Modelización de la crisis financiera de 1994 mediante los Mapas Cognitivos Borrosos

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

Download "Modelización de la crisis financiera de 1994 mediante los Mapas Cognitivos Borrosos"

Transcripción

1 38 Número 4, (38-46), Mayo-Agosto 2008 Modelzacó de la crss facera de 994 medate los Mapas Cogtvos Borrosos Dra. Martha Rodríguez García I y Dr. Kleder Cortez Alejadro II RESUMEN La modelzacó de las crss faceras ha sdo uo de los tópcos que hoy día es dfícl de resolver. Dversos esquemas tales como regresoes, redes euroales y sstemas euroborrosos ha sdo desarrollados y aplcados; auque la predccó de tales sstemas es cuestoable e el mudo real. Ua lmtate mportate es que e las crss faceras tervee gra catdad de varables cualtatvas y cuattatvas terrelacoadas. Los Mapas Cogtvos Borrosos (MCB) parece ser ua herrameta metodológca que resuelve la troduccó de varables cualtatvas, es por ello que e el sguete artículo haremos uso de los MCB para explcar la crss facera de 994 e Méxco. ABSTRACT The smulato of the facal crses has bee oe of the topcs that owadays are dffcult to solve dverse schemes such as regressos, etworks ad fuzzy etworks systems have bee developed ad appled; although the predcto of such systems s questoable the real world. A mportat lmt s that the facal crses great amout of terrelated qualtatve ad quattatve varables takes part. The Fuzzy Cogtve Maps (FCM) seem to be a methodologcal tool that t solves the troducto of qualtatve varables, s for that reaso that the followg artcle we wll make use of the MCB to expla the facal crss of 994 Mexco. INTRODUCCIÓN Alguos meses ates de la crss facera e dcembre de 994, se cometaba e los medos de comucacó y e las escuelas de ecoomía que Méxco presetaba sgos de recuperacó estables. Lo úco preocupate era la composcó de los flujos de captal y el cambo del gobero que se avecaba, pero debdo al auge que se vvía, o se les tomó mportaca. Lo ateror ocasoó que e dcembre de 994 Méxco vvera ua de las peores crss de su hstora. I II Palabras clave: Mapas cogtvos borrosos, redes euroales artfcales, crss facera, Méxco. Key words: Fuzzy cogtve maps, artfcal etworks, facal crss, Mexco. Recbdo: 7 de marzo de 2008, aceptado: 30 de mayo de 2008 Profesor-Ivestgador, Uversdad Autóoma de Nuevo Leó, Facultad de Cotaduría Públca y Admstracó. Teléfoo (8) , Fax: (8) , correo electróco: marthadelplar2000@yahoo.com. Profesor-Ivestgador, Uversdad Autóoma de Nuevo Leó, Facultad de Cotaduría Públca y Admstracó. Teléfoo (8) , Fax: (8) , correo electróco: kcortez@facpya.ual.mx. Trabajos como los de (Echegree, 2002) y (Desa, 2003) ha aalzado las crss faceras para obteer posbles solucoes para prever su repetcó. Además, exste lteratura que compara las crss mexcaa de co otras crss (Kregel, 998) (Palma, 998) (Esquvel y Larraí, 999) (Palma, 2000) (Chag Varela y Jacobs, eds., 2002). Por otra parte, ecotramos publcacoes que emplea redes euroales artfcales para clasfcar las fases e que se ecuetra la ecoomía mexcaa, y s exste característcas dcatvas de ua posble crss facera (Oscar Pérez et. al, 2008). Ua ISSN

