UN MODELO DE MUESTREO PARA TRATAMIENTO DE PREGUNTAS EVASIVAS CON ALTA SENSIBILIDAD
|
|
- Juan Antonio Miranda Ponce
- hace 7 años
- Vistas:
Transcripción
1 UN MODELO DE MUESTREO PR TRTMIENTO DE PREGUNTS EVSIVS CON LT SENSIBILIDD Vícor H. Soberanis Cruz, Jaime D. Cuevas Domínguez División de Ciencias e Ingeniería, Universidad de Quinana Roo Boulevard Bahía s/n, esquina Ignacio Comonfor, Col. Del Bosque Cheumal Quinana Roo, C.P RESUMEN Ese rabajo presena e ilusra la aplicación de una écnica de muesreo con respuesas aleaorizadas, que permie obener información sobre asunos sensibles o delicados en poblaciones finias como una alernaiva al modelo inicial propueso por Warner. La écnica presenada resula mejor que la del modelo inicial en el senido de que es más precisa (menor variación). Palabras Claves: Muesreo probabilísico, pregunas sensiivas, respuesa aleaorizada. INTRODUCCIÓN Los méodos esadísicos más populares (clásicos), ienen una gran uilidad en diversos campos enre ellos en la medición de las variables físicas uilizadas en Ingeniería, donde se uilizan para enconrar la variabilidad sisemáica del insrumeno de medición y la variabilidad aleaoria propia del insrumeno, apoyados por parones de referencia nacional e inernacional de esos insrumenos. Con esos méodos se puede deerminar el nivel de inceridumbre de la esimación de la precisión y exaciud. Sin embargo, si se raa de variables que se miden con una encuesa, cuya veracidad de la respuesa depende de muchos facores personales del encuesado, se requieren de nuevas consideraciones y méodos para deerminar la inceridumbre. Exisen varios cuerpos de conocimieno cuando se raa del esudio de la medición de las respuesas en las encuesas, uno de ellos dirigido principalmene al ipo de respuesa numérica como la edad, los ingresos y al ipo de respuesa ordinal como la percepción de un servicio, el nivel de confor en un edificio ec. En esos casos se pueden uilizar méodos desarrollados a parir del análisis facorial exploraorio, el análisis facorial confirmaorio y la modelación de las ecuaciones esrucurales (Cuevas e al 2007), considerando en la modelación, un error de medida de las respuesas, que permie consruir indicadores de validez y confiabilidad del insrumeno, y en consecuencia de los resulados de las encuesas. Un segundo nicho de conocimieno en el esudio de la medición de las respuesas en las encuesas, desde el puno de visa esadísico, es el abordaje del problema de evasión de respuesa o la falsedad en pregunas sensiivas o difíciles de conesar para el encuesado, como son: Uso de drogas, preferencias sexuales, honesidad en los exámenes, honesidad en el rabajo, honesidad en comisiones de promociones o esímulos para los profesores ec. Esa dificulad en la respuesa esriba en la posibilidad de la violación del anonimao en el proceso de la encuesa, que pudiera herir la suscepibilidad del encuesado. Una forma de proeger el anonimao del enrevisado, consise en garanizar que el enrevisador no conozca que preguna se esá respondiendo. Warner (1965) desarrolló un modelo, conocido acualmene como modelo W, cuya caracerísica principal es la écnica llamada Respuesas leaorizadas (RR), la cual preende garanizar el anonimao del enrevisado mediane un mecanismo aleaorio que selecciona una de dos pregunas 13
2 Un modelo de muesreo complemenarias, por ejemplo: la preguna 1.- Copiase en el examen?, siendo la preguna 2.- No copiase en el examen? El enrevisado conesará V (verdadero) o Falso (F), de acuerdo a la preguna seleccionada, y el enrevisador regisra la respuesa pero nunca sabrá que preguna respondió el encuesado, proegiéndose el anonimao del enrevisado. El méodo genérico consise en: Exraer una muesra aleaoria de amaño n de acuerdo a un diseño de muesreo seleccionado (aleaorio simple, esraificado, conglomerados, probabilidades proporcionales a los amaños, ec.) Cada elemeno de la muesra o enrevisado, seleccionará una de las dos pregunas complemenarias, y responderá V (verdadero) o F (falso) Mediane el modelo esadísico W se esima el oal de personas con la caracerísica sensible. Basado en los rabajos iniciales de Warner, se han desarrollados oros modelos de muesreo para encuesas de respuesas aleaorizadas. Greeberg e al (1969) proponen como alernaiva al modelo de W de pregunas complemenarias, un modelo con un mecanismo de selección aleaorio de la preguna a realizarse al enrevisado enre dos pregunas no relacionadas enre sí, conocido como modelo U (unrelaed), donde una preguna es sobre el asuno sensiivo y la segunda preguna no relacionada es inocua, es decir no es sensible al enrevisado. De forma al que un enrevisado puede responder una de las dos pregunas como por ejemplo: Copiase en el examen?, Te inscribise en depores? Un ercer modelo es propueso por Moron (Horviz, 1976), que en ese rabajo se menciona como modelo Mu (Moron unrelaed), permie mayor proección del anonimao del enrevisado: La selección aleaoria se realizará enre res propuesas a) Una propuesa sensiiva; b) la palabra Si, sin relación sensiiva y c) la palabra No, sin relación sensiiva. Teniendo cada una la probabilidad de ser escogida de P 1, P 2, P 3 donde P 1 + P 2 +P 3 = 1. Con la inención de clarificar el proceso de selección del modelo Mu, suponga que las res proposiciones que pueden ser seleccionadas, son a) Copió en el examen, b) Si, c) No. Suponga ambién que un enrevisado escoge aleaoriamene la propuesa o preguna b), dando como resulado un Si, que