Nota de Clase 2 Sistemas de Ecuaciones: Estimación

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

Download "Nota de Clase 2 Sistemas de Ecuaciones: Estimación"

Transcripción

1 Nota d Clas Sstmas d Ecacons: Estmacón ntrodccón La stmacón d n sstma d cacons s l procso mdant l cal s posbl obtnr stmadors consstnts fcnts d los parámtros strctrals d las cacons q conforman l sstma Psto d sta manra, l problma d stmacón conllva a q l nvstador ralc na sr d prntas prvas a los procsos nradors d datos q caractrzan al sstma La prmra prnta q s db hacr l nvstador stá rfrda a la dntfcacón dl sstma Solo n l caso d sstmas xactamnt dntfcados o sobr-dntfcados srá posbl rcprar los parámtros d ntrés Caso, contraro l nvstador solo podrá stmar las formas rdcdas dl sstma, procdmnto q s bn pd sr útl para prdcr las varabls ndónas o stablcr rlacons d stas con las xónas dl sstma rslta nfrctoso para obtnr na adcada caractrzacón d la strctra conómca bajo análss Como rsolvr sta prnta a f dsctdo n la nota d clas La snda prnta sr na vz q s ha lorado dntfcar al sstma tn q vr con rsolvr los potncals problmas d stmacón Así, l nvstador stará ntrsado n valar la xstnca o no d varabls ndónas n l sstma cov la corrlacón ntr los rrors d las dfrnts cacons E, j x La prsnca d tals condcons n l sstma son las q arán la lccón dl nvstador ntr los métodos d stmacón a sr dsctdos n sta nota clas Ha q notar d la dscsón prva q n procdmnto q rsltaría atractvo para l nvstador no famlarzado con las técncas d stmacón d los sstmas d cacons s stmar las formas rdcdas n sstma dntfcados mdant MCO lo rsolvr las fncons f para hallar los parámtros strctrals Sn mbaro, st procdmnto pd rsltar norroso por lo q las técncas d stmacón q s prsntan n sta nota d clas prmtn vtar l so d papl lápz al stmar drctamnt los parámtros strctrals Más aún, s s q s prtnd hacr nfrnca sobr los parámtros sar papl lápz no sría l procdmnto más adcado toda vz q las fncons f no solo dbrán tlzars para ncontrar los parámtros strctrals sno admás las dsvacons stándar d cada no d llos, procdmnto doblmnt norroso Asmsmo, como s mnconó prvamnt, cando los rrors d las cacons strctrals s ncntran corrlaconados mplar MCO n las formas rdcdas pd rsltar n n procdmnto mnos fcnt q tlzar técncas d stmacón smltana En pocas palabras, conocr las técncas d stmacón asocadas a los sstmas d cacons prmt amplar l abanco d posbldads d stmacón dl q s dspon con l objtvo d mjorar posblmnt la consstnca fcnca d los stmados Al rspcto, xstn múltpls métodos d stmacón q han sdo dsarrollados por la

2 ltratra vr Grn, 3 Wooldrd, para na dscsón ampla d todas llas En sta nota d clas nos cntrarmos n catro métodos q son los más sados n las aplcacons mpírcas: MCO cacón por cacón, MCE mínmos cadrados n dos tapas, MC3E mínmos cadrados n trs tapas MCG/SUR mínmos cadrados nralzados para cacons aparntmnt no rlaconadas Asmsmo, s prov na dscsón d cómo lr ntr cada no d llos Dfncons prvas Consdérs n sstma d cacons como x x x x x x x k k k k x k x k dond los parámtros s normalzan a - Es dcr, los parámtros d la varabl n la cacón Asmsmo, s dfn como l vctor d varabls xplcatvas xónas n la cacón como l vctor d varabls xplcatvas ndónas n la cacón Con stas dos condcons fnals s staría spcfcando n sstma más nral q los antrors dond los rrsors ncldos n cada na d las cacons pd dfrr D st modo, l sstma pd sr xprsado como q n térmnos matrcals toma la forma Nóts l cambo n l ordn d las matrcs para prsntarlo n forma vctoral Estos cambos no altran las conclsons a las q s llaron n la nota d clas son ralzados smplmnt para facltar las opracons d albra matrcal Nóts q s han ntrodcdo las matrcs q hacn rfrnca a aqllas matrcs q acompañan a las ndónas ncldas n cada cacón Dcho d otro modo, son matrcs d parámtros strctrals rsltants lo d normalzar los parámtros ornals dspjar las varabls ndónas por sr xplcadas n cada cacón

3 o dl msmo modo 3, U 3 x x x x x x S s ralza l análss sólo para la cacón o para la cacón d modo nral, s tn q x x x k Asmndo q n sta cacón partclar dl sstma s han ncldo - rrsors ndónos k rrsors xónos Nvamnt n forma matrcal s tn q k 4 nx nx x nxk kx nx dond n rprsnta al númro d obsrvacons tlzadas n la stmacón Lo, s dfnn las matrcs W [ nx k] [ k x] la cacón qda dfnda d la snt manra W 5 dond la matrz d parámtros strctrals s la q s ntnta stmar, la cal contn +k parámtros strctrals 4 Ralzar la stmacón para la matrz 3 Nóts q cando las matrcs tnn l sbíndc, los armntos d cada na d llas son scalars Mntras tanto, cando no stá st sbíndc los armntos son sb-matrcs En otras palabras l sstma nral sn sbíndc stá xprsado n térmnos d matrcs partconadas l sstma ndvdal con sbíndc n térmnos d matrcs normals 4 Nóts q s s q l númro d rrsors ndónos xónos ncldos n cada na d las cacons s l msmo, l númro d parámtros strctrals por stmar s +k- Es dcr, l númro al q s lló n la nota d clas

4 prmtrá obtnr los parámtros strctrals d forma drcta sn rcrrr a stmacons d la forma rdcda tlzar lo papl lápz Nóts admás q la stmacón d sta matrz ndpndntmnt d la técnca tlzada tndrá na matrz d varanza covaranza asocada por lo q las dsvacons stándars d los stmadors podrán tambén sr dntfcados S s q s dfn la rlacón 5 para cada na d las cacons dl sstma s obtndrá W U 6 x x x x o lo q s lo msmo W W W Parallamnt, dfnmos q cada rror d cada na d las cacons tn s propa matrz d varanza-covaranza Lo pd dfnrs Var cov, cov, cov, Var cov, Var U 5 cov, cov, Var, dond n la daonal prncpal s obsrvan las matrcs varanza-covaranza d los rrors d cada cacón n las tranlars las covaranzas ntr los rrors d dstntas cacons 3 Estmadors típcos d sstmas d cacons En bas a las dfncons d la sccón antror, srn los snts casos d stmacón a Caso : MCO cacón por cacón Sa cov, ; Var ; W j ; por lo q n n sstma como st no ha corrlacón ntr los rrors d dfrnts cacons no ha varabls ndónas n l sstma D st modo, no xst nnna fnt d smltandad ntr las cacons dl sstma por sr stmado Admás, la varanza dl rror d cada cacón s homocdástco Así, la matrz toma la snt forma

5 nxn nxn nxn U Var l sstma por stmar s Cada na d las cacons d st sstma cmpln las condcons dl modlo lnal nral Sn mbaro, xst htrocdastcdad rpal Por llo, l método d stmacón por dsarrollar dbrá corrr st problma por lo q s planta na stmacón d MCG En forma matrcal x x x x U Lo s dfn l stmador x x x x x x x Para l caso n q =

