D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
|
|
- Ángel Sánchez Martínez
- hace 7 años
- Vistas:
Transcripción
1 D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero
2 PROCESOS ESTOCÁSTICOS Un proceso esocásico «Z» considera «n» variables aleaorias, Z n, en momenos de iempo sucesivos, cada una de esas «n» variables se compara como una variable aleaoria usual. Se puede expresar analíicamene como, Z = {Z 1, Z 2,, Z n } ; Z = {Z(s, ); s Є S, Є T} Para cada, «Z» presena una variable aleaoria ordinaria, es en ese conexo en el que cabe la posibilidad de inerprear las series de iempo como realizaciones de un proceso esocásico. Su función de disribución conjuna es, F(Z) = F(Z 1, Z 2,, Z n ) = P(Z 1 Z 1, Z 2 Z 2,, Z n Z n ) Usualmene en un proceso esocásico sólo conocemos un valor de cada una de las «n» variables (puno muesra del proceso), y en consecuencia no conocemos su función de disribución conjuna.
3 PROCESOS ESTOCÁSTICOS Kolgomorov demuesra que si se cumplen las condiciones de simería (si la permuación de subíndices no afeca a la disribución conjuna) y compaibilidad (si el proceso se puede reducir mediane marginalización al análisis de un conjuno finio de elemenos), enonces no es necesario conocer la función de disribución conjuna para aplicar la inferencia esadísica. En un proceso esocásico, los momenos dependen del iempo hisórico, E Z Z var Z 2 2 E Z Z Función de Auocovarianza: cov Z, Z C, E Z Z Z Z Función de Auocorrelación: R Z C, E Z1Z Z 2 Z, Z
4 PROCESOS ESTOCÁSTICOS ESTACIONARIOS Para poder aplicar la inferencia esocásica los procesos esocásicos ienen que ser esacionarios, en el senido de que las funciones de disribución de las «n» variables aleaorias de que consa el proceso sean semejanes. Un proceso esocásico es esacionario, en senido esrico, si las funciones de disribución de las disinas variables aleaorias de que consa el proceso son iguales, F(Z ) = F(Z +u ) y, en consecuencia, se puede considerar de hecho, como si fuera una única variable aleaoria, con «n» repeiciones. Pero el conocimieno de las disinas funciones de disribución del proceso esocásico es imposible si sólo conocemos una realización, como es habiual en las variables económicas, de manera que no podemos comprobar el cumplimieno de la igualdad anerior.
5 PROCESOS ESTOCÁSTICOS ESTACIONARIOS Alernaivamene, y de forma menos rigurosa, podemos verificar si los momenos del proceso se manienen esables en el iempo. Un proceso esocásico se define como esacionario en senido amplio si, E Z Z 2 2 var Z E Z Z Es decir si su media y varianza se manienen consanes a lo largo del iempo. El problema es que las variables económicas en general no presenan esas caracerísicas, es decir no son esacionarias, de manara que para poder uilizar la inferencia esocásica en ese conexo debemos primero converirlas en esacionarias.
6 Las mariculaciones ordinarias de vehículos es un buen indicador de la coyunura económica de un país. Al raarse de bienes de consumo duraderos sus movimienos son sensibles a las modificaciones de rena disponible y riqueza. Se observa un fuere componene esacional que dificula visualizar con claridad el movimieno de la variable, por ello calculamos su media móvil cenrada de doce meses que elimina el componene esacional. Se aprecia no obsane que la serie no es esacionaria ni en media ni en varianza, de manera que hay que ransformar la serie hasa que sean aproximadamene consane en media y en varianza. v Crisis del peróleo ( ) Crisis Crisis acual
7 La gráfica de la serie ransformada (aplicando primeras diferencias esacionales de la serie en logarimos), muesra un comporamieno mucho más irregular, si bien parece que la media va disminuyendo con el iempo, de manera que realizaremos además una diferencia regular.
