Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica

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

Download "Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica"

Transcripción

1 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca 7 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca Fracsco López Herrera Ivestgador de la Dvsó de Ivestgacó de la Facultad de Cotaduría y Adstracó, UNAM Resue Dada la aparete auseca de ua solucó explícta para la seleccó de portafolos óptos co actvos resgosos cuado el proceso geerador de datos (PGD) de los redetos obedece a ua relacó leal co últples factores, e esta ota se preseta ua propuesta de solucó. Se uestra que bajo los supuestos de u odelo ultfactoral es posble recurrr a la teoría clásca de optzacó para deterar la cobacó ópta de actvos para reducr el resgo de u portafolo y adstrar su exposcó a la flueca de los factores causales de resgo ssteátco. El étodo de optzacó se basa e la dervacó de la frotera efcete que se preseta e Merto (97) y es cosstete co los odelos ultfactorales teórcos, coo el APT de Ross (976) u otros epírcos, sepre y cuado supoga que el PGD obedece a ua estructura leal ultvarada. Se preseta tabé u ejeplo pequeño de la aplcacó de esta propuesta a la foracó de u portafolos que za el resgo bajo etas del vel de su exposcó a los factores de resgo. I. Itroduccó Dada la aparete auseca e la lteratura especalzada de ua solucó explícta, e el presete trabajo presetaos la propuesta que heos elaborado para deterar la cobacó ópta de u portafolo de actvos resgosos expuestos a dferetes fuetes de resgo o dversfcable, es decr, el resgo ssteátco tal coo lo captura u odelo ultfactoral. La hstora de los odelos ultfactorales tee ya alguas décadas y es u teto de superar la probleátca epírca del odelo CAPM de Sharpe (96, 964), Lter (965) y Moss (966), cuya explcacó del resgo ssteátco cosdera úcaete al resgo del ercado coo causal úca y la uy coocda beta detera el redeto esperado del actvo, sedo etoces el redeto de los actvos resultado de la pra que debe recbr dada su relacó co el factor que orga el resgo ssteátco, es decr, la volatldad del actvo respecto de la volatldad del ercado. Coo es be sabdo, la cosderacó ateror tabé está presete e la versó beta-cero de lack (97). Revsta Cotaduría y Adstracó, No. 0, octubre-dcebre 00

