Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida"

Transcripción

1 Análss de supervvenca Alber Sorrbas Grup de Boesadísca I Bomaemàca Deparamen de Cènces Mèdques Bàsques Unversa de Lleda

2 Esquema general Inroduccón al análss de supervvenca Tpos de esudos El concepo de censura La curva de supervvenca Concepo y modelos paramércos Concepo de funcón de resgo hazard funcon Esmacón Kaplan-Meer Comparacón de curvas de supervvenca Inerpreacón de resulados Ejemplos de análss ulzando el SPSS 2

3 Daos de supervvenca Tempo hasa que se presena un deermnado suceso muere, recdva, ec. En muchos casos, no dsponemos de nformacón complea pérdda de segumenos, el suceso no se ha presenado en algunos pacenes al fnal del esudo. En casos exremos, no dsponemos de un empo de nco claro. 3

4 Caso ípco de daos de un esudo de supervvenca Se observa el suceso Perddo T 1 T 2 T > 3 T > 4 T 5 Inco del esudo Tempo Fnal del esudo 4

5 Caso especal de conroles en deermnados nsanes de empo < T < 2 3 < T < 1 2 T > 2 T > 4 < T < 3 4 Inco del esudo Tempo Fnal del esudo 5

6 Algo de ermnología Dao censurado censored: Sguen sn presenar el suceso al fnal del esudo La causa es preva en el empo al empo de nco del esudo p.e.conago con HIV Perdda de segumeno los o follow-up No se dspone de daos más allá de un deermnado empo. Han muero anes de presenar el suceso de nerés. 6

7 Cómo podemos esudar ese po de problemas? Esmar una funcón que perma esablecer la probabldad del suceso en funcón del empo Esablecer facores de resgo respeco a un mejor o peor pronósco de supervvenca Comparar la supervvenca de dsnos grupos 7

8 La funcón de supervvenca La funcón de supervvenca es la probabldad de que el suceso de nerés se presene después de un cero empo. Es decr: S P T > f u du 8

9 Ejemplos de posbles funcones de supervvenca S P T > f u du

10 Propedades de la funcón de supervvenca La funcón de supervvenca es complemenara con la funcón de dsrbucón S 1 F 1 P T Cumple: S0 1 S 0 1 < 2 S 1 S 2 10

11 Ejemplos sencllos de funcón de supervvenca Exponencal S e Webull S e a S 1 F 1 P T En general, esa funcón se desconoce y debe esmarse a parr de los daos 11

12 12 Funcón de resgo Hazard funcon La funcón de resgo se defne como: En el caso connuo, se cumple: [ ] T T P h > + < lm 0 1 F f S f h

13 Funcón de resgo Hazard funcon La funcón de resgo puede nerprearse como la probabldad de que se presene el suceso el sguene nsane de empo S la funcón de resgo es consane caso del modelo exponencal la probabldad es ndependene del empo En muchos problemas reales, esa probabldad varía con el empo 13

14 Resgo acumulado El resgo acumulado hasa un nsane deermnado se calcula como: H h u du [ ] log S 0 14

15 15 Relacón enre las dsnas funcones log log 1 H e S S H h S f S S f h F S

16 16 Ejemplo: funcón de supervvenca exponencal En la funcón de supervvenca exponencal, se cumple: S H e e S f h e F S log 1

17 Esmacón de la funcón de supervvenca Caso paramérco Conocemos la funcón de supervvenca Expresar la funcón de verosmlud Obener los esmadores máxmo-verosímles Calcular sus varanzas 17

18 18 Ejemplo: el modelo exponencal daos no censurados n n n n n n n L L e L e f e S ˆ 0 log log log n V n L I V L I ˆ log ˆ ˆ log ˆ θ θ θ θ Marz de nformacón esmacón de la varanza de los parámeros

19 n n j j n n j j m j n m j j n n w n n w n n L e e L S f L e f e S j ˆ log log log Marz de nformacón esmacón de la varanza de los parámeros Ejemplo: el modelo exponencal censura po I n V 2 ˆ

20 20 Ejemplo / ˆ ˆ w 6 n,11 7,10 6,, 5 4,, 2 Daos :1,1, V

21 Esmacón no-paramérca Méodo de Kaplan-Meer Desconocemos la funcón de supervvenca Realzamos una esmacón a parr de los daos Algunas defncones: d n : Número de evenos en el empo : Número de personas expuesa en el empo 21

22 Esmacón no-paramérca Méodo de Kaplan-Meer El esmador de Kaplan-Meer se defne como: S KM 1 d / n : < 22

23 Ejemplo de aplcacón del méodo de Kaplan-Meer Daos: n d n d / n S S /10 9/ /9 9/10 x 7/ /5 9/10 x 7/9 x 4/ /3 9/10 x 7/9 x 4/5 x 2/ /2 9/10 x 7/9 x 4/5 x 2/3 x 1/

24 Daos n d n d / n S S /10 9/ /9 9/10 x 7/ /5 9/10 x 7/9 x 4/ /3 9/10 x 7/9 x 4/5 x 2/ /2 9/10 x 7/9 x 4/5 x 2/3 x 1/ ,2 Funcón de supervvenca 1,0,8,6 Supervvenca acum,4,2 0, Funcón de supervve nca Censurado T 24

25 El méodo de Kaplan-Meer en SPSS 25

26 El méodo de Kaplan-Meer en SPSS Survval Analyss for TIEMPO Tme Saus Cumulave Sandard Cumulave Number Survval Error Evens Remanng 1 Suceso,9000, Suceso Suceso,7000, Censurado o perddo Censurado o perddo Suceso,5600, Censurado o perddo Suceso,3733, Suceso,1867, Censurado o perddo 6 0 Number of Cases: 10 Censored: 4 40,00% Evens: 6 Survval Tme Sandard Error 95% Confdence Inerval Mean: 9 2 5; 12 Lmed o 14 Medan: ; 17 26

27 Comparacón de curvas de supervvenca Evaluar s la supervvenca observada perme conclur que los dos grupos enen la msma curva de supervvenca Ejemplo: Grupo 1: Grupo 2:

28 Comparacón de curvas de supervvenca 28

29 Survval Analyss for TIEMPO Facor GRUPO 1 Tme Saus Cumulave Sandard Cumulave Number Survval Error Evens Remanng 1 Suceso,8333, Suceso,6667, Censurado o perddo Suceso,4444, Censurado o perddo Censurado o perddo 3 0 Comparacón de curvas de supervvenca Number of Cases: 6 Censored: 3 50,00% Evens: 3 Survval Tme Sandard Error 95% Confdence Inerval Mean: 7 2 4; 10 Lmed o 11 Medan: 7 5 0; 17 Survval Analyss for TIEMPO Facor GRUPO 2 Tme Saus Cumulave Sandard Cumulave Number Survval Error Evens Remanng 1 Suceso,8333, Censurado o perddo Suceso,6250, Suceso,4167, Suceso,2083, Censurado o perddo 4 0 Number of Cases: 6 Censored: 2 33,33% Evens: 4 Survval Tme Sandard Error 95% Confdence Inerval Mean: 6 1 4; 9 Lmed o 10 Medan: 7 2 3; 11 29

