3 Skewess y kuross Méodo 3 Coefcees de Skewess Kuross Eero 986- Abrl Los resulados preseados e las ablas,2 y 3 muesra que la dsrbucó de las varacoes mesuales de precos al cosumo e Uruguay muesra u alo vel de kuross y skewess así como dcos de que dcha dsrbucó puede haber cambado e 997, año a parr del cual las esadíscas de los precos al cosumo reflea ua esrucura de cosumo de los hogares dsa a la de los años prevos. La sguee gráfca, cosruda co la base de daos ulzada para el cálculo por el méodo 3 de la skewess y de la kuross, cofrma cuáo dfere de la dsrbucó ormal, la de las varacoes mesuales de los precos al cosumo e Uruguay: HISTOGRAMA DE FRECUENCIAS (vsa parcal Frecueca Varacoes ormalzadas Varacoes mesuales precos al cosumo e Uruguay Dsrbucó ormal esadarzada Segú la evdeca empírca preseada, parece razoable que para las varacoes mesuales de precos al cosumo e Uruguay, la varacó de precos correspodee al percel de la meda muesral sea u bue esmador de la meda poblacoal. S se cosdera que la frecueca de la varacó mesual de P (preco del be e el período es la poderacó que ulza el INE para el cálculo de la varacó mesual del IPC e el período y se calcula mes a mes los preseles de la meda muesral, se obee los sguees resulados: Tabla 4 Percel de la meda muesral Daos empleados e el méodo Meda Medaa Desvacó esádar Eero 86 Abrl abr abr abr abr

7 S se rabaa co la msma base de daos (varacoes de precos y poderacoes ulzada para el cálculo segú el méodo 2 de la skewess y la kuross, los resulados so: Tabla 5 Percel de la meda muesral Daos empleados e el méodo 2 Meda Medaa Desvacó S la base de daos correspodee a cada uo de los períodos de la sguee abla, se obee segú lo dcado al descrbr el méodo 3 de cálculo de la skewess y la kuross, se cocluye que: Tabla 6 Percel de la meda muesral Base de daos obedas segú dca el méodo Los resulados obedos e cuao a medas y varazas sugere que u ervalo razoable para el percel de la meda muesral sería [57%-67%]. També muesra u posble cambo e la dsrbucó de la varacó mesual de precos al cosumo desde 997. E base a ese aálss se evaluará oce dcadores de flacó subyacee: dode p = = p = 0 p [ + ( /00] 00 es la varacó mesual de precos correspodee al percel p de la dsrbucó de las varacoes mesuales de precos del mes cosderad, dode p esá compreddo e el ervalo [57,67] y dode pereece al período eero 997 abrl 2005.