2 Número 4, (38-46), Mayo-Agosto lmtate mportate de los trabajos aterores es que e las crss faceras tervee gra catdad de varables cualtatvas y cuattatvas terrelacoadas. Por ello, pesamos que los Mapas Cogtvos Borrosos (MCB) parece ser ua herrameta metodológca que resuelve la troduccó de varables cualtatvas. El objetvo partcular del sguete trabajo de vestgacó es brdar u estudo adcoal para terpretar la realdad compleja que Méxco sufró e las crss y así poder eteder las relacoes ocultas etre las varables del estudo. Debdo a que los MCB permte la clusó de varables cualtatvas y cuattatvas se utlza esta metodología para explcar las hpótess de la crss facera mexcaa de 994. Los objetvos del artículo so explcar la costruccó de los MCB, aalzar las hpótess sobre las causas de la crss facera, smular la crss facera utlzado u modelo que corpore las hpótess que fluyero e ésta y falmete, se preseta coclusoes y futuras líeas de vestgacó. Cocepto y atecedetes de los Mapas Cogtvos La defcó de los Mapas Cogtvos (MC) dfere de acuerdo al área de estudo e que se use, pero exste u coseso etre los vestgadores, So grafos dreccoados, es decr, ua coleccó de odos relacoados medate arcos. (Marchat, 999). La pscología es la precursora de los MC. El prmero que utlzó el cocepto de Mapa Cogtvo fue Tolma (948) e su vestgacó Cogtve maps rats ad me. Más tarde Cartwrgth ad Harary (956) dero u mportate avace e la década de los ccueta, al troducr el cocepto de grado de equlbro Kaufma y Gl-Aluja (986) mecoa que la teoría de los subcojutos borrosos: es ua parte de las matemátcas que se halla perfectamete adaptada al tratameto tato de lo subjetvo como de lo certo. Es u teto de recoger u feómeo tal cual se preseta e la vda real y realzar su tratameto s tetar reformarlo para hacerlo precso y certo. Para Kosko (995) es posble cocebr el pesameto como u subcojuto borroso y o como u leguaje de caracteres, ya que la borrosdad recooce u grado de perteeca para cada elemeto, esto es, u úmero real etre 0 y clusve. 2 No requere flueca extera para ajustar los pesos de las coexoes etre euroas, se dce que se autoorgaza. para tratar los problemas del equlbro cogtvo e térmos estadístcos y probablístcos. El cambo más mportate e el uso de los MC lo do Axelrod (976) cuado presetó el prmer estudo sstemátco de los MC e la ceca polítca y la teoría de decsó. Dez años después de los trabajos de Axelrod, Kosko (986) trodujo la borrosdad, lo que supoe que los evetos o so totalmete certos o falsos, esto es, se preseta e certo grado (Bojadzev y Bojadzev, 2007). La cotrbucó de Kosko (986) do lugar a lo que deomamos Mapas Cogtvos Borrosos (MCB). Los MCB so estructuras que ayuda a represetar modelos dámcos complejos. Su uso se extede a los campos de la ceca polítca, la medca, la ecoomía y la meteorología, etre otros. De acuerdo co Kosko (986), los MCB so estructuras gráfcas borrosas que represeta u razoameto causal. Su borrosdad permte grados borrosos de causaldad etre coceptos borrosos. Su estructura gráfca permte propagacoes sstemátcas causales, e partcular, cadeas (elaces) haca atrás y haca delate, lo cual permte que las bases de coocmetos crezca por estas coexoes. Cada uo de los coceptos del mapa será u cojuto borroso, por lo que la deomacó del dagrama suele llamarse MCB. MATERIALES Y MÉTODOS Costruccó de los MCB Para costrur el MCB se debe cosderar tres etapas: ) Idetfcacó de coceptos 2) Determacó de relacoes causales y por últmo 3) dámca del mapa. A cotuacó se explca cada ua de ellas. E la prmera etapa, el dseñador del MCB propoe ua coleccó de odos o coceptos para u problema específco. Esta fase es mportate ya que la clusó o exclusó de varables puede perjudcar el futuro fucoameto del MCB. E la seguda etapa se obtee la matrz coocda como E y gráfca de los MCB, esto es, las relacoes (pesos) de causaldad etre los odos que ha de terver e el MCB. El apredzaje que utlza los MCB es o supervsado 2, desde que se