30 Comparacón de curvas de supervvenca Survval Analyss for TIEMPO Toal Number Number Evens Censored Percen Censored GRUPO ,00 GRUPO ,33 Overall ,67 Tes Sascs for Equaly of Survval Dsrbuons for GRUPO Sasc df Sgnfcance Log Rank,11 1,7347 Breslow,00 1 1,0000 Tarone-Ware,02 1,

31 Comparacón de curvas de supervvenca 1,2 Funcones de supervvenca 1,0,8,6 Supervvenca acum,4,2 0, GRUPO 2 2-censurado 1 1-censurado TIEMPO 31

32 Procedmeno mulvaranes Regresón de Cox Consderar el efeco de oras varables en la supervvenca Selecconar las varables más mporanes Comparar grupos Inerprear facores de resgo 32

33 33 Fundamenos de la regresón de Cox modelo de resgos proporconales log log X h X h e e h X h h X h h h e h h e h h β β X X Xβ X X * X β X Xβ *

34 Ejemplo Cox1.sav 34

35 Varables en la ecuacón GRUP 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor -,659,334 3,899 1,048,517,269,995 1,2 Funcón de supervvenca para mode 1,0,8 Supervvenca acumulada,6,4,2 0,0 -, GRUP Ejemplo Cox1.sav T 35

36 Ejemplo Cox1.sav 36

37 Varables en la ecuacón X1 X2 X3 GRUP 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,000,064, ,000 1,000,882 1,134,005,064,007 1,932 1,005,887 1,140 -,009,029,104 1,748,991,937 1,048 -,634,820,599 1,439,530,106 2,645 1,2 Funcón de supervvenca para mode 1,0,8 Supervvenca acumulada,6,4,2 0,0 -, GRUP Ejemplo Cox1.sav T 37

38 Seleccón de varables Ejemplo Cox1.sav 38

39 Seleccón de varables Varables en la ecuacón Paso 1 Paso 2 Paso 3 Paso 4 GRUP X1 X2 X3 GRUP X2 X3 GRUP X3 GRUP 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor -,634,820,599 1,439,530,106 2,645,000,064, ,000 1,000,882 1,134,005,064,007 1,932 1,005,887 1,140 -,009,029,104 1,748,991,937 1,048 -,635,343 3,434 1,064,530,271 1,037,005,061,008 1,929 1,005,892 1,134 -,009,029,104 1,747,991,937 1,048 -,639,340 3,532 1,060,528,271 1,028 -,009,029,103 1,748,991,937 1,048 -,659,334 3,899 1,048,517,269,995 El únco facor sgnfcavo es el GRUPO 39

40 Varables en la ecuacón X1 X2 X3 GRUP 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor -,120,018 42,367 1,000,887,856,920,128,069 3,494 1,062 1,137,994 1,300 -,040,035 1,323 1,250,960,896 1,029 -,386,404,912 1,340,680,308 1,502 Ejemplo Cox2.sav Paso 1 Paso 2 Paso 3 GRUP X1 X2 X3 X1 X2 X3 X1 X2 Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor -,386,404,912 1,340,680,308 1,502 -,120,018 42,367 1,000,887,856,920,128,069 3,494 1,062 1,137,994 1,300 -,040,035 1,323 1,250,960,896 1,029 -,117,018 43,204 1,000,889,859,921,138,068 4,167 1,041 1,148 1,006 1,311 -,048,034 1,944 1,163,953,891 1,020 -,113,017 43,569 1,000,893,864,924,138,068 4,113 1,043 1,148 1,005 1,311 40

41 Esmacón de curvas de supervvenca para deermnados valores de las covaranes 1,2 1,0,8 Funcón de supervvenca en meda Supervvenca en los valores medos de las varables Supervvenca acumulada,6,4,2 0,0 -, T 1,2 Funcón de supervvenca para mode 1,0,8 Supervvenca acumulada,6,4,2 0,0 -, T 41

42 Ejemplo Hosmer & Lemeshow 1999 Appled survval analyss. Wley Seres n Probably and Sascs 42

43 Objevos 1 Usando el méodo de Kaplan-Meer Esudar la supervvenca en funcón de la hsora preva de uso de drogas IV. Esudar la supervvenca en funcón de la edad en el momeno del nco del esudo Evaluar s exse una endenca en la supervvenca en funcón de la edad 43

44 Supervvenca en funcón de la hsora preva de uso de drogas IV 1,2 1,0 Funcones de supervvenca,8,6 Supervvenca acum,4,2 0, Drug0 Drug Survval me Tes Sascs for Equaly of Survval Dsrbuons for DRUG Sasc df Sgnfcance Log Rank 11,86 1,0006 Breslow 10,91 1,0010 Tarone-Ware 12,34 1,

45 Supervvenca en funcón del grupo de edad 1,2 1,0 Funcones de supervvenca, años,6 Supervvenca acum,4,2 0,0 -, años Survval me Tes Sascs for Equaly of Survval Dsrbuons for GAGE Sasc df Sgnfcance Log Rank 19,91 3,0002 Breslow 14,14 3,0027 Tarone-Ware 16,96 3,

46 Supervvenca en funcón del grupo de edad Tes de endenca Tendenca en funcón de los punos medos de losgruposde edad 46

47 Supervvenca en funcón del grupo de edad Tes de endenca 1,2 1,0 Funcones de supervvenca,8,6 Tendenca en funcón de los punos medos de losgruposde edad Supervvenca acum,4,2 0,0 -, Survval me Tes Sascs for Equaly of Survval Dsrbuons for GAGE wh Trend, merc 25, 32,50, 37,50, 47,50 Sasc df Sgnfcance Log Rank 19,07 1,0000 Breslow 14,08 1,0002 Tarone-Ware 16,67 1,0000 Podemos conclur que exse una endenca en la supervvenca en funcón de la edad. Esa endenca es nversamene proporconal a la edad. 47

48 Objevos 2 Ulzando la regresón de Cox Evaluar el efeco de la edad en la supervvenca Evaluar el efeco conjuno de la edad, el uso de drogas IV y su posble neraccón Seleconar qué modelo es más adecuado 48

49 Efeco de la edad La edad puede consderarse como un facor de resgo Varables en la ecuacón AGE 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,081,017 21,799 1,000 1,085 1,048 1,123 49

50 Efeco conjuno de la edad y del uso de drogas IV Tano la edad como el uso de drogas IV son facores de resgo Varables en la ecuacón AGE DRUG 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,092,018 24,512 1,000 1,096 1,057 1,136,941,256 13,574 1,000 2,564 1,554 4,230 50