8 CP: Varacoes de precos poderadas por su poder de explcacó de la varabldad del couo cosderado E la sguee seccó se presea u dcador de flacó subyacee resulae de: Aplcar el méodo de compoees prcpales a las varacoes mesuales de precos al cosumo cosderadas. Asgar a las varacoes mesuales de precos al cosumo las poderacoes de la combacó leal correspodee al prmer compoee prcpal Ulzar la varacó mesual meda obeda e el paso aeror para el cálculo de ua varacó úlmos doce meses El méodo de compoees prcpales perme rasformar u couo de varables x ( =,2,...p e u grupo de uevas varables correlacoadas y (=,2,...p de meda 0 y varaza. Esas varables y (=,2,...p se deoma compoees prcpales. E ese documeo las varables x ( =,2,...p so las varacoes mesuales de u couo de ídces de precos. Para obeer las varables y ( =,2,...p a parr de las varables x ( =,2,...p se procede de la sguee forma: Se procura los sguees sumos a Marz X cosruda a parr de las varables x ( =,2,...p. Cada fla de X coee los valores x de la varable x ( =,2,...p; =,2,... X es de dmesó p dode p es la cadad de varables x ( =,2,...p y es la cadad de observacoes dspoble para cada varable. b Marz A cosruda a parr de las varables x ( =,2,...p. S σ es la desvacó esádar de la varable x ( =,2,...p, cada elemeo a de A se calcula como x / σ sedo x la observacó de la varable x ( =,2,...p dspoble e el período (=,2... c Marz A M de medas de las varables x / σ ( =,2,...p. A M es de dmesó p y La fla de la marz A M repe la meda de la varable x / σ d Marz (A - A M sedo (A - A M T su raspuesa. e R pp, la marz de correlacó de A f La marz U pp al que: U T RU = L dode U T es la marz raspuesa de U L pp es ua marz dagoal. Se deoma egevecors a las columas U ( =,2,...p de la marz U Se llama egevalues a los elemeos e ( =,2,...p de la dagoal de la marz L, cumplédose que e > e 2 > e 3... > e p 2 S σ es la varaza de la varable x ( =,2,...p, se demuesra que : [e / (e + e e p ] = [σ / (σ + σ σ 2 p ] co ( =,2,...p g Sea er = e 0.5 ( =,2,...p h Sea los vecores V = U er ( =,2,...p. Esos vecores so las columas de la marz V, sedo V T su raspuesa Sea los vecores W = U / er ( =,2,...p. Esos vecores so las columas de la marz W, sedo W T su raspuesa. Se calcula la marz Y de dmesoes p cuyas flas so las varables y al que =,2,...p: Y = W T (A - A M Por lo ao, cada varable y ( =,2,...p, cada compoee prcpal es ua combacó leal de las varables orgales x cuyos coefcees depede de los coefcees del egevecor W ( =,2,...p, rasformacó del egevecor U El compoee prcpal y ( =,2,...p, ee asocado el egevalue e y represea u porceae [e / (e + e e p ] de la varabldad oal coeda e X que vee dada por (σ σ p 2

9 El dcador de flacó subyacee resularía de: Cosderar la prmer fla de Calcular: p p T W, o sea, = p / / w = = ( w σ para =...p T W de compoees w dode σ es la desvacó esádar de la varable será la poderacó de la varacó mesual del preco Para cada período, se calcula : Para cada período : EVALUACIÓN DE LOS DISTINTOS INDICADORES Meodología p = = p& θ p& = dode p& es la varacó mesual del preco e el período = = p& = 0 Para evaluar los dsos dcadores de flacó subyacee preseados e ese documeo se ha segudo el procedmeo de Marques,Neves,Sarmeo(2000. Esos auores presea ua sere de codcoes que los dcadores de flacó subyacee debería cumplr para ser de uldad a la políca moeara: Los dcadores de flacó subyacee o debe apararse e forma ssemáca de la varacó del IPC La flacó headle debe coverger a la subyacee La flacó subyacee o puede ser ua fucó de la varacó del IPC S el dcador de flacó subyacee sasface esos requermeos, su evolucó esaría dado a la auordad moeara las señales correcas sobre el comporameo de la flacó e el horzoe relevae de políca moeara. Segú Marques, Neves, Sarmeo(2000, s la flacó es egrada de orde (I(, es u dcador de flacó subyacee s se cumple las sguees codcoes:. ( - es ua varable esacoara de meda ula y o presea ua edeca ssemácamee dvergee 2. Se puede escrbr como : m α + β γ( J = = = + ε Exse u mecasmo de correccó de errores que asegura que arde o emprao (e el largo plazo coverge a. El dcador de flacó subyacee fucoa como u aracor de la flacó headle. ( 3. es fueremee exógeo co respeco a Para probar el cumplmeo de la codcó, se ulza el sguee procedmeo de dos eapas:

