ECONOMETRÍA I. Autocorrelación. Autocorrelación. Lección 4: Autocorrelación. Siga. 1. Qué es un modelo con autocorrelación?
|
|
- María del Pilar Ortega Santos
- hace 7 años
- Vistas:
Transcripción
1 ECONOMERÍA I Lección 4: Auocorrelación. jm Auocorrelación.. Qué es un modelo con auocorrelación?. Con qué ipo de daos económicos se suelen presenar modelos auocorrelacionados? Auocorrelación. 3. Qué problemas planea a la esimación por MCO? 3.. En qué consise el cálculo de la mariz de varianzas y covarianzas de los esimadores MCO corregida por el efeco de la auocorrelación, Newey-Wes(987)?
2 Diaposiiva jm Se agradece la conribución de los profesores Arranz, Suárez y Zamora, cuyos maeriales de clase se han uilizado en la elaboración de esa presenación. juan muro; 8/09/007
3 Auocorrelación. 4. Cómo se deeca la auocorrelación? Auocorrelación. 5. Cómo se esima un modelo auocorrelacionado mediane esimadores que engan buenas propiedades esadísicas? Qué se eniende por la esimación de un modelo en cuasidiferencias? Qué problemas planea la uilización de un modelo en diferencias" como méodo para resolver la auocorrelación? 4.. Consecuencias de la auocorrelación. MRLG: Y =X β+u ; =,,. Serie emporal; {i} core ransversal. X, β, vecores fila xk y columna kx, respecivamene; Y, u, escalares. E(u u +s X)= σ +s (elemenos de la mariz de varianzas y covarianzas Ω).
4 4.. Consecuencias de la auocorrelación. Impondremos el supueso de esacionariedad débil. σ +s = σ para s=0. (homoscedasicidad). σ +s = γ s para s 0. (covarianza sólo depende del desfase emporal). 4.. Consecuencias de la auocorrelación. Esimador MCO: b= (ΣX X ) - ΣX Y. E(b X)= β. Var(b X)=(ΣX X ) - ΣΣE(u u s X)X X s (ΣX X ) -. Como E(u u s X)= γ -s mariz lo es. es desconocida, la 4.. Consecuencias de la auocorrelación. En expresión maricial: σ γ γ ρ γ σ γ ρ E( uu') = = σ Ω = σ γ γ σ ρ ρ Donde Cov( u, u ) γ + S S ρ = = s = 0, S Var( u ) Var( u ) + S No hay resulados generales para el sesgo de la mariz por MCO, s (ΣX X ) -. γ 0 ρ ρ ±, ±, 3
5 4.. Consecuencias de la auocorrelación. La auocorrelación sigue las siguienes esrucuras, AR(p), MA(q), ARMA(p,q). Procesos auorregresivos: AR(p): u = Φ u - + Φ u Φ p u -p +ε. AR(): u = Φ u - +ε. Procesos de medias móviles: MA(q): u = ε + θ ε - + θ ε -.+ θ q ε -q. MA(): u = ε + θ ε Consecuencias de la auocorrelación. Procesos auorregresivos y de medias móviles: ARMA(p,q): u = Φ u - + Φ u Φ p u -p +θ ε - + θ ε -.+ θ q ε -q. ARMA(,): u = Φ u - + ε +θ ε -. +ε Arás Mariz de Newey-Wes (987). La mariz ( X ' X ) S L + w e e l ( X X ' + X X ' ) ( X ' X ) 0 l l l S = 0 e i i = = = l + X X ' ; w i i l l l =. L + Es un esimador consisene de la mariz de varianzas y covarianzas asinóica del esimador b. V MCO = X' X σ X' ΩX X' X.. 4
6 Mariz de Newey-Wes (987). La sugerencia de Newey y Wes es esimar por MCO (lineal e insesgado) y calcular consisenemene los errores por medio de su mariz (esimadores no eficienes). Se pueden uilizar los esadísicos (no así el F). Arás 4.. Conrases de auocorrelación. Carácer Exacos Asinóicos Hipóesis nula Generales (robusos) Específicos (poenes) Durbin y Wason(950, 95). Residuos Recursivos: Razón de Von Neumann modificada (MVNR) Breusch-Godfrey(978) Correlograma de residuos. h de Durbin(970). Sargan(964) Durbin y Wason(950, 95). Conrase exaco. Diseñado para conrasar la presencia de procesos AR(), esacionarios. Es robuso ane la presencia de oro ipo de auocorrelación. No permie la presencia de especificación dinámica en el modelo. Las ablas de la disribución del esadísico D-W habiualmene uilizadas requieren la especificación con érmino independiene (Savin-Whie)(Farebroher para ce). 5
7 Y =X β+u Con u =ρu - +ε. Durbin-Wason(950, 95). Conrase exaco. H 0 : NO HAY AUOCORRELACION: ρ=0. H : EXISE AUOCORRELACION SEGUN UN AR(): ρ 0; ρ <.. Esimar el modelo por MCO. Obener los residuos minimocuadráicos e.. Calcular el esadísico de D-W: ( e - e - ) = d = e 3. Comprobar en las ablas oporunas de la disribución del esadísico de D-W, para un nivel de significación deerminado, si el valor anerior cae en las zonas de rechazo, indecisión o no rechazo de la hipóesis nula. 4. Emplear algún crierio para resolver la indecisión en el caso en que el valor caiga en dicha zona. = eniendo en cuena que: ˆ ρ, el rango de variación del esadísico: ˆ ρ = ˆ ρ = 0 ˆ ρ = d 4 d d 0 Auocorrelación negaiva Ausencia auocorrelación Auocorrelación posiiva Durbin y Wason hallaron unos límies superior d u e inferior d L que permien omar