no iene relación aparene con el asuno de copiar en el examen, solo los enrevisados que por suere les corresponda responder la propuesa a), procederán a responder sobre el asuno sensiivo: Debido a que el enrevisador no conoce sobre que propuesas conesaron, el enrevisado puede senir garanizado el anonimao y conesar con veracidad. Oros modelos de respuesas aleaorizadas han sido esudiados, enre oros un modelo C (Soberanis 2008) para relacionar la preguna inocua del modelo U y la variable sensiiva. En ese rabajo se uiliza el modelo Mu para el caso de poblaciones finias, y mediane un caso calculan los indicadores esadísicos apropiados. MTERILES Y MÉTODOS a) Definición del problema La población a la que esá dirigida el esudio, es una población finia de amaño N= 700 esudianes. La variable de inerés represenada por la lera y, mide una caracerísica sensiiva, en ese caso mediane la respuesa a la preguna Has consumido alguna droga ilegal? sí y represena la respuesa de la preguna sensiiva del enrevisado cuyo índice en la población { 1, 2,..., N } es y puede omar solo dos valores, 0 para ausencia o negación de la caracerísica, y 1 para la exisencia o acepación de dicha caracerísica. Nóese que y es una variable desconocida, pero no es aleaoria. El objeivo del méodo es esimar la oalidad de los individuos con la caracerísica sensiiva, es decir para ese rabajo esimar cuanos esudianes de la población finia han consumido drogas ilegales. Ese oal se represena como. b) Procedimieno de muesreo. 14
3 Soberanis y Cuevas Se uiliza un esquema de muesreo aleaorio simple sin reemplazo, para deerminar el amaño de la muesra y seleccionar a los individuos a enrevisar. Se define el mecanismo aleaorio (RC), de forma al que cada elemeno de la muesra selecciona aleaoriamene una de las res proposiciones: (1) has consumido drogas ilegales, (2) una insrucción que dice Si y (3) una insrucción que dice No. Con probabilidades de ser escogidas P 1, P 2, P 3 respecivamene, donde P 1 + P 2 +P 3 = 1. c) Cálculo del esimador y la varianza del esimador. El esimador propueso de, ˆ, resula insesgado, por ano un buen indicador de referencia es la varianza del esimador. Para mosrar que en efeco ˆ, el esimador que proponemos para, es insesgado procedemos como sigue: Sea Z la variable aleaoria que oma los valores y,1, 0 con probabilidades P1, P2, P3 respecivamene. sí, el valor esperado con ese mecanismo aleaorio para Z asumiendo que se conoce y, se puede calcular como sigue, y definirse como θ : Si definimos θ = (1) θ (2) U Enonces = P + θ 1 NP (3) 2 = El esimador para θ es: ˆ Z NP P θ 2 1 (4) θ = (5) s π Donde π es la probabilidad de que el -ésimo elemeno de la población caiga en la muesra. Se puede verificar que el esimador ˆ θ es insesgado (Särndal e al 1992). Finalmene el esimador insesgado para es ˆ 1 ˆ NP 2 = θ (6) P1 P1 d) Se procede a realizar los cálculos con la ayuda de Excel y comenar los resulados. DESRROLLO Y RESULTDOS El diseño de muesreo elegido es un muesreo aleaorio simple sin reemplazo, para un amaño de población N=700 y amaño de muesra n=140, definiendo a f = n/n. Mediane un sisema de soreo simple con un marco que conenga los 700 individuos se eligen los 140 individuos a ser enrevisados. Poseriormene se procede al siguiene mecanismo aleaorio: en una caja se colocan cien arjeas indisinguibles, 70 de ellas con la proposición sensiiva Has consumido drogas ilegales?, 9 con la insrucción Si y 21 con la insrucción No. El individuo selecciona una arjea al azar y responde Si o No, de acuerdo a la arjea, se regisra su respuesa asignando un 1 por cada Si respondido, y un cero por cada No. El individuo regresa la arjea al mazo y revuelve. Ese mecanismo aleaorio define una variable aleaoria que denominamos Z, donde el índice perenece a la muesra, que puede omar valores de y con una probabilidad de P 1, de 1 con una probabilidad P 2, de 0 con una probabilidad 1-P 1 -P 2. Noe que Z es dicoómica o binaria y solo oma valores de 1 y 0. Los valores z, sque son las realizaciones de la variable aleaoria Z, para ese ejercicio son:
4 Un modelo de muesreo Para esimar el oal, se considera el ipo de muesreo aleaorio simple para poblaciones n finias ( π = = f ) y el mecanismo aleaorio N Mu (Soberanis, 2008) resulando. ˆ (1/ )(1/ ) / = P1 f Z NP2 P1 (7) S Donde P 1, P 2 se calcula con la canidad de arjeas, resulando 0.70 y 0.09 respecivamene: Se consuló en la lieraura y no se enconró alguna referencia que indique la magniud de las probabilidades para mejorar el proceso, siendo un campo ineresane aún en desarrollo. La expresión z represena la suma de los 1 s en la muesra, que en ese caso es de 90 y f = n/ N = 0.2 ya que n=140 y N=700. l realizar el cálculo del número esimado de esudianes que han consumido droga ilegal de esa población, de 700 esudianes, resula ser de 553. Es posible calcular la varianza del esimador para los casos como ese que se elige una selección de muesra aleaoria simple para poblaciones finias y mecanismo aleaorio Mu (Soberanis 2008). Donde Q S es una mariz n x n con elemenos 1-f en la diagonal y elemenos 1-((N-1)/(n-1))f, fuera de la diagonal, Z S es el vecor de las observaciones de Z y ( Z ) S es su vecor raspueso. Los cálculos arrojan una varianza: V ˆ() ˆ = y en consecuencia una desviación esándar de (8) CONCLUSIONES El objeivo de ese arículo es presenar los resulados de aplicar un modelo usando un muesreo de encuesas para asunos sensiivos, mediane una écnica