10 . Se cocluye sobre la esacoaredad de ( - recurredo al es de raíces uaras aumeado de Dckey -Fuller (ADF.2 Se prueba la hpóess de que α = 0, sedo α el érmo cosae de la ecuacó del es ADF. S se cocluye que la codcó se cumple, se procede a verfcar s ocurre lo msmo co la codcó (2, esmado el modelo plaeado e ( y probado la hpóess γ=0. La prueba del cumplmeo de la codcó 3 ambé mplca u procedmeo e dos eapas: 3. Verfcar el cumplmeo de la exogeedad débl, es decr: 3.. Esmar el modelo (2: m = α + β λ( J = = + η ( Probar que λ=0 3.2 Comprobar que o causa e el sedo de Grager a los dcadores que resule exógeamee débles. El orde de egracó de la varacó úlmos doce meses del IPC (p Para los dos períodos de aálss ulzados (eero 997-abrl 2005 y eero 994-mayo2005 el es aumeado de raíces uaras de Dckey Fuller sugere que la varacó úlmos doce meses del IPC ( es egrada de orde : Período: eero 997 abrl 2005 Tes de raíces uaras correspodee a (cluye cosae Esadísco ADF Coclusó Esadísco ADF Probabldad No se puede rechazar la preseca de ua raíz Uara e Período: eero 994 mayo 2005 Tes de raíces uaras correspodee a (cluye cosae Esadísco ADF Coclusó Valor Probabldad No se puede rechazar la preseca de ua raíz Uara e Caldad de los dcadores de flacó subyacee ulzados La meodología ulzada perme coclur sobre la mala caldad de u dcador de flacó subyacee radcoalmee ulzado: la varacó úlmos doce meses del IPCSV. E efeco, más que ser u aracor de la varacó del IPC, de dar ua señal sobre la posble evaluacó de la flacó headle, el IPSV se ve araído haca la varacó del IPC. Tao el IPCP como varos de los dcadores obedo co la meodología Roger (997 acuaría como leadg dcaors de la varacó del IPC pero o sería exógeamee fueres co respeco a ella. Falmee, el CP parece ser el dcador de flacó subyacee que meor sasface las codcoes de Marques,Neves,Sarmeo(2000. A couacó se presea los resulados de los ess aplcados.

11 Evaluacó de IPCSV (varacó úlmos doce meses del IPC s fruas, verduras, precos admsrados Cumplmeo de la codcó Período: eero 994 mayo 2005 Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Al 5% se rechaza preseca de ua raíz uara Al 5% se rechaza que ( - ega meda ula Coclusó: Cumplmeo parcal de la codcó Cumplmeo de la codcó 2 Para los 44 modelos: de la forma m α + β γ( J = = = + ε obedos al cosderar odas las combacoes posbles de m=...2 y =...2 se rechazó la hpóess : γ = 0 S los modelos cosderados Al 0% Al 5% % cluye cosae Cadad de rechazos S los modelos cosderados Al 0% Al 5% % o cluye cosae Cadad de rechazos Coclusó: Se cumple la codcó 2 Cumplmeo de la codcó 3 Para los 44 modelos: de la forma m = α + β λ( J = = + η obedos al cosderar odas las combacoes posbles de m=...2 y =...2

12 se rechazó la hpóess : λ = 0 S los modelos cosderados Al 0% Al 5% % cluye cosae Cadad de rechazos 3 0 S los modelos cosderados Al 0% Al 5% % o cluye cosae Cadad de rechazos Coclusó: No se cumple la prmer pare de la codcó 3. Al 5% de sgfcacó, o se puede descarar la preseca de ua mecasmo de correccó de errores que haga que covera a. Por lo ao, o es exógeamee débl co respeco a El IPCSV o es u «leadg dcaor» de, de la varacó del IPC. Por el coraro, parece verse araído por ella.

13 Evaluacó de IPCP (a parr de ídces de precos poderados por la persseca de su varacó Cumplmeo de la codcó Período: eero 994 mayo 2005 Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Al 5% se rechaza preseca de ua raíz uara No se rec haza que ( - ega meda ula Coclusó: Cumplmeo de la codcó Cumplmeo de la codcó 2 Para los 44 modelos: de la forma m α + β γ( J = = = + ε obedos al cosderar odas las combacoes posbles de m=...2 y =...2 se rechazó la hpóess : γ = 0 S los modelos cosderados Al 0% Al 5% % cluye cosae Cadad de rechazos S los modelos cosderados Al 0% Al 5% % o cluye cosae Cadad de rechazos Coclusó: Se cumple la codcó 2 Cumplmeo de la codcó 3 Para los 44 modelos: de la forma m = α + β λ( J = = + η obedos al cosderar odas las combacoes posbles de m=...2 y =...2 se rechazó la hpóess : λ = 0

