Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*)

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

Download "Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*)"

Transcripción

1 ESTADÍSTICA ESPAÑOLA Vol. 50, úm. 69, 008, págs. 455 a 478 Iflueca de dsrbucó del empo de ocurreca ere sesros e la solveca de las careras de seguros o vda (*) por MAITE MÁRMOL JIMÉNEZ y M. MERCE CLARAMUNT BIELSA Deparame de Maemàca Ecoòmca, Facera Acuaral. Uversa de Barceloa RESUMEN E ese rabao, paredo de u modelo Sparre Aderse (957) modfcado co la roduccó de ua barrera de dvdedos cosae, realzamos u aálss comparavo de la flueca que eerce sobre la solveca de la carera de seguros o vda la dsrbucó del empo de erocurreca ere sesros. Como al roducr la barrera de dvdedos cosae la rua es segura, aalzamos el momeo de rua, τ. Paredo de la defcó de modelos comparables y medae ua aplcacó umérca, comprobamos que la dsrbucó (*) Trabao facado parcalmee por el Msero de Educacó y Ceca y FEDER 006. MTM y MTM Los auores quere agradecer a los evaluadores aómos sus comearos y sugerecas que ha meorado ese rabao.

2 456 ESTADÍSTICA ESPAÑOLA del empo de erocurreca ere los sesros e dos modelos comparables ee u gra efeco sobre el momeo de rua. El recargo de segurdad promedo y la fucó esdad de rua os perme explcar las dferecas. Palabras clave: Teoría del resgo, dsrbucó geeralzada Erlag(), barrera de dvdedos cosae, momeo de rua, Trasformada de Laplace Clasfcacó AMS: 9B30, 6P05, 60K05.. INTRODUCCIÓN La solveca e careras de seguros o vda es el obeo de esudo de la eoría del resgo y de la rua. A parr de la modelzacó del proceso de las reservas acumuladas hasa u deermado momeo se aalza dversas meddas relacoadas co la solveca como el momeo de rua, la probabldad de rua o la cuaía por la que se produce la rua. E el modelo clásco de la eoría del resgo, el vel de las reservas del asegurador e u deermado momeo, R(), vee dado por [ 0 ) R () = u + c S(),,, [] dóde R (0) = u so las reservas cales del asegurador y c la esdad de prma cosae. S() represea la sesraldad agregada, es decr el oal de sesros ocurrdos hasa el momeo, N() ZS() =, dóde N () es el proceso esocásco del úmero de sesros ocurrdos hasa el momeo, y Z es la cuaía dvdual del -ésmo sesro. Por hpóess, se supoe que odas las cuaías dvduales de los sesros sgue la msma dsrbucó, sedo E [ Z] la cuaía meda de u sesro cualquera, y N la varable aleaora úmero de sesros ocurrdos hasa. =

3 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA El oal gresado por prmas hasa el momeo es [ Z] E[ N ]( + ρ ) c = E, [] dode ρ es el coefcee de segurdad promedo cludo e la esdad de prma c. Es decr, el oal de las prmas cobradas es la sesraldad meda (úmero medo de sesros por cuaía meda de sesros) recargada por u coefcee de segurdad que busca cubrr las posbles desvacoes de la sesraldad meda. A parr de [], despeado obeemos la expresó para el coefcee de segurdad, [ Z] E[ N ] c ρ =. [3] E E la Fgura represeamos ua rayecora cualquera del proceso esocásco R (), Fgura TRAYECTORIA PARA EL PROCESO DE RESERVAS

4 458 ESTADÍSTICA ESPAÑOLA Se defe el momeo de rua e u horzoe emporal fo como τ =f { : R () < 0}, co τ = s R () 0 para odo > 0, sedo por ao el prmer sae e el que las reservas oma valores egavos. Deoamos la ψ u = P τ<. probabldad de rua úlma co uas reservas cales u como ( ) [ ] E el modelo clásco de la eoría del resgo el caso más esudado cosdera que el úmero de sesros, N ( ), es u proceso de Posso, de forma que los empos de erocurreca ere dos sesros cosecuvos, a los que represeamos como T,, se dsrbuye segú ua expoecal de meda / λ. Alguos rabaos mporaes que aalza el momeo de rua e ese coexo so L y Wllmo (000), L e al. (003), Drekc y Wllmo (003), Dckso y Waers (00) o Dckso y Waers (004). Spare Aderse (957) propuso ua geeralzacó cosderado la suacó e la que los sesros ocurre segú u proceso de reovacó más geeral. Poserormee, ere oros, esuda el momeo de rua cuado T, sgue ua dsrbuco de la famla Erlag, Gerber y Shu (998), Dckso y Hpp (00), Dckso e al. (003), L y Garrdo (004) o Albrecher e al. (005). De Fe (957) plaea que bao las hpóess cláscas del proceso de resgo, al asumr que el recargo de segurdad es posvo, el vel de las reservas de aquellas rayecoras que o se arrua ede a fo co probabldad uo. Evdeemee ese hecho geera ua dsyuva ere segurdad y reabldad, ya que veles alos de reservas rerasa la rua, pero ulza ua sere de recursos al producrse ua acumulacó excesva de reservas. De ese hecho surge la ecesdad de corolar ese crecmeo lmado de reservas, corol que se realza medae la roduccó de barreras de dvdedos, que se represea formalmee como b ( ). Ecoramos e ese coexo la roduccó de barreras de dvdedos cosae, b() = b, 0 u b que modfca el proceso de las reservas. Así, cuado las reservas alcaza el vel b, los gresos por prmas se repare a los accosas e forma de dvdedos, y las reservas se maee e ese vel b hasa la ocurreca del sguee sesro. Esa roduccó acerca más el proceso eórco de las reservas a la realdad e la gesó écca de las careras de seguro. E ese modelo modfcado co la roduccó del reparo de dvdedos, e el cual [] dea de cumplrse, la probabldad de rua es, es decr la rua es segura, por lo cual τ <. E la Fgura, se represea ua rayecora de las reservas e u modelo modfcado co la roduccó de ua barrera de dvdedos cosae.