8 Realizada la ransformación en diferencias regulares y esacionales se observa un comporamieno muy similar al que endría una variable aleaoria. La media y la varianza son aproximadamene consanes, es decir la serie es esacionaria y en consecuencia adecuada para aplicar la inferencia esadísica denro del conexo de los procesos esocásicos univarianes.
9 CÁLCULO DE DIFERENCIAS Y LOGARITMOS Se ransforma la variable en su logarimo neperiano [Ln(ma )] La diferencia de orden doce (o primera diferencia en el orden esacional) de la serie en logarimos es: D 12 [Ln(ma )]=Ln(ma ) Ln(ma -12 ) es aproximadamene la asa de variación anual en ano por uno, es decir: D 12 [Ln(ma )] (ma ma -12 )/ma -12 La primera diferencia (o primera diferencia en el orden regular) de la serie en logarimos es: D[Ln(ma )]=Ln(ma ) Ln(ma -1 ), es aproximadamene la asa de variación mensual en ano por uno, es decir: D[Ln(ma )] (ma ma -1 )/ma -1 La primera diferencia regular y esacional de la serie en logarimos es: DD 12 [Ln(ma )]=D[Ln(ma )] D[Ln(ma -12 )]=D 12 [Ln(ma )] D 12 [Ln(ma -1 )]
10 PIB EN TÉRMINOS REALES: DATO TRIMESTRAL Que presena una endencia creciene y por ano la serie no se compora como un proceso esocásico esacionario.
11 PIB EN TÉRMINOS REALES: DATO TRIMESTRAL
12 PIB EN TÉRMINOS REALES: DATO TRIMESTRAL
13 obs PIBc Ln(PIBc) D 4 [Ln(PIBc)] DD 4 [Ln(PIBc)] % 2007Q ,70 5, Q ,70 5, Q ,70 5, Q ,60 5, Q ,80 5, , , Q ,40 5, , , , Q ,30 5, , , , Q ,80 5, , , , Q ,00 5, , , , Q ,50 5, , , , Q ,80 5, , , , Q ,30 5, , , , Q ,10 5, , , , Q ,00 5, , , , Q ,00 5, , , , D 4 [Ln(PIBc 2008Q1 )] = Ln(PIBc 2008Q1 ) Ln(PIBc 2007Q1 ) = = 5, , = 0, DD 4 [Ln(PIBc 2008Q2 )] = D 4 Ln(PIBc 2008Q2 ) D 4 Ln(PIBc 2008Q1 ) = = 0, , = 0,0083
14 PROCESOS ESTOCÁSTICOS ESTACIONARIOS Las funciones de auocorrelación y auovarianza son de la siguiene forma, F. de Auocovarianza: F. Auocorrelación: 1,, C C C C ,, R R R R u ( Z Z )( Z Z ) n 2 Z Z n Que sólo dependen del desfase emporal «u» al que u = 1 2. La función de auocorrelación de un proceso esocásico esacionario presena las siguienes caracerísicas: R 0 = 1 R u 1 R u = R -u, es una función par del amaño de desfase emporal. Un proceso esocásico iene una única función de auocorrelación pero no a la inversa, es decir, es posible enconrar una misma función de auocorrelación para más de un proceso esocásico (no unicidad). u u u u u ( Z Z )( Z Z ) 1 n u u ( )
15 CALCULAR LA FUNCIÓN DE AUTOCORRELACIÓN Z =DD 4 [Ln(PIBc)] (n=11) obs Z (Z - med) 2 (Z - med) Z +1 (Z +1 - m) Z +2 (Z +2 - m) (Z -m)(z +1 -m) (Z -m)(z +2 -m) 2008Q1-0, , , , , , , , , Q2-0, , , , , , , , , Q3-0, , , , , , , , , Q4-0, , , , , , , , , Q1-0, , , , , , , , , Q2-0, , , , , , , , , Q3 0, , , , , , , , , Q4 0, , , , , , , , , Q1 0, , , , , , , , , Q2 0, , , , , , Q3 0, , , Suma 0, C u 0, , Media -0, , R u 0, , C u u 1 ( Z Z )( Z Z ) n u R u u 1 ( Z Z )( Z Z ) 1 u ( Z Z) 2 n n
16 FUNCIÓN DE AUTOCORRELACIÓN u R u = Función de Auocorrelación ,8 0,6 0,4 0,2 0-0,2-0,4-0,6 Ru R u u 1 ( Z Z )( Z Z ) 1 u ( Z Z) 2 n n
17 D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero
D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESO PURAMENTE ALEATORIO (RB) Es el proceso esacionario puramene aleaorio es concepualmene el más sencillo de odos y ambién en el que se basan
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 detallesEconometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 2. Soluciones sugeridas PARTE A