3 40 Número 4, (38-46), Mayo-Agosto 2008 descooce la estructura causal del mudo. Para obteer estas relacoes, el dseñador del MCB debe de seleccoar etre dos posbles formas. La prmera se refere a ua forma subjetva y la seguda medate la costruccó de ua Red Neuroal Artfcal (RNA) para obteer los pesos etre los odos, a través de seres hstórcas de datos. 2 t E este trabajo optamos por la forma subjetva, el apredzaje será fácl de obteer medate la opó o cuestoameto a especalstas e el campo bajo estudo. Cada uo de los especalstas dbuja sus gráfcos causales o MCB, cluyedo o excluyedo los odos que ellos cree tervedrá e el estudo. Se puede presetar u cuestoaro sobre la flueca de u cocepto frete a otro, ofrecedo varas alteratvas borrosas, represetadas smbólcamete, que después se traducrá a valores umércos asocados a las coexoes. Por otra parte, s el dseñador del MCB o tee dea sobre los pesos, podría mplemetar ua RNA para obteer los pesos etre los odos 3. E la etapa tres seleccoamos la fucó umbral y obteemos la dámca del mapa. La matrz E es aquella que puede ser estmulada medate los vectores de etrada; lo ateror se puede realzar a través de la multplcacó de vector-matrz 4. Lo expuesto aterormete se puede expresar de la sguete maera: E = ( e j ) : Matrz de arcos causales, C( t) = C( t), C ( t),..., C () : Lsta, j ordeada de atecedetes: Qué pasa s? so pregutas e tempo dscreto t, C oe= C E : Se refere a ua lsta ordeada de cosecuecas. Esto sgfca que el MCB se coverte e u sstema computacoal dámco de pregutas Qué s ecedo el odo? y respuestas a través de la operacó producto, hasta drgrse a u equlbro e térmos de cclos límte co logtud q=,2,...m. Dode m es el úmero de repetcoes del vector de salda (cosecuecas). S embargo, la fucó depede del umbral T, ecesaro para realzar la teracó como se muestra a cotuacó: para C( t+ ) = 0 para Dode: C ( t+) : vector de estado de actvacó causal e el tempo dscreto t+. E :-ésma columa de la matrz de coexoes causales E. T: umbral (puede tomar valores o egatvos, ejemplo: T=0, T=/2) =úmero de odos del MCB. Ua fereca de prmer orde es el vector de salda después de la operacó umbral. S volvemos a clur la fereca de prmer orde detro de la matrz E se obtee ua fereca de segudo orde. Órdees superores so geeradas teratvamete. Cada fereca represeta u vector co odos preddos o apagados y el MCB se equlbra, es decr se establza e cclos límte a través de la operacó producto. U MCB co coceptos mplca 2 Que s pregutas, y coverge a u cclo límte tomado al meos 2 teracoes. Auque Kosko (992) ha demostrado que los MCB coverge co pocas teracoes. Por otra parte, los cclos límte so patroes que se repte. U cclo límte de logtud uo, es u puto fjo, es decr sólo se obtee u vector de salda. S teemos ua logtud de dos, exste bestabldad o ua osclacó e dos fases, tal que se obtee dos vectores de salda y así sucesvamete. Cabe mecoar que el MCB aalzado puede cotestar a 2 pregutas de Qué s ecedo X odos?, y ua respuesta para cada preguta co úmero de vectores de respuesta de cclos límte q=,...m. dode m es el úmero de vectores que se repte. RESULTADOS = = C E > T C E T Aplcacó de los MCB para smular la crss facera El problema al que os efretamos era explcar a través de u MCB las causas de la crss facera mexcaa 5, ya que e los saloes de 3 La RNA es parecda a la de Hopfeld pero a dfereca de ésta se emplea u algortmo de apredzaje dstto, coocdo como algortmo dferecal hebbao Kosko (986) y Kosko (997), Hlera y Martíez (995). 4 S utlzamos la composcó maxm, se comprueba que todo aquel sgo egatvo se elma, por lo que se empleó la composcó de producto. 5 Para Jadresc et. al (2007) las crss faceras so desajustes e la cueta de captales dervadas de ua aguda caída e la etrada eta de captales prvados, dfcultado severamete la posbldad de cumplr co las oblgacoes de pagos exteros. També se tesfca co la debldad de las cuetas fscales y del sstema polítco, que hbe la adopcó de polítcas macroecoómcas y estructurales de emergeca y de correccó sstémca. Como lo cometa los evaluadores se pude llegar a cofudr el térmo de crecmeto y crss por lo que e el artículo optamos por defr crss.

