Series de Tiempo. Una Introducción
|
|
- Benito Martín Alarcón
- hace 8 años
- Vistas:
Transcripción
1 Series de Tiempo. Una Introducción
2 Series de Tiempo Muchas veces, sobretodo para realizar pronósticos, resulta conveniente no suponer un modelo explícito para que explique la variables de interés, sino utilizar una estrategia alternativa: utilizar la información en el pasado de la misma serie. Las series de tiempo son un modelo ateórico en ese sentido y parten explicítamente del supuesto de que la historia sirve como guía para realizar inferencia sobre el futuro. Herramientas Modernas para el Manejo del Riesgo Financiero 2
3 100,00 90,00 80,00 70,00 60,00 50,00 40,00 PIB trimestral de Colombia (millones de USD) Herramientas Modernas para el Manejo del Riesgo Financiero
4 Algunas Condiciones para trabajar con series de tiempo El valor de una variable aleatoria depende de sus propios valores pasados o de una suma ponderada de perturbaciones aleatorias. es estacionario y ergódico sí: = (i) (ii) La distribución de, + 1, + 2,, + es igual a la de, + 1, + 2,, +. Para cualquier par de funciones acotadas y, +1,, + +, + +1,, + + =, +1,, + +, + +1,, + + Herramientas Modernas para el Manejo del Riesgo Financiero 4
5 En palabras: Estacionariedad: Tome n observaciones y las copara con otras n observaciones tomadas de otra parte, lo que importa es cuántas tomó y no en dónde las tomó, como distribución generadora de momentos es idéntica una implicación es que la media y la varianza son constantes. Ergodicidad: El valor esperado se puede expresar como el producto de los valores esperados para dos pedazos de distribuciones en el límite cuando N se hace infinito. También se podría entender como que las covarianzas se van a cero lo suficientemente rápido cuando N se hace infinito, tan rápido como para que el proceso sea estacionario(ergódicamente). Herramientas Modernas para el Manejo del Riesgo Financiero 5
6 Medias Móviles (MA) Con Ruido Blanco o sea de media cero y estacionario en covarianza. =0, 2 2 = >0, =0con =0, 1, 2, Se puede entender como un proceso que comenzó hace tanto tiempo que su media y covariaza se han estabilizado en valores constantes. MA (q): = con 0 =1 Herramientas Modernas para el Manejo del Riesgo Financiero 6
7 Medias Móviles (MA) Es estacionario en covarianza porque: Media: = Autocovarianza j: = = 2 + para =0,1,, =0 para > ( el proceso tiene memoria finita) =0 Herramientas Modernas para el Manejo del Riesgo Financiero 7
8 Medias Móviles (MA) 1,0 =2+ +0,6 1 0,3 2 1,0 =2+ +0,8 1 0,5 0, k k Herramientas Modernas para el Manejo del Riesgo Financiero 8
9 Procesos Autoregresivos AR (p): = Media: si el proceso es estacionario = 1 = =. = = Nótese que la condición de estacionariedad implica (aunque no se reduce a) que: 1 2 <1 Herramientas Modernas para el Manejo del Riesgo Financiero 9
10 Unapruebade la estacionariedad: pruebade Raícesunitariasde Dickey-Fuller Aumentada La prueba de raíces unitarias se basa en la estimación de dos modelos, uno restringido y otro no restringido: 1 = Y un modelo restringido: 1 = + =1 Si las restricciones se cumple, lo cual podemos probarlo a través de una prueba F, =1; =0. Se dice que la serie tiene una raíz unitaria. Es =1 decir que es NO estacionaria y entonces habrá que diferenciarla. Herramientas Modernas para el Manejo del Riesgo Financiero 10
11 Procesos Autoregresivos Un caso específico AR(1): = Media: = 1 1 con 1 <1 Haciendo =0, como desviaciones alrededor de la media para que no estorbe. Varianza: 0 = = = = Herramientas Modernas para el Manejo del Riesgo Financiero 11
12 Algunas Fórmulas Útiles Teóricamente Covarianzas: (alrededor de la media): = 1 0 = Correlación: = = 1 Este proceso tiene memoria infinita. 0 Herramientas Modernas para el Manejo del Riesgo Financiero 12
13 Función de Autocorrelación parcial: Covarianza con desplazamiento k para un proceso AR(p) = Ahora hagamos =0,1,2,,. Estas correlaciones equivalen a la estimación por MCO. = Herramientas Modernas para el Manejo del Riesgo Financiero 13
14 Función de Autocorrelación parcial: Si el orden del proceso es p, entonces 0 con > 1,0 =0, ,0 =0, ,5 0, k k Función de autocorrelación simple y parcial Herramientas Modernas para el Manejo del Riesgo Financiero 14