51 Evaluacón de la neraccón La neraccón no es sgnfcava. En ese modelo, ampoco lo sera la varable DRUG Varables en la ecuacón AGE DRUG AGEXDRUG 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,094,023 16,894 1,000 1,099 1,051 1,149 1,186 1,257,891 1,345 3,274,279 38,422 -,007,034,039 1,843,993,930 1,061 51

52 Paso 1 Paso 2 AGE DRUG AGEXDRUG AGE DRUG Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,094,023 16,894 1,000 1,099 1,051 1,149 1,186 1,257,891 1,345 3,274,279 38,422 -,007,034,039 1,843,993,930 1,061,092,018 24,512 1,000 1,096 1,057 1,136,941,256 13,574 1,000 2,564 1,554 4,230 1,2 1,0,8 Funcón de supervvenca para modelos 1-2 Seleccón de varables Supervvenca acumulada,6,4,2 0,0 -,2-10 Drug0 Drug La neraccón no es sgnfcava La edad y el uso de drogas IV se asocan sgnfcavamene a la supervvenca Survval me 52

53 Comparacón enre los resulados de la regresón de Cox y Kaplan-Meer Funcón de supervvenca para modelos 1-2 Funcones de supervvenca 1,2 1,2 1,0 1,0,8,8 Supervvenca acumulada,6,4,2 0,0 -,2-10 Drug0 Drug Supervvenca acum,6,4,2 0, Drug0 Drug Survval me Survval me 53

54 Esmacón del hazard rao en funcón del grupo de edad 1,0,8 Funcón de supervvenca para modelos 1-4,6 Usamos la regresón de Cox El hazard rao se ncremena con la edad Supervvenca acumulada,4,2 0, Paso 1 GAGE GAGE1 GAGE2 GAGE3 Survval me Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor 16,549 3,001 1,197,451 7,043 1,008 3,310 1,367 8,012 1,313,459 8,190 1,004 3,718 1,513 9,140 1,860,469 15,714 1,000 6,426 2,561 16,123 54

55 Esmacón del hazard rao en funcón de la edad Usamos la regresón de Cox El hazard rao se ncremena con la edad HR e HR5 e β Hazard rao correspondene a un ncremeno de un año Varables en la ecuacón AGE 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,081,017 21,799 1,000 1,085 1,048 1,123 55

56 Esmacón del hazard rao Paso 1 DRUG Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,779,242 10,346 1,001 2,180 1,356 3,504 Hazard rao correspondene al efeco del uso de drogas IV Hazard rao correspondene al efeco del uso de drogas IV, ajusado por la edad Paso 1 DRUG AGE Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,941,256 13,574 1,000 2,564 1,554 4,230,092,018 24,512 1,000 1,096 1,057 1,136 56

4o. Encuentro. Matemáticas en todo y para todos. Uso de las distribuciones de probabilidad en la simulación de sistemas productivos

4o. Encuentro. Matemáticas en todo y para todos. Uso de las distribuciones de probabilidad en la simulación de sistemas productivos 4o. Encuenro. Maemácas en odo y para odos. Uso de las dsrbucones de probabldad en la smulacón de ssemas producvos Leopoldo Eduardo Cárdenas Barrón lecarden@esm.mx Deparameno de Ingenería Indusral y de

Más detalles

Cálculo y Estadística

Cálculo y Estadística Cálculo y Esadísca PROBABILIDAD, VARIABLES ALEATORIAS Y DISTRIBUCIONES ª Prueba de Evaluacón Connua 0--5 Tes en Moodle correspondene a la pare de Probabldad, Varables Aleaoras y Dsrbucones ( Punos).- Una

Más detalles

ANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL

ANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL ANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL José E. Durán Lma, Ofcal de Asunos Económcos Claudo Aravena, Analsa Esadísco Carlos Ludeña, Consulor Inernaconal Asesoría Técnca de la

Más detalles

Nota de Clase 5 Introducción a modelos de Data Panel: Generalidades

Nota de Clase 5 Introducción a modelos de Data Panel: Generalidades oa de Clase 5 Inroduccón a modelos de Daa Panel: Generaldades. Por qué daos de panel? Los modelos de daos de panel son versones mas generales de los modelos de core ansversal seres de empo vsos hasa el

Más detalles

Estadística de Precios de Vivienda

Estadística de Precios de Vivienda Esadísca de recos de Vvenda Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal

Más detalles

Tema 5. Análisis Transitorio de Circuitos de Primer y Segundo Orden

Tema 5. Análisis Transitorio de Circuitos de Primer y Segundo Orden Tema 5. Análss Transoro de Crcuos de Prmer y egundo Orden 5.1 Inroduccón 5.2 Crcuos C sn fuenes 5.3 Crcuos C con fuenes 5.4 Crcuos L 5.5 Crcuos LC sn fuenes v() 5.6 Crcuos LC con fuenes () C () C v( )

Más detalles

1. Introducción, n, concepto y clasificación

1. Introducción, n, concepto y clasificación Tema 5: Números índces. Inroduccón, n, concepo y clasfcacón 2. Números índces smples. Defncón y propedades 3. Números índces complejos Números índces complejos sn ponderar Números índces complejos ponderados

Más detalles

9. CIRCUITOS DE SEGUNDO ORDEN LC Y RLC

9. CIRCUITOS DE SEGUNDO ORDEN LC Y RLC 9. IUITOS DE SEGUNDO ODEN Y 9.. INTODUIÓN En el capíulo aneror mos como los crcuos ressos con capacancas o los crcuos ressos con nducancas enen arables que son calculadas medane ecuacones dferencales de

Más detalles

Tema 4. Condensadores y Bobinas

Tema 4. Condensadores y Bobinas Tema 4. ondensadores y Bobnas 4. Inroduccón 4. ondensadores 4.3 Energía almacenada en un condensador 4.4 Asocacón de condensadores 4.5 Bobnas 4.6 Energía almacenada en una bobna 4.7 Asocacón de bobnas

Más detalles

Representación VEC. Planteamiento de un sistema de ecuaciones. Esquema de retroalimentación. , pero requiere

Representación VEC. Planteamiento de un sistema de ecuaciones. Esquema de retroalimentación. , pero requiere Represenacón VEC Dado que las relacones económcas enre varables no se presenan esrcamene en un sendo específco, es decr, puede exsr enre ellas esquemas de reroalmenacón o complejos mecansmos de rasmsón

Más detalles

VERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX

VERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX VERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX Rafael E. Borges P. Escuela de Esadísca, Unversdad de Los Andes, Mérda 511, Venezuela. e-mal: borgesr@ula.ve Temáca: Méodos Esadíscos en Epdemología. Resumen

Más detalles

CRÉDITO PESCA. Consideraciones del producto:

CRÉDITO PESCA. Consideraciones del producto: CRÉDITO PESCA Consderacones del produco: Los crédos se oorgan para el fnancameno de las acvdades de pesca: comerco, exraccón y/o ndusralzacón. Se basan en la capacdad de pago de los clenes y su hsoral