4 Número 4, (38-46), Mayo-Agosto clase, fuero muchas las hpótess maejadas, pero uca smulamos ua hpótess que volucrara todas las aterores, ya que carecíamos de la metodología de los MCB. A cotuacó se defe las varables como: C = Sobrevaluacó del tpo de cambo real (TCR), C 2 = Superávt e la balaza comercal (BC), C 3 = Crss Ecoómca, C 4 = Flujos de Captal Volátles (FCV), C 5 = Resgo País, C 6 = Cofaza e el país, C 7 = Aspectos polítcos egatvos (asesatos), C 8 = Credbldad de los drgetes 6, C 9 = Superávt e Reservas Iteracoales (RI), C 0 = Icremeto de la Deuda Extera (DE), C = Dferecal e tasas de terés reales (Méxco-Estados Udos) (DTIR), C 2 = Cosumo, C 3 = Iversó, C 5 = Crecmeto Ecoómco (PIB), C 6 = Iestabldad Polítca, C 7 = Isurreccó e Chapas, C 8 = Cambo de Gobero. Ua vez presetada la lsta de varables se elaborará los MCB para cada ua de las causas de la crss facera mexcaa. Cabe señalar que los valores de los pesos so borrosos 2 y se pusero de acuerdo a la opó de expertos, esto es a las hpótess que reflejaba los artículos de ecoomía a medados de los oveta. Prmera hpótess. Ecoomstas como P. Krugma (996) establece que la causa de la crss de 994 ha sdo prcpalmete a que el tpo de cambo real estaba sobrevaluado. El matemeto costate de esta sobrevaluacó aumeta el resgo de país y dsmuye la cofaza y la credbldad e los drgetes, provocado fuga de reservas teracoales por las costates pérddas e la balaza comercal, que más tarde desembocará e ua crss, lo ateror se observa e el cso a) de la Fgura. Seguda hpótess. Para G. Calvo y E. Medoza (996) la crss facera fue ua crss de Cueta de Captal (CC). La quetud de los versostas por cosegur gaacas a corto plazo, orgó la descofaza e el país y la crss. (Ver cso b) Fgura ). Tercera hpótess. Específcamete, R. J. Barro (996) mecoa que la vasta expasó del crédto tero después de octubre de 994 parecó 6 El cocepto borroso C8 = Credbldad de los drgetes, metras que su correspodete egacó es C8,=Descofaza e la Burocraca. 7 Dode los pesos puede ser represetados medate la sguete escala de valores ada=0, muy poco=0,, poco=0,3, débl=0,4, moderada=0,5, sufcete=0,7, fuerte=0,8, muy fuerte=0,9, tesamete fuerte=. u teto por mateer el valor e dólares de los boos del gobero y los depóstos bacaros. Lo ateror, se traduce e ua dsmucó e las reservas teracoales (ya que es la cotraparte del Crédto Itero) ocasoada por el défct e la balaza comercal y los asesatos polítcos de Lus Doaldo Coloso y José Fracsco Ruz, que cotrbuyero a agravar la crss. (Ver cso c) Fgura ). Cuarta hpótess. Esta hpótess se cluye para tomar e cueta cómo fluye las varables que forma el PIB e la crss y ésta a su vez e el msmo y e las varables que la forma. Es decr, exste u cclo dfícl de romper ate la preseca de crss. (Ver cso d) Fgura ). Quta hpótess. Por últmo, se observa cómo la establdad polítca, el cambo de gobero y el coflcto de Chapas, se ecuetra relacoadas co varables como resgo del país o reservas teracoales causado ua crss. (Ver cso e) Fgura ). E cuato a la dámca de los MCB aterores se utlzó ua fucó umbral trvalete represetada a través de la sguete expresó matemátca: para C ( t + ) = 0 para para 0 C E 0, 5 = C E < 0, 5 = C E < 0 = Para o hacer ua explcacó muy exhaustva, sólo smularemos (etapa tres de la costruccó del MCB) la prmera hpótess. A cotuacó se preseta la dámca del MCB presetado e la Fgura. Así, teemos que ua sobrevaluacó excesva e el tpo de cambo, es decr, el vector de pregutas Qué s? sería C ( 0 ) =(,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0). Utlzado la operacó producto y la fucó umbral aterormete mecoada troducmos el vector a la matrz de relacoes causales E y realzamos la dámca del sstema, los resultados se preseta e la Tabla. La evolucó del sstema puede razoarse de la sguete forma: E t=0 exste ua sobrevaluacó e el tpo de cambo que e t= cosgue aumetar el resgo país, dsmuye la cofaza y baja la credbldad de los drgetes co lo que

5 42 Número 4, (38-46), Mayo-Agosto 2008 e t=2 dsmuye las reservas teracoales provocado e t=3 la crss facera. El sstema se vuelve a repetr ua y otra vez, es decr, se obtee la repetcó de cuatro vectores, q=4, lo que sgfca que estamos ate u puto peródco y e ua stuacó de covergeca, ya que el sstema o varía co el tempo, supoedo ada de tervecó del gobero, lo cual o fue la realdad.