6 MCO MCO,, S dmstra q bajo stas crcnstancas s posbl stmar por MCO cada na d las cacons dl sstma por sparado als stmadors ofrcrán rsltados consstnts fcnts vr Grn, 3 b Caso : MCG cacón por cacón Sa j W Var ; ;, cov ; por lo q n n sstma como st no ha corrlacón ntr los rrors d dfrnts cacons no ha varabls ndónas n l sstma D st modo, no xst nnna fnt d smltandad ntr las cacons dl sstma por sr stmado Sn mbaro, dfr dl caso antror n la mdda q los rrors d las cacons ndvdals prsntan htrocdastcdad La matrz toma la snt forma nxn nxn nxn U Var l sstma por stmar s Nóts q n st caso xst tanto htrocdastcdad rpal como ndvdal El método d stmacón por dsarrollar dbrá corrr ambos problmas Para llo, s planta n stmador d MCG smlar al dl caso antror En forma dcr, x x x x x x x Para l caso n q =

7 MCG MCG,, S dmstra q bajo stas crcnstancas s posbl stmar por MCG cada na d las cacons dl sstma por sparado En térmnos práctcos, l procdmnto stándar s stmar los parámtros con MCO corréndolos por htrocdastcdad por jmplo, tlzando l procdmnto d Wht/Hbr s s q n plantamnto ornal s dmstra la xstnca d sta prtrbacón no sférca por jmplo, mdant l dsarrollo d prbas d hpótss sobr la constanca d la varanza dl rror 5 La matrz d corrccón q tlza st procdmnto s m smlar al caso stándar d MCG factbls D st modo, la stmacón d Wht/Hbr no s otra cosa q la matrz d rrors cadrátcos q s obtn d la stmacón MCO n Los stmadors rsltants lo d aplcar MCG factbls srán consstnts fcnts vr Grn, 3 A partr dl caso caso a s pd nsaar na conclsón: cando no haa rlacons d smltandad ntr las cacons no s ncsaro ralzar na stmacón dl sstma; basta con stmar tlzando MCO cacón por cacón o por MCG factbls cando haa q corrr por htrocdastcdad ndvdal para obtnr stmadors consstnts fcnts c Caso 3: MCE 5 Por jmplo, alnas prbas d hpótss dsponbls son l LR tst, la prba d Sparman, la prba d Goldfld Qandt, la prba d Gljsr, la prba d Park, la prba d Harv, l tst d Wht, la prba d rsch-paan El lctor no famlarzado con stas prbas pd rvsar Castro Rvas-Losa 3

8 Sa cov, ; Var ; W j ; por lo q n n sstma como st no ha corrlacón ntr los rrors d dfrnts cacons los rrors d cada cacón ndvdal son homocdástcos Sn mbaro, xst na fnt d smltandad ntr las cacons al xstr varabls ndónas al lado drcho d la cacón La matrz toma la snt forma Var U nxn nxn nxn Conocmos q l modlo toma la forma o n térmnos matrcals U x x x x x x d st modo para la cacón, s pd dmostrar q nx nx x nxk kx nx Sn mbaro, dado q xstn rrsors stocástcos al lado drcho d la cacón, rsltará útl xprsarlo n térmnos d s forma rdcda Para llo, convn rcprar l modlo ornal ants d la normalzacón x U x x x x x xprsarlo n s forma rdcda V x x x x q para la cacón, toma la forma

9 v nx nxk kx nx La forma rdcda a pd sr stmada mdant MCO para hallar los parámtros d modo q Lo s procd a hallar las proccons Est procdmnto s pd rptr para cada na d las varabls constr la matrz Así, rmplazando n la cacón ornal d modo q s nx nx x nxk kx nx sta xprsón a staría n térmnos d varabls xónas por lo q s procd a constrr W [ nx k] [ k x] la cacón qda dfnda d la snt manra W rplcando st procdmnto para cada na d las cacons dl sstma, s pd hallar W U x x x x D st modo, l stmador MCE qda dfndo como MCE W W W Para l caso n q =, MCE W W W, MCE

10 , E MC, E MC Por xtnsón, E MC D st modo E MC E MC E MC,, El stmador d MCE rsltará aql fcnt consstnt bajo las condcons ncals dl modlo xpsto vr Grn, 3 En rsmn, l stmador MCE toma s nombr dbdo a q s cálclo rslta d ralzar dos tapas n l procso d stmacón En la prmra tapa, s nstrmntalzan las varabls ndónas dl modlo Esta nstrmntalzacón s m smlar al procdmnto d varabls nstrmntals V para modlos ncaconals Para llo, l modlo mlt-caconal db prsntars n forma rdcda; s dcr, las varabls ndónas dbn prsntars n térmnos d las varabls xónas D st modo, cada na d las ndónas dl sstma stará xprsada n térmnos d ODAS las xónas Es mportant notar n st paso q ornalmnt NO ODAS las varabls xónas dl sstma habían sdo ncldas n las cacons strctrals ndvdals Por llo, la forma rdcda prmtrá q s cmplan las condcons d sobrdntfcacón, ncsaras para la stmacón d V 6 Dadas stas condcons d sobrdntfcacón, s podrá stmar por MCO la forma rdcda obtnr las proccons d las varabls ndónas A cada na d stas proccons s ls conoc como varabls ndónas xonzadas En la snda tapa los rrsors stocástcos d las cacons strctrals son rmplazados por las nvas varabls xonzadas Dado q ahora todo l sstma stá n térmno d rsors no stocástcos, pd aplcars nvamnt MCO para hallar lstmador fnal La stmacón conjnta d la tapa s lo q s conoc como los stmadors MCO/V o n st contsto l MCE Al al q n l caso d MCO/V, n la aplcacón d MCE dbn cmplrs los spstos d rlvanca xondad d nstrmntos Es dcr, s dbn ralzar las 6 Por jmplo, las varabls xónas ncldas n la cacón pro omtdas n la cacón actarán como los nstrmntos dl procdmnto stándar

11 prbas d hpótss prvas ncsaras para comprobar la valdz dl procdmnto En l prmr caso, s rcomnda l so d la rl of thmb d Stock Watson 3 n l sndo caso na prba d sobrdntfcacón a lo Saran o l tst J Una xplcacón dtallada d cómo ralzar stas prbas s xplca n Stock Watson 3 Asmsmo, como s xplca n Grn 3 tlzar la prba d Hassman para vrfcar la xondad d las varabls s smpr n procdmnto útl Una propdad ntrsant d st stmador s q pd sr stmado para na cacón sn tomar n cnta q scd con l rsto d cacons Gjarat, Por jmplo, s s q s posbl xprsar na d la cacons n fncón d ss ndónas xónas s contnn sfcnts nstrmntos para nstrmntalzar las ndónas prsnts n l sstma la aplcacón d st stmador d V srá consstnt fcnt para los parámtros d la cacón d ntrés Sn mbaro, los parámtros strctrals dl rsto d cacons no podrían sr stmados Fnalmnt, s útl notar q ant la prsnca d htrocdastcdad n las cacons ndvdals s posbl ralzar na corrccón por MCG sn altrar l procdmnto dscrto antrormnt La altrnatva a la mano s corrr las matrcs d varanza covaranza mdant l stmador robsto d Wht/Hbr d Caso 4: SUR, rrsons aparntmnt no corrlaconadas Sa cov, ; Var ; W j j En st sstma los rrors d cada na d las cacons ndvdals son homocdástcos Asmsmo, anq no xstn varabls ndónas como xplcatvas, como fnt d smltandad s dntfca na corrlacón ntr los rrors d las cacons strctrals Jstamnt por sta razón s q l stmador s llama SUR rrsón aparntmnt no corrlaconada, por ss slas n nlés: la fnt d smltandad no s tan vdnt como n l caso antror La matrz toma la snt forma Var U Lo, l sstma por stmar toma la snt forma