una decisión acerca de la presencia o ausencia de auocorrelación: Auocorrelación Zona Región de no rechazo: Zona Auocorrelación posiiva indecisión No auocorrelación indecisión negaiva 0 d L d U 4-d U 4-d L 4 Es decir: 0 < d < d L Se rechaza H 0, exise au. posiiva con esquema AR() 4- d L < d < 4 Se rechaza H 0, exise au. negaiva con esquema AR() d u < d < 4-d u No se rechaza H 0, no exise auocorrelación d L < d < d u El conrase no es concluyene 4-d u < d < 4-d L El conrase no es concluyene MVNR(94). Conrase exaco. Y =X β+u Con u =ρu - +ε. H 0 : NO HAY AUOCORRELACION: ρ=0. H : EXISE AUOCORRELACION SEGUN UN AR(): ρ 0; ρ <.. Esimar el modelo por mínimos cuadrados recursivos. Obener los -k residuos recursivos (w).. Calcular el esadísico de la razón de von Neumann modificada (MVNR): - k ( w - w - = k + MVNR = - k - w = k + ) 6
8 MVNR(94). Conrase exaco. 3. Comprobar en las ablas de la disribución del esadísico MVNR, para un nivel de significación deerminado, si el valor anerior cae en las zonas de rechazo o no rechazo de la hipóesis nula. 4. El conrase se realiza como un conrase de una sola cola frene a la auocorrelación posiiva y negaiva, respecivamene. H de Durbin(970). Conrase asinóico. y = Y *' β + X ' γ + u con u = ρ u donde la Y* significa una mariz de valores reardados de la variable regresando y; X mariz de regresores que no incluye los valores reardados del regresando. H0 : NO HAY AUOCORRELACION: ρ=0. H : EXISE AUOCORRELACION SEGUN UN AR(): ρ 0, ρ <.. Esimar el modelo por MCO y obener los residuos MCO e.. Esimar r. De una manera apropiada es el coeficiene de e - en la regresión de e frene a e -. Se puede hacer ambién a ravés del esadísico de D-W. + ε H de Durbin(970). Conrase asinóico. 3. Forma del conrase: bajo la hipóesis nula el esadísico h se disribuye asinóicamene como una N(0,). h = r - var( donde b es el coeficiene de y - en la regresión del aparado y el amaño de la muesra. El conrase es de una sola cola. b ) 7
9 H de Durbin(970). Conrase asinóico. 4. En el supueso de que h no pueda ser calculado por ser el radicando negaivo, Durbin sugiere un procedimieno asinóicamene equivalene que consise en 4. Esimar la regresión del aparado. 4. Esimar la regresión siguiene e = e +Y*' β+x' γ+u Bajo la hipóesis nula, el coeficiene de e - no será significaivamene disino de cero. Breusch-Godfrey(978). Conrase asinóico. con u = u y = X ' β + u + u o, +..+ u u = Θ ( ε ) donde X puede conener valores reardados del regresando. H 0 : NO HAY AUOCORRELACION: Φ τ =0; Θ τ =0; para odo τ. H : EXISE AUOCORRELACION SEGUN UN AR(p) o MA(q).. Esimar el modelo original por MCO y obener los residuos minimocuadráicos e. - - q p - p + ε Breusch-Godfrey(978). Conrase asinóico.. Esimar la regresión e = X 'β + E ' γ + u p. 3. Forma del conrase (conrase de muliplicadores de Lagrange): bajo la hipóesis nula el esadísico R se disribuye asinóicamene como una Chi- con p grados de liberad. 8
10 Correlograma de residuos. H 0 : No hay auocorrelación. H : Auocorrelación de cualquier ipo AR(p), MA(q), ARMA(p,q). Se rechaza la hipóesis nula en el caso de que el correlograma no sea plano, es decir, en el caso de que no odos los valores de la función de auocorrelación y auocorrelación parcial esén denro de las bandas.. Ajusar el modelo por MCO. Obener los residuos MCO e.. Calcular el correlograma de los residuos MCO e. 3. Calcular el esadísico de Ljung-Box y la probabilidad asociada a dicho esadísico bajo la hipóesis nula. 4. Cualquier valor de la probabilidad asociada al esadísico de Ljung-Box inferior a 0.05 permie rechazar la hipóesis nula a un nivel de significación del 5%. Conrase de Sargan(964). Conrase de fala de especificación dinámica en un modelo (la auocorrelación es un sínoma de esa especificación errónea) Si con y = β + x u u = ρu- + ε ; ρ < Conrase de Sargan(964). y susiuimos la segunda ecuación en la primera, queda y = ρ y + ( x - ρ x - ) β +. - ε Generaliza ndo, y = y + x + x - + β - β β 3 ε para que ambos modelos sean idénicos debe cumplirse H 0 : β = -. β β 3. Esimar el modelo general por MCO.. Conrasar la hipóesis nula H 0 por medio del conrase de WALD. En concreo: [f(b) ] ~ W = A var[f(b)] donde b son los esimadores MCO del modelo general. Χ Arás 9