5 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA Fgura MODELO MODIFICADO CON UNA BARRERA DE DIVIDENDOS CONSTANTE A lo largo del rabao, smbolzaremos por MCEXP el modelo clásco co barrera cosae y empos de erocurreca dsrbudos segú ua expoecal, y por MCERL al modelo co barrera cosae y empos de erocurreca Erlag (, λ). El presee rabao corbuye al aálss del momeo de rua úlma e u modelo co barrera de dvdedos cosae. Así, e ese arículo, e u modelo Sparre Aderse (957) modfcado co la roduccó de ua barrera de dvdedos cosae, realzamos u aálss comparavo del efeco que ee sobre la solveca de la carera de seguros o vda la dsrbucó del empo de erocurreca ere los sesros. Dado que al roducr la barrera de dvdedos cosae la probabldad de rua es uo, aalzamos el momeo de rua, τ. A parr de la defcó de modelos comparables y medae ua aplcacó umérca, comprobamos que la dsrbucó del empo de erocurreca ere los sesros e dos modelos comparables ee u gra efeco sobre el momeo de rua. El recargo de segurdad promedo y la fucó esdad de rua os perme explcar las dferecas. El arículo se esrucura como sgue: E el aparado plaeamos el aálss del momeo de rua τ medae la obecó de sus momeos calculados a parr de la dervacó de su rasformada de Laplace. E el aparado 3 os preguamos qué modelos podemos comparar, lo que os permrá aalzar los efecos que

6 460 ESTADÍSTICA ESPAÑOLA sobre la solveca de la carera ee u cambo e la dsrbucó que modelza los empos de erocurreca ere sesros. El aparado 4 del rabao se cera e el esudo de esos efecos, preseado resulados umércos y explcacoes sobre las causas de las dferecas obedas.. ANÁLISIS DEL MOMENTO DE RUINA E ese aparado os plaeamos la obecó de la rasformada de Laplace del momeo de rua ( φ(u) ), s los empos de erocurreca ere dos sesros cosecuvos sgue ua dsrbucó Erlag() geeralzada co parámeros λ,..., λ, y la dsrbucó de la cuaía dvdual de los sesros ee rasformada de Laplace racoal. Esa expresó geeral os perme obeer las correspodees a los modelos MCEXP y MCERL defdos e la roduccó. E aras de ua mayor clardad y cocsó, e ese aparado ommos las demosracoes que se ecuera desarrolladas e el Aexo I. E la Tabla se presea de forma resumda los resulados obedos para la rasformada de Laplace del momeo de rua e ambos modelos cuado la cuaía dvdual de los sesros sgue ua dsrbucó expoecal, Ζ exp () γ, RESULTADOS OBTENIDOS PARA ( ) Tabla φ u EN LOS MODELOS MCERL Y MCEXP

7 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA A parr de la rasformada de Laplace del momeo de rua podemos calcular sus momeos, es decr E[ τ ], medae dervacó sucesva y poseror evaluacó de las dervadas e δ = 0, es decr, E [ τ ] = ( ) φ δ ( u) δ= 0 3. QUÉ MODELOS PODEMOS COMPARAR? E ese aparado esablecemos las codcoes ecesaras para poder comparar los resulados obedos respeco al momeo de rua e modelos de reovacó co empos de erocureca de la famla Erlag(), y obeemos, como caso parcular, las ecesaras para comparar los modelos MCEXP y MCERL. Por uo de los eoremas límes para los procesos de reovacó (Parze, 97), se cosdera modelos comparables aquellos e los que la fucó de reo- vacó, E [ N ], ee asócamee el msmo comporameo promedo, es decr [ N ] E lm = E [ T ] Por ao, s E [ ] cocde, la fucó de reovacó [ ] T comporameo promedo cuado comparables. [4] E N ee el msmo, y eoces los modelos aalzados so S el obevo es aalzar la flueca sobre la solveca (y e cocreo el momeo de rua) de esos modelos comparables, es ecesaro coocer, o sólo el compor-, so ambé su evolucó. ameo líme de la fucó de reovacó, E [ ] Dcha evolucó os permrá, e el aparado 4., explcar las dferecas observadas ere los momeos esperados de rua e los modelos comparados. Para ello, y sguedo a Cox (96), recurrmos a la expresó que, e u proceso de reovacó ordaro, relacoa la fucó de reovacó, E [ N ], co T, L N gt () s () s = s para g () s g () s T T <, [5]