12 Cada na d las cacons d st sstma cmpln las condcons dl modlo lnal nral al al q n l caso, xst htrocdastcdad rpal Por llo, d modo smlar a st caso s planta na stmacón por MCG como strata para sprar st problma En forma matrcal l sstma s U x x x x Lo s dfn l stmador SUR x x x x x x Sn mbaro, n la práctca la matrz s dsconocda por lo q s rqr stmar El procdmnto tlzado n l contxto SUR s m smlar a la corrccón por Wht/Hbr a dsctda n l caso Así, s planta la snt matrz / n / n / n / n / n / n / n / n / n q hac rfrnca a la matrz d varanzas covaranzas d los rrors d stmados d cada na d las cacons ndvdals Por llo, n bas a sta caractrístca s q normalmnt l stmador SUR tambén s dfn como n stmador n dos tapas En la prmra, s stman cada na d las cacons ndvdals por MCO nóts q l procdmnto s posbl a q no ha rrsors stocástcos En bas a stos rsltados s compta la matrz Así, para l sstma s tn q, MCO, MCO, MCO, MCO dond, lo q prmt constrr En la snda tapa s calcla n stmador d MCG ncorporando la matrz Al ralzar d manra conjnta ambas tapas prmt obtnr stmador SUR x x x x x x SUR

13 Sn mbaro, cándo s ncsaro ralzar na stmacón SUR? La rspsta s bastant obva: cando s dmstr la xstnca d corrlacón ntr los rrors Para llar a sa conclsón, s dspon d la snt prba d hpótss rsch Paan n j r j ~ dond r j j s l cofcnt d corrlacón nt los rrors stmados por MCO d las cacons j Lo, sndo H o H jj : s daonal : no s daonal S prtnd vrfcar SUR MCO Solo al rchazar la Ho o vrfcar q la matrz s daonal s aplca l stmador SUR q rslta consstnt fcnt vr Grn, 3 Es mportant notar trs caractrístcas d st procdmnto Prmro, s s q no xst corrlacón ntr los rrors, l stmador colapsa a n stmador MCO cacón por cacón Sndo, s s q las varabls xónas ncldas n cada na d las cacons ndvdals son las msmas, los stmadors SUR MCO son déntcos nclso n valor por lo q la stmacón SUR tambén pd sr rmplazada por la stmacón MCO cacón por cacón n st caso rcro, s s q los rrors d las cacons ndvdals son htrocdástcos, l stmador SUR db xtndrs para ncorporar na stmacón por MCG n la prmra tapa n lar d MCO Est nvo stmador MCG/SUR srá aqél fcnt consstnt vr Wooldrd, Grn, 3 para las dmostracons d stos armntos Val la pna amplar q s lo q ocrr n st últmo caso Ahora las caractrístcas cov, ; Var ; W dl modlo son La matrz toma la snt forma j j

14 U Var En st caso, l stmador tomará na forma bastant smlar / x x x x x x SUR MCG las dfrncas provnn al momnto d stmar n n n n n n n n n / / / / / / / / / dond n q s la matrz q s tlzó para corrr por htrocdastcdad n l caso Caso 5: MC3E Sa j j W Var ; ;, cov En st sstma los rrors d cada na d las cacons ndvdals son homocdástcos Asmsmo, xstn dos fnts d smltandad: prsnca d varabls ndónas como xplcatvas corrlacón ntr los rrors d las cacons strctrals El stmador d MC3E propon na mtodoloía para corrr por ambas fnts d manra conjnta Como s nt, st stmador combnará los procdmntos dl MCE dl modlo SUR Jstamnt, sta s la natralza d las tapas q dfnn al procdmnto: las dos prmras smlars al MCE la trcra smlar al SUR La matrz toma la snt forma

15 Var U Conocmos q l modlo toma la forma Lo, hacndo las msmas transformacons q n l caso 3, s obtn la forma strctral dl sstma x U x x x x x q n s forma rdcda s V x x x x para la cacón, toma la forma v nx nxk kx nx Así, la prmra tapa d la stmacón consst n stmar mdant MCO los parámtros d modo q s procd a hallar las proccons procdmnto q s rpt para cada na d las varabls la matrz d modo q s constr En la snda tapa, s rmplazan las xprsons por las n la cacón ornal s obtn

16 nx nx x nxk kx nx sta xprsón a staría n térmnos d varabls xónas por lo q s procd a constrr W [ nx k] [ k x] la cacón qda dfnda d la snt manra W rplcando st procdmnto para cada na d las cacons dl sstma, s pd hallar W U x x x x En bas a st modlo l stmador MCE qda dfndo como MCE W W W Nóts q stas dos prmras tapas son jstamnt las q s sron para hallar l stmador MCE Fnalmnt, para dsarrollar la trcra tapa, db ntndrs q l stmador objtvo tomará la forma W W W MC3E dbdo a la corrlacón ntr los rrors d las dfrnts cacons ndvdals Así, l objtvo s obtnr la matrz q n st caso s dfn como, MCE, MCE, MCE / n / n / n, MCE, MCE, MCE / n / n / n, MCE, MCE, MCE / n / n / n q hac rfrnca a la matrz d varanzas covaranzas d los rrors d stmados d cada na d las cacons ndvdals Sn mbaro, n st caso la stmacón no s ha ralzado por MCO sno por MCE Así,

17 W W W, MCE, MCE, MCE, MCE, MCE, MCE dond MCE W W W, lo q prmt constrr Un vz q s obtn la matrz s posbl ahora s constrr l stmador d ntrés MC3E x x x x x x Est stmador srá consstnt fcnt d acrdo con las condcons ncals dl modlo Grn, 3 Admás, dbrán tomars n cnta todas las consdracons prvamnt dsctdas n l rsto d modlos Prmro, q s cmplan las condcons d dntfcacón, rlvanca d nstrmntos xondad d los msmos al momnto d aplcar l stmador d MCE Sndo, q fctvamnt xsta corrlacón ntr los rrors, para lo cal s pd tlzar la msma prba d hpótss q s xplcó n l caso 4 rcro, s almnt posbl xtndr st stmador para l caso n q los rrors d las cacons ndvdals san htrocdástco sndo n procdmnto smlar al xplcado n l caso 4 4 Prba d hpótss Las prbas d hpótss sobr los parámtros tnn la msma strctra q n l caso ncaconal Así, pd dfnrs por jmplo H o H : 3 : a l na no s cmpl n térmnos matrcals stas rstrccons toman la forma R 3 4 r d forma nral s dfnn las rstrccons como R qxk r kx qx

18 dond R s la matrz d rstrccons, s la matrz d parámtros, r s la matrz d constants, q l númro d rstrccons q s mponnt o hpótss q s ntntan tstar k l númro d rrsors n la stmacón En bas a stas dfncons, la prba d hpótss n térmnos matrcals toma la forma para n sstma d cacons tomará la forma F R r [ R q R ] R r ~ F [ q, nk ] smplmnt bastaría con hacr la stmacón, rcprar las varanzas covaranzas d los stmadors ralzar la snt comparacón F F F F [ q, nk ] [ q, nk ] no acpto H no rchazo H o o La tldad d xprsar la prba d hpótss d st modo q pd obsrvars q la stmacón d cacons smltanas prmtn ralzar prbas sobr parámtros n dfrnts cacons Ello s s sma tldad n la mdda q n mchas aplcacons conómcas s d ntrés ralzar nfrncas sobr dos cacons strctrals dntro d n msmo sstma Nóts q la matrz s la q prmt dntfcar na matrz d varanzas covaranzas para todo l st d rrsors n dfrnts cacons, por lo q srá posbl ralzar las prbas d hpótss

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las

Más detalles

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO Mcroconomía AE Tma 3. LA COMPETENCIA PERFECTA PROBLEMA REUELTO uponga qu cada una d las 144 mprsas qu forman una ndustra prfctamnt compttva tnn una curva d costs totals a corto plazo déntca qu vn dada

Más detalles

Apéndice A ANÁLISIS TENSORIAL

Apéndice A ANÁLISIS TENSORIAL Apéndc A ANÁLISIS TENSORIAL El análss tnsoral s cntra n l studo d nts abstractos llamados tnsors, cuyas propdads son ndpndnts d los sstmas d rfrnca mplados para dtrmnarlos. Un tnsor stá rprsntado n un