11 4.3. Solución a la auocorrelación. Y =X β+u ; =,,. Serie emporal; {i} core ransversal. X, β, vecores fila xk y columna kx, respecivamene; Y, u, escalares. E(u i u j X)= σ ij Solución a la auocorrelación. MCO: esimación lineal, insesgada y no ópima; mariz de Newey y Wes(987). MCG: exige el conocimieno de la mariz Ω. Esimación lineal, insesgada y ópima; auocorrelación eórica. MCGF: Esimación en dos eapas o ieraiva, consisene. MV: exige una paramerización de la mariz Ω. Esimación consisene, asinóicamene eficiene y con disribución asinóica normal. Arás Esimación por MCG. Es imposible en casi odos los casos por el desconocimieno de Ω. El realizar supuesos sobre la esrucura de la auocorrelación ayuda poco. 0
12 Esimación por MCGF. Esimación para un AR() esacionario u = u + ε. Esimación por MCGF. En ese caso, ) E(u E(u u E(uu E(uu = 0 Var ( u ) = E( u ) = < σ ε ) = γ = σ = ρ u ) = γ = σ ρ = u S ) = S γ = σ ρ = s u S S Esimación por MCGF. La mariz de varianzas y covarianzas es = E( uu' X) = σ uu u σε =
13 La mariz Ω es: Ω = y su inversa, Ω + 0 = La mariz de ransformación será: P Ω P' = I P' P = Ω con P = Por lo que el modelo de regresión que cumple los supuesos del MRLC, será el que relaciona las variables ransformadas: ( ) ( ) X Y * * Y Y X X Y = X = /9/007 Y Y Juan Muro y Sonia X Quiroga X Por ano, Esimación por MCGF. Lo primero es esimar el coeficiene Φ. En una segunda eapa se ransforman las variables y se aplican MCO al modelo resulane. La esimación en dos eapas es consisene y con disribución asinóica normal (eficiencia desconocida). El incremeno de la eficiencia se consigue ierando el proceso.
14 Procedimieno de Cochrane-Orcu. Procedimieno radicional de aplicar MCGF con AR(). ) Se esima el modelo por MCO y se calcula la serie de residuos. ) Se realiza una regresión auxiliar de los residuos sobre los residuos del periodo anerior sin incluir érmino consane. De ese modo se obiene una primera esimación del coeficiene de auocorrelación de primer orden. 3) Se ransforman las variables del modelo y se repie la esimación del modelo (eapa ) y se coninua con el procedimieno descrio. 4) Se finaliza cuando el esadísico d de Durbin-Wason indique que los residuos de la eapa son de ruido blanco o cuando las esimaciones de ϕ difieran en menos de una canidad prefijada por ejemplo 0,0 ó 0,005 (o cualquier oro crierio de convergencia) Ṡiga Esimación por MV en presencia de auocorrelación. Función de verosimiliud. L(Y,X Θ)= f ( Y, Y, Y. Y = f ( Y = Πf ( Y Y Y, Y, Y. Y i i 3, X, Θ) f ( Y, Y, Y. Y X, Θ) f ( Y X, Θ). X, Θ) = Se obiene de la aplicación de la descomposición de la probabilidad conjuna en érminos de la condicional y de la marginal. La maximización de esa función proporciona los esimadores MV (problema de las condiciones iniciales). 3 3 X, Θ). Arás Predicción con auocorrelación. La presencia de auocorrelación en un modelo debe considerarse para realizar la predicción. Por ejemplo, en un modelo de regresión con perurbaciones AR() la mejor predicción para un periodo exramuesral + debe incluir una corrección por auocorrelación; por ano, Yˆ a bx no es la mejor predicción. = La predicción que incorpora la información es: Yˆ = a + bx + ρˆ u + + ˆ Y a + bx + ˆ( Y a bx ) = ρ + + y ese predicor coincide con el que se obendría habiendo ransformado el modelo con cuasidiferencias. 3
15 Bibliografía. Breusch,.S.(978) "esing for Auocorrelaion in Dynamic Linear Models", Ausralian Economic Papers, 7, págs Durbin, J.(970) "esing for Serial Correlaion in Leas Squares Regression when Some of he Regressors are Lagged Dependen Variables", Economerica, 38, págs Durbin, J. y G.S. Wason(950) "esing for Serial Correlaion in Leas Squares Regression", Biomerika, 37, págs ; 38, págs Farebroher, R.W.(980) "he Durbin-Wason es for Serial Correlaion when here Is No Inercep in he Regression", Economerica, 48, págs Godfrey, L.G.(978) "esing Agains General Auorregresive and Moving Average Error Models when he Regressors Include Lagged Dependen Variables", Economerica, 46, págs Bibliografía. Hannan, E.J. y R.D. errell(968) "esing for Serial Correlaion afer Leas Squares Regression", Economerica, 36, págs Savin, N.E. y K.J. Whie(977) "he Durbin-Wason es for Serial Correlaion wih Exreme Sample Sizes or Many Regressors", Economerica, 45, págs heil, H. y A.L. Nagar(96) "esing he Independence of Regression Disurbances", JASA, 56, págs Wallis, K.F.(97) "esing for Fourh Order Auocorrelaion in Quarerly Regression Equaions", Economerica, 40, págs Arás 4
ECONOMETRÍA EMPRESARIAL II ADE
4 Bernardí Cabrer Economería Empresarial II Tema 8 ECONOMETRÍA EMPRESARIAL II ADE TEMA 8 MODELOS LINEALES SIN ESTACIONALIDAD I ( Modelos regulares 4 Bernardí Cabrer Economería Empresarial II Tema 8 8.
