EL ENFOQUE DE BUCKLEY DEL MODELO DE INSUMO- PRODUCTO EN CONDICIONES DE INCERTIDUMBRE 1
|
|
- Juan José Blázquez Alarcón
- hace 7 años
- Vistas:
Transcripción
1 Cuadernos del CIMBAGE N 6 (2003) EL ENFOQUE DE BUCKLEY DEL MODELO DE INSUMO- PRODUCTO EN CONDICIONES DE INCERTIDUMBRE Lusa L. Lazzar María S. Morñgo Facultad de Cencas Económcas Unversdad de Buenos Ares cmbage@econ.uba.ar Recbdo el 5 de Marzo 2003; aceptado 5 de Dcembre 2003 Resumen En este trabajo se presenta el enfoque de Buckley [] del modelo aberto de nsumoproducto en el cual los coefcentes técncos están expresados medante números borrosos. El modelo propuesto permte un mejor aprovechamento de la nformacón dsponble. Palabras clave: nsumo-producto, números borrosos Abstract In ths paper we make an nput-output analyss when the technologcal coeffcents are not precsely known and may be modeled by approprate fuzzy numbers. The proposed model let us make a better use of the avalable nformaton. Key-words: Input-output analyss; Fuzzy numbers. Realzado en el marco del proyecto UBACyT E009: El tratamento de la ncertdumbre en las pequeñas y medanas empresas medante el empleo de herramentas matemátcas nnovadoras.
2 94 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) INTRODUCCIÓN El modelo de nsumo producto fue desarrollado por Wassly Leontef en la década del 30 culmnando con la publcacón, en 94, de los resultados de EEUU correspondentes a los años 99 y 929. A partr de entonces dversos países hceron desarrollos semejantes. Los prmeros antecedentes en Argentna datan del año 950, con ntervencón de la CEPAL y de 953, 963 y 973, con la colaboracón del Banco Central de la Repúblca Argentna. La últma matrz de nsumo - producto fue confecconada en 998 por el Insttuto Naconal de Estadístcas y Censos (INDEC) [5]. La matrz nsumo producto (MIP) es un regstro ordenado de las transaccones entre los sectores productvos, orentado a la satsfaccón de la demanda fnal: consumo de las famlas o del goberno, nversones físcas o exportacones. En el proceso de generacón de dchos benes, los sectores productvos generan benes ntermedos que se compran y venden entre sí. De esta manera se puede lustrar la nterrelacón entre los dversos sectores productvos y los mpactos drectos e ndrectos que tene sobre éstos una varacón en la demanda fnal. La MIP permte cuantfcar el ncremento de la produccón de todos los sectores, dervado de la varacón de uno de ellos en partcular. Es un nstrumento analítco que descrbe en forma cuanttatva las relacones entre sectores, productos e nsumos de una economía. Permte aprecar en conjunto y en forma cuanttatva la dversdad productva de un país y su estructura. Consttuye una herramenta central en el análss económco ya que permte ndagar las
3 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) repercusones sectorales frente a varacones que son consecuenca de las decsones de los responsables de la defncón de la polítca económca. Para el empresaro, que conoce ben el sector de actvdad en donde están ubcados los benes y servcos que produce, pero que conoce menos sobre la rama de la actvdad de los clentes de sus compradores, la MIP ofrece una descrpcón detallada de la ruta que sguen los benes y servcos hasta llegar a la demanda fnal; y le brnda la partcpacón relatva de su empresa en el total de una determnada rama de actvdad con sus consecuentes posbldades de expansón en el mercado. La MIP permte cuantfcar el efecto completo de los cambos en la demanda fnal en los requermentos drectos e ndrectos de empleo. En la actualdad es factble que los datos requerdos para realzar el análss de nsumo-producto no puedan precsarse con exacttud debdo a la ncertdumbre mperante en los mercados y a la velocdad con que se producen los cambos en los msmos. El valor en undades monetaras del producto fnal de una ndustra que debe adqurr otra para producr una undad monetara de sus propos productos se aproxma para poder aplcar el modelo clásco. Es decr, una vez más la realdad se ajusta al modelo dsponble, perdendo nformacón. En este trabajo se presenta el enfoque de Buckley [] de nsumoproducto para una economía aberta en el cual los coefcentes técncos pueden expresarse por medo de números borrosos.