Economería II LADE/LADE-Derecho Economería II LADE/LADE-Derecho Curso 004/005 Hoja de ejercicios Soluciones sugeridas PARTE A Respuesas correcas en negria, cursiva y con A.. Dado los dos siguienes procesos:
Más detallesEconometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 1. Soluciones sugeridas PARTE A
Economería II LADE/LADE-Derecho Curso 004/005 Hoja de ejercicios 1 Soluciones sugeridas PARTE A Respuesas correcas en negria, cursiva y con A.1. Se ha modelizado la variable v de dos modos diferenes: (1)
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesExamen de Econometría II 12 de Enero de 2010
Examen de Economería II 12 de Enero de 2010 ---------------------------------------------------------------------------------------- Apellidos y Nombres: Grupo: ----------------------------------------------------------------------------------------
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 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 detallesModelos estacionarios de series temporales
Modelos esacionarios de series emporales Inroducción En ese capíulo se presena una meodología para analizar una serie emporal X, únicamene en función de los valores pasados de dicha serie. La idea básica
Más detallesEstadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales
Esadísica Descripiva y Analisis de Daos con la Hoja de Cálculo Excel Series Temporales Serie emporal una serie emporal es una sucesión de observaciones de una variable realizadas a inervalos regulares
Más detallesCurso 2006/07. Tema 1: Procesos Estocásticos. Caracterización de los procesos ARIMA. stico
Curso 6/7 Economería II Tema : Procesos Esocásicos. Caracerización de los procesos ARIMA. Concepo de proceso esocásico sico. Esacionariedad fuere y débil de los procesos esocásicos. Teoremas de ergodicidad
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 detallesModelización univariante
Modelización univariane Miguel Jerez Universidad Compluense de Madrid Febrero 5 Slide # Índice Inroducción Procesos esocásicos elemenales Insrumenos de idenificación Idenificación y diagnosis Noación de
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 detallesINTRODUCCIÓN AL ANÁLISIS DE SERIES DE TIEMPO
INTRODUCCIÓN AL ANÁLISIS DE SERIES DE TIEMPO Forino Vela Peón fvela@correo.xoc.uam.mx Noviembre, 009 Enfoque moderno del análisis de series de iempo Los fenómenos dinámicos que observamos mediane series
Más detallesAnálisis de una. Serie de Tiempo. Dr. Víctor Aguirre Torres, ITAM. Guión 14.
Análisis de una Serie de Tiempo Propósio Descomponer una serie de iempo en algunos de sus componenes. Aislar algunos componenes de la serie de iempo. Cuanificar y ver más claramene el comporamieno de la
Más detallesOrdenación y análisis de series con tendencia (temporales) José Ángel Fernández UAM Abril 2007
Ordenación y análisis de series con endencia (emporales) José Ángel Fernández UAM Abril 2007 Caracerísicas de las series emporales Ordenación: Los daos siempre han de esar ordenados. Son dependienes: La
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de 2013 12:00 horas Primer Apellido: Nombre: DNI: Teléfono: Segundo Apellido: Grupo y Grado: Profesor(a): e mail: Preguna 1 A B C
Más detallesEconometría II. Esther Ruiz Dpt. de Estadística Universidad Carlos III de Madrid
Economería II Esher Ruiz Dp. de Esadísica Universidad Carlos III de Madrid La economería de series emporales en la empresa. 1. La economería en la profesión económica. 2. Muesras aleaorias y caracerísicas
Más detallesEconometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid.