Más detallesAnálisis Estadístico de Datos Climáticos
Análisis Esadísico de Daos Climáicos SERIES TEMPORALES I Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Monevideo, Uruguay 2011 CONTENIDO Esudio de las series emporales en Climaología.
Más detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detallesTEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas
Más detallesD to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESOS ESTOCÁSTICOS Un proceso esocásico «Z» considera «n» variables aleaorias, Z n, en momenos de iempo sucesivos, cada una de esas «n» variables
Más detallesTest. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos
Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar
Más detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
Más detallesMODELOS DE REGIMENES CAMBIANTES ESTOCÁSTICOS Markov switching regimes
MODELOS DE REGIMENES CAMBIANES ESOCÁSICOS Markov wiching regime Comporamieno dinámico de la variable dependen del eado de la economía Modelo AR y SAR: vario regímene en función del valor de una variable
Más detallesMODELO ARIMA(p, d, q) (P, D, Q) s
SERIES TEMPORALES: MODELO ARIMA Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández MODELO ARIMA(p, d, q) (P, D, Q) s Se han analizado las
Más detallesECONOMETRIA II LADE/ LADE-DERECHO. CURSO 2009/2010. Soluciones Hoja de ejercicios 4
ECONOMETRIA II LADE/ LADE-DERECHO. CURSO 2009/2010 Soluciones Hoja de ejercicios 4 A1) Considere el siguiene modelo VAR con mecanismo de corrección del equilibrio (del error) Δy 0.2 0.1 0.3 Δy 1 ε1 = (
Más detallesCAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN
Fichero: capiulo 5 CAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN. INTRODUCCION. TIPOS DE PRUEBAS DE VALIDACIÓN DE LOS RESULTADOS DE
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detallesPRÁCTICA 2: Ejercicios del capítulo 4
PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para
Más detallesUNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA
UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral
Más detallesComo Calcular la Tasa de Crecimiento de los Agregados Macroeconómicos Mediante el Análisis de Regresión
Como Calcular la Tasa de Crecimieno de los Agregados Macroeconómicos Mediane el Análisis de Regresión HL Maa 1 La esadísica ha generado diversos indicadores para medir el crecimieno de los agregados económicos,
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesCORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN
CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN Auores: Alicia Vila (avilag@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Ana López (alopezra@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu), MAPA CONCEPTUAL Definición
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
Más detallesModelos de Ajuste Nominal Incompleto. Por Agustín Casas, UdeSa. Diego Hofman, Princeton. Analía Olgiati, BID. Javier DiFiori, Morgan Stanley
Modelos de Ajuse Nominal Incompleo Por Agusín Casas, UdeSa. Diego Hofman, Princeon. Analía Olgiai, BID. Javier DiFiori, Morgan Sanley JEL CLASS: E12 - Keynes; Keynesian; Pos-Keynesian E13 - Neoclassical
Más detallesLA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR
1 LA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR José Luis Moncayo Carrera 1 Ec. Manuel González 2 RESUMEN El presene documeno iene como objeivo, presenar la aplicación de écnicas economéricas en
Más detallesMETODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001
METODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001 Insiuo Nacional de Esadísica y Censos (INDEC) Dirección
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detallesDISEÑO DE UN MODELO ECONOMÉTRICO PARA DETERMINAR LA RELACIÓN ENTRE LA OFERTA MONETARIA Y LA INFLACIÓN A CORTO PLAZO EN LA ZONA EURO
DISEÑO DE UN MODELO ECONOMÉTRICO PARA DETERMINAR LA RELACIÓN ENTRE LA OFERTA MONETARIA Y LA INFLACIÓN A CORTO PLAZO EN LA ZONA EURO Isabel Cepeda (URJC) Juan Padilla (UCM) ABSTRACT This paper provides
Más detalles5. ESPACIOS VECTORIALES EUCLÍDEOS. PROYECCIONES ORTOGONALES. MÍNIMOS CUADRADOS.
Espacios vesoriales euclídeos. Proyecciones orogonales. Mínimos cuadrados. 5. ESPACIOS VECTORIALES EUCLÍDEOS. PROYECCIONES ORTOGONALES. MÍNIMOS CUADRADOS. SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA.-
Más detallesMODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO
MODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO VAR: GENERAL Represenación del modelo VAR: () + + = e e A A A A w w c c c c L L L L L L L L ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( Selección:.
Más detallesPROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesECONOMETRÍA PRÁCTICA CON EXCEL
ECONOMETRÍA PRÁCTICA CON EXCEL SERGIO ZÚÑIGA Universidad Caólica del Nore Julio, 4 PRESENTACION Es sabido que el esudio de la economería requiere, en apoyo al esudio de los aspecos concepuales, la esimación
Más detallesEl Riesgo Cambiario y el Efecto Euro en los Tipos de Cambio de Contado.