que garanice la proección del anonimao del enrevisado. Generándose las conclusiones, que en los siguienes párrafos se describen. El procedimieno permie visualizar que la écnica garaniza el anonimao del enrevisado, esperándose que no evada la preguna y conese con veracidad. El modelo permie obener un buen esimador del oal de individuos con la caracerísica sensiiva. Los modelos RR dependen del ipo de muesreo para seleccionar la muesra y de la écnica del mecanismo aleaorio, en ese caso se uilizó el modelo Mu ya que produce un esimador insesgado cuya varianza resula menor que la del esimador propueso por Warner (Soberanis, 2008). Los auores de ese rabajo consideran que ese ema es perinene y iene un gran poencial para los esudios que se requieren para medir de forma más adecuada los niveles de opacidad, delincuencia y adicciones, que agobia a las ciudades de México. REFERENCIS Cuevas J.,Soberanis V., cosa R., (2007) Modelación de ecuaciones esrucurales para la evaluación de la calidad percibida en el proceso de enseñanza-aprendizaje. Revisa Cubana de Educación Superior, XXVII, Greenberg B.G., e al. (1969) The unrelaed quesion RR model: Theoreical Framewor. Journal of he merican Saisical ssociaion, 64, Horviz D.C. (1976). RR: daa gahering device for sensiive quesion. Inernaional Saisical Review, 44, Särndal, C.E., Swensson, B., and Wreman, J. (1992). Model ssised Survey Sampling. New Yor: Springer Verlag. Soberanis V., e al (2008). Muesreo de Respuesas leaorizadas en Poblaciones 16
5 Soberanis y Cuevas Finias: Un Enfoque Unificador. grociencia, 42-5, Warner, S (1965). Randomized Response: survey echnique for eliminaing evasive answer bias. Journal of he merican Saisical ssociaion, 60,
Estimación puntual ± Margen de error
Esimación Punual Para esimar el valor de un parámero poblacional se calcula la caracerísica correspondiene de la muesra, a lo que se le conoce como esadísico muesral. A la media muesral x se le idenifica
Más detallesLECTURA 07: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES
LECTURA 7: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES 1 INTRODUCCION El propósio de análisis esadísico es reducir el nivel de inceridumbre en el proceso de decisiones
Más detallesDeterminación de las garantías para el contrato de futuros de soja en pesos. Value at Risk
Deerminación de las garanías para el conrao de fuuros de soja en pesos. Value a Risk Gabriela acciano inancial Risk Manager gfacciano@bcr.com.ar Direcora Deparameno de Capaciación y Desarrollo de Mercados
Más detallesComentarios de la Nota Técnica sobre la Determinación del Incremento de la Reserva de Previsión
Comenarios de la Noa Técnica sobre la Deerminación del Incremeno de la Reserva de Previsión Fernando Solís Soberón y Rosa María Alaorre Junio 1992 Serie Documenos de Trabajo Documeno de rabajo No. 3 Índice
Más detallesMétodos de Previsión de la Demanda Pronóstico para Series Temporales Niveladas Representación Gráfica
Méodos de Previsión de la Demanda Pronósico para Series Temporales Niveladas Represenación Gráfica REPRESENTACIÓN GRÁFICA DE LA SERIE DE DATOS Período i Demanda Di 25 2 2 3 225 4 24 5 22 Para resolver
Más detallesSOLUCION NUMERICA DE ECUACIONES DIFERENCIALES ORDINARIAS.
SOLUCION NUMERICA DE ECUACIONES DIFERENCIALES ORDINARIAS. El objeivo de esas noas complemenarias al ema de solución numérica de ecuaciones diferenciales ordinarias es dar una inroducción simple al ema,
Más detallesPROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce
Economería I. DADE Noas de Clase PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce (rafael.dearce@uam.es) INTRODUCCIÓN Una vez lograda una expresión maricial para la esimación de los parámeros
Más detallesUSO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD
USO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD Inroducción. En muchas áreas de ingeniería se uilizan procesos esocásicos o aleaorios para consruir modelos de sisemas ales como conmuadores
Más detallesLA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR)
LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR) ESPECIFICACION La meodología VAR es, en ciera forma, una respuesa a la imposición de resricciones a priori que caraceriza a los modelos economéricos keynesianos:
Más detallesPropuesta A. 1. Dadas las matrices: C = B = A =
Pruebas de Acceso a Enseñanzas Univerarias Oiciales de Grado 6 Maeria: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumno deberá conesar a una de las dos opciones propuesas A ób. Se podrá uilizar
Más detallesAnálisis estocástico de series temporales
Análisis esocásico de series emporales Ernes Pons (epons@ub.edu) Análisis esocásico de Series Temporales Moivación Ejemplos 4500000 8 4000000 6 3500000 4 3000000 2 0 2500000-2 2000000-4 500000-6 000000-8
Más detallesLuis H. Villalpando Venegas,
2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con
Más detallesCONSIDERACIONES RESPECTO AL INDICADOR DÉFICIT FISCAL/PIB Juan Carlos Requena I N T R O D U C C I O N
CONSIDERACIONES RESPECTO AL INDICADOR DÉFICIT FISCAL/PIB Juan Carlos Requena I N T R O D U C C I O N Los méodos uilizados para la elaboración del Presupueso General de la Nación es uno de los emas acuales
Más detallesAnálisis Estadístico de Datos Climáticos
Análisis Esadísico de Daos Climáicos SERIES TEMPORALES I Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Monevideo, Uruguay 2011 CONTENIDO Esudio de las series emporales en Climaología.