14 S los modelos cosderados Al 0% Al 5% % cluye cosae Cadad de rechazos S los modelos cosderados Al 0% Al 5% % o cluye cosae ( Cadad de rechazos ( : Los valores sgfcavos de λ ecorados fuero egavos por lo que se pudo rechazar la exseca del mecasmo de correccó de errores Coclusó: Se cumple la prmer pare de la codcó 3. es exógeamee débl co respeco a E cuao a la seguda pare de la codcó 3: H 0 : IPC o causa a la Grager a IPCP Rezagos cosderados e el es Probabldad Coclusó RH 0 RH 0 RH 0 RH 0 RH 0 RH 0 RH 0 RH 0 RH 0 RH 0 RH 0 Coclusó : No se cumple la seguda pare de la codcó 3 IPCP o es exógeamee fuere co respeco a

15 Evaluacó de CP (aplcacó del méodo de compoees prcpales Cumplmeo de la codcó Período: eero 994 mayo 2005 Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Al 5% se rechaza preseca de ua raíz uara No se rechaza que ( - ega meda ula Coclusó: Cumplmeo de la codcó Cumplmeo de la codcó 2 Para los 44 modelos: de la forma m α + β γ( J = = = + ε obedos al cosderar odas las combacoes posbles de m=...2 y =...2 se rechazó la hpóess : γ = 0 S los modelos cosderados Al 0% Al 5% % cluye cosae Cadad de rechazos S los modelos cosderados Al 0% Al 5% % o cluye cosae Cadad de rechazos Coclusó: Se cumple la codcó 2 Cumplmeo de la codcó 3 Para los 44 modelos: de la forma m = α + β λ( J = = + η obedos al cosderar odas las combacoes posbles de m=...2 y =...2 se rechazó la hpóess : λ = 0

16 S los modelos cosderados Al 0% Al 5% % cluye cosae Cadad de rechazos S los modelos cosderados Al 0% Al 5% % o cluye cosae Cadad de rechazos 0 0 Coclusó: Al 5% de sgfcacó, se cumple la prmer pare de la codcó 3. es exógeamee débl co respeco a E cuao a la seguda pare de la codcó 3: H 0 : IPC o causa a la Grager a IPCP Rezagos cosderados e el es Probabldad Se cumple 3.2 NO SÍ SÍ SÍ SÍ SÍ SÍ SÍ SÍ SÍ SÍ Coclusó : Parece razoable afrmar que se cumple la seguda pare de la codcó 3, CP sería exógeamee fuere co respeco a

17 Evaluacó de los IPCRs (meodología Roger (997 Cumplmeo de la codcó Idcador: 57 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Al 0% se rechaza preseca de ua raíz uara Al 5% se rechaza que ( - ega meda ula Coclusó: Cumplmeo parcal de la codcó Idcador: 58 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Al 5% se rechaza preseca de ua raíz uara Al 5% se rechaza que ( - ega meda ula Coclusó: Cumplmeo parcal de la codcó Idcador: 59 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Al 5% se rechaza preseca de ua raíz uara Al 5% se rechaza que ( - ega meda ula Coclusó: Cumplmeo parcal de la codcó Idcador: 60 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Se rechaza preseca de ua raíz uara Al 5% o se rechaza que ( - ega meda ula Coclusó: Cumplmeo de la codcó Idcador: 6 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Se rechaza preseca de ua raíz uara No se rechaza que ( - ega meda ula Coclusó: Cumplmeo de la codcó

18 Idcador: 62 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Se rechaza preseca de ua raíz uara No se rechaza que ( - ega meda ula Coclusó: Cumplmeo de la codcó Idcador: 63 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Se rechaza preseca de ua raíz uara No se rechaza que ( - ega meda ula Coclusó: Cumplmeo de la codcó Idcador: 64 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Se rechaza preseca de ua raíz uara Al 5% o se rechaza que ( - ega meda ula Coclusó: Cumplmeo de la codcó Idcador: 65 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Se rechaza preseca de ua raíz uara Al 5% se rechaza que ( - ega meda ula Coclusó: Cumplmeo parcal de la codcó Idcador: 66 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Al 5% se rechaza preseca de ua raíz uara Al 5% se rechaza que ( - ega meda ula Coclusó: Cumplmeo parcal de la codcó