2 8 Fracsco López Herrera E geeral, los odelos ultfactorales o ultídces se dfereca del CAPM, sea e su fora básca o e la versó de lack, por cosderar que los redetos o obedece sólo a u factor de ercado, so que respode a la flueca de dversos factores ecoócos o de grupo estructural (dustra). Etre los trabajos poeros sobre el tea se ecuetra dscutbleete la teoría de Ross (976) y el trabajo de Merto (97) que do lugar al aplaete coocdo Iterteporal Captal Asset Prcg Model (ICAPM). Actualete exste ua dversdad de odelos que cluye u cojuto de factores para explcar el resgo ssteátco coo efecto de la flueca sultáea de dchos factores auque, quzá desafortuadaete, la ayor parte de estos odelos es de carácter epírco y o sepre co u fuerte fudaeto teórco. Ua preguta teresate sobre la utldad práctca de u odelo ultfactoral es el cuestoaeto sobre cóo puede ser útl para que u versosta o u adstrador de versoes toe decsoes óptas, partcularete s se cosdera coo terés prordal reducr el resgo y cotrolar los efectos de los factores causales. E Sharpe (970, 000) se preseta la solucó para la seleccó de portafolos óptos cuado los redetos de los actvos obedece a u proceso geerador de datos que es leal y cotee dversos factores de resgo. La solucó de Sharpe optza el portafolo para u versosta adverso al resgo cuya fucó de utldad es cuadrátca, cosstete co la teoría de eda y varaza de Markotz (95, 959) y Tob (958). Desafortuadaete esa fucó de utldad cuadrátca cueta co todas las característcas o deseables del supuesto de crecete aversó al resgo, plícto e dcha fucó. La fucó de utldad cuadrátca plca que cofore aueta el vel de rqueza del versosta, éste se setrá eos atraído a vertr e actvos resgosos. Hasta el oeto, e la revsó de la bblografía respectva, o se ha ecotrado ua solucó explícta seejate a la de Sharpe para optzar u portafolo e fucó del resgo e el caso e el que las preferecas del versosta esté descrtas por ua fucó de utldad que o sea la cuadrátca o, ejor aú, que sea lbre de preferecas. Por lo ateror, co base e la solucó de Sharpe, heos elaborado, y se preseta e este artículo, ua propuesta de solucó para u caso ás geeral cosderado úcaete que el versosta prefere eos resgo s establecer supuestos adcoales sobre la fora partcular de su fucó de utldad. Nosotros propoeos que se puede optzar el portafolos para u versosta cuyo terés fudaetal es úcaete reducr el resgo de su portafolo, dado u vel de exposcó a la flueca de los factores que explca su coportaeto, recurredo spleete a las téccas dervadas de la teoría clásca de la optzacó, coo lo deuestra Merto (97) para el caso de la dervacó de la frotera efcete e el espaco de eda y varaza. Asso, propoeos que se puede aplcar el étodo de optzacó clásca que se preseta e este trabajo al caso de que la dstrbucó probablístca de los redetos de los actvos sea estable, gaussaa o de cualquer otro tpo que cupla las codcoes de establdad y que pueda ser descrta de aera sufcete por su eda y su varaza. Por otra parte, o asuos coprosos co gua teoría de equlbro del ercado de actvos faceros, por ede, sobre cuál es el ejor odelo para la valoracó de dchos actvos y cóo se fja sus precos. Es decr, o se propoe que la Teoría de Ross (976) u otra dferete sea válda, pero Revsta Cotaduría y Adstracó, No. 0, octubre-dcebre 00

3 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca 9 s el PGD puede explcarse edate u proceso leal ultvarado es aplcable la propuesta de que se puede optzar u portafolos para algue adverso al resgo al so tepo que se cotrola la exposcó del portafolo a los factores de resgo ssteátco recurredo a ua adaptacó de la técca ostrada por Merto (97) para deterar la frotera efcete de portafolos e el setdo de Markotz. E la seccó sguete de este docueto se preseta la estructura foral del odelo ultfactoral de carácter geeral objeto de la optzacó. La seccó III descrbe los detalles del proceso de optzacó edate la adaptacó de la dervacó de Merto y e la seccó IV se ofrece u ejeplo uérco de escala pequeña para ostrar la operacoalzacó del proceso de optzacó. Por últo, e la seccó V se preseta alguas cosderacoes de carácter geeral. II. Modelo de factores últples Supógase que para todo oeto e el tepo los redetos de los actvos co resgo (accoes, por ejeplo) obedece al PGD deterado por la flueca de dversos factores co la sguete estructura leal: R = a + b F + b F +...+b F + e, () =,,..., dode: R = redeto del actvo, a = redeto esperado del actvo, o correlacoado co los factores de resgo, b = sesbldad del actvo a la realzacó del factor, F = realzacó del factor, e = redeto aleatoro del actvo, o correlacoado co los factores de resgo. Por defcó se tee que: ) Var( e ) = e, =,,..., ; ) Var( F ) =, =,,...,. F Por los supuestos del odelo se tee tabé que: ) E( e ) = 0, ; v) E e F E F = 0,, [ ( ( ))]. Cabe aclarar aquí que el supuesto de lealdad de la fucó faclta eoreete la obtecó de ua solucó exacta, a dfereca de las fucoes o leales que o sepre tee ua solucó exacta so que requere de la aplcacó de étodos uércos para obteer solucoes aproxadas. S ebargo, el supuesto de lealdad se refere úcaete a los paráetros de la fucó y, por lo tato, sepre y cuado se pueda preservar la lealdad de los paráetros, varas fucoes o leales se puede resolver de aera seejate auque las varables depedetes o sea ecesaraete leales, s se puede covertr e leales edate algua trasforacó oótoa. Revsta Cotaduría y Adstracó, No. 0, octubre-dcebre 00