15 Función de Autocorrelación parcial: 1,0 =0,9 1 0, ,5 =0,9 1 0, k k Función de autocorrelación simple y parcial. Herramientas Modernas para el Manejo del Riesgo Financiero 15
16 Modelos Autorrgresivosde Medias Móviles ARMA (p,q) = Ojo que le cambié los signos al coeficiente de la parte MA para que tengan en cuenta que da la misma cosa. Si el proceso es estacionario: = Nótese que la condición de estacionariedad implica (aunque no se reduce a que: 1 2 <1 Herramientas Modernas para el Manejo del Riesgo Financiero 16
17 Consideremos un ARMA (1,1) = Con =0. 0 = = = 1 1 para 2 Correlación: 1 = 1 0 = Herramientas Modernas para el Manejo del Riesgo Financiero 17
18 Consideremos un ARMA (1,1) 1,0 = 0, ,9 1 0,5 k Herramientas Modernas para el Manejo del Riesgo Financiero 18
19 Procesos no estacionarios homogéneos ARIMA. Se pueden transformar en procesos estacionarios diferenciándolas una o más veces. Decimos que es no estacionaria homogéna de orden d si: = Δ d Es una serie estacionaria. Δ denota diferenciación Δ = 1 Δ 2 = Δ Δ 1 Herramientas Modernas para el Manejo del Riesgo Financiero 19
20 Procesos no estacionarios homogéneos ARIMA. ARIMA (p,d,q): Δ d = + es el operador autoregresivo y el operador de promedio móvil. o proceso D también me indica el orden de integracón de la serie. Existen los procesos: ARI (p,d) autoregresivo integrado de orden p,d IMA(d,q) o proceso de promedio móvil integrado de orden d,q. Herramientas Modernas para el Manejo del Riesgo Financiero 20
21 Condiciones necesarias y suficientes para la estacionariedad en un ARMA (p,q) = Con = (así nos ahorramos el = 1 Para que el proceso sea estacionario: 1 denbe converger, lo que implica que las raíces de la ecuación característica del polinomio asociado =0 deben estar todas por fuera del círculo unitario. Herramientas Modernas para el Manejo del Riesgo Financiero 21
22 Estimación: LaestimaciónserealizaparalosMAporMCO,paralosARa través de mínimos cuadrados no lineales o Máxima Verosimilitud una vez identificado el orden del proceso. Se requiere modificar un poco el supuesto de exogeneidad estricta (es decir que el término de perturbación es ortogonal al pasado, presente y futuro de los regresores), por uno de exogeneidad débil que requiere demostraciones de teoría asintótica para usar MCO cuando se tenga una muestra más grande. Herramientas Modernas para el Manejo del Riesgo Financiero 22
23 Algoritmo de estimación Análisis de la estanilidad del mundo: Grafique la serie y analícela. Haga pruebas de Raíz Unitaria del Tipo Dickey Fuller para probar al estacionariedad de la serie (recuerde que la hipótesis nula es que la serie tiene una raíz unitaria, es decir que no es estacionaria) Diferencia la serie el número de veces que sea necesario Análisis de los residuales: Analice la función de autocorrelación simple y parcial. Determine el orden del proceso AR, MA, ARMA. Recuerde: el número de barras por fuera de la banda de confianza del Función de Autocorrelación simple le indica el orden del proceso MA, el número de barras por fuera de las bandas de confianza le indican el orden del proceso AR. La otra función debe decrecer exponencialmente. Herramientas Modernas para el Manejo del Riesgo Financiero 23
24 Algoritmo de estimación Una recomendación práctica es comenzar con un modelo AR(1) o MA(1) e irlo mejorando hasta lograr un modelo cuyo resultado sea satisfactorio en términos de predicción o en términos de las funciones de autocorrelación. Como las series de tiempo son ateóricas, lo más recomendables es que usted estime varios modelos y luego los compare entre sí, haciendo uso de los criterios de selección de modelos vistos, más el criterio de Hannan-Quinn. Recuerde ajustar la muestra para que los grados de libertad de todos los modelosseanlosmismoydeestaformapodercompararlosentresí. Herramientas Modernas para el Manejo del Riesgo Financiero 24
25 Taller en Clase Herramientas Modernas para el Manejo del Riesgo Financiero 25
Procesos de Media Móvil y ARMA
Capítulo 4 Procesos de Media Móvil y ARMA Los procesos AR no pueden representar series de memoria muy corta, donde el valor actual de la serie sólo está correlado con un número pequeño de valores anteriores
