El Proceso de Poisson en Confiabilidad
|
|
- Alejandra Gómez Acosta
- hace 7 años
- Vistas:
Transcripción
1 El Proceso de Poisson en Confiabilidad Enrique Villa Diharce Verano de Probabilidad y Esadísica 9 CIMAT, Guanajuao, Go. 5 de Julio de 9.
2 Resumen: El objeo de esudio en confiabilidad son la fallas de componenes o sisemas, por esa razón una pare imporane de los esudios en confiabilidad, consise en modelar procesos de falla y esimar las canidades de inerés, como son principalmene: asas de falla, y iempo esperado de falla. En esa plaica se discue la modelación de procesos de fallas uilizando procesos de Poisson, ilusrando, como diferenes resricciones de los procesos de fallas pueden ser consideradas a ravés de diferenes ipos de procesos de Poisson. Se ilusran los modelos considerados, con ejemplos de daos de confiabilidad reales.
3 Conenido Sisemas y componenes no reparables Sisemas reparables Procesos de Poisson Homogéneo No homogéneo Inferencia
4 Calidad a ravés del iempo LSE iempo LIE. Confiabilidad: Probabilidad de esar denro de especificaciones
5 Modelos de confiabilidad Los iempos de vida de la unidades que fallan, ienen un parón aleaorio. Para modelar los iempos de vida o iempos a la falla uilizamos variables aleaorias no negaivas. Toda la información de una variable aleaoria se encuenra en su disribución. La maeria prima en los esudios de confiabilidad son los iempos de vida de las unidades esudiadas.
6 Funciones de confiabilidad: Función de disribución acumulada F P T Función de confiabilidad C P T > F Función de densidad de probabilidades f df / d Función de riesgo h f / C Función de riesgo acumulado H h u du También se cumple: C exp{ H }
7 Función de riesgo lim lim lim lim / / T T P T P T P T P T P T P C F F C d df C f h > + < > + < > + + δ δ δ δ δ δ δ δ δ δ δ δ T T P h > + < δ δ Para dela pequeña:
8 Disribuciones más comunes en confiabilidad Disribución Exponencial λ λ λ λ λ exp exp exp h C F f Esa disribución modela adecuadamene el parón de falla de componenes que no envejecen, como por ejemplo algunos componenes elecrónicos.
9 Disribución Exponencial, / λ θ λ Disribución Tiempo Tiempo Densidad Confiabilidad Tiempo Tiempo Riesgo
10 Disribuciones más comunes en confiabilidad Disribución Weibull Esa es una disribución muy flexible, que puede modelar parones de falla con función de riesgo consane, creciene o decreciene. El parámero de forma es y es el parámero de escala. / / / exp / exp ] / exp[ / / β β β β β η η β η η η η η β h C F f β η
11 Disribución Weibull iempo iempo dweibulliempo,, pweibulliempo,, iempo β, σ iempo * iempo - pweibulliempo,,
12 Disribuciones más comunes en confiabilidad Disribución Lognormal f / σ φ[ln μ / σ ] F Φ[ln μ / σ ] C Φ[ln μ / σ ] h f / C Esa disribución es muy flexible y frecuenemene compie con la disribución Weibull en la modelación de parones de falla.
13 Disribución Lognormal. 5,. 5 μ σ Disribución Tiempo Tiempo Densidad Confiabilidad Tiempo Tiempo Riesgo
14 Componenes o sisemas noreparables: Son aquellos que al fallar se eliminan. Componenes o sisemas reparables: Tenemos ese ipo de componenes, cuando al fallar se reparan y vuelven a funcionar.
15 Proceso de Poisson Falla y se repara
16 Proceso de Poisson N
17 Proceso de Poisson Un proceso esocásico { N, } es un proceso de coneo si N saisface. N.. N es enero. 3.Si s <, enonces N s N. 4. Para s <, [ N-Ns ] represena han ocurrido en el inervalo s, ]. el número de fallas que
18 Proceso de Poisson Tasa donde del proceso. W La asa inervalo de iempo s, ]. del proceso de coneo al iempo es : d d λ W E[ N ], d d E[ N ] denoa el número medio de fallas en el ROCOF Cuando los evenos de un proceso de coneo son fallas, la asa λ del proceso se llama asa de ocurrencia de fallas ROCOF.
19 Proceso de Poisson., lim 4.., lim que al función una Exise 3. independienes. incremenos iene proceso El... si, asa una iene que un PPH es }, { coneo de proceso El Δ + Δ Δ + Δ Δ Δ N P N P N N λ λ λ λ
20 Proceso de Poisson El proceso de coneo { N, } es un PPH que asa λ, si. N.. El proceso iene incremenos independienes. 3. Para cualesquier a < b, N a, b]iene disribución Poisson con media E N a, b] a b λd. iene una
21 Proceso de Poisson N W
22 Proceso de Poisson N W
23 Proceso de Poisson W N
24 La función media es Λ a b λxdx Λ99 Λ5 Proceso de Poisson Ejemplo. Suponga que un proceso de Poisson iene función de inensidad. 5 a b λ..x El número de fallas N en el inervalo[5,] iene una disribucion Poisson con media 5.5 dx.x asi, la probabilidad de ener 3 o mas fallas en el inervalo[5,] es n exp-.. PN n.658. n 3 n 3 n dx.5.
25 Proceso de Poisson El proceso de coneo { N, } es un PPH que iene una asa λ, si. N.. El proceso iene incremenos independienes. 3. El número de evenos en cualquier inervalo de longiud iene disribución Poisson con media λ. Eso es, para odo s, >, P N + s N s n λ n n e λ, n,,,...