Más detalles

David Ceballos Hornero Departament de Matemàtica Econòmica, Financera i Actuarial. Universitat de Barcelona ceballos@eco.ub.es

David Ceballos Hornero Departament de Matemàtica Econòmica, Financera i Actuarial. Universitat de Barcelona ceballos@eco.ub.es Tme dependence on Fnancal Operaons of Invesmen Davd eballos Hornero Deparamen de Maemàca Econòmca, Fnancera Acuaral. Unversa de Barcelona ceballos@eco.ub.es Dynamc analyss of a Fnancal Operaon of Invesmen

Más detalles

EL METODO PERT (PROGRAM EVALUATION AND REVIEW TECHNIQUE)

EL METODO PERT (PROGRAM EVALUATION AND REVIEW TECHNIQUE) EL METODO PERT (PROGRM EVLUTION ND REVIEW TECHNIQUE) METODO DE PROGRMCION Y CONTROL DE PROYECTOS Desarrollado en 1958, para coordnar y conrolar la consruccón de submarnos Polars. El méodo PERT se basa

Más detalles

1. MODELOS DE SERIES TEMPORALES UNIECUACIONALES

1. MODELOS DE SERIES TEMPORALES UNIECUACIONALES oro hasco rgoyen, Dpo. Economía Aplcada, UAM. EJEMPLO DE MODELOS EONOMÉTROS Ver el aso 9 (pag. 55 y ss.) del lbro de A. Puldo y A. López (999), Predccón y Smulacón aplcada a la economía y gesón de empresas.

Más detalles

Introducción a la Teoría de Inventarios

Introducción a la Teoría de Inventarios Clase # 4 Las organzacones esán consanemene vendo como camba el nvel de sus nvenaros en el empo. Inroduccón a la Teoría de Invenaros El ener un nvel bajo de nvenaros mplca resgos para no sasacer la demanda

Más detalles

EJERCICIOS: Análisis de circuitos en el dominio del tiempo

EJERCICIOS: Análisis de circuitos en el dominio del tiempo EJEIIOS: Análss de crcuos en el domno del empo. égmen ransoro y permanene. En cada uno de los sguenes crcuos el nerrupor ha esado abero largo empo. Se cerra en. Deermnar o I, dbujar la onda correspondene

Más detalles

Curso 2006/07. Tema 9: Modelos con retardos distribuidos (I) 9.1. Análisis de los efectos dinámicos en un modelo con retardos distribuidos

Curso 2006/07. Tema 9: Modelos con retardos distribuidos (I) 9.1. Análisis de los efectos dinámicos en un modelo con retardos distribuidos Curso 26/7 Economería II Tema 9: Modelos con reardos dsrbudos (I) 1. Análss de los efecos dnámcos en un modelo de reardos dsrbudos 2. La dsrbucón de reardos Tema 9 1 9.1. Análss de los efecos dnámcos en

Más detalles

TIPOS DE TENDENCIAS Y SUS CONSEQUENCIAS. Tendencias estocásticas versus deterministas.

TIPOS DE TENDENCIAS Y SUS CONSEQUENCIAS. Tendencias estocásticas versus deterministas. TIPOS D TNDNCIAS Y SUS CONSQUNCIAS. Tendencas esocáscas versus deermnsas. Concepos báscos. Parmos de la base que una sere emporal es la realzacón de un proceso esocásco. Tal y como vmos en los modelos

Más detalles

Estadística de Precios de Suelo

Estadística de Precios de Suelo Esadísca de Precos de Suelo Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal

Más detalles

Capítulo 3 Metodología.

Capítulo 3 Metodología. Capíulo 3 Meodología. 3.1. Represenacón paramérca de la relacón enre el ngreso per cápa de los hogares y las caraceríscas soco-demográfcas de sus membros. La meodología ulzada en ese rabajo se basa en

Más detalles

CRÉDITO AGRICOLA. Consideraciones del producto:

CRÉDITO AGRICOLA. Consideraciones del producto: Versón: CA-5.04. CRÉDITO AGRICOLA Consderacones del produco: Son crédos que se oorgan para fnancameno de acvdades agropecuaras y se basan en la capacdad de pago de los clenes y su hsoral credco. Se conceden

Más detalles

Determinantes de los spreads de tasas de los bonos. corporativos: revisión de la literatura

Determinantes de los spreads de tasas de los bonos. corporativos: revisión de la literatura UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS ESCUELA DE ECONOMÍA Y ADMINISTRACIÓN Deermnanes de los spreads de asas de los bonos corporavos: revsón de la leraura SEMINARIO PARA

Más detalles

Consideraciones generales sobre dinámica estructural

Consideraciones generales sobre dinámica estructural Capíulo Consderacones generales sobre dnámca esrucural Inroduccón El obeo de la dnámca esrucural es el análss de esrucuras bao cargas dnámcas, es decr cargas que varían en el empo. Aunque la mayoría de

Más detalles

ESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO

ESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO ESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO Fabrco Morán Rugel 1, José Zúñga Basdas 2, Francsco Marro García 3 RESUMEN Después de haber analzado las écncas

Más detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

NORMAS PARA LA CONSTITUCIÓN DE PREVISIONES PARA RIESGOS CREDITICIOS

NORMAS PARA LA CONSTITUCIÓN DE PREVISIONES PARA RIESGOS CREDITICIOS NORMA PARTIULAR 3.2 NORMAS PARA LA ONSTITUIÓN DE PREVISIONES PARA RIESGOS REDITIIOS a. Prevsones para resgos credcos ) Prevsón según caegoría de resgo ) Mono de resgo sujeo a prevsón ) Deduccón de garanías

Más detalles

TEMA 7 MODELO IS-LM EN ECONOMÍAS ABIERTAS

TEMA 7 MODELO IS-LM EN ECONOMÍAS ABIERTAS TMA 7 MODLO IS-LM N CONOMÍAS ABIRTAS l modelo IS-LM en economías aberas Concepos fundamenales n el ema aneror analzamos el po de cambo como s fuera un nsrumeno de políca económca. Sn embargo ése se deermna

Más detalles

Análisis de supervivencia

Análisis de supervivencia Tempo a un evento Curso de Análss de Supervvenca Víctor Abrara 1 Análss de supervvenca Conjunto de técncas que permten estudar la varable tempo hasta que ocurre un evento y su dependenca de otras posbles

Más detalles

El signo negativo indica que la fem inducida es una E que se opone al cambio de la corriente.