4 0 Fracsco López Herrera S los redetos de los actvos se relacoa úca y exclusvaete por los factores de resgo, es decr, s estos factores so úcaete, y o otros, los que produce el oveto cojuto e los precos de los actvos, y de ahí e sus redetos, tato el redeto esperado depedete, a, coo el redeto aleatoro, e, tabé depedete, so abos redetos úcos para cada actvo y etoces el redeto aleatoro correspode al resgo tabé úco (o ssteátco) de cada actvo sedo depedetes etre sí etre cada epresa, por lo que se puede platear coo hpótess: v) E( e, e ) = 0,, j, j. j Adcoalete, s el odelo se restrge a que los factores de resgo o esté correlacoados etre sí, se puede agregar tabé la hpótess: [( F E( F ))( F E( F ))] = 0, k, l, k. v) E l k k l l Etoces, debdo a ), al toar los valores esperados de abos ebros de () se tee que el redeto esperado del actvo es: E(R ) = a + b E(F ) + b E(F ) +...+b E(F ), () es decr, el redeto esperado para el versosta es fucó del redeto autóoo y los redetos que debe obteer dado el vel de exposcó del actvo a las fuetes causales de resgo. La varaza de los redetos del actvo, por ), ), v), y v), se reduce a: R Ζ b F Ηb F ΗL Ηb F Η e. () Por su parte la covaraza etre los redetos de los actvos y j, e vrtud de v), v) y v), resulta ser: j = b b + b b + L + b j F j F j F b. (4) S be es certo que este supuesto o parece del todo plausble, por ejeplo, cuado los factores so de carácter acroecoóco puede supoerse uy razoableete que exsta u alto grado de correlacó etre ellos, es tabé uy certo que dcho supuesto o represeta ayor problea desde el puto de vsta práctco, pues exste étodos relatvaete sples para obteer factores o correlacoados. Para los detalles téccos puede cosultarse a Elto y Gruber (995) y Sharpe (970, 000). E auseca de la flueca de los factores de resgo, este copoete puede terpretarse coo la tasa lbre de resgo. Revsta Cotaduría y Adstracó, No. 0, octubre-dcebre 00

5 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca Ahora be, puesto que para u portafolo el redeto esperado, E(R p ), está dado por: E ( RP ) = = E( R ), dode = proporcó del portafolo vertda e el actvo, bajo la estructura leal ultfactoral se tee que E ( RP ) = [ a + b E( F ) + L+ b E( F )] = = = a + = b E( F ) + L + = b E( F ); (5) es decr, el redeto esperado del portafolos es u proedo de los redetos autóoos de los actvos ás los redetos proedo atrbubles a la flueca de los factores dadas las exposcoes de los actvos a dchos factores. Estos proedos so poderados y los pesos de poderacó está dados por la proporcó del portafolo vertda e cada uo de los actvos. Para el caso geeral ultfactoral, esté o o correlacoados los factores, la varaza del portafolos está dada por: dode: Pk Pl kl e = = = = b b k l P = + Pk Pl kl k = l= = = beta del portafolorespectodel factor k, = beta del portafolorespecto del factorl, e, (6) = cov araza de los factoresk y l = varaza de los errores del actvo que puede obteersede ua regresó. S se supoe que prevalece v), teeos coo resultado que: Pk Pl kl = 0, k l, (7) Revsta Cotaduría y Adstracó, No. 0, octubre-dcebre 00