Más detalles

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d

Más detalles

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d

Más detalles

División 5. Ejemplo de síntesis de un mecanismo articulado de barras

División 5. Ejemplo de síntesis de un mecanismo articulado de barras Vrsón 0 CAITUL MECANISMS vsón 5 Ejmplo d síntss d un mcansmo artculado d barras UTN-F Cátdra: Elmntos d Máqunas. rofsor: r. Ing. Marclo Tulo ovan Vrsón 0. sumn En sta dvsón s dscrbrá l uso d la mtodología

Más detalles

Tema 3: ESTIMACIÓN DEL MODELO

Tema 3: ESTIMACIÓN DEL MODELO Introduccón a la Economtría Tma 3: ETIMACIÓ DEL MODELO Tma 3: ETIMACIÓ DEL MODELO 3. Estmacón mínmocuadrátca. a l modlo d rgrsón lnal smpl: + + u E[ / ] + u,..., (3.) rprsntamos por los stmadors (, tamén,

Más detalles

I. MEDIDAS DE TENDENCIA CENTRAL

I. MEDIDAS DE TENDENCIA CENTRAL I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors

Más detalles

3.1 OPERADORES DIFERENCIALES a) Gradiente de un c. escalar, U:

3.1 OPERADORES DIFERENCIALES a) Gradiente de un c. escalar, U: Obs.: Dfrncal d na mantd varabl n 3(ó 2) 1) En nral (Análss): S f dpnd d (y 1, y m ), df := y1 f dy 1 + + ym f dy m Lo msmo ocrr s s trata d na mantd vctoral d n componnts, F: df := y1 F dy 1 + + ym F

Más detalles

Conceptos Básicos Previos

Conceptos Básicos Previos Concptos Báscos Prvos Clasfcacón d Sñals Comuncacons Unvrsdad d Cantabra Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ 0 ) = ( ( / [n] Sñals Dtrmnstas Rpaso d concptos

Más detalles

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT jrccos E.- uál s la nrgía raconal molar d la molécula d odo a las dos tmpraturas antrors?. Haz srvr las nrgías raconals xprmntals. ln Q, ( ) ln! 5 v,, v 5 v ln c v d ln d d d d d 5 v v 5 v v d d 5 v v

Más detalles

Resumen TEMA 6: Momentos de inercia

Resumen TEMA 6: Momentos de inercia EMA 6: Momntos d nrca Mcánca Rsumn EMA 6: Momntos d nrca. Dfncons Sstma matral d puntos matrals d masa m, =, 2,...,. a) Momnto d nrca rspcto d un plano π md (d = dstanca d la masa m al plano π) π =Σ 2

Más detalles

CONTROL PREDICTIVO DE TANQUES ACOPLADOS

CONTROL PREDICTIVO DE TANQUES ACOPLADOS CONTROL PREDICTIVO DE TANQUES ACOPLADOS J.R. Llata, J. P. Ora, E.G. Saraba, J. Arc, A. Robls Dpartamnto d Tcnología Elctrónca Ingnría d Sstmas Automátca E.T. S. Ingnros Industrals Tlcomuncacón. Unvrsdad

Más detalles

CONCEPTOS BÁSICOS SOBRE LA HETEROCEDASTICIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL TRATAMIENTO CON E-VIEWS

CONCEPTOS BÁSICOS SOBRE LA HETEROCEDASTICIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL TRATAMIENTO CON E-VIEWS Concptos báscos sobr Htrocdastcdad y Tratamnto n -vws CONCPTOS BÁSICOS SOBR LA HTROCDASTICIDAD N L MODLO BÁSICO D RGRSIÓN LINAL TRATAMINTO CON -VIWS Rafal d Arc y Ramón Mahía Dpto. d conomía Aplcada Unvrsdad

Más detalles

Capitulo IV. Síntesis dimensional de mecanismos

Capitulo IV. Síntesis dimensional de mecanismos Captulo IV Síntss dmnsonal d mcansmos Capítulo IV Síntss dmnsonal d mcansmos IV. Síntss dmnsonal d mcansmos. Gnracón d funcons. IV. Gnracón d trayctoras.. Introduccón a la síntss d gnracón d trayctoras..

Más detalles

Encuesta de ocupación en albergues

Encuesta de ocupación en albergues Encusta d ocupacón n albrgus Mtodología Fbrro 207 IE. Insttuto aconal d Estadístca Mtodología. rsntacón 2. Obtvos 3. Undad stadístca 4. Ámbto d la ncusta 5. fncón d varabls 6. Marco d la ncusta y dsño

Más detalles

Sección compuesta E 2. Fase I

Sección compuesta E 2. Fase I ACULTAD DE NENERÍA HORMÓN 74.05 Sccón compusta E 2 as as E as Ι = La vga prtnsada soporta su pso propo, l pso dl ncofrado, l pso dl hormgón frsco d la losa y las sobrcargas d hormgonado. as ΙΙ = La sccón

Más detalles

ELEMENTOS FINITOS DE DIFERENTES ÓRDENES PARA PROBLEMAS DE ELASTICIDAD PLANA Y MEZCLAS DE SUS MALLAS

ELEMENTOS FINITOS DE DIFERENTES ÓRDENES PARA PROBLEMAS DE ELASTICIDAD PLANA Y MEZCLAS DE SUS MALLAS ELEMENTOS FINITOS DE DIFERENTES ÓRDENES PARA PROBLEMAS DE ELASTICIDAD PLANA Y MEZCLAS DE SUS MALLAS Sbastán Toro *, Vctoro Sonzogn, Carlos Numan * GIMNI, Unvrsdad Tcnológca Naconal, F.R. Santa F. Lavas

Más detalles

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!

Más detalles

6 Heteroscedasticidad

6 Heteroscedasticidad 6 Heteroscedastcdad Defncón casas de heteroscedastcdad Defncón: la varanza de la pertrbacón no es constante. Casas: a natraleza de la relacón entre las varables Ejemplo : relacón gasto-renta; Hogares con

Más detalles

UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE INGENIERÍA - DEPARTAMENTO DE FÍSICA. CÁTEDRA: Física de los Semiconductores

UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE INGENIERÍA - DEPARTAMENTO DE FÍSICA. CÁTEDRA: Física de los Semiconductores UIVERSI CIOL E MR EL PLT - 017 FCULT E IGEIERÍ - EPRTMETO E FÍSIC CÁTER: Físca d los Smconductors SERIE 4: vl d Frm- Smconductors 1.- Calcular la nrgía d Frm para l oro a T=0K..- a) Calcular la nrgía d

Más detalles

Introducción a la técnica de Bond-Graph

Introducción a la técnica de Bond-Graph Capíítullo T1 Introduccón a la técnca d Bond-Graph 1.1 INTRODUCCIÓN En un sstma físco cualqura, la nrgía pud almacnars, dspars o ntrcambars. Cuando postrormnt s unn dos sstmas, aparcn dstntos flujos d

Más detalles

Si v y w son ambos vectores, entonces el resultado de las operaciones v + w y v w son. Dichas operaciones cumplen con propiedades conmutativas y

Si v y w son ambos vectores, entonces el resultado de las operaciones v + w y v w son. Dichas operaciones cumplen con propiedades conmutativas y Crso nzdo d Fnómnos d Trnsport Dr. Jn Cros Frro Gonzáz Dprtmnto d Ingnrí Qímc Insttto Tcnoógco d Cy Oprcons con Vctors Adcón y sbstrccón d ctors S y w son mbos ctors, ntoncs rstdo d s oprcons w y w son

Más detalles

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO

Más detalles

- Se dice que hay interacción entre E y X, si la relación entre E y M no es la misma en los diferentes niveles de X. -

- Se dice que hay interacción entre E y X, si la relación entre E y M no es la misma en los diferentes niveles de X. - BOLETÍN EPIDEMIOLÓGICO DE CASTILLA-LA MANCHA MARZO 2007/ Vol.9 /Nº LA REGRESIÓN LOGÍSTICA EN EPIDEMIOLOGÍA III (*) 3.- INTERACCIONES EN EL MODELO LOGÍSTICO A.- PRINCIPIO DE LA INTERACCIÓN EN EL MODELO