El Riesgo Cambiario y el Efeco Euro en los Tipos de Cambio de Conado. Yolanda Sanana Jiménez Jorge V. Pérez-Rodríguez Deparameno de Méodos Cuaniaivos Universidad de Las Palmas de G.C. Resumen: En ese rabajo
Más detalles1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA
hp://www.vinuesa.com 1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA 1.1.- INTRODUCCIÓN Los filros de pila consiuyen una clase de filros digiales no lineales. Un filro de pila que es usado
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesMATRICES. M(n) ó M nxn A =
MTRICES Definición de mari. Una mari de orden m n es un conjuno de m n elemenos perenecienes a un conjuno, que para nosoros endrá esrucura de cuerpo conmuaivo y lo denoaremos por K, dispuesos en m filas
Más detallesCARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 1988-2000 JUAN BYRON CORREA FONNEGRA *
CARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 988 - JUAN BYRON CORREA FONNEGRA * Inroducción En las úlimas dos décadas en Colombia se ha presenado un aumeno en los esudios sobre economía
Más detallesTema 8: SERIES TEMPORALES
Inroducción a la Economería Tema 8: ERIE TEMPORALE Tema 8: ERIE TEMPORALE. Concepo y componenes de una serie emporal. Definiremos una serie emporal como cualquier conjuno de N observaciones cuaniaivas
Más detallesAPROXIMACIÓN A LA EXTENSIÓN MULTIDIMENSIONAL DE LA METODOLOGÍA TIR
APROXIMACIÓN A LA EXTENSIÓN MULTIDIMENSIONAL DE LA METODOLOGÍA TIR Federico Palacios González - fpalacio@ugr.es Eduardo Pérez Rodríguez - eperezr@ugr.es José Mª Herrerías Velasco - jmherrer@lainmail.com
Más detallesECONOMETRÍA PRÁCTICA: Fundamentos de Series de Tiempo. Versión Preliminar. Agradecemos de Antemano Comentarios. Ramón A.
ECONOMETRÍA PRÁCTICA: Fundamenos de Series de Tiempo Versión Preliminar Agradecemos de Anemano Comenarios Ramón A. Casillo Ponce Rogelio Varela Llamas ECONOMETRÍA PRÁCTICA: Fundamenos de Series de Tiempo
Más detallesExperimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría
Experimeno 3 Análisis del movimieno en una dimensión Objeivos. Esablecer la relación enre la posición y la velocidad de un cuerpo en movimieno 2. Definir la velocidad como el cambio de posición en un inervalo
Más detallesAlternativas estadísticas al cálculo del Valor en Riesgo
ESTADÍSTICA ESPAÑOLA Vol. 46, Núm. 155, 004, págs. 119 a 148 Alernaivas esadísicas al cálculo del Valor en Riesgo por PEDRO GENTO MARHUENDA Faculad de Derecho y CC. Sociales de Ciudad Real Universidad
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesCAPÍTULO II. Conceptos de Confiabilidad
CAPÍTULO II Concepos de Confiabilidad CAPÍTULO II CONCEPTOS DE CONFIABILIDAD Una de las áreas de ingeniería de confiabilidad es la modelación de la misma, debido a que los procesos en general se comporan
Más detallesLas señales pueden ser también, señales continuas o señales alternas.
INSIUO ÉCNICO SLESINO LORENZO MSS ema 1: CONCEPOS PRELIMINRES LLER DE MEDICIONES Conenido: Concepo de señal elécrica. Valores caracerísicos de las señales elécricas: Frecuencia (período, Fase, Valor de
Más detallesUso de Análisis Factorial Dinámico para Proyecciones Macroeconómicas
Uso de Análisis Facorial Dinámico para Proyecciones Macroeconómicas Alvaro Aguirre y Luis Felipe Céspedes * Resumen En ese rabajo implemenamos el méodo desarrollado por Sock y Wason (998) de análisis facorial
Más detallesLuis H. Villalpando Venegas,
2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con
Más detallesTema 3. Circuitos capacitivos
Inroducción a la Teoría de ircuios Tema 3. ircuios capaciivos. Inroducción... 2. Inerrupores... 3. ondensadores... 2 3.. Asociación de capacidades.... 5 ondensadores en paralelo... 5 ondensadores en serie...
Más detallesSistemade indicadores compuestos coincidentey adelantado julio,2010
Sisemade indicadores compuesos coincideney adelanado julio,2010 Sisema de Indicadores Compuesos: Coincidene y Adelanado SI REQUIERE INFORMACIÓN MÁS DETALLADA DE ESTA OBRA, FAVOR DE COMUNICARSE A: Insiuo
Más detallesMACROECONOMIA II. Grado Economía 2013-2014
MACROECONOMIA II Grado Economía 2013-2014 PARTE II: FUNDAMENTOS MICROECONÓMICOS DE LA MACROECONOMÍA 3 4 5 Tema 2 Las expecaivas: los insrumenos básicos De qué dependen las decisiones económicas? Tipo de
Más detallesSolución: El sistema de referencia, la posición del cuerpo en cada instante respecto a dicha referencia, el tiempo empleado y la trayectoria seguida.