6 Número 4, (38-46), Mayo-Agosto C ( 0) C ( 0 ) oe C ( ) oe C ( 2 ) oe C ( 3 ) oe ( C ( 4 ) oe) ( C ( 5 ) ( C ( 6 ) oe) T 5 T 6 T Tabla. Dámca del MCB de sobrevaluacó. Observacoes mportates So ecesaras ferecas de séptmo orde para obteer u cclo peródco de q=4 E segudo lugar aalzamos el cso b) Fgura y pregutamos Qué s aumeta los FCV, el vector de estaría represetado por C ( 0 ) =(0,0,0,,0,0,0,0,0,0,0,0,0,0,0,0,0,0). Los resultados se observa e la tabla 2: C ( 0) C ( 0 ) oe C ( ) oe C ( 2 ) oe C ( 3 ) oe ( C ( 4 ) oe) T Tabla 2. Dámca del MCB de captales. Observacoes mportates So ecesaras ferecas de tercer orde para obteer u cclo peródco de q=2 E tercer lugar aalzamos el cso c) Fgura y pregutamos Qué s? dsmuye las reservas teracoales, el vector estaría represetado por C ( 0 ) =(0,0,0,0,0,0,0,0,0,-,0,0,0,0,0,0,0,0) co los sguetes resultados: E cuarto lugar aalzamos el cso d) Fgura y pregutamos Qué s? exste u bajo crecmeto ecoómco, el vector estaría represetado por C ( 0 ) = (0,0,0,0,0,0,0,0,0,0,0, 0,0,0,-,0,0,0) co los sguetes resultados: C ( 0) C ( 0 ) oe C ( ) oe C ( 2 ) oe C ( 3 ) oe ( C ( 5 ) oe) ( C ( 6 ) oe) T 6 T Observacoes mportates So ecesaras ferecas de sexto orde para obteer u cclo peródco de q=3 Tabla 3. Dámca del MCB de reservas teracoales. C ( 0) C ( 0 ) oe C ( ) oe C ( 2 ) oe C ( 3 ) oe ( C ( 4 ) oe) ( C ( 5 ) ( C ( 6 ) oe) T 5 T 6 T Tabla 4. Dámca del MCB de crecmeto ecoómco. Observacoes mportates So ecesaras ferecas de sexto orde para obteer u cclo peródco de q=3 Por últmo aalzamos el cso e) Fgura y pregutamos Qué s? exste u levatameto de movmetos guerrlleros como el de Chapas, el vector estaría represetado por C ( 0 ) =(0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0,0,,0). Las cosecuecas se preseta e la sguete Tabla: C ( 0) C ( 0 ) oe C ( ) oe C ( 2 ) oe C ( 3 ) oe ( C ( 5 ) oe) ( C ( 6 ) ( C ( 7 ) ( C ( 8 ) ( C ( 9 ) oe) T 6 T 7 T 8 T Observacoes mportates So ecesaras ferecas de décmo orde para obteer u cclo peródco de q=3 Tabla 5. Dámca del MCB del levatameto del ejércto zapatsta e Chapas.

7 44 Número 4, (38-46), Mayo-Agosto 2008 S aalzamos cada ua de las hpótess e forma aslada coclumos que de las cco desarrolladas, la hpótess (tpo de cambo real estaba sobrevaluado), la hpótess 2 (crss de Cueta de Captal) y la hpótess 4 (caída del PIB) explca la crss ya que la evolucó del sstema actva el cocepto de crss. Lo ateror, hace setdo de acuerdo a la defcó propuesta Jadresc et. al (2007) e dode las crss so ocasoadas por desajustes e la cueta de captales y se tesfca malas de polítcas macroecoómcas, estructurales de emergeca y de correccó sstémca. Dámca y MCB de la crss facera e Méxco Los aálss aterores proporcoa esquemas smples que ayuda a vsualzar alguas de las causas de la crss facera, a cotuacó se sumará los MCB de la fgura para obteer u MCB que agrupe todas las hpótess. Para sumar los MCB se utlzó la suma borrosa de los valores absolutos de los pesos proporcoados por los especalstas, esto debdo a que la operacó de suma borrosa elma los efectos egatvos. E la fgura 2 y 3 se preseta el MCB de la crss facera y la matrz de pesos, respectvamete. Fgura 2. Dagrama del MCB de la crss facera mexcaa de 994.