19 Idcador: 67 Período: eero 994 mayo Tes de raíces uaras correspodee a ( - Coclusó Esadísco ADF Cosae ula Valor Probabldad Probabldad Al 5% se rechaza preseca de ua raíz uara Al 5% se rechaza que ( - ega meda ula Coclusó: Cumplmeo parcal de la codcó Cumplmeo de la codcó 2 Para los 44 modelos: de la forma m α + β γ( J = = = + ε obedos al cosderar odas las combacoes posbles de m=...2 y =...2 se rechazó la hpóess : γ = 0 Cadad de rechazos Al 0% Al 5% Al % se cumple la Cosae e los modelos SÍ NO SÍ NO SÍ NO codcó 2? SÍ SÍ SÍ SÍ SÍ NO NO NO NO SÍ SÍ Cumplmeo de la codcó 3 Para los 44 modelos: de la forma m = α + β λ( J = = + η

20 obedos al cosderar odas las combacoes posbles de m=...2 y =...2 se rechazó la hpóess : λ = 0 Cadad de rechazos Al 0% Al 5% Al % se cumple la Cosae e los modelos SÍ NO SÍ NO SÍ NO codcó 3.? SÍ SÍ SÍ SÍ SÍ SÍ NO NO NO NO NO E cuao a la seguda pare de la codcó 3: H 0 : IPC o causa a la Grager a los IPCRs Rezagos e el es Probabldad Se cumple 3.2 NO NO NO NO NO NO NO NO NO NO NO 58 Probabldad Se cumple 3.2 NO NO NO NO NO NO NO NO NO NO NO 59 Probabldad Se cumple 3.2 NO NO NO NO NO NO NO NO NO NO NO 60 Probabldad Se cumple 3.2 NO NO NO NO NO NO NO NO NO NO NO 6 Probabldad Se cumple 3.2 NO NO NO NO NO NO NO NO NO NO NO 62 Probabldad Se cumple 3.2 NO NO NO NO NO NO NO NO NO NO NO

21 Referecas bblográfcas Culer, J. (200: Core Iflao he UK D Amao,S.;Saz,L.;Soes,J. (2005: Evaluacó de meddas aleravas de flacó subyacee para Argea Marques, C. ; Neves, P. ; Sarmeo, L. (2000 : Evaluag Core Iflao Idcaors

{ 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

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. 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

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

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

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

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

ˆ q ˆ 2. Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple

ˆ q ˆ 2. Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple Tema 4. Problema de fereca eadíca e el modelo de regreó leal múlple. Iervalo de cofaza y corae para lo coefcee de regreó... Iervalo de cofaza para lo coefcee de regreó... Corae de hpóe para lo coefcee

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

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

por SANTIAGO RODRÍGUEZ FEIJOÓ Universidad de Las Palmas de Gran Canaria CARLOS GONZÁLEZ CORREA Consejería de E. y H. del Gobierno de Canarias

por SANTIAGO RODRÍGUEZ FEIJOÓ Universidad de Las Palmas de Gran Canaria CARLOS GONZÁLEZ CORREA Consejería de E. y H. del Gobierno de Canarias ESTADÍSTICA ESAÑOLA Vol. 44, Núm. 50, 2002, págs. 229 a 255 La eoría de la ardad Relava del oder de Compra ere erroros ecoómcos que ee ua msma moeda: ua aplcacó a las comudades auóomas españolas por SANTIAO

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

UN INDICADOR MENSUAL ADELANTADO DEL SECTOR DE CONSTRUCCIÓN: IMACO

UN INDICADOR MENSUAL ADELANTADO DEL SECTOR DE CONSTRUCCIÓN: IMACO UN INDICADOR MENSUAL ADELANTADO DEL SECTOR DE CONSTRUCCIÓN: IMACO Al Acosa* Dael Barráez Els Paracare Baco Ceral de Veezuela Resume E ese rabajo se cosrue u dcador adelaado de la acvdad del secor de cosruccó