6 Fracsco López Herrera y, coo puede aprecarse, el úero de téros cotedos e la doble suatora del prer téro del ebro derecho de (6) se reduce cosderableete pues se ela las covarazas etre los factores y peraece sólo las varazas de cada factor, lo que resulta suaete vetajoso para efectos de cálculo. 4 Ua vez que se ha foralzado la estructura geeral de u odelo ultfactoral y se ha eucado los prcpales resultados de los supuestos que se ha postulado, procedereos a presetar e la seccó sguete el procedeto para optzar el portafolos dada la flueca de dversos factores de resgo. III. Proceso de optzacó Supoedo que exste actvos resgosos, etre los cuales se puede seleccoar y que los redetos de estos actvos obedece a u proceso coo el que se descrbó e la seccó preva, el problea de seleccó del portafolo cuado se desea forar el portafolo de ío resgo al so tepo que se cotrola los veles de exposcó de los actvos a los dversos factores de resgo se puede platear coo: P = + Pk Pl kl k = l= = e (8) sujeta a: P M P = = M = Las preras restrccoes correspode a los veles deseados de exposcó del portafolo a los factores de resgo y la últa restrccó correspode a la restrccó presupuestal que plca dstrbur totalete el presupuesto de vertr etre los actvos resgosos. Coo es be sabdo, este problea cuadrátco co restrccoes leales (expresadas e téros de las varables de decsó segú (6)), puede resolverse edate el étodo de ultplcadores de Lagrage, por lo que la fucó objetvo, (8), se coverte e: P M, P =., 4 Ésta es ua de las vetajas de cotar co factores o correlacoados (ortogoales). La otra es que la ortogoaldad garatza que gú factor es ua cobacó leal de otros y que, por tato, al o exstr tal asocacó leal o ultcolealdad, se puede obteer estacoes o sesgadas y cosstetes de los paráetros edate los étodos tradcoales, coo el de regresó ío cuadrátca. Revsta Cotaduría y Adstracó, No. 0, octubre-dcebre 00

7 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca { } + λ ( ) + + λ ( ) + γ( = = = ) + L = P P P P λ λ γ k l Pk Pl kl e L = (9),,, que para proporcoar u valor ópto (ío) de la fucó tee coo codcoes de prer orde (c.p.o.): 5 = = L = = 0 (0) λ λ γ Al dervar parcalete y ordeado adecuadaete se obtee: λ λ = = ( b + L+ b + ) + L+ ( b b + L+ b b ) = γ ( b b + L + b b ) + L + ( b + L + b + ) = b = b b b L L b e L b + P + = 0 LLLLLLLLLLLLLLLLL P = 0 + = 0 () e λ b λ b L λ b LLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLL L λ b que perte forar u sstea de ecuacoes leales cuyas cógtas so, =,,...,, λ, =,,...,M, y γ, que, por lo tato, puede resolverse por cualquera de los étodos estádar que se ha dseñado para tal efecto. IV. Ejeplo uérco Supógase que sólo dos factores, co varazas de.7 y.89 respectvaete, detera el redeto 5 Debdo a que la varaza es u úero sepre postvo, las c.p.o. so codcoes ecesaras y sufcetes para garatzar que se tee u ío al resolver el problea de optzacó. Revsta Cotaduría y Adstracó, No. 0, octubre-dcebre 00