1 Qué es necesario señalar para describir correcamene el movimieno de un cuerpo? El sisema de referencia, la posición del cuerpo en cada insane respeco a dicha referencia, el iempo empleado y la rayecoria
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesConceptos básicos y aspectos matemáticos sobre el análisis de raíces unitarias y cointegración. Carlos A. Rodríguez Ramos, Ph.D.
Concepos básicos y aspecos maemáicos sobre el análisis de raíces uniarias y coinegración Carlos A. Rodríguez Ramos, Ph.D. I. Inroducción: La unidad de la eoría y la prácica no se da sólo en la eoría, sino
Más detallesAnálisis de inversiones y proyectos de inversión
Análisis de inversiones y proyecos de inversión Auora: Dra. Maie Seco Benedico Índice 5. Análisis de Inversiones 1. Inroducción. 2. Crierios para la valoración de un proyeco. 3. Técnicas de valoración
Más detallesREVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003
REVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003 ADAPTACION DE LOS TIPOS DE INTERES DE INTERVENCION A LA REGLA DE TAYLOR. UN ANALISIS ECONOMETRICO Carlos Paeiro Rodríguez 1, Deparameno de Análisis
Más detallesUNIVERSIDAD DE MATANZAS CAMILO CIENFUEGOS FACULTAD DE INGENIERIAS QUÍMICA MECANICA. MONOGRAFÍA LAS SERIES CRONOLÓGICAS EN EL MANTENIMIENTO PREDICTIVO
UNIVERSIDAD DE MATANZAS CAMILO CIENFUEGOS FACULTAD DE INGENIERIAS QUÍMICA MECANICA. MONOGRAFÍA LAS SERIES CRONOLÓGICAS EN EL MANTENIMIENTO PREDICTIVO Ing. Laureano Suárez Marínez 1 MSc Juan Landa García.
Más detalles3. Matrices y álgebra matricial
Marices y álgebra maricial Repasaremos algunos concepos básicos de la eoría maricial Nos cenraremos en aspecos relacionados con el álgebra lineal, la inversión y la diagonalización de marices Veremos algunas
Más detallesMATEMÁTICAS II. x x x d) ( ) b) Como el grado del numerador y del denominador son iguales, hay que empezar por hacer la división.
Albero Enero Conde Maie González Juarrero Inegral indefinida. Cálculo de primiivas Ejercicio Calcula la siguienes inegrales a) d b) d c) 6 d d) 3 d e) d 9 e a) Haciendo el cambio de variable d d. d d d
Más detallesDescomposición de series temporales
Noas del Curso Series de Tiempo I. Licenciaura de Esadísica Descomposición de series emporales Inroducción De acuerdo a Fischer (995) el precursor de los méodos modernos de descomposición fue Macauley
Más detallesLa transformada de Laplace
Capíulo 8 La ransformada de Laplace 8.. Inroducción a las ransformadas inegrales En ese aparado aprenderemos un méodo alernaivo para resolver el problema de valores iniciales (4.5.) y (x) + py (x) + qy(x)
Más detallesUNIDAD IX. Técnicas de Suavización
UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?
Más detallesEVALUACION EMPIRICA DE LAS IMPLICACIONES DE LARGO PLAZO DEL MODELO NEOCLASICO DE CRECIMIENTO ECONOMICO EN LA ECONOMIA VENEZOLANA. Raúl J.
EVALUACION EMPIRICA DE LAS IMPLICACIONES DE LARGO PLAZO DEL MODELO NEOCLASICO DE CRECIMIENTO ECONOMICO EN LA ECONOMIA VENEZOLANA Raúl J. Crespo* Noviembre, 2002 El presene rabajo es una versión del ariculo
Más detallesEcuaciones diferenciales, conceptos básicos y aplicaciones
GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos
Más detallesFísica 2º Bach. Tema: Ondas 27/11/09
Física º Bach. Tema: Ondas 7/11/09 DEPARTAMENTO DE FÍSICA E QUÍMICA Nombre: Problemas [6 PUNTOS: 1 / APARTADO] 1. Una onda ransversal se propaga en el senido negaivo de las X con una velocidad de 5,00
Más detallesMÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO
MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO EUSKAL ESTATISTIKA ERAKUNDEA INSTITUTO VASCO DE ESTADISTICA Donosia-San Sebasián, 1 01010 VITORIA-GASTEIZ
Más detallesMetodología de cálculo del diferencial base
Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros
Más detallesEl comportamiento del precio de las acciones
El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre
Más detallesUNIDAD 5: MATRICES Y DETERMINANTES
UNIDD 5: MTRICES Y DETERMINNTES ÍNDICE DE L UNIDD - INTRODUCCIÓN - MTRICES CONCEPTOS BÁSICOS TIPOS DE MTRICES 3- OPERCIONES CON MTRICES 4 4- TRNSFORMCIONES ELEMENTLES EN UN MTRIZ6 5- MTRIZ INVERS 7 6-
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detalles4. INDICADORES DE RENTABILIDAD EN CERTIDUMBRE
Evaluación de Proyecos de Inversión 4. INDICADORES DE RENTABILIDAD EN CERTIDUMBRE La generación de indicadores de renabilidad de los proyecos de inversión, surge como respuesa a la necesidad de disponer
Más detallesTema 1. El Modelo de Regresión Lineal con Regresores Aleatorios.