El signo negativo indica que la fem inducida es una E que se opone al cambio de la corriente. AUTO-INDUCTANCIA: Una bobna puede nducr una fem en s msma.s la correne de una bobna camba, el flujo a ravés de ella, debdo a la correne, ambén se modfca. Así como resulado del cambo de la correne de la

Más detalles

+12V +12V +12V 2K 15V. Problema 2: Determinar el punto de funcionamiento del transistor MOSFET del siguiente circuito: I(mA) D

+12V +12V +12V 2K 15V. Problema 2: Determinar el punto de funcionamiento del transistor MOSFET del siguiente circuito: I(mA) D PROBEMAS E IRUITOS ON TRANSISTORES Problema : eermnar los punos de funconameno de los dsposvos semconducores de los sguenes crcuos: +2V +2V +2V β= β= K β= β= (a) (b) (c) (d) Problema 2: eermnar el puno

Más detalles

Gestión de Operaciones. Capítulo 2: Pronósticos de Demanda

Gestión de Operaciones. Capítulo 2: Pronósticos de Demanda Gesón de Operacones Capíulo 2: Pronóscos de Demanda Inroduccón Objevo: Permen esudar la demanda fuura, accón mporane en el dseño de un produco. Ejemplos : Compac, fue líder en la vena de PCs durane los

Más detalles

Tema 2 Circuitos Dinámicos de Primer Orden

Tema 2 Circuitos Dinámicos de Primer Orden Tema 2: Crcuos Dnámcos de Prmer Orden Tema 2 Crcuos Dnámcos de Prmer Orden A nade en su sano juco se le habría ocurrdo preparar enonces odos esos componenes (ranssores, ressores y condensadores a parr

Más detalles

ANÁLISIS DE LOS CAMBIOS EN LA PARTICIPACIÓN LABORAL FEMENINA EN CHILE. Evelyn Benvin y Marcela Perticará ƒ. Resumen

ANÁLISIS DE LOS CAMBIOS EN LA PARTICIPACIÓN LABORAL FEMENINA EN CHILE. Evelyn Benvin y Marcela Perticará ƒ. Resumen ANÁLISIS DE LOS CAMBIOS EN LA PARTICIPACIÓN LABORAL EMENINA EN CHILE Evelyn Benvn y Marcela Percará ƒ Esa versón: Marzo 2007 Resumen En ese rabajo hemos aplcado écncas de descomposcón mcroeconomércas con

Más detalles

7) Considere los ejercicios 2.b) y 2.c) a) Encuentre un nuevo modelo en variable de estados considerando la transformación dada por:

7) Considere los ejercicios 2.b) y 2.c) a) Encuentre un nuevo modelo en variable de estados considerando la transformación dada por: 7 Consdere los ejerccos.b.c a Encuenre un nueo modelo en arable de esados consderando la ransformacón dada por: x x x x b Para.d halle la ransformacón por auoalores Resoleremos el ncso a para el ejercco.c

Más detalles

Estimación de una frontera de eficiencia técnica en el mercado de seguros uruguayo

Estimación de una frontera de eficiencia técnica en el mercado de seguros uruguayo Esmacón de una fronera de efcenca écnca en el mercado de seguros uruguao Faculad de Cencas Económcas de Admnsracón Unversdad de la Repúblca María Eugena Sann Fernando Zme Tel.: 598 709578 Tel.: 598 70008

Más detalles

Héctor Maletta. Análisis de panel con variables categóricas

Héctor Maletta. Análisis de panel con variables categóricas Hécor Malea Análss de panel con varables caegórcas Buenos Ares, 2012 CONTENIDO 1. Inroduccón al análss de panel... 1 1.1. El desarrollo hsórco del análss de panel... 1 1.2. El prsma de daos... 3 1.3. Clasfcacón

Más detalles

MUESTRAS CON ROTACIÓN DE PANELES

MUESTRAS CON ROTACIÓN DE PANELES 487 MUESTRAS CON ROTACIÓN DE PANELES THOMAS POLFELDT Consulor, INE Sueca (Sascs Sweden). 488 Muesras con roacón de paneles ÍNDICE Págna. Defncones Generales... 489. Por Qué una Muesra de Roacón?... 489

Más detalles

El efecto traspaso de la tasa de interés en el Perú: Un análisis a nivel de bancos ( )

El efecto traspaso de la tasa de interés en el Perú: Un análisis a nivel de bancos ( ) El efeco raspaso de la asa de nerés en el Perú: Un análss a nvel de bancos (2002-2005) Rocío Gondo Erck Lahura Dona Rodrguez Marzo, 2006 CONTENIDO Objevo Imporanca Trabajos Prevos Trabajos Prevos Perú

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

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

Más detalles

Recuperación de la Información

Recuperación de la Información ssema de recuperacón de nformacón Recuperacón de la Informacón consula documenos mach Documenos Concepos Báscos relevane? ssema de recuperacón de nformacón palabras clave ndexado Las palabras clave (keywords)

Más detalles

DOCUMENTO DE TRABAJO. www.economia.puc.cl

DOCUMENTO DE TRABAJO. www.economia.puc.cl Insuo I N S T Ide T Economía U T O D E E C O N O M Í A T E S I S d e M A G Í S T E R DOCUMENTO DE TRABAJO ¾¼¼ Ê Ð Ò ÒØÖ Ð ÈÖ Ó Ð È ØÖ Ð Ó Ý ÐÓ Ê ØÓÖÒÓ Ð ÓÒ ÐÓ Ø ÒØÓ Ë ØÓÖ ÓÒ Ñ Ó Ð ÒÓ Æ Ø Ð Á Ð ÐÐ Ö Ó Ë

Más detalles

Un Modelo Macroeconómico del Riesgo de Crédito en Uruguay

Un Modelo Macroeconómico del Riesgo de Crédito en Uruguay Un Modelo Macroeconómco del Resgo de Crédo en Uruguay Gabrel Illanes Aleandro Pena Andrés Sosa 002-204 688-7565 Un Modelo Macroeconómco del Resgo de Crédo en Uruguay Gabrel Illanesª, Aleandro Pena b**,

Más detalles

Dinero, precios, tasa de interés y actividad económica: un modelo del caso colombiano (1984:I 2003:IV)

Dinero, precios, tasa de interés y actividad económica: un modelo del caso colombiano (1984:I 2003:IV) Dnero, precos, asa de nerés y acvdad económca: un modelo del caso colombano (984:I 23:IV) José Fernando Escobar. y Carlos Eseban osada. esumen A parr de un esquema de ofera y demanda de dnero se esmó un

Más detalles

METODOLOGÍA PARA EL CÁLCULO DEL ÍNDICE COLCAP

METODOLOGÍA PARA EL CÁLCULO DEL ÍNDICE COLCAP METODOLOGÍA PARA EL CÁLCULO DEL ÍNDICE COLCAP MARZO DE 20 TABLA DE CONTENIDO. GENERALIDADES:... 3.. VALOR BASE... 3.2. NÚMERO DE EMISORES QUE COMPONEN EL ÍNDICE... 3.3. ACCIONES POR EMISOR... 3.4. PARTICIPACIÓN

Más detalles

Caracterís cas de la Metodología para calcular Rentabilidad Ajustada por Riesgo

Caracterís cas de la Metodología para calcular Rentabilidad Ajustada por Riesgo P S 2015 M C P S 2015 Inroduccón El Premo Salmón es hoy el prncpal reconocmeno enregado a los Fondos Muuos en Chle. Movo de orgullo y cenro de campañas publcaras, ese reconocmeno ha cambado su foco hace