8 4 Fracsco López Herrera de los actvos y que se desea forar u portafolo co tres accoes cuyas sesbldades al factor se ha deterado coo.95,. y.7, e tato que su sesbldad al factor dos es de.4,.75 y.65. Supógase tabé que se ha estado las varazas de los redetos aleatoros (por ejeplo, la varaza de la sua de cuadrados de los errores e ua regresó) y que ellas so.5,. y., respectvaete. Por últo, cosdérese que se desea u portafolos co sesbldad utara al factor y cuya sesbldad al factor sea de.85. Para deterar la dstrbucó de la versó e este portafolo que tega el ío resgo posble (eddo por la varaza del portafolo) y que satsfaga las etas e cuato a los veles de exposcó, bastaría spleete cosderar que las ecuacoes que resulta de cuplr las c.p.o. () fora el sguete sstea de ecuacoes leales: [.95 (.7) +.4 (.89) +.5] + [.95(.)(.7) +.4(.75)(.89)] + [.95(.7)(.7) +.4(.65)(.89)].95λ [.95(.)(.7) +.4(.75)(.89)] +. (.7) +.75 (.89).λ.4λ.75λ [ +.] +.(.7)(.7) +.75(.65)(.89) [.95(.7)(.7) +.4(.65)(.89)] + [.(.7)(.7) +.75(.65)(.89)] +.7 (.7).65λ = = 0 + = 0 [ ] [ ].7λ que al resolverse sultáeaete por cualquera de los étodos algebracos dspobles tee coo solucó = 0., = 0.5, = 0., que so las proporcoes a vertr e los actvos resgosos respectvos. Los valores de λ =0.4655, λ =0.095 y γ =0.7559, que fora tabé parte de la solucó, correspode a los precos sobra, es decr, al cabo esperado e la fucó objetvo ate u aueto utaro e la restrccó correspodete. V. Cosderacoes fales Auque aquí se ha ostrado úcaete el caso de u problea sólo co restrccoes para satsfacer las etas de exposcó a los resgos ssteátcos y el requsto presupuestal de versó, o represeta ayor dfcultad el clur otras restrccoes, coo pudera ser u redeto eta para el portafolo o u objetvo de dvdedos a obteer, por ejeplo, pues lo úco que se tedría sería u ayor úero de ecuacoes e cógtas (respectvaete ua por cada restrccó adcoal). Por lo tato, es posble deterar todos los portafolos que se ecuetra sobre la frotera efcete del espaco eda-varaza Revsta Cotaduría y Adstracó, No. 0, octubre-dcebre 00

9 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca 5 o, s se prefere, e el espaco eda-desvacó estádar, pues las proporcoes a vertr que hace ópta la cobacó de actvos es la sa e cualquera de los dos espacos. El caso e el cual exste la restrccó de las vetas e corto (o egatvdad e las proporcoes) tabé puede resolverse edate el esquea propuesto, auque para ello se requere adcoalete el cupleto de las codcoes de Kuh-Tucker para obteer valores óptos. Para uestra buea fortua, la dspobldad de rutas adecuadas e paquetes de cóputo de aplcacó geeral, coo la hoja de cálculo Excel, perte resolver u problea de pequeña escala de aera relatvaete fácl; para probleas de ayor desó exste coo recursos paquetes especalzados coo Matlab o Mathcad, etre otros. Adeás, el étodo que se ha presetado e estas págas se puede aplcar tabé e el caso de la optzacó del portafolo e codcoes e que se sostee el teorea de separacó, o teorea de u fodo, propuesto por Tob (958) cuado exste u actvo s resgo. Referecas LACK, Fsher: 97, Captal arket equlbru th restrcted borrog, Joural of usess, 45, ELTON, Ed J. y GRUER Mart J.: 995, Moder Portfolo Theory ad Ivestet Aalyss, Joh Wley & Sos, Nueva York. LINTNER, Joh: 965, The Valuato of Rsk Assets ad the Selecto of Rsky Ivestets Stock Portfolos ad Captal udgets, The Reve of Ecoocs ad Statstcs, vol. XLVII, No., febrero, -7. MARKOWITZ, Harry M.: 95, Portfolo Selecto, Joural of Face,, , Portfolo Selecto: Effcet Dversfcato of Ivestets, Joh Wley & Sos, Nueva York. MERTON, Robert C.: 97, A Aalytc Dervato of the Effcet Portfolo Froter, Joural of Facal ad Quattatve Aalyss, Vol. VII, No. 4, septebre, , A Iterteporal Captal Asset Prcg Model, Ecooetrca, 4, No. 5, septebre, MOSSIN, Ja: 966, Equlbru a Captal Asset Market, Ecooetrca, vol. 4, No. 4, octubre, ROSS, Stephe A.: 976, The Arbtrage Theory of Asset Prcg, Joural of Ecooc Theory,, SHARPE, Wlla F.: 96, A Splfed Model for Portfolo Aalyss, Maageet Scece, IX, No., eero, , Captal Asset Prces: A Theory of Market Equlbru Uder Codtos of Rsk, Joural of Face, XIX, No., septebre, , Portfolo Theory ad Captal Markets, McGra-Hll, Nueva York. 000, Portfolo Theory ad Captal Markets, The Orgal Edto, McGra-Hll, Nueva York. TOIN, Jaes: 958, Lqudty Preferece as ehavor Toard Rsk, The Reve of Ecooc Studes, 6, AC Revsta Cotaduría y Adstracó, No. 0, octubre-dcebre 00