8 46 ESTADÍSTICA ESPAÑOLA sedo L () s la rasformada de Laplace de E [ ] y g () s T la rasformada de Laplace de la fucó desdad de los empos de erocurreca. Para el caso parcular e que ErlagT(,λ) co λ gt () s =, la expresó [5] λ + s oma la forma L () s N λ = [6] s ( s) ), λ + λ Ceramos a couacó uesro aálss e la comparacó ere el modelo MCEXP y el modelo MCERL. S, (,λ) =, ErlagTmodelo MCERL, es medao obeer, vredo [6] para E De [6], s (,λ ) e vredo, obeemos [ N ] E T [ T ] = + [7] [ ] 4 ErlagT, es decr para MCEXP, co E[ T ] =, () s = [ T ] 4 e 4 E E [ N ] = [8] E λ L s λ 4. EFECTOS EN EL MOMENTO DE RUINA DE UN CAMBIO EN LA HIPÓTESIS SOBRE EL TIEMPO DE INTEROCURRENCIA. Para comparar el momeo de rua obedo e los Tmodelos MCEXP y MCERL, Erlag, y MCEXP co E [ T ] debe cocdr. Así, los modelos MCERL co ( ) T exp ( 0, 5) so comparables, ya que e ambos E [ ] T =. Ulzamos esas dos dsrbucoes cocreas de los empos de erocurreca, para la obe có de resulados umércos. Para u vel de la barrera b=0, ua prma de c=0,6 y ua dsrbucó de la γz cuaía del sesro expoecal, f () z = γe, co γ =, preseamos e la Tabla

9 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA los resulados para E [] τ,σ[] τ 00σ [] [] τ cυ τ = E[] τ e los dos modelos comparables,, y el coefcee de varacó de τ defdo como Tabla z E [] τ, σ[] τ y cυ[] τ PARA f () z = e, b = 0 y c = 0. 6 E [] τ σ [] τ cv [] τ Erl (,) Exp (0,5) Erl (,) Exp (0,5) Erl (,) Exp (0,5) u = 0 93, ,5339 7,63 3,55 3,65 46,863 u = 57,03 9,309 65,67 64,57 68,96 78,95 u = 05,805 3,583 88,8 8,94 40,075 46,698 u = 3 43,077 48,57 99,847 90,337 3,355 8,5 u = 4 7,099 68,06 305,565 95,8,74 6,05 u = 5 9,68 83,45 308,53 97,668 05,68 07,93 u = 6 306,77 94, ,4 98,857 0,03 0,35 u = 7 36,06 0,8 309,845 99,36 98, ,557 u = 8 3,974 07, ,973 99,538 96,77 96,784 u = 9 34,794 0,3 309,996 99,58 95, ,893 u = 0 35,37,03 309,997 99,584 95,744 94,4987 Podemos observar e la Tabla que ao la esperaza como la desvacó ípca del momeo de rua e ambos modelos, para u vel fo de la barrera, es crecee respeco al vel cal de las reservas, u. E cambo, el coefcee de varacó es decrecee. Eso mplca que la varable aleaora momeo de rua esá más cocerada eoro a su esperaza para valores de las reservas cales cercaas a la barrera. El comporameo de la esperaza del momeo de rua respeco a u se debe a que u mayor vel e las reservas cales perme ua mayor acumulacó de reservas que rerasa el momeo de rua. Cerado uesro aálss e la esperaza del momeo de rua, su comporameo respeco a u se debe a que u mayor vel e las reservas cales perme ua mayor acumulacó de reservas que rerasa el momeo de rua. Por oro lado, para cualquer valor de u, observamos que s el empo de erocurreca

10 464 ESTADÍSTICA ESPAÑOLA sgue ua dsrbucó Erlag(,) el momeo esperado de rua es susacalmee superor al obedo e el modelo expoecal. Ese resulado es sorpredee dado que e ambos modelos la esperaza del empo de erocurreca ere dos sesros cosecuvos es la msma, E [ T ] =. E la pare fal de ese aparado usfcaremos esas dferecas. Los resulados obedos e la Tabla correspode a u vel de la barrera de b=0. Las dferecas ere E [] τ para el modelo Erlag coemplado (smbolzado por E [] τ )y para el modelo clásco (smbolzado por E [] τ Erl ) se maee para dferees valores de la barrera. E la Fgura 3 represeamos el cocee cremeal dferees valores de b, E Erl exp l [] τ E exp[] τ E [] τ Erl para VALOR DE E Erl Fgura 3 [] τ E exp [] τ E [] τ Erl PARA b=5,0, 5 y 0. S la barrera es cero, el cocee cremeal oma el valor 0 ya que E Erl [] τ = E exp [] τ de ocurreca del prmer sesro, por ao E [] τ = E[ ]. La causa es que para b=0 la rua se produce e el momeo T, que es la msma e

11 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA ambos modelos. Podemos observar además que las dferecas se amplía al cremear el vel de la barrera b. 4. Explcacó de las dferecas obedas Ua explcacó uva de las dferecas observadas ere los momeos esperados de rua, E [] τ, e los dos modelos comparados e el epígrafe aeror, que auque como veremos o explca su magud, se basa e el aálss del recargo de segurdad promedo cobrado hasa u deermado momeo, ρ. A parr de la expresó [3], asumedo E [ Z] =, para el modelo MCEXP y ee- do e cuea [8], obeemos que ρ = ce[ T ] = ρ, y para el modelo MCERL eedo c e cuea [7], sabemos que ρ =. 4 + e E T 4 4 E T [ ] [ ] Observamos así que el recargo de segurdad promedo cobrado hasa u deermado momeo es meor e el modelo MCEXP que e el modelo MCERL, ya que la esdad de prma cosae es la msma e ambos casos y la esperaza del úmero de sesros hasa es superor e el modelo MCEXP. E la Fgura 4 represeamos el recargo de segurdad promedo cobrado hasa para ua esdad de prma cosae c = 0,6.