Más detalles

Tema 2. Señales y Ruido Comunicaciones Digitales Universidad de Cantabria

Tema 2. Señales y Ruido Comunicaciones Digitales Universidad de Cantabria ma. Sñals y udo Comuncacons Dgtals Unvrsdad d Cantabra. Clasfcacón Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ ( ( / [n]. Sñals Dtrmnstas paso d concptos d la

Más detalles

Electrotecnia General

Electrotecnia General Dpartamnto d Ingnría Eléctrca Unvrsdad Naconal d Mar dl Plata Ára Elctrotcna Elctrotcna Gnral (para la Carrra Ingnría Industral) METODOS DE ANALISIS DE CIRCUITOS ELECTRICOS EN C.C. Y C.A. Profsor Adjunto:

Más detalles

Ingeniería de las reacciones químicas

Ingeniería de las reacciones químicas Ingnría d las raccons químcas Ingnría d las raccons químcas. Un componnt dfund a través d un tubo, con ntrada por uno solo d sus xtrmos. Dntro dl tubo hay un componnt j. El componnt, raccona sgún k 0,5

Más detalles

TEORÍA DE ESTRUCTURAS

TEORÍA DE ESTRUCTURAS TEORÍA DE ESTRUCTURAS TEMA 5: INTRODUCCIÓN A OS MÉTODOS MATRICIAES DE CÁCUO DE ESTRUCTURAS DRTAMENTO DE INGENIERÍA MECÁNICA - MNIA INGENIERITZA SAIA ESCU TÉCNICA SUERIOR DE INGENIERÍA DE BIBAO UNIVERSIDAD

Más detalles

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PRIMER EAMEN DE ECONOMETRÍA Profsor: Carlos Ptta Arcos. Grupos 4 y 4 Panorama Gnral: El amn consta d 4 problmas, con una pondracón fnal d puntos (pts). Para facltarl l cálculo

Más detalles

ANÁLISIS DE ESTACIONARIEDAD CON DATOS DE PANEL: UNA ILUSTRACIÓN PARA LOS TIPOS DE CAMBIO, PRECIOS Y MANTENIMIENTO DE LA PPA EN LATINOAMÉRICA

ANÁLISIS DE ESTACIONARIEDAD CON DATOS DE PANEL: UNA ILUSTRACIÓN PARA LOS TIPOS DE CAMBIO, PRECIOS Y MANTENIMIENTO DE LA PPA EN LATINOAMÉRICA AÁLISIS DE ESACIOARIEDAD CO DAOS DE PAEL: UA ILUSRACIÓ PARA LOS IPOS DE CAMBIO, PRECIOS Y MAEIMIEO DE LA PPA E LAIOAMÉRICA Ramón Mahía Instuto L.R. Kln Juno 000. RESUME El documnto prsntado prtnd xponr

Más detalles

Palabras clave: Infraestructura pública, efectos desbordamiento, función de costes, productividad.

Palabras clave: Infraestructura pública, efectos desbordamiento, función de costes, productividad. Hacnda Públca Española / Rvsta d Economía Públca, 165-(2/2003): 25-51 2003, Insttuto d Estudos Fscals Captal públco, actvdad conómca prvada y fctos dsbordamnto: Un análss por Comundads Autónomas d los

Más detalles

Máster en Ecología Métodos para el estudio de Sistemas Ecológicos: Diseño, Análisis y Modelización. III. Regresión logística

Máster en Ecología Métodos para el estudio de Sistemas Ecológicos: Diseño, Análisis y Modelización. III. Regresión logística Mástr n Ecología Métodos para l studo d Sstmas Ecológcos: Dsño, Análss y Modlzacón. III. Rgrsón logístca Rgrsón logístca: ntroduccón - VR bnara p.., prsnca/ausnca, vvo/murto - Los prdctors pudn sr contnuos

Más detalles

GUÍA Nº 1 CIFRAS SIGNIFICATIVAS Y TEORIA DEL ERROR

GUÍA Nº 1 CIFRAS SIGNIFICATIVAS Y TEORIA DEL ERROR Asgnatura: Físca Mcánca ZF00 Ára Cncas Báscas Rsponsabls: Patrco Pachco H/Jacquln Ala P Fcha actualzacón: Otoño 009 GUÍA º CIFRAS SIGIFICATIAS Y TEORIA EL ERROR - Introduccón La guía d laboratoros nos

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_02. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_02. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CAPITULO º FUNCIONES DE VECTORES Y MATRICES_ Ing. Dgo Aljandro Paño G. M.Sc, Ph.D. Funcons d Marcs Torma: Sa f( una funcón arbrara dl scalar y sa A una marz con polnomo caracrísco: S dfn g( un polnomo

Más detalles

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos Mnstro d Fomnto Scrtaría d Estado d Infrastructuras, Transport y Vvnda Drccón Gnral d Arqutctura, Vvnda y Sulo Documnto d Apoyo al Documnto Básco DB-HE Ahorro d nrgía Códgo Técnco d la Edfcacón DA DB-HE

Más detalles

MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS

MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS Modlos d sbastas y s aplaón a los onrsos. MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS Jan Momparlr, Maro Hdalgo Jam I, UTEM RESUMEN En st trabao ralzamos na ntrodón hstóra a la Toría d sbastas

Más detalles

El comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales

El comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales Propas raatvas curpos opa El comportamnto al l CN srv como stánar contra l cual s compara l comportamnto curpos rals El comportamnto ral s xprsa por una sr propas fnas n rlacón al CN En gnral las propas

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

Probabilidad de que una variable tome un valor x determinado = N

Probabilidad de que una variable tome un valor x determinado = N Magntuds dscrtas Probabldad d qu una varabl tom un valor dtrmnado p X ota ( p,,,,6 5 7, 6 8,6 7, 8 8,6 9 6,,8 5 p Probabldad,5,,5,,5, 5 6 7 8 9 ota Magntuds contnuas Probabldad d qu una varabl tom un valor

Más detalles

Analysis of Subspace Identification Methods Based on the Estimation of the System Matrices

Analysis of Subspace Identification Methods Based on the Estimation of the System Matrices Anayss of Subspac Idntfcaton Mthods Basd on th Estmaton of th Systm Matrcs R.. Cabrra, V. M. A. Martínz, Mmbr, IEEE, M. A. Mdna Abstract h subspac dntfcaton mthods or 4SID mthods ar known for thr abty

Más detalles

TIENDEN LAS PERSONAS CASADAS A DISCRIMINAR PREFERENTEMENTE A FAVOR DEL CRITERIO DE LOS PRECIOS EN LA COMPRA DE PRODUCTOS

TIENDEN LAS PERSONAS CASADAS A DISCRIMINAR PREFERENTEMENTE A FAVOR DEL CRITERIO DE LOS PRECIOS EN LA COMPRA DE PRODUCTOS TIENDEN LAS PERSONAS CASADAS A DISCRIMINAR PREFERENTEMENTE A FAVOR DEL CRITERIO DE LOS PRECIOS EN LA COMPRA DE PRODUCTOS BÁSICOS? EVIDENCIA EMPÍRICA PARA LA COMPRA DE ACEITES COMESTIBLES EN LA CIUDAD DE

Más detalles

BLOQUE II: GEOMETRÍA. TEMA 4. ESPACIO EUCLÍDEO TRIDIMENSIONAL: VECTORES. PRODUCTO ESCALAR, VECTORIAL Y MIXTO

BLOQUE II: GEOMETRÍA. TEMA 4. ESPACIO EUCLÍDEO TRIDIMENSIONAL: VECTORES. PRODUCTO ESCALAR, VECTORIAL Y MIXTO Mat. II-Gomtría BLOQUE II: GEOMETRÍA. TEMA 4. ESPIO EUCLÍDEO TRIDIMENSIONAL: VECTORES. PRODUCTO ESCALAR VECTORIAL Y MIXTO. VECTORES.. Opracions con ctors Trabajamos n l spacio como hicimos n l plano n