4 96 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) MODELO DE INSUMO PRODUCTO PARA UNA ECONOMÍA ABIERTA Sea una economía compuesta por n ndustras, cada una de las cuales produce sólo un tpo de producto fnal. Las ndustras están lgadas ya que cada una de ellas debe usar algunos de los productos de las otras para poder funconar. Además deben producr certa cantdad de productos termnados para la demanda fnal. El análss de nsumo producto determna la produccón de cada una de las ndustras s la demanda fnal camba, asumendo que la estructura de la economía no camba. Sean: b j : valor en undades monetaras de los productos de la ndustra usados por la ndustra j. B = ( b j ) : matrz de nsumo producto. F : demanda fnal para los productos de la ndustra. T = n b j j= + F es el producto fnal de la ndustra () La estructura de la economía se puede descrbr por la matrz de coefcentes técncos A = ( a j ), cuyos elementos son admensonales y se obtenen dvdendo cada b j por la produccón total del sector j, es decr, bj a j = (2) T j La sguente tabla muestra el modelo de nsumo producto para una economía de n ndustras.
5 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) Industra Industra Industra 2... Industra n Demanda fnal Producto total a a... 2 a n F T Industra 2 a 2 a a 2 n F 2 T Industra n a n a... n2 a nn F n T n T n : producto total anual de la ndustra expresado en undades monetaras. F : cantdad de producto total de la ndustra consumdo en la economía, excluyendo lo consumdo por las ndustras, n, o lo que se dspone para la demanda fnal. a j : porcentaje de los nsumos totales de la ndustra j que provenen de la ndustra Las restrccones sobre los números de la tabla son: a j [ 0; ), j n 0 n 0 n F Reemplazando (2) en (), resulta el sstema de ecuacones T n a. T j j= j + F = T n (3) La ecuacón (3) muestra cómo el producto total de la ndustra se dstrbuye entre las restantes ndustras, otros consumdores y la exportacón. S se escrbe el sstema (3) en forma matrcal, consderando ( a ) j n A = j, F = ( F ) n T ( T ) n =, resulta:
6 98 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) A. T + F = T, donde A es la matrz de coefcentes técncos de la economía. Para un nuevo vector B de demanda fnal, se asume que la matrz A se conoce y se mantene constante. Para obtener el correspondente vector de produccón total X, se debe resolver el sstema: A. X + B = X (4) Suponendo que I A es no sngular y X 0, se obtene : ( I A) B X =. (5) 3. MODELO ABIERTO DE INSUMO PRODUCTO CON DATOS INCIERTOS S los elementos de A y B están expresados por números borrosos, el problema consste en resolver (4) como un sstema de ecuacones con coefcentes borrosos. Cuando la ecuacón (4) tene una solucón borrosa X, se dce que exste un modelo de nsumo producto borroso para la economía. Se consderarán números borrosos Y con funcón de pertenenca µ ( y), descrptos por (, y, y y ) Y y 2 3, 4 y que verfcan: () y y2 y3 y4 0 y ( y, y4 ) () µ Y ( y) =, () la funcón Y ( y) y [ y, y ] 2 3, µ es contnua y monótona crecente de 0 a en [ y ], (v) la funcón ( y ), y 2 contnua y monótona decrecente de a 0 en [ y 3, y 4 ] µ es Y
7 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) S la funcón ( y) µ es lneal, el número borroso es trapezodal cuando Y y 2 < y 3 y trangular s 2 y3 nítdo. y =. S y = y2 = y3 = y4, entonces Y es El sstema borroso expresado en forma matrcal para el modelo aberto, es A. X + B = X (6) ( A ) j n A = j, [ 0 ;] : matrz cuyos coefcentes son números borrosos en B : vector de n de números borrosos no negatvos X : vector ncógnta. Se usan - cortes para 0 con la sguente notacón: [ ] A j = aj, aj B [ ] = b, b Como a j y a j denotan los límtes nferor y superor de cada - corte respectvamente, se obtenen las matrces ( ) A = a j y A = ( a j ) La ecuacón (6) se transforma en : A. X + B = X A. X + B = X 0 Resolvendo, para cada, se obtene: X ( I A ). = B ( I A ) X =. B Aunque el sstema anteror tenga solucón X, X esto no garantza que se obtengan números borrosos solucón X cuando: X. Se dce que exste una