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS

FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS Autores: Ángel A Juan Pérez (ajuanp@uocedu), Rafael García Martín (rgarcamart@uocedu) RELACIÓN CON OTROS MATH-BLOCS Este math-block forma parte

Más detalles

TÉCNICAS DE MEDICIÓN ECONÓMICA

TÉCNICAS DE MEDICIÓN ECONÓMICA UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMÍA PATPRO XXVI VERSIÓN TÉCNICAS DE MEDICIÓN ECONÓMICA M. Sc. Econ. LUIS A. ROSALES GARCÍA CASTILLA, MAYO DEL 00. DATOS EN PANEL I. INTRODUCCIÓN La Economería:

Más detalles

PREDICCIÓN DE VOLATILIDAD CON LOS ÍNDICES DE VOLATILIDAD VIX Y VDAX

PREDICCIÓN DE VOLATILIDAD CON LOS ÍNDICES DE VOLATILIDAD VIX Y VDAX PREDICCIÓN DE VOLILIDD CON LOS ÍNDICES DE VOLILIDD VIX Y VDX El objevo de ese rabajo es esudar la capacdad predcva de los índces de volaldad. Para el perodo 99-0, analzamos daos de los índces amercanos

Más detalles

Tema 4. Condensadores y Bobinas

Tema 4. Condensadores y Bobinas Tema 4. ondensadores y obnas 4. Inroduccón 4. ondensadores 4. Energía almacenada en un condensador 4.4 socacón de condensadores 4. obnas 4.6 Energía almacenada en una bobna 4.7 socacón de bobnas ( E r

Más detalles

TÉCNICAS METAHEURÍSTICAS. ALGORITMOS BASADOS EN NUBES DE PARTÍCULAS

TÉCNICAS METAHEURÍSTICAS. ALGORITMOS BASADOS EN NUBES DE PARTÍCULAS TÉCNICAS METAHEURÍSTICAS. ALGORITMOS BASADOS EN NUBES DE PARTÍCULAS 3 39 Ssema de generacón elécrca con pla de combusble de óxdo sóldo almenado con resduos foresales y su opmzacón medane algormos basados

Más detalles

Séptimas Jornadas de Economía Monetaria e Internacional La Plata, 9 y 10 de mayo de 2002

Séptimas Jornadas de Economía Monetaria e Internacional La Plata, 9 y 10 de mayo de 2002 Unversdad Naconal de a Plaa Sépas Jornadas de Econoía Moneara e Inernaconal a Plaa, 9 y de ayo de 22 Un Análss Econoérco del Efeco de la Políca Moneara en Argenna Urera, Gasón Ezequel (Unversdad Epresaral

Más detalles

METODOLOGÍA ENERGÍA ELECTRICA

METODOLOGÍA ENERGÍA ELECTRICA Insuo Naconal de Esadíscas SUBDIRECCIÓN TÉCNICA Depo. Invesgacón y Desarrollo Esadísco SUBDIRECCION DE OPERACIONES Subdeparameno. Esadíscas Secorales METODOLOGÍA ENERGÍA ELECTRICA Sanago, 26 Dcembre de

Más detalles

MODELO DE UN SISTEMA MRP CERRADO INTEGRANDO INCERTIDUMBRE EN LOS TIEMPOS DE ENTREGA, DISPONIBILIDAD DE LA CAPACIDAD DE FABRICACIÓN E INVENTARIOS

MODELO DE UN SISTEMA MRP CERRADO INTEGRANDO INCERTIDUMBRE EN LOS TIEMPOS DE ENTREGA, DISPONIBILIDAD DE LA CAPACIDAD DE FABRICACIÓN E INVENTARIOS MODELO DE UN SISTEMA MRP CERRADO INTEGRANDO INCERTIDUMBRE EN LOS TIEMPOS DE ENTREGA, DISPONIBILIDAD DE LA CAPACIDAD DE FABRICACIÓN E INVENTARIOS TESIS DE GRADO PARA OPTAR AL TITULO DE MAGISTER EN INGENIERÍA

Más detalles

Física General 1 Proyecto PMME - Curso 2008 Instituto de Física Facultad de Ingeniería UdelaR

Física General 1 Proyecto PMME - Curso 2008 Instituto de Física Facultad de Ingeniería UdelaR Físca General Proyeco PMME - Curso 8 Insuo de Físca Faculad de Inenería UdelaR M O V I M I E N T O E P R O Y E C T I L M O V I M I E N T O R E L A T I V O Vanessa íaz Florenca Clerc Un olero Juan paea

Más detalles

a. Activos monetarios b. Activos no monetarios a. Ingresos b. Egresos

a. Activos monetarios b. Activos no monetarios a. Ingresos b. Egresos Decsones e Inversón Conseracón e la péra el poer aqusvo el sgno monearo Amnsracón Fnancera Cr. Julo César Torres UNLPam Facula e Cencas Económcas y Jurícas Decsones e Inversón Conseracón e la péra el poer

Más detalles

Productos derivados sobre bienes de consumo

Productos derivados sobre bienes de consumo Producos dervados sobre benes de consumo Francsco Venegas Marínez, Salvador Cruz Ake n Resumen: Ese rabajo de nvesgacón desarrolla un modelo de equlbro general con expecavas raconales en empo connuo úl

Más detalles

APUNTES CLASES DE PRÁCTICAS ECONOMIA ESPAÑOLA (Y MUNDIAL) CURSO 2010/2011, 2º. CUATRIMESTRE DEPARTAMENTO DE ECONOMÍA UNIVERSIDAD CARLOS III DE MADRID

APUNTES CLASES DE PRÁCTICAS ECONOMIA ESPAÑOLA (Y MUNDIAL) CURSO 2010/2011, 2º. CUATRIMESTRE DEPARTAMENTO DE ECONOMÍA UNIVERSIDAD CARLOS III DE MADRID APUTES CLASES DE PRÁCTCAS ECOOMA ESPAÑOLA (Y MUDAL) CURSO 200/20, 2º. CUATRMESTRE DEPARTAMETO DE ECOOMÍA UVERSDAD CARLOS DE MADRD DCE DE PRÁCTCAS.- Conabldad aconal. 2.- ndces y Deflacores. 3.- Curvas

Más detalles

7. CAPACITANCIA E INDUCTANCIA

7. CAPACITANCIA E INDUCTANCIA 7. APAITANIA E INDUTANIA 7.. INTRODUIÓN El elemeno paso e os ermnales que hemos so hasa el momeno, eso es la Ressenca, presena un comporameno lneal enre su olaje y correne. Eso prouce ecuacones algebracas