ema El Modelo de Regresión Lineal con Regresores Aleatorios Introducción En este tema vamos a analizar las propiedades del modelo de regresión lineal con regresores aleatorios Suponer que los regresores
Más detallesMMII_L3_C5: Problema de la cuerda finita: Métodos directo y de las imágenes. Guión:
MMII_L_C5: Problema de la cuerda finia: Méodos direco y de las imágenes. Guión: En esa lección se esudia el problema de una cuerda finia, por lo ano, es el problema con dos condiciones de conorno. Como
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
Más detallesControl estadístico de procesos con dinámica: revisión del estado del arte y perspectivas de futuro
ESTADÍSTICA ESPAÑOLA Vol. 46, Núm. 155, 2004, págs. 19 a 47 Conrol esadísico de procesos con dinámica: revisión del esado del are y perspecivas de fuuro por ALBERTO FERRER Dpo. Esadísica e Invesigación
Más detallesEconometría. Ejercicios para el tema 7. Profesores: Amparo Sancho Guadalupe Serrano
Economería Ejercicios para el ema 7 Profesores: Amparo Sancho Guadalupe Serrano 1.- Tes de causalidad de Granger enre la demanda de dinero y el ipo de inerés para España, Francia, Japón y USA. Pairwise
Más detallesEstimaciones de NAIRU para Chile
Esimaciones de NAIRU para Chile Jorge E. Resrepo * 1. INTRODUCCIÓN Y RESUMEN El objeivo de ese ensayo es obener para Chile un conjuno de esimaciones de la asa de desempleo que no acelera la inflación (NAIRU).
Más detallesPREDICCIÓN DE LA VOLATILIDAD DE LOS RENDIMIENTOS DEL ÍNDICE GENERAL DE LA BOLSA DE MADRID: EL PAPEL DE LAS ASIMETRÍAS
PREDICCIÓN DE LA VOLATILIDAD DE LOS RENDIMIENTOS DEL ÍNDICE GENERAL DE LA BOLSA DE MADRID: EL PAPEL DE LAS ASIMETRÍAS Israel Senra Díaz * Deparameno de Esadísica, Esrucura Económica y O.E.I. Universidad
Más detallesESTIMACIÓN DE MODELOS DE VOLATILIDAD ESTOCÁSTICA EN SERIES DE RENDIMIENTOS BURSÁTILES
Esimación de modelos de volailidad esocásica en series de rendimienos bursáiles ESTIMACIÓN DE MODELOS DE VOLATILIDAD ESTOCÁSTICA EN SERIES DE RENDIMIENTOS BURSÁTILES García Ceneno, Mª del Carmen * ; Calvo
Más detallesSolución de la ecuación de onda como un problema de valores iniciales usando diferencias finitas
Solución de la ecuación de onda como un problema de valores iniciales usando diferencias finias F. S. Guzmán Insiuo de Física y Maemáicas, Universidad Michoacana de San Nicolás de Hidalgo. Edificio C-3,
Más detallesEstimación de modelos de volatilidad estocástica
Esimación de modelos de volailidad esocásica García Ceneno, Mª Carmen; Ibar Alonso, Raquel Deparameno Méodos Cuaniaivos para la Economía Faculad de Ciencias Económicas y Empresariales Universidad San Pablo-CEU
Más detallesModelos econométricos de predicción macroeconómica en la Argentina. Autores: George McCandless Ma. Florencia Gabrielli Tomás E.
Modelos economéricos de predicción macroeconómica en la Argenina Auores: George McCandless Ma. Florencia Gabrielli Tomás E. Murphy Gerencia de Invesigaciones Económico Financieras Área de Economía y Finanzas
Más detallesMtro. Horacio Catalán Alonso
ECONOMETRIA TEORÍA DE LA COINTEGRACIÓN Mro. I. REGRESIÓN ESPURÍA Y X Dos series que presenan camino aleaorio. Si ambas series se consideran en una modelo economérico. Y = Y -1 + u u N(0,s 2 u) X =X -1
Más detallesUNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temístocles Montás
UNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temísocles Monás Puede el comporamieno acual de la políica fiscal sosenerse sin generar una deuda pública que crezca sin límie?
Más detallesEstimación con EViews
Esimación con EViews 1. Uso de Comandos: LS LOGM C LOGPBI LOGprecio Nombre del modelo: MODELO Equaion MODELO.LS Log(M) c Log(PBI) Log(precio) 2. Venana de Dialogo: Quick/Esimae Equaion/ Escribir la ecuación
Más detallesNo Volatilidad de la tasa de cambio nominal en Colombia y su relación con algunas variables
Volailidad de la asa de cambio nominal en Colombia y su relación con algunas variables Por : Pedro Felipe Lega, Andrés Murcia, Diego Vásquez, Taiana Venegas No. 473 007 á - Colombia - Bogoá - Colombia
Más detallesMedición del tiempo de alza y de estabilización.
PRÁCTICA # 2 FORMAS DE ONDA 1. Finalidad Esudiar la respuesa de configuraciones circuiales simples a diferenes formas de exciación. Medición del iempo de alza y de esabilización. Medición del reardo. Medición
Más detallesTEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS
TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores
Más detallesMECANISMOS DE TRANSMISIÓN
MECANISMOS DE TRANSMISIÓN DE LA POLÍTICA MONETARIA EN MÉXICO MIGUEL MESSMACHER LINARTAS* * Las opiniones expresadas en ese documeno son exclusivamene del auor y no necesariamene reflejan las del Banco
Más detallesTema 3. El modelo neoclásico de crecimiento: el modelo de Solow-Swan
Tema 3. El modelo neoclásico de crecimieno: el modelo de Solow-Swan Inroducción Esquema El modelo neoclásico SIN progreso ecnológico a ecuación fundamenal del modelo neoclásico El esado esacionario Transición
Más detallesIntroducción a la Estadística Empresarial. Capítulo 4.- Series temporales Jesús Sánchez Fernández
Inroducción a la Esadísica Empresarial. Capíulo 4.- Series emporales CAPITULO 4.- SERIES TEMPORALES 4. Inroducción. Hasa ahora odas las variables que se han esudiado enían en común que, por lo general,
Más detallesCiclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú
Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema
Más detallesEstudio del comportamiento del tipo de interés a corto plazo. Francisca Benito Chicote
Esudio del comporamieno del ipo de inerés a coro plazo. Francisca Benio Chicoe Tesis dooral de la Universidad de Alicane. Tesi docoral de la Universia d'alacan. 006 Esudio del comporamieno del ipo de inerés
Más detalles1.CINEMÁTICA. Movimiento Se define el movimiento como el cambio de posición de algo respecto a un sistema de referencia
Magniudes fundamenales Son las magniudes que se pueden medir direcamene 1.CINEMÁTICA Definiciones Reposo Se define como el no cambiar de posición respeco a un sisema de referencia. No hay ningún cuerpo
Más detallesEl Comportamiento del Tipo de Cambio en México y el Régimen de Libre Flotación:
El Comporamieno del Tipo de Cambio en México y el Régimen de Libre Floación: 996-00 Saniago Bazdresch saniago.bazdresch@yale.edu Alejandro M. Werner * awerner@banxico.org.mx Agoso de 00 Documeno de Invesigación
Más detallesRegresión con heterocedasticidad y autocorrelación
Regresión con heterocedasticidad y autocorrelación Tema 6 Regresión con heterocedasticidad La heterocedasticidad significa que var( i ) cte Es la norma, no la excepción, en especial con datos transversales
Más detallesJorge E. Restrepo L. **
VOLUMEN 11 - Nº2 / agoso 2008 ESTIMACIONES DE LA NAIRU PARA CHILE * I. Inroducción y Resumen Jorge E. Resrepo L. ** El objeivo de ese ensayo es obener para Chile un conjuno de esimaciones de la asa de
Más detallesMetodología de Cálculo Mensual de los Índices de Precios de Comercio Exterior
Meodología de Cálculo Mensual de los Índices de Precios de Comercio Exerior Dirección Técnica de Indicadores Económicos Dirección Ejecuiva de Índices de Precios LIMA PERÚ Ocubre de 2013 1 ÍNDICE Pág. Inroducción
Más detallesVOLATILIDAD DEL MERCADO DE CAMBIOS ESPAÑOL. Globalización, integración europea y estrategias regionales. Amigo Dobaño, Lucy Universidad de Vigo
VOLATILIDAD DEL MERCADO DE CAMBIOS ESPAÑOL Globalización, inegración europea y esraegias regionales Amigo Dobaño, Lucy Universidad de Vigo Resumen: Palabras clave: Volaidad de Tipos de Cambio, Modelo Moneario,
Más detallesSERIES TEMPORALES. Cecilia Esparza Catalán
SERIES TEMPORALES Cecilia Esparza Caalán Cecilia Esparza Caalán ÍNDICE Página.- INTRODUCCIÓN.. 2 2.- ANÁLISIS PRELIMINAR DE UNA SERIE... 3 - Tendencia y nivel de la serie.... 4 - Esacionalidad.... 9 -
Más detallesFUNCIONES VECTORIALES CON DERIVE.
FUNCIONES VECTORIALES CON DERIVE. Las operaciones de cálculo de Dominio, adición susracción, muliplicación escalar y vecorial de funciones vecoriales, se realizan de manera similar a las operaciones con
Más detallesLección 3. Curvas. 4. Curvas parametrizadas: ejemplos.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 011 1. 4. Curvas paramerizadas: ejemplos. La descripción más direca y flexible de una curva es una represenación paramérica. En lugar de considerar una de las coordenadas
Más detallesTEMA I: FUNCIONES ELEMENTALES
TEMA I: FUNCIONES ELEMENTALES. Función Logarimo Todos conocemos la definición de logarimo en base b, siendo b un número enero posiivo disino de. u = log b x x = b u y la propiedad fundamenal log b (xy)
Más detallesEQUIVALENCIA Y SIGNIFICADO DE LAS FORMULAS PARA VALORAR EMPRESAS POR DESCUENTO DE FLUJOS Pablo Fernández 1 INDICE
EQUIVALENCIA Y SIGNIFICADO DE LAS FORMULAS PARA VALORAR EMPRESAS POR DESCUENTO DE FLUJOS Pablo Fernández INDICE. Fórmulas de valoración. Definiciones de cash flow disponible para las acciones y de free
Más detalles6. ALGEBRAS DE BOOLE
6.1. Relaciones de orden Relación de orden Se llama relación de orden sobre un conjuno A a cualquier relación R enre sus elemenos que verifica las siguienes res propiedades: 1. Refleiva: ara, para cualquier
Más detalles