EL ENFOQUE DE BUCKLEY DEL MODELO DE INSUMO- PRODUCTO EN CONDICIONES DE INCERTIDUMBRE 1

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

Download "EL ENFOQUE DE BUCKLEY DEL MODELO DE INSUMO- PRODUCTO EN CONDICIONES DE INCERTIDUMBRE 1"

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

Más detalles

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

EJERCICIOS 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 detalles

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros

Perturbación 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 detalles

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller

Universidad 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 detalles

Tema 6 El mercado de bienes y la función IS

Tema 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 detalles

Tema 6 El mercado de bienes y la función IS

Tema 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 detalles

Análisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto

Análisis 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 detalles

El Modelo IS-LM. El modelo IS-LM

El 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 detalles

Modelos lineales Regresión simple y múl3ple

Modelos 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 detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA 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 detalles

Guía para la autoevaluación del del capítulo 6

Guía 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 detalles

Problemas donde intervienen dos o más variables numéricas

Problemas 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 detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 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 detalles

Metodología del Índice de Excedente Bruto Unitario de la Industria Exportadora (IEBU) 1

Metodología 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 detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. 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 detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. 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 detalles

TEMA 3: LA POLÍTICA ECONÓMICA EN EL MODELO IS-LM

TEMA 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 detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 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 detalles

APLICACIONES 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. 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 detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas 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 detalles

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA. Ingeniería Química

UNIVERSIDAD 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 detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 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 detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES 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 detalles

Tema 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 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 detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura 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 detalles

MACROECONOMÍA: ECONOMÍA CERRADA GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS

MACROECONOMÍA: 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 detalles

Usando geometría proyectiva para corregir una cámara. Parte II

Usando 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 detalles

Introducción a la Física. Medidas y Errores

Introducción 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 detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO 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 detalles

Algoritmos matemáticos para:

Algoritmos 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 detalles

Sistemas Lineales de Masas-Resortes 2D

Sistemas 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 detalles

6.9 El trazador cúbico

6.9 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 detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El 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 detalles

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

Objetivo 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 detalles

TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO

TEMA 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 detalles

FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA

FORMULARIO 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 detalles

UNIVERSIDAD TECNOLÓGICA DE PANAMÁ H. R. Alvarez A., Ph. D.

UNIVERSIDAD 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 detalles

Apellidos 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

Apellidos 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 detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección 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 detalles

Robótica Tema 4. Modelo Cinemático Directo

Robótica 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 detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO 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 detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección 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 detalles

EJERCICIOS 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. 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 detalles

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

i=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 detalles

5 Centrales Hidráulicas

5 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 detalles

ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR

ANÁLISIS 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 detalles

MACROECONOMÍA I GUÍA. de trabajos prácticos Nº 5: el modelo de OFERTA AGREGADA- DEMANDA AGREGADA

MACROECONOMÍA 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 detalles

Dicha 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.

Dicha 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 detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto 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 detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS 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 detalles

5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel...

5 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 detalles

ESTIMACIÓN DEL TOTAL DE HOGARES CON NECESIDADES BÁSICAS INSATISFECHAS EN LA CIUDAD DE ROSARIO UTILIZANDO MODELO DE SEMIVARIOGRAMA

ESTIMACIÓN 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 detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA 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 detalles

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño

EDO: 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 detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 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 detalles

Análisis de Resultados con Errores

Análisis 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 detalles

Para 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)}

Para 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 detalles

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

FISICOQUÍMICA 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 detalles

La adopción y uso de las TICs en las Microempresas Chilenas

La 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 detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un 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 detalles

Diagnóstico de Fortalezas y Debilidades Comunales

Diagnóstico 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 detalles

CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D.

CAPITULO 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 detalles

CAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI

CAPÍTULO 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

+ 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 detalles

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.

MAGNITUD: 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 detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación 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 detalles

Medidas de Variabilidad

Medidas 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 detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: 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 detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA 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 detalles

El diodo Semiconductor

El 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 detalles

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador.

sea 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 detalles

III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES

III 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 detalles

Optimización no lineal

Optimización 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 detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 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 detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 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 detalles

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores

Estimación 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 detalles

Aspectos fundamentales en el análisis de asociación

Aspectos 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 detalles

Variables Aleatorias

Variables 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 detalles

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009

METODOLOGÍA 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 detalles

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador.

sea 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 detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA 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 detalles

1 x. f) 4. Encuentra los valores de x que hacen cierta la ecuación: x² + 1=0.

1 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 detalles

3 - VARIABLES ALEATORIAS

3 - 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 detalles

Importancia relativa de los coeficientes y las transacciones de una estructura insumo-producto

Importancia 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 detalles

Prof. Antonio Santillana del Barrio y Ainhoa Herrarte Sánchez Universidad Autónoma de Madrid Curso 2012-2013

Prof. 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 detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO 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 detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. 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 detalles

Variables Aleatorias

Variables 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 detalles

ANEXO A: Método de Interpolación de Cokriging Colocado

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

Más detalles

Regresión y Correlación Métodos numéricos

Regresión 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 detalles

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

Slide 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 detalles

Números Reales y Complejos

Números 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 detalles

Adquisición y Tratamiento de Datos (Febrero 2005). 1ª parte: Cuestiones.

Adquisición 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 detalles

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012

Instituto 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 detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 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 detalles

Solución. Se multiplica numerador y denominador por el conjugado del denominador.

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 Solucón. Lo prmero de todo es hacer la dvsón en forma bnómca, multplcando numerador y denomnador por el conjugado del denomnador,

Más detalles

SOBRE CIERTAS REDES DE UNIDADES DINÁMICAS ACOPLADAS POR IMPULSOS

SOBRE 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 detalles

Facultad de Ciencias Básicas

Facultad 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 detalles

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. 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