Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES)

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

Download "Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES)"

Transcripción

1 Nombre y Apellidos:... NIU:... Grupo Reducido:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES) Lea cuidadosamene cada preguna. Marque muy claramene la respuesa de cada preguna en la hoja de respuesas. Observe que los valores numéricos decimales se denoan por un "puno" en lugar de una "coma". Cada preguna vale 2 punos. Las respuesas erróneas subsraen 1/4 de los punos de cada preguna. Las noas del examen aparecerán en aula global el mares 27 de Enero y las soluciones en la pagina web del coordinador, Jesús Gonzalo. El día (muy probablemene miercoles 28 de Enero) y la hora de la revisión será anunciado por cada profesor en Aula Global. Cualquier cambio se anunciará con la anelación posible por la misma vía. Tiempo límie: 90 minuos. Toal de punos: 60. (NO se puede sacar ese examen del aula, déjelo en su mesa) BUENA SUERTE

2 1. Sea Z una variable aleaoria con disribución uniforme U[0; 1] (recordad que E(z) = 1; V ar(z) = 2 1 ) y fx 12 g (0; 1); además fx g es independiene de Z: La asa de paro en Soria, y ; sigue el proceso y = z+x, = 1; ::; n: Sea y n su media muesral. Cuál de las siguienes a rmaciones es VERDADERA?: a) E(y n ) = 0 b) E(y n ) = 1 + z 2 c) No se puede calcular d) E(y n ) = 1 2 * Respuesa: d. 2. Siguiendo con la información de la preguna anerior cuál de las siguienes a rmaciones es VERDADERA?: a) V ar(y ) = 1:083 b) V ar(y ) = 1 c) V ar(y ) = 1 12 d) Ninguna de las oras respuesas * Respuesa: a. 3. Siguiendo con la información de la preguna anerior cuál de las siguienes a rmaciones es VERDADERA?: a) Cov(y ; y +h ) = 0 b) Cov(y ; y +h ) = 1 c) Cov(y ; y +h ) = h d) Cov(y ; y +h ) = 1 12 * Respuesa: d. 4. Siguiendo con la información de la preguna anerior cuál de las siguienes a rmaciones es VERDADERA?: a) La asa de paro en Soria no es un proceso esacionario débil: b) La asa de paro en Soria es un proceso esacionario débil: c) La asa de paro en Soria es un proceso esacionario débil solo si Cov(y ; y +h ) = 0 2

3 * Respuesa: b. 5. Siguiendo con la información de la preguna anerior y sabiendo que un proceso esocásico 1X es asinóicamene incorrelacionado si jcov(y ; y +h )j < 1; cuál de las siguienes a rmaciones es VERDADERA?: h= 1 a) La asa de paro en Soria es asinóicamene incorrelacionado: b) La asa de paro en Soria no es asinóicamene incorrelacionado: c) No hay información su ciene. * Respuesa: b. 6. Siguiendo con la información de la preguna anerior cuál de las siguienes a rmaciones es VERDADERA?: a) y n es un esimador consisene de E(x ): b) y n es un esimador consisene de E(y ): c) y n no es un esimador consisene de E(y ): * Respuesa: c. 7. La variable in ación en Soria, x ; sigue un proceso esacionario débil con E(x) = 0 y V ar(x) = 2: Cuál es la consane c: que minimiza E(x c) 2? a) 0 b) 1 c) 2 * Respuesa: a: 8. Ahora se descubre que dicha variable in ación soriana sigue el siguiene proceso esocásico x = x 1 + ; con (0; 1). En Enero del 2015 se sabe que la in ación en 2014 ha sido x 2014 = 0:5 Con la información que se iene hoy, cuál será la mejor predicción (en media cuadráica) de la in ación en el 2015, x 2015? 3

4 a) E(x ) = 0 b) 1 c) 0:5 * Respuesa: c. 9. Siguiendo con la información de la preguna anerior, cuál será la mejor predicción (en media cuadráica) de la in ación en el 2050, x 2050? a) E(x ) = 0: b) 1: c) 0:5: * Respuesa: c 10. Un esudio nuevo sobre la in ación soriana descubre que el mejor modelo es x = :9x 1 + ; con (0; 1). La in ación en 2014 ha sido x 2014 = 0:5 Cuál será la mejor predicción (en media cuadráica) de la in ación en el en el 2050, x 2050? a) Aproximadamene 0 b) Aproximadamene 0:5 c) 0:45 * Respuesa: a 11. El precio de las acciones de la empresa Torreznos de Soria en la bolsa de New York, y ; sigue el proceso y = x + z con x = x 1 + ; con (0; 1); z (0; 1) y ambas independienes una de ora. Cuál es el orden de inegración de y? a) 1 b) 0 c) No hay información su ciene. * Respuesa: a. 4

5 12. Los inversores del Burgo de Osma esán ineresados en los rendimienos de las acciones de la empresa Torreznos de Soria en la bolsa de New York, (1 L)y Qué modelo ARMA siguen esos rendimienos? a) AR(1). b) MA(1). c) Ruido Blanco: d) Paseo Aleaorio. * Respuesa: b. 13. A esos inversores del Burgo de Osma, les preocupa mucho la volailidad de esos rendimienos. Cuál es la V ar((1 L)y )?. a) 3 b) 1 c) 2 * Respuesa: a: 14. Algunos de esos inversores del Burgo de Osma que han esudiado en las mejores universidades del mundo, ienen dudas sobre el proceso que sigue el componene x ; de hecho creen que x = :8x 1 + : Cuál es el proceso que sigue la nueva variable h = y :8y 1? a) AR(1). b) MA(1). c) Ruido Blanco. d) ARMA(1,1): * Respuesa: b: 15. Si esos úlimos inversores aneriores uvieran razón y x = :8x 1 + Cuál es el proceso que seguiría el precio y? a) AR(1). b) MA(1). c) Ruido Blanco. d) ARMA(1,1): * Respuesa: d 5