Economería II Análisis de series emporales (I): Procesos esacionarios Miguel Jerez y Sonia Sooca Universidad Compluense de Madrid Febrero 2004 Ver. /6/2003, Pag. # Índice: Inroducción Concepos básicos
Más detallesESTADISTICA PARA RELACIONES LABORALES
ESTADISTICA PARA RELACIONES LABORALES CURSO 2010 TURNO VESPERTINO Y NOCTURNO MODULO 8 INFLACION, DEFLACTACION INFLACION La INFLACION es el aumeno del nivel general de precios en una economía. Por ello
Más detallesSesión 2 Análisis univariado de series de tiempo
Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión Análisis univariado de series de iempo 4. Series de iempo esacionarias 4.. Qué enendemos por proceso
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 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 detallesEstadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 3
Esadísica Indusrial Universidad Carlos III de Madrid Series emporales Prácica 3 Objeivos: Coninuar con la idenificación de procesos auoregresivos (AR) y de media móvil (MA), mediane la función de auocorrelación
Más detallesTODO ECONOMETRÍA. Autocorrelación
TODO ECONOMETRÍA Auocorrelación Índice Definición Causas Consecuencias Deección Medidas correcivas Definición de la auocorrelación Definición de auocorrelación La perurbación de una observación cualquiera
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 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 detallesESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO
Scienia e Technica Año IX, No, Diciembre 00. UTP. ISSN 0-70 7 ESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO RESUMEN El presene ariculo describe un pronosico
Más detallesAnálisis de series temporales y. Modelos autoregresivos. Series temporales.
Análisis de series emporales y Modelos auoregresivos. Series emporales. Una serie emporal es una secuencia ordenada de valores, correspondienes a la magniud de una variable en un deerminado insane en el
Más detallesVIII.- CONDUCCIÓN TRANSITORIA DEL CALOR MÉTODO GRÁFICO
VIII.- CONDUCCIÓN TRANSITORIA DEL CALOR MÉTODO GRÁFICO VIII..- SOLUCIONES NUMÉRICAS A PROBLEMAS DE CONDUCCIÓN MONODIMENSIO- NALES EN RÉGIMEN TRANSITORIO El méodo numérico aplicado a los problemas de conducción
Más detallesLuis H. Villalpando Venegas,
2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con
Más detallesCurso 2006/07. Tema 2: El incumplimiento de la hipótesis de estacionariedad. Cómo resolverla. 2. La falta de estacionariedad en varianza
Economería II Tema 2: El incumplimieno de la hipóesis de esacionariedad. Cómo resolverla. Inroducción 2. La fala de esacionariedad en varianza 3. La fala de esacionariedad en media Tema 2 2. Inroducción
Más detallesGRADO TURISMO TEMA 6: SERIES TEMPORALES
GRADO TURISMO TEMA 6: SERIES TEMPORALES Prof. Rosario Marínez Verdú 1 TEMA 6: SERIES TEMPORALES 1. Componenes de una serie emporal. 2. Análisis de la Tendencia. 3. Análisis de las Variaciones Esacionales.