12 466 ESTADÍSTICA ESPAÑOLA Fgura 4 RECARGOS DE SEGURIDAD PARA c = 0,6 CON Erlag(, ) T Exp( 0, 5) TY. Por ao, e el modelo MCERL la rua se producrá más arde ya que el recargo de segurdad es mayor que e el modelo MCEXP y las prmas gresadas las msmas. Co el obevo de medr la flueca que las dferecas aalzadas e el recargo de segurdad ee e el momeo de rua, plaeamos ua hpóess dsa que cosse e que el recargo de segurdad promedo cobrado hasa es cosae e los dos modelos, de forma que la esdad de prma, c (), dea de ser cosae. Por ao, e ese modelo, la hpóess [] queda susuda por, c 0 () s ds = E[ Z] E[ N ]( + ρ), [9] ya que E[ N 0 ] = 0. Para el caso de erocurreca expoecal [9] o represea gú cambo, ya que resolvédola se obee que c () = c, meras que para ErlagT,λ y eedo e cuea [7], la esdad de prma es ( ) c() = E [ T ] e + 4 E [ T ] E[ Z]( + ρ).

13 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA La esperaza del momeo de rua calculada por smulacó co la ueva hpóess [9], b=0, ρ =0, y cuaía del sesro expoecal f () z = e, se recoge e z la Tabla 3, E Tabla 3 z [] τ para f () z = e,b = 0 y c = 0, 6 T Erl (,) T Exp (0,5) c = 0,6 c = () ρ ρ= 0,. c = 0.6 ρ= 0, u = 0 93, , ,5339 u = 57,03 47,498 9,309 u = 05,805 00,885 3,583 u = 3 43,077 4,779 48,57 u = 4 7,099 73,8 68,06 u = 5 9,68 96,6 83,45 u = 6 306,77 3,6 94,339 u = 7 36,06 3,885 0,8 u = 8 3, ,04 07,467 u = 9 34, ,04 0,3 u = 0 35,37 334,706,03 Podemos observar como las dferecas ere los dos modelos co ρ =0., sgue sedo susacales e cluso se aceúa para valores de las reservas cales cercaos a la barrera. Por lo ao esa prmera explcacó basada e las dferecas del recargo de segurdad, auque uva, o es sufcee. Ua explcacó más sólda de las dferecas podemos ecorarla e la fucó de esdad de rua, ζ b () r (ulzada e u modelo s barrera por De Vylder y Goovaers (998)). Esa fucó dca, paredo de uas reservas acumuladas r ras la ocurreca de u sesro, la probabldad de que se produzca la rua e la ζ r = P Z > r c. ocurreca del sguee sesro, () [ ] b + Teedo e cuea que s o ocurre gú oro sesro, las reservas alcazaría por prmera vez la barrera b cuado r + c = b, ζ () r * es b

14 468 ESTADÍSTICA ESPAÑOLA b * () r = k() f ( z) dzd + k () f ( z)dzd 0 ζ. r+ c Para ua cuaía de los sesros expoecal de parámero γ, * = d.. 0 * sedo F ( ) k () E MCEXP exp( λ) E MCERL co Erlag(,λ) ζ b,erlag () r = e Tζ rγ b * *, 0 r γ c γ b γ * () r = e k () e d + e ( F ( ), resolvedo la egral, obeemos λ * r γ cλ () ( bγ+λ r = e + e ) ζ b, exp. λ + cγ λ + cγ λ ( λ + cγ),obeemos * ( λ+ cγ ) * e b ( λ + cγ) + e bγ e * λ * ( + λ ). TLos resulados de ζ b,exp () r para exp ( 0,5) y b,erlag () r T z Erlag(,) co b =0, c =0.6 y f () z = e se recoge e la Tabla 4. ζ para La fucó esdad de rua o esá defda para r = b debdo a que es mposble que ras la ocurreca de u sesro las reservas esé e el vel de la barrera.

15 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA Tabla 4 () r () r ζb, erlag ζb, exp () r, ζb, erlag () r y para f = ζ b, exp z () z = e, b = 0 y c 0,6. ζ (r) ζ b, erlag (r) b, exp ζ b, erlag ζ b, exp (r) (r) r = 0 0, , ,86 r = 0,678 0, ,86 r = 0,0656 0, ,86 r = 3 0,6306 0, ,86 r = 4 0, , ,86 r = 5 0, , ,86 r = 6 0, , ,86 r = 7 0, , ,86 r = 8 0, , ,85 r = 9 0, , ,90 Podemos observar que la probabldad de arruaros e el sguee sesro paredo de uas reservas r es ere u 0% y u 4% feror e MCERL co T Erlag (,), respeco al modelo MCEXP co T exp ( 0,5 ). E la fgura 5 podemos observar como, para oros valores de la barrera, la probabldad e el modelo Erlag es sempre feror.

16 470 ESTADÍSTICA ESPAÑOLA ζ b, erlag ζ b, exp () r () r para f Fgura 5 z () z = e, c = 0,6 y b = 5,0,5. Esa relacó ere las probabldades de arruaros e el sguee sesro explca que la esperaza del momeo de rua sea muy superor e MCERL co T Erlag (,), respeco de MCEXP co T exp ( 0,5 ). CONCLUSIONES La dsrbucó que deerma el empo rascurrdo ere dos sesros cosecuvos ee ua gra flueca sobre el momeo de rua e ua carera de seguros o vda. El cocepo de modelos comparables os perme comparar modelos sempre que ega la msma E [ T ]. Las dferecas e los momeos de la varable aleaora momeo de rua ere modelos comparables so muy remarcables. E el rabao se demuesra como el recargo de segurdad promedo o os proporcoa ua explcacó sufcee de las dferecas. E cambo, la fucó esdad de rua, defda como la probabldad de que ras la ocurreca de u ses-