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

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio

Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio Método de sevaraza y varaza para la seleccó de u portaolo ópto Sevarace ad varace ethod or selectg a optal portolo Lzbeth María de Jesús Urbe, Mguel Ágel Martíez Daá, Gustavo aírez Valverde ESUMEN E los

Más detalles

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

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

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012 Solucó Práctca Evaluable. Olgopolo y Copeteca Moopolístca. 6//0 Cosdere u olgopolo de Courot co epresas que produce u be hoogéeo. La fucó versa de deada es p ) = 0 y todas las epresas tee el so coste argal

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

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

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

Más detalles

Gerardo Pastrana León

Gerardo Pastrana León CONSTRUCCIÓN D FRONTRAS FICINTS D INVRSIÓN Gerardo Pastraa Leó (ste esayo se elaboró utlzado coo bblografía prcpal el lbro Seleccó de Iversoes, de Dogo Jorge Messut, Vctor Adrá Alvarez y Hugo Roao Graff,

Más detalles

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,

Más detalles

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

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

V Muestreo Estratificado

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

Más detalles

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

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

Más detalles

El Amplificador Operacional de Tensiones

El Amplificador Operacional de Tensiones El Aplfcador Operacoal de Tesoes El Aplfcador Operacoal de Tesoes. Itroduccó 2. El Aplfcador Operacoal Ideal de Tesoes 3. Nodealdades e el Opap 4. Crcutos co ealetacó Postva. Itroduccó.. El problea de

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

Un modelo de la APT en la selección de portafolios accionarios en el mercado mexicano *

Un modelo de la APT en la selección de portafolios accionarios en el mercado mexicano * U modelo de la ATP e la seleccó de portafolos accoaros e el mercado mecao 9 U modelo de la APT e la seleccó de portafolos accoaros e el mercado mecao * racsco López Herrera Ivestgador de la Dvsó de Ivestgacó

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

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA Fracscaos T.O.R. Cód. 87 MATEMÁTICAS º ESO. TEMA : COMBINATORIA.. La regla de la sua el producto.. Varacoes s repetcó.. Varacoes co repetcó.. Perutacoes s repetcó.. Cobacoes s repetcó.. Núeros cobatoros.7.

Más detalles

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

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

Más detalles

DISEÑO ÓPTIMO DE DIAGRAMAS EWMA.

DISEÑO ÓPTIMO DE DIAGRAMAS EWMA. Saber, Uversdad de Orete, Veeuela.Vol. 2. Nº 2: 44-49. (2000) DISEÑO ÓPTIMO DE DIAGRAMAS EWMA. NELSON BRACHO Departaeto de Estadístca Uversdad de Orete. RESUMEN E este artículo se descrbe el esquea de

Más detalles

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

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

Más detalles

1. Propiedades molares y propiedades molares parciales

1. Propiedades molares y propiedades molares parciales erodáca. ea 9 Ssteas abertos y ssteas cerrados de coposcó varable. ropedades olares y propedades olares parcales Ua agtud olar se dee coo: Sepre está asocada a u sstea terodáco de u úco copoete (sstea

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

Gestión de operaciones

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

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Probabldades y stadístca Cotacó Facltad de Cecas actas y Natrales. Uversdad de Beos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó tal La estadístca rovee téccas qe erte obteer coclsoes

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Bolsa Nacional de Valores, S.A. San José, Costa Rica SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst

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

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

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO.

