TEMA 4 MERCADOS CON INCERTIDUMBRE. Revisado, noviembre de 2017
|
|
- Hugo Juan Suárez Arroyo
- hace 5 años
- Vistas:
Transcripción
1 TEMA 4 MERCADOS CON INCERTIDUMBRE Revsado, novembre de 07 The book has grown out of a class I taught on the economcs of rsk at the Unversty of Wsconsn. My students have helped me n many ways wth ther questons, nqures and suggestons Jean Paul Chavas, Rsk Analyss n Theory and Practce
2 4.. La descrpcón del resgo Resgo: cualquer stuacón en la que algunos sucesos no son conocdos con certeza de antemano. En el mejor de los casos se puede atrbur una probabldad de que los resultados sean unos u otros. El marco de análss del resgo va a ser probablístco. Orgen del resgo. Aunque se entenda con certo detalle un fenómeno puede ser dfícl predecr el resultado s este camba dramátcamente con las condcones ncales. Por ejemplo, la físca que determna el resultado de trar una moneda al are (cara o cruz) es perfectamente conocda. Sn embargo, no srve para predecr con exacttud el resultado por su dependenca de mínmos cambos en las condcones de lanzamento de la moneda o del medo en que se lanza (fenómeno caótco).. Los resultados centífcos, que hacen referenca a conocmento con certeza, se obtenen en ambentes controlados. Los fenómenos del mundo real ocurren en ambentes no controlados (por ejemplo: temperatura, presón, humedad, etc.). Un ejemplo es la meteorología. Se conoce bastante sobre las propedades físcas de la atmósfera pero el fenómeno tene lugar en un ambente no controlado en que cas cualquer cambo es posble. 3. En fenómenos que no están sujetos a cambos ambentales aparecen dos crcunstancas relaconadas con la capacdad de conocmento humano. En prmer lugar, nuestra capacdad lmtada de conocmento. En segundo lugar, que el adqurr conocmento es costoso y, muy a menudo, dejar una certa ncertdumbre puede ser más benefcoso que adqurr toda la nformacón. Un caso claro es el Carlos Aras, 07
3 del juego del ajedrez. Se pueden estudar todos los movmentos y sus consecuencas pero su coste es prohbtvo. Representacón del resgo Descrpcón cuanttatva del resgo. a. Descrbr o enumerar posbles resultados. Ejemplos A: apruebo o suspendo A: Gano 000, gano 300 o perdo 500. b. Atrbur una probabldad a cada posble resultado Conceptos báscos de estadístca Varable aleatora Se trata de una varable (representante genérca de un conjunto) que tene asocada una probabldad. Probabldad Frecuenca poblaconal de aparcón (defncón nformal). Aproxmacón axomátca. Cómo trabajan los matemátcos? Por qué es útl? Subendo el nvel ntelectual de la dscusón Probabldad objetva Probabldad subjetva (Bayes) Resgo e ncertdumbre Caso En una bolsa tengo cnco bolas blancas y cnco bolas negras. Qué probabldad tenes de acertar el color de una bola extraída al azar? Carlos Aras, 07 3
4 Caso En una bolsa tenes un número ndetermnado de bolas blancas y negras. Qué probabldad tenes de acertar el color de una bola extraída al azar? Ejemplo La varable aleatora representa el número en la cara superor de un dado. Esta varable puede tomar el valor de los números naturales comprenddos entre el y el 6. Todos los números tenen la msma probabldad de aparecer en la cara superor. Es decr: = = 3= 4= 5= 6= 6 donde, es la probabldad de aparcón de cada número. Valor esperado Es la esperanza matemátca de la varable aleatora. Es decr: La esperanza ndca el "centro" de la dstrbucón probablístca. Subendo el nvel ntelectual de la dscusón Dstrbucón dscreta versus dstrbucón contnua. Punto versus ntervalo. Probabldad versus funcón de densdad y de dstrbucón. Sumatoros versus ntegrales. Matemátca dscreta versus matemátca contnua. Ventajas e nconvenentes. En el caso del dado el valor esperado es: =3, Ejemplo Lanzando una moneda al are, s sale cara ganas 6 y s sale cruz perdes 6 Carlos Aras, 07 4
5 Y 6 Y 6 Y Este es un juego de esperanza cero. Ejemplo 3 Lanzando una moneda al are, s sale cara ganas 60 y s sale cruz perdes 6 Z 60 Z 6 Z Este juego da por térmno medo un pago de 7 Cuánto se podría pagar por partcpar en este juego? Propedades de la esperanza Es un operador lneal. Se cumple que: Y E Y E Varanza La varanza es una medda de dspersón. Es la esperanza de las dstancas entre las observacones y el valor observado elevadas al cuadrado. V Es mportante darse cuenta de que se trata de la esperanza de las desvacones cuadrátcas. Es decr: V Alternatvamente se puede escrbr como: Carlos Aras, 07 5
6 V V V V Propedades de la varanza Y V V Y Demostracón: Y EY E Y EY E Y EY E V Y E Y E Y E E V Y E E V Ejemplos Calcular la varanza de lanzar una moneda (Cara=, Cruz=0) Calcular la varanza de lanzar un dado. Covaranza La covaranza de dos varables aleatoras se puede escrbr como:, C j j j Es mportante darse cuenta de que se trata de la esperanza del producto de las desvacones de cada varable con su valor esperado. Es decr:,,,, C E E E C E E E E E C E E E E E E E C E E E Carlos Aras, 07 6
7 Interpretacón Exsten tres casos.. Asocacón postva entre y La varable tende a estar por encma de la esperanza cuando la varable está por encma de la esperanza. Las dferencas con la esperanza tenden a ser postvas. Por tanto, el producto de las dferencas tende a ser postvo. Por otra parte, la varable tende a estar por debajo de la esperanza cuando la varable está por debajo de la esperanza. Las dferencas con la esperanza son negatvas. Por tanto, el producto de las dferencas tende a ser postvo. Como consecuenca, la esperanza de los productos de las dferencas (una suma ponderada) tende a ser postva. x y x x y y x x y y xy Observacón Observacón Observacón Suma Meda ,6 35,6. Asocacón negatva entre y La varable tende a estar por encma de la esperanza cuando la varable está por debajo de la esperanza (y vceversa). Las dferencas entre las varables y su esperanza son postvas y negatvas respectvamente. El producto de las dferencas tende a ser negatvo. La esperanza de este producto de dferencas (una suma ponderada) tende a ser negatva. Carlos Aras, 07 7
8 x y x x y y x x y y xy Observacón Observacón Observacón Suma Meda ,6 4,3 3. Independenca entre y Una de las varables está por encma de la esperanza y la otra puede estar, ndstntamente, por encma o por debajo. Las dferencas pueden ser postvas o negatvas. El producto es postvo o negatvo. La esperanza de este producto de dferencas (una suma ponderada) tende a ser cero. x y x x x x y y xy y y Observacón Observacón Observacón Suma Meda Varanza de la suma de dos varables aleatoras La suma y la suma al cuadrado de las varables aleatoras se escrbe como: Z Z Las esperanzas de estas varables aleatoras son: La esperanza al cuadrado es: E Z E E E Z E E E E Z E E E E Carlos Aras, 07 8
9 La varanza de la suma de varables aleatoras (Z) se escrbe como: E Z EZ = E E E E E E E V Z V Z E E E E E E E, V Z V V C Comentaro. La varanza de una suma de varables aleatoras se puede reducr s la covaranza es negatva. Caso nteresante: y son dos varables aleatoras que mden el rendmento de dos actvos. Carlos Aras, 07 9
10 4.. Preferencas sobre el resgo 4... Análss ntutvo Comparar un conjunto de negocos Ejemplo Mala Cosecha Buena Cosecha Probabldad =½ -=½ Semlla Semlla Ejemplo Mala Cosecha Buena Cosecha Probabldad =½ -=½ Semlla Semlla 0 90 Ejemplo 3 Mala Cosecha Buena Cosecha Probabldad =½ -=½ Semlla Semlla 0 00 Presentamos de nuevo los ejemplos en térmnos de valores esperados y Varanza. Ejemplo Valor Esperado Varanza Semlla Semlla Ejemplo Valor Esperado Varanza Semlla Semlla Ejemplo 3 Valor Esperado Varanza Semlla Semlla Carlos Aras, 07 0