17 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA ro paredo de uas reservas r se produzca la rua e la ocurreca del sguee sesro, da ua explcacó sólda de las msmas. ANEXO I Asummos que los empos de erocurreca T, =, sgue ua dsrbucó Erlag() geeralzada, es decr, que cada T es la suma de varables aleaoras depedees expoecales co parámeros λ,..., λ cada uo, causado u "sub-sesro" de cuaía 0, ocurredo u sesro co fucó dsrbucó F e la ocurreca del -ésmo sesro. Cosderamos esados del proceso del resgo (empezado e el momeo 0 e el esado ), dode cada subsesro produce ua rascó al sguee esado y e el momeo de ocurreca del - esmo sesro sala al esado ora vez (ver Albrecher e al. (005)). Defmos ( u) φ como la rasformada de Laplace del momeo de rua del proceso de resgo e el esado =,...,. Teorema. S los empos de erocurreca T, =, sgue ua dsrbucó Erlag() geeralzada co parámeros λ,..., λ, la ecuacó íegro dfere- φ u es, cal para ( ) = δ + λ c φ u u = = 0 = co las sguees codcoes de cooro, ( u) λ φ ( u z) df ( z) λ [ F ( u) ] 0,, [0] k δ + λ c u φ ( u) u= b = 0, K =,..., [] λ u = Demosracó. Para 0 u < b, por u argumeo dferecal, recordado que ( λ d) es la probabldad de que o ocurra sesro e u d, para =,, - obeemos φ δd + δd ( u) = ( λ d) φ ( u + cd) e + λ dφ ( u + cd) e + θ ( d), [] y para =

18 47 ESTADÍSTICA ESPAÑOLA φ δd ( u) = ( λ d) φ ( u + cd) e + λ d φ ( u + cd z) df ( z) λ de δd df u+ cd () z + θ ( d) u+ cd 0 e δd + [3] Eoces, por aproxmacó leal, dvdedo ere d, y hacedo d, a parr de [] y [3] obeemos, c φ u ( u) ( δ + λ ) φ ( u) + λ φ ( u) = 0, para =,..., + [4] c φ u ( u) u [5] 0 ( δ + λ ) φ ( u) + λ φ ( u z) df ( z) +λ [ F ( u) ] = 0, para = A parr de [4], despeado y sguedo u proceso recursvo, φ ( u) = = ( δ + λ ) c u φ λ ( u) [6] Podemos escrbr [5] como, u ( δ + λ ) c φ ( u) λ φ ( u z) df ( z) λ [ F ( u) ] = 0 [7] u Susuyedo [6] e [7], obeemos [0] Para 0 u = b usado u proceso aálogo para =,, - λ ( b) ( δ + λ ) φ ( b) 0 + φ = y comparado co [4] φ u ( u) = = 0 [8] u b

19 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA y para =, λ y comparado co [5] b φ = 0 ( b z) df () z + λ df() z ( δ + λ ) φ () b 0 φ u ( u) u b = b = 0 [9] A parr de [8] [9] y [6] obeemos la codcó de cooro []. Usado u méodo aleravo, L y Garrdo (004) obee ua ecuacó egro-dferecal equvalee para la fucó de Gerber-Shu. Aplcado rasformadas de Laplace a [0], obeemos, ϑ f () s = 0, [0] s () s φ () s + L () s λ φ () s f () s = sedo φ () s la rasformada de Laplace de φ ( u) y f () s la rasformada de Laplace de la fucó desdad de la cuaía del sesro f () z. L cuaías () s represea el polomo de grado - cuyos coefcees cluye las () ( u) φ u u () s = 0, = 0,...,, y ϑ y es el polomo de grado, ϑ () s = ( δ + λ cs). = A parr de [0] obeemos φ () s, φ () s = = ( ) () s λ ϑ f s () s λ f () s = L () s []

20 474 ESTADÍSTICA ESPAÑOLA Resrgmos a couacó el aálss al caso e que la fucó desdad de la cuaía de los sesros ee ua rasformada de Laplace racoal,es decr Qr () () s f s = dode Pr () s y Qr () s so polomos de grado r y (al meos) r- res- P s r () pecvamee s ceros comues. Para ese po de dsrbucó para la cuaía de los sesros, el deomador de [] ee +r ceros, a los que deomaremos s,...,s+ r,, y asummos que las raíces so reales y dsas. De lo comeado, coclumos que r de esos ceros se localza e el semplao egavo. Eoces, usado fraccoes parcales obeemos, r s u ( ) = α ( b) e u + φ [] = α so fucó de b, pero por comoddad escrbremos α. Los coefcees α se deerma a parr de u ssema de +r ecuacoes, eedo e cuea que las prmeras ecuacoes se obee a parr de [], y las r resaes susuyedo la esrucura de solucó [] y la rasformada de Laplace de la cuaía de u sesro e la ecuacó egro-dferecal cal. Observemos que los coefcees ( b) Asumedo el caso de u modelo Sparre Aderse co empos de erocurrecas Erlag(,λ) es decr ( = y λ = λ = λ ) la ecuacó íegro-dferecal para φ u es ( ) A parr de [], es fácl obeer u δ + λ c φ ( u) λ φ ( u z) df( z) λ [ F ( u) ] = 0, [3] u 0 f () s λ + c φ () 0 + ( c s c ( δ + λ) ) φ () 0 s φ () s = [4] ( δ + λ cs) λ f ( s) y asumedo ua dsrbucó de la cuaía del sesro co rasformada de Laplace racoal, obeemos r + = φ. [5] u ( u) = α ( b) e