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO. Pága de 5 NÚCLEO UNIVERSITARIO RAFAEL RANGEL UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A ÁREA DE FÍSICA LABORATORIO DE FÍSICA LABORATORIO DE FÍSICA I/ PRÁCTICA No ANÁLISIS GRÁFICO OBJETIVO

Más detalles

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

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

Más detalles

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

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

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

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

Más detalles

6.2.- Funciones cóncavas y convexas

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

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

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

Más detalles

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

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

Más detalles

1. Modelo de Transporte

1. Modelo de Transporte . Modelo de Trasporte Se trata de u odelo partcular de Redes-Fluo s establecetos teredos o de trasbordo. Para forular u odelo geérco se defe las varables y los paráetros sguetes: s = total de udades dspobles

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

Expectativas del Mercado y Creación de Valor en la Empresa

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

Más detalles

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

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

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

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

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

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

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

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

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

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

Más detalles

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

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

Más detalles

ANEXO D. Cálculo del cortante basal

ANEXO D. Cálculo del cortante basal Cálculo del cortate basal CÁLCULO DEL CORANE BASAL El cálculo del cortate basal perte deterar la fuerza lateral total coo cosecueca de las fuerzas erca que se duce a u sstea de N rados de lbertad, dstrbuyédolo

Más detalles

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza El Método de Relajacó Aplcado a Optzacó de Ssteas Dscretos F. Szget, J. Cardllo, J. C. Heet y J. L. Calet Uersdad de Los Ades Departaeto de Ssteas de Cotrol, Mérda Veezela Laboratore d Aalyse et d Archtectre

Más detalles

PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE. Eva Mª del Pozo García Mª Jesús Segovia Vargas Zuleyka Díaz Martínez

PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE. Eva Mª del Pozo García Mª Jesús Segovia Vargas Zuleyka Díaz Martínez PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE Eva Mª del Pozo García Mª Jesús Segova Vargas Zuleyka Díaz Martíez Departameto de Ecoomía Facera y Cotabldad I Uversdad Complutese

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

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

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

Más detalles

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

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

Más detalles

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs.

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs. Boletí Técco Septebre No. Tabla esultados cálculos Núero edcoes Valor áxo Valor ío ago Proedo Desvacó Ídce capacdad l proceso Ídce capacdad l proceso Ídce capacdad aqua Ídce capacdad aqua Fraccó fectva

Más detalles

SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE LA BOLSA ESPAÑOLA

SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE LA BOLSA ESPAÑOLA Seleccó de ua cartera de valores medate la aplcacó de métodos multobjetvo teractvos... SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE

Más detalles

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

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal Seleccó de ua Cartera de Iversó e la Bolsa Mecaa de Valores por Medo de u Método de Prograacó Leal José Crspí Zavala-Díaz, Dala Vaey García-Vllagoez, Marco Atoo Cruz-Chavez 2 Facultad de Cotaduría, Adstracó

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

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

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación) Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =

Más detalles

Análisis de Regresión y Correlación Lineal

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

Más detalles

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

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

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

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

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

Más detalles

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

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

Más detalles

UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*)

UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*) UNIVERSIDAD NACIONAL DE SALTA Facultad de Cecas Ecoómcas, Jurídcas y Socales Isttuto de Ivestgacoes Ecoómcas Reuó de Dscusó Nº 7 Fecha: /06/003 Hs.: 6 UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*) Eusebo Cleto

Más detalles

3. Estequiometría. Transformaciones químicas. Andrés s Cedillo, AT

3. Estequiometría. Transformaciones químicas. Andrés s Cedillo, AT Trasforacoes quícas Adrés s Cedllo, AT-50 cedllo@xau.ua.x www.fqt.zt.ua.x/cedllo 3. Estequoetría 3.1. Masa atóca 3.. El cocepto de ol 3.3. Relacoes e fórulas f quícas 3.4. Relacoes e reaccoes quícas Cap.