6 16. En una de las habiaciones del hoel ermal del Burgo de Osma, se ha descubiero un manuscrio de la época de la Universidad Laboral de Sana Caalina (siglo XVI) levanada en el mismo lugar, donde se aprecia que ya eran conocedores de los modelos ARMA. En una de las páginas se menciona un proceso x = 1:2 + :6x 1 + z + 1:2z 1 con z (0; 1). y no se ve muy bien cual es la esperanza de x Cuál es la esperanza de x? a) 0 b) 1:2 c) 1 d) 3 * Respuesa: d 17. En aquella época no se sabia lo que era un modelo causal pero sí lo que era un modelo inverible Cuál de las siguienes a rmaciones es VERDADERA?: a) El modelo es causal e inverible. b) El modelo es causal pero no inverible. c) El modelo es inverible pero no causal. * Respuesa: b. 6

7 18. Sea x = + u :6u 1 ; u (0; 1). Tenemos una muesra de daos anuales, n=100 años, y se ha esimado la media muesral como x n = :16: Conrase la H 0 : = 0 versus la H A : 6= 0 al 95%. Cuál de las siguienes a rmaciones es verdadera? a) No rechazamos la nula. b) Rechazamos la nula: c) No enemos su ciene información para conrasar esa hipóesis. d) Ninguna de las oras respuesas. * Respuesa: b: 19. Siguiendo con la preguna anerior (la misma información), supongamos que ahora en Enero del 2015 se observa u 2014 = :06: Cuál es la mejor predicción (mínimo error cuadráico medio) hoy de x 2015? a) 0 b) :06 c) :124 d) :16 * Respuesa: c. 20. Siguiendo con la preguna anerior (la misma información), supongamos que ahora en Enero del 2015 quisiéramos predecir x 2016 : Cual es la mejor predicción (mínimo error cuadráico medio) de x 2016? a) 0 b) :06 c) :124 d) :16 * Respuesa: d. 7

8 Para las siguienes 5 pregunas considere el siguiene modelo: (1 0:4L 0:2L 2 )y = (1:54 + 3:24L)x + ;donde N(0; 2 ) y x es una variable exógena. 21. Es esable el modelo? a) 1 = 1:5220; 2 = 1:3125; el modelo es esable. b) 1 = 3:4495; 2 = 1:4495; el modelo es esable. c) 1 = 3:554; 2 = 1:5000; el modelo es esable. d) 1 = 2:1200; 2 = 1:5480; el modelo es esable. * Respuesa: b. 22. Calcula el muliplicador de impaco o muliplicador de coro plazo, m 0. a) m 0 = 0:0000: b) m 0 = 3:8560: c) m 0 = 1:5400: d) m 0 = 1:0000: * Respuesa: c. 23. Calcula el muliplicador oal, m T. a) m T = 11:9500: b) m T = 1:5400: c) m T = 1:0000: d) m T = 0:9900: * Respuesa: a. 24. Calcula el reardo mediano. a) q = 3: b) q = 0: c) q = 2: d) q = 4: 8

9 * Respuesa: c. 25. Los coe cienes del modelo ARDL se esiman por MCO. Señale cuál de las siguienes a rmaciones es VERDADERA. a) Regresando y sobre y 1 ; y 2 ; x y x 1 los esimadores son consisenes. b) Regresando y sobre y 1 ; x y x 1 los esimadores son consisenes. c) Regresando y sobre y 2 ; x y x 1 los esimadores son consisenes. d) Debido a que la variable endógena aparece reardada como un regresor, los esimadores no son consisenes. * Respuesa: a. Las siguienes 5 pregunas esán relacionadas con la siguiene noicia. En dos zonas (A y B) de SORIA se producen orreznos de muy ala calidad. Dos invesigadores consideran que el precio del orrezno en la zona A, P A, esá generado por el siguiene proceso esocásico: P A = P A 1 + e con e s (0; 100): Su eoría económica sobre los precios de bienes subsiuivos dice que el precio en la zona B, P B ; debe saisfacer la siguiene relación: P B = + P A + z, con z = z 1 + a donde a s (0; 50) e independiene de e. 26. Los dos precios esan coinegrados si: a) < 1 y = 1: b) = 0; pero > 0. c) 6= 0 y j j< 1. d) = = 1: * Respuesa: c. 27. El efeco del schock e sobre P A en el largo plazo, A +h ; es: a) 1: b) 1 +. c) =(1 ): d) Imposible saberlo con la información disponible. * Respuesa: a. 28. El efeco del schock e sobre P B en el largo plazo, lim B +h ; es:

10 a) : b) +. c) =(1 ): d) Imposible saberlo con la información disponible. * Respuesa: a. 29. Si = 1; enonces: a) Los dos precios esán coinegradas como indica la eoría económica. b) La regresión o correlación enre P A c) = 0: d) 6= 0: y P B es oalmene espúrea. * Respuesa: b. 30. El objeivo de los dos invesigadores de BurgOsma es esimar la pendiene ; pero uno de ellos iene la sospecha de que = 1: Si ése es el caso cuál es la mejor forma de esimar? a) Regresar P A b) Regresar P B sobre P B : sobre P A 1. c) Regresar (1-L)P B sobre (1-L)P A : d) Regresar P B sobre P A : * Respuesa: c. THE END 10

Nombre y Apellidos:... EXAMEN de TECNICAS ECONOMETRICAS (Enero 2013)

Nombre y Apellidos:... EXAMEN de TECNICAS ECONOMETRICAS (Enero 2013) Nombre y Apellidos:... NIU:... Grupo Reducido:... EXAMEN de TECNICAS ECONOMETRICAS (Enero 2013) Lea cuidadosamene cada preguna. Marque muy claramene la respuesa de cada preguna en la hoja de respuesas.

Más detalles

at Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2014)

at Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2014) at Nombre y Apellidos:... NIU:... Grupo Reducido:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2014) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas.

Más detalles

Nombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)

Nombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010) Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Enero 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe que los

Más detalles

Nombre y Apellidos:... EXAMEN ECONOMETRÍA II (Septiembre 2010)

Nombre y Apellidos:... EXAMEN ECONOMETRÍA II (Septiembre 2010) Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Septiembre 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe

Más detalles

ECONOMETRÍA II CURSO Segunda evaluación parcial. donde y son variables artificiales centradas relativas al trimestre i.

ECONOMETRÍA II CURSO Segunda evaluación parcial. donde y son variables artificiales centradas relativas al trimestre i. ECONOMETRÍA II CURSO 2008 Segunda evaluación parcial ) Suponga dos procesos diferenes para la variable rimesral donde y son variables arificiales cenradas relaivas al rimesre i. Responda si las siguienes

Más detalles

Ejercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez

Ejercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez Ejercicios de Economería para el ema 4 Curso 2005-06 Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez 1 1. Considérese el modelo siguiene: Y X + u * = α + β 0 Donde: Y* = gasos deseados

Más detalles

GUÍA DE EJERCICIOS 3 ECONOMETRÍA II., se quiere decidir sobre el número de raíces unitarias mediante un test Dickey-Fuller del tipo

GUÍA DE EJERCICIOS 3 ECONOMETRÍA II., se quiere decidir sobre el número de raíces unitarias mediante un test Dickey-Fuller del tipo GUÍA DE EJERCICIOS 3 ECONOMETRÍA II 1) Para una deerminada serie, y, se quiere decidir sobre el número de raíces uniarias mediane un es Dickey-Fuller del ipo y y 1 p i 2 y i i 1 Responda a las siguienes

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de 2013 12:00 horas Primer Apellido: Nombre: DNI: Teléfono: Segundo Apellido: Grupo y Grado: Profesor(a): e mail: Preguna 1 A B C

Más detalles

Tema 3. Especificación, estimación y validación de modelos ARIMA

Tema 3. Especificación, estimación y validación de modelos ARIMA Tema 3. Especificación, esimación y validación de modelos ARIMA. La Meodología Box-Jenkins. Especificación inicial.. Conrases de raíces uniarias.. Análisis de correlogramas y correlogramas parciales 3.

Más detalles

Sistemas lineales con ruido blanco

Sistemas lineales con ruido blanco Capíulo 3 Sisemas lineales con ruido blanco 3.1. Ruido Blanco En la prácica se encuenra procesos esocásicos escalares u con media cero y la propiedad de que w( 1 ) y w( 2 ) no esán correlacionados aún

Más detalles

Modelos Multivariantes Recursivos. Variables exógenas. Modelos Uniecuacionales

Modelos Multivariantes Recursivos. Variables exógenas. Modelos Uniecuacionales Modelos Mulivarianes Recursivos. Variables exógenas. Modelos Uniecuacionales Moivación (I) En los 3 primeros emas hemos viso la modelización ARIMA univariane. Los modelos ARIMA no son modelos economéricos

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 INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA Insrucor: Horacio Caalán TEORÍA DE COINTEGRACIÓN Efecos de las propiedades esocásicas de las series en un modelo de regresión

Más detalles

Modelo 2 OPCIÓN A. A y B AB se puede realizar porqueel n decolumnas de Aesigual al n de filas de B AB. t t t

Modelo 2 OPCIÓN A. A y B AB se puede realizar porqueel n decolumnas de Aesigual al n de filas de B AB. t t t Insrucciones: a) Duración: 1 hora y 3 minuos. b) Elija una de las dos opciones propuesas y conese los ejercicios de la opción elegida. c) En cada ejercicio, pare o aparado se indica la punuación máxima

Más detalles

Estadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 3

Estadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 3 Esadísica Indusrial Universidad Carlos III de Madrid Series emporales Prácica 3 Objeivos: Coninuar con la idenificación de procesos auoregresivos (AR) y de media móvil (MA), mediane la función de auocorrelación

Más detalles

Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 2. Soluciones sugeridas PARTE A

Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 2. Soluciones sugeridas PARTE A Economería II LADE/LADE-Derecho Economería II LADE/LADE-Derecho Curso 004/005 Hoja de ejercicios Soluciones sugeridas PARTE A Respuesas correcas en negria, cursiva y con A.. Dado los dos siguienes procesos:

Más detalles

UNIDAD III: VECTORES AUTOREGRESIVOS (MODELOS VAR) DR. ROGER ALEJANDRO BANEGAS RIVERO, PH.D.

UNIDAD III: VECTORES AUTOREGRESIVOS (MODELOS VAR) DR. ROGER ALEJANDRO BANEGAS RIVERO, PH.D. UNIDAD III: VECTORES AUTOREGRESIVOS (MODELOS VAR) DR. ROGER ALEJANDRO BANEGAS RIVERO, PH.D. Inroducor Economerics for Finance Chris Brooks 008 Modelos de Vecores Auoregresivos (VAR) Modelos auoregresivos

Más detalles

Departamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12. ECONOMETRÍA I Hoja de problemas del Tema 3

Departamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12. ECONOMETRÍA I Hoja de problemas del Tema 3 Deparameno de Fundamenos del Análisis Económico. Universidad de Alicane. Curso 011/1 ECONOMETRÍA I Hoja de problemas del Tema 3 Noa: En odos los conrases ome como nivel de signi cación el 5%. 1.- Para

Más detalles

Análisis estocástico de series temporales

Análisis estocástico de series temporales Análisis esocásico de series emporales Ernes Pons (epons@ub.edu) Análisis esocásico de Series Temporales Moivación Ejemplos 4500000 8 4000000 6 3500000 4 3000000 2 0 2500000-2 2000000-4 500000-6 000000-8

Más detalles

Métodos de Diseño y Análisis de Experimentos

Métodos de Diseño y Análisis de Experimentos 1 / 51 Méodos de Diseño y Análisis de Experimenos Paricia Isabel Romero Mares Deparameno de Probabilidad y Esadísica IIMAS UNAM febrero 2018 Diseño compleamene al azar 1 2 / 51 3 / 51 Ejemplo Suponga que

Más detalles

Modelo de Vector de Corrección de Error (VEC) y Modelo de Vector Autorregresivo (VAR)

Modelo de Vector de Corrección de Error (VEC) y Modelo de Vector Autorregresivo (VAR) Modelo de Vecor de Corrección de Error (VEC) Modelo de Vecor Auorregresivo (VAR) Hemos esudiado las propiedades de los daos de series de iempo las relaciones de coinegración enre pares de series no esacionarias.

Más detalles

PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce

PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce Economería I. DADE Noas de Clase PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce (rafael.dearce@uam.es) INTRODUCCIÓN Una vez lograda una expresión maricial para la esimación de los parámeros

Más detalles

1. Desarrollo Preguntas. Universidad Simón Bolívar Departamento de Matemáticas Puras y Aplicadas

1. Desarrollo Preguntas. Universidad Simón Bolívar Departamento de Matemáticas Puras y Aplicadas Universidad Simón Bolívar Deparameno de Maemáicas Puras y Aplicadas Maemáicas IV (MA-5 Sepiembre-Diciembre 8 4 ra Auoevaluación Maerial Cubiero: La presene auoevaluación versa sobre el maerial cubiero

Más detalles

Como podrás observar, los valores de la última columna no son iguales a qué se debe esto, si para una función lineal sí resultaron iguales?

Como podrás observar, los valores de la última columna no son iguales a qué se debe esto, si para una función lineal sí resultaron iguales? Razón de cambio de una función cuadráica Ejemplo.5 Un puno se desplaza en el plano describiendo el lugar geomérico correspondiene a la función f ( x x 6x 3. Obén la razón promedio de cambio. Considera

Más detalles

RELACIÓN ENTRE LA RAZÓN DE CAMBIO INSTANTÁNEA Y LA DERIVADA DE UNA FUNCIÓN. Razón de cambio instantánea y la derivada de una función

RELACIÓN ENTRE LA RAZÓN DE CAMBIO INSTANTÁNEA Y LA DERIVADA DE UNA FUNCIÓN. Razón de cambio instantánea y la derivada de una función RELACIÓN ENTRE LA RAZÓN DE CAMBIO INSTANTÁNEA Y LA DERIVADA DE UNA FUNCIÓN Razón de cambio insanánea y la derivada de una función anerior Reomemos nuevamene el problema del proyecil esudiado en la secuencia

Más detalles

Licenciatura de ADE y Licenciatura conjunta Derecho y ADE. Hoja de ejercicios 3

Licenciatura de ADE y Licenciatura conjunta Derecho y ADE. Hoja de ejercicios 3 Licenciaura de ADE y Licenciaura conjuna Derecho y ADE Hoja de ejercicios 3 Ejercicio 1 El análisis de series emporales puede aplicarse a la resolución de muliud de problemas económicos. Uno de los que

Más detalles

Estimación puntual ± Margen de error

Estimación puntual ± Margen de error Esimación Punual Para esimar el valor de un parámero poblacional se calcula la caracerísica correspondiene de la muesra, a lo que se le conoce como esadísico muesral. A la media muesral x se le idenifica

Más detalles

Econometría Examen Parcial #1 Cali, Sábado 27 de Febrero de 2010

Econometría Examen Parcial #1 Cali, Sábado 27 de Febrero de 2010 Economería 0616 Examen Parcial #1 Cali, Sábado 7 de Febrero de 010 Profesores: Julio César Alonso C. Carlos Giovanni González Ana Isabel Gallego L. Esudiane: Código: Insrucciones: 1. Lea cuidadosamene

Más detalles

R 2 = 0,9945 R 2 = 0,9937

R 2 = 0,9945 R 2 = 0,9937 II EXÁMENES DE ECONOMETRÍA 1 Se han esimado con una muesra de 39 observaciones las siguienes funciones de producción por el méodo de MCO: ˆ 1,3,3,55 O ˆ = α L K e R =,9945 ˆ ˆ 1,41,47 O = β L K R =,9937

Más detalles

Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2011, Convocatoria extraordinaria)

Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2011, Convocatoria extraordinaria) Nombre y Apellidos:... ID:... Grupo:... Ha realizado evaluación continua?... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2011, Convocatoria extraordinaria) Lea cuidadosamente cada pregunta. Responda muy claramente

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Análisis Esadísico de Daos Climáicos SERIES TEMPORALES I Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Monevideo, Uruguay 2011 CONTENIDO Esudio de las series emporales en Climaología.

Más detalles

Notas sobre Análisis de Series de Tiempo: Estacionariedad, Integración y Cointegración

Notas sobre Análisis de Series de Tiempo: Estacionariedad, Integración y Cointegración Noes on Time Series Analysis:\Saionariy, Inegraion and Coinegraion hp://www.personal.rdg.ac.uk/~lessda/lecure3.hm Noas sobre Análisis de Series de Tiempo: Esacionariedad, Inegración y Coinegración Generalidades

Más detalles

ECONOMETRÍA EMPRESARIAL II ADE

ECONOMETRÍA EMPRESARIAL II ADE 4 Bernardí Cabrer Economería Empresarial II Tema 8 ECONOMETRÍA EMPRESARIAL II ADE TEMA 8 MODELOS LINEALES SIN ESTACIONALIDAD I ( Modelos regulares 4 Bernardí Cabrer Economería Empresarial II Tema 8 8.

Más detalles

PRÁCTICA 2: Ejercicios del capítulo 4

PRÁCTICA 2: Ejercicios del capítulo 4 PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para

Más detalles

Capítulo 20. REGRESORES ESTOCASTICOS

Capítulo 20. REGRESORES ESTOCASTICOS Capíulo 20. REGRESORES ESTOCASTICOS 20.. INTRODUCCIÓN... 860 CONSECUENCIAS SOBRE LA ESTIMACIÓN MCO... 862 DISTRIBUCIÓN CONDICIONADA... 866 CASO A. VARIABLE EXPLICATIVA ENDÓGENA CON RETARDO... 868 CASO

Más detalles

ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES

ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES EMPRESARIALES Lección 3: Heeroscedasicidad. S jm1 Diaposiiva 1 jm1 Se agradece la conribución de los profesores Arranz, Suárez y Zamora, cuyos maeriales de

Más detalles

Nombre y Apellidos:... SOLUCIÓN EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2012, Convocatoria extraordinaria)

Nombre y Apellidos:... SOLUCIÓN EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2012, Convocatoria extraordinaria) Nombre y Apellidos:... ID:... Grupo:... Ha realizado evaluación continua?... SOLUCIÓN EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2012, Convocatoria extraordinaria) Lea cuidadosamente cada pregunta. Responda

Más detalles

SOLUCIONES EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2013, Convocatoria extraordinaria)

SOLUCIONES EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2013, Convocatoria extraordinaria) Nombre y Apellidos:... ID:... Grupo:... Ha realizado evaluación continua?... SOLUCIONES EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2013, Convocatoria extraordinaria) Lea cuidadosamente cada pregunta. Responda

Más detalles

11. PREVISIÓN DE LA DEMANDA

11. PREVISIÓN DE LA DEMANDA . PREVIIÓN E LA EMANA. INROUCCIÓN Anes de comenzar a desarrollar las cuenas previsionales de exploación, la empresa iene que realizar una esimación del volumen de venas que generará la acividad diaria

Más detalles

4. SERIES TEMPORALES Y

4. SERIES TEMPORALES Y 4. SERIES TEMPORALES Y NÚMEROS ÍNDICE Objeivo Esudiar la evolución de una variable en el iempo. Bibliografia recomendada Peña y Romo (1997). Capíulos 11 y 12. Índice 1. Represenación gráfica de una serie

Más detalles

TODO ECONOMETRÍA. Autocorrelación

TODO ECONOMETRÍA. Autocorrelación TODO ECONOMETRÍA Auocorrelación Índice Definición Causas Consecuencias Deección Medidas correcivas Definición de la auocorrelación Definición de auocorrelación La perurbación de una observación cualquiera

Más detalles

D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero

D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESOS ESTOCÁSTICOS Un proceso esocásico «Z» considera «n» variables aleaorias, Z n, en momenos de iempo sucesivos, cada una de esas «n» variables

Más detalles

CAPÍTULO 10 AUTOCORRELACIÓN. Fichero: capitulo 10.doc 1. INTRODUCCION. CAUSAS DE LA AUTOCORRELACION ENTRE LOS ERRORES.

CAPÍTULO 10 AUTOCORRELACIÓN. Fichero: capitulo 10.doc 1. INTRODUCCION. CAUSAS DE LA AUTOCORRELACION ENTRE LOS ERRORES. CAPÍLO 0 AOCORRELACIÓN. Fichero: capiulo 0.doc. INRODCCION. CASAS DE LA AOCORRELACION ENRE LOS ERRORES. Como la heerocedasicidad, la auocorrelación es un caso de perurbaciones no esféricas pero a diferencia

Más detalles

Sesión 2 Análisis univariado de series de tiempo

Sesión 2 Análisis univariado de series de tiempo Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión Análisis univariado de series de iempo 4. Series de iempo esacionarias 4.. Qué enendemos por proceso

Más detalles

D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero

D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESO PURAMENTE ALEATORIO (RB) Es el proceso esacionario puramene aleaorio es concepualmene el más sencillo de odos y ambién en el que se basan

Más detalles

Examen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:

Examen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES

Más detalles

Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 1. Soluciones sugeridas PARTE A

Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 1. Soluciones sugeridas PARTE A Economería II LADE/LADE-Derecho Curso 004/005 Hoja de ejercicios 1 Soluciones sugeridas PARTE A Respuesas correcas en negria, cursiva y con A.1. Se ha modelizado la variable v de dos modos diferenes: (1)

Más detalles

Examen de Econometría II 12 de Enero de 2010

Examen de Econometría II 12 de Enero de 2010 Examen de Economería II 12 de Enero de 2010 ---------------------------------------------------------------------------------------- Apellidos y Nombres: Grupo: ----------------------------------------------------------------------------------------

Más detalles

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica TERCER EXAMEN PARCIAL CÁLCULO. Miércoles 3 de setiembre de 2014

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica TERCER EXAMEN PARCIAL CÁLCULO. Miércoles 3 de setiembre de 2014 Universidad de Cosa Rica Insiuo Tecnológico de Cosa Rica TERCER EXAMEN PARCIAL CÁLCULO Miércoles 3 de seiembre de 4 INSTRUCCIONES Lea cuidadosamene, cada insrucción y preguna, anes de conesar. Uilice únicamene

Más detalles

M O D E L O S D E I N V E N T A R I O

M O D E L O S D E I N V E N T A R I O nvesigación Operaiva Faculad de iencias Exacas - UNPBA M O E L O E N V E N T A O El objeivo de la eoría de modelos de invenario es deerminar las reglas que pueden uilizar los encargados de gesión para

Más detalles

Sesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media

Sesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión 2 Análisis univariado de series de iempo 5. Series de iempo no esacionarias en media La maoría

Más detalles

Unidad 1 Matrices PÁGINA 7 SOLUCIONES. 1. La resolución de los sistemas puede expresarse de la forma siguiente:

Unidad 1 Matrices PÁGINA 7 SOLUCIONES. 1. La resolución de los sistemas puede expresarse de la forma siguiente: Unidad 1 Marices PÁGINA 7 SOLUCIONES 1. La resolución de los sisemas puede expresarse de la forma siguiene: La segunda mariz proporciona la solución x = 5,y = 6. La úlima mariz proporciona la solución

Más detalles

LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR)

LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR) LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR) ESPECIFICACION La meodología VAR es, en ciera forma, una respuesa a la imposición de resricciones a priori que caraceriza a los modelos economéricos keynesianos:

Más detalles

TEMA VI: EL MODELO DE REGRESIÓN LIENAL SIMPLE

TEMA VI: EL MODELO DE REGRESIÓN LIENAL SIMPLE El modelo de regresión lineal simple EMA VI: EL MODELO DE REGREIÓN LIENAL IMPLE VI..- Inroducción. VI..- El modelo de regresión lineal simple. Propiedades. VI.3.- Obención de los esimadores por mínimos

Más detalles

Teoría de la Comunicación

Teoría de la Comunicación eoría de la Comunicación 48 Ejercicios Ejercicio 4 Para el conjuno de símbolos de la Figura 495 a) plique el procedimieno de GramSchmid para obener una base oronormal que permia la represenación vecorial

Más detalles

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A 0 1 0 0 1 1 Sean las marices C = 1 0 1 y D = 1 0 1. 0 1 0 1 1 0 a) (1.5 punos) Resuelva la ecuación maricial 2 X C D = ( I 3 + D) C. b) (1 puno) Si las marices C y D son las marices de adyacencia

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

COBERTURA DE CARTERAS ÍNDICE DE RENTA VARIABLE CON FUTUROS SOBRE EL IBEX 35

COBERTURA DE CARTERAS ÍNDICE DE RENTA VARIABLE CON FUTUROS SOBRE EL IBEX 35 UNIVERSIDAD COMPLUTENSE DE MADRID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES Deparameno de Economía Financiera y Conabilidad III (Economía y Adminisración Financiera de la Empresa) COBERTURA DE CARTERAS

Más detalles

5. Modelos dinámicos

5. Modelos dinámicos 5. Modelos dinámicos Los modelos lineales dinámicos son un caso paricular de una clase más grande de modelos dinámicos. En general los modelos dinámicos se caracerizan por ener una dinámica en los parámeros

Más detalles

Regresión con datos de series de tiempo: Variables no estacionarias

Regresión con datos de series de tiempo: Variables no estacionarias Regresión con daos de series de iempo: Variables no esacionarias En esas noas se desarrollan los aspecos eóricos y prácicos del capíulo 1 de los libros de exo de R. Carer Hill, William E. Griffihs y Guay

Más detalles

MODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS CON REDES NEURONALES BACKPROPAGATION DEPENDIENTE DEL TIEMPO

MODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS CON REDES NEURONALES BACKPROPAGATION DEPENDIENTE DEL TIEMPO MODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS CON REDES NEURONALES BACKPROPAGATION DEPENDIENTE DEL TIEMPO Por: Dr. Jairo Peruz Campo. Físico, Con Esudios De Maesría En Física. Insrucor, Asesor

Más detalles

Luis H. Villalpando Venegas,

Luis H. Villalpando Venegas, 2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con

Más detalles

Modelos de Heteroscedasticidad Condicional

Modelos de Heteroscedasticidad Condicional Modelos de Heeroscedasicidad Condicional El objeivo de ese ema es esudiar algunos méodos esadísicos y modelos economéricos disponibles en la lieraura para modelizar la volailidad del rendimieno de un acivo.

Más detalles

El modelo AK de crecimiento económico

El modelo AK de crecimiento económico El modelo AK de crecimieno económico Moivación I Para generar crecimieno sosenido debemos abandonar alguno de los supuesos del modelo neoclásico: 1. Función de producción neoclásica: I I I Rendimienos

Más detalles

MODELO JUNIO 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

MODELO JUNIO 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II Modelo de eamen Junio MODELO JUNIO MTEMÁTICS PLICDS LS CIENCIS SOCILES II OPCIÓN. (Punuación máima: punos) Se dice que una mari cuadrada es orogonal si T I: Noa: La noación T significa mari ranspuesa de.

Más detalles

PROCESOS NO ESTACIONARIOS: TEST DE RAICES UNITARIAS Y COINTEGRACION

PROCESOS NO ESTACIONARIOS: TEST DE RAICES UNITARIAS Y COINTEGRACION Apunes de eoría Economérica I. Profesor: Viviana Fernández PROCESOS NO ESACIONARIOS: ES DE RAICES UNIARIAS Y COINEGRACION I INRODUCCION Una serie emporal que presena una endencia deerminísica puede ser

Más detalles

PROBLEMA 3. a) Determina el valor de a para que la siguiente función sea continua en x = 1:

PROBLEMA 3. a) Determina el valor de a para que la siguiente función sea continua en x = 1: EXAMEN COMPLETO Baremo: Se elegirá el o el EJERCICIO B, del que SOLO se harán TRES de los cuaro problemas. LOS TRES PROBLEMAS PUNTÚAN POR IGUAL. Cada esudiane podrá disponer de una calculadora cienífica

Más detalles

CARLOS FORNER RODRÍGUEZ Departamento de Economía Financiera y Contabilidad, UNIVERSIDAD DE ALICANTE

CARLOS FORNER RODRÍGUEZ Departamento de Economía Financiera y Contabilidad, UNIVERSIDAD DE ALICANTE TEMA 7: Opciones V: Modelos de CARLOS FORNER RODRÍGUEZ Deparameno de Economía Financiera y Conabilidad, UNIVERSIDAD DE ALICANTE En emas aneriores hemos esudiado qué variables afecan a la prima que el comprador

Más detalles

Ondas y Rotaciones. Principios fundamentales II

Ondas y Rotaciones. Principios fundamentales II Ondas y Roaciones rincipios fundamenales II Jaime Feliciano Hernández Universidad Auónoma Meropoliana - Izapalapa México, D. F. 5 de agoso de 0 INTRODUCCIÓN. Generalmene el esudio del movimieno se realiza

Más detalles

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A Sean las marices 1 A =, 0 3 OPCIÓN A 1 1 1 4 0 B = 0 y = 1 1 3 1 C a) (17 punos) Resuelva la ecuación maricial C B X A X = A b) (08 punos) Analice cuáles de las siguienes operaciones, sin efecuarlas, se

Más detalles

h + para cualquier m 1, 5.2. Modelo E-GARCH Introducción

h + para cualquier m 1, 5.2. Modelo E-GARCH Introducción 5.2. Modelo E-GARCH Inroducción Los modelos GARCH exponenciales nacen a parir de la publicación de Daniel Nelson (99) sobre heerocedasicidad condicional en los modelos de renabilidad de acivos. Dicho auor

Más detalles

PRUEBA DE ACCESO (LOGSE) UNIVERSIDAD DE BALEARES JUNIO 2011 (GENERAL) (RESUELTOS por Antonio Menguiano) Tiempo máximo: 1 horas y 30 minutos

PRUEBA DE ACCESO (LOGSE) UNIVERSIDAD DE BALEARES JUNIO 2011 (GENERAL) (RESUELTOS por Antonio Menguiano) Tiempo máximo: 1 horas y 30 minutos IES CSTELR BDJOZ PRUEB DE CCESO (LOGSE) UNIVERSIDD DE BLERES JUNIO (GENERL) (RESUELTOS por nonio Menguiano) MTEMÁTICS II Tiempo máimo: horas y minuos Conese de manera clara y razonada una de las dos opciones

Más detalles

EL MODELO P* COMO INDICADOR DE PRONÓSTICO DE LA INFLACIÓN EN REPÚBLICA DOMINICANA

EL MODELO P* COMO INDICADOR DE PRONÓSTICO DE LA INFLACIÓN EN REPÚBLICA DOMINICANA EL MODELO P* COMO INDICADOR DE PRONÓSTICO DE LA INFLACIÓN EN REPÚBLICA DOMINICANA Alexander Medina Banco Cenral de la República Dominicana Mayo 2007 Conenido Objeivo del Esudio Enorno Económico de República

Más detalles

Econometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid.

Econometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid. Economería II Análisis de series emporales (I): Procesos esacionarios Miguel Jerez y Sonia Sooca Universidad Compluense de Madrid Febrero 2004 Ver. /6/2003, Pag. # Índice: Inroducción Concepos básicos

Más detalles

Curso 2006/07. Tema 1: Procesos Estocásticos. Caracterización de los procesos ARIMA. stico

Curso 2006/07. Tema 1: Procesos Estocásticos. Caracterización de los procesos ARIMA. stico Curso 6/7 Economería II Tema : Procesos Esocásicos. Caracerización de los procesos ARIMA. Concepo de proceso esocásico sico. Esacionariedad fuere y débil de los procesos esocásicos. Teoremas de ergodicidad

Más detalles

TUTORIAL PARA LA ESTIMACIÒN DE UN MODELO CON VARIABLES DUMMY EN EasyReg. Julio César Alonso C.

TUTORIAL PARA LA ESTIMACIÒN DE UN MODELO CON VARIABLES DUMMY EN EasyReg. Julio César Alonso C. TUTORIAL PARA LA ESTIMACIÒN DE UN MODELO CON VARIABLES DUMMY EN EasyReg Julio César Alonso C. No. 14 Marzo 2008 Apunes de Economía No. 14 APUNTES DE ECONOMÍA ISSN 1794-029X No. 14, Marzo de 2008 Edior

Más detalles

Determinación de las garantías para el contrato de futuros de soja en pesos. Value at Risk

Determinación de las garantías para el contrato de futuros de soja en pesos. Value at Risk Deerminación de las garanías para el conrao de fuuros de soja en pesos. Value a Risk Gabriela acciano inancial Risk Manager gfacciano@bcr.com.ar Direcora Deparameno de Capaciación y Desarrollo de Mercados

Más detalles

Especificación y Estimación de los MODELOS ARCH. Horacio Catalán Alonso

Especificación y Estimación de los MODELOS ARCH. Horacio Catalán Alonso Especificación y Esimación de los MODELOS ARCH Horacio Caalán Alonso Noviembre de 0 Caracerísicas de las series financieras:. Son lepokuricas (achaadas y con colas más gordas).las relaciones enre ganancia

Más detalles

Por lo tanto el polinomio de Newton basado en diferencias divididas será:

Por lo tanto el polinomio de Newton basado en diferencias divididas será: Universidad Nacional de Ingeniería 7--6 Faculad de Ingeniería Mecánica P.A. 5- Área de Ciencias Básicas y Humanidades SE PERMITE UNA HOJA DE FORMULARIO. Problema ARIO - EXAMEN FINAL DE CALCULO NUMERICO

Más detalles

Ponenecia No. 9. ARIMA, ARCH, GARCH Y REDES NEURONALES: MODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS

Ponenecia No. 9. ARIMA, ARCH, GARCH Y REDES NEURONALES: MODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS ARIMA, ARCH, GARCH Y REDES NEURONALES: MODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS Fredy Ocaris Pérez Ramírez * Jairo Peruz Campo ** RESUMEN Nuesro propósio es presenar una meodología complea

Más detalles

Modelización univariante

Modelización univariante Modelización univariane Miguel Jerez Universidad Compluense de Madrid Febrero 5 Slide # Índice Inroducción Procesos esocásicos elemenales Insrumenos de idenificación Idenificación y diagnosis Noación de

Más detalles

Hoja de Ejercicios de Econometría: Autocorrelación

Hoja de Ejercicios de Econometría: Autocorrelación Hoja de Ejercicios de Economería: Auocorrelación Ejercicio Un invesigador ha esimado por MCO un modelo de relación enre el consumo ( C ), su pasado y la rena ( R ): () C = β + βc + βr + ε obeniendo los

Más detalles

SOLUCIONES. Nombre y Apellidos:... ID:... Grupo:... EXAMEN ECONOMETRIA II (31 de Enero 2007)

SOLUCIONES. Nombre y Apellidos:... ID:... Grupo:... EXAMEN ECONOMETRIA II (31 de Enero 2007) Nombre y Apellidos:... ID:... Grupo:... EXAMEN ECONOMETRIA II (31 de Enero 2007) SOLUCIONES Lea cuidadosamente cada pregunta. Responda muy claramente dentro del espacio asignado. El valor de cada pregunta

Más detalles

PREVISIÓN DE LA DEMANDA

PREVISIÓN DE LA DEMANDA Capíulo 0. Méodos de Previsión de la OBJETIVOS. Los pronósicos y la planificación de la producción y los invenarios. 2. El proceso de elaboración de los pronósicos. Méodos de previsión de la demanda 4.