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesEjemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) =
T1 Dominios, Límites, Asíntotas, Derivadas y Representación Gráfica. 1.1 Dominios de funciones: Polinómicas: D( = La X puede tomar cualquier valor entre Ejemplos: D( = Función racional: es el cociente
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesMétodos y Modelos Cuantitativos para la toma de Decisiones
Métodos y Modelos Cuantitativos para la toma de Decisiones David Giuliodori Universidad Empresarial Siglo 21 David Giuliodori (UE-Siglo 21) MMC 1 / 98 Índice: 1 Conceptos Generales 2 Enfoque Clásico Tendencia
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesRELACIONES DE RECURRENCIA
Unidad 3 RELACIONES DE RECURRENCIA 60 Capítulo 5 RECURSIÓN Objetivo general Conocer en forma introductoria los conceptos propios de la recurrencia en relación con matemática discreta. Objetivos específicos
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelación con ARMA
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelación con ARMA Método Box-Jenkins: Un libro que ha tenido una gran influencia es el de Box y Jenkins (1976): Time Series Analysis: Forecasting and
Más detallesJuan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada
FUNCIONES CONTINUAS. La mayor parte de las funciones que manejamos, a nivel elemental, presentan en sus gráficas una propiedad característica que es la continuidad. La continuidad de una función definida
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesEcuaciones Diferenciales Tema 2. Trasformada de Laplace
Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace
Más detalles2.2 Transformada de Laplace y Transformada. 2.2.1 Definiciones. 2.2.1.1 Transformada de Laplace
2.2 Transformada de Laplace y Transformada 2.2.1 Definiciones 2.2.1.1 Transformada de Laplace Dada una función de los reales en los reales, Existe una función denominada Transformada de Laplace que toma
Más detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesLÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesREGRESION simple. Correlación Lineal:
REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)
Más detallesAnálisis de los datos del robo de vehículos asegurados: una aplicación de las series de tiempo. Alejandro Román Vásquez
Análisis de los datos del robo de vehículos asegurados: una aplicación de las series de tiempo Alejandro Román Vásquez 2 de mayo del 2012 Índice general 1. Introducción 5 1.1. Contexto, motivación y propósito
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 5.2 Estimadores de Variables Instrumentales La endogeneidad aparece
Más detallesf(x)=a n x n +a n-1 x n-1 +a n-2 x n-2 +...a 2 x 2 +a 1 x 1 +a 0
FUNCIÓN POLINOMIAL. DEFINICIÓN. Las funciones polinomiales su representación gráfica, tienen gran importancia en la matemática. Estas funciones son modelos que describen relaciones entre dos variables
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesGeneración de Números Pseudo-Aleatorios
Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detallesPronósticos. Pronósticos y gráficos Diapositiva 1
Pronósticos Pronósticos Información de base Media móvil Pronóstico lineal - Tendencia Pronóstico no lineal - Crecimiento Suavización exponencial Regresiones mediante líneas de tendencia en gráficos Gráficos:
Más detallesx : N Q 1 x(1) = x 1 2 x(2) = x 2 3 x(3) = x 3
3 Sucesiones - Fernando Sánchez - - Cálculo I de números racionales 03 10 2015 Los números reales son aproximaciones que se van haciendo con números racionales. Estas aproximaciones se llaman sucesiones
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detallesEJEMPLO DE REPORTE DE LIBERTAD FINANCIERA
EJEMPLO DE REPORTE DE LIBERTAD FINANCIERA 1. Introduccio n El propósito de este reporte es describir de manera detallada un diagnóstico de su habilidad para generar ingresos pasivos, es decir, ingresos
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesEVOLUCIÓN DE DOS ÍNDICES BURSÁTILES Y DEL PRECIO DEL PETÓLEO EN ECONOMÍAS ABIERTAS EN CICLOS DE EXPANSIÓN-CRISIS EN EL PERÍODO 2003:1-2010:5.