11 Dstnta meda y Dstnta Varanza. Necestamos una representacón de las preferencas sobre el resgo. Idea ntutva sobre las preferencas sobre el resgo Dspones de.000 euros para pasar el mes. Puedes partcpar en un juego que consste en una apuesta a cara o cruz. Sale Cara: recbes.000 euros. Sale Cruz: pagas.000 euros. Aceptarías la apuesta? Análss económco básco Pasar el mes con.000 euros es mejor que pasarlo con.000 euros. Hay una gananca de benestar. Pasar el mes con.000 euros es MUCHO mejor que pasarlo con 0 euros. Hay una pérdda de benestar mucho mayor asocada a perder la apuesta que la gananca asocada a ganar la apuesta. La renuenca a aceptar esta apuesta se basa en estas dferencas del cambo de benestar ante pagos guales. La esperanza no mde ben el efecto de los pagos en las decsones de los ndvduos porque trata de gual manera las ganancas y las pérddas. Tambén trata gual las cantdades en dferentes stuacones ncales. No es lo msmo recbr 400 euros (o perderlos) cuando no tenes nada que recbr la msma cantdad (o perderla) cuando tenes mllón de euros. Sería necesaro usar una esperanza del benestar más que de los pagos. El concepto que recoge esta dea es el de Utldad Esperada. Es la Esperanza de la utldad (el benestar) que se logra bajo los dferentes resultados de una stuacón con resgo Análss formal Juego actuaralmente justo Un juego cuyo valor esperado es cero. Carlos Aras, 07
12 Observacones de la realdad. Se rechazan juegos actuaralmente justos (cuando los pagos son grandes). Se aceptan juegos que no son actuaralmente justos, es decr, con valores esperados negatvos (como la lotería). El valor esperado no es una herramenta adecuada para explcar las decsones del ndvduo en condcones de ncertdumbre. Bernoull propone la utldad esperada como alternatva. Utldad esperada EU U E U Defncón de:. Aversón (renuenca) al resgo. Neutraldad al resgo 3. Amor al resgo Modelzacón de la Aversón (renuenca) al Resgo. La Aversón al Resgo se representa por una funcón de utldad con utldad margnal decrecente. Un ndvduo es Averso al Resgo s la utldad del valor esperado con certeza es mayor que la utldad esperada de una stuacón ncerta. Una stuacón ncerta se defne del sguente modo: El valor esperado se defne como: La utldad esperada se defne como: La aversón al resgo ocurre cuando: Pagos :,, Pr obabldades :,, E EU U n n Carlos Aras, 07
13 EU( ) U E Comentaro sobre la posbldad de observar la aversón al resgo Es mportante dstngur entre preferencas sobre el resgo y comportamentos observados ante stuacones arresgados. En el comportamento observado, entrarían otras consderacones como la tecnología para manejar el resgo (por ejemplo, dversfcacón) o el entramado nsttuconal de manejo del resgo (seguros, leyes e nsttucones). En este sentdo, es lustratvo comparar España, Europa, Estados Undos y Áfrca. Ejemplo numérco de Aversón al Resgo Las preferencas del ndvduo se representan medante la sguente funcón de utldad: U Tenemos un negoco que nos proporcona los sguentes pagos con sus correspondentes probabldades: 00 =400 Es el ndvduo averso al resgo? Valor esperado del negoco: Utldad esperada del negoco: E 00 ½ 400 ½ 50 EU 00 ½ 400 ½ 5 Utldad del valor esperado recbdo con certdumbre: U E 50 5,8 Por tanto, este ndvduo prefere el valor esperado con certeza al valor ncerto. Por tanto, es Averso al Resgo. Carlos Aras, 07 3
14 A contnuacón, se dbuja la funcón de utldad de un ndvduo Averso al Resgo: U() U() U(E[]) EU() U() E[] ( ) E EU U U La clave del gráfco es que el segmento que une y contene la esperanza de este juego. S = la esperanza está en el punto. S =0 la esperanza está en el punto. Cuando la probabldad está comprendda entre cero y uno, la esperanza se encuentra en el nteror del segmento. Del msmo modo, la utldad esperada del juego analzado se encuentra en el segmento que une U() y U(). El ndvduo es Averso al Resgo s la utldad del valor esperado está por encma de la utldad esperada (segmento). Por tanto, se ha mostrado gráfcamente que: Aversón al resgo utldad cóncava en los pagos U'' 0 Intucón La funcón de utldad cóncava en los pagos se corresponde con una funcón de utldad con utldad margnal decrecente. En este caso, los pagos por encma de la meda que se producen en las stuacones buenas aumentan menos la utldad de lo que la dsmnuyen los pagos por debajo de la meda que se producen en las stuacones malas. Por tanto, el ndvduo prefere la meda de los pagos a la stuacón ncerta. Carlos Aras, 07 4
15 El equvalente certo (EC) Es aquella cantdad recbda con certeza cuya utldad es gual a la utldad esperada de la stuacón con resgo. Es decr EC U( EC) EU( ) Ejemplo Representacón de las preferencas: U Tenemos un negoco que nos proporcona los sguentes pagos con sus correspondentes probabldades: 00 =400 La utldad esperada es: EU 00 ½ 400 ½ 5 El equvalente certo se calcula buscando una cantdad cuya utldad sea gual a la utldad esperada: EC 5 EC 5 5 Cantdad con la que el ndvduo es ndferente entre la stuacón de resgo y la stuacón sn resgo. Con pagos mayores aceptaría la cantdad segura. Ejemplo Las preferencas son las msmas. Los pagos y las probabldades del negoco son: 00 = Carlos Aras, 07 5
16 5 EU ,8 7 7 EC E 4,8 EC 4,8 04,08 50 Neutraldad ante el Resgo (mportante para entender el concepto de Prma de resgo) Un ndvduo es Neutral al Resgo s se muestra ndferente entre el pago esperado de una stuacón ncerta y la stuacón ncerta. Es decr, s la utldad del valor esperado con certeza es gual que la utldad esperada de una stuacón ncerta. Por tanto, la neutraldad al resgo ocurre cuando: EU( ) U E La fórmula anteror mplca que el valor esperado es el equvalente certo para un ndvduo neutral al resgo. En el gráfco anteror la utldad del valor esperado estaría justamente sobre el segmento que une las utldades de los pagos con certdumbre. Por tanto, la utldad se superpone a ese segmento. Es decr, es lneal. Prma al resgo Es la dferenca entre el valor esperado de los pagos de la stuacón ncerta y el Equvalente Certo. PR E EC La prma al resgo mde la voluntad de pago de los ndvduos por recbr un pago medo con certdumbre. Esta voluntad de pago se calcula por dferenca entre el Equvalente Certo de un ndvduo neutral al resgo y el Equvalente Certo de un ndvduo Averso al Resgo. Carlos Aras, 07 6
17 Representacón gráfca de la prma al resgo U() U() U(E[]) EU() U() EC E[] PR Factores que afectan a la Prma al Resgo La prma al resgo puede escrbrse como: E EC rv donde, r es el coefcente de aversón al resgo de Arrow-Pratt: U '' E r U ' E El coefcente r mde la curvatura de la funcón de utldad. La concavdad será mayor cuanto mayor sea la segunda dervada en valor absoluto ( U ''). Por tanto, la aversón al rego será mayor cuanto mayor sea la segunda dervada. No obstante, la aversón al resgo no se puede medr exclusvamente por la segunda dervada ya que la medda dependería de las undades en que se mda la utldad. Al dvdr por la utldad margnal desaparecen las undades de medda de la utldad. La prma al resgo dependerá de las preferencas sobre el resgo r y de la varanza. Carlos Aras, 07 7
18 Ejemplo = = ½ = = ½ Consderamos dos ndvduos con las sguentes preferencas: Calcular el EC y la prma al resgo. U ln a U b E [ ] ½ ½ EU a ln ½ ln ½ 4,966 ln EC 4,966 EC PR a a a EU b b EC PR b ½ ½ 08,3 08,3 EC b La prma al resgo es más alta en el caso de las preferencas representadas por la funcón de utldad ln ya que es una funcón "más cóncava" que. El coefcente r es mayor y, por tanto, tene mayor aversón al resgo. ' '' Ua ln Ua Ua '' U a ra ' U a 3 ' '' Ub Ub Ub '' U b 4 rb ' Ub Por tanto, ra > rb para todo. 3 Carlos Aras, 07 8
19 Ejemplo U = = = = ½ = ½ EU () = ½ ½ =.34,77 EC = 34,77 EC = PR = =.387,5 La prma al resgo mde la voluntad de pago de los ndvduos por recbr un pago medo con certdumbre. Esta voluntad es mayor en el caso de en el de ln que. Esta voluntad de pago es mayor en el ejemplo que en el debdo a la mayor varanza del caso. Ejemplo Un trabajador averso al resgo u ln x se muestra ndferente entre dos tpos de contratos. En el prmer contrato, le ofrecen un un salaro anual de y con un probabldad de renovacón por un segundo año de ½. En el segundo contrato, le ofrecen un salaro anual de z por dos años. Analza la relacón entre ambos salaros anuales. La tabla de pagos con resgo en el prmer contrato es: Probabldad ½ ½ Pagos y y El segundo contrato mplca un pago certo de z. La utldad esperada del prmer contrato es: EU ln y lny La utldad del segundo contrato es lnz. Carlos Aras, 07 9
20 La ndferenca entre contratos mplca que: ln y lny lnz El resultado es que y z Es decr, hay que pagar un salaro anual más alto por el contrato temporal La reduccón del resgo Gestonando el Resgo. La dversfcacón Caso : el problema del transporte de huevos no pongas todos los huevos en la msma cesta Transportando una docena de huevos en un vaje con una probabldad de accdente de ½. Número de huevos transportados con éxto E E Probabldad ½ 0 ½ ½ 0 ½ 6 44 ½ 0 ½ 7 V E E Transportando una docena de huevos en dos vajes. Número de huevos transportados con éxto en dos vajes Prmer vaje Segundo vaje Total (Y) Probabldad 6 6 ¼ ¼ ¼ ¼ EY ¼ 6 ¼+6 ¼+0 ¼ 6 EY 44 ¼ 36 ¼+36 ¼+0 ¼=54 V Y E Y E Y Carlos Aras, 07 0
21 Pregunta: Qué pasaría con tres vajes? Cuántos vajes sería convenente hacer? Caso : dos negocos con certo resgo (Pndyck y Rubnfeld) Tempo caluroso Probabldad π=½ Tempo frío Probabldad π=½ Are acondconado Calefaccón Exste una tercera posbldad. Dedcar la mtad del tempo a la venta de cada tpo de electrodoméstco. Are acondconado y calefaccón (50% del tempo a cada actvdad) Tempo caluroso Tempo frío Probabldad π=½ Probabldad π=½ = =.000 a. Calcular la meda y la varanza de los tres negocos. b. Por qué se reduce tanto la varanza en el caso de la dversfcacón? Varanza de la suma de dos varables aleatoras Calcular la covaranza de la venta de estufas y de aparatos de are acondconado Carlos Aras, 07
22 . El seguro. Demanda de un seguro Por qué una persona contrata un seguro? La voluntad de pago vene determnada por la Aversón al Resgo. Oferta del seguro Por qué una persona está dspuesta a aceptar un resgo? Explcacón : Neutraldad ante el Resgo Explcacón : aplcacón de la Ley de los Grandes Números al trabajar a una escala grande. Ejemplo numérco de toma de un seguro Las preferencas de un agrcultor se representan por la funcón de utldad: U Las cosechas buenas y malas se presentan con gual probabldad. Por tanto, los pagos y las probabldades son: Cosecha Pagos Probabldad Mala = 0 = ½ Buena = 9 = ½ La utldad esperada de la cosecha son respectvamente: EU 0 9,5 Contrato de seguro Cuando haya mala cosecha le damos al agrcultor 9 y el agrcultor nos pagará todos los años una prma. Cuál será la Prma? Este contrato de seguro elmna totalmente el resgo ya que el agrcultor recbe todos los años 9 con ndependenca del resultado de la cosecha. La Prma se paga todos los años. La Prma tene que tener un valor que haga que la utldad tras haberla pagado sea mayor que la utldad esperada de la stuacón con resgo. Es decr: Carlos Aras, 07
23 9 P,5 9 P,5 P 6,75 Cuál sería el benefco esperado de esa empresa de seguros s cobrase una prma de 6,75? E Π = 6,75 ½ + (6,75 9) ½ =,5 Al utlzar el Benefco Esperado para la compañía de seguros estamos consderando que esa empresa es Neutral al Resgo. Un ndvduo es Neutral al Resgo s se muestra ndferente entre los rendmentos de una stuacón con resgo y el valor esperado de una stuacón con resgo recbdos con certeza. Una explcacón alternatva a la neutraldad al resgo es que la compañía de seguros trabaja con muchos clentes cuyos resgos son ndependentes entre s. Por tanto, exste relatvamente poca varanza alrededor de esta cfra de ganancas meda (Ley de los Grandes Números). En certo modo, el resgo se dluye al asegurar a un número alto de clentes ndependentes. La empresa de seguros trabaja con N clentes. El benefco medo es: La esperanza del benefco medo es: N N La varanza es: N N N N N V V V NV N N N Carlos Aras, 07 3
24 Menconar la mportanca de la ndependenca para el resultado anteror. Es decr, la varanza del benefco medo dsmnuye al aumentar el número de clentes. El benefco medo, se acerca al benefco esperado. S hubera competenca habría una presón para que el benefco sea cero. Cuál sería la prma que haría que ese benefco esperado sea cero? P = 4,5 Esta prma corresponde con el producto de la pérdda asegurada por la probabldad. Es decr, con la pérdda esperada. Una prma que concde con la pérdda esperada se denomna actuaralmente justa. Apéndce La aproxmacón de Taylor aproxma una funcón cualquera en un punto medante un polnomo. Se empeza con una funcón arbtrara y un punto de aproxmacón: y f x x x0 La aproxmacón medante un polnomo de segundo orden se puede escrbr como: f x a a x x a x x La aproxmacón y sus dervadas relevantes pueden escrbrse como: AP x a a x x a x x AP ' x a a x x AP ' x a La aproxmacón y sus dervadas evaluadas en el punto de aproxmacón son: Carlos Aras, 07 4
25 ' '' AP x a 0 0 AP x a 0 AP x a 0 Los coefcentes del polnomo se escogen de manera que la aproxmacón guale a la funcón y a sus dervadas en el punto de aproxmacón x0. Es decr: ' 0 ' 0 '' '' AP x a f x AP x a f x AP x a f x 0 0 Por tanto, la aproxmacón de Taylor se puede escrbr como: f x f x f x x x f x x x ' '' Ejemplo: recta tangente como aproxmacón de Taylor de prmer orden La recta tangente a una funcón en el punto x0 es un recta que pasa por el punto y tene la msma pendente que la funcón en el punto. Recta tangente: y ax b La pendente es la de la funcón en el punto. Por tanto: 0 y f ' x x b S la recta pasa por el punto, 0 0 ' ' f x f x x b b f x f x x x f x se tene que: Por tanto, la ecuacón de la recta tangente se puede escrbr como: y f ' x x f x f ' x x y f x f ' x x x que concde con la aproxmacón de Taylor de prmer orden en el punto x0. Ejemplo f x ln x Carlos Aras, 07 5
26 El logartmo neperano de es 0. Una pregunta más complcada es cuál es el logartmo neperano de,00. Una aproxmacón de Taylor permte calcular un valor aproxmado. Las dervadas y su evaluacón en el punto son: x 0 f x ln x f 0 f ' x f ' x f '' x f '' x Por tanto, la aproxmacón por un polnomo de segundo grado es: f x x x El logartmo neperano de,00 puede aproxmarse como: f,00 0,00 0,00 0, Comprobad el resultado con una calculadora. Se puede demostrar que la aproxmacón mejora con el número de térmnos del polnomo y es mejor cerca del punto de evaluacón. Apéndce Representacón analítca de la prma al resgo En prmer lugar, se aproxma la funcón de utldad con un polnomo de segundo orden en el punto E[]. U U E U E E U E E ' '' Se calcula la esperanza de este objeto: '' EU U E U E V Se aproxma la utldad con un polnomo de prmer orden (lneal) en el punto E(): ' U U E U E E Evaluamos la aproxmacón en el punto EC: ' U EC U E U E EC E Carlos Aras, 07 6
27 Ahora, se usa la defncón de Equvalente Certo: U( EC) EU( ) Susttuyendo las funcones por sus aproxmacones de Taylor se tene que: U E U E EC E U E U E V ' '' La prma al resgo puede escrbrse como: U '' E E EC V U ' E E EC rv donde, r es el Coefcente de Aversón al Resgo de Arrow-Pratt: U '' E r U ' E El coefcente r mde la curvatura de la funcón de utldad. La concavdad será mayor cuanto mayor sea la segunda dervada en valor absoluto ( U '' ). Por tanto, la aversón al rego será mayor cuanto mayor sea la segunda dervada. No obstante, la aversón al resgo no se puede medr exclusvamente por la segunda dervada ya que la medda dependería de las undades en que se mda la utldad. Al dvdr por la utldad margnal desaparecen las undades de medda de la utldad. Carlos Aras, 07 7
Tema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detalles3 - VARIABLES ALEATORIAS
arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la
Más detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallespara cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood
Más detallesEJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.
EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las
Más detalles, x es un suceso de S. Es decir, si :
1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesTEMA 2: MAGNITUDES ALEATORIAS
MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA : MAGNITUDES ALEATORIAS..- Varable aleatora. Varables dscretas y contnuas..- Dstrbucón de probabldad de una varable aleatora.3.- Característcas de las varables
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesEJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesTema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema
Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas
Más detallesSolución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal
Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y
ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO
Más detallesEstadística Unidimensional: SOLUCIONES
4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesEstas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.
UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesTema 1.- Variable aleatoria discreta (V2.1)
Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesMétodos cuantitativos de análisis gráfico
Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos
Más detallesTEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI)
TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) 14.1. La Curva Característca de los ítems (CCI) 14.. Los errores típcos de medda 14.3. La Funcón de Informacón
Más detallesEstimación de incertidumbres en calibración de Osciladores
Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesCapítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS
Capítulo 2: Introduccón al método de los Elementos Fntos 2. CAPÍTULO 2 ITRODUCCIÓ AL MÉTODO DE LOS ELEMETOS FIITOS 2.. ITRODUCCIÓ Vrtualmente cada fenómeno en la naturaleza, sea bológco, geológco o mecánco
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detalles+ y 1 ; U 2 (x 2,y 2 ) = ax 2 (x 2) 2 2
13. Consdere un mercado en el que hay dos consumdores con las sguentes funcones de utldad: U 1 (x 1,y 1 = 4x 1 (x 1 + y 1 ; U (x,y = ax (x + y con 4 > a >0 donde x, =1,, es la cantdad del ben x consumda
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesEl Impacto de las Remesas en el PIB y el Consumo en México, 2015
El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detalles1. Notación y tabulación
Tema 2: Descrpcón Unvarante. otacón y tabulacón 2. Descrpcón gráfca 3. Descrpcón numérca. Momentos estadístcos. Meddas de poscón. Meddas de dspersón v. Varable tpfcada v. Meddas de forma v. Meddas de concentracón
Más detallesESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística
ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es
Más detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 013-014 Iñak Agurre Jaromr Kovark Javer Arn Peo Zuazo Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema 3. Monopolo 1. Los costes de
Más detallesFE 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 detallesPRÁCTICA 4. INDUCCIÓN ELECTROMAGNÉTICA. A. Observación de la fuerza electromotriz inducida por la variación de flujo magnético
A. Observacón de la fuerza electromotrz nducda por la varacón de flujo magnétco Objetvo: Observacón de la presenca de fuerza electromotrz en un crcuto que sufre varacones del flujo magnétco y su relacón
Más detallesUnidad 5 2 (5.2) Métodos cuantitativos de análisis gráfico. Método de cuadrados mínimos Regresión lineal
Undad 5 Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesCapítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende
Más detallesESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:
Más detalles5ª Parte: Estadística y Probabilidad
ª Parte: Estadístca y Probabldad. Las notas de los alumnos de una clase son:,,,, 6, 7,,,,,,,, 7,,,, 6,, Haz una tabla de frecuencas. Solucón Varable Frecuencas absolutas Frecuencas relatvas estadístca
Más detalles16/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un epermento, un número real.
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detalles6 Impacto en el bienestar de los beneficiarios del PAAM
6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda
Más detallesBases Físicas del Medio Ambiente. Teoría de Errores (Programa de Prácticas)
Bases Físcas del Medo Ambente Teoría de Errores (Programa de Práctcas) Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas.
Más detallesTema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)
Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesIntroducción. Escuela Técnica Superior de Ingeniería Informática. Universidad de La Laguna. Fernando Pérez Nava
Reconocmento de Patrones Introduccón Tema : Reconocmento Estadístco de Patrones Por qué una aproxmacón estadístca en el RP? La utlzacón de característcas para representar una entdad provoca una pérdda
Más detalles