Más detallesResolviendo la Ecuación Diferencial de 1 er Orden
Resolviendo la Ecuación Diferencial de er Orden J.I. Huircán Universidad de La Fronera February 6, 200 bsrac El siguiene documeno planea disinos méodos para resolver una ecuación diferencial de primer
Más detallesMilagro económico dominicano: buena suerte y buenas políticas (Andújar, 2009)
Comenarios al documeno: Milagro económico dominicano: buena suere y buenas políicas (Andújar 2009) III Foro de invesigadores económicos de los bancos cenrales miembros del CMCA San José Cosa Rica Agoso
Más detallesEjercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez
Ejercicios de Economería para el ema 4 Curso 2005-06 Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez 1 1. Considérese el modelo siguiene: Y X + u * = α + β 0 Donde: Y* = gasos deseados
Más detallesMODELO JUNIO 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
Modelo de eamen Junio MODELO JUNIO MTEMÁTICS PLICDS LS CIENCIS SOCILES II OPCIÓN. (Punuación máima: punos) Se dice que una mari cuadrada es orogonal si T I: Noa: La noación T significa mari ranspuesa de.
Más detallesPRÁCTICA 2: Ejercicios del capítulo 4
PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para
Más detallesESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN
ESTUDIO DE MERCADO. MÉTODOS DE PROECCIÓN Qué es una proyección? Es una esimación del comporamieno de una variable en el fuuro. Específicamene, se raa de esimar el valor de una variable en el fuuro a parir
Más detallesEstudio Empírico de la Selección y Estimación de los Modelos de Crecimiento Estadístico
Esudio Empírico de la Selección Esimación de los Modelos de Crecimieno Esadísico S. Amirkhalhali, U.L.G. Rao and S. Amirkhalkhali 1 Resumen: En ese papel se comparan los modelos de crecimieno Lineal Exponencial
Más detallesMarch 2, 2009 CAPÍTULO 3: DERIVADAS PARCIALES Y DIFERENCIACIÓN
March 2, 2009 1. Derivadas Parciales y Funciones Diferenciables En ese capíulo, D denoa un subconjuno abiero de R n. Definición 1.1. Consideremos una función f : D R y sea p D, i = 1,, n. Definimos la
Más detallesComplejidad de modelos: Sesgo y Varianza
Complejidad de modelos: Sesgo y Varianza 17 de abril de 2008 Noas de clase. Rolando Belrán A Las medidas de sesgo y varianza son úiles para los modeladores en ano que ayudan a regular la complejidad del
Más detallesEconometría Examen Parcial #1 Cali, Sábado 27 de Febrero de 2010
Economería 0616 Examen Parcial #1 Cali, Sábado 7 de Febrero de 010 Profesores: Julio César Alonso C. Carlos Giovanni González Ana Isabel Gallego L. Esudiane: Código: Insrucciones: 1. Lea cuidadosamene
Más detallesExperimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría
Experimeno 3 Análisis del movimieno en una dimensión Objeivos. Esablecer la relación enre la posición y la velocidad de un cuerpo en movimieno 2. Definir la velocidad como el cambio de posición en un inervalo
Más detallesC cos x sen x 0 x sen x x cos x x sen x cos x x C 1 x 0. Calculamos la matriz adjunta de C: sen x 0 cox 0 cos x sen x. sen x x 1 x 1 sen x
Prueba de Acceso a la Universidad. SEPTIEMBRE. Maemáicas II. Insrucciones: Se proponen dos opciones A y B. Debe elegirse una y conesar a sus cuesiones. La punuación de cada cuesión aparece en la misma.
Más detallesIDENTIFICACIÓN EN LÍNEA DE LA FUNCIÓN DE TRANSFERENCIA DE UNA MÁQUINA SÍNCRONA
Scienia e echnica Año XI No 28 Ocubre de 2005 UP. ISSN 0122-1701 31 IDENIFICACIÓN EN LÍNEA DE LA FUNCIÓN DE RANSFERENCIA DE UNA MÁQUINA SÍNCRONA RESUMEN Se presena el uso del algorimo de proyección como
Más detallesEJERCICIOS PROPUESTOS
8 Deerminanes. Ejercicio resuelo. EJERCICIOS PROPUESTOS. Calcula el valor de los siguienes deerminanes. 8 4 5 0 0 6 c) 4 5 4 8 6 4 8 4 5 0 6+ 0 0+ 5 00 5 6 0+ 000 0 48 0 6 ( ) ( ) ( ) ( ) ( ) 4 5 5 + 4
Más detallesTODO ECONOMETRÍA. Autocorrelación
TODO ECONOMETRÍA Auocorrelación Índice Definición Causas Consecuencias Deección Medidas correcivas Definición de la auocorrelación Definición de auocorrelación La perurbación de una observación cualquiera
Más detallesGráficos con Maple. . El segundo argumento especifica la variable independiente y su rango x de variación.