8 00 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) Exsten ( I A ) y ( I A ). X 0 es una funcón crecente para todo. X 0 es una funcón decrecente para todo v. X X para todo A ( A ) es sempostva s todos sus elementos son no negatvos y cada fla (columna) tene al menos un elemento postvo. Se supone que A y A son sempostvas para todo 0. S una fla de A es nula, se puede no tomar esta ndustra en consderacón. Se sacan sus nsumos (s los hubera) y se agregan a la columna de demanda fnal. S una columna en A es nula, se puede elmnar esta ndustra y ubcar sus nsumos (s los hubera) en la fla de los nsumos externos. Buckley [] demuestra la sguente condcón necesara, acerca de la exstenca del modelo aberto de nsumo - producto con coefcentes borrosos: Teorema. S n a j = borroso exste para la economía. Demostracón Sea W = A o 4 < para todo j, el modelo de nsumo producto W = A para todo 0. La suma de los elementos de las columnas de W es menor a. S (,...,) v = es un vector de m para todo., entonces v W s = ( s,..., ) = con 0 s <. s m <
9 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) Como W es una matrz cuadrada sempostva, tene un autovalor * λ asocado al autovector. * λ es real y no negatvo * x tal que :. * λ < λ para λ cualquer otra raíz del polnomo característco.. * x es no negatvo v. Para cualquer * µ > λ, I W µ. es no sngular y ( µ. W ) I es sempostva. Se probará que λ * <. En tal caso, sngulares y sus nversas son sempostvas. Como W. x λ. x * * * * * * =, entonces v. W. x λ.( v. x ) =. I A e I A son no Por lo tanto, s. x * = λ m * *. x = Pero * m * x = s. x < porque 0 s < para todo. < Entonces m = m λ * * *. x < x y λ * < porque la suma es postva. = Además X y sempostvas. X son no negatvas porque X es una funcón crecente para todo. Con este fn se ntroduce la sguente notacón. S R = ( r, r, r r ) y µ ( x) = 2 3, Por lo tanto,. S ( ) = 4 µ A x, 0 j R 0 B lo es y las nversas son, sea ( ) f ( ) x [ r,r2 ] x = g( ) x [ r,r ] µ R. 3 4, entonces ( ) a = ( ) [ ] j fj x aj,aj2 A j x = a j = g ( ) x [ a, a ] µ j j3 j4
10 02 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) S µ ( x) = B, 0 3. S µ ( x) = X, 0, entonces ( ) b = ( ) [ ] f x b,b 2 B x = b = g ( ) x [ b, b ] µ 3 4, entonces ( ) x = ( ) [ ] F x x, x2 X x = x = G ( ) x [ x, x ] µ 3 4 Supongamos tambén que todas las funcones nversas son dferencables. Para esto basta con saber que son dferencables a cada lado. La ecuacón A. X + B = X puede escrbrse: ( [ fj ( ) ])[ F ( ) ] = [ f ( ) ] [ f j ( ) ] es una matrz de m m y [ F ( ) ], [ ( ) ] La ecuacón (7) defne ( ) I (7) membros respecto de, se obtene: De (8) se deduce que f son vectores de m F en forma mplícta. S dervamos ambos [ f ( ) ][ F ( ) ] + I f ( ) j ( [ ]) F' ( ) j [ ] = [ f ' ( ) ] ' (8) ( [ ]) E( ) [ ] ( ) [ F' ( ) ] = I f j ( )., con E ( ) = f j ( ) [ F ] + [ f ' ( ) ] Se ve que F ' ( ) > 0 para todo porque ( ) ' (9) E es un vector postvo de m y la nversa es una matrz sempostva. Por lo tanto funcón crecente. X es una Análogamente se prueba que X es una funcón decrecente. X X cuando =. S a j2 = aj3 para todos los, j y b 2 = b3 para todo, entonces = X X cuando =. S a j2 < aj3 para algún, j y/o algunos b 2 < b3, entonces X X cuando =.
11 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) EJEMPLOS 4.. Sea la sguente tabla correspondente a una economía de dos ndustras, donde, para smplfcar la operatora, hemos consderado para los coefcentes tecnológcos una aproxmacón trangular Industra I Industra II Demanda fnal Producto total Industra I ( 0.25,0.3,0.35) ( 0.3,0.4,0.5) (,65,80) Industra II ( 0.4,0.5,0.6) ( 0.2,0.35,0.4) (,55,70) Insumos externos ( 0.,0.2,0.3) ( 0.2,0.3,0.4) Total ( 0.75,,.25) ( 0.7,.05,.3) 60 X 50 X 2 a a + a = = < + a = = < El teorema garantza que hay un modelo de nsumo producto borroso para esta economía. En este caso resulta para 0 : A B = = [ ; ] [ ; ] [ ; ] [ ; ] [ ; ] [ ; ] Resolvendo el sstema A. X + B = X para 0 se obtenen los valores de los -cortes del vector de produccón total borroso, que fguran en la sguente tabla: [ x ; x ] [ x 2 ; x 2 ]
12 04 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) [ 3.25;922.22] [ 28.3;038.89] 0. [ 44.73;756.3] [ 36.39;850.78] 0.2 [ 45.36;637.2] [ 45.52;75.62] 0.3 [ 53.57;547.35] [ 55.67;63.80] 0.4 [ 62.72;477.3] [ 67.03;534.35] 0.5 [ 73.0;42.5] [ 79.80;470.6] 0.6 [ 84.64;375.0] [ 94.27;48.34] 0.7 [ 97.90;336.68] [ 20.8;374.70] 0.8 [ 23.8;304.2] [ ;337.72] 0.9 [ ;276.9] [ 252.5;305.98].0 [ 25.96;25.96] [ ;278.43] Se observa que cada componente del vector de produccón fnal es un número borroso que no resulta trangular.
13 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) La representacón gráfca es: µ(x) 0,8 0,6 0,4 0,2 X X x Se consdera la sguente tabla correspondente a una economía de dos ndustras: Industra I Industra II Demanda fnal Industra I ( 0.2,0.3,0.4) ( 0.3,0.4,0.5) (,65,80) Industra II ( 0.4,0.5,0.6) ( 0.3,0.4,0.5) (,55,70) Insumos externos ( 0.,0.2,0.3) ( 0.,0.2,0.3) Total ( 0.7,.0,.3) ( 0.7,.0,.3) Producto total 60 X 50 X 2 a a + a = = + a = = El teorema no garantza la exstenca de un modelo de nsumo producto borroso para esta economía.
14 06 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) En este caso resulta para 0 : A = [ ; ] [ ; ] [ ; ] [ ; ] B = [ ; ] [ ; ] S se consdera el sstema A. X + B = X para nvel de presuncón = 0, como det( I A ) = det = , resulta que sngular y se prueba que el sstema es ncompatble. 0 I A es Además lm X = =, Por lo tanto X =, 2 no son números borrosos porque tenen soporte nfnto Se consdera la sguente tabla correspondente a una economía de dos ndustras: Industra I Industra II Demanda fnal Industra I ( 0.3,0.4,0.5) ( 0.5,0.6,0.7) (,65,80) Industra II ( 0.4,0.5,0.6) ( 0.2,0.3,0.4) (,55,70) Insumos externos ( 0.0,0.,0.2) ( 0.0,0.,0.2) Total ( 0.7,.0,.3) ( 0.7,.0,.3) Producto total 60 X 50 X 2 a a + a = = + a = =..
15 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) El teorema no garantza la exstenca de un modelo de nsumo producto borroso para esta economía. En este caso resulta para 0 : A = [ ; ] [ ; ] [ ; ] [ ; ] B = [ ; ] [ ; ] S se consdera el sstema A. X + B = X para = 0. 5, det( I A ) = det = 0 X. < 0 s 0 < 0.5 =, 2 X > 0 s 0.5 < =,2. lm X = =, Entonces 0.5 I A es sngular. v. X =, 2 no puede ser una funcón decrecente Por lo tanto X =, 2 no puede ser un número borroso. Los ejemplo 4.2 y 4.3 muestran que s no se cumplen las condcones del teorema, puede no haber un modelo de nsumo producto borroso para la economía. 5. MODELO DE INSUMO PRODUCTO PARA UNA ECONOMÍA CERRADA EN CONDICIONES DE INCERTIDUMBRE El modelo de Leontef para una economía cerrada se caracterza porque no hay saldos n défct de produccón, y por lo tanto, no hay lugar para ahorros n nversones nuevas.
16 08 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) Cuando se plantea dcho modelo se obtene un sstema de la forma t A. X = X, donde A es la matrz de coefcentes técncos y X = ( x,... x ) es el vector de produccón. Para que este modelo sea consstente, A debe tener a por autovalor y el autovector correspondente debe ser X > 0. n S los coefcentes técncos se expresan medante números borrosos postvos (algunos podrían ser nítdos), se observa la necesdad de emplear autovalores borrosos para hallar la solucón. Buckley [2] generalza los resultados de Perron-Frobenus referdos a autovalores de matrces no negatvas rreducbles al caso de matrces borrosas no negatvas. Dchas generalzacones se utlzan para resolver el modelo cerrado de nsumo-producto. 6. COMENTARIOS FINALES Se han presentado condcones necesaras para extender el modelo aberto clásco de nsumo-producto al caso de una economía borrosa. Certos valores, como el porcentaje de los nsumos totales de una determnada ndustra provenentes de otra y la demanda fnal de cada ndustra, a menudo no son conocdos y se pueden aproxmar por números borrosos. Expresar los coefcentes técncos medante números borrosos permte representar en forma más adecuada la estmacón proporconada por los expertos y las posbles fluctuacones de los datos. En síntess, el modelo propuesto proporcona un mejor aprovechamento de la nformacón dsponble.
17 L.L Lazzar, M.S. Morñgo./ Cuadernos del CIMBAGE N 6 (2003) REFERENCIAS [] Buckley J.J. (989). Fuzzy nput output analyss. European Journal of Operatonal Research 39. North-Holland, pp [2] Buckley J.J. (990). Fuzzy egenvalues and nput output analyss. Fuzzy Sets and Systems 34. North-Holland, pp [3] Buckley J.J. (992). Solvng fuzzy equatons n economcs and fnance Fuzzy Sets and Systems 48. North-Holland, pp [4] Ferrucc R. (989). Instrumental para el estudo de la economía argentna. EUDEBA, Buenos Ares, pp [5] INDEC. (998). Comprendendo la matrz nsumo producto. Buenos Ares. [6] Kaufmann A., Gupta M.M. (985) Introducton to Fuzzy Arthmetc. Van Nostrand Renhold. New York [7] Lazzar L.L., Machado E. Pérez R. (994). Técncas de gestón para el tratamento de la ncertdumbre. Facultad de Cencas Económcas. Buenos Ares. [8] Lazzar L.L., Machado E. Pérez R. (999). Los conjuntos borrosos: una ntroduccón. Cuadernos del CIMBAGE no. 2, pp Facultad de Cencas Económcas. Buenos Ares. [9] Monteverde H. (994). Conceptos e nterpretacón de las cuentas naconales. Edcones Macch, Buenos Ares, capítulo 7. [0] Noble B., Danel J. (989) Álgebra lneal aplcada. Prentce Hall Hspanoamérca S.A. Méxco. [] Toranzos F.I. (964). Formacón matemátca del economsta. Fondo de Cultura Económca. Buenos Ares.
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más 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 detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesUniversidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller
Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo
Más detallesTema 6 El mercado de bienes y la función IS
Tema 6 El mercado de benes y la funcón IS Macroeconomía I Sánchez Curso 2008-09 Bblografía para preparar este tema Apuntes de clase Capítulo 5, Macroeconomía, O. Blanchard, pp. 81-100 Objetvo del tema
Más detallesTema 6 El mercado de bienes y la función IS
Tema 6 El mercado de benes y la funcón IS Macroeconomía I Prof. Anhoa Herrarte Sánchez Curso 2007-08 Bblografía para preparar este tema Apuntes de clase Capítulo 3, Macroeconomía, O. Blanchard Prof. Anhoa
Más detallesAnálisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto
Análss Matemátco en la Economía: Optmzacón y Programacón arufast@yahoo.com-rufasto@lycos.com www.geoctes.com/arufast-http://rufasto.trpod.com La optmzacón y la programacón están en el corazón del problema
Más detallesEl Modelo IS-LM. El modelo IS-LM
El Modelo IS-LM El modelo IS-LM 4. Introduccón 4.2 La demanda agregada: La funcón de nversón 4.3 Equlbro del mercado de benes: La curva IS 4.4 Equlbro del mercado de dnero: La curva LM 4.5 Equlbro de la
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 detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesGuía para la autoevaluación del del capítulo 6
Capítulo 6: EL BANCO CENTRAL Y LA POLÍTICA MONETARIA Guía para la autoevaluacón del del capítulo 6 1) Ante una recuperacón económca, cuál es el cambo que se produce en los valores de equlbro del mercado
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 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 detallesMetodología del Índice de Excedente Bruto Unitario de la Industria Exportadora (IEBU) 1
Metodología del Índce de Excedente Bruto Untaro de la Industra Exportadora (IEBU) 1 En forma general, el rato del Excedente Bruto de Explotacón por undad de costos para la ndustra exportadora para el período
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 detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesTEMA 3: LA POLÍTICA ECONÓMICA EN EL MODELO IS-LM
TEMA 3: LA POLÍTICA ECONÓMICA EN EL MODELO IS-LM INTRODUCCIÓN Utlzacón del modelo IS-LM para: Examnar las posbles causas de las fluctuacones de la renta naconal Analzar la efectvdad de las polítcas económcas:
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 detallesAPLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO.
APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. Dado un numero n de puntos del plano ( a, b ) es posble encontrar una funcón polnómca
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA. Ingeniería Química
UIVERSIDAD ACIOAL EXPERIMETAL POLITECICA ATOIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMETO DE IGEIERÍA QUÍMICA Ingenería Químca Undad II. Balance de matera con reaccón químca Clase º6 Autor:
Más detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
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 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 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 detallesMACROECONOMÍA: ECONOMÍA CERRADA GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS
MACROECONOMÍA: ECONOMÍA CERRADA GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS TEMA 6. EL MODELO IS LM (PARTE B) Curso 2011 2012 Departamento de Análss Económco: Teoría Económca e Hstora Económca Unversdad
Más detallesUsando geometría proyectiva para corregir una cámara. Parte II
Usando geometría proyectva para corregr una cámara. Parte II No hay nada partcularmente profundo en este problema o en su solucón, pero espero que muestre el placer que se puede encontrar cuando usamos
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 detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesAlgoritmos matemáticos para:
Algortmos matemátcos para: sstemas de ecuacones lneales, nversón de matrces y mínmos cuadrados Jose Agular Inversón de matrces Defncón(Inversadeunamatrz):SeaAunamatrz nxn.unamatrzcde nxn esunanversadeascaaci.
Más detallesSistemas Lineales de Masas-Resortes 2D
Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte
Más detalles6.9 El trazador cúbico
4.9 El trazador cúbco El polnomo de nterpolacón es útl s se usan pocos datos y que además tengan un comportamento polnomal, así su representacón es un polnomo de grado bajo y adecuado. S no se cumplen
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 detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesTEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO
Págna de 4 TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO INTRODUCCIÓN... 2 2 CLASIFICACIÓN DE LAS ACTIVIDADES PRODUCTIVAS... 4 3 FUNCIÓN DE PRODUCCIÓN... 3 4 CLASIFICACIÓN DE LOS PROCESOS
Más detallesFORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA
FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA TÍTULO DE LA PONENCIA: Heterogenedad en los perfles de ngreso y retornos a la educacón superor en el Perú AUTOR: Gustavo Yamada, Juan F. Castro y
Más detallesUNIVERSIDAD TECNOLÓGICA DE PANAMÁ H. R. Alvarez A., Ph. D.
Qué es capacdad? La cantdad de producto, sea este tangble o ntangble, que puede producrse bajo condcones dadas de operacón Las meddas relatvas al producto son normalmente utlzadas por organzacones enfocadas
Más detallesApellidos y nombre: i. El valor anual de la amortización de la construcción es fijo y vale A. 2. Cada punto de venta tiene una demanda anual dem
4º IIND Métodos Matemátcos 5 de septembre de 00 Apelldos y nombre: PROBLEMA (4 puntos) Una empresa tene puntos de venta stuados sobre una ruta que, a efectos de planfcacón, puede ser consderada como una
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 detallesRobótica Tema 4. Modelo Cinemático Directo
UNIVERSIDAD POLITÉCNICA DE MADRID E.U.I.T. Industral ASIGNATURA: Robótca TEMA: Modelo Cnemátco Ttulacón: Grado en Ingenería Electrónca y Automátca Área: Ingenería de Sstemas y Automátca Departamento de
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 detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.
Más detallesEJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.
EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente
Más detallesi=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1
CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de
Más detalles5 Centrales Hidráulicas
Curso SmSEE IIE 2012 Cap. 5 pág 1/6 5 Centrales Hdráulcas 5.1 Centrales Hdráulcas con Embalse En el caso de centrales con embalses, tendremos que agregar restrccones adconales para mponer los límtes de
Más detallesANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR
1 ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR Dela E. Montalvo Roca 1, Gaudenco Zurta Herrera 1 Ingenera en Estadístca Informátca Drector de Tess. M.Sc. en Matemátcas, Unversty of South
Más detallesMACROECONOMÍA I GUÍA. de trabajos prácticos Nº 5: el modelo de OFERTA AGREGADA- DEMANDA AGREGADA
GUÍA de trabajos práctcos Nº 5: el modelo de OFERTA AGREGADA- DEMANDA AGREGADA La demanda agregada La oferta agregada Equlbro conjunto de todos los mercados (benes, dnero y trabajo). Polítcas monetara
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
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 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 detalles5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel...
CONTENIDO 5 Métodos teratvos para la resolucón de ecuacones algebracas lneales 95 5.1 Método de Gauss-Jacob................................ 95 5.2 Método de Gauss-Sedel................................
Más detallesESTIMACIÓN DEL TOTAL DE HOGARES CON NECESIDADES BÁSICAS INSATISFECHAS EN LA CIUDAD DE ROSARIO UTILIZANDO MODELO DE SEMIVARIOGRAMA
Decmoctavas Jornadas "Investgacones en la Facultad" de Cencas Económcas y Estadístca. Novembre de 013. Borra, Vrgna Laura Pagura, José Alberto Insttuto de Investgacones Teórcas y Aplcadas de la Escuela
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 detallesEDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño
EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste
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 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 detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
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 detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
Más detallesDiagnóstico de Fortalezas y Debilidades Comunales
Dagnóstco de Fortalezas y Debldades Comunales Introduccón Los avances y mayores nveles de desarrollo que el país ha mostrado durante los últmos 15 años, se han traducdo, entre otros aspectos, en un aumento
Más detallesCAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D.
CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 0 Ing. Dego A. Patño G. M.Sc, Ph.D. Solucón de la Ecuacón de Estado Solucón de Ecuacones de Estado Estaconaras: Para el caso estaconaro (nvarante en el tempo),
Más detallesCAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI
CAPÍTULO 5: MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI 57 CAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI 5. Resumen Se busca solucón a las ecuacones acopladas que descrben los perfles de onda medante
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 detallesMAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.
TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
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 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 detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesEl diodo Semiconductor
El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por
Más detallessea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador.
. Hallar "a" para que el complejo : a a) sea real puro b) sea magnaro puro Lo prmero de todo es hacer la dvsón en forma bnómca, multplcando numerador y denomnador por el conjugado del denomnador, de esta
Más detallesIII CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES
III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES TUTORIAL: ANÁLISIS MULTIOBJETIVO CONSIDERANDO INCERTIDUMBRE E IMPRECISIÓN Patrca Jaramllo A. y Rcardo A. Smth
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
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 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 detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
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 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 detallesMETODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009
METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal
Más detallessea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador.
. Hallar "a" para que el complejo : a a) sea real puro b) sea magnaro puro Lo prmero de todo es hacer la dvsón en forma bnómca, multplcando numerador y denomnador por el conjugado del denomnador, de esta
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detalles1 x. f) 4. Encuentra los valores de x que hacen cierta la ecuación: x² + 1=0.
Los Números Complejos. La necesdad de crear nuevos conjuntos numércos (enteros, raconales, rraconales), fue surgendo a medda que se presentaban stuacones que no tenían solucón dentro de los conjuntos numércos
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 detallesImportancia relativa de los coeficientes y las transacciones de una estructura insumo-producto
Importanca relatva de los coefcentes y las transaccones Importanca relatva de los coefcentes y las transaccones de una estructura nsumo-producto Vcente Germán Soto* Fecha de recepcón: 15 de uno de 2000;
Más detallesProf. Antonio Santillana del Barrio y Ainhoa Herrarte Sánchez Universidad Autónoma de Madrid Curso 2012-2013
Tema 6 El modelo IS-LM Prof. Antono Santllana del Barro y Anhoa Herrarte Sánchez Unversdad Autónoma de Madrd Curso 2012-2013 Bblografía oblgatora Capítulo 5, Macroeconomía, (Blanchard et al) Apuntes de
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
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 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 detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más 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 detallesSlide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I
Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,
Más detallesNúmeros Reales y Complejos
Apéndce C Números Reales Complejos Ejerccos resueltos Halla los números reales que cumplen la condcón a a S a 0 : a a a 0 No este solucón S a < 0 : a a a a Halla todos los números r tales que r < a) S
Más detallesAdquisición y Tratamiento de Datos (Febrero 2005). 1ª parte: Cuestiones.
Adquscón y Tratamento de Datos (Febrero 2005). Las cuestones: 1ª parte: Cuestones. Se deben responder en la hoja adjunta. Debe marcarse una únca respuesta. Por favor, leer los enuncados y las solucones
Más detallesInstituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012
Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE
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 detallesSolución. Se multiplica numerador y denominador por el conjugado del denominador.
. Hallar "a" para que el complejo : a a) sea real puro b) sea magnaro puro Solucón. Lo prmero de todo es hacer la dvsón en forma bnómca, multplcando numerador y denomnador por el conjugado del denomnador,
Más detallesSOBRE CIERTAS REDES DE UNIDADES DINÁMICAS ACOPLADAS POR IMPULSOS
SOBRE CIERTAS REDES DE UNIDADES DINÁMICAS ACOPLADAS POR IMPULSOS ELEONORA CATSIGERAS Presentacón en IV Coloquo de Matemátca, del 18 al 20 de dcembre, 2013 Se presentará un modelo matemátco abstracto de
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 detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detalles