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 detallesSerie Apuntes de Clase ΩΒΓ
Serie Apunes de Clase ΩΒΓ N 4 Seiembre del 04 Rafael Busamane Romaní UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Universidad del Perú, DECANA DE AMÉRICA FACULTAD DE CIENCIAS ECONÓMICAS La Serie Apunes de
Más detallesAnálisis de Series Temporales. Jose Jacobo Zubcoff. Departamento de Ciencias del Mar y Biología Aplicada
Análisis de Series Temporales Jose Jacobo Zubcoff Deparameno de Ciencias del Mar y Biología Aplicada Inroducción al análisis de series emporales Objeivo: analizar la evolución de una variable a ravés del
Más detallesEjercicio sobre el PIB histórico anual español 1
Ejercicio sobre el PIB hisórico anual español 1 El gráfico adjuno recoge la evolución del PIB anual español (en miles de millones de peseas de 15) de 15 a 2. 6 5 4 3 2 1 PIB Considere ahora la ransformación
Más detallesPREVISIÓN DE LA DEMANDA
Capíulo 0. Méodos de Previsión de la OBJETIVOS. Los pronósicos y la planificación de la producción y los invenarios. 2. El proceso de elaboración de los pronósicos. Méodos de previsión de la demanda 4.
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detallesEL PRONÓSTICO DE LA DEMANDA (2) Cristina Gigola Departamento Académico de Ingeniería Industrial y Operaciones ITAM
EL PRONÓSTICO DE LA DEMANDA (2) Crisina Gigola Deparameno Académico de Ingeniería Indusrial y Operaciones ITAM gigola@iam.mx Conenido (pare 2) Medidas de error Desarrollo de un modelo Modelos: naïve, promedios
Más detallesRegulación y Control de Máquinas Navales (RCMN)
Regulación y Conrol de Máquinas Navales (RCMN) Problemas Resuelos Módulo 3. Análisis y Conrol de Sisemas en Cadena Cerrada G. Ojea, R. González de los Reyes, I. Díaz 04/0/08 PROBLEMA : En el sisema de
Más detallesECONOMETRÍA APLICADA
Faculad de Ciencias Económicas y Empresariales ANÁLISIS UNIVARIANTE DE SERIES TEMPORALES José Albero Mauricio Deparameno de Fundamenos del Análisis Económico II EcrAp-JAM-TR.pdf COPYRIGHT -6 José Albero
Más detallesPRÁCTICA 4 TEMA 6: SERIES TEMPORALES
PRÁCTICA 4 TEMA 6: SERIES TEMPORALES En las prácicas aneriores se habían analizado observaciones de variables de ipo ransversal (por ejemplo, obenidas para diferenes municipios). Llamaremos Serie Temporal
Más detallesEspecificación y Estimación de los MODELOS ARCH. Horacio Catalán Alonso
Especificación y Esimación de los MODELOS ARCH Horacio Caalán Alonso Noviembre de 0 Caracerísicas de las series financieras:. Son lepokuricas (achaadas y con colas más gordas).las relaciones enre ganancia
Más detallesCAPITULO IV DESARROLLO DE LA INVESTIGACIÓN. En este capítulo se expondrán los métodos utilizados para el pronóstico de los siniestros
CAPITULO IV DESARROLLO DE LA INVESTIGACIÓN En ese capíulo se expondrán los méodos uilizados para el pronósico de los siniesros del seguro de Gasos Médicos Mayores, con base en los daos proporcionados por
Más detallesGUÍA DE EJERCICIOS 3 ECONOMETRÍA II., se quiere decidir sobre el número de raíces unitarias mediante un test Dickey-Fuller del tipo
GUÍA DE EJERCICIOS 3 ECONOMETRÍA II 1) Para una deerminada serie, y, se quiere decidir sobre el número de raíces uniarias mediane un es Dickey-Fuller del ipo y y 1 p i 2 y i i 1 Responda a las siguienes
Más detallesCAPÍTULO 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 detallesIntroducción a LS-DYNA (4 Safety)
13/04/017 Inroducción a LS-DYNA (4 Safey) Conenido 1.. Inegración en el iempo: Implício vs. Explício 1..1. Méodo Implício vs. Explício 1... Paso de iempo críico Análisis Dinámicos Los análisis esáicos
Más detallesDinámica del tipo de cambio en el Perú: Una aproximación a través de modelos de volatilidad
Dinámica del ipo de cambio en el Perú: Una aproximación a ravés de modelos de volailidad Vicor D. Chique Acero XXV ENCUENTO DE ECONOMISTAS DEL BANCO CENTRAL DE RESERVA DEL PERÚ Lima, 2 de Diciembre de
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 detallesNombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES)