Gráficos con Maple Maple incluye poenes capacidades gráficas que permien realizar represenaciones bidimensionales, ridimensionales e incluso animaciones. El programa es muy flexible en lo que a la enrada
Más detalles2.2 Redes neuronales artificiales
2.2 Redes neuronales arificiales Los modelos de redes neuronales arificiales inenan reproducir el comporamieno del cerebro (ver figura 2.2), es decir, cada neurona esá caracerizada por enradas de acivación
Más detallesProyección de tasas de actividad
Proyección de asas de acividad Noa meodológica. Inroducción El raar de anicipar el comporamieno fuuro de la población en relación con el mercado de rabajo iene un inerés evidene, pues ofrece información
Más detallesESTIMACIÓN DE LA EVASIÓN EN EL IMPUESTO AL VALOR AGREGADO MEDIANTE EL MÉTODO DEL CONSUMO Asesoría Económica - DGI Mayo 2009
ESTIMACIÓN DE LA EVASIÓN EN EL IMPUESTO AL VALOR AGREGADO MEDIANTE EL MÉTODO DEL CONSUMO 2000-2008 Asesoría Económica - DGI Mayo 2009 1. Jusificación y meodología empleada El objeivo del esudio de la evasión
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de 2013 12:00 horas Primer Apellido: Nombre: DNI: Teléfono: Segundo Apellido: Grupo y Grado: Profesor(a): e mail: Preguna 1 A B C
Más detallesPONENCIA: DEMOSTRACIÓN, SIN CÁLCULO DIFERENCIAL, DE LAS ECUACIONES DE LA POSICIÓN EN EL MOVIMIENTO PARABÓLICO. Introducción
PONENCIA: DEMOSTRACIÓN, SIN CÁLCULO DIFERENCIAL, DE LAS ECUACIONES DE LA POSICIÓN EN EL MOVIMIENTO PARABÓLICO Presenada por: Prof. Yuri Posadas Velázquez Seminario LAC. 24 de ocubre de 2013 Inroducción
Más detallesUN MODELO DE METAS DE INFLACIÓN CON PREFERENCIAS ASIMÉTRICAS DEL BANCO CENTRAL
UN MODELO DE METAS DE INFLACIÓN CON PREFERENCIAS ASIMÉTRICAS DEL BANCO CENTRAL Versión preliminar e inconclusa. Derry Quinana Aguilar Absrac Ese documeno presena un modelo en el cual las preferencias del
Más detallesCORRIENTE ELÉCTRICA ANÁLISIS GRÁFICO EN EL TIEMPO
hp://comunidad.udisrial.edu.co/elecriciyprojecudisrial/ Elecriciy Projec UD 2017 CORRIENTE ELÉCTRICA La corriene es la asa de variación de la carga respeco al iempo [1]. La Unidad de medida es el Ampere
Más detallesASPECTOS METODOLÓGICOS DE INDICADORES DE VOLUMEN DE VENTAS, DE ARTÍCULOS ELABORADOS POR LA ACTIVIDAD MANUFACTURERA. Lima noviembre 2008
Índice de volumen de venas de la producción indusrial ASPECTOS METODOLÓGICOS DE INDICADORES DE VOLUMEN DE VENTAS, DE ARTÍCULOS ELABORADOS POR LA ACTIVIDAD MANUFACTURERA Lima noviembre 2008 Rolando Porilla
Más detallesPrograma Interinstitucional Doctorado en Educación CONFIABILIDAD
Programa Inerinsiucional Docorado en Educación CONFIABILIDAD Carlos Ruiz Bolívar, PhD Profesor Tiular UPEL / PIDE cruizbol@inercable.ne.ve Al evaluar la uilidad de una prueba o es, a menudo hay dos pregunas
Más detallesCONSTRUCCIÓN DE UNA TABLA DE MORTALIDAD PARA LA POBLACIÓN ECUATORIANA por Javier Fernando Sánchez Nevárez
CONSTRUCCIÓN DE UNA TABLA DE MORTALIDAD PARA LA POBLACIÓN ECUATORIANA por Javier Fernando Sánchez Nevárez El presene rabajo muesra de manera sisemáica el desarrollo de una abla acuarial para la población
Más detallesCorrelación. Dr. Luis Javier Morales Mendoza Procesamiento Analógico de Señales FIEC - UV
Correlación Dr. Luis Javier Morales Mendoza Procesamieno Analógico de Señales FIEC - UV Índice.. Inroducción.. Correlación Cruzada.. Auocorrelación.4. Calculo de la correlación y de la auocorrelación.5.
Más detallesFacultad de Ciencias del Mar. Curso 2007/08 11/07/08
Esadísica Convocaoria de Junio Faculad de Ciencias del ar. Curso 007/08 /07/08 El galludo (Squalus egalops) es una especie de iburón de aguas empladas a ropicales, que habia la plaaforma coninenal exerior
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
Más detalles4. Modelos de series de tiempo
4. Modelos de series de iempo Los modelos comunes para el análisis de series de iempo son los que se basan en modelos auorregresivos y modelos de medias móviles o una combinación de ambos. Es posible realizar
Más detallesRespuesta A.C. del BJT 1/10
Respuesa A.. del BJT 1/10 1. nroducción Una ez que se ubica al ransisor denro de la zona acia o lineal de operación, se puede uilizar como amplificador de señales. n base a un ransisor BJT NPN en configuración
Más detallesUnidad 1 Matrices PÁGINA 7 SOLUCIONES. 1. La resolución de los sistemas puede expresarse de la forma siguiente:
Unidad 1 Marices PÁGINA 7 SOLUCIONES 1. La resolución de los sisemas puede expresarse de la forma siguiene: La segunda mariz proporciona la solución x = 5,y = 6. La úlima mariz proporciona la solución
Más detallesMaterial sobre Diagramas de Fase
Maerial sobre Diagramas de Fase Ese maerial esá dedicado a los esudianes de Conrol 1, para inroducirse a los diagramas de fase uilizados para el Análisis de Esabilidad de los punos de equilibrio del sisema
Más detallesECONOMETRÍA EMPRESARIAL II ADE
4 Bernardí Cabrer Economería Empresarial II Tema 8 ECONOMETRÍA EMPRESARIAL II ADE TEMA 8 MODELOS LINEALES SIN ESTACIONALIDAD I ( Modelos regulares 4 Bernardí Cabrer Economería Empresarial II Tema 8 8.