8 45 Número NÚMERO 4, 39, (38-46), SEPTIEMBRE-DICIEMBRE Mayo-Agosto C C 2 C 3 C 4 C 5 C 6 C 7 C 8 C 9 C 0 C C 2 C 3 C 4 C 5 C 6 C 7 C ,8-0,9 0-0, C , C ,7-0,9-0, C , C , C C6 C C 8 E= C C C , C , C , C C5 C C C 8 Fgura 3. Matrz del MCB de la crss facera mexcaa de 994. Para observar el comportameto del MCB actvaremos el mecasmo computacoal de la matrz de relacoes causales a través del vector de etrada, deomado lsta de atecedetes. Las pregutas que el sstema ateror está preparado a cotestar so, el mpacto de la sobrevaluacó, la etrada masva de captales volátles, aspectos polítcos egatvos e el país y bajo crecmeto. Para o extederos mucho pregutaremos qué pasa s se sobrevalua el tpo de cambo el sstema evolucoa de la sguete forma: C ( 0) C ( 0 ) oe C ( ) oe C ( 2 ) oe C ( 3 ) oe ( C ( 4 ) oe) T E t=0, se sobrevalua el tpo de cambo, que hace que e t= aumete el resgo país, dsmuya la cofaza y baje la credbldad e los drgetes del país. Lo ateror, agrava la stuacó e t=2 ocasoado crss y ua gra descofaza. Posterormete e t=3 aparece sucesos polítcos egatvos y se descetva el cosumo, la versó y el gasto de gobero, aumetado la establdad del gobero. Más tarde e t=4 se perde reservas teracoales y cae el crecmeto ecoómco. El proceso se repte ua y otra vez. Auque las hpótess fuera dferetes, las cosecuecas fuero parecdas, ya que la crss e Méxco fue ua crss caracterzada por la descofaza de los versostas e el país, e los drgetes uevos y por establdad polítca caracterzada por sucesos polítcos adversos como los asesatos polítcos y el levatameto del ejércto zapatsta. Todo esto llevó a Méxco a ua profuda recesó e todos los sectores de la ecoomía. Podemos decr que el sstema propuesto muestra establdad ya que coverge a u equlbro putual fjo, esto es, q=. El MCB que se dseñó es secllo ya que el represetar la ecoomía de u país, s olvdar gua varable, es extremadamete dfícl y se llevaría gra catdad de tempo y costos humaos para cosegurlo. Pero es mportate mecoar que este trabajo muestra ua ueva vía de vestgacó e el campo ecoómco. DISCUSIÓN La pscología os heredó el uso de los MC como ua ueva forma de razoameto, los matemátcos utlzaro los modelos aterores y platearo sstemas dámcos, surgedo así los MCB. Es labor de los vestgadores de otros campos el cambo de paradgma para comprobar la fabldad de estas uevas formas de razoameto e dsttos campos de coocmeto. La prcpal aportacó del trabajo Observacoes mportates So ecesaras ferecas de cuarto orde para obteer u puto fjo de q=. Tabla 6. Dámca del MCB de la crss facera e Méxco ate ua sobrevaluacó del peso. estrba e la base teórca de formacó que proporcoa, e cuato a los orígees, fucoameto y aplcabldad a dversas áreas de estudo. Otra aportacó se cetró e la búsqueda de uevas formas para mplemetar los MCB al cotexto ecoómco. Es mportate mecoar que como metodología altera se puede aplcar el aálss de regresoes para estmar las relacoes etre la crss y las varables que afecta a ésta, auque o se cosdera el tempo, otra vía sería el uso de ecuacoes estructurales, área e dode o se ha cursoado y que podría ser ua líea de vestgacó futura. CONCLUSIONES S aalzamos cada ua de las hpótess e forma aslada coclumos que de las cco hpótess desarrolladas, la hpótess (tpo de cambo real estaba sobrevaluado), la hpótess 2 (crss de