Más detalles

Movilidad Social y Desigualdad Económica 1

Movilidad Social y Desigualdad Económica 1 ovldad Socal y Dsgualdad Económca Juan Prto Rodríguz Unvrsdad d Ovdo Avda. dl Crsto s/n 3307 Ovdo Tl: +34 985 03768. E-mal: jprtor@unov.s Juan Gabrl Rodríguz Unvrsdad Ry Juan Carlos Campus d Vcálvaro 28032

Más detalles

e i para construir el modelo econométrico que se escribe a continuación:

e i para construir el modelo econométrico que se escribe a continuación: 5.3 Especfcacón del modelo empírco Para este análss se formló n modelo econométrco de seccón crzada, porqe las observacones corresponden a las característcas de las personas encestadas en n msmo período

Más detalles

8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007 BASES WAVELETS EN EL MÉTODO DE ELEMENTOS FINITOS

8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007 BASES WAVELETS EN EL MÉTODO DE ELEMENTOS FINITOS 8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 d Octubr d 27 BASES WAVELETS EN EL MÉTODO DE ELEMENTOS FINITOS Vampa V.* # y Martín M.T.* + *Dpartamnto d Matmátca, Facultad d Cncas Exactas,

Más detalles

ESTIMACIÓN LINEAL DE ERROR CUADRÁTICO MEDIO MÍNIMO

ESTIMACIÓN LINEAL DE ERROR CUADRÁTICO MEDIO MÍNIMO STIMACIÓ LIAL D RROR CUADRÁTICO MDIO MÍIMO MOTIVACIÓ: Los stmdors óptmos sgún l crtro d Bs son, n gnrl, funcons no lnls d ls obsrvcons. s ncsro conocr l f.d.p. d l vrbl ltor dds ls obsrvcons. Usndo stmdors

Más detalles

ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modelos Lineales. Andreu Nolasco

ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modelos Lineales. Andreu Nolasco ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modlos Lnals Andru Nolasco El autor Est documnto ha sdo publcado n l Rpostoro d la Unvrsdad d Alcant bajo Lcnca d dstrbucón no xclusva Dcmbr d 6 Introduccón

Más detalles

Algoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar

Algoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar M. n C. Víctor Manul Silva García, M. n C. Eduardo Vga

Más detalles

MODELOS CON VARIABLE DEPENDIENTE CUALITATIVA (1)

MODELOS CON VARIABLE DEPENDIENTE CUALITATIVA (1) ECONOMETRÍA III Curso 8/9 MODELOS CON VARIABLE DEENDIENTE CUALITATIVA rofsors: Víctor J. Cano Frnándz y M. Carolna Rodríguz Donat Dpto. d Economía d las Instrtucons, Estadístca Económca y Economtría Unvrsdad

Más detalles

Solución a la práctica 6 con Eviews

Solución a la práctica 6 con Eviews Solución a la práctica 6 con Eviws El siguint modlo d rgrsión rlaciona la nota mdia qu obtinn los alumnos n matmáticas (nota) n un cntro, con l númro d profsors disponibls n l cntro (profsors), l porcntaj

Más detalles

Encuesta de Ocupación en Albergues (EOAL)

Encuesta de Ocupación en Albergues (EOAL) Encusta d Ocupacón n Albrgus (EOAL) Antproycto Enro 205 IE. Insttuto aconal d Estadístca IE. Insttuto aconal d Estadístca ÍICE ROYECTO TÉCICO... 3 Introduccón... 3. Obtvos... 3 2. Lgslacón y marco d rfrnca

Más detalles

i R R 2 Denominamos solución de R, a los valores de las corrientes y voltajes de las componentes dentro de R.

i R R 2 Denominamos solución de R, a los valores de las corrientes y voltajes de las componentes dentro de R. Capítulo 5 1 EDES EQUIVALENTES En aradas stuacons no ntrsa conocr todos los alors d los oltajs y corrnts d una rd, sno sólo un pquño conjunto d llos. Pudn logrars smplfcacons mportants, n l cálculo d una

Más detalles

UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL

UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL MÉTODOS DE MALLADO Y ALGORITMOS ADAPTATIVOS EN DOS Y TRES DIMENSIONES

Más detalles

Ejercicios de integrales 2008: 1.2A Ejercicio 2.- [2'5 puntos] Dadas las funciones f : [0;+ ) R y g : [0;+ ) R definidas por

Ejercicios de integrales 2008: 1.2A Ejercicio 2.- [2'5 puntos] Dadas las funciones f : [0;+ ) R y g : [0;+ ) R definidas por INTEGRALES MATEMATICAS II 0-0 Ejrcicios d intgrals 00:.A Ejrcicio.- ['5 pntos] Dadas las fncions f : [0;+ ) R g : [0;+ ) R dfinidas por f ( ) g() Calcla l ára dl rcinto limitado por las gráficas d f g..b

Más detalles

GAST-1: determinación precisa de trayectorias con sistemas inerciales y GNSS. F. Creixell*, I. Colomina*, A. Baron**

GAST-1: determinación precisa de trayectorias con sistemas inerciales y GNSS. F. Creixell*, I. Colomina*, A. Baron** GAST-1: dtrmnacón prcsa d trayctoras con sstmas nrcals y GNSS F. Crxll*, I. Colomna*, A. Baron** (*) Insttut d Gomàtca, IG (**) Insttut Cartogràfc d Catalunya, ICC Palaras clav: IMU, GNSS, navgacón nrcal,

Más detalles

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS ANÁLISIS DE SISTEMAS ELECTÓNICOS EALIMENTADOS DESANECIMIENTO J.M. Mlá d la oca P. EDITOIAL MIL 6 CAACAS Esta obra s ncuntra rvsón; cualqur obsrvacón qu UD tnga s l agradc comuncarla al autor. jmmladroca@hotmal.com

Más detalles

Encuesta de ocupación hotelera

Encuesta de ocupación hotelera Encusta d ocupacón hotlra Mtodología Fbrro 2017 INE. Insttuto Naconal d Estadístca Mtodología 1. rsntacón 2. Objtvos 3. Undad stadístca 4. Ámbto d la ncusta 5. fncón d varabls 6. Marco d la ncusta y dsño

Más detalles

Sise considera la difusión de calor y masa dentro de un. Cálculo del Factor de Efectividad Utilizando Colocación Ortogonal Sobre Elementos Finitos

Sise considera la difusión de calor y masa dentro de un. Cálculo del Factor de Efectividad Utilizando Colocación Ortogonal Sobre Elementos Finitos 94 Rvsta Ingnría Invstgacón No. 44 Dcmbr d 1999 Cálculo dl Factor d Efctvdad Utlzando Colocacón Ortogonal Sobr Elmntos Fntos Javr Fontalvo Alzat*- Lus M. Carballo Suárz** RESUMEN En l prsnt documnto s

Más detalles

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

+ ( + ) ( ) + ( + ) ( ) ( )

+ ( + ) ( ) + ( + ) ( ) ( ) latrals n. iguals. f. La función CONTINUIDAD f () Es continua n l punto?. Calcular los límits ³ ² 5 Para qu la función sa continua n s db cumplir: f f Calculamos por sparado cada mimbro d la igualdad f

Más detalles

III. Campo eléctrico y conductores

III. Campo eléctrico y conductores III. ampo léctrco y conductors 5. Enrgía a lctrostátca tca n sstmas con conductors Gabrl ano Gómz, G 9/ Dpto. Físca F Aplcada III (. Svlla ampos Elctromagnétcos tcos Ingnro d Tlcomuncacón III. ampo léctrco

Más detalles

UPCGRAU. Mecánica del medio continuo en la ingeniería Teoría y problemas resueltos ENGINYERIES INDUSTRIALS. Xavier Ayneto Gubert

UPCGRAU. Mecánica del medio continuo en la ingeniería Teoría y problemas resueltos ENGINYERIES INDUSTRIALS. Xavier Ayneto Gubert ENGINYERIES INDUSTRIALS UPCGRAU Mcánca dl mdo contnuo n la ngnría Toría y problmas rsultos Xavr Aynto Gubrt Mqul Frrr Ballstr ENGINYERIES INDUSTRIALS UPCGRAU Mcánca dl mdo contnuo n la ngnría Toría y

Más detalles

ENFOQUE PRÁCTICO PARA LA ESTIMACIÓN DE CONFIABILIDAD Y DISPONIBILIDAD DE EQUIPOS, CON BASE EN DATOS GENÉRICOS Y OPINIÓN DE EXPERTOS

ENFOQUE PRÁCTICO PARA LA ESTIMACIÓN DE CONFIABILIDAD Y DISPONIBILIDAD DE EQUIPOS, CON BASE EN DATOS GENÉRICOS Y OPINIÓN DE EXPERTOS ENFOQUE PRÁCTICO PARA LA ESTIMACIÓN DE CONFIABILIDAD Y DISPONIBILIDAD DE EQUIPOS, CON BASE EN DATOS GENÉRICOS Y OPINIÓN DE EXPERTOS Yañz Mdardo. Smco Karna.. Enfoqu Práctco para la Estmacón d Confabldad

Más detalles

LECCIÓN N 5 AMPLIFICACIÓN N DE SEÑALES

LECCIÓN N 5 AMPLIFICACIÓN N DE SEÑALES EIÓN 5. lcacón d sñals TEM III MPIFIIÓN N EETÓNI ccón 5. MPIFIIÓN DE EÑE. Parátros báscos ccón 6. MPIFIDOE OPEIONE ccón 7. EIMENTIÓN EN MPIFIDOE ccón 8. OIDOE Y GENEDOE DE EÑE Elctrónca Gnral EIÓN 5. lcacón

Más detalles

Se desea saber como se ha de procesar el producto de forma que se minimicen los costos totales.

Se desea saber como se ha de procesar el producto de forma que se minimicen los costos totales. Emn d l Asgntur Optmzcón d Procsos 5º curso d Ingnrí Químc uno mpo: h. Prolm En un fctorí hy qu procsr un fluo ddo F m /h d un producto qu s otn d un tnqu d lmcnmnto clntándolo n cutro undds térmcs qu

Más detalles

PROBLEMAS DE LÍMITES DE FUNCIONES (Por métodos algebraicos) Observación: Algunos de estos problemas provienen de las pruebas de Selectividad.

PROBLEMAS DE LÍMITES DE FUNCIONES (Por métodos algebraicos) Observación: Algunos de estos problemas provienen de las pruebas de Selectividad. Funcions Límits y continuidad PROBLEMAS DE LÍMITES DE FUNCIONES Por métodos algbraicos Obsrvación: Algunos d stos problmas provinn d las prubas d Slctividad Si ist l it d una función f cuando a, y si f

Más detalles

A1. ELEMENTOS DE VIGA DE EULER BERNOULLI LIBRES DE ROTACIÓN

A1. ELEMENTOS DE VIGA DE EULER BERNOULLI LIBRES DE ROTACIÓN Anass d acas y amna 34 ANEJO I A. ELEMENOS DE VIGA DE EULER ERNOULLI LIRES DE ROACIÓN La toría d vgas d Eur-rnou s robabmnt uno d os robmas modo más sms d a formuacón rstrngda d a astcdad na. La rstrccón

Más detalles

MODELOS DE ELECCIÓN DISCRETA

MODELOS DE ELECCIÓN DISCRETA ODELOS DE ELECCIÓN DISCRETA Eva dna oral - www.va.mdnaam.s (Dcmbr 3. INTRODUCCIÓN. INTERRETACIÓN ESTRUCTURAL DE LOS ODELOS DE ELECCIÓN DISCRETA 3. ODELO LINEAL DE ROBABILIDAD (L Espcfcacón ntrprtacón dl

Más detalles

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor

Más detalles

3 METODO DE DISEÑO POR DESPLAZAMIENTO

3 METODO DE DISEÑO POR DESPLAZAMIENTO 6 3 METODO DE DISEÑO POR DESPLAZAMIENTO En st captulo s prsntan l método drcto d dsño sísmco basado n dsplazamnto, la rfrnca básca d st captulo s (Prstl, 007) 3.1 Método d dsño sísmco basado n dsplazamnto

Más detalles

SIMULACIÓN NUMÉRICA DE UNA CÁMARA DE COMBUSTIÓN DE ALTA VELOCIDAD CON DOS CONFIGURACIONES DE INYECCIÓN DE COMBUSTIBLE

SIMULACIÓN NUMÉRICA DE UNA CÁMARA DE COMBUSTIÓN DE ALTA VELOCIDAD CON DOS CONFIGURACIONES DE INYECCIÓN DE COMBUSTIBLE SIMULAIÓN NUMÉRIA DE UNA ÁMARA DE OMBUSIÓN DE ALA VELOIDAD ON DOS ONFIGURAIONES DE INYEIÓN DE OMBUSIBLE NUMERIAL SIMULAION OF HIGH SPEED OMBUSION HAMBER USING WO FUEL INJEION ONFIGURAIONS HENRY OPEE Grpo

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

Representación esquemática de un sistema con tres fases

Representación esquemática de un sistema con tres fases 6 APLICACIONES 6.1 Sistma con varias fass Una vz consguido l modlo para simular una mmbrana, s planta su uso para simular procsos con más d una. Uno d stos procsos podría sr un sistma con varias fass.

Más detalles

PROBLEMAS RESUELTOS DE INTERACCIÓN MAGNÉTICA

PROBLEMAS RESUELTOS DE INTERACCIÓN MAGNÉTICA PROLEMAS RESUELTOS DE INTERACCIÓN MAGNÉTICA PROEMAS DEL CURSO Una carga q = 2 C y 0,01 g masa, ncalmnt n rposo n un punto A, s aclraa por un campo léctrco horzontal orntao haca la zqura. Al llgar al punto,

Más detalles

TEMA 5. Límites y continuidad de funciones Problemas Resueltos

TEMA 5. Límites y continuidad de funciones Problemas Resueltos Matmáticas Aplicadas a las Cincias Socials II Solucions d los problmas propustos Tma 7 Cálculo d its TEMA Límits y continuidad d funcions Problmas Rsultos Para la función rprsntada n la figura adjunta,

Más detalles

Modelos de elección discreta y especificaciones ordenadas: una reflexión metodológica

Modelos de elección discreta y especificaciones ordenadas: una reflexión metodológica 1 Vol. 49, Núm. 166, 2007, págs. 451 a 471 Modlos d lccón dscrta y spcfcacons ordnadas: una rflxón mtodológca por Mª CAROLINA RODRÍGUEZ DONATE JOSÉ JUAN CÁCERES HERNÁNDEZ Dpartamnto d Economía d las Insttucons,

Más detalles

Julio Ceniceros & Edgar de la Garza

Julio Ceniceros & Edgar de la Garza 235 Captulo 0 Una aproxmacón a la partcpacón dl tpo d prsonaldad manfsta dl consumdor ant la dsyuntva d compra bajo l crtro bnaro d prcos contra atrbutos d los productos Julo Cncros & Edgar d la Garza

Más detalles

ESTIMADOR DE AITKEN Y PROPIEDADES DEL MISMO (Última revisión: 1 de marzo de 2007)

ESTIMADOR DE AITKEN Y PROPIEDADES DEL MISMO (Última revisión: 1 de marzo de 2007) Apts d clas d coomtría II / 6 STIMADOR D AITKN Y ROIDADS DL MISMO Última rvisió: d marzo d 7 rof. Rafal d Arc rafal.darc@am.s stimació d los parámtros dl MBRL por máxima vrosimilitd Apoádoos la hipótsis