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA Insrucor: Horacio Caalán TEORÍA DE COINTEGRACIÓN Efecos de las propiedades esocásicas de las series en un modelo de regresión
Más detallesUna aplicación Bayesiana a la Modelización de Mercados
Una aplicación Bayesiana a la Modelización de Mercados Maser Oficial en Ingeniería Maemáica Problema planeado por BAYES INFERENCE, S. A. Exposición del problema (I) Se considera un mercado de compeencia
Más detallesCapı tulo 3. PLANTEAMIENTO DE UNA TABLA DE DATOS
57 Capı ulo 3. PLANTEAMIENTO DE UNA TABLA DE DATOS La Tabla de Daos resume las principales "operaciones de campo" que compora odo proceso de observación. La definición de la invesigación, planeada en el
Más detalles1. Descripción de modelos desarrollados en el BCN. 2. Comentarios generales a los modelos. 3. Limitaciones para el desarrollo de investigaciones
Siuación del uso de modelos economéricos en Nicaragua Rigobero Casillo C México, 2 y 3 de diciembre del 2004 Esrucura de la presenación. Descripción de modelos desarrollados en el BCN. 2. Comenarios generales
Más detallesEstadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales
Esadísica Descripiva y Analisis de Daos con la Hoja de Cálculo Excel Series Temporales Serie emporal una serie emporal es una sucesión de observaciones de una variable realizadas a inervalos regulares
Más detallesUNIDAD 6: CONGELACIÓN DE ALIMENTOS. GUIA DE PROBLEMAS RESUELTOS (Versión ALFA)
UNIVERSIDAD AUSTRAL DE CHILE INSTITUTO DE CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS / ASIGNATURA : Ingeniería de Procesos III (ITCL 4) PROFESOR : Elon F. Morales Blancas UNIDAD 6: CONGELACIÓN DE ALIMENTOS
Más detallesInstrumentos y técnicas para la medición de la evasión: el caso uruguayo
Plan de la presenación: Insrumenos y écnicas para la medición de la evasión: el caso uruguayo DGI, Uruguay - 44ª. ASAMBLEA GENERAL DEL CIAT 13 de abril de 2010 I. Caracerísicas de los impuesos en Uruguay
Más detallesÁLGEBRA (Selectividad 2014) 1 ALGUNOS PROBLEMAS DE ÁLGEBRA PROPUESTOS EN LAS PRUEBAS DE SELECTIVIDAD DE 2014
ÁLGEBR (Selecividad 04) LGUNOS PROBLEMS DE ÁLGEBR PROPUESTOS EN LS PRUEBS DE SELECTIVIDD DE 04 Casilla y León, junio 4 a a+ a+ Sea la mariz = a a+ 3 a+ 4 a a+ 5 a+ 6 a) Discuir su rango en función de los
Más detallesGESTIÓN DE INVENTARIOS Código: M. Docente: Julio César Londoño Ortega
GESTIÓN DE INVENTARIOS Código: 760033M Docene: Julio César ondoño Orega 1. Concepos avanzados de pronósicos de demanda 1. CONCEPTOS AVANZADOS DE PRONÓSTICOS DE DEMANDA Medición y análisis de los errores
Más detallesEfectos Económicos de la Política Fiscal en el Perú: Una análisis Comparativo y Metodológico de SVAR. (Avance) Subgerencia de Investigación Económica
Efecos Económicos de la Políica Fiscal en el Perú: Una análisis Comparaivo y Meodológico de SVAR Jens Hagen (Universidad de Kiel) Miguel Tam (UNI) (Avance) Subgerencia de Invesigación Económica Moivación
Más detallesINDICE DE COMERCIO MINORISTA
INDICE DE COMERCIO MINORISTA Noa meodológica Agoso 2012 El Índice de Comercio Minorisa (ICIm) de la C.A. de Euskadi es un indicador coyunural de periodicidad rimesral cuyo objeivo es medir la evolución
Más detallesSerie Apuntes de Clase ΩΒΓ
Serie Apunes de Clase ΩΒΓ N 4 Seiembre del 04 Rafael Busamane Romaní UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Universidad del Perú, DECANA DE AMÉRICA FACULTAD DE CIENCIAS ECONÓMICAS La Serie Apunes de
Más detallesMétodo desarrollado en el año de 1889, pero por su sencillez todavía se sigue utilizando.
1 3.2.1.1. Fórmula racional Méodo desarrollado en el año de 1889, pero por su sencillez odavía se sigue uilizando. Hipóesis fundamenal: una lluvia consane y uniforme que cae sobre la cuenca de esudio,
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesINCERTIDUMBRE EN LA CALIBRACIÓN DE VISCOSÍMETROS CAPILARES
CENTO NACIONAL DE METOLOGÍA INCETIDUMBE EN LA CALIBACIÓN DE VISCOSÍMETOS CAPILAES Wolfgang A. Schmid ubén J. Lazos Marínez Sonia Trujillo Juárez Noa: El presene ejercicio ha sido desarrollado bajo aspecos
Más detallesIII EXÁMENES DE ECONOMETRÍA EMPRESARIAL
III EXÁMENES DE ECONOMETRÍA EMPRESARIAL 1* a) Indique razonadamene las hipóesis sobre el érmino de perurbación en el modelo lineal básico. b) Suponiendo las hipóesis básicas del aparado a), los residuos
Más detallesReflectometría en el Dominio del Tiempo
Mediciones Elecrónicas Reflecomería en el Dominio del iempo Sisema Bajo Prueba?? 1 Reflecomería en el Dominio del iempo Se desea evaluar una línea de ransmisión: inea de ransmisión de impedancia Z Z 1.
Más detallesEstimación de modelos de volatilidad estocástica asimétrica. Aplicación en series de rendimientos de índices bursátiles.
Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos de índices bursáiles. Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos
Más detallesSesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media
Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión 2 Análisis univariado de series de iempo 5. Series de iempo no esacionarias en media La maoría
Más detallesLA EFICIENCIA DE LA POLÍTICA MONETARIA COMO INSTRUMENTO ESTABILIZADOR EN URUGUAY 1
LA EFICIENCIA DE LA POLÍTICA MONETARIA COMO INSTRUMENTO ESTABILIZADOR EN URUGUAY 1 Gonzalo Zunino Cenro de Invesigaciones Económicas - cinve Julio 21 RESUMEN Exise evidencia respeco de que el nivel de
Más detallesJEL: C34-D19 JEL: C34-D19
Especificación y esimación de un modelo de ecuaciones simuláneas con variable dependiene censurada para explicar el ingreso de la pareja conyugal en aglomerados urbanos de Argenina María Teresa Blaconá,
Más detallesNotas sobre el Presupuesto de la Nación y el Déficit Fiscal. Hernán Rincón C. Abril 16 de 2003
Noas sobre el Presupueso de la Nación y el Défici Fiscal Hernán Rincón C Abril 16 de 2003 1 Inroducción Un ema básico que debe conocer un omador de decisiones de políica fiscal, así como cualquier individuo
Más detallesPREVISIÓN DE LA DEMANDA
Capíulo 0. Méodos de Previsión de la OBJETIVOS. Los pronósicos y la planificación de la producción y los invenarios. 2. El proceso de elaboración de los pronósicos. Méodos de previsión de la demanda 4.
Más detallesMATRICES. M(n) ó M nxn A =
MTRICES Definición de mari. Una mari de orden m n es un conjuno de m n elemenos perenecienes a un conjuno, que para nosoros endrá esrucura de cuerpo conmuaivo y lo denoaremos por K, dispuesos en m filas
Más detallesCÁTEDRA: QUÍMICA GUÍA DE LABORATORIO Nº 5
CÁTEDRA: QUÍMICA GUÍA DE LABORATORIO Nº 5 PARTE A: CINÉTICA QUÍMICA PARTE B: TERMOQUÍMICA: CALOR DE NEUTRALIZACIÓN PARTE A: CINÉTICA QUÍMICA OBJETIVOS 1. Esudiar la cinéica de una reacción química por
Más detallesDyna Universidad Nacional de Colombia ISSN (Versión impresa): COLOMBIA
Dyna Universidad Nacional de Colombia dyna@unalmed.edu.co ISSN (Versión impresa): 0012-7353 COLOMBIA 2002 Mario Vélez / Carlos Casro MODELO DE REVISIÓN PERIÓDICA PARA EL CONTROL DEL INVENTARIO EN ARTÍCULOS
Más detallesM O D E L O S D E I N V E N T A R I O
nvesigación Operaiva Faculad de iencias Exacas - UNPBA M O E L O E N V E N T A O El objeivo de la eoría de modelos de invenario es deerminar las reglas que pueden uilizar los encargados de gesión para
Más detallesScientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scienia E Technica ISSN: 0122-1701 scienia@up.edu.co Colombia Zapaa, Carlos J.; Vahos, Mauricio A.; Romero, Carlos A. Modelamieno del caudal de un río para esudios de confiabilidad de largo plazo de sisemas
Más detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detallesNormalidad de los errores. Fortino Vela Peón Universidad Autónoma Metropolitana
Normalidad de los errores Forino Vela Peón Universidad Auónoma Meropoliana fvela@correo.xoc.uam.mx Ocubre, 00 0/0/0 México, D. F. Inroducción Uno de los supuesos básicos del modelo de regresión lineal
Más detallesIES CASTELAR BADAJOZ Examen Junio de 2011(General) Solución Antonio Mengiano Corbacho
IES CASTELAR BADAJOZ Eamen Junio de (General) Anonio Mengiano Corbacho PRUEBA DE ACCESO (LOGSE) UNIVERSIDAD DE BALEARES JUNIO (GENERAL) MATEMÁTICAS II Tiempo máimo: horas y minuos Conese de manera clara
Más detalles6.7. ENSAYOS EN FLUJO CONVERGENTE
Clase 6.7 Pág. 1 de 1 6.7. ENSAYOS EN FLUJO CONVERGENTE 6.7.1. Principios Los pasos que deben seguirse para efecuar un ensayo de flujo convergene son: 1. Se bombea en un puno hasa conseguir que las condiciones
Más detallesDepartamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12. ECONOMETRÍA I Hoja de problemas del Tema 3
Deparameno de Fundamenos del Análisis Económico. Universidad de Alicane. Curso 011/1 ECONOMETRÍA I Hoja de problemas del Tema 3 Noa: En odos los conrases ome como nivel de signi cación el 5%. 1.- Para
Más detallesCreación y destrucción de empleos en economías informales
Creación y desrucción de empleos en economías informales Nikia Céspedes Reynaga Ocubre, 2013 CUADERNO DE INVESTIGACIÓN N 19 - OCTUBRE 2013 1 PERÚ. UNIVERSIDAD DE SAN MARTÍN DE PORRES INSTITUTO DEL PERÚ
Más detallesAPLICACIONES DEL PROCESO DE POISSON EN CONFIABILIDAD
APLICACIONES DEL PROCESO DE POISSON EN CONFIABILIDAD RESUMEN Ese arículo raa la aplicación del proceso esocásico de Poisson en esudios de confiabilidad de sisemas elécricos. ABSTRACT CARLOS J. ZAPATA Profesor
Más detallesANÁLISIS MULTIVARIADO DE LAS VENTAS DE UNA EMPRESA DE ALIMENTOS MARZO 1994-SEPTIEMBRE 2006
ANÁLISIS MULTIVARIADO DE LAS VENTAS DE UNA EMPRESA DE ALIMENTOS MARZO 1994-SEPTIEMBRE 2006 José M. Aguao E. 1, John Ramirez 2 RESUMEN El presene esudio nos planea dos herramienas que una empresa de alimenos
Más detalles3.1 Factor de transmisión atmosférica k(i,j)
3 Meodología El modelo esadísico rabaja relacionando el llamado índice de nubosidad obenido a parir de las imágenes de saélie con la irradiación solar global obenida de las esaciones de medición en superficie.