21 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA A couacó aalzamos que sucede cuado la cuaía dvdual de los sesros sgue ua dsrbucó expoecal. Asumedo que f () z = γe, γz eoces f () s γ =. Obeemos las raíces s, =,,3, a parr de γ + s ( + λ cs) ( γ + s) λ γ = 0 Eoces la solucó de φ ( u) oma la forma, δ [6] 3 ( ) = φ u α e. [7] = s u Las dos prmeras ecuacoes obedas a parr de [] so 3 s α = e s b = 0 3 s b y s α e = 0 = 3 sb s α e = 0 y = 3 = s α e sb = 0. γz Para ecorar la ercera ecuacó, susumos [7] y f () z = γe e la ecuacó egro-dferecal [3], y resolvedo la egral, y eedo e cuea [6], obeemos eoces la ercera ecuacó, =. 3 α s + γ = ( ) γ Obeemos eoces u ssema de res ecuacoes que podemos resolver usado el Mahemaca para la obecó de α,,,3. S los empos de erocurreca T,, sgue ua dsrbucó expoecal, modelo MCEXP, es decr segú ua dsrbucó Erlag (, λ) podemos obeer la expresó a parr del Teorema como caso parcular de la dsrbucó geeralzada Erlag(). Así a parr de [0], para =, obeemos la ecuacó egrodferecal para la Trasformada de Laplace del momeo de rua e el MCEXP, co su codcó de cooro =

22 476 ESTADÍSTICA ESPAÑOLA ' ( δ + λ) φ ( u) cφ ( u) λ φ( u z) df( z) λ [ F( u) ] ( u) φ u u= b = 0. u 0 = 0 [8] Esa ecuacó se puede obeer ambé a parr de la ecuacó [.5] e L e al (003) para la fucó Gerber-Shu fuco. (Ver ambé Dckso ad Waers (004)). Para obeer el ssema que os perme hallar los coefcees, a parr de [], γz asumedo que f () z = γe, las raíces se obee a parr de cs + ( δ + λ cγ) s + δγ = 0. Eoces φ( ) = u α e. Para calcular α, susuye- su γz do φ ( u) = α e y f () z γe = las dos ecuacoes para obeer los = s u = e [8] obeemos α. = α ( s + γ) γ =. Así eemos ya REFERENCIAS ALBRECHER, H., CLARAMUNT, M.M AND MARMOL, M. (005). «O he dsrbuo of dvded paymes a Sparre Aderse model wh geeralzed Erlag() erclam me». Isurace: Mahemacs & Ecoomcs, 37: Cox, D.R. (96). «Reewal heory». Chapma ad Hall. Lodo. DE FINNETTI, B. (957). «Su u'mposazo alerava dell eora collecva delrscho». Trasacos of he XVh Ieraoal Cogress of Acuares II, DICKSON, D.C.M AND HIPP, C. (00). «O he me o ru for Erlag() rsk processes». Isurace: Mahemacs & Ecoomcs, 9: DICKSON, D.C.M, HUGHES, B. AND ZHANG, L. (003). «The desy of he me o ru for a Sparre Aderse process wh Erlag arrvals ad expoeal clams». Cere for Acuaral Sudes Research Paper Seres Nº. Uversy of Melboure. DE VYLDER, F.E. Y GOOVAERTS, M.J. (998). (998) «O a class of reewal rsk processes». Dscusso del arículo DICKSON,D.C.M. Norh Amerca Acuaral Joural : pp.60-73

23 INFLUENCIA DEL TIEMPO DE INTEROCURRENCIA ENTRE SINIESTROS EN LA SOLVENCIA DICKSON, D.C.M AND WATERS, H.R. (00). «The dsrbuo of he me o ru he classcal rsk model». ASTIN Bulle, 3: DICKSON, D.C.M AND WATERS, H.R. (004). «Some opmal dvded problems» ASTIN Bulle, 34: DREKIC, S. AND WILLMOT, G.E. (003). «O he desy ad momes of he me o ru wh expoeal clams». ASTIN Bulle, 3: -. GERBER, H.U. AND SHIU, E.S.W. (998). «O he me value of ru». Norh Amerca Acuaral Joural,, No : LI, S. AND GARRIDO, J. (004). «O a class of reewal rsk models wh a cosa dvded barrer». Isurace: Mahemacs & Ecoomcs, 35: L, S.X Ad Wllmo, G. E. (000). «The momes of me of ru, he surplus before ru, ad he defc a ru». Isurace: Mahemacs & Ecoomcs, 7: LIN, S.X, WILLMOT, G. E. AND DREKIC, S. (003). «The classcal rsk model wh a cosa dvded barrer: aalyss of he Gerber-Shu dscoued pealy fuco». Isurace: Mahemacs & Ecoomcs, 33: PARZEN, E. (97). «Procesos Esocáscos». Parafo. Madrd. REN, J. (005). «The expeced value of he me of ru ad he momes of he dscoued defc a ru he perurbed classcal rsk process». Isurace: Mahemacs & Ecoomcs, 37: SPARRE ANDERSEN, E., (957). «O he collecve heory of rsk he case of coago bewee he clams». Trasacos XVh I. Cogress of Acuares II, New York, 9-9.