26 Proceso de Poisson x x x 3 x 4 x 5 x 6 N x Un proceso es un PPH con inensidad, si y solo si los iempos enre fallas son v.a.i.i disribuidas exponencialmene, con media θ / λ. λ
27 Proceso de Poisson Ejemplo. Se ienen los iempos en horas de operación de acciones de manenimieno no programado de un moor de diessel del submarino USS Grampus, Lee
28 Proceso de Poisson Num. de falla TiempoHoras
29 Proceso de Poisson Tiempos en que falla y se repara el moor. Aquí se considera despreciable el iempo que arda la reparación
30 Proceso de Poisson Tiempos enre fallasy reparaciones del moor
31 Proceso de Poisson Probabiliy Plo of xgrampus Exponenial - 95% CI Percen Mean 74. N 55 AD.96 P-Value xgrampus
32 Proceso de Poisson Ejemplo. Las fallas de un sisema reparable son modeladas por un proceso de Poisson con una asa de fallas λ / 5, 365, con el iempo medido en días. La compañía que posee esa máquina iene res opciones para el plan de manenimieno anual. Cual de las siguienes res opciones es mejor? Plan de Manenimieno : $, sin cargo por cada reparación. Plan de Manenimieno : $4, mas $, por cada reparación. Plan de Manenimieno 3: $,5 por cada reparación.
33 Ejemplo. Coso esperado: Proceso de Poisson EC c + ce{ N,365]} EC, + 7.3, EC 4, +, 7.3,3 EC +,5 7.3,95 Uilizando como crierio el coso esperado, el mejor plan de manenimieno es el úlimo.
34 PPNH Definiciones Cuando la función de inensidad es consane, enemos un proceso de Poisson homogeneo PPH. Tenemos un proceso de Poisson no homogeneo PPNH, cuando la función de inensidad no es consane.
35 PPNH Definiciones El PPNH es un modelo adecuado para un sisema reparable con reparación mínima, eso es, una reparación que consise en reemplazar o resaurar solo un número pequeño de componenes del sisema. Esa reparación dejará al sisema aproximadamene en el mismo esado envejecimieno que se enconraba anes de fallar. Dos funciones de inensidad de uso común en confiabilidad son: Loglineal: Poencia : λ exp β + β λ γβ β -
36 Procesos de Poisson no homogeneos. Tipo de reparación Reparación perfeca o reemplazo as good as new Reparación imperfeca reparación normal Reparación mínima as bad as old HPP Proceso de renovación Modelos de Reparación imperfeca NHPP
37 Proceso de Poisson Reparación perfeca 3 4
38 Proceso de Poisson Reparación mínima
39 Proceso de Poisson Reparación imperfeca 3 4
40 Inferencia: Esimacion y PH
41 Inferencia: Esimacion y PH Esquemas de observación: Esquema. Observamos el sisema en un inervalo de iempo, ] y ocurren fallas en los iempos,,, n. Esquema. Observamos el sisema hasa la n-ésima falla y regisramos los iempos,,, n. Esquema 3. No observamos las fallas y solo conocemos los números de fallas n, n,,n m en los inervalos ajenos a, b ], a, b ],,a m, b m ].
42 Inferencia: Esimacion y PH Esquema. fallas, fallas, falla, fallas, falla, fallas ], 3 n n δ δ δ δ δ { } { } exp } ], { exp } ], { d d N P d N P ν ν ν
43 Inferencia: Esquema. Función de verosimiliud L { } { } n ν exp ν d i i Función logverosimiliud l n i log[ ν i ] ν d Esquema. Las funciones L y l igual que el Esquema, susiuyendo por n.
44 Inferencia: Esquema 3. m i b a b a i m i i n b a m i b a i i i i i i i i i d d n l n d d L log Función logverosimiliud exp Función de verosimiliud ν ν ν ν
45 Inferencia: Modelo Loglineal, esquema. Función de inensidad ν exp β + β Función logverosimiliud l nβ + β n i i exp β{exp β β }
46 Inferencia: Mariz de información observada I l / β β Mariz de varianzas y covarianzas Cov β, β I En paricular, el error esándar de ˆβ es se ˆ β { } n n ˆ + n ˆ β / i i β i i n /
47 Inferencia: Bondad de ajuse. Prueba de Laplace Hipóesis Nula a probar: El proceso de Poisson es Homogeneo, eso es, β. Esa prueba se basa en el esadísico U n / n i i / n / Bajo la hipóesis nula, esa esadísica iene una disribución aproximadamene normal.
48 Inferencia: Ejemplo. Fallas del moor del submaríno. Modelamos de los iempos de falla no programados, con un PPNH loglineal, con función de inensidad λ exp β + β Los esimadores de máxima verosimiliud de los parámeros, son los valores que maximizan la función logverosimiliud l 56β β exp β{exp57β β }
49 Inferencia: Ejemplo. Fallas del moor del submarino. Los esimadores son ˆ β 3.73, ˆ.57, ˆ β se β.47 Esos valores sugieren que el valor de ˆβ no es significaivo esadísicamene. Uilizando la prueba de homogeneidad de Laplace, enemos / U n n i i / n / / /. El valor del esadísico de prueba es muy pequeño, por lo cual no podemos rechazar la hipóesis de función de inensidad consane para esos daos.