9 46 Número 4, (38-46), Mayo-Agosto 2008 Cueta de Captal) y la hpótess 4 (caída del PIB) explca la crss ya que la evolucó del sstema actva el cocepto de crss. Lo ateror, hace setdo de acuerdo a la defcó propuesta Jadresc et al. (2007) e dode las crss so ocasoadas por desajustes e la cueta de captales y se tesfca malas de polítcas macroecoómcas y estructurales de emergeca y de correccó sstémca. Los resultados obtedos correspode a la presetacó de u método que ayuda a relacoar varables cualtatvas y cuattatvas; lo cual podría aplcarse o solamete al campo ecoómco como aquí lo hcmos, so a cualquer campo de vestgacó. La aplcacó de los MCB para estudar la crss facera de Méxco de 994 es ua de varas aplcacoes que realzaremos e esta vía. Aquí se propoe u cojuto de varables y relacoes obtedas a través de artículos ecoómcos de la época. Al sumar las hpótess se observa que la sobrevaluacó excesva cosgue aumetar el resgo país, dsmuye la cofaza y baja la credbldad de los drgetes co lo que dsmuye las reservas teracoales provocado la crss facera. Todo esto, e u modelo e dode o fluye polítcas de ajuste hace que la ecoomía evolucoe a u puto de crss ecoómca. Auque ayuda a detfcar las relacoes etre las varables y los efectos. No hay que olvdar que se proporcoa ua propuesta sobre u MCB que muestra, ua evolucó smple pero certa y que se asemeja a la realdad. Este MCB puede ser el co de otros MCB más sofstcados. Como líeas de vestgacó se propoe agrupar los mapas aterores y smular ua realdad más compleja de la crss de 994. Otras líeas sería la estmacó de posbles crss a través del cambo de pesos. B I B L I O G R A F Í A AXELROD, R. Structure of decso: The Cogtve Maps of Poltcal Eltes. Prceto: Uversty Press, 976. BARRO, R. Gettg Rght: Markets ad Choces a Free Socety. The E.E.U.U: MIT Press, págs , 996. BOJADZIEV G. y BOJADZIEV M. Fuzzy Logc for Busess Face, ad Maagemet. USA: World Scetfc Publshg, CALVO, G. y MENDOZA, E. Petty Crme ad Cruel Pushmet: Lessos from the Mexca Debate. The Amerca Ecoomc Revew: Papers ad Proceedgs. Págs , 996. CARTWRIGTH D. C. y HARARY, F. Structural Balace: A Geeralzato of Heder s Theory. Psychologcal Revew. Vol 63, págs , 956. DESAI, P. Facal Crses, Cotago ad Cotamet: From Asa to Argeta, Prceto; Prceto Uversty Press; EICHENGREEN, B. Facal Crses ad What to Do about Them, New York: Oxford Uversty Press, HILERA J.R. y MARTÍNEZ V.J. Redes Neuroales Artfcales: Fudametos, Modelos y Aplcacoes. España: Edtoral RAMA, 995. JADRESIC, ESTEBAN, SCHMIDT-HEBBEL, KLAUS y VALDES, RODRIGO. Crss faceras teracoales, prestamsta de últma staca y ueva arqutectura facera teracoal. Cuad. Eco, vol.40, o.20, págs , KOSKO, B. Fuzzy Cogtve Maps, Iteratoal Joural of Ma-Mache. Vol 24, úm., págs , 986. KOSKO, B. Neural Networks ad Fuzzy Systems: A Damcal Sstems Approach to Mache Itellgece. EE.UU: Pretce Hall, 992. KOSKO, B. Fuzzy Egerg. EE. UU: Pretce Hall, 997. KREGEL, J. East Asa s Not Mexco: The Dfferece betwee Balace of Paymets Crses ad Debt Deflatos, Workg Paper, úm. 235, The Levy Ecoomcs Isttute, 998. KRUGMAN, P. For Iteratoalsm. Challegg Covetoal Wsdom. E.E.U.U: The MIT Press, págs , 996. MARCHANT, T. Cogtve Maps ad Fuzzy mplcatos. Europea Joural of Operatoal Research. Volume 4, págs , 999. PALMA, G. Three ad a Half Cycles of Maa, Pac ad [Asymmetrc] Crash : East Asa ad Lat Amerca Compared, Cambrdge Joural of Ecoomcs, vol. 22, úm. 6, págs , 998. PALMA, G. The Three Routes to Facal Crses: The Need for Captal Cotrols, CEPA Workg Papers, úm. 8, ovember, New School for Socal Research, New York (also H.-J. Chag, ed., Rethkg Developmet Ecoomcs, Lodo, Athem Press, 2003), PÉREZ VEYNA O., GARCÍA SALGADO O. y DÍAZ GUTIÉ- RREZ M. Modelacó por redes euroales artfcales de los cclos ecoómcos e Méxco. XII Cogreso Iteracoal de la Academa de Cecas Admstratvas A.C. (ACACIA). Tjuaa: ACACIA, TOLMAN, E.C. Cogtve Maps Rats ad Me. Psychologcal Revew, vol 55, págs , 948. VARELA, F. ad JACOBS, G. (eds.). Crss cambaras y faceras. Ua comparacó de dos crss, Madrd, Prámde, ZAUS, M. Crsp ad Soft Computg wth Hypercubcal Calculus. Alemaa: Physca-Verlag Hedelberg,999.

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

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

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

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

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal Programacó Matemátca y Software (2009) Vol.. No. ISSN: 2007-3283 Recbdo: 0 de Juo de 2008/Aceptado: 3 de Septembre de 2008 Publcado e líea: 26 de juo de 2009 Seleccó de ua Cartera de Iversó e la Bolsa

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores Modelo Matemátco Multobjetvo para la Seleccó de ua Cartera de Iversó e la Bolsa Mexcaa de Valores José Crspí Zavala-Díaz, Marco Atoo Cruz-Chavez, Jorge Ruz Vaoye 3, Martí H. Cruz-Rosales 4 Facultad de

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

Elaborado por: Ing. Rubén Toyama U. 1

Elaborado por: Ing. Rubén Toyama U. 1 CONTENIDO IDENTIFICACIÓN... 2 PLANIFICACIÓN DE LOS ENCUENTROS... 2 PROGRAMA ANALITICO... 3 ORIENTACIONES METODOLÓGICAS... 8. - Itroduccó.... 8..- Objetvos Geerales.... 9 2.- Desarrollo... 9 Prmer ecuetro...