Nombre y Apellidos:... NIU:... Grupo Reducido:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES) Lea cuidadosamene cada preguna. Marque muy claramene la respuesa de cada preguna en la hoja
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 detallesω ω ω y '' + 3 y ' y = 0 en la que al resolver se debe obtener la función y. dx = + d y y+ m = mg k dt d y dy dx dx = x y z d y dy u u x t t
E.D.O para Ingenieros CAPITULO INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES Las ecuaciones diferenciales son ecuaciones en las que conienen derivadas, Por ejemplo: '' + ' = en la que al resolver se debe
Más detallesMODELACIÓN DEL RÉGIMEN DEL CAUDAL MENSUAL EN LA CUENCA BAJA DEL RÍO DAGUA MEDIANTE SERIES DE TIEMPO ESTACIONALES
49 MODELACIÓN DEL RÉGIMEN DEL CAUDAL MENSUAL EN LA CUENCA BAJA DEL RÍO DAGUA MEDIANTE SERIES DE TIEMPO ESTACIONALES Jefferson Valdés Baso Esudiane. Universidad del Valle, Escuela de Ingeniería Indusrial
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 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 detallesCAPITULO 15 SERIES DE TIEMPO ESTACIONARIAS
CAPITULO 5 SERIES DE TIEMPO ESTACIONARIAS 5.. INTRODUCCIÓN Una serie de iempo es una secuencia de daos numéricos, cada uno de los cuales se asocia con un insane específico del iempo. Podemos ciar como
Más detallesSistemas Secuenciales
Sisemas Secuenciales Un circuio secuencial es un circuio en donde las salidas no sólo dependen de los valores de las enradas en el presene, sino que ambién dependen de un esado inerno del circuio. Ese
Más detallesMétodos de Previsión de la Demanda Pronóstico para Series Temporales Niveladas Representación Gráfica
Méodos de Previsión de la Demanda Pronósico para Series Temporales Niveladas Represenación Gráfica REPRESENTACIÓN GRÁFICA DE LA SERIE DE DATOS Período i Demanda Di 25 2 2 3 225 4 24 5 22 Para resolver
Más detallesAnálisis de Series Temporales
Inroducción al Análisis de Series Temporales José Albero Mauricio Universidad Compluense de Madrid OBSERVACIONES PRELIMINARES El origen de ese libro es una colección de ransparencias que preparé durane
Más detallesMetodología de la estimación de los ingresos anuales y mensuales
Meodología de la esimación de los ingresos anuales y mensuales En cumplimieno con lo esablecido en la fracción III, inciso a), del Arículo 41 de la Ley Federal de Presupueso y Responsabilidad Hacendaria,
Más detallesModelos estructurales de series de tiempo Est. Laura I. Giménez
Modelos esrucurales de series de iempo Es. Laura I. Giménez Universidad Nacional del Nordese Insiuo Nacional de Tecnología Agropecuaria 1 Programa Jueves, 30 de julio de 009 Inroducción al análisis de
Más detallesECONOMETRÍA EMPRESARIAL II ADE
4 Bernardí abrer Economería Empresarial II Tema 7 EONOMETRÍA EMPRESARIAL II ADE TEMA 7 SERIES TEMPORALES: INTRODUIÓN (VERSIÓN PRELIMINAR) Valencia, Marzo 5 Bernardí abrer Borrás (Análisis Económico) 3
Más detallesIntroducción al método
Tema 12 Inroducción al méodo 12.1 Deerminanes del crecimieno económico y hechos esilizados. 12.2 La imporancia de la función de producción 12.3 Crecimieno económico y disribución de la rena Bibliografía:
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 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 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 detallesSesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media
Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión 2 Análisis univariado de series de iempo 5. Series de iempo no esacionarias en media La maoría
Más detallesOCW UPV/EHU. Geografía de la Población Itziar Aguado Moralejo Tema 9. Las estructuras demográficas
OCW UV/EHU. Geografía de la oblación Iziar Aguado Moralejo Tema 9. Las esrucuras demográficas 1. La composición por sexo 2. La composición por edades. El diagrama riangular 3. La composición según edad
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 detallesCapítulo 8. Introducción al análisis de series temporales.
5 Capíulo 8. Inroducción al análisis de series emporales. 8..- Caso 5: Análisis de algunas series emporales por la meodología Box-Jenins. Una serie emporal puede definirse como una sucesión ordenada en
Más detallesY K AN AN AN MODELO SOLOW MODELO
MODELO SOLOW MODELO Rendimienos consanes a escala decrecienes en uso de facores. Tasa de ahorro exógena, s. Crecimieno exógeno, a asa g, de eficiencia del rabajo. Equilibrio mercado de bienes de facores.
Más detallesECONOMETRÍA II 1. La Econometría de Series de Tiempo
ECONOMETRÍA II. La Economería de Series de Tiempo Economería II Noas de clase.. Análisis Univariado de Series de Tiempo... Series de Tiempo Esacionarias Análisis univariado: se idenifica cada variable
Más detallesEJC 19: PRUEBAS DE ESTACIONARIEDAD-RAIZ UNITARIA
EJC 19: PRUEBAS DE ESTACIONARIEDAD-RAIZ UNITARIA Coninuando con la serie de serie de venas de auomóviles (4x4) para Colombia desde el primer rimesre de 1970 hasa el segundo rimesre de 1987. Periodo Y Periodo
Más detallesUNIVERSIDAD NACIONAL DEL ALTIPLANO
UNIVERSIDAD NACIONAL DEL ALTIPLANO FACULTAD DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA ESCUELA PROFESIONAL DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA MODELOS UNIVARIANTES PARA DESCRIBIR PREDECIR LA SERIE DE
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 detallesBIBLIOTECA DE POSGRADO
i JURADO DICTAMINADOR Dra. Jeanee González Casro Presidena Ms. Lidia Lizarzaburu Monero Secrearia Dr. Carlos Minchón Medina Miembro ii REFERENCIAS DEL AUTOR Grado Académico Tíulo Profesional Dirección
Más detallesTema 5: PROCESOS ESTOCÁSTICOS
Tema 5: PROCESOS ESTOCÁSTICOS Carlos Alberola Lóez Lab. Procesado de Imagen, ETSI Telecomunicación Desacho D04 caralb@el.uva.es, jcasasec@el.uva.es, h://www.li.el.uva.es/sar Proceso esocásico (PE) Término
Más detallesTema 9. Formulación lagrangiana
Tema 9. Formulación lagrangiana. agrangiano Se define como la diferencia enre la energía cinéica del sisema T y su energía poencial V = T V y será función en general de las coordenadas, de las velocidades
Más detallesÍndice de diapositivas en Tr2009_6_Prog_Din.doc
Deparameno de Economía, Faculad de Ciencias Sociales, Universidad de la República, Uruguay Maesría en Economía Inernacional 29. Macroeconomía. Alvaro Foreza Índice de diaposiivas en Tr29_6_Prog_Din.doc
Más detallesTema 8: SERIES TEMPORALES
Inroducción a la Economería Tema 8: ERIE TEMPORALE Tema 8: ERIE TEMPORALE. Concepo y componenes de una serie emporal. Definiremos una serie emporal como cualquier conjuno de N observaciones cuaniaivas
Más detallesGuía de Ejercicios 2 Econometría II
Gía de Ejercicios Economería II.- Para el sigiene proceso : donde es n rido blanco con ariana. a Calcle la media la ariana marginal condicional del proceso. Compare los alores marginales condicionales.
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 detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
Más detallesPrevisión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Previsión de Venas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (I) Presenación y concepos básicos en orno al manejo de series emporales. Profesor: Ramón Mahía Curso 2002-2003 I.- Presenación
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y Técnicas de Mercado Previsión de Venas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (I) Presenación y concepos básicos en orno al manejo de series emporales. Profesor: Ramón
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 detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA-LEÓN FACULTAD DE CIENCIAS DEPARTAMENTO DE MATEMÁTICA Y ESTADÍSTICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA-LEÓN FACULTAD DE CIENCIAS DEPARTAMENTO DE MATEMÁTICA Y ESTADÍSTICA MODELO DE SERIES TEMPORALES, APLICADO A CASOS DE MALARIA, MUNICIPIO DE CHINANDEGA, DEPARTAMENTO
Más detallesPreguntas IE TEC. Total de Puntos: 84 Puntos obtenidos: Porcentaje: Nota:
IE TEC Carné: Insiuo Tecnológico de Cosa Rica Escuela de Ingeniería Elecrónica EL-70 Modelos de Sisemas Profesor: Dr. Pablo Alvarado Moya I Semesre, 007 Examen Final Toal de Punos: 8 Punos obenidos: Porcenaje:
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL
ESCUELA SUPERIOR POLITECNICA DEL LITORAL Insiuo de Ciencias Maemáicas ANÁLISIS MULTIVARIADO DE LAS VENTAS DE UNA EMPRESA DE ALIMENTOS MARZO 994-SEPTIEMBRE 006 TESIS DE GRADO Previa a la obención del Tíulo
Más detalles3 Definición y ejemplos de Procesos Estocásticos
3 Definición y ejemplos de Procesos Esocásicos 3. Definición de un Proceso Esocásico. Supongamos que se esudia el número de personas que asisen al servicio médico en ciero hospial. En un inervalo de iempo
Más detallesrepresentando la relación existente entre los datos observados en un instante y los observados en el instante anterior.
ALISADO SERIES EMPORALES Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández ANÁLISIS DE AUOCORRELACIÓN Dada la serie emporal ( X ) ( X,X,,X
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 detallesEstadística Aplicada a la Educación
Esadísica Aplicada a a la la Educación Esadísica Aplicada a la Educación Tuor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 014/15 migdaza@madridsur.uned.es 1 014/15 1 4 5 6 7 8 9 10 11 1 La Esadísica
Más detallesCapítulo NÚMEROS ÍNDICES
Capíulo V NÚMEROS ÍNDCES Aplicación Exise un gran número de fenómenos económicos cuyo significado y esudio alcanza disinos niveles de complejidad (son los que se conocen como coyunura económica, nivel
Más detallesTRABAJO PRÁCTICO Nº 5 SEÑALES Y MEDICIONES
Área Elecrónica Laboraorio 4º Año TRABAJO PRÁCTICO Nº 5 SEÑALES Y MEDICIONES ) Inroducción Teórica Podemos clasificar a las señales como consanes y variables, siendo consane aquella que no cambia de valor
Más detallesLicenciatura de ADE y Licenciatura conjunta Derecho y ADE Examen de Econometría II 20 de septiembre de 2005
Licenciaura de ADE y Licenciaura conjuna Derecho y ADE Examen de Economería II 0 de sepiembre de 005 Apellido y Nombre: Grupo: INFORMACION IMPORTANTE El examen consa de res pares con una valoración oal
Más detallesTema 3 Sistemas lineales.
Tema 3 Sisemas lineales. Podemos definir un sisema como un grupo o combinación de elemenos inerrelacionados o íner-acuanes que forman una enidad coleciva. En el conexo de los sisemas de comunicación los
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 detalles