Más detalles1. Derivadas de funciones de una variable. Recta tangente.
1. Derivadas de funciones de una variable. Reca angene. Derivadas Vamos a ver en ese capíulo la generalización del concepo de derivada de funciones reales de una variable a funciones vecoriales con varias
Más detallesPropuesta A. y B = 1 0
Pruebas de cceso a Enseñanzas Univerarias Oiciales de Grado Maeria: MEMÁIS PLIDS LS IENIS SOILES II El alumno deberá conesar a una de las dos opciones propuesas o. Se podrá uilizar cualquier ipo de calculadora..
Más detallesPropagación de crecidas
cnicas y algorimos empleados en esudios hidrológicos e hidráulicos Monevideo - Agoso 010 PROGRAMA DE FORMACIÓN IBEROAMERICANO EN MATERIA DE AGUAS Propagación de crecidas Luis Teixeira Profesor Tiular,
Más detallesCurso Combinado de Predicción y Simulación Edición 2004
Curso Combinado de Predicción y Simulación www.uam.es/predysim Edición 2004 UNIDAD 2: TÉCNICAS ELEENTALES DE PREDICCIÓN CASO DE APLICACIÓN 1.- Predicción y simulación de los coses salariales en España
Más detallesFigura 1. Coordenadas de un punto
1 Tema 1. Sección 1. Diagramas espacio-iempo. Manuel Guiérrez. Deparameno de Álgebra, Geomería y Topología. Universidad de Málaga. 2971-Málaga. Spain. Marzo de 21. En la mecánica es usual incluir en los
Más detallesNotas sobre Análisis de Series de Tiempo: Estacionariedad, Integración y Cointegración
Noes on Time Series Analysis:\Saionariy, Inegraion and Coinegraion hp://www.personal.rdg.ac.uk/~lessda/lecure3.hm Noas sobre Análisis de Series de Tiempo: Esacionariedad, Inegración y Coinegración Generalidades
Más detallesDesigualdad salarial en el Gran Buenos Aires. Una aplicación de regresión por cuantiles en microdescomposiciones.
Desigualdad salarial en el Gran Buenos Aires. Una aplicación de regresión por cuaniles en microdescomposiciones. Javier Alejo (CEDLAS - UNLP) Absrac The aim of his paper is o analyze he changes in he wage
Más detallesPráctica 4: Sistemas telescópicos. Objeto próximo.
LABORATORO D ÓPTCA (ÓPTCA NSTRUMNTAL) CURSO 2009/10 Prácica 4: Sisemas elescópicos. Objeo próximo. 1 Objeivo de la prácica n esa prácica se comprueba que cuando el aneojo rabaja con jeos próximos, es necesario
Más detallesIndicador de tiempo de respuesta a solicitudes de información y calidad de las mismas (ITRC)
Indicador de iempo de respuesa a soliciudes de información y calidad de las mismas (ITRC) Noa meodológica Descripción del Indicador El Indicador de iempo de respuesa a soliciudes de información mide la
Más detallesProducción de videos en el aprendizaje de la higiene bucal y lavado de manos del nivel inicial-especial
HORIZONTE DE LA CIENCIA Producción de videos en el aprendizaje de la higiene bucal y lavado de manos del nivel inicial-especial Caherine Paola Krammer Dávila* Juan Carlos Yangali Vargas** Resumen La presene
Más detallesPolíticas y modelos en Tinbergen y Muth Policies and models Tinbergen and Muth
Políicas y modelos en Tinbergen y Muh Policies and models Tinbergen and Muh Javier Galán Figueroa* Resumen El presene documeno revisa los rabajos de Jan Tinbergen y John Muh, quienes son considerados los
Más detallesALGORITMOS GENÉTICOS VERSUS FILTRO DE KALMAN EN LA PREDICCIÓN DE ACCIONES E ÍNDICES NORTEAMERICANOS
UNIVERSIDAD DE CHILE FACULTAD DE ECONOMÍA Y NEGOCIOS ESCUELA DE POSTGRADO, ECONOMÍA Y NEGOCIOS ALGORITMOS GENÉTICOS VERSUS FILTRO DE KALMAN EN LA PREDICCIÓN DE ACCIONES E ÍNDICES NORTEAMERICANOS Tesis
Más detallesCómo se debe contabilizar la deuda de pensiones en el sector público? 1/
ISSN 02-6375 Boleín 259, junio de 2007 Álvaro rigueros Argüello Cómo se debe conabilizar la deuda de pensiones en el secor público? /. Inroducción En 200 y 2003 Fusades publicó dos esudios sobre la sosenibilidad
Más detallesV () t que es la diferencia de potencial entre la placa positiva y la negativa del
:: OBJETIVOS [7.1] En esa prácica se deermina experimenalmene la consane de descarga de un condensador, ambién llamado capacior ó filro cuando esá conecado en serie a una resisencia R. Se esudian asociaciones
Más detallesEstudio de Demanda Energética para el Sector Industrial Manufacturero y Minero de Chile. Departamento de Economía Universidad de Chile.
Esudio de Demanda Energéica para el Secor Indusrial Manufacurero y Minero de Chile Deparameno de Economía Universidad de Chile Informe Final de sepiembre de 204 Auores: José Miguel Benavene Andrés Gómez-Lobo
Más detalles