APROXIMACIÒN A LA SOLUCIÒN DE UNA ECUACION INTEGRAL BIVARIADA Y SU APLICACIÒN A UN PROBLEMA DE FINANZAS.
|
|
- Carmelo Iglesias Ferreyra
- hace 6 años
- Vistas:
Transcripción
1 APROXIMACIÒN A LA SOLUCIÒN DE UNA ECUACION INTEGRAL BIVARIADA Y SU APLICACIÒN A UN PROBLEMA DE FINANZAS. F. J. Domínguez Mota, S. Mendoza Armenta, J. G. Tinoco Ruiz. F.C.F.M. Universidad Michoacana de San Nicolás de Hidalgo. jtinoco@umich.mx. C. G. Pacheco-González, Departamento de Matemáticas, CINVESTAV-IPN. Resumen La distribución de los montos de reclamaciones agregadas obedece una ecuación integral del tipo Volterra en dos dimensiones cuya solución analítica es desconocida. Se pueden obtener aproximaciones a la solución mediante simulación estocástica, pero los resultados se obtienen solo en puntos escogidos y de manera lenta. En este artículo mostramos una alternativa de aproximación de la solución que da resultados satisfactorios tanto en tiempo de ejecución, como en la cantidad de puntos en que se obtiene. Palabras clave: Monto de Reclamaciones Acumuladas, Integración Numérica, Ecuaciones Integrales, Mallas lógicamente rectangulares. Introducción El modelo clásico para el monto de reclamaciones agregadas en una compañía de seguros está dado por la siguiente suma aleatoria donde es una sucesión de variables aleatorias positivas independientes idénticamente distribuidas, que representan el monto de la reclamación y es un proceso de renovación, i.e. con una sucesión de variables aleatorias independientes positivas idénticamente distribuidas llamadas usualmente tiempos entre llegadas (representan el tiempo entre reclamaciones). Convenimos en que, para i.e. antes del primer salto el proceso es 0. El modelo (1) es bien conocido, y tiene una gran variedad de aplicaciones; para un estudio más extenso se consultar (Asmussen, 2003), (T. Rolski, 1999). Esta suma aleatoria pertenece a una clase general de sumas aleatorias conocida como caminatas aleatorias a tiempo continuo (CTRW), ver (Scalas, 2005), (Whitt, 2002). Existe una vasta literatura para esta clase de procesos, y cuando los intervalos de tiempo entre llegadas están distribuidos exponencialmente, el proceso es simplemente un proceso de Poisson compuesto. Debido a las propiedades de renovación del proceso, es posible derivar una ecuación integral para la densidad de los CTRW (E. Scalas, 2004). Tal ecuación es en general de tipo Volterra, y es posible resolverla numéricamente por procesos estándar. Existen numerosos trabajos que hablan del tratamiento numérico de la solución (Atkinson, 1997)(Cheney, 2001)(H. Brunner, 1986)(Brunner, 1989). Otros trabajos (1) (2)
2 relacionados son (Thorin O., 1970) (Thorin O., 1973), donde se estudian las llamadas probabilidades de ruina por medio de una ecuación integral de Thorin. Otro modelo popular similar a (1) es el monto de reclamaciones agregadas descontadas, el cual toma en cuenta el valor presente del flujo de efectivo. El modelo está dado por Donde está definido por (2), (tiempos de llegada), igual que en el caso no descontado y es la tasa de interés a tiempo continuo. Aunque el proceso descontado (3) ha sido estudiado también, no se ha dicho mucho acerca de la distribución de. Existe interés por estudiar tal proceso, ya que representa el valor presente del flujo de efectivo el cual se vuelve aleatorio con el tiempo. Se puede demostrar que existe una ecuación integral en dos dimensiones del tipo Volterra para. El principal problema para su resolución es que el dominio de integración no es rectangular; en este artículo proponemos un método numérico para aproximar su solución. Las ecuaciones integrales. El escribir la deducción de las ecuaciones integrales que satisfacen las distribuciones (1) y (3) cae fuera de nuestro objetivo. Nos limitaremos entonces a enunciarlas, el lector interesado puede consultar (E. Scalas, 2004). Para el caso no descontado, denotemos (4) Y con y las funciones de densidad de, respectivamente. La función Para y. satisface la ecuación integral de tipo Volterra en dos dimensiones: (5) En este trabajo, consideramos el caso especial y, i.e. el proceso es un proceso de Poisson compuesto con saltos exponenciales. Entonces podemos sustituir las probabilidades en (5) para obtener (6) Resolver analíticamente esta ecuación integral no es tarea fácil, por lo tanto parece natural recurrir al uso de métodos numéricos. (3) Ahora, en el caso con descuento (3), denotamos ecuación integral en dos variables satisfecha por es La (7)
3 El caso especial de nuestro interés, se obtiene considerando que, y conduce a la ecuación integral y (8) Método numérico para las ecuaciones integrales Primero que nada, debemos notar que el caso sin descuento es un caso especial del caso descontado cuando el interés es nulo y por eso nos avocaremos a la solución numérica de (8). Nuestra meta es obtener aproximaciones al valor de en una cantidad finita de puntos. Para y fijas, la integral que aparece en el lado derecho está calculada sobre un dominio no rectangular (a menos que ), limitado por las rectas, y la curva (Fig. 1). Si se quiere aproximar el valor de en este punto, se necesita una aproximación a la integral. La estrategia tradicional es superponer una malla rectangular; sin embargo, esto ocasionará la pérdida de una buena cantidad de información correspondiente a los rectángulos que no están totalmente contenidos en la región. Además, esto conllevará el realizar todos los cálculos nuevamente cada vez que cambiemos los valores de y, debido a que la curva que limita la región de integración por la parte superior es distinta para cada uno de ellos (Fig. 2). Figura 1 Figura 2 Para disminuir este tipo de error, aproximaremos nuestra región de integración usando una malla lógicamente rectangular; esto es, una colección de cuadriláteros convexos que no se traslