MODELO CIR. Nota Técnica RESUMEN EJECUTIVO

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

Download "MODELO CIR. Nota Técnica RESUMEN EJECUTIVO"

Transcripción

1 Noa Técca Eero 28, 2014 MODELO CIR RESUMEN EJECUTIVO Al modelar asas de erés se debe omar e cuea que esas so posvas, que hsórcamee ha mosrado u comporameo esable, eedo cambos sgfcavos úcamee como reflejo de eveos ecoómcos exeros, suacó que o será esudada aquí. Los cambos propos del mercado so modelados co varables aleaoras, ere más se asmla la dsrbucó de la varable al movmeo hsórco de las asas de erés mejor será el modelo. El modelo CIR para asas de erés es u modelo ufacoral que predce el valor que oma la asa al empo 1 usado como úca varable el valor observado al empo. Tee dos compoees, el prmero deerma la edeca que oma la rayecora y que deerma la reversó a la meda, y el segudo su varabldad, que depede de la varable aleaora y del vel e que se ecuera la úlma asa de erés, es decr, cuado la rayecora se ubca e veles alos su varabldad será mayor que cuado se ubca e veles bajos. El aecesor al modelo CIR, que es el modelo Vascek, o capura la varabldad que se debe al vel de la asa. Meras que e el modelo CIR, esa varabldad es proporcoal a la raíz cuadrada del úlmo vel de la asa. Twer:@Sgum_Research Facebook: Sgum Research

2 Noa Técca INTRODUCCIÓN El modelo para asas de erés propueso por Cox, Igersoll y Ross supoe que la varacó e u momeo del empo se dsrbuye equprobable a cremeos o decremeos de la msma magud, que ee u comporameo de reversó a la meda, es decr, cuado muesra u comporameo a la alza será segudo por ua correccó a la baja, covergedo a medao plazo a u msmo vel. MODELO CIR Durae los úlmos años los redmeos de las accoes se ha modelado ulzado herrameas sofscadas para explcar su comporameo, ua de ellas y, quzá la más mporae, so los procesos esocáscos esacoaros couos, dero de los cuales el más coocdo y, por lo msmo, el más ulzado es el movmeo browao o proceso de Weer. Desde 1900, co Lous Bacheler, esa clase de procesos se ha usado e el campo de las fazas e dsos modelos, por ejemplo, el de Black-Scholes (1973), que se ulza para valuacó de dervados y precos de opcoes. Ora aplcacó relevae es e el área de esrucura de asas de erés, dode ecoramos dsos modelos, ere los que desaca el de Ho y Lee (1986), Cox, Igersoll y Ross (1985) y Vascek (1977). Esos modelos provee de solucoes para los precos de los boos y ua complea caracerzacó de la esrucura que corpora resgos y expecavas de las asas de erés fuuras. So modelos de u solo facor. Se cosdera que los modelos dámcos más smples so los que cosdera ua sola varable para defr la esrucura emporal de las asas de erés. La secllez de esos modelos de u solo facor y su comprobado éxo los hace muy aracvos para u gra úmero de aplcacoes. E esa ocasó se propoe emplear el modelo CIR para esmar y prooscar pos de erés a parr de formacó hsórca y de valores aleaoros. El modelo CIR explca la evolucó de las asas de erés descrbedo el movmeo de las msmas a causa del resgo propo del mercado. El modelo ambé puede ser usado para la valuacó de swaps u opcoes de asas de erés; además es cosderado ua exesó del modelo propueso por Vascek e el año de Twer:@Sgum_Research Facebook: Sgum Research

3 Noa Técca Los modelos de u solo facor se defe de la sguee forma: dr * r * d * r * dw (1) dode r es la asa de erés al úlmo perodo de empo y dw es u movmeo browao esádar (ver Aexo). El érmo *r * d deerma ua pedee posva para la rayecora evado ua edeca al eje horzoal, meras que los movmeos propos del mercado se ve reflejados e el érmo *r * dw gracas a dw que hereda los cambos del movmeo browao. El modelo de Vascek propueso e 1977, reemplaza el érmo pedee *r a b r y el érmo varaza se maee depedee de r, es decr, o se ve afecada por los valores de asa saáea del po de erés. Así el modelo de Vascek es escro de la forma sguee: por b r * d dw dr a* * (2) S embargo, e el modelo CIR los dos parámeros aes descros, ao la pedee como la varaza, depede lealmee del vel de la asa saáea del po de erés r quedado el dferecal de po esocásco de la forma: b r * d * r dw dr a* * (3) dode dw es u proceso browao que modela de maera aleaora el resgo propo del mercado. Ua versó más ampla para modelos udmesoales de po de erés de coro plazo es la defda a couacó: b r * d * r dw dr a* * (4) Twer:@Sgum_Research Facebook: Sgum Research

4 Noa Técca 1 Es fácl observar que e el caso para se obee el modelo CIR (1985), meras que para 0 obeemos 2 el modelo Vascek (1977). Al gual que e el modelo de Vascek, el facor a b * asegura ua reversó a la meda e las asas de erés a ua velocdad defda por el parámero a. El facor que represea la desvacó esádar, e ese caso * r corrge la prcpal desveaja e el modelo de Vascek asegurado que los veles e asa de erés uca será egavos. Así, cuado se cosdere valores pequeños e asas, la desvacó esádar será pequeña, cacelado el efeco aleaoro e la asa de erés. Por ao, cuado las asas se ecuere alrededor del eje horzoal y 0, la a* b que colleva u comporameo al alza e asas. evolucó e las asas de erés se deerma por S cualquera de los modelos especfcados presea ua pedee posva, el proceso esocásco crecerá co el empo hasa el fo. Por ello, ua opcó es la modelzacó del proceso bajo la hpóess de reversó a la meda, alrededor del cual odos los pos de erés revere, es decr, cuado el grado de dvergeca ere el po de erés y el valor medo es alo, la asa de erés coverge haca ese valor medo. La volaldad de los pos de erés esá posvamee relacoada co el vel de los msmos, es decr, durae momeos e los que los veles e asas de erés so alos (bajos) se espera ua volaldad ala (baja). El modelo CIR refleja esa suacó, ya que la volaldad es proporcoal a la raíz cuadrada del valor que ome la asa de erés. r r Twer:@Sgum_Research Facebook: Sgum Research

5 Noa Técca APLICACIÓN Co el f de esmar y prooscar u cero po de erés a parr de la formacó hsórca y de valores aleaoros, y maeedo la esrucura defda e la ecuacó (3) el modelo CIR se escrbrá como: G r0 * d * r dw r r a * 0 * 0 dode: r r 0 a G d = el vel de asa de erés que se desea explcar. = el vel de asa de erés vgee al momeo del proósco. = la pedee del modelo calculado a parr de regresó leal o vía mímos cuadrados ordaros. = promedo geomérco hsórco del po de erés a prooscar. = amaño del ervalo de proósco. = desvacó esádar hsórca del po de erés aalzado. dw = movmeo browao modelado por d dode represea el rudo blaco. Esos plaeos so razoablemee váldos para explcar el pasado a parr de sí msmo e cuao al comporameo o varacó de las asas. Twer:@Sgum_Research Facebook: Sgum Research

6 Noa Técca ANEXO Movmeo Browao Ese movmeo, e sedo esrco, es u proceso esocásco esacoaro couo, mejor coocdo como camaa aleaora. Sedo el modelo más recurrdo para la cosruccó de procesos couos. Para poder aalzar el movmeo browao, es ecesaro cosrur ua famla especal de procesos bomales dscreos. S X 1, X 2,..., X es ua secueca de varables aleaoras depedees que se dsrbuye Beroull omado valores de ó co probabldad cada uo, eoces la poscó 2 del proceso al ésmo paso W queda defdo como: W 1 W X para oda 1 (1) Se escrbe para represear pasos de u oal de que compoe ua udad de empo, que es la rayecora que se esudará e ese momeo. La secueca W es u proceso esocásco dscreo, dode W depede de la poscó al empo aeror, 1 eso es W. De esa forma, el proceso bomal W para u eero posvo cuea co las sguees caraceríscas: ) W 0 0 ) Los cremeos y decremeos de W so del msmo amaño y so guales a 1. Twer:@Sgum_Research Facebook: Sgum Research

7 Noa Técca El proceso bomal W a 1, 2 al empo W puede omar, 1 posbles valores que abarca u rago de 1. Al ser la suma de varables Beroull de meda 0 y varaza, W 1 se dsrbuye bomal co meda 0 y varaza 1. Así, medae el eorema ceral del líme y cosderado ua grade, la dsrbucó de W 1 ederá a ua dsrbucó 0,1 Normal. Sea u eero, cosderemos ahora udades de empo, dvddas cada ua e pasos. El valor de W es: W X 1 * (2) La dsrbucó del cocee coedo e los corchees ede, medae el eorema ceral del líme, a ua 0,1 Normal 0, varable aleaora co dsrbucó Normal. Por ao, la dsrbucó de W ederá a ua. Además odas y cada ua de las dsrbucoes margales ederá a la msma esrucura ormal, cluso las dsrbucoes margales de po codcoal. Cada camaa aleaora W, ee la propedad de que los fuuros movmeos e el empo a parr de cera poscó e parcular será depedees del hsórco de movmeos aerores al empo a parr del cual se esá prooscado. Adcoalmee, el cremeo W s W s presea ua dsrbucó bomal co meda cero y varaza. Esas dferecas represea el amaño del cremeo e u lapso de empo, y so depedees uos de W s W s W. Aplcado oros. Gracas a la depedeca co la rayecora hsórca se ee que uevamee el eorema ceral del líme para grade W s W s ~ Normal0 esacoara de segudo orde.,. Es decr, ua sere Cosderado que las dsrbucoes margales coverge y que las dsrbucoes margales de po codcoal ambé lo hace, se cocluye que la dsrbucó del proceso coverge de gual forma. Así, la dsrbucó de W coverge a u proceso de po couo, mejor coocdo como Movmeo Browao. Twer:@Sgum_Research Facebook: Sgum Research

8 Noa Técca A parr de ese momeo, y para poder aplcar el eorema ceral del líme haremos eder a a fo, que es el úmero de dvsoes e ua udad de empo, para eer u proceso couo W, y os efocaremos al proceso por udades de empo W W. W, por facldad de oacó Como fue comeado líeas arrba, u Movmeo Browao es u proceso esocásco esacoaro de po W W, 0 es u movmeo browao s y solo s: couo. U proceso 1. W es u proceso couo y W 0 0 dw 2. Tee cremeos depedees W W 3. Tee cremeos esacoaros (msmos perodos de empo mplca u msmo comporameo). 4. W ee ua dsrbucó W ~ Normal 0,. La varaza resula proporcoal al empo. 5. ~ Normal 0,1 d dw ee ua dsrbucó dw Normal 0, d ~. El dferecal dw * d, dode Oras Propedades. a. Es u proceso o dferecable e odo puo. (No es posble calcular la dervada de forma habual). b. Es u proceso de Markov. Dado el valor presee del proceso, su operacó fuura o depede del pasado. c. W es margala. La mejor predccó del valor fuuro de W es el valor de hoy. Esa úlma propedad permrá realzar smulacoes e u ervalo de empo. E ocasoes, hacedo uso del movmeo browao se desea realzar rayecoras del posble comporameo del preco de ua accó e u cero horzoe de empo. Por esa razó, es deseable que dcho proceso o presee varacoes egavas, por lo que es ecesaro que o esé flucuado alrededor del eje horzoal y 0 Twer:@Sgum_Research Facebook: Sgum Research

9 Noa Técca Así, co el objeo de que dcho proceso presee cera edeca y o esé flucuado alrededor del eje E ése se verá afecado por la clusó de ua reca de la forma y * W horzoal, es decr, alrededor de, que descrbrá la edeca que segurá el movmeo W. Ese uevo movmeo browao se cooce como movmeo browao co edeca y queda defdo por la sguee ecuacó: X * * (3) W 2 dode, X ~ Normal *, * Aú co esa ueva modfcacó, los precos de la accó puede llegar a cozar por debajo de 0 e u cero horzoe de empo. De esa maera, para asegurar que las rayecoras de precos opere por ecma del eje horzoal, se afeca el movmeo browao medae ua fucó expoecal quedado: W Y exp * * (4) a ése proceso se cooce como Movmeo Browao Geomérco. Aalsa Carlos Ugalde Aa María Tellería Twer:@Sgum_Research Facebook: Sgum Research

10 Noa Técca Drecoro Hécor Romero Drecor Geeral Aalsas Carlos Ugalde Geree de Aálss / Grupos Faceros e Isucoes de Seguros carlos.ugalde@sgumresearch.com Crsa Morales Aalsa Bursál Sr. / Comerco Especalzado, Auoservcos, Almeos y Bebdas crsa.morales@sgumresearch.com Julo C. Maríez Aalsa Bursál Sr. / Mería, Acero, Coglomerados Idusrales y Eergía julo.marez@sgumresearch.com Jorge Gozález Aalsa Técco Sr. Armado Rodríguez Aalsa Bursál Jr. / FIBRAS y Secor Imoblaro armado.rodrguez@sgumresearch.com Javer Romo Aalsa Bursál Jr. / Aerolíeas, Aeropueros e Ifraesrucura javer.romo@sgumresearch.com Homero Ruíz Aalsa Bursál Jr. / Telecomucacoes y Medos homero.ruz@sgumresearch.com Aa María Tellería aa.ellera@sgumresearch.com Dseño Julea Maríez Dseño Edoral julea.moao@sgumresearch.com Tel / Ifo@sgumresearch.com Ese documeo y la formacó, opoes, proóscos y recomedacoes expresadas e él, fue preparado por Sgum Research como ua refereca para sus clees y e gú momeo deberá erprearse como ua ofera, vacó o pecó de compra, vea o suscrpcó de gú íulo o srumeo a omar o abadoar versó algua. La formacó coeda e ese documeo esá sujea a cambos s ofcacó preva. Sgum Research o asume la resposabldad de ofcar sobre dchos cambos o cualquer oro po de acualzacó del coedo. Los coedos de ese repore esá basados e formacó públca, dspoble a los parcpaes de los mercados faceros, que se ha obedo de fuees que se cosdera fdedgas pero s garaía algua, expresa de maera explíca o mplíca su exacud o egrdad. Sgum Research o acepa resposabldad por gú po de pérddas, drecas o drecas, que pudera geerarse por el uso de la formacó coeda e el presee documeo. Los documeos referdos, así como odo el coedo de o podrá ser reproducdos parcal o oalmee s la auorzacó explíca de Sgum Research S.A. de C.V. Twer:@Sgum_Research Facebook: Sgum Research

{ a 1, a 2,..., a } n. Cualquier vector n

{ a 1, a 2,..., a } n. Cualquier vector n Deparameo de Aálss Ecoómco UNIVERSIDAD DE ZARAGOZA Tema 3: Formas cuadrácas reales Para odo el ema, se cosdera e R u ssema de refereca (o base) dado { a 1, a 2,..., a }. Cualquer vecor x R se escrbe de

Más detalles

Introducción a la Econometría Curso 2009/ Serie de Problemas 21

Introducción a la Econometría Curso 2009/ Serie de Problemas 21 Iroduccó a la Ecoomería Curso 9/78 Sere de Problemas. Supoga que u vesgador dspoe de ua muesra de grupos (clases) de educacó prmara y ulza daos del úmero de alumos e cada clase (CS) y de la oa meda obeda

Más detalles

2. Movimiento Browniano.

2. Movimiento Browniano. Movmeo Browao Defcó y Propedade Báca Defcó : EL proceo de Weer (ó movmeo Browao e u proceo eocáco (Ver ZDZ co valore e R defdo para [, al que: W = co probabldad gual a uo La rayecora o coua Para cualquer

Más detalles

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n . TORÍA ASINTÓTICA Jore duardo Orz Trvño rofesor Asocado eparameo de Ieería de Ssemas e Idusral Uversdad Nacoal de Colomba jeorz@ual.edu.co (a) Se euca (s demosracó) varos resulados mporaes de esadísca.

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

Álgebra Manuel Hervás Curso

Álgebra Manuel Hervás Curso Álgebra Mauel Hervás Curso 0-0 FORMAS LINEALES Defcó Sea E u espaco vecoral sobre referdo a ua base B e e e,,, Se deoma Forma Leal sobre a la aplcacó leal f : E al que x E f ( x) b De modo que elegdo u

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4

Más detalles

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

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

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas Esmacó de parámeros e ecuacoes dferecales esocáscas aplcadas a fazas Joh Freddy Moreo Trujllo * jho.moreo@uexerado.edu.co * Docee vesgador. Faculad de Fazas, Gobero y Relacoes Ieracoales. Uversdad Exerado

Más detalles

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo = ( + ( Cabo de ( + ( ( + > ( > 0 Posvo + ( + = ( = 0 ( ( + Nulo + Tpos ( + ( Cabo + Geeraldades Nauraleza El cabo puede ser Carácer Varable Cabo Cosae Aueo o creeo Dsucó o decreeo = Varacó cero ( = (

Más detalles

La Docencia y la importancia de la investigación en Ingeniería

La Docencia y la importancia de la investigación en Ingeniería a Doceca y la mporaca de la esgacó e Igeería J.M. CARBAO JIMÉNEZ. Profesor Iesgador de ESCOM IPN. carballomeez@gmal.com J. GARCÍA MARTINEZ. Iesgador de la ESM-IPN. bucefalo@yahoo.com.m J.A.JÁREZ RAMÍREZ.

Más detalles

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

INSTITUTO POLITÉCNICO NACIONAL

INSTITUTO POLITÉCNICO NACIONAL INTITUTO POLITÉCNICO NACIONAL ECUELA UPERIOR DE FÍICA Y MATEMÁTICA APLICACIONE EN FINANZA DE MODELO AUTORREGREIVO TEI QUE, PARA OBTENER EL TITULO DE INGENIERO MATEMÁTICO, PREENTA. CLAUDIA VIRIDIANA VÁZQUEZ

Más detalles

4.4. La ciudad circular El Modelo de Salop

4.4. La ciudad circular El Modelo de Salop 4.4. La cudad crcular El Malde Machado Ecoomía Idusral - Malde Machado La Cudad Crcular El modelo de Salop 4.4. La cudad crcular El E el modelo de Hoellg habamos supueso que solo hay dos empresas. Ahora

Más detalles

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Navarro Camacho, Jorge jorgeav@umes Deparameo de Esadísca e Ivesgacó Operava Uversdad

Más detalles

Cuatro medidas de inflación subyacente para Uruguay

Cuatro medidas de inflación subyacente para Uruguay Cuaro meddas de flacó subyacee para Uruguay Rosaa Ferádez 002-2005 688-7565 CUATRO MEDIDAS DE INFLACIÓN SUBYACENTE PARA URUGUAY Rosaa Ferádez Casro Área de Ivesgacoes Ecoómcas Baco Ceral del Uruguay Julo

Más detalles

F = = 0. 64, que es la eficiencia del test de signo relativa al

F = = 0. 64, que es la eficiencia del test de signo relativa al Méodos No Paramércos I 5 Elea J. Maríez do cua. 004 Efceca: La efceca del es de Fredma relava al es F es ( f ( x dx e(, F σ + e observa que o hereda la efceca de los ess de Wlcoxo y Ma-Whey relavas al

Más detalles

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Lecura 6 PRONÓSTICOS EN ACTIVOS REPARABLES INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Medardo Yañez Yañez Meda, Medardo - Gómez de

Más detalles

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

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)

Más detalles

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005 Reglas para el maejo de los ídces de deuda de la BV Bolsa acoal de Valores Verso 4.4 3/07/005 ága de 6 COTEIDO ITRODUCCIÓ... 4. erspecva geeral... 4 MAEJO DE LOS ÍDICES... 6. Comé de Ídces de íulos de

Más detalles

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores 1 RAPIDEZ DE CAMBIO Semaa 05 1 Varables depedees y o depedees Defr los cocepos: varable, cosae, cremeo, varacó. Defr los cocepos: varable depedee, varable depedee. Recoocer varables depedees e depedees.

Más detalles

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

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

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

menor (espira 2), φ m2 como la suma de dos partes, una proporcional a la corriente I 1 y otra proporcional a la corriente I 2 :

menor (espira 2), φ m2 como la suma de dos partes, una proporcional a la corriente I 1 y otra proporcional a la corriente I 2 : eccó 6.ey de duccó de Faraday. 5 3..- Coefcee de duccó muua Cuado dos o más crcuos esá próxmos uo al oro, el flujo magéco que aravesa uo de ellos, o sólo depede de la corree e ese crcuo, so ambé de la

Más detalles

MÉTODOS MATEMÁTICOS EN TEORÍA FINANCIERA

MÉTODOS MATEMÁTICOS EN TEORÍA FINANCIERA MÉTODOS MATEMÁTICOS EN TEORÍA FINANCIERA José Rgobero Parada Daza Uversdad de Cocepcó, Chle Regsro Propedad Ielecual Nº.798 I.S.B.N. 956-89-9- Auor: José Rgobero Parada Daza ÍNDICE CAPÍTULO I OPTIMIZACIÓN

Más detalles

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA. Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad

Más detalles

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA Daposva ema6: rasmsó de calor muldreccoal rasora RANSMISIÓN DE CALOR MULIDIRECCIONAL Y RANSIORIA J.M.Corberá, R. Roo (UPV Daposva ema6: rasmsó de calor muldreccoal rasora ÍNDICE. RANSMISIÓN DE CALOR MULIDIRECCIONAL.

Más detalles

Curvas Sistemas Gráficos Ing. Horacio Abbate 1

Curvas Sistemas Gráficos Ing. Horacio Abbate 1 Crvas Ssemas Gráfcos Ig. Horaco Abbae Polomos de erse Para y cosderar Para y cosderar - - Forma a base ara los olomos de grado. Calqer olomo de grado se ede descrbr como a combacó leal de olomos de erse

Más detalles

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

Duración y Convexidad I

Duración y Convexidad I Marí Herádez errao Modelo Aleravo Duracó y Covexdad I E ese maeral se presea de forma accesble, mas co u grado resposable de rgor maemáco, los cocepos de duracó y covexdad. e asume que el lecor cuea co

Más detalles

Capítulo 3. Consideraciones sobre métodos numéricos

Capítulo 3. Consideraciones sobre métodos numéricos 3.. Iroduccó 5 Capíulo 3. Cosderacoes sobre méodos umércos 3.. Iroduccó E ese capíulo se presea la eoría y alguos cocepos sobre los que se susea los esquemas umércos de ala resolucó. Su aplcacó a las ecuacoes

Más detalles

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS.

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. 09- ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. Iroduccó. Para obeer la ecuacó geeral que descrbe el comorameo del flujo de fludos a ravés de medos orosos, se hace uso de dferees rcos

Más detalles

Ingeniería de Confiabilidad - Equipos

Ingeniería de Confiabilidad - Equipos SECCION 4. Igeería de Cofabldad-Equpos Igeería de Cofabldad - Equpos Seccó 4 Medardo Yañez Herado Gómez de la Vega Kara Semeco Soo Nayrh Meda Esa seccó esa dedcada al esudo de los aspecos físcos y aleaoros

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

Años I0 t (base 1992 = 100)

Años I0 t (base 1992 = 100) Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

CONVERGENCIA Y TEOREMAS LÍMITE

CONVERGENCIA Y TEOREMAS LÍMITE CONVERGENCIA Y TEOREMAS LÍMITE. Covergeca de sucesoes de varables aleaora Covergeca cas-segura Covergeca e robabldad Covergeca e meda cuadráca Covergeca e ley ( o dsrbucó). Leyes de los grades úmeros.

Más detalles

Una formulación general de un modelo de regresión paramétrico es la siguiente:

Una formulación general de un modelo de regresión paramétrico es la siguiente: Esmadores úcleos y polomos locales. Fracsco Parra Rodrguez Docor e Cecas Ecoómcas. UNED. Modelos de regresó o paramércos Los modelos de regresó paramércos supoe ue los daos observados provee de varables

Más detalles

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

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

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

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

Más detalles

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA.

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA. TEMA.- LA APITALIZAIÓN OMPUESTA. Objevo: Foralzar la ley de capalzacó copuesa y esudar sus agudes dervadas.. EXPRESIÓN ANALÍTIA Y REPRESENTAIÓN GRÁFIA. La ley facera de capalzacó copuesa ee la sguee expresó

Más detalles

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

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

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

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

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel Volume 4 - º / dcembre 0 estmacó de la estructura de Tasas omales de chle: aplcacó del modelo dámco elso-segel Rodrgo Alaro A. * Sebasá Becerra C. ** Adrés Sager T. *** I. IroduccIó La esmacó de la esrucura

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

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

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

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....

Más detalles

Flujo en acuífero libre

Flujo en acuífero libre SESIÓN PRÁCTICA EDP PARABÓLICA CON MÉTODO FTCS Flujo e acuíero lbre E esa sesó se aalza medae el méodo eplíco de derecas as la evolucó emporal del vel reáco sobre ua geomería de acuíero lbre alerada por

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

PyE_ EF1_TIPO2_

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

Más detalles

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

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

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

ÍNDICE DE INVENTARIOS DEL COMERCIO BASE DICIEMBRE 2014=100

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

Más detalles

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace Tema Traformada de aplace Traformada de aplace Traformada vera de aplace Coedo Grupo EDUMATICUS. Deparameo de Maemáca Aplcada. Uverdad de Málaga Amplacó de Cálculo 2/. Ecuela Polécca Superor Tema : Traformada

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

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

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

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Metodología Índice de Precios de Edificaciones Nuevas

Metodología Índice de Precios de Edificaciones Nuevas Meodología Ídce de recos de Edfcacoes Nuevas COLECCIÓN DOCUMENTOS - ACTUALIZACIÓN 29 Núm. 66 DEARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA HÉCTOR MALDONADO GÓMEZ Drecor CARLOS EDUARDO SEÚLVEDA RICO

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

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

CURSO DE ECONOMETRIA BÁSICA

CURSO DE ECONOMETRIA BÁSICA CURSO DE ECONOMETRIA BÁSICA D. Fracsco Parra Rodríguez. Jefe de Servco de Esadíscas Ecoómcas y Socodemografcas. Isuo Caabro de Esadísca. ICANE, ÍNDICE Tema. Regresó y correlacó leal smple Tema. Regresó

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS DISTRIBUCIÓN DE AGREGADOS 5..- Dstrbucoes -dmesoales. Aálss margal y codcoado 5..- Varables aleatoras depedetes. Propedades

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

MEDIDAS DE CENTRALIZACIÓN

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

Más detalles

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

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

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY

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

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS *

VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS * Revsa Igeerías Uversdad de Medellí VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS * Carlos Alexáder Grajales Correa ** Fredy Ocars Pérez Ramírez *** Recbdo: 6//009 Acepado: 08/0/00 RESUMEN

Más detalles

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

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

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

Capítulo 3: Integral definida. Módulos 12 al 17. I. Notación sigma. En los ejercicios 1 a 5 escriba en forma de sumatoria la suma dada.

Capítulo 3: Integral definida. Módulos 12 al 17. I. Notación sigma. En los ejercicios 1 a 5 escriba en forma de sumatoria la suma dada. Módulos l 7 I Nocó sgm E los ejerccos escr e form de sumor l sum dd + + + + + + + + 9 + + 7 6 7 8 l + l 6 + l 8 + l 6 6 Supog que f ( ) 8, g( ) y h( ) Clcule el vlor de l epresó dcd e los ejerccos -e c

Más detalles

LIBOR Market Model. Una aproximación al paradigma lognormal en la valoración de derivados sobre tipo s de interés.

LIBOR Market Model. Una aproximación al paradigma lognormal en la valoración de derivados sobre tipo s de interés. LIBOR Marke Model. Ua aproxmacó al paradgma logormal e la valoracó de dervados sobre po s de erés. Esaslao Slla Sacho Trabao de Ivesgacó del Programa de Docorado Ieruversaro e Fazas Cuaavas º Julo 3 Uversdad

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

Regresión - Correlación

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

Más detalles

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X 5 CAPÍTULO ELABORACIÓN DE UN ÍNDICE COMPUESTO Ls Ídces Cmpuess, expresa de maera resumda la varacó prmed de u cju de varables respec de u períd base. Csderems u Agregad Cmplej "X", csud pr las varables

Más detalles

3 Metodología de determinación del valor del agua cruda

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

Más detalles