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

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

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

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

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

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

Un indicador mensual adelantado del sector de construcción: IMACO

Un indicador mensual adelantado del sector de construcción: IMACO U dcador mesual adelaado del secor de cosruccó: IMACO Sere Documeos de Trabajo [No. 34] Abrl Al Acosa Dael Barráez Elsy Paracare Baco Ceral de Veezuela Caracas Gereca de Ivesgacoes Ecoómcas Produccó edoral

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

DOLARIZACIÓN EN EL ECUADOR

DOLARIZACIÓN EN EL ECUADOR JUSTIFICACIÓN DE LA IMPLEMENTACIÓN DEL SISTEMA DE DOLARIZACIÓN EN EL ECUADOR Por Lvo Armjos Toro, Mauel Gozález Asudllo Igeero e Esadísca Iformáca 003 Drecor de Tóco, Ecoomsa, Escuela Sueror Polécca del

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

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

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

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

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

Tarificación de bonos sobre catástrofes (cat bonds) con desencadenantes de índices de pérdidas. Modelación mediante un proceso de Ornstein-Uhlenbeck REVISTA DE MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA Y LA EMPRESA (24). Págas 340 361. Dcembre de 2017. ISSN: 1886-516X. D.L: SE-2927-06. www.upo.es/revsas/dex.php/revmecua/arcle/vew/2891 Tarfcacó de boos

Más detalles

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015 Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur

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

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

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

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

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY RESUMEN El ema raado e ese rabao se emarca dero del esquema de Cueas Saéle del Tursmo. Maemácamee se desarrolla u ssema de ecuacoes e dferecas. Se pare de la ecuacó macroecoómca fudameal e equlbro para

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

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

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

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

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

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

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

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

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

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

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

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

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

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

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

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

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

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

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

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

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

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

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

Tema 2: El modelo básico de regresión lineal múltiple (I)

Tema 2: El modelo básico de regresión lineal múltiple (I) Tema : l modelo básco de regresó leal múltple I Casaldad la ocó de cetrs parbs e el aálss ecoométrco Repaso del cocepto de regresó smple: Recta de regresó poblacoal p verss recta de regresó estmada Motvacó

Más detalles

ÍNDICE DE INVENTARIOS DE LA MINERÍA DEL COBRE BASE DICIEMBRE 2014=100

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

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

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

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

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

INCERTIDUMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMULACION DE OBJETOS EN MOVIMIENTO.

INCERTIDUMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMULACION DE OBJETOS EN MOVIMIENTO. Scea e Tecca Año XV, No, Dcembre 009. versdad Tecológca Perera. ISSN 0-70 5 INCERTIDMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMLACION DE OBJETOS EN MOVIMIENTO. Measureme uceray of e velocy for e smulao

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple 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

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009 Faculad de Cecas Ecoómcas y Admsravas Deparameo de Ecoomía Aálss Especral Alvaro Moeegro Bogoá, Marzo de 009 Esa vesgacó fue facada por la Pofca Uversdad Javeraa y correspode a desarrollos del proyeco

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

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles

Disponible en el sitio OCW de la Universidad Nacional de Córdoba.

Disponible en el sitio OCW de la Universidad Nacional de Córdoba. OCW - UNC OpeCourseWare I UNC Curso: Estadístca I U: Meddas Descrptvas Autora: Rosaa Cas Dspoble e el sto OCW de la Uversdad Nacoal de Córdoba. Cómo ctar el materal: Cas, Rosaa (014). Estadístca I. U.

Más detalles

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar)

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar) MEODOLOGÍA ÍNDCE DE DSBUCÓN DE ENEGÍA ELÉCCA, GAS PO CAÑEÍA Y AGUA POABLE (DEGA) (Preelmar) SUBDECCÓN ÉCNCA SUBDECCÓN DE OPEACONES Saago, 26 de Dcembre de 2007 CHDA/GGM/GMA/VM ÍNDCE Págas. roduccó 3 2.

Más detalles

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido: Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas 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

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo

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

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector. Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),

Más detalles