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

Teoría de carteras de inversión para la diversificación del riesgo: enfoque clásico y uso de redes neuronales artificiales (RNA)

Teoría de carteras de inversión para la diversificación del riesgo: enfoque clásico y uso de redes neuronales artificiales (RNA) Teoría de carteras de versó para la dversfcacó del resgo: efoque clásco y uso de redes euroales artfcales (RNA) Ivestmet portfolo theory ad rsk dversfcato: classc ad eural etworks methodology D. Cot* y

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

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

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

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

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

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

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento-

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento- LC-3054 Sstemas de Poteca II Capítulo Sstemas Mult-Maquas -Plateameto- Prof. Fracsco M. Gozález-Logatt fglogatt@eee.org http://www.gaelec.org/fglogatt/sp.htm SISTMAS D POTNCIA II stabldad Mult-Maquas Fracsco

Más detalles

A2.1 SUMA PRESENTE A SUMA FUTURA

A2.1 SUMA PRESENTE A SUMA FUTURA A2. APÉNDICE MATEMÁTICAS FINANCIERAS E este apédce se preseta las fórmulas tradcoales para hallar las sumas equvaletes e el tempo y ua coleccó de fórmulas para equvaleca de tasas omales y efectvas. Para

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS PUNTES DOCENTES SIGNTUR: MTEMTICS FINNCIERS PROFESORES: MRIN JIMES CRLOS JVIER SRMIENTO LUIS JIME DEPRTMENTO DE CIENCIS BÁSICS VERSION: 2-20 QUÉ ES MTEMÁTICS FINNCIERS? Hace alguos años éste era u tema

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

( ) ( ) ( )( ) ( )( ) ( )

( ) ( ) ( )( ) ( )( ) ( ) Oetvos El alumo coocerá aplcará y comparará alguos métodos de terpolacó umérca de ucoes. Al al de esta práctca el alumo podrá:. Oteer ua ucó que cotega u couto dado de putos e u plao utlzado los métodos

Más detalles

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...

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

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

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones 2 CÁLCULO FINANCIERO Teoría, Ejerccos y Aplcacoes 3 Uversdad de Bueos Ares Facultad de Cecas Ecoómcas Autores: Jua Ramó Garca Hervás Actuaro (UBA) Master e Ecoomía y Admstracó (ESEADE). Docete de Posgrado

Más detalles

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA Nura Padlla Garrdo Departameto de Ecoomía Geeral y Estadístca Uversdad de Huelva padlla@uhu.es Flor María Guerrero

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

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

EVALUACIÓN ECONÓMICA.

EVALUACIÓN ECONÓMICA. EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

Soluciones Hoja de Ejercicios 2. Econometría I Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

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

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

Predicción del Cumplimiento de Pago de un Crédito para Microempresarios Agrícolas Utilizando. Penalized Support Vector Machines

Predicción del Cumplimiento de Pago de un Crédito para Microempresarios Agrícolas Utilizando. Penalized Support Vector Machines Resume Predccó del Cumplmeto de Pago de u Crédto para Mcroempresaros Agrícolas Utlzado Pealzed Support Vector Maches El Isttuto de Desarrollo Agropecuaro (INDAP) es el prcpal orgasmo del Estado de Chle

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

Paola Caymes-Scutari, Anna Morajko, Eduardo César, José G. Mesa, Genaro Costa, Tomàs Margalef, Joan Sorribes, Emilio Luque

Paola Caymes-Scutari, Anna Morajko, Eduardo César, José G. Mesa, Genaro Costa, Tomàs Margalef, Joan Sorribes, Emilio Luque Etoro de Desarrollo y Stozacó de Aplcacoes Master/Worker Paola Caymes-Scutar, Aa Morajko, Eduardo César, José G. Mesa, Gearo Costa, Tomàs Margalef, Joa Sorrbes, Emlo Luque Departameto de Arqutectura de

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

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

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

Universidad de Cantabria

Universidad de Cantabria Smulacó dámca Pedro Corcuera Dpto. Matemátca Aplcada Cecas de la Computacó Uversdad de Catabra corcuerp@uca.es Ídce Geeral Smulacó de cotrol PID Smulacó de cotrol de vel Ajuste de cotroladores PID Smulacó

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