Más detalles

INSTITUTO SUPERIOR TECNOLÓGICO ESTATAL NUEVA ESPERANZA

INSTITUTO SUPERIOR TECNOLÓGICO ESTATAL NUEVA ESPERANZA SILABUS DE CABLEADO ESTRUCTURADO I. INFORMACION GENERAL CARRERA PROFESIONAL : ELECTRONICA INDUSTRIAL MODULO PROFESIONAL : SISTEMAS DE CONTROL DE PROCESOS INDUSTRIALES Y COMUNICACIONES. UNIDAD DIDACTICA

Más detalles

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

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

Más detalles

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

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2 Cojutos coveos Ejeplos de cojutos coveos e R CONVEXIDAD Cojutos coveos Coveidad de fucioes DEFINICION: U cojuto A es coveo cuado, y A y λ [0,] se cuple λ + ( λ) y A R λ + ( λ) y λ = / y λ = 0 Cojuto coveo:

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Apuestas deportivas por Internet

Apuestas deportivas por Internet Autor: Davd Serrao Martíez 22/0/2009 Apuestas deportvas por Iteret Aputes y relexoes Itroduccó Durate el últmo trmestre de 2005, u grupo de compañeros de trabajo y amgos decdmos motar ua suerte de peña

Más detalles

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

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

Más detalles

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

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

11. Optimización no lineal con restricciones

11. Optimización no lineal con restricciones . Optzacó o leal co restrccoes. Optzacó o leal co restrccoes Prcpos y teoreas para la búsqueda de óptos lobales Modelos co restrccoes de ualdad Codcoes de uh-tucker Alortos uércos báscos Prcpos y teoreas

Más detalles

ÁREA DE INGENIERÍA QUÍMICA Prof. Isidoro García García. Operaciones Básicas de Transferencia de Materia. Tema 4

ÁREA DE INGENIERÍA QUÍMICA Prof. Isidoro García García. Operaciones Básicas de Transferencia de Materia. Tema 4 ÁRE DE IGEIERÍ QUÍMIC Operacioes Básicas de Trasferecia de Materia Tea 4 Operacioes Básicas de Trasferecia de Materia ITRODUCCIÓ a aoría de las corrietes de u proceso quíico está costituidas por varios

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

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

Más detalles

La teoría de colas ha tenido un énfasis especial en el tratamiento de sistemas estocásticos.

La teoría de colas ha tenido un énfasis especial en el tratamiento de sistemas estocásticos. .- INTRODUCCIÓN La teoría de colas es objeto de ua apla bblografía que aborda desde el estudo de ssteas forado por ua cola co u servdor hasta coplejas redes de colas de espera. Los ssteas de colas fora

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 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

OPERACIONES CON POLINOMIOS.

OPERACIONES CON POLINOMIOS. OPERACIONES CON POLINOMIOS. EXPRESIONES ALGEBRAICAS. Ua epresió ateática que usa úeros o variables o abos para idicar productos o cocietes es u tério. Los térios,, (ab), so todos epresioes algebraicas.

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

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

FEE02-15 FÓRMULAS Y EJEMPLOS. Incluye a los productos:

FEE02-15 FÓRMULAS Y EJEMPLOS. Incluye a los productos: FEE02-5 FÓRMULAS Y EJEMPLOS cluye a los productos: - Epresariales - Credifácil - El tiepo vale oro - Micro agropecuario - Agro crédito - Credigaadero - Credicostruye - Mi terreito - Multioficios - Crédito

Más detalles

Tema 2: Modelos lineales de optimización con variables enteras.

Tema 2: Modelos lineales de optimización con variables enteras. Tema 2: Modelos leales de optmzacó co varables eteras. Objetvos del tema: Itroducr la programacó leal etera y los domos de aplcacó. Apreder a formular el modelo de u problema de programacó leal etera.

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

- Función Polinómica f es toda función de dominio el conjunto de los números reales, tal que la imagen de cada número real x es:

- Función Polinómica f es toda función de dominio el conjunto de los números reales, tal que la imagen de cada número real x es: POLINOMIOS Defcó: Fucó Polóc - Fucó Polóc f es tod fucó de doo el cojuto de los úeros reles, tl que l ge de cd úero rel es: f = + + + + +, dode,,,,, so ueros reles y es turl Defcó: Poloo - Poloo de vrble

Más detalles