Más detalles

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA CLAVE V

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA CLAVE V UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA CLAVE-07-2-V--00-208 CURSO: Maemáica Inermedia CÓDIGO DEL CURSO: 07 SEMESTRE: Primer Semesre JORNADA: Vesperina

Más detalles

Tema 1: Regresión con variable dependiente continua

Tema 1: Regresión con variable dependiente continua Tema 1: Regresión con variable dependiene coninua Miguel Jerez Universidad Compluense de Madrid Sepiembre 2017 Slide # 1 Índice Inroducción El modelo de regresión Esimación Inferencia Esimación resringida

Más detalles

Complejidad de modelos: Sesgo y Varianza

Complejidad de modelos: Sesgo y Varianza Complejidad de modelos: Sesgo y Varianza 17 de abril de 2008 Noas de clase. Rolando Belrán A Las medidas de sesgo y varianza son úiles para los modeladores en ano que ayudan a regular la complejidad del

Más detalles

1. Derivadas de funciones de una variable. Recta tangente.

1. Derivadas de funciones de una variable. Recta tangente. 1. Derivadas de funciones de una variable. Reca angene. Derivadas Vamos a ver en ese capíulo la generalización del concepo de derivada de funciones reales de una variable a funciones vecoriales con varias

Más detalles

CAPÍTULO 3 METODOLOGÍA. En este capítulo se describe la obtención y el funcionamiento del modelo de

CAPÍTULO 3 METODOLOGÍA. En este capítulo se describe la obtención y el funcionamiento del modelo de CAPÍTULO 3 METODOLOGÍA En ese capíulo se describe la obención y el funcionamieno del modelo de Nelson y Siegel, el cual es fundamenal para obener las esrucuras emporales que servirán para comprender la

Más detalles

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales Esadísica Descripiva y Analisis de Daos con la Hoja de Cálculo Excel Series Temporales Serie emporal una serie emporal es una sucesión de observaciones de una variable realizadas a inervalos regulares

Más detalles

prepara TU SElECTIVIDAD

prepara TU SElECTIVIDAD prepara TU SElECTIVIDAD Se considera la función f ( ) = ( + a) e a siendo a un parámero real. a) Razone a qué es igual el dominio de f ( ). b) Deermine el valor de a para que la gráfica de f() pase por

Más detalles

y t = α 0 + α 1t + γ(l)ε (16.1)

y t = α 0 + α 1t + γ(l)ε (16.1) CAPITULO 6 MODELOS DE SERIES DE TIEMPO NO ESTACIONARIAS 6.. INTRODUCCIÓN El análisis esadísico radicional de series de iempo, presenado en capíulo anerior, supone la exisencia de la propiedad esadísica

Más detalles

Métodos de Diseño y Análisis de Experimentos

Métodos de Diseño y Análisis de Experimentos 1 / 101 Méodos de Diseño y Análisis de Experimenos Paricia Isabel Romero Mares Deparameno de Probabilidad y Esadísica IIMAS UNAM febrero 2013 Diseño compleamene al azar 2 / 101 3 / 101 Ejemplo Suponga

Más detalles

PRUEBAS DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR DE FORMACIÓN PROFESIONAL SEPTIEMBRE Apellidos Nombre. DNI / NIE Centro de examen

PRUEBAS DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR DE FORMACIÓN PROFESIONAL SEPTIEMBRE Apellidos Nombre. DNI / NIE Centro de examen CALIFICACIÓN: Consejería de Educación, Ciencia y Culura PRUEBAS DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR DE FORMACIÓN PROFESIONAL SEPTIEMBRE 011 Resolución de 9 de marzo de 011 (DOCM de 5 de abril)

Más detalles

= A, entonces A = 0. Y si A es una matriz. y comprobar el resultado. ,, ;,, es el mismo que el generado

= A, entonces A = 0. Y si A es una matriz. y comprobar el resultado. ,, ;,, es el mismo que el generado EJERCICIOS. APLICACIONES DE LOS DETERMINANTES. 1. Calcular el siguiene deerminane de orden n: 1 n n n n n n n n n n n n n. Demosrar que si A es una mariz al que n n, se verifica lo anerior? A = A, enonces

Más detalles

Estadística Aplicada a la Educación

Estadística Aplicada a la Educación Esadísica Aplicada a a la la Educación Esadísica Aplicada a la Educación Tuor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 014/15 migdaza@madridsur.uned.es 1 014/15 1 4 5 6 7 8 9 10 11 1 La Esadísica

Más detalles

1 Física General I Paralelos 05 y 22. Profesor RodrigoVergara R 0102) Movimiento Rectilíneo Horizontal

1 Física General I Paralelos 05 y 22. Profesor RodrigoVergara R 0102) Movimiento Rectilíneo Horizontal Física General I Paralelos 5 y. Profesor Rodrigoergara R ) Movimieno Recilíneo Horizonal ) Concepos basicos Definir disancia recorrida, posición y cambio de posición. Definir vecores posicion, velocidad

Más detalles

VOLATILIDAD DE LA TASA DE CAMBIO PESO DÓLAR: ESTIMACIÓN DE UN INDICADOR PARA LA GESTIÓN DEL RIESGO Y LA PLANEACIÓN DE ESTRATEGIAS DE INVERSIÓN

VOLATILIDAD DE LA TASA DE CAMBIO PESO DÓLAR: ESTIMACIÓN DE UN INDICADOR PARA LA GESTIÓN DEL RIESGO Y LA PLANEACIÓN DE ESTRATEGIAS DE INVERSIÓN VOLATILIDAD DE LA TASA DE CAMBIO PESO DÓLAR: ESTIMACIÓN DE UN INDICADOR PARA LA GESTIÓN DEL RIESGO Y LA PLANEACIÓN DE ESTRATEGIAS DE INVERSIÓN MARCELA CONSTANZA TECANO MOLANO Direcor Ingeniero DIEGO HERNÁNDEZ

Más detalles

Procesos Estocásticos. Procesos Estocásticos. Procesos Estocásticos. 1 Introducción y conceptos básicos. Al final del tema el alumno será capaz de:

Procesos Estocásticos. Procesos Estocásticos. Procesos Estocásticos. 1 Introducción y conceptos básicos. Al final del tema el alumno será capaz de: Procesos socásicos Procesos socásicos I Inroducción y concepos básicos sadísicos de un proceso esocásico Referencias: Capíulo 8 de Inroducción a los Sisemas de Comunicación. Sremler, C.G. 993 Apunes de

Más detalles

Relación de ejercicios. Ecuaciones diferenciales

Relación de ejercicios. Ecuaciones diferenciales Relación de ejercicios. Ecuaciones diferenciales Abraham Rueda Zoca Ejercicio 1. [ punos] Resolver la ecuación diferencial: x = 2 + x + x 2 2. Solución. Veamos que se raa de una ecuación homogénea. Si

Más detalles