50 Crecimieno de la confiabilidad El objeivo de las pruebas de crecimieno de confiabilidad es mejorar la confiabilidad a ravés del iempo, inroduciendo cambios en el diseño del produco y en el proceso de manufacura. Diseño inicial Prueba de crecimieno Evaluación de confiabilidad Rediseño Análisis de ingeniería El ciclo del crecimieno de la confiabilidad
51 Crecimieno de la confiabilidad M F M MTTF objeivo M i MTTF en la i-ésima prueba M I MTTF en el ciclo inicial de prueba i El ciclo del crecimieno de la confiabilidad
52 λtasa de fallas Crecimieno de la confiabilidad λ λ ab b λ λ 3 λ 4 s s s3 s4 Modelo AMSAA de crecimieno de confiabilidad Army Maerial Sisems Analysys Aciviy, 984
53 Crecimieno de la confiabilidad < s < s <... < s k Sean los iempos de prueba acumulados en los que se hacen modificaciones al diseño. Suponemos que las asas de falla son consanes enre los cambios de diseño. El número de fallas durane el i-ésimo período de prueba, iene una función de probabilidad Poisson dada por P [ λ s s exp λi s n n i i i i i Ni n ] s
54 Crecimieno de la confiabilidad Si es el iempo de prueba acumulado y n es el número acumulado de fallas al iempo de pruebas, enonces < + + < + <... 3 s s s s s s s s s s λ λ λ λ λ λ λ n n n P n exp ] [ λ λ donde la asa de fallas acumulada es de la forma
55 Crecimieno de la confiabilidad En la pracica se aproxima el modelo por un PPNH con la función de inensidad de poencia, λ ab b
56 Los procesos de Poisson en confiabilidad son de gran uilidad para modelar procesos de fallas en: Sisemas reparables Manenimieno Crecimieno de la confiabilidad Confiabilidad de sofware
57 GRACIAS
CAPÍTULO II. Conceptos de Confiabilidad
CAPÍTULO II Concepos de Confiabilidad CAPÍTULO II CONCEPTOS DE CONFIABILIDAD Una de las áreas de ingeniería de confiabilidad es la modelación de la misma, debido a que los procesos en general se comporan
Más detallesTema 5: 5 Técnicas de Evaluación de la Fiabilidad
Tema 5: 5 Técnicas de Evaluación de la Fiabilidad.- Inroducción 2.- Funciones para la evaluación de STFs 3.- Técnicas de modelado Arboles de fallos Modelos combinaorios Cadenas de Markov 4.- Modelado con
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesUDA 2. Factor de seguridad y confiabilidad
Wilde Analysis Ld. (2015) Aloha Airlines Fligh 243 / 28 April 1988: Inceridumbre En el diseño de maquinaria abundan las inceridumbres: La composición del maerial y el efeco de las variaciones en las propiedades.
Más detallesPoisson. Exponencial. Gamma. Beta. Autor Dr. Hernán Rey
PROCESO POISSON Poisson Exponencial Gamma Bea Auor Dr. Hernán Rey Ulima acualización: Mayo 2 DE LA DISTRIBUCION BINOMIAL A LA POISSON En deerminadas circunsancias, nos enfrenamos a problemas donde la canidad
Más detallesEconometría de Económicas Ejercicios para el tema 1
Economería de Económicas Ejercicios para el ema 1 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez Formas funcionales alernaivas a la lineal Las hipóesis realizadas en el modelo
Más detallesLos Procesos de Poisson y su principal distribución asociada: la distribución exponencial
Los Procesos de Poisson y su principal disribución asociada: la disribución exponencial Lucio Fernandez Arjona Noviembre 2004. Revisado Mayo 2005 Inroducción El objeivo de esas noas es inroducir al esudio
Más detallesUSO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD
USO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD Inroducción. En muchas áreas de ingeniería se uilizan procesos esocásicos o aleaorios para consruir modelos de sisemas ales como conmuadores
Más detallesEn numerosas oportunidades, el Profesor Arvelo ha dictado cursos empresariales en el área de Estadística General y Control Estadístico de Procesos.
ANGEL FRANCISCO ARVELO LUJAN Angel Francisco Arvelo Luján es un reconocido Profesor Universiario Venezolano en el área de Probabilidad y Esadísica, con más de 4 años de experiencia en las más presigiosas
Más detallesEstimación puntual ± Margen de error
Esimación Punual Para esimar el valor de un parámero poblacional se calcula la caracerísica correspondiene de la muesra, a lo que se le conoce como esadísico muesral. A la media muesral x se le idenifica
Más detallesTema 3. Especificación, estimación y validación de modelos ARIMA
Tema 3. Especificación, esimación y validación de modelos ARIMA. La Meodología Box-Jenkins. Especificación inicial.. Conrases de raíces uniarias.. Análisis de correlogramas y correlogramas parciales 3.
Más detallesSistemas lineales con ruido blanco
Capíulo 3 Sisemas lineales con ruido blanco 3.1. Ruido Blanco En la prácica se encuenra procesos esocásicos escalares u con media cero y la propiedad de que w( 1 ) y w( 2 ) no esán correlacionados aún
Más detallesEcuaciones diferenciales, conceptos básicos y aplicaciones
GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos
Más detallesModelos de Tiempo de Vida Aplicados al Análisis de Confiabilidad en Sistemas Eléctricos
18 (2004) 4-10 Modelos de Tiempo de Vida Aplicados al Análisis de Confiabilidad en Sisemas Elécricos Juan M. Asorga 1 1. Insiuo Tecnológico, Universidad de Aacama, Chile E-mail: jasorga@insec.uda.cl Resumen
Más detallesAnálisis Estadístico de Datos Climáticos
Análisis Esadísico de Daos Climáicos SERIES TEMPORALES I Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Monevideo, Uruguay 2011 CONTENIDO Esudio de las series emporales en Climaología.