Más detalles

Tabla de contenido. Página

Tabla de contenido. Página Tabla d contnido Página Ecuacions d ordn suprior Ecuacions homogénas d sgundo ordn con coficints constants Caso. Raícs rals distintas 6 Caso. Raícs compljas conjugadas 6 Caso. Raícs rals iguals 7 Rsumn

Más detalles

3. DINÁMICA DEL SÓLIDO RÍGIDO

3. DINÁMICA DEL SÓLIDO RÍGIDO 3. DINÁMICA DEL SÓLIDO RÍIDO 3.1. Dnámca la partícula La sguna ly Nwton stablc qu n una partícula masa constant m sobr la qu actúa una furza F s vrfca F p (3.1) on p s l momnto lnal qu s fn como l proucto

Más detalles

Valoración cualitativa de impactos ambientales mediante lógica borrosa

Valoración cualitativa de impactos ambientales mediante lógica borrosa Valoracón cualtatva d mpactos ambntals mdant lógca borrosa Rcbdo para valuacón: d Sptmbr d 2006 Acptacón: 3 d Dcmbr d 2006 Rcbdo vrsón fnal: 9 d Dcmbr d 2006 Robrto Pch G. Artículo d nvstgacón cntífca

Más detalles

I. DEFINICIÓN (i): LOGIT como un tipo concreto de MODELOS DE REGRESIÓN PARA VARIABLES DEPENDIENTES LIMITADAS.

I. DEFINICIÓN (i): LOGIT como un tipo concreto de MODELOS DE REGRESIÓN PARA VARIABLES DEPENDIENTES LIMITADAS. Curso d Posgrado 0-03 FORMACIÓN DE ESPECIALISTAS EN INVESTIGACIÓN SOCIAL APLICADA Y ANÁLISIS DE DATOS Técncas d modlzacón d varabls cualtatvas: Rgrsón Logístca Part I: El modlo d rgrsón logístca bnaro

Más detalles

INTEGRACIÓN POR PARTES

INTEGRACIÓN POR PARTES UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERA DEPARTAMENTO DE MATEMÁTICA Y ESTADISTICA INTEGRACION INTEGRACIÓN Algunas intgrals qu s nos prsntan nos rsultan un poco compljas, ya por lo

Más detalles

ANEXO A: Método de Interpolación de Cokriging Colocado

ANEXO A: Método de Interpolación de Cokriging Colocado ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),

Más detalles

ESTUDIO DE LA MODELIZACIÓN DE SISTEMAS MULTICUERPO FLEXIBLES PARA UN ANALISIS EFICIENTE CON NO LINEALIDAD GEOMETRICA

ESTUDIO DE LA MODELIZACIÓN DE SISTEMAS MULTICUERPO FLEXIBLES PARA UN ANALISIS EFICIENTE CON NO LINEALIDAD GEOMETRICA Congrso d Métodos Numércos n Ingnría 5 Granada, 4 a 7 d Julo, 5 SEMNI, España 5 ESTUDIO DE A MODEIZACIÓN DE SISTEMAS MUTICUERPO FEXIBES PARA UN ANAISIS EFICIENTE CON NO INEAIDAD GEOMETRICA Ruth Gutérrz,

Más detalles

DISEÑO DE EQUIPOS DE TRANSFERENCIA DE CALOR

DISEÑO DE EQUIPOS DE TRANSFERENCIA DE CALOR DISEÑO DE EQUIPOS DE TRNSFERENCI DE CLOR Intrcambaors obl tubo Los ntrcambaors obl tubo son muy populars, sncllos construr y fácls ntnr. Son muy comuns spcalmnt cuano la furza mpulsora s gran y l ára transfrnca

Más detalles

Rutas críticas para la elaboración del trabajo de titulación en las diferentes modalidades. Planes de estudio 2012

Rutas críticas para la elaboración del trabajo de titulación en las diferentes modalidades. Planes de estudio 2012 Rutas críticas trabajo d titulación n las difrnts modalidads. Ruta Crítica d la Modalidad: Inform d Prácticas Profsionals smana y mdia smana y mdia 2 Smanas Analizar con dtall los documntos normativos

Más detalles

MÉTODO DE ELEMENTOS FINITOS EN DOS DIMENSIONES PARA ESTUDIO DE PROPAGACIÓN EN POTENCIALES ELECTROSTÁTICOS

MÉTODO DE ELEMENTOS FINITOS EN DOS DIMENSIONES PARA ESTUDIO DE PROPAGACIÓN EN POTENCIALES ELECTROSTÁTICOS Scnta t Tcnca. Año XI, No 39, Sptmr d 8. Unvrsdad Tcnológca d Prra. ISSN -7 7 MÉTODO DE ELEMENTOS FINITOS EN DOS DIMENSIONES PARA ESTUDIO DE PROPAGACIÓN EN POTENCIALES ELECTROSTÁTICOS Fnt lmnt mtod n t

Más detalles

I, al tener una ecuación. diferencial de segundo orden de la forma (1)

I, al tener una ecuación. diferencial de segundo orden de la forma (1) .6. Rducción d ordn d una cuación difrncial linal d ordn dos a una d primr ordn, construcción d una sgunda solución a partir d otra a conocida 9.6. Rducción d ordn d una cuación difrncial linal d ordn

Más detalles

INCORPORACIÓN DEL RECURSO EÓLICO EN ESQUEMAS DE DESPACHO ECONÓMICO CON RESTRICCIONES DE SEGURIDAD

INCORPORACIÓN DEL RECURSO EÓLICO EN ESQUEMAS DE DESPACHO ECONÓMICO CON RESTRICCIONES DE SEGURIDAD UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEARTAMENTO DE INGENERIA CIVIL ELECTRICISTA INCORORACIÓN DEL RECURSO EÓLICO EN ESQUEMAS DE DESACHO ECONÓMICO CON RESTRICCIONES DE SEGURIDAD

Más detalles

Práctica 1. Espectros de señales

Práctica 1. Espectros de señales PRÁCICA : Práctca. Espctros d sñals.. Objtvos Aprr a utlzar l MALAB para dtrmnar l spctro d cualqur tpo d forma d onda... La transformada dscrta d Fourr (DF) no n cunta las posbldads ofrcdas por las computadoras

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

2. Cálculo del coeficiente de transmisión de calor K de cerramientos

2. Cálculo del coeficiente de transmisión de calor K de cerramientos 2. Cálculo dl cofcnt d transmsón d calor K d crramntos 2.1. Crramnto smpl Para un crramnto d caras planoparallas, formado por un matral homogéno d conductvdad térmca l y spsor L, con cofcnts suprfcals

Más detalles

MICROECONOMÍA. EQUILIBRIO GENERAL Y ECONOMÍA DE LA INFORMACIÓN. Tema 3 LA ECONOMÍA DE LA INFORMACIÓN. 3.1 Conceptos básicos 3.

MICROECONOMÍA. EQUILIBRIO GENERAL Y ECONOMÍA DE LA INFORMACIÓN. Tema 3 LA ECONOMÍA DE LA INFORMACIÓN. 3.1 Conceptos básicos 3. MCROCONOMÍ. QULRO GNRL Y CONOMÍ D L NORMCÓN Tma 3 L CONOMÍ D L NORMCÓN 3.1 Concptos básicos 3.2 l risgo moral rnano rra Tallo Olga María Rorígz Rorígz http://bit.ly/8l8dd 1 Contratos contingnts: spcifican

Más detalles

IX - Economía internacional monetaria

IX - Economía internacional monetaria IX - conomía ntrnaconal montara Mrcado d dvsas y xpctatvas Supongamos qu dsamos adqurr una crta cantdad d monda xtranjra, ntrgando una cantdad dtrmnada d monda naconal, multplcada por l tpo d camo nomnal.

Más detalles

Aplicaciones de las Derivadas

Aplicaciones de las Derivadas www.slctividad-cgranada.com Tma : Aplicacions d las Drivadas..- Crciminto y dcrciminto d una función Sa f una función dfinida n l intrvalo I. Si la función f s drivabl sobr l intrvalo I, s vrifica: f s

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método

Más detalles