EVOLUCIÓN DE DOS ÍNDICES BURSÁTILES Y DEL PRECIO DEL PETÓLEO EN ECONOMÍAS ABIERTAS EN CICLOS DE EXPANSIÓN-CRISIS EN EL PERÍODO 2003:1-2010:5. En este trabajo realizo un estudio entre las variables, con
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesEstacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ
Estacionalidad Qué es la estacionalidad? La estacionalidad es una componente que se presenta en series de frecuencia inferior a la anual (mensual, trimestral,...), y supone oscilaciones a corto plazo de
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesClasificación de métricas.
Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesLímite de una función
Límite de una función Idea intuitiva de límite El límite de la función f(x) en el punto x 0, es el valor al que se acercan las imágenes (las y) cuando los originales (las x) se acercan al valor x 0. Es
Más detallesACCIONES Y OTROS TÍTULOS DE INVERSIÓN
ACCIONES Y OTROS TÍTULOS DE INVERSIÓN TASAS EFECTIVAS DE RENDIMIENTO ANUAL Y MENSUAL: Es aquélla que se emplea en la compraventa de algunos valores en el Mercado Bursátil o Bolsa de Valores. Estas tasas
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesFunciones uno-uno, sobre y biunívocas
Funciones uno-uno, sobre y biunívocas La inversa (biunívocas) de una función es una regla que actúa en la salida de la función y produce la entrada correspondiente. Así, la inversa deshace o invierte lo
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Fabrizio Marcillo Morla Guayaquil, 1966. BSc. Acuicultura. (ESPOL 1991). Magister
Más detallesANALISIS DE UN FONDO DE INVERSION MEDIANTE LA REGRESION Y LA GENERACION DE NUMEROS ALEATORIOS
V JORNADAS ASEPUMA ANALISIS DE UN FONDO DE INVERSION MEDIANTE LA REGRESION Y LA GENERACION DE NUMEROS ALEATORIOS Rodriguez Aviles, Rafael 1 1. Introducción El origen de esta comunicación está en una entrevista
Más detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
Más detalles4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA
4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA Una ecuación con una incógnita es de segundo grado si el exponente de la incógnita es dos. Ecuaciones de segundo grado con una incógnita son: Esta última ecuación
Más detallesSe podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Más detallesI. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { }
I. RELACIONES Y FUNCIONES PAREJAS ORDENADAS Una pareja ordenada se compone de dos elementos x y y, escribiéndose ( x, y ) donde x es el primer elemento y y el segundo elemento. Teniéndose que dos parejas
Más detalles1º) Siempre que se pueda, hay que sacar factor común: :a b ± a c ± a d ± = a (b ± c ± d ± ):
Pág. 1 de 7 FAC T O R I Z AC I Ó N D E P O L I N O M I O S Factorizar (o descomponer en factores) un polinomio consiste en sustituirlo por un producto indicado de otros de menor grado tales que si se multiplicasen
Más detallesEconometría de Económicas
Econometría de Económicas Apuntes para el tema 6 Curso 2004-2005 Profesoras Amparo Sancho Guadalupe Serrano Modelos de panel de datos Datos de Panel son aquellos que surgen de la observación de una misma
Más detallesANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960
ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 Verón, Juan Antonio* ; Herrera, Carlos Gabriel*; Rodríguez, Norma Leonor** * Facultad de Tecnología y Ciencias Aplicada de la UNCa.
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detallesEcuaciones diferenciales de orden superior
CAPÍTULO 4 Ecuaciones diferenciales de orden superior 4.4.2 ED lineales homogéneas con coeficientes constantes de orden n 3 En la sección anterior hemos obtenido las soluciones de la ED lineal homogénea
Más detallesEste documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental
Más detallesTransformación de gráfica de funciones
Transformación de gráfica de funciones La graficación de las funciones es como un retrato de la función. Nos auda a tener una idea de cómo transforma la función los valores que le vamos dando. A partir
Más detalles2 año secundario. Función Lineal MINISTERIO DE EDUCACIÓN. Se llama función lineal porque la potencia de la x es 1. Su gráfico es una recta.
año secundario Función Lineal Se llama función lineal porque la potencia de la x es. Su gráfico es una recta. Y en general decimos que es de la forma : f(x)= a. x + b donde a y b son constantes, a recibe
Más detallesUnidad I. 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal)
Unidad I Sistemas numéricos 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal) Los computadores manipulan y almacenan los datos usando interruptores electrónicos que están ENCENDIDOS o APAGADOS.
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesEcuaciones de primer y segundo grado
Igualdad Ecuaciones de primer y segundo grado Una igualdad se compone de dos expresiones unidas por el signo igual. 2x + 3 = 5x 2 Una igualdad puede ser: Falsa: 2x + 1 = 2 (x + 1) 2x + 1 = 2x + 2 1 2.
Más detallesSelectividad Septiembre 2006 SEPTIEMBRE 2006
Bloque A SEPTIEMBRE 2006 1.- En una fábrica trabajan 22 personas entre electricistas, administrativos y directivos. El doble del número de administrativos más el triple del número de directivos, es igual
Más detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas
Más detalles1. Ecuaciones no lineales
1. Ecuaciones no lineales 1.1 Ejercicios resueltos Ejercicio 1.1 Dada la ecuación xe x 1 = 0, se pide: a) Estudiar gráficamente sus raíces reales y acotarlas. b) Aplicar el método de la bisección y acotar
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Más detallesTransformaciones canónicas
apítulo 29 Transformaciones canónicas 29.1 Introducción onsideremos una transformación arbitraria de las coordenadas en el espacio de las fases de dimensión 2(3N k) (con el tiempo como un parámetro) Q
Más detallesDecisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.
Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detallesDOMINIO Y RANGO DE UNA FUNCIÓN I N D I C E. martilloatomico@gmail.com. Página. Titulo:
Titulo: DOMINIO Y RANGO I N D I C E Página DE UNA FUNCIÓN Año escolar: 4to. Año de Bachillerato Autor: José Luis Albornoz Salazar Ocupación: Ing Civil. Docente Universitario País de residencia: Venezuela
Más detallesIntroducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Resumen el análisis de Fourier es un conjunto de técnicas matemáticas basadas en descomponer una señal en
Más detallesTema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)
Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto
Más detalles1.6.- CLASIFICACION Y OPERACIONES DE FUNCIONES
1.6.- CLASIFICACION Y OPERACIONES DE FUNCIONES OBJETIVO.- Conocer y manejar las operaciones definidas entre funciones así como conocer la clasificación de éstas y sus características. 1.6.1.- Operaciones
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES
ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES El objetivo de este documento es ilustrar matemáticamente, y con un caso concreto, el problema de la identificación en
Más detallesMedias Móviles: Señales para invertir en la Bolsa
www.gacetafinanciera.com Medias Móviles: Señales para invertir en la Bolsa Juan P López..www.futuros.com Las medias móviles continúan siendo una herramienta básica en lo que se refiere a determinar tendencias
Más detallesREPASO NÚMEROS NATURALES Y NÚMEROS ENTEROS
SUMA REPASO NÚMEROS NATURALES Y NÚMEROS ENTEROS NÚMEROS NATURALES (N) 1. Características: Axiomas de Giuseppe Peano (*): El 1 es un número natural. Si n es un número natural, entonces el sucesor (el siguiente
Más detalles1. Dominio, simetría, puntos de corte y periodicidad
Estudio y representación de funciones 1. Dominio, simetría, puntos de corte y periodicidad 1.1. Dominio Al conjunto de valores de x para los cuales está definida la función se le denomina dominio. Se suele
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detallesDESIGUALDADES E INTERVALOS
DESIGUALDADES E INTERVALOS 1. INTERVALOS: Son regiones comprendidas entre dos números reales. En general, si los etremos pertenecen al intervalo, se dice que cerrado, si por el contrario no pertenecen
Más detallesComplementos de matemáticas. Curso 2004-2005
Univ. de Alcalá de Henares Ingeniería Técnica Industrial Complementos de matemáticas. Curso 004-005 Colección de ejercicios del tema 1 Las soluciones aparecen en color azul, y si disponéis de la posibilidad
Más detallesSelectividad Junio 2008 JUNIO 2008 PRUEBA A
Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo
Más detallesBreve Introducción a las Series Temporales
Breve Introducción a las Series Temporales 1 Series Temporales Colección de observaciones tomadas de forma secuencial en el tiempo {X t } t T. La hipótesis de independencia entre las observaciones puede
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detalles3 Espacios Vectoriales
Prof. Susana López 31 3 Espacios Vectoriales 3.1 Introducción Un ector fijo en el plano no es más que un segmento orientado en el que hay que distinguir tres características: -dirección: la de la recta
Más detallesInterés Simple y Compuesto
Interés Simple y Compuesto Las finanzas matemáticas son la rama de la matemática que se aplica al análisis financiero. El tema tiene una relación cercana con la disciplina de la economía financiera, que
Más detallesRECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)
Caracterización de las fuentes y formación de escalas de tiempo Rec. UIT-R TF.538-3 1 RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)
Más detallesA estas alturas de nuestros conocimientos vamos a establecer dos reglas muy prácticas de cómo sumar dos números reales:
ADICIÓN Y RESTA DE NUMEROS REALES ADICIÓN L a adición o suma de números reales se representa mediante el símbolo más (+) y es considerada una operación binaria porque se aplica a una pareja de números,
Más detallesDiagonalización de matrices
diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla
Más detalles1. INVERSA DE UNA MATRIZ REGULAR
. INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz
Más detallesUniversidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones
Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................
Más detallesLección 1-Introducción a los Polinomios y Suma y Resta de Polinomios. Dra. Noemí L. Ruiz Limardo 2009
Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios Dra. Noemí L. Ruiz Limardo 2009 Objetivos de la Lección Al finalizar esta lección los estudiantes: Identificarán, de una lista de expresiones
Más detallesInformación importante. 1. El potencial eléctrico. Preuniversitario Solidario. 1.1. Superficies equipotenciales.
1.1 Superficies equipotenciales. Preuniversitario Solidario Información importante. Aprendizajes esperados: Es guía constituye una herramienta que usted debe manejar para poder comprender los conceptos
Más detallesEstadística 2º curso del Grado en Ciencias de la Actividad Física y el Deporte. ---o0o--- Introducción a la Inferencia Estadística
Estadística 2º curso del Grado en Ciencias de la Actividad Física y el Deporte ---o0o--- Introducción a la Inferencia Estadística Bioestadística - Facultad de Medicina Universidad de Granada (España) http://www.ugr.es/~bioest
Más detalles9.1.Análisis de tablas de contingencia
9.1.Análisis de tablas de contingencia Qué es una tabla de contingencia? Observamos datos de frecuencias de sucesos Diseños de cohortes Diseños de casos y controles Diseños transversales Estamos interesados
Más detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detallesSemana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo
Semana 08 [1/15] April 18, 2007 Acotamiento de conjuntos Semana 08 [2/15] Cota Superior e Inferior Antes de presentarles el axioma del supremo, axioma de los números reales, debemos estudiar una serie
Más detalles