Más detalles

Macroeconomic Effects of Fiscal Shocks in the European Union: A GVAR Model

Macroeconomic Effects of Fiscal Shocks in the European Union: A GVAR Model Unversy of Exremadura Deparmen of Economcs Macroeconomc Effecs of Fscal Shocks n he European Unon: A GVAR Model Ths verson: February 212 Alejandro RICCI RISQUETE Julán RAMAJO HERNÁNDEZ Unversdad de Exremadura

Más detalles

ÁREA 4 y 9: ECONOMÍA INDUSTRIAL, DE SERVICIOS Y DE LA INFORMACIÓN Y EL CONOCIMIENTO. Departamento de Economía Aplicada

ÁREA 4 y 9: ECONOMÍA INDUSTRIAL, DE SERVICIOS Y DE LA INFORMACIÓN Y EL CONOCIMIENTO. Departamento de Economía Aplicada ÁREA 4 y 9: ECONOMÍA INDUSTRIAL, DE SERVICIOS Y DE LA INFORMACIÓN Y EL CONOCIMIENTO Deparameno de Economía Aplcada Faculad de Cencas Económcas y Empresarales e-mal: ecoapl@eco.uva.es Avda. del Valle de

Más detalles

APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA

APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA Esaconaredad El concepo de esaconaredad es de suma mporanca en la eoría de la conegracón. Aquí se ulzará el concepo de esaconaredad en sendo débl, o de segundo

Más detalles

1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...

1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos... Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones

Más detalles

SIGLAS Y NOTACIÓN EMPLEADA

SIGLAS Y NOTACIÓN EMPLEADA SIGLAS Y NOTAIÓN EMPLEADA α PND a Parámero que ene un valor 4 para vehículos lgeros y de 6 para vehículos pesados Incremeno de la accesbldad para el usuaro que anes no realzaba desplazamenos moorzados

Más detalles

5. Los sistemas de pensiones y el ahorro nacional

5. Los sistemas de pensiones y el ahorro nacional 5. Los ssemas de pensones y el ahorro naconal Uno de los aspecos más mporanes ras la reforma a un ssema de pensones es su mpaco sobre el ahorro naconal dado el vínculo enre ése y el desempeño de la economía.

Más detalles

LA INNOVACION EN LA LITERATURA RECIENTE DEL CRECIMIENTO ENDOGENO

LA INNOVACION EN LA LITERATURA RECIENTE DEL CRECIMIENTO ENDOGENO L INNOVCION EN L LITERTUR RECIENTE DEL CRECIMIENTO ENDOGENO Carlos Borondo rrbas Unversdad de Valladold Revsón: sepembre 28 Resumen Ese arículo presena un repaso de los prncpales modelos recenes que hacen

Más detalles

METODOLOGÍA ENERGÍA ELÉCTRICA

METODOLOGÍA ENERGÍA ELÉCTRICA Insuo Naconal de Esadíscas SUBDIRECCIÓN TÉCNICA Depo. Invesgacón y Desarrollo Esadísco SUBDIRECCIÓN DE OPERACIONES Subdepo. Esadíscas Secorales METODOLOGÍA ENERGÍA ELÉCTRICA GGM/GMA Sanago, 26 Dcembre

Más detalles

3. El cambio en el sistema de pensiones y su impacto sobre la cobertura

3. El cambio en el sistema de pensiones y su impacto sobre la cobertura . El cambo en el ssema de pensones y su mpaco sobre la coberura El prmer objevo de ese rabajo es medr el mpaco que la reforma al ssema de pensones ha endo sobre la coberura; medda esa úlma como el número

Más detalles

ESTRUCTURA DE LAS SIMILARIDADES

ESTRUCTURA DE LAS SIMILARIDADES ESTRUCTURA DE LAS SIMILARIDADES Ramón Gonzalez del Campo Lus Garmenda 2 Jord Recasens 3 SIC. Faculad de Informáca, rgonzale@esad.ucm.es 2 DISIA. Faculad de Informáca. UCM, lgarmend@fd.ucm.es 3 Unversa

Más detalles

Santiago, CIRCULAR N. Para todas las entidades aseguradoras y reaseguradoras del segundo grupo

Santiago, CIRCULAR N. Para todas las entidades aseguradoras y reaseguradoras del segundo grupo REF.: Modfca Crcular N 2062 que nsruye respeco al raameno de recálculo de pensón, en pólzas de seguros de rena valca del D.L. N 3.500, de 1980. Sanago, CIRCULAR N Para odas las endades aseguradoras y reaseguradoras

Más detalles

Ser keynesiano en el corto plazo y clásico en el largo plazo*

Ser keynesiano en el corto plazo y clásico en el largo plazo* Ser keynesano en el coro plazo y clásco en el largo plazo* Gérard Duménl** y Domnque Lévy*** Inroduccón * Traducdo por Davd A. Turpn jr., Deparameno de Economía de la UAM-A. ** CE: gerard. dumenl@u-pars0.fr

Más detalles

Relaciones entre variables

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

Más detalles

MODELOS DE SERIES DE TIEMPO. porque su esperanza (condicional) depende de su valor en el período pasado:

MODELOS DE SERIES DE TIEMPO. porque su esperanza (condicional) depende de su valor en el período pasado: Apunes de Teoría Economérca I. Profesor: Vvana Fernández MODELOS DE SERIES DE TIEMPO I CONCEPTOS PRELIMINARES. Procesos Auorregresvos y de Promedo Móvl Se dce que sgue un proceso auorregresvo: es rudo

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

TEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)

TEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004) EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas

Más detalles

Apéndice metodológico

Apéndice metodológico Ese bro forma pare de acervo de a Bboeca Jurídca Vrua de Insuo de Invesgacones Jurídcas de a UNAM Lbro compeo en: wwwjurdcasunammx hps://goog/negcj hps://bbojurdcasunammx/bjv 256 Empeos para crecer BID,

Más detalles

Manual Metodológico del Índice de Remuneraciones (IR) Índice de Costo de Mano de Obra (ICMO) Base anual 2009 = 100

Manual Metodológico del Índice de Remuneraciones (IR) Índice de Costo de Mano de Obra (ICMO) Base anual 2009 = 100 Manual Meodológco del Índce de Remuneracones (IR) Índce de Coso de Mano de Obra (ICMO) Base anual 2009 00 Insuo Naconal de Esadíscas Subdreccón de Operacones Proyeco de acualzacón IR ICMO Subdreccón Técnca

Más detalles

Dirección General de Asuntos Económicos y Sociales Ministerio de Economía y Finanzas

Dirección General de Asuntos Económicos y Sociales Ministerio de Economía y Finanzas Meodología de valuacón de pasvos conngenes cuanfcables y del flujo de ngresos dervados de la exploacón de los proyecos generados por la suscrpcón de conraos de concesón bajo la modaldad de Asocacón Públco

Más detalles

Índices de precios y Preferencias Reveladas. Microeconomía Douglas C. Ramírez V.