24 478 ESTADÍSTICA ESPAÑOLA THE INFLUENCE OF INTEROCURRENCE TIMES IN THE SOL- VENCY OF NON-LIFE INSURANCE PORTFOLIOS ABSTRACT I hs paper, deparg from a Sparre Aderse (957) model modfed wh he roduco of a cosa dvded barrer, we aalyze he fluece of erocurrece mes he solvecy of he olfe surace porfolos. Wh he roduco of a cosa dvded barrer he occurrece of ru s sure. Therefore, we aalyze he me of ru, τ. I addo, we ake o accou he defo of comparable models ad, hrough a umercal applcao, we show ha he dsrbuo of he erocurrece mes bewee clams wo comparable models has a grea fluece o he me of ru. The average secury loadg ad he ru esy fuco allow us o expla he dfferece. Key words: rsk heory, geeralzed Erlag() dsrbuo, cosa dvded barrer, me of ru, Laplace rasform. AMS Classfcao: 9B30, 6P05, 60K05.

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)

Más detalles

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4

Más detalles

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA. Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad

Más detalles

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO

Más detalles

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales Esmacó de Parámeros de Ssemas Leales vía Marces Operacoales Isdro I. Lázaro, Salvador Ramírez lazaro@zeus.umch.mx szavala@zeus.umch.mx Faculad de Igeería Elécrca-Uversdad Mchoacaa de Sa Ncolás de Hdalgo

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística lmae Varably ad hage Hydrologcal Impacs Proceedgs of he Ffh FRIND World oferece held a Havaa uba November 006 IAHS Publ. 308 006. 6 odelacó hdrológca empleado soyeas de releve ua aproxmacó geoesadísca

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005 Reglas para el maejo de los ídces de deuda de la BV Bolsa acoal de Valores Verso 4.4 3/07/005 ága de 6 COTEIDO ITRODUCCIÓ... 4. erspecva geeral... 4 MAEJO DE LOS ÍDICES... 6. Comé de Ídces de íulos de

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY RESUMEN El ema raado e ese rabao se emarca dero del esquema de Cueas Saéle del Tursmo. Maemácamee se desarrolla u ssema de ecuacoes e dferecas. Se pare de la ecuacó macroecoómca fudameal e equlbro para

Más detalles

Años I0 t (base 1992 = 100)

Años I0 t (base 1992 = 100) Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales Moográco Número Marzo www.eweb.org/od La ecuacó geeral de capalzacó y los acores de capalzacó uaros: ua aplcacó del aálss de daos ucoales Cèsar Vllazó La Saou Resume La órmula geeral de capalzacó sólo

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001 REVISA INVESIGACION OPERACIONAL Vol., No., SOLUCIONES A DIFERENES PROBLEMAS DENRO DEL CAMPO DE LA COMUNICACION ESADISICA J. Navarro Moreo, J.C. Ruz Mola y R.M. Ferádez Alcalá, Deparameo de Esadísca e Ivesgacó

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA M.J. Caós M. Maríez 2 M. Mocholí V. Navarro 3 U. de Valeca Florda Uversara U. de Valeca U. de Valeca mara..caos@uv.es marsam@florda-u.es

Más detalles

Metodología Índice de Precios de Edificaciones Nuevas

Metodología Índice de Precios de Edificaciones Nuevas Meodología Ídce de recos de Edfcacoes Nuevas COLECCIÓN DOCUMENTOS - ACTUALIZACIÓN 29 Núm. 66 DEARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA HÉCTOR MALDONADO GÓMEZ Drecor CARLOS EDUARDO SEÚLVEDA RICO

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 UN SISTEMA BASADO EN CASOS PARA LA TOMA DE DECISIONES EN CONDICIONES DE INCERTIDUMBRE Ilaa Guérrez Maríez, Rafael E. Bello Pérez y Adrés Tellería Rodríguez

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel Volume 4 - º / dcembre 0 estmacó de la estructura de Tasas omales de chle: aplcacó del modelo dámco elso-segel Rodrgo Alaro A. * Sebasá Becerra C. ** Adrés Sager T. *** I. IroduccIó La esmacó de la esrucura

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO CAÍUO. CNMÁCA DFRNCA D ROBO ARAO es seccó se descrbe el álss de elocddes y celercoes del robo prlelo, el cul puede llerse cbo mede ls ecucoes pr momeo geerl debdo que o ese deslzmeo e ls coeoes. ss ecucoes

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica Esayos Lmacoes del modelo leal de probabldad y aleravas de modelacó mcroecoomérca Resume Absrac Résumé E ese arículo se eama res méodos para desarrollar modelos de probabldad para ua varable de respuesa

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

Sistemas Productivos

Sistemas Productivos Ssemas Producvos º Elemeos de dseño del proceso producvo A la hora de dseñar ua udad producva, hay que realzar ua sere de decsoes esraégcas que cluye ecesaramee:. Localzacó de la plaa: lugar dode físcamee

Más detalles

Análisis de un circuito RC con resistencia no lineal

Análisis de un circuito RC con resistencia no lineal Aálss de u crcuto RC co ressteca o leal Joaquí Castro Z, Lucas Provezao & Emlo F. Restell () Facultad de Igeería, Cecas Exactas y Naturales, Uversdad Favaloro. joaqu_882@hotmal.com, lucasprovezao@hotmal.com,

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar)

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar) MEODOLOGÍA ÍNDCE DE DSBUCÓN DE ENEGÍA ELÉCCA, GAS PO CAÑEÍA Y AGUA POABLE (DEGA) (Preelmar) SUBDECCÓN ÉCNCA SUBDECCÓN DE OPEACONES Saago, 26 de Dcembre de 2007 CHDA/GGM/GMA/VM ÍNDCE Págas. roduccó 3 2.

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

Un generador matricial de claves frente a Blum Blum Shub.

Un generador matricial de claves frente a Blum Blum Shub. U geerador marcal de claves free a lum lum Sub. Rafael Álvarez, Joa-Josep Clme, eadro Torosa 3 y oo Zamora 4 Deparame de Cèca de la Compuacó Iel lgèca rfcal. Uversa d'laca, Campus de Sa Vce, p.correus

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

MODELOS PARA DATOS DE LA ECONOMÍA CANARIA EN LOS DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA

MODELOS PARA DATOS DE LA ECONOMÍA CANARIA EN LOS DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA Revsa Elecróca de Comucacoes y Trabajos de ASEPUMA. Rec@ Volume. Pagas 9 a 37 MODELOS PARA DATOS DE LA ECONOMÍA CANARIA EN LOS DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA CONCEPCIÓN GONZÁLEZ-CONCEPCIÓN cogozal@ull.es

Más detalles

ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA

ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA SECRETARÍA GENERAL TÉCNICA MINISTERIO DE AGRICULTURA, ALIMENTACIÓN Y MEDIO AMBIENTE SUBDIRECCIÓN GENERAL DE ESTADÍSTICA ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA INTRODUCCIÓN: La Ecuesa de Salaros Agraros

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS MOF - OMPETENIA FUNDAMENTOS DE LAS OPERAIONES FINANIERAS apalzacó ompuesa. apalzacó Smple. Acualzacó ompuesa y Smple. Equvalecas Faceras. Aplcacoes de la apalzacó y del Descueo. Valores Medos: Ufcacó de

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson: Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

EL METODO PERT (PROGRAM EVALUATION AND REVIEW TECHNIQUE)

EL METODO PERT (PROGRAM EVALUATION AND REVIEW TECHNIQUE) EL METODO PERT (PROGRM EVLUTION ND REVIEW TECHNIQUE) METODO DE PROGRMCION Y CONTROL DE PROYECTOS Desarrollado en 1958, para coordnar y conrolar la consruccón de submarnos Polars. El méodo PERT se basa

Más detalles

Universidad Carlos III de Madrid

Universidad Carlos III de Madrid Uiversidad Carlos III de Madrid. El mudo físico: represeació co señales y sisemas Señales: Fucioes co las que represeamos variacioes de ua magiud física Volaje, iesidad, fuerza, emperaura, posició r ()

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Introducción a la Teoría de Inventarios

Introducción a la Teoría de Inventarios Clase # 4 Las organzacones esán consanemene vendo como camba el nvel de sus nvenaros en el empo. Inroduccón a la Teoría de Invenaros El ener un nvel bajo de nvenaros mplca resgos para no sasacer la demanda

Más detalles

Estadística de Precios de Vivienda

Estadística de Precios de Vivienda Esadísca de recos de Vvenda Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal

Más detalles

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Reparto de dividendos en una cartera de seguros no vida. Obtención de la barrera constante óptima bajo criterios económico-actuariales

Reparto de dividendos en una cartera de seguros no vida. Obtención de la barrera constante óptima bajo criterios económico-actuariales DOCUMENTS DE TREBALL DE LA DIVISIÓ DE CIÈNCIES JURÍDIQUES, ECONÒMIQUES I SOCIALS Col lecció d Economia Reparto de dividendos en una cartera de seguros no vida. Obtención de la barrera constante óptima

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Tabla de Contenidos. 1 Conceptos básicos sobre regresión y correlación... 1. 2 Caracterización de rodales... 22

Tabla de Contenidos. 1 Conceptos básicos sobre regresión y correlación... 1. 2 Caracterización de rodales... 22 Tala de Coedo Preeacó... Cocepo áco ore regreó correlacó.... Supueo áco de regreó.... Lo upueo de regreó e Dedromería... 6. Emacó de lo parámero del modelo de regreó leal mple... 7.. El méodo de mímo cuadrado

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

Más detalles

Seminario de problemas. Curso Hoja 9

Seminario de problemas. Curso Hoja 9 Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

Consumo de gas natural en Bolivia: Una aplicación del Sistema Cuadrático Casi Ideal de Demanda

Consumo de gas natural en Bolivia: Una aplicación del Sistema Cuadrático Casi Ideal de Demanda Cosumo de gas aural e Bolva: Ua alcacó del Ssema Cuadráco Cas Ideal de Demada Medacel Morroy Maurco Agoso 2009 Resume Ese documeo ea cuafcar los osbles macos sobre el cosumo de gas aural reseco a deermadas

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Trabajos. Temario. Tema 6. El diodo. Tema 6: El diodo. Tema 6. El diodo. Introducción. Objetivos:

Trabajos. Temario. Tema 6. El diodo. Tema 6: El diodo. Tema 6. El diodo. Introducción. Objetivos: emaro rabajos. odo 7. El rassor. Magesmo 9. duccó elecromagéca. rcuos de corree alera. Odas elecromagécas. lcacoes ócas odo. odo Zeer. odo LE 3. Foododo. odo úel 5. odo Schoky El rassor. El JFE, fudameos

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

COMUNICACIÓN XI JORNADAS ASEPUMA Oviedo, 11 y 12 de Septiembre de 2003

COMUNICACIÓN XI JORNADAS ASEPUMA Oviedo, 11 y 12 de Septiembre de 2003 COMUNICACIÓN XI JORNADAS ASEPUMA Ovedo, y de Sepembre de 003 TITULO: "MODELOS DE SUPERVIVENCIA ADECUADOS PARA ANÁLISIS ACTUARIALES DE MORTALIDAD" SURVIVAL MODELS IN ACTUARIAL MORTALITY ANALYSIS AUTOR (ES):

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles