Part IV. Modelos para la volatilidad. Series de Tiempo. Germán Aneiros Pérez. Introducción. Procesos ARCH: Construcción. Procesos GARCH: Estimación
|
|
- Estefania Salazar Gómez
- hace 6 años
- Vistas:
Transcripción
1 Sris d idntificación Part IV Modlos para la volatilidad Sris d
2 Modlos para la volatilidad Sris d idntificación Comnzamos indicando la notación gnral qu utilizarmos n st tma: y 1, y 2,..., y T : sri d timpo obsrvada. {Y t } t : procso gnrador d la sri obsrvada. Sris d
3 Modlos para la volatilidad Sris d idntificación Existn sris tmporals stacionarias cuyas caractrísticas no pudn sr xplicadas o modlizadas a través d procsos ARMA gnrals. Concrtamnt, dichas sris prsntan: Dpndncia tmporal, pro no d tipo linal (ruido blanco dpndint). Colas más psadas qu las d la distribución normal (sto s, surgn valors altos o bajos más frcuntmnt qu n l caso gaussiano). Rachas o agrupaminto d valors altos (bajos) a lo largo dl timpo; sto s, s altrnan príodos d valors altos (bajos) con príodos d valors mdios. Sris d
4 Modlos para la volatilidad Sris d idntificación Muchas d stas sris prtncn al campo d las finanzas. Un jmplo son las sris d rndimintos (o ganancias rlativas) d un capital (accions, bonos,...), ntndindo qu si x t s l valor dl capital n l instant t, ntoncs su rndiminto n dicho instant s y t = xt x t 1 x t 1. Nota: Cuando y t s pquño, s costumbr utilizar la aproximación y t ln ( xt x t 1 ) = ln (x t ) ln (x t 1 ). Sris d
5 Modlos para la volatilidad Sris d idntificación Rndimintos dl IBEX 35 Fas y fap Sris d
6 Modlos para la volatilidad Sris d Fas Rndimintos dl IBEX 35 idntificación Sris d
7 Modlos para la volatilidad Sris d idntificación El objtivo d st tma s la construcción d s stocásticos qu san capacs d xplicar las caractrísticas ants nombradas. Dichos procsos, cuya varianza marginal db sr constant (pus son stacionarios), vrificarán qu: La varianza condicionada al pasado no s constant, sino qu dpnd d dicho pasado (htrocdasticidad condicional). D sta forma, introducn dpndncia ntr los cuadrados dl procso y su pasado; sto s, dpndncia tmporal no linal. En gnral, valors altos (bajos) d la varianza condicionada van sguidos d valors altos (bajos). Esto gnrará l agrupaminto a lo largo dl timpo d valors altos (bajos) d la sri. Sris d
8 Modlos para la volatilidad Sris d idntificación Como s indica n la transparncia antrior, los s n custión imponn condicions a la varianza condicionada. Por tanto, lo qu n ralidad modlizan s la varianza condicional (o volatilidad), por lo qu son s para la volatilidad. La volatilidad s un concpto sumamnt important dntro dl campo d las finanzas, pus pud considrars como una mdida d la actividad financira, o d la incrtidumbr n las prdiccions. Los s qu studiarmos n st tma srán utilizados tanto para comprndr la dinámica d la sri como para fctuar prdiccions d valors futuros d la volatilidad. Sris d
9 Modlos para la volatilidad Sris d idntificación El procso {Y t } s dic qu s un ARCH(1) (AutoRgrsiv Conditional Htroscdastic) si admit una rprsntación dl tipo: dond Y t = σ t Z t sindo σ 2 t = α 0 + α 1 Y 2 t 1, α 0 > 0 y α 1 0 son constants. {Z t } son v.a. i.i.d. sgún una distribución N (0, 1). Z t s indpndint d {Y t k, k 1} para cualquir t. Sris d
10 Modlos para la volatilidad Sris d idntificación El procso ARCH(1) vrifica: Si α 1 < 1 ntoncs s ruido blanco, y Var (Y t Y t 1 ) = σt 2. Si 3α1 2 < 1 ntoncs: 1 Sus cuadrados admitn la rprsntación AR(1) Yt 2 = α 0 + α 1 Yt a t, dond l ruido blanco {a t } no s indpndint. 2 Las colas d su distribución son más psadas qu las d Z t. A partir d stas propidads, obsrvamos qu l ARCH(1) captura caractrísticas prsnts n cirtas sris financiras (ruido blanco dpndint, colas psadas y rachas d valors altos (bajos) a lo largo dl timpo; para obsvar sto último, rcuérds qu σ 2 t = α 0 + α 1 Y 2 t 1 ). Sris d
11 Modlos para la volatilidad Sris d idntificación El procso {Y t } s dic qu s un ARCH(r) si admit una rprsntación dl tipo: dond Y t = σ t Z t sindo σ 2 t = α 0 + α 1 Y 2 t α r Y 2 t r, α 0 > 0 y α 1,..., α r 0 son constants. {Z t } son v.a. i.i.d. sgún una distribución N (0, 1). Z t s indpndint d {Y t k, k 1} para cualquir t. Sris d
12 Modlos para la volatilidad Sris d idntificación El procso ARCH(r) vrifica: Si r i=1 α i < 1 ntoncs s ruido blanco, y Var (Y t Y t 1,..., Y t r ) = σ 2 t. Si 3 ( r i=1 α i) 2 < 1 ntoncs: 1 Sus cuadrados admitn la rprsntación AR(r) Yt 2 = α 0 + α 1 Yt α r Yt r 2 + a t, dond l ruido blanco {a t } no s indpndint. 2 Las colas d su distribución son más psadas qu las d Z t. D manra análoga a lo qu ocurría con los procsos ARCH(1), d las propidads antriors s dduc qu l ARCH(r) captura caractrísticas prsnts n cirtas sris financiras. Sris d
13 Modlos para la volatilidad Sris d idntificación En la práctica, cuando s trabaja con sris rals qu prsntan htrocdasticidad condicional, s ha obsrvado qu l ARCH(r) ncsita un ordn r alto para qu d forma razonabl haya podido gnrar a una d dichas sris. Esto conllva la ncsidad d stimar muchos parámtros. Est problma vin solvntado a través d los s ARCH gnralizados, qu prsntamos a continuación. Sris d
14 Modlos para la volatilidad Sris d idntificación idntificación El procso {Y t } s dic qu s un GARCH(1,1) (Gnralizd ARCH) si admit una rprsntación dl tipo: dond Y t = σ t Z t sindo σ 2 t = α 0 + α 1 Y 2 t 1 + β 1σ 2 t 1, α 0 > 0 y α 1, β 1 0 son constants. {Z t } son v.a. i.i.d. sgún una distribución N (0, 1). Z t s indpndint d {Y t k, k 1} para cualquir t. Sris d
15 Modlos para la volatilidad Sris d idntificación idntificación El procso GARCH(1,1) vrifica: Si α 1 + β 1 < 1 ntoncs s ruido blanco, y Si 3 ( α1 1 β 1 ) 2 < 1 ntoncs: Var (Y t Y t 1, Y t 2,...) = σ 2 t. 1 Sus cuadrados admitn la rprsntación ARMA(1,1) Yt 2 = α 0 + (α 1 + β 1 ) Yt a t β 1 a t 1, dond l ruido blanco {a t } no s indpndint. 2 Las colas d su distribución son más psadas qu las d Z t. D manra análoga a lo qu ocurría con los procsos ARCH, d las propidads antriors s dduc qu l GARCH(1,1) captura caractrísticas prsnts n cirtas sris financiras. Sris d
16 Modlos para la volatilidad Sris d idntificación idntificación Rprsntación ARCH( ) d un GARCH(1,1) A partir d la xprsión d la volatilidad dl GARCH(1,1): σ 2 t = α 0 + α 1 Y 2 t 1 + β 1σ 2 t 1, pud obtnrs qu, si α 1 + β 1 < 1 y α 1, β 1 > 0, ntoncs σ 2 t = α 0 1 β 1 + α 1 i=0 βi 1 Y 2 t i 1. Es dcir, l GARCH(1,1) pud intrprtars como una ARCH d ordn infinito. Ést s l motivo por l qu l GARCH(1,1) (qu únicamnt contin 3 parámtros) s capaz d modlizar sris qu, si fusn modlizadas por un ARCH(r), ncsitarían qu r fus alto. Sris d
17 Modlos para la volatilidad Sris d idntificación idntificación El procso {Y t } s dic qu s un GARCH(r,s) si admit una rprsntación dl tipo: Y t = σ t Z t sindo σ 2 t = α 0 + r i=1 α iy 2 t i + s j=1 β jσ 2 t j, dond α 0 > 0 y α i, β j 0 (i = 1,..., r; j = 1,..., s) son constants. {Z t } son v.a. i.i.d. sgún una distribución N (0, 1). Z t s indpndint d {Y t k, k 1} para cualquir t. Nota: La notación qu utiliza l R n lo qu a los órdns dl GARCH(r,s) s rfir s distinta a la qu usualmnt aparc n los txtos (qu s la qu nosotros utilizamos): lo qu para nosotros s un GARCH(r,s) para l R s un GARCH(s,r). Sris d
18 Modlos para la volatilidad Sris d idntificación idntificación El procso GARCH(r,s) vrifica: Si r i=1 α i + s j=1 β j < 1 ntoncs s ruido blanco, y Var (Y t Y t 1, Y t 2,...) = σt 2. ( r ) i=1 Si 3 α 2 i 1 s j=1 β j < 1 ntoncs: 1 Sus cuadrados admitn la rprsntación ARMA Yt 2 = α 0 + max{r,s} i=1 (α i + β i ) Yt i 2 + a t s j=1 β jσt j 2, dond l ruido blanco {a t } no s indpndint (hmos dnotado α i = 0 para i > r y β j = 0 para j > s). 2 Las colas d su distribución son más psadas qu las d Z t. D manra análoga a lo qu ocurría con los procsos ARCH, d las propidads antriors s dduc qu l GARCH(r,s) captura caractrísticas prsnts n cirtas sris financiras. Sris d
19 Modlos para la volatilidad Sris d idntificación idntificación La sri d timpo... ha sido gnrada por un procso con htrocdasticidad condicional (GARCH)? El gráfico d la sri frnt al timpo db mostrar stacionaridad, con agrupaminto d valors altos (bajos). Las colas d la distribución dbn sr más psadas qu las d la normal. La fas y la fap d la sri dbn sugrir qu ha sido gnrada por un procso d ruido blanco. La fas y la fap d la sri d los cuadrados dbn sugrir qu dicha sri ha sido gnrada por un procso ARMA. Sris d
20 Modlos para la volatilidad Sris d idntificación Suposicions gnrals: La sri y 1,..., y T ha sido gnrada por un procso GARCH(r,s) Y t = σ t Z t dond σ 2 t = α 0 + r i=1 α iy 2 t i + s j=1 β jσ 2 t j, vrificándos qu: r i=1 α i + s j=1 β j < 1. Los órdns r y s son conocidos. Objtivo: Estimar los parámtros α 0, α 1,..., α r, β 1,..., β s. Método: Máxima vrosimilitud condicionada. Sris d
21 Modlos para la volatilidad Sris d idntificación La aplicación dl método d máxima vrosimilitud xacta rquir l conociminto d la distribución dl procso, qu n gnral dsconocmos. Por st motivo, los stimadors s suln obtnr maximizando la vrosimilitud condicionada. Esto s: ARCH(1): S slccionan los valors d α 0 y α 1 qu maximizan a la función d vrosimilitud condicionada a Y 1 : 1 L (α 0, α 1 Y 1 ) = T ( t=2(2πσt 2 ) xp ) T t=2 Nota: Rcuérds qu σ 2 t = α 0 + α 1 Y 2 t 1. Y 2 t 2σ 2 t Sris d
22 Modlos para la volatilidad Sris d idntificación GARCH(1,1): S slccionan los valors d α 0, α 1 y β 1 qu maximizan a la función d vrosimilitud condicionada a Y 1, considrando σ 2 1 = 0: L ( α 0, α 1, β 1 Y 1, σ1 2 = 0) = 1 T ( t=2(2πσt 2 ) xp ) T t=2 Y 2 t 2σ 2 t Nota: Rcuérds qu σ 2 t = α 0 + α 1 Y 2 t 1 + β 1σ 2 t 1. GARCH(r,s): S gnraliza la xprsión antrior, condicionando ahora a Y 1,..., Y max{r,s} y considrando σ 2 1 = = σ2 s = 0. Sris d
23 Modlos para la volatilidad Sris d idntificación Bajo cirtas condicions, s tin qu los stimadors propustos son asintóticamnt normals. Nota: En algunos txtos, la suposición d gaussianidad dl procso {Z t } qu intrvin n la dfinición dl procso GARCH (rcuérds qu Y t = σ t Z t ) no s impusta, dando lugar a una dfinición más flxibl. Si adoptamos sta nuva dfinición, s sigu mantnindo la normalidad asintótica d los stimadors basados n la vrosimilitud gaussiana condicionada. Sris d
24 Modlos para la volatilidad Sris d idntificación Una vz qu un GARCH ha sido stimado, la tapa d diagnosis o chquo d las hipótsis básicas ralizadas sobr él s raliza d modo análogo a lo hcho n los s Box-Jnkins y FARIMA. En l caso d los GARCH, las hipótsis s imponn sobr Z t (= Y t /σ t ), por lo qu los rsiduos a analizar pasan a sr Ẑ t = Y t / σ t, dond σ 2 t s la varianza condicional o volatilidad ajustada n l instant t. S trata ntoncs d contrastar qu {Ẑt } son i.i.d. con mdia 0 y varianza 1 (a la vista d la dfinición más flxibl nombrada n la antrior transparncia, la normalidad no s strictamnt ncsaria; sin mbargo, l comportaminto d los stimadors s mjor si s vrifica). Sris d
25 Modlos para la volatilidad Sris d idntificación Los órdns r y s dl GARCH s slccionan a través d alguno d los critrios AIC, AICc o BIC ya utilizados n la slcción d s Box-Jnkins, con las prtinnts modificacions provocadas por l método d stimación utilizado. Concrtamnt, db tnrs prsnt qu: El númro d obsrvacions utilizadas n la stimación s T max{r, s} (sta cantidad intrvin n la construcción d las funcions AICc y BIC). En la xprsión d las funcions AIC, AICc y BIC, la función d vrosimilitud L db sr sustituida por la función d vrosimilitud condicionada. Sris d
26 Modlos para la volatilidad Sris d idntificación Suposicions gnrals: S dispon d una sri d timpo y 1,..., y T gnrada por un procso stocástico {Y t } t. Suposicions particulars: {Y t } t tin una structura GARCH con parámtros conocidos. Objtivo: Prdcir, a partir d la sri obsrvada y 1,..., y T (y basándos n la structura GARCH), l valor d la volatilidad dl procso dntro d k príodos d timpo; sto s, prdcir l valor d σ 2 T +k. Notación: Dicha prdicción (con orign n T y horizont k) srá dnotada por σ 2 T (k). Sris d
27 Modlos para la volatilidad Sris d idntificación Procso ARCH(1): con orign n T y horizont 1 Las prdiccions (a cualquir horizont) s basan n la xprsión d la volatilidad: σ 2 t = α 0 + α 1 Y 2 t 1. Para prdcir con orign n T y horizont k = 1 utilizamos: σ 2 T +1 = α 0 + α 1 Y 2 T. Pusto qu conocmos l valor tomado por Y T (y T ), la prdicción buscada s: σ 2 T (1) = α 0 + α 1 y 2 T. Sris d
28 Modlos para la volatilidad Sris d idntificación Procso ARCH(1): con orign n T y horizont 2 Particularizando la xprsión gnral d la volatilidad al instant T+2, tnmos qu: σ 2 T +2 = α 0 + α 1 Y 2 T +1. En bas a sta xprsión, y prdicindo YT 2 +1 a través d su spranza condicional (sto s, a través d la varianza condicional d Y T +1 : σ T 2 (1)), s obtin: σ 2 T (2) = α 0 + α 1 σ 2 T (1). Est procdiminto rcursivo nos prmit obtnr prdiccions a cualquir horizont k, y s fácilmnt gnralizabl a procsos ARCH(r). Sris d
29 Modlos para la volatilidad Sris d idntificación Procso GARCH(1,1): con orign n T y horizont 1 Las prdiccions (a cualquir horizont) s basan n la xprsión d la volatilidad: σ 2 t = α 0 + α 1 Y 2 t 1 + β 1σ 2 t 1. Para prdcir con orign n T y horizont k = 1 utilizamos: σ 2 T +1 = α 0 + α 1 Y 2 T + β 1σ 2 T. Pusto qu conocmos los valors tomados por Y T y σ 2 T, la prdicción buscada s: σ 2 T (1) = α 0 + α 1 y 2 T + β 1σ 2 T. Sris d
30 Modlos para la volatilidad Sris d idntificación Procso GARCH(1,1): con orign n T y horizont 2 Particularizando la xprsión gnral d la volatilidad al instant T+2, tnmos qu: σ 2 T +2 = α 0 + α 1 Y 2 T +1 + β 1σ 2 T +1. En bas a sta xprsión, y prdicindo tanto YT 2 +1 como σ2 T +1 a través d σ T 2 (1) (véans las dos transparncias antriors) s obtin: σ 2 T (2) = α 0 + (α 1 + β 1 ) σ 2 T (1). Est procdiminto rcursivo nos prmit obtnr prdiccions a cualquir horizont k, y s fácilmnt gnralizabl a procsos GARCH(r,s). Sris d
31 Modlos para la volatilidad Sris d idntificación Para finalizar, prsntamos un jmplo con n l qu s hac uso d gran part d lo xpusto n st capítulo. La sri qu analizarmos s la sri d rndimintos diarios (n porcntaj) dl IBEX 35, dsd l hasta l (xcpto fins d smana y fstivos); sto s, analizamos la sri: y t = 100 (ln (x t ) ln (x t 1 )), dond x t s l valor dl IBEX 35 obsrvado n l instant t. Sris d
32 Modlos para la volatilidad Sris d 1: Idntificación d la prsncia d htrocdasticidad condicional Rndimintos dl IBEX 35 Rndimintos dl IBEX 35 idntificación Sris d
33 Modlos para la volatilidad Sris d idntificación Rndimintos IBEX 35 Rndimintos al cuadrado Sris d
34 Modlos para la volatilidad Sris d idntificación S ha chquado la idonidad d un procso d ruido blanco como gnrador d la sri d rndimintos, y ha rsultado adcuado (ruido blanco no gaussiano). S ha idntificado al mjor (BIC) procso ARMA qu haya podido gnrar a la sri: ha rsultado sr un ARMA(0,0) sin constant; sto s, ruido blanco. Sris d
35 Modlos para la volatilidad Sris d idntificación 2: Idntificación (BIC) dl GARCH S ha utilizado l critrio BIC para slccionar los órdns r y s dl GARCH qu sugrirmos como gnrador d la sri. Dichos valors s han slccionado dntro dl rango {0,..., 4}. El con mnor BIC ha rsultado sr un GARCH(3,0) (r=3, s=0); sto s, un ARCH(3), l cual admit la rprsntación dond Y t = σ t Z t, σ 2 t = α 0 + α 1 Y 2 t 1 + α 2Y 2 t 2 + α 3Y 2 t 3. Sris d
36 Modlos para la volatilidad Sris d idntificación 3: dl GARCH idntificado Las stimacions d sus parámtros a través dl método d máxima vrosimilitud condicionada han rsultado: α 0 = ( ), α 1 = ( ), α 2 = ( ) y α 3 = ( ). Sris d
37 Modlos para la volatilidad Sris d 4: dl ARCH(3) idntificación Rsiduos Rsiduos Sris d
38 Modlos para la volatilidad Sris d idntificación Rsiduos H 0 : µ Z = 0 p valor = H 0 : Normalidad Jarqu-Bra: p valor = Shapiro-Wilk: p valor = H 0 : σ 2 Z = 1 p valor = Rsiduos al cuadrado Sris d
39 Modlos para la volatilidad Sris d idntificación Como conclusión dl studio ralizado, tnmos qu un ARCH(3) rsulta adcuado como gnrador d la sri d rndimintos dl IBEX 35. En un principio, podmos considrar qu {Z t } son gaussianas, si bin s vrdad qu los contrasts d normalidad los pasan d manra muy justa. A continuación, mostramos varios gráficos n los qu comparamos l comportaminto d la sri d rndimintos dl IBEX 35 con l d la sri d los rsiduos dl ARCH(3) ajustado. Sris d
40 Modlos para la volatilidad Sris d Rndimintos dl IBEX 35 v.s. Rsiduos dl ARCH(3) idntificación Rndimintos dl IBEX 35 Rsiduos dl ARCH(3) Sris d
41 Modlos para la volatilidad Sris d idntificación Rndimintos dl IBEX 35 Rsiduos dl ARCH(3) Sris d
42 Modlos para la volatilidad Sris d idntificación Cuadrado d los rndimintos dl IBEX 35 Cuadrado d los rsiduos dl ARCH(3) Sris d
43 Modlos para la volatilidad Sris d idntificación La volatilidad (varianza condicional) ajustada sigu la cuación: σ 2 t = Y 2 t Y 2 t Y 2 t 3. A continuación, hacindo uso d sta cuación, comparamos los rndimintos dl IBEX 35 con su dsviación típica condicional ajustada. Admás, prdcimos dicha dsviación típica a un horizont k = 1. Sris d
44 Modlos para la volatilidad Sris d Rndimintos y σ t σ t y σ T (1) idntificación Sris d
45 Modlos para la volatilidad Sris d idntificación A lo largo d st tma: S ha construido la clas d s GARCH (para modlizar la volatilidad). S han propusto algunos métodos para dtctar la prsncia d htrocdasticidad condicional. S han propusto stimadors para los parámtros dl GARCH y s han mostrado algunas d sus propidads asintóticas. S han construido prdictors para valors futuros d la volatilidad. Sris d
46 Modlos para la volatilidad Sris d idntificación Por último, s convnint indicar qu n ocasions la sri d rndimintos (u otro tipo d sris, spcialmnt d datos financiros) a analizar no srá ruido blanco, sino qu prsntará structura d dpndncia linal (ARMA). En stos casos (sris financiras), rsulta frcunt qu l ruido blanco dl ARMA prsnt htrocdasticidad condicional. Si s así, podmos modlizar dicho ruido blanco (los rsiduos dl ARMA) a través d un GARCH. En conjunto, habrmos ajustado un ARMA (para la spranza condicional) y un GARCH (para la varianza condicional). Sris d
Part IV. Modelos de memoria larga. Series de Tiempo. Germán Aneiros Pérez. Introducción. Procesos FARIMA: Construcción e. Estimación.
Sris d idntificación Part IV Modlos d mmoria larga Sris d Modlos d mmoria larga Sris d idntificación Comnzamos rcordando la notación y suposicions gnrals: x 1, x 2,..., x T : sri d timpo obsrvada. {X t
Más detallesModelos Box-Jenkins. El paseo aleatorio X t = c + X t 1 + a t no es estacionario. Sin embargo, el proceso diferenciado regularmente
Modlos Box-Jnkins Sris d Timpo Grmán Aniros Pérz stacionals: Slcción dl El paso alatorio X t = c + X t 1 + a t no s stacionario. Sin mbargo, l procso difrnciado rgularmnt s stacionario. X t X t 1 = c +
Más detallesSolución a la práctica 6 con Eviews
Solución a la práctica 6 con Eviws El siguint modlo d rgrsión rlaciona la nota mdia qu obtinn los alumnos n matmáticas (nota) n un cntro, con l númro d profsors disponibls n l cntro (profsors), l porcntaj
Más detallesMétodos específicos de generación de diversas distribuciones continuas
Tma 4 Métodos spcíficos d gnración d divrsas distribucions continuas 4.1. Distribución uniform Si X U(a, b), su función d distribución vin dada por: 0 x < a F (x) = a x < b x a b a 1 x b Aplicando l método
Más detallesCapítulo V CONDICIONES DE FRONTERA Y MODELAMIENTO NUMÉRICO EN ECUACIONES DIFERENCIALES
Marclo Romo Proaño Escula Politécnica dl Ejército - Ecuador Capítulo V CONDICIONES DE FRONTERA Y MODELAMIENTO NUMÉRICO EN ECUACIONES DIFERENCIALES 5. CONDICIONES DE FRONTERA: Dbido a qu muchos problmas
Más detallesTEMA 5. Límites y continuidad de funciones Problemas Resueltos
Matmáticas Aplicadas a las Cincias Socials II Solucions d los problmas propustos Tma 7 Cálculo d its TEMA Límits y continuidad d funcions Problmas Rsultos Para la función rprsntada n la figura adjunta,
Más detallesRepresentación esquemática de un sistema con tres fases
6 APLICACIONES 6.1 Sistma con varias fass Una vz consguido l modlo para simular una mmbrana, s planta su uso para simular procsos con más d una. Uno d stos procsos podría sr un sistma con varias fass.
Más detallesRADIACTIVIDAD. Hoy, sabemos que los tipos de desintegración de los núcleos son :
RDICTIVIDD El Carbono 4, 4 C, s un misor β - con un priodo d smidsintgración d 576 años. S pid: a) Dscribir todas las formas d dsintgración radiactiva d los núclos xplicando los cambios n los mismos y
Más detallesI, al tener una ecuación. diferencial de segundo orden de la forma (1)
.6. Rducción d ordn d una cuación difrncial linal d ordn dos a una d primr ordn, construcción d una sgunda solución a partir d otra a conocida 9.6. Rducción d ordn d una cuación difrncial linal d ordn
Más detallestiene por límite L cuando la variable independiente x tiende a x
UNIDAD (Continuación).- Funcions rals. Límits y continuidad 9. LÍMITES. LÍMITES LATERALES Rcordamos dl año antrior qu una función y f () tin por it L cuando la variabl indpndint tind a, y s notaba por
Más detallesPROCESOS ALEATORIOS DE POISSON
PP Dinición d Procso Puntual PROCESOS ALEAORIOS DE POISSON PP I a. óms un instant cualquira como orign d la variabl timpo. Lláms t 0 a dicho instant. Supóngas qu los instants t, t,, postriors a t 0, caractricn
Más detallesLÍMITE DE FUNCIONES. lim. lim. lim. LÍMITE DE UNA FUNCIÓN CUANDO x + LÍMITE FINITO. DEFINICIÓN
LÍMITE DE FUNCIONES LÍMITE DE UNA FUNCIÓN CUANDO LÍMITE FINITO. DEFINICIÓN Cuando la función pud comportars d divrsas manras: f l Al aumntar los valors d, los valors d f s aproiman a un cirto númro l.
Más detallesTEMA 10: DERIVADAS. f = = x
TEMA 0:. DERIVADA DE UNA FUNCIÓN EN UN PUNTO La siguint gráfica rprsnta la tmpratura n l intrior d la Tirra n función d la profundidad. Vmos qu la gráfica s simpr crcint, s dcir, a mdida qu aumnta la profundidad
Más detallesINTEGRACIÓN POR PARTES
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERA DEPARTAMENTO DE MATEMÁTICA Y ESTADISTICA INTEGRACION INTEGRACIÓN Algunas intgrals qu s nos prsntan nos rsultan un poco compljas, ya por lo
Más detallesPROBLEMAS DE LÍMITES DE FUNCIONES (Por métodos algebraicos) Observación: Algunos de estos problemas provienen de las pruebas de Selectividad.
Funcions Límits y continuidad PROBLEMAS DE LÍMITES DE FUNCIONES Por métodos algbraicos Obsrvación: Algunos d stos problmas provinn d las prubas d Slctividad Si ist l it d una función f cuando a, y si f
Más detallesAlgoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar
Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar M. n C. Víctor Manul Silva García, M. n C. Eduardo Vga
Más detallesLímites finitos cuando x: ˆ
. Límits latrals its al infinito 7 FIGURA.3 3 3 La gráfica d = >. (b) La cuación () no s aplica a la fracción original. Ncsitamos un n l dnominador, no un 5. Para obtnrlo multiplicamos por >5 l numrador
Más detallesI. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN PARCIAL. PRIMERA EVALUACIÓN. ANÁLISIS
Eamn Parcial. Análisis. Matmáticas II. Curso 010-011 I. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN PARCIAL. PRIMERA EVALUACIÓN. ANÁLISIS Curso 010-011 19-XI-010 MATERIA: MATEMÁTICAS II INSTRUCCIONES
Más detalles2. En el punto x = 0, f ( x) a) Un mínimo local. b) Un máximo local. c) Ninguna de las anteriores. Solución:
Análisis Matmático (Matmáticas Emprsarials II) PROBLEMAS DE FUNCIONES DE UNA VARIABLE. Pguntas d tipo tst. (J). La función f ( ) ln: a) Tin puntos stacionarios (o críticos, s dcir, puntos cuya primra drivada
Más detallesModelos Matemáticos para la optimización y reposición de maquinarias: Caso la Empresa Eléctrica de Milagro
Modlos Matmáticos para la optimización y rposición d maquinarias: Caso la Emprsa Eléctrica d Milagro Edwin Lón Plúas, Csar Gurrro Loor 2 Ingniro n Estadística Informática, 2003 2 Dirctor d Tsis, Matmático,
Más detallesIII. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS
III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS.. FUNCIÓN EXPONENCIAL n Hmos stado manjando n st trabajo prsions dl tipo n dond s una variabl llamada bas n una constant llamada ponnt, si intrcambiamos d lugar
Más detallesa) f (x) = 1+Mg (x) <1 2-1<1+mg (x)<1-2<mg (x)<0 <M<0 como como para que f sea Lipschitziana de [0,1] [0,1] con constante de
Hoja d Problmas Álgbra VII 55. Supongamos qu la función g stá dfinida y s drivabl n [0,]. Supongamos qu g(0)
Más detalles7 L ímites de funciones. Continuidad
7 L ímits d funcions. Continuidad Página 05 f () = + Pinsa y ncuntra límits a) + ; + ; + + ; ; ; ; 9 0; 0; 0 ) 0; 0; 0 f ) + ; + ; 0 g) + ; + h) ; f () = a) 0 0, Página 0 a) a) f () = ; f () = ; f () =
Más detallesLa función gamma. en la disciplina Matemática para las carreras de ingeniería
La función gamma n la disciplina Matmática para las carrras d ingniría Antonio Mazón Ávila INTRODUCCIÓN Por todos s conocido qu la formación Matmática s bas part sncial n la formación dl ingniro, d sto
Más detalles+ ( + ) ( ) + ( + ) ( ) ( )
latrals n. iguals. f. La función CONTINUIDAD f () Es continua n l punto?. Calcular los límits ³ ² 5 Para qu la función sa continua n s db cumplir: f f Calculamos por sparado cada mimbro d la igualdad f
Más detallesCOMPUTACIÓN. Práctica nº 2
Matmáticas Computación COMPUTACIÓN Práctica nº NÚMEROS REALES Eistn algunos númros irracionals prdfinidos n Maima como son l númro π l númro qu s corrspondn con los símbolos %pi % rspctivamnt. Otros númros
Más detallesSolución: Para que sea continua deben coincidir los límites laterales con su valor de definición en dicho punto x = 2. b 1 + b
Matmáticas Emprsarials I PREGUNTAS DE TIPO TEST DERIVADAS Y APLICACIONES Drivabilidad ( ) b si S09. La función f ( ) s continua y drivabl n = : a( ) si a) Si a = y b = b) Si a = y b = 5 c) Nunca pud sr
Más detallesPRIMERA PRÁCTICA SONIDO
PRIMERA PRÁCTICA SONIDO 1. Objtivo gnral: El objtivo d sta práctica s qu l alumno s familiaric con los concptos d amplitud y frcuncia y los llgu a dominar, así como l fcto qu tin la variación d stos parámtros
Más detallesANÁLISIS DEL AMPLIFICADOR EN EMISOR COMÚN
ANÁLISIS DL AMPLIFIADO N MISO OMÚN Jsús Pizarro Pláz. INTODUIÓN... 2. ANÁLISIS N ONTINUA... 2 3. TA D AGA N ALTNA... 3 4. IUITO QUIALNT D ALTNA... 4 5. FUNIONAMINTO... 7 NOTAS... 8. INTODUIÓN l amplificador
Más detallesDefinición de derivada
Dfinición d drivada. Halla, utilizando la dfinición, la drivada d la función f ( ) n l punto =. Compruba aplicando las rglas d drivación qu tu rsultado s corrcto. f ( ) f () La drivada pdida val: f ()
Más detallesCapitulo IV. IV.2 Generación de trayectorias. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica
Capitulo IV IV. Gnración d trayctorias Capítulo IV Síntsis dimnsional d mcanismos IV. Síntsis dimnsional d mcanismos. Gnración n d funcions. IV. Gnración n d trayctorias.. Introducción n a la síntsis d
Más detallesUNED Tudela Psicometría. Tema 4 Esquema tema 4
Esquma tma 4 1.- Orintacions didácticas: Tmas antriors: construcción dl tst Tmas 4 al 8: Evaluación d la calidad d la pruba piloto basándos n las rspustas d los sutos: Fiabilidad, validz y calidad d los
Más detallesTEOREMAS DEL VALOR MEDIO., entonces existe algún punto c (a, b) tal que f ( c)
TEOREMAS DEL VALOR MEDIO Torma d Roll Si f () s continua n [a, b] y drivabl n (a, b), y si f (, ntoncs ist algún punto c (a, b) tal qu Intrprtación gométrica: ist un punto al mnos d s intrvalo, n l qu
Más detallesCAPITULO 5. ECUACIONES DIFERENCIALES DE ORDEN N 2. 5.1. Introducción. 5.2. Reducción de orden
APITULO 5. EUAIONES DIFERENIALES DE ORDEN N 5.. Introducción Una cuación difrncial d sgundo ordn s una prsión matmática n la qu s rlaciona una función con sus drivadas primra sgunda. Es dcir, una prsión
Más detalles2x 1. (x+ 1) e + 1 2x. 3.- Derivabilidad de una función. 6x 5, si2 x 4
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II FICHA TEMA 7.- FUNCIONES. DERIVADAS Y APLICACIONES (PROFESOR: RAFAEL NÚÑEZ) -----------------------------------------------------------------------------------------------------------------------------------------------------------------.-
Más detallesSEPTIEMBRE Opción A
Slctividad Sptimbr (Pruba Espcífica) SEPTIEMBRE Opción A ( + ).- Dada la función f () s pid dtrminar: a) El dominio, los puntos d cort con los js y las asíntotas. b) Los intrvalos d crciminto y dcrciminto,
Más detallesEJERCICIOS RESUELTOS DE FUNCIONES REALES DE VARIABLE REAL
EJERCICIOS RESUELTOS DE FUNCIONES REALES DE VARIABLE REAL. Calcular los dominios d dfinición d las siguints funcions: a) f( ) 6 b) f( ) c) f( ) ln d) f( ) arctg 3 4 ) f( ) f) f( ) 5 g) f( ) sn 9 h) 4 4
Más detallesAplicaciones de las Derivadas
www.slctividad-cgranada.com Tma : Aplicacions d las Drivadas..- Crciminto y dcrciminto d una función Sa f una función dfinida n l intrvalo I. Si la función f s drivabl sobr l intrvalo I, s vrifica: f s
Más detallesCuánto tarda una pelota en dejar de botar?
Cuánto tarda una plota n djar d botar? Dr. Guillrmo Bcrra Córdoa Unirsidad Autónoma Chapino Dpto. d Prparatoria Arícola Ára d Física Profsor-Instiador 59595500 xt. 59 E-mail: llrmbcrra@yahoo.com Km. 8.5
Más detallesTema 2 La oferta, la demanda y el mercado
Ejrcicios rsultos d ntroducción a la Toría Económica Carmn olors Álvarz Alblo Migul Bcrra omínguz Rosa María Cácrs Alvarado María dl Pilar Osorno dl Rosal Olga María Rodríguz Rodríguz Tma 2 La ofrta, la
Más detallesTEMA 1: Los números reales. Tema 1: Los números reales 1
TEMA 1: Los númros rals Tma 1: Los númros rals 1 ESQUEMA DE LA UNIDAD 1.- Númros naturals y ntros. 2.- Númros racionals. 3.- Númros irracionals. 4.- Númros rals. 5.- Jrarquía n las opracions combinadas.
Más detallesMATERIA: Matemáticas VI, AREA III y IV CICLO ESCOLAR PROFESOR Víctor Manuel Armendáriz González
Ciudad d Méico Fundadora y Dirctora Gnral: Profra. Alina Mirya Sánchz Martínz MATERIA: Matmáticas VI, AREA III y IV CICLO ESCOLAR 014-015 PROFESOR Víctor Manul Armndáriz Gonzálz Progrsions Rsulv los siguints
Más detallesRutas críticas para la elaboración del trabajo de titulación en las diferentes modalidades. Planes de estudio 2012
Rutas críticas trabajo d titulación n las difrnts modalidads. Ruta Crítica d la Modalidad: Inform d Prácticas Profsionals smana y mdia smana y mdia 2 Smanas Analizar con dtall los documntos normativos
Más detalles. La tasa de variación media es la pendiente del segmento AB, siendo A(a, f(a) ) y B(b, f(b) ) dos puntos de la gráfica de la función:
º BACHILLERATO D MATEMÁTICAS CC SS TEMA 4.- FUNCIONES. DERIVACIÓN.- CONCEPTO DE DERIVADA Tasa d variación mdia S llama tasa d variación mdia d una función f n l intrvalo [a, b] al cocint. La tasa d variación
Más detalles6toMat A -FICHA Nº4- DEF. y CÁLCULO DE LÍMITES Síntesis Teórico-Práctica Prof. Sergio Weinberger-
6toMat A -FICHA Nº4- DEF. y CÁLCULO DE LÍMITES Síntsis Tórico-Práctica. 007 Prof. Srgio Winbrgr- DEFINICIÓN DE LÍMITE FINITO: a f () α E( α, ε) E *(a, δ) / E *(a, δ) f () E( α, ε) y Es dcir qu,dado un
Más detallesEJERCICIOS RESUELTOS TEMA 1: PARTE 3
Ejrcicios rsultos Tma part III): Límits d uncions º BCN EJERCICIOS RESUELTOS TEMA : PARTE 3 LÍMITES DE FUNCIONES. CONTINUIDAD Ejrcicios rsultos Tma part III): Límits d uncions º BCN ) Dada la guint unción:
Más detallesProceso de análisis de regresión múltiple
Procso d análisis d rgrsión múltipl Rcolcción d datos Chquo d la calidad d los datos Diagnóstico d rlacions o intraccions furts ntr las variabls Xs Aplicación d mdidas rmdials Si S rquirn mdidas rmdials?
Más detallesProf: Zulay Franco Puerto Ordaz, noviembre
56 Monostabls y Astabls 3.1 Introducción 3.2 Monostabl Es un circuito lctrónico qu dispon d una sñal d ntrada, gnralmnt dnominada disparo, al activars sta ntrada n la salida dl circuito (Q s obtin un pulso
Más detallesPROBLEMAS RESUELTOS DE RECTAS TANGENTES Y NORMALES
PROBLEMAS RESUELTOS DE RECTAS TANGENTES Y NORMALES ) (Part d un problma d Slctividad d Cincias y Tcnología 007) Sa f: R R la función dfinida por f() =. Dtrmina la cuación d la rcta tangnt a la gráfica
Más detallesTEMA 1: Los números reales. Tema 1: Los números reales 1
TEMA 1: Los númros rals Tma 1: Los númros rals 1 ESQUEMA DE LA UNIDAD 1.- Númros naturals y ntros. 2.- Númros racionals. 3.- Númros irracionals. 4.- Númros rals. 5.- Jrarquía n las opracions combinadas.
Más detallesTAMAÑO DE LA MUESTRA
Rv. Epidm. Md. Prv. (003), : 8-4 TAMAÑO DE LA MUESTRA Enric Matu, Jordi Casal CRSA. Cntr d Rcrca n Sanitat Animal / Dp. Sanitat i Anatomia Animals, Univrsitat Autònoma d Barclona, 0893-Bllatrra, Barclona
Más detallesTEMA 11. La integral definida Problemas Resueltos
Matmáticas II (Bachillrato d Cincias) Solucions d los problmas propustos Tma 9 Intgrals dfinidas TEMA La intgral dfinida Problmas Rsultos Halla l valor d: 7 a) ( + ) d b) 5 + d c) + d d) Para hallar una
Más detalles1. LÍMITE DE UNA FUNCIÓN REAL
ACTIVIDAD ACADEMICA: CÁLCULO DIFERENCIAL DOCENTE: LIC- ING: ROSMIRO FUENTES ROCHA UNIDAD Nº : LÍMITES Y CONTINUIDAD DE FUNCIONES REALES Comptncias Utilizar técnicas d aproimación n procsos numéricos infinitos
Más detallesIntegral indefinida. 1. Primitiva de una función. 1.1 Propiedades de la integral indefinida
ntgral indfinida achillrato ntgral indfinida. Primitiva d una función Dfinición: Sa f() una función dfinida n l intrvalo (a,b), llamarmos primitiva d la función f() a toda función ral d variabl ral, F(),
Más detalles= 6 ; -s -4 s = 6 ; s= - 1,2 m. La imagen es real, invertida respecto del objeto y de mayor tamaño.
F F a) La lnt s convrgnt l objto stá situado ants dl foco objto: β = = = 4 ; = 4 s ; s + = 6 ; -s -4 s = 6 ; s= -, m s, 4,8 ; ; = = = s f 4,8. f, 4,8 f f =0,96 m. La imagn s ral, invrtida rspcto dl objto
Más detallesEnergía. Reactivos. Productos. Coordenada de reacción
CINÉTICA QUÍMICA 1 - Razon: a) Si pud dducirs, a partir d las figuras corrspondints, si las raccions rprsntadas n (I) y (II) son d igual vlocidad y si, prvisiblmnt, srán spontánas. b) En la figura (III)
Más detallesTabla de contenido. Página
Tabla d contnido Página Ecuacions d ordn suprior Ecuacions homogénas d sgundo ordn con coficints constants Caso. Raícs rals distintas 6 Caso. Raícs compljas conjugadas 6 Caso. Raícs rals iguals 7 Rsumn
Más detallesIntegral indefinida. 1. Primitiva de una función. 1.1 Propiedades de la integral indefinida
º achillrato ntgral indfinida. Primitiva d una función Dfinición: Sa f() una función dfinida n l intrvalo (a,b), llamarmos primitiva d la función f() a toda función ral d variabl ral, F(), tal qu: Hallar
Más detallesCONDICIONES DE FUNCIONAMIENTO DEL TRANSFORMADOR
ELT 73. CONDICIONES DE FUNCIONAMIENTO DEL TRANSFORMADOR /7 CONDICIONES DE FUNCIONAMIENTO DEL TRANSFORMADOR. PRINCIPIO DE FUNCIONAMIENTO El funcionaminto dl transformador s basa n l principio d intracción
Más detallesEspacios vectoriales euclídeos.
Univrsidad d Jaén Dpartamnto d Matmáticas (Ara d Álgbra) Curso 4/5 PRÁCTICA Nº 6 Espacios vctorials uclídos. En sta práctica vamos a vr cómo introducir un producto scalar y trabajar con él n Mathmatica
Más detallesEL FILTRO DE KALMAN. Introducción. Qué es el Filtro de Kalman
L FILRO D LMN Introducción n l siguint documnto s xplicará un método para stimar los stados d un sistma stocástico. l método fu dscrito por Rudolf. alman n 1958. n un sistma dtrminístico trabajaríamos
Más detalleslm í d x = lm í ln x + x 1 H = lm í x + e x 2
Autovaluación Página 8 Calcula los siguints límits: a) lm í c m b) lm í ccotg m c) lm í sn d) lm í ( ) / 8 ln 8 8 ln ( cos ) 8 a) lm í 8 c ln ln H ( / ) lm í ( )ln 8 ln m lm í 8 H lm í / 8 b) lm í 8 dcotg
Más detallesCARACTERÍSTICAS EXTERNAS y REGULACIÓN de TRANSFORMADORES
CARACTERÍSTCAS EXTERNAS y REGLACÓN d TRANSFORMADORES Norbrto A. Lmozy 1 CARACTERÍSTCAS EXTERNAS S dnomina variabl ntr a una magnitud qu stá dtrminada ntr dos puntos, tal como una difrncia d potncial o
Más detalles4 ANALISIS DIMENSIONAL Y SIMILITUD FISICA
4 ANALISIS IENSIONAL Y SIILITU ISICA www.rivra-001.com Contnido 4.1. Introducción 4.. Qué s un parámtro adimnsional? 4.3. Naturalza adimnsional dl flujo fluido 4.4. El torma d Pi d Buckingham 4.5. Cómo
Más detallesInterfaz para el análisis del comportamiento de los controladores industriales
Intrfaz para l análisis dl comportaminto d los controladors industrials Rachid Arf ghraizi, David arina, Csar d Parda oraga Dpto. d Ingniría d Sistmas y Automática, ISA Univrsidad d valladolid, Call Ral
Más detallesProf: Zulay Franco Puerto Ordaz, noviembre
56 Monostabls y Astabls 3.1 Introducción 3.2 Monostabl Es un circuito lctrónico capaz d gnrar un pulso lógico n alto o n bajo a través d su salida (Q. El timpo d duración dl pulso w, stá dtrminado por
Más detallesFunciones de Variable Compleja
Funcions d Variabl Complja Modlos d Sistmas II Smstr 2008 Ing. Gabrila Ortiz L 1 Función Concpto Matmático Considrando los conjuntos X Y una función comprnd una rlación o rgla qu asocia a cada lmnto x
Más detallesPARTE I Parte I Parte II Nota clase Nota Final
Ejrcicio 1 2 3 Part I Puntos PARTE I Part I Part II Nota clas Nota Final Univrsidad Carlos III d Madrid Dpartamnto d Economía Eamn Final d Matmáticas I 14 d Enro d 2009 APELLIDOS: NOMBRE: DNI: Titulación:
Más detallesUTILIZACIÓN DE LA CALCULADORA GRÁFICA EN EL AULA COMO APOYO PARA LA COMPRENSIÓN DE LA PRIMITIVA, LAS INTEGRALES DEFINIDAS E INDEFINIDAS DE UNA FUNCIÓN
UTILIZACIÓN DE LA CALCULADORA GRÁFICA EN EL AULA COMO APOYO PARA LA COMPRENSIÓN DE LA PRIMITIVA, LAS INTEGRALES DEFINIDAS E INDEFINIDAS DE UNA FUNCIÓN. Abl Martín. Dpto. Matmáticas IES La Ería d Ovido.
Más detallesFUNCIONES DE DOS VARIABLES DOMINIOS, DERIVADAS PARCIALES Y DIRECCIONALES. Preguntas de dominios y curvas de nivel
FUNCIONES DE DOS VARIABLES DOMINIOS, DERIVADAS PARCIALES Y DIRECCIONALES Prguntas d dominios curvas d nivl Dtrmina l dominio d las uncions: a) (, ) b) (, sin + + En cada caso indica dos puntos qu no san
Más detallesIntegrales indefinidas. 2Bach.
Intgrals indfinidas. Bach..- FUNCIÓN PRIMITIVA. INTEGRAL INDEFINIDA. La intgración s la opración invrsa d la drivación. Dada una función f(), dirmos qu F() s una primitiva suya si F ()f(). Nota: La primitiva
Más detallesDpto. de Ingeniería Eléctrica Daniel Moríñigo Sotelo. MÁQUINAS ELÉCTRICAS, 3º Ingenieros Industriales Examen Ordinario 14 de Febrero de 2004
MÁQUNAS LÉCTRCAS, º ngniros ndustrials xamn Ordinario 14 d Fbrro d 004 Problma 1. Un motor drivación consum una corrint d 0 A cuando gira a 1000 r.p.m., sindo la tnsión d alimntación d 00 V. La rsistncia
Más detallesCINEMÁTICA (TRAYECTORIA CONOCIDA)
1º Bachillrato: Cinmática (trayctoria conocida CINEMÁTICA (TRAYECTORIA CONOCIDA (Todos los datos y cuacions, n unidads dl S.I. 1. Un objto tin un moviminto uniform d rapidz 4 m/s. En l instant t=0 s ncuntra
Más detallesMatemáticas II TEMA 11 La integral definida Problemas Propuestos y Resueltos
Análisis Intgral dfinida Matmáticas II TEMA La intgral dfinida Problmas Propustos y Rsultos Intgrals dfinidas Halla l valor d: 7 a) ( + ) d b) 5 + d c) + d d) Para hallar una primitiva d cada función hay
Más detallesCAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS
CAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS 14-1 Los tipos d intrés nominals y rals Slid 14.2 Los tipos d intrés xprsados n unidads d la monda nacional s dnominan tipos d intrés nominals. Los
Más detallesElementos de acero Factores de longitud efectiva para el cálculo de la resistencia de elementos sometidos a compresión.
Factors d longitud fctiva para l cálculo d la rsistncia d lmntos somtidos a comprsión. Existn difrncias ntr las rcomndacions dl NTCEM-004 y las rcomndacions ISC 005. El rglamnto ISC 005 stablc qu l valor
Más detallesSOLUCIONES DE LAS ACTIVIDADES Págs. 65 a 83
TEMA. ECUACIONES SOLUCIONES DE LAS ACTIVIDADES Págs. 6 a 8 Página 6. a) mcm (, ) ( ) + ( ) + 7 + / mcm (6, 0) 0 ( + ) ( ) 0 + 8 0 / c) mcm (7, ) 8 ( ) 7 ( + ) 8 (9 ) 8 97 / 9 d) mcm (8, ) 8 6 (0 ) 8 Página
Más detalles1. (RMJ15) a) (1,5 puntos) Discute el siguiente sistema de ecuaciones en función del parámetro a:
EXAMEN DE MATEMÁTICAS II (Eamn Final, Rcupración d Análisis Intgrals) BACHILLERATO EXAMEN FINAL (RMJ5) a) (,5 puntos) Discut l siguint sistma d cuacions n función dl parámtro a: + y + az + ay + z a a +
Más detallesLÍMITES, CONTINUIDAD, ASÍNTOTAS 11.1 LÍMITE DE UNA FUNCIÓN LÍMITE DE UNA FUNCIÓN EN UN PUNTO. Límite de una función en un punto
LÍMITES, CONTINUIDAD, ASÍNTOTAS. LÍMITE DE UNA FUNCIÓN.. LÍMITE DE UNA FUNCIÓN EN UN PUNTO Límit d una función n un punto f ) = l S l: El it cuando tind a c d f) s l c Significa: l s l valor al qu s aproima
Más detallesUna onda es una perturbación que se propaga y transporta energía.
Onda Una onda s una prturbación qu s propaga y transporta nrgía. La onda qu transmit un látigo llva una nrgía qu s dscarga n su punta al golpar. TIPOS DE ONDAS Si las partículas dl mdio n l qu s propaga
Más detallesTERMODINAMICA 1 1 Ley de la Termodinámica aplicada a Volumenes de Control
TERMODINAMICA 1 1 Ly d la Trmodinámica aplicada a Volumns d Control Prof. Carlos G. Villamar Linars Ingniro Mcánico MSc. Matmáticas Aplicada a la Ingniría CONTENIDO PRIMERA LEY DE LA TERMODINAMICA PARA
Más detallesGUIA DE ACTIVIDADES Y TRABAJO PRACTICO Nº 20
GUIA DE TRABAJO PRACTICO º PAGIA º OBJETIVOS: GUIA DE ACTIVIDADES Y TRABAJO PRACTICO º Lograr qu l Alumno: Distinga tipos d cuacions difrncials ordinarias Rsulva Ecuacions difrncials ordinarias Rsulva
Más detallesDinámica macroeconómica con metas de inflación y déficit fiscal.
Dinámica macroconómica con mtas d inflación y déficit fiscal. Waldo Mndoza Bllido Dpartamnto d Economía-PUCP XXVII Encuntro d Economistas BCRP Lima, 13 d novimbr d 2009 Contnido. 1. Antcdnts y objtivos.
Más detallesLECTURA 09: PRUEBA DEHIPÓTESIS (PARTE III) TEMA 18: PRUEBA DE INDEPENDENCIA CHI CUADRADO
Univrsidad Los Ángls d Chimbot LECTURA 9: PRUEBA DEHIPÓTESIS (PARTE III) TEMA 18: PRUEBA DE INDEPENDENCIA CHI CUADRADO 1. INTRODUCCION: La pruba d indpndncia chi cuadrado s un procdiminto d contrastación
Más detallesCálculo de fuerzas y pares de fuerza mediante el principio de los desplazamientos virtuales.
c Rafal R. Boix y Francisco Mdina 1 Cálculo d furzas y pars d furza mdiant l principio d los dsplazamintos virtuals. Considrmos un conjunto d N conductors cargados con cargas Q i (i = 1,...,N). San V i
Más detallesEjercicios para aprender a integrar Propiedades de las integrales:
Julián Morno Mstr www.juliwb.s Ejrcicios para aprndr a intgrar Propidads d las intgrals: af d = a f d f ± g( ) d = f d ± g( ) d b a b f d = f d = [ F( ) ] a = F( b) F( a) a b Rglas d intgración: ad = a
Más detalles105 EJERCICIOS de DERIVABILIDAD 2º BACH.
105 EJERCICIOS d DERIVABILIDAD º BACH. Drivabilidad y continuidad: 1. Dada si 0 f() si < 0 (Soluc: / f'(0)), s pid: a) Estudiar su drivabilidad n 0 b) Rprsntarla.. Ídm con 4 5 si f() 4 si < n (Soluc: f'()).
Más detalles2º BACHILLERATO CINETICA QUÍMICA
VELOCIDAD DE REACCIÓN 1.- Escrib la xprsión d la vlocidad d racción n función d la concntración d cada una d las spcis qu intrvinn n l procso d obtnción d amoniaco. N + 3 H NH 3 d 1 v = [N] = 3 d 1 [H]
Más detallesImplementación de un Regulador PID
Tma 3 Implmntación d un Rgulador PID Gijón - Marzo 22 .4 Accions d Control Clásicas.2 x(t).8.6 x(t) (t) _ P I D 2 3 u(t) Sistma.4.8.6.4.2-5 5 5 2 25 3 (t) -.2 -.4-5 5 5 2 25 3 2.8 - Proporcional ( t) =
Más detallesTEMA 5: INTEGRAL INDEFINIDA
MATEMÁTIAS II TEMA : INTEGRAL INDEFINIDA. Primitiva d una función El objtivo d st tma s l studio dl procso contrario al d drivación. Si drivamos la función partimos d f tnmos y dirmos qu s una primitiva
Más detallesSoluciones a los ejercicios propuestos Unidad 1. El conjunto de los números reales Matemáticas aplicadas a las Ciencias Sociales I
Solucions a los jrcicios propustos Unidad. El conjunto d los númros rals Matmáticas aplicadas a las Cincias Socials I NÚMEROS RACIONALES Y NÚMEROS IRRACIONALES. Dtrmina si los siguints númros son o no
Más detallesTabla de contenido. Página
Tabla d contnido Página Ecuacions actas linals Ecuacions difrncials actas Torma 4 Solución d una cuación difrncial acta Ecuacions linals 1 Solución d una cuación linal 1 Rsumn 19 Bibliografía rcomndada
Más detalles168 Termoquímica y Cinética. Aspectos Teóricos
168 Trmoquímica y Cinética 3..- Cinética química Aspctos Tóricos Como ya s ha indicado antriormnt, la trmodinámica tin como objtivo conocr n qu condicions una racción s pud producir d forma spontána. Sin
Más detallesProf. Jesús Olivar. Resumen de Cálculo II ING. PETRÓLEO
Prof. Jsús Olivar Rsumn d Cálculo II ING. PETRÓLEO.- FUNCIÓN PRIMITIVA. INTEGRAL INDEFINIDA. La intgración s la opración invrsa d la drivación. Dada una función f, dirmos qu F s una primitiva suya si F
Más detallesLímite Idea intuitiva del significado Representación gráfica
LÍÍMIITES DE FUNCIIONES ((rrsumn)) LÍMITE DE UNA FUNCIÓN f() k s : ímit d a función f() cuando tind a k Límit Ida intuitiva d significado Rprsntación gráfica Cuando f() A aumntar, os vaors d f() s van
Más detallesESTUDIO ECONOMÉTRICO DE LA PRODUCCIÓN DE ACERO
ESTUDIO ECONOMÉTRICO DE LA RODUCCIÓN DE ACERO Ana María Islas Corts Instituto olitécnico Nacional, ESIT amislas@ipn.mx Gabril Guillén Bundía Instituto olitécnico Nacional, ESIME-Azcapotzalco gguilln@ipn.mx
Más detallesSOLUCIONARIO. UNIDAD 13: Introducción a las derivadas ACTIVIDADES-PÁG Las soluciones aparecen en la tabla.
UNIA : Introducción a las drivadas ACTIVIAES-PÁG. 0. Las solucions aparcn n la tabla. [0, ] [, 6] a) f () = b) f () = + c) f () = 9 d) f () = 7, 6 8, 67. El valor d los límits s: f ( h) f () a) lím 6 h
Más detallesCONTROL PID DEL ÁNGULO DE CABECEO DE UN HELICÓPTERO
CONROL EL ÁNGULO E CABECEO E UN HELCÓERO F. Morilla SEÑO OR EAAS Canclación d la dinámica subamortiguada impo d asntaminto d la rspusta tmporal Rstriccions n la sñal d control Estructura d control y filtro
Más detallesVARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA
AIAIÓN DE IMPEDANIAS ON A FEUENIA EN IUITOS DE OIENTE ATENA Fundamnto as impdancias d condnsadors bobinas varían con la frcuncia n los circuitos d corrint altrna. onsidrarmos por sparado circuitos simpls.
Más detalles