Más detallesModelos Markov con Probabilidades de Transición Variantes: Una Aplicación al Análisis de Crisis Cambiarias
Modelos Markov con Probabilidades de ransición Varianes: Una Aplicación al Análisis de Crisis Cambiarias Albero Humala XXIV Encuenro de Economisas Gerencia de Esudios Económicos 13 15 Diciembre Moivación
Más detallesSeries de Tiempo Métodos Descriptivos
Series de Tiempo Méodos Descripivos Resumen El procedimieno de Méodos Descripivos crea varias ablas y gráficas para daos de series de iempo. Una serie de iempo consise en un conjuno daos numéricos secuenciales
Más detallesMarch 2, 2009 CAPÍTULO 3: DERIVADAS PARCIALES Y DIFERENCIACIÓN
March 2, 2009 1. Derivadas Parciales y Funciones Diferenciables En ese capíulo, D denoa un subconjuno abiero de R n. Definición 1.1. Consideremos una función f : D R y sea p D, i = 1,, n. Definimos la
Más detalles1. (1 punto) Considere una versión modificada del modelo de Solow en la que el producto está dado por
Maesría en Economía Inernacional Macroeconomía, Examen de marzo de Profesor: Alvaro Foreza Duración: 3 horas Aclaración: es un examen con maeriales a la visa.. ( puno) Considere una versión modificada
Más detallesI. La solución de Edgeworth 2
onificia Universidad aólica del erú Faculad de iencias Sociales urso: Organización Indusrial rofesores: José Gallardo Asisenes: ésar Gil alca La aradoja de Berrand La paradoja de Berrand (883) esablece
Más detallesAPLICACIONES DEL PROCESO DE POISSON EN CONFIABILIDAD
APLICACIONES DEL PROCESO DE POISSON EN CONFIABILIDAD RESUMEN Ese arículo raa la aplicación del proceso esocásico de Poisson en esudios de confiabilidad de sisemas elécricos. ABSTRACT CARLOS J. ZAPATA Profesor
Más detallesFundamentos Básicos Sistemas y Señales
Fundamenos Básicos Sisemas y Señales Preparado por : jhuircan Depo. Ingeniería Elécrica Universidad de La Fronera Objeivos q Revisar los concepos básicos de la Teoría de Sisemas q Revisar los concepos
Más detallesa) en [0, 2] ; b) en [-1, 1]
UNIVERSIDAD NACIONAL DE LA PATAGONIA SAN JUAN BOSCO FACULTAD DE CIENCIAS NATURALES CATEDRA: Maemáica I CURSO: 04 TRABAJO PRACTICO Nº -Tercera Pare Pare III. Aplicaciones de la derivada TEOREMA DE ROLLE
Más detallesProcesos Estocásticos. Procesos Estocásticos. Procesos Estocásticos. 1 Introducción y conceptos básicos. Al final del tema el alumno será capaz de:
Procesos socásicos Procesos socásicos I Inroducción y concepos básicos sadísicos de un proceso esocásico Referencias: Capíulo 8 de Inroducción a los Sisemas de Comunicación. Sremler, C.G. 993 Apunes de
Más detalles4. Modelos de series de tiempo
4. Modelos de series de iempo Los modelos comunes para el análisis de series de iempo son los que se basan en modelos auorregresivos y modelos de medias móviles o una combinación de ambos. Es posible realizar
Más detallesConvolución. Dr. Luis Javier Morales Mendoza Procesamiento Analógico de Señales FIEC - UV
Dr. Luis Javier Morales Mendoza Procesamieno Analógico de Señales FIEC - UV Índice.. Inroducción.. La función dela de Dirac.3. Definición de la convolución.3.. propiedades de la convolución.3.. Méodo Gráfico
Más detalles5. Modelos dinámicos
5. Modelos dinámicos Los modelos lineales dinámicos son un caso paricular de una clase más grande de modelos dinámicos. En general los modelos dinámicos se caracerizan por ener una dinámica en los parámeros
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesCiclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú
Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema
Más detallesCAPITULO 2: Movimiento en una dirección [S.Z.F.Y. 2]
UNIVERSIDAD TECNOLÓGICA NACIONAL Faculad Regional Rosario UDB Física Cáedra FÍSICA I CAPITULO : Movimieno en una dirección [S.Z.F.Y. ] Cinemáica: La Cinemáica se ocupa de describir los movimienos de los
Más detallesDyna Universidad Nacional de Colombia ISSN (Versión impresa): COLOMBIA
Dyna Universidad Nacional de Colombia dyna@unalmed.edu.co ISSN (Versión impresa): 0012-7353 COLOMBIA 2002 Mario Vélez / Carlos Casro MODELO DE REVISIÓN PERIÓDICA PARA EL CONTROL DEL INVENTARIO EN ARTÍCULOS
Más detallesLa Curva de Phillips CAPÍTULO 17. Profesor: Carlos R. Pitta. Macroeconomía Avanzada. Universidad Austral de Chile Escuela de Ingeniería Comercial
Universidad Ausral de Chile Escuela de Ingeniería Comercial Macroeconomía Avanzada CAPÍTULO 17 La Curva de Phillips Profesor: Carlos R. Pia Macroeconomía Avanzada, Prof. Carlos R. Pia, Universidad Ausral
Más detallesGUÍA DE EJERCICIOS DE VARIABLES ALEATORIAS
PROBABILIDAD Y ESTADÍSTICA MAT GUÍA DE EJERCICIOS DE VARIABLES ALEATORIAS. El vendedor de un pueso de periódicos asigna las siguienes probabilidades de demanda de la revisa Fine: Suceso : Demanda de ejemplares
Más detallesFIABILIDAD (I): CONCEPTOS BÁSICOS
Concepos básicos de Fiabilidad FIABILIDAD (I): CONCEPTOS BÁSICOS Auores: Ángel A. Juan (ajuanp@uoc.edu), Rafael García Marín (rgarciamar@uoc.edu). RELACIÓN CON OTROS MATH-BLOCS Ese mah-block forma pare
Más detallesDescomposición Estacional
Descomposición Esacional Resumen El procedimieno de Descomposición Esacional divide una serie de iempo en res componenes: 1. endencia-ciclo 2. esacionalidad 3. irregularidad Cada componene puede ser graficado
Más detalles11. PREVISIÓN DE LA DEMANDA
. PREVIIÓN E LA EMANA. INROUCCIÓN Anes de comenzar a desarrollar las cuenas previsionales de exploación, la empresa iene que realizar una esimación del volumen de venas que generará la acividad diaria
Más detallesCrecimiento Discreto Denso-Independiente
Ecología General: 25M 76 Modelos de Crecimieno. Crecimieno Discreo Denso-Independiene 2. Crecimieno Coninuo Denso-Dependiene Crecimieno Discreo Denso-Independiene - Reproducción Discrea - Ambiene esable
Más detallesGeneración de eventos en Procesos de Poisson
Generación de eventos en Procesos de Poisson Georgina Flesia FaMAF 26 de abril, 2012 Proceso de Poisson homogéneo N(t), t 0, es un proceso de Poisson homogéneo de razón λ, λ > 0, si: N(0) = 0 proceso comienza
Más detallesQué explica las fluctuaciones de la inflación en el Perú en el periodo ? *
Qué explica las flucuaciones de la inflación en el Perú en el periodo 22-28? * Jorge Salas (BCRP) Encuenro de Economisas BCRP 26 de noviembre, 28 *El conenido de esa presenación es solo de responsabilidad
Más detallesModelo 2 OPCIÓN A. A y B AB se puede realizar porqueel n decolumnas de Aesigual al n de filas de B AB. t t t
Insrucciones: a) Duración: 1 hora y 3 minuos. b) Elija una de las dos opciones propuesas y conese los ejercicios de la opción elegida. c) En cada ejercicio, pare o aparado se indica la punuación máxima
Más detallesAnálisis estocástico de series temporales
Análisis esocásico de series emporales Ernes Pons (epons@ub.edu) Análisis esocásico de Series Temporales Moivación Ejemplos 4500000 8 4000000 6 3500000 4 3000000 2 0 2500000-2 2000000-4 500000-6 000000-8
Más detallesPropuesta A. 1. Dadas las matrices: C = B = A =
Pruebas de Acceso a Enseñanzas Univerarias Oiciales de Grado 6 Maeria: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumno deberá conesar a una de las dos opciones propuesas A ób. Se podrá uilizar
Más detallesECUACIONES DIFERENCIALES
Tema 1 ECUACIONES DIFERENCIALES EJERCICIO 1 Comprobar que la función y() = c 2 ++3 es una solución del problema de valor inicial 2 y 2y + 2y = 6, y(0) = 3, y (0) = 1, (1.1) en <
Más detallesCorrelación. Dr. Luis Javier Morales Mendoza Procesamiento Analógico de Señales FIEC - UV
Correlación Dr. Luis Javier Morales Mendoza Procesamieno Analógico de Señales FIEC - UV Índice.. Inroducción.. Correlación Cruzada.. Auocorrelación.4. Calculo de la correlación y de la auocorrelación.5.
Más detallesEcuaciones de Primer Orden e Intervalo Maximal
2 Ecuaciones de Primer Orden e Inervalo Maximal 2.1 Algunos Méodos de Resolución En general, es muy difícil resolver ecuaciones diferenciales de primer orden. Pero hay cieros ipos canónicos de ésas para
Más detallesAPLICACIÓN DE MODELOS AUTOREGRESIVOS PARA VARIABLES ECONOMICAS EN EL CALCULO ACTUARIAL
APLICACIÓN DE MODELOS AUOREGRESIVOS PARA VARIABLES ECONOMICAS EN EL CALCULO ACUARIAL Francisco Rafael orres Guaranda 1, Ma. Fernando Sandoya Sánchez 1 Ingeniero en Esadísica Informáica Direcor de esis,
Más detallesTEMA 5. CONTROL ADAPTATIVO. CONTROL AVANZADO DE PROCESOS Prof. M.A. Rodrigo TEMA 3. CONTROL ADAPTATIVO
TEMA 5. CONTROL ADAPTATIVO 1 DINÁMICA DE PROCESOS. LINEALIZACIÓN INTRODUCCIÓN ANÁLISIS DINÁMICO Definición: esudio del comporamieno no esacionario de un sisema Objeivo: sisemaizar comporamienos de sisemas
Más detalles3 Aplicaciones de primer orden
CAÍTULO 3 Aplicaciones de primer orden 3.2. Modelo logísico El modelo de Malhus iene muchas limiaciones. or ejemplo, predice que una población crecerá exponencialmene con el iempo, que no ocurre en la
Más detallesCuando la integral (1) converge, el resultado es una función de s. La transformada de Laplace se puede escribir también como F(s).
Unidad 5. a ransformada de aplace Inroducción. En nuesro curso de cálculo elemenal aprendimos que la derivación y la inegración son ransformadas, es decir, que esas operaciones ransforman una función en
Más detallesECONOMETRÍA II CURSO Segunda evaluación parcial. donde y son variables artificiales centradas relativas al trimestre i.
ECONOMETRÍA II CURSO 2008 Segunda evaluación parcial ) Suponga dos procesos diferenes para la variable rimesral donde y son variables arificiales cenradas relaivas al rimesre i. Responda si las siguienes
Más detallesUNIDAD III: VECTORES AUTOREGRESIVOS (MODELOS VAR) DR. ROGER ALEJANDRO BANEGAS RIVERO, PH.D.
UNIDAD III: VECTORES AUTOREGRESIVOS (MODELOS VAR) DR. ROGER ALEJANDRO BANEGAS RIVERO, PH.D. Inroducor Economerics for Finance Chris Brooks 008 Modelos de Vecores Auoregresivos (VAR) Modelos auoregresivos
Más detalleses decir, la tasa de cambio es un cuociente y permite comparar una variable respecto de la otra. Gráficamente: x(t) x Figura 1.
CAPITULO I: FUNCIONES SENCILLAS, GRÁFICOS Y PROPIEDADES. 1. FUNCIÓN LINEAL Se llama función lineal a oda reca cuya ecuación en el plano (x, ) es de la forma = m+b, donde m y b son consanes. El valor de
Más detallesM O D E L O S D E I N V E N T A R I O
nvesigación Operaiva Faculad de iencias Exacas - UNPBA M O E L O E N V E N T A O El objeivo de la eoría de modelos de invenario es deerminar las reglas que pueden uilizar los encargados de gesión para
Más detallesOndas y Rotaciones. Principios fundamentales II
Ondas y Roaciones rincipios fundamenales II Jaime Feliciano Hernández Universidad Auónoma Meropoliana - Izapalapa México, D. F. 5 de agoso de 0 INTRODUCCIÓN. Generalmene el esudio del movimieno se realiza
Más detallesLECTURA 07: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES
LECTURA 7: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES 1 INTRODUCCION El propósio de análisis esadísico es reducir el nivel de inceridumbre en el proceso de decisiones
Más detallesUna aplicación Bayesiana a la Modelización de Mercados
Una aplicación Bayesiana a la Modelización de Mercados Maser Oficial en Ingeniería Maemáica Problema planeado por BAYES INFERENCE, S. A. Exposición del problema (I) Se considera un mercado de compeencia
Más detallesTeoría de Riesgo Una perspectiva histórica y contemporánea. M. Bladt Universidad Nacional Autónoma de México
Teoría de Riesgo Una perspeciva hisórica y conemporánea M. Blad Universidad Nacional Auónoma de México Jornadas de Posgrado, 2012 Origen: Johannes Nikolaus Teens El érmino riesgo aparece por primera vez
Más detallesEjercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez
Ejercicios de Economería para el ema 4 Curso 2005-06 Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez 1 1. Considérese el modelo siguiene: Y X + u * = α + β 0 Donde: Y* = gasos deseados
Más detallesTEMA 5 TRABAJO Y ENERÍA MECÁNICA. En el presente tema trataremos exclusivamente de la energía mecánica.
TEMA 5 TRABAJO Y ENERÍA MECÁNICA ENERGÍA Se denomina energía a la capacidad que ienen los cuerpos para producir ransformaciones, como, por ejemplo, realizar un rabajo. Hay múliples formas de energía: Energía
Más detalles4. SERIES TEMPORALES Y
4. SERIES TEMPORALES Y NÚMEROS ÍNDICE Objeivo Esudiar la evolución de una variable en el iempo. Bibliografia recomendada Peña y Romo (1997). Capíulos 11 y 12. Índice 1. Represenación gráfica de una serie
Más detallesComentarios de la Nota Técnica sobre la Determinación del Incremento de la Reserva de Previsión
Comenarios de la Noa Técnica sobre la Deerminación del Incremeno de la Reserva de Previsión Fernando Solís Soberón y Rosa María Alaorre Junio 1992 Serie Documenos de Trabajo Documeno de rabajo No. 3 Índice
Más detallesLA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR)
LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR) ESPECIFICACION La meodología VAR es, en ciera forma, una respuesa a la imposición de resricciones a priori que caraceriza a los modelos economéricos keynesianos:
Más detallesCAPÍTULO 3 METODOLOGÍA. En este capítulo se describe la obtención y el funcionamiento del modelo de
CAPÍTULO 3 METODOLOGÍA En ese capíulo se describe la obención y el funcionamieno del modelo de Nelson y Siegel, el cual es fundamenal para obener las esrucuras emporales que servirán para comprender la
Más detallesECONOMETRÍA EMPRESARIAL II ADE
4 Bernardí Cabrer Economería Empresarial II Tema 8 ECONOMETRÍA EMPRESARIAL II ADE TEMA 8 MODELOS LINEALES SIN ESTACIONALIDAD I ( Modelos regulares 4 Bernardí Cabrer Economería Empresarial II Tema 8 8.
Más detallesINTRODUCCIÓN A LOS MODELOS DINÁMICOS
INTRODUCCIÓN A LOS MODELOS DINÁMICOS Modelos maemáicos y eorías Un modelo consiuye una represenación absraca de un ciero aspeco de la realidad. En su esrucura inervienen, por una pare, los elemenos que
Más detallesMétodos de Diseño y Análisis de Experimentos
1 / 51 Méodos de Diseño y Análisis de Experimenos Paricia Isabel Romero Mares Deparameno de Probabilidad y Esadísica IIMAS UNAM febrero 2018 Diseño compleamene al azar 1 2 / 51 3 / 51 Ejemplo Suponga que
Más detallesPráctico 1. Macro III. FCEA, UdelaR
Prácico 1. Macro III. FCEA, UdelaR Ejercicio 1 Suponga una economía que se compora de acuerdo al modelo de crecimieno de Solow-Swan (1956), se pide: 1. Encuenre la ecuación fundamenal del modelo de Solow-Swan.
Más detallesComplejidad de modelos: Sesgo y Varianza
Complejidad de modelos: Sesgo y Varianza 17 de abril de 2008 Noas de clase. Rolando Belrán A Las medidas de sesgo y varianza son úiles para los modeladores en ano que ayudan a regular la complejidad del
Más detallesPropagación de crecidas en ríos y embalses
GUÍA DEL TRABAJO PRACTICO N 8 Propagación de crecidas en ríos y embalses 1 Pare: Propagación de crecidas en río. Méodo de Muskingum Conocidos los hidrogramas de enrada y salida de un ramo del río Tapenagá
Más detallesPATRON = TENDENCIA, CICLO Y ESTACIONALIDAD
Pronósicos II Un maemáico, como un pinor o un poea, es un fabricane de modelos. Si sus modelos son más duraderos que los de esos úlimos, es debido a que esán hechos de ideas. Los modelos del maemáico,
Más detallesR 2 = 0,9945 R 2 = 0,9937
II EXÁMENES DE ECONOMETRÍA 1 Se han esimado con una muesra de 39 observaciones las siguienes funciones de producción por el méodo de MCO: ˆ 1,3,3,55 O ˆ = α L K e R =,9945 ˆ ˆ 1,41,47 O = β L K R =,9937
Más detallesCARLOS FORNER RODRÍGUEZ Departamento de Economía Financiera y Contabilidad, UNIVERSIDAD DE ALICANTE
TEMA 7: Opciones V: Modelos de CARLOS FORNER RODRÍGUEZ Deparameno de Economía Financiera y Conabilidad, UNIVERSIDAD DE ALICANTE En emas aneriores hemos esudiado qué variables afecan a la prima que el comprador
Más detallesy + y = tan(x) + 3x 1. Solución: Primero resolvamos la ecuación diferencial homogénea: y + y = 0
Semesre Primavera Jueves, 4 de Noviembre PAUTA SOLEMNE N ECUACIONES DIFERENCIALES Encuenre la solución general de la ecuación y + y an(x) + 3x Solución: Primero resolvamos la ecuación diferencial homogénea:
Más detallesTema 10 La economía de las ideas. El modelo de aumento en el número de inputs de Romer (1990)
Tema 0 La economía de las ideas. El modelo de aumeno en el número de inpus de Romer (990) 0. Endogeneización de la ecnología: un doble enfoque. 0.2 El secor producor de bienes finales. 0.3 Las empresas
Más detallesINGENERIA DE LA REACCION QUIMICA. INGENERIA DE LA REACCION + Información QUIMICA INGENERIA DE LA REACCION QUIMICA INGENERIA DE LA REACCION QUIMICA
5//4 INGENERIA MODELOS LA de FLUJO REACCION IDEAL FLUJO PISTÓN INGENERIA MEZCLA COMPLETA DE LA REACCION INGENERIA FLUJO REAL DE LA Si hay Reacción REACCION química, se obienen conversiones menores a las
Más detallesEconometría. Ejercicios para el tema 7. Profesores: Amparo Sancho Guadalupe Serrano
Economería Ejercicios para el ema 7 Profesores: Amparo Sancho Guadalupe Serrano 1.- Tes de causalidad de Granger enre la demanda de dinero y el ipo de inerés para España, Francia, Japón y USA. Pairwise
Más detallesh + para cualquier m 1, 5.2. Modelo E-GARCH Introducción
5.2. Modelo E-GARCH Inroducción Los modelos GARCH exponenciales nacen a parir de la publicación de Daniel Nelson (99) sobre heerocedasicidad condicional en los modelos de renabilidad de acivos. Dicho auor
Más detallesResumen. Hipótesis central
Alguna Evidencia sobre los Cosos de Dificulades Financieras 2º Congreso Nacional e Inernacional de Finanzas de la Empresa y Mercado de Capiales Consejo Profesional de Economía a de la Ciudad Auónoma de
Más detallesESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN
ESTUDIO DE MERCADO. MÉTODOS DE PROECCIÓN Qué es una proyección? Es una esimación del comporamieno de una variable en el fuuro. Específicamene, se raa de esimar el valor de una variable en el fuuro a parir
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA Insrucor: Horacio Caalán TEORÍA DE COINTEGRACIÓN Efecos de las propiedades esocásicas de las series en un modelo de regresión
Más detallesCURVAS PLANAS, ECUACIONES PARAMETRICAS Y COORDENADAS POLARES 2.1 CURVAS PLANAS Y ECUACIONES PARAMETRICAS
CURVAS PLANAS, ECUACIONES PARAMETRICAS Y COORDENADAS POLARES.1 CURVAS PLANAS Y ECUACIONES PARAMETRICAS Hasa ahora conocemos la represenación de una grafica mediane una ecuación con dos variables. En ese
Más detalles1-Características generales del movimiento
1-Caracerísicas generales del movimieno La pare de la física que se encarga de esudiar los movimienos de los cuerpos se llama Cinemáica. 1.1-Sisema de referencia, posición y rayecoria. Decimos que un cuerpo
Más detallesCONSTRUCCIÓN DE UNA TABLA DE MORTALIDAD PARA LA POBLACIÓN ECUATORIANA por Javier Fernando Sánchez Nevárez
CONSTRUCCIÓN DE UNA TABLA DE MORTALIDAD PARA LA POBLACIÓN ECUATORIANA por Javier Fernando Sánchez Nevárez El presene rabajo muesra de manera sisemáica el desarrollo de una abla acuarial para la población
Más detallesPropiedades de la igualdad
Propiedades de la igualdad El álgebra es la rama de las maemáicas que se dedica al esudio de las propiedades de objeos maemáicos. Un objeo maemáico puede ser un número, una ecuación, un vecor, ec. Por
Más detallesprepara TU SElECTIVIDAD
prepara TU SElECTIVIDAD Se considera la función f ( ) = ( + a) e a siendo a un parámero real. a) Razone a qué es igual el dominio de f ( ). b) Deermine el valor de a para que la gráfica de f() pase por
Más detallesMODELO ARIMA(p, d, q) (P, D, Q) s
SERIES TEMPORALES: MODELO ARIMA Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández MODELO ARIMA(p, d, q) (P, D, Q) s Se han analizado las
Más detallesResolución de Ecuaciones de Primer Orden
1 Resolución de Ecuaciones de Primer Orden 1.1 Desinegración Radiaciva Si las moléculas de ciero ipo ienen endencia a desinegrarse en moléculas más pequeñas a un rimo que no se ve afecado por la presencia
Más detalles( ) m / s en un ( ) m. Después de nadar ( ) m / s. a) Cuáles
CINEMÁTICA: MOVIMIENTO TRIDIMENSIONAL, DATOS EN FUNCIÓN DEL TIEMPO. Una cucaracha sobre una mesa se arrasra con una aceleración consane dada por: a (.3ˆ i. ˆ j ) cm / s. Esa sale desde un puno ( 4, ) cm
Más detallesANEXO A LA PRÁCTICA CARGA Y DESCARGA DE UN CAPACITOR EN UN CIRCUITO RC
ANEXO A LA PRÁTIA ARGA Y DESARGA DE UN APAITOR EN UN IUITO Inroducción. En esa prácica se esudia el comporamieno de circuios. En una primera pare se analiza el fenómeno de carga y en la segunda pare la
Más detalles1. Derivadas de funciones de una variable. Recta tangente.
1. Derivadas de funciones de una variable. Reca angene. Derivadas Vamos a ver en ese capíulo la generalización del concepo de derivada de funciones reales de una variable a funciones vecoriales con varias
Más detallesANDALUCÍA JUNIO 2004
ANDALUCÍA JUNIO 004 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II Insrucciones: a) Duración: 1 hora y 0 minuos. b) Elija una de las dos opciones propuesas y conese los ejercicios de la opción elegida.
Más detallesy = log b x b y =x. ln(e x ) = x = e lnx.
5. FUNCIÓN LOGARÍTMICA La función logarímica de base b se define como la inversa de la función exponencial con base b. Es decir, el logarimo de base b de un número x es el exponene al cual debe elevarse
Más detallesCircuitos para observar la descarga y carga de un capacitor.
IUITO Objeivo Enconrar el comporamieno de la diferencia de poencial en función del iempo, (), enre los exremos de un capacior cuando en un circuio se carga y cuando se descarga el capacior. INTODUION onsidere
Más detalles6.7. ENSAYOS EN FLUJO CONVERGENTE
Clase 6.7 Pág. 1 de 1 6.7. ENSAYOS EN FLUJO CONVERGENTE 6.7.1. Principios Los pasos que deben seguirse para efecuar un ensayo de flujo convergene son: 1. Se bombea en un puno hasa conseguir que las condiciones
Más detallesCARGA Y DESCARGA DE UN CONDENSADOR
1. Objeivos CARGA Y DESCARGA DE UN CONDENSADOR Esudiar los procesos de carga y de descarga de un condensador. Deerminar el iempo caracerísico, τ, del circuio. 2. Fundameno eórico Un condensador es un sisema
Más detallesDPTO. DE ÁREA DE FÍSICA
UNIVERSIDD UTÓNOM CHPINGO DPTO. DE PREPRTORI GRÍCOL ÁRE DE FÍSIC Movimieno Recilíneo Uniforme Guillermo ecerra Córdova E-mail: gllrmbecerra@yahoo.com TEORÍ La Cinemáica es la ciencia de la Mecánica que
Más detalles6.2 Ecuaciones diferenciales: crecimiento y decrecimiento
SECCIÓN 6. Ecuaciones diferenciales: crecimieno decrecimieno 6. Ecuaciones diferenciales: crecimieno decrecimieno Usar la separación de variables para resolver una ecuación diferencial simple. Usar funciones
Más detallesDERIVACIÓN BAJO EL SIGNO INTEGRAL. 1. Hallar el punto del intervalo [0,2] en el que la función =
DERIVACIÓN BAJO EL SIGNO INTEGRAL. Hallar el puno del inervalo [,] en el que la función F () d alcanza su valor mínimo. El mínimo de una función se alcanza en los punos donde su primera derivada es nula
Más detallesde precios entre distintas regiones, ciudades o países, probando la validez de la PPC y LUP, Taylor (2000), señala que, para que este modelo esté bien
3. El modelo de convergencia de precios 1, se origina para explicar las diferencias de precios enre disinas regiones, ciudades o países, probando la validez de la PPC y LUP, Taylor (000), señala que, para
Más detalles