Índices de precios y Preferencias Reveladas. Microeconomía Douglas C. Ramírez V. Índces de precos y referencas Reveladas Mcroeconomía Douglas C. Ramírez V. LOS ÍNDICES Los números índces o índces son un nsrumeno esadísco muy úl y de uso muy exenddo. G.R. Carl. En Iala, en 1764 realzó

Más detalles

MEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA

MEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA MEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA (Borrador) Ignacio Vélez-Pareja Deparameno de Adminisración Universidad Javeriana, Bogoá, Colombia Abril de 2000 Resumen

Más detalles

Mecanismos de palanca. Apuntes.

Mecanismos de palanca. Apuntes. Mecansmos de palanca. Apunes. Oreses González Qunero Deparameno de Ingenería Mecánca Faculad de de Ingenerías Químca y Mecánca 2007 1 1.- Inroduccón. El análss de los mecansmos y máqunas ene por objevo

Más detalles

El Método de Monte Carlo para la Solución de la Ecuación de Transporte

El Método de Monte Carlo para la Solución de la Ecuación de Transporte Anál de Reacore Nucleare Faculad de Ingenería-UNAM Juan Lu Franço El Méodo de Mone Carlo para la Solucón de la Ecuacón de Tranpore En la prácca, mucho problema de ranpore no e pueden reolver por méodo

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

Test. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos

Test. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar

Más detalles

UNIVERSIDAD DE OVIEDO

UNIVERSIDAD DE OVIEDO Trabajaremos con módulos foovolacos de capa fna. resena ceras venajas por el dferene comporameno que esa ecnología ene ane la radacón solar y las condcones ambenales: Mejor comporameno de la produccón

Más detalles

Los esquemas de la reproduccio n de Marx

Los esquemas de la reproduccio n de Marx Los esquemas de la reproducco n de Marx Alejandro Valle Baeza Los esquemas de la reproduccón smple y amplada consuyen sólo una pare del análss del proceso de crculacón del capal. Fueron presenados en la

Más detalles

EL FAIR VALUE DE LAS PROVISIONES TÉCNICAS DE LOS SEGUROS DE VIDA

EL FAIR VALUE DE LAS PROVISIONES TÉCNICAS DE LOS SEGUROS DE VIDA Prohbda la reproduccón oal o parcal de esa obra sn el permso escro del auor o de FUNDACIÓN MAPFRE Insuo de Cencas del Seguro EL FAIR VALUE DE LAS PROVISIONES TÉCNICAS DE LOS SEGUROS DE VIDA Emlano Pozuelo

Más detalles

Metodología de cálculo del diferencial base

Metodología de cálculo del diferencial base Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Insrcor: Horaco Caalán Meoología e la Economérca Moerna Concepos Fnamenales Moelo Teórco (fncón maemáca) Moelo esmable (en érmnos

Más detalles

INSTITUTO NACIONAL DE PESCA

INSTITUTO NACIONAL DE PESCA INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y

Más detalles

PREFERENCIAS DINÁMICAS DE FINANCIACIÓN DE LAS EMPRESAS ESPAÑOLAS: NUEVA EVIDENCIA DE LA TEORÍA DE LA JERARQUÍA

PREFERENCIAS DINÁMICAS DE FINANCIACIÓN DE LAS EMPRESAS ESPAÑOLAS: NUEVA EVIDENCIA DE LA TEORÍA DE LA JERARQUÍA PREFERENCIAS DINÁMICAS DE FINANCIACIÓN DE LAS EMPRESAS ESPAÑOLAS: NUEVA EVIDENCIA DE LA TEORÍA DE LA JERARQUÍA Javer SÁNCHEZ-VIDAL Dpo. de Economía Fnancera y Conabldad Faculad de Cencas de la Empresa

Más detalles

INTRODUCCIÓN A LOS MODELOS OCULTOS DE MARKOV. Luis Miguel Bergasa Pascual

INTRODUCCIÓN A LOS MODELOS OCULTOS DE MARKOV. Luis Miguel Bergasa Pascual ITRODUCCIÓ A LOS MODELOS OCULTOS DE MARKOV Lus Mguel Bergasa Pascual Deparameno de Elecrónca. Unversdad de Alcalá. Emal:bergasa@depeca.uah.es Lus M. Bergasa. Deparameno de Elecrónca COTEIDOS Inroduccón

Más detalles

Recombinación en Árboles Binomiales Multiplicativa

Recombinación en Árboles Binomiales Multiplicativa Recombnacón en Árboles Bnomales Mulplcava Y us Posbldades Freddy H. Marín Días de la cenca aplcada epembre 8-9-30 Grupo de Invesgacón En mulacón y Modelacón Maemáca CONTENIDO Ecuacones Dferencales Esocáscas

Más detalles

En España operaron 3.466.110 empresas en 2012. Ese año se crearon 287.311 y desaparecieron 334.541

En España operaron 3.466.110 empresas en 2012. Ese año se crearon 287.311 y desaparecieron 334.541 25 de novembre de 2014 Indcadores de Demografía Empresaral Año 2012 En España operaron 3.466.110 empresas en 2012. Ese año se crearon 287.311 y desapareceron 334.541 Las empresas creadas represenaron el

Más detalles

SEGURO DE VIDA INDIVIDUAL CON PLAN DE AHORRO PREVISIONAL VOLUNTARIO. Incorporada al Depósito de Pólizas bajo el código POL 2 09 032

SEGURO DE VIDA INDIVIDUAL CON PLAN DE AHORRO PREVISIONAL VOLUNTARIO. Incorporada al Depósito de Pólizas bajo el código POL 2 09 032 SEGURO DE VIDA INDIVIDUAL CON PLAN DE AHORRO PREVISIONAL VOLUNTARIO Incorporada al Depóso de Pólzas bajo el códgo POL 2 09 032 CONDICIONES GENERALES ARTÍCULO 1º: DEFINICIONES 1. POLIZA: Es el conrao de

Más detalles

Las derivadas de los instrumentos de renta fija

Las derivadas de los instrumentos de renta fija Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa

Más detalles

Sistemade indicadores compuestos coincidentey adelantado julio,2010

Sistemade indicadores compuestos coincidentey adelantado julio,2010 Sisemade indicadores compuesos coincideney adelanado julio,2010 Sisema de Indicadores Compuesos: Coincidene y Adelanado SI REQUIERE INFORMACIÓN MÁS DETALLADA DE ESTA OBRA, FAVOR DE COMUNICARSE A: Insiuo

Más detalles

TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS

TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores

Más detalles

METODOLOGIA DE OPTIMIZACIÓN DE SECUENCIA DE INTERVENCIONES A POZOS

METODOLOGIA DE OPTIMIZACIÓN DE SECUENCIA DE INTERVENCIONES A POZOS METODOLOGIA DE OPTIMIZACIÓN DE SECUENCIA DE INTERVENCIONES A POZOS Medardo Yañez, Hernando Gómez de La Vega, Manuel Fretas, Karna Semeco, Mguel Aguero Relablty and Rsk Management Méxco SA de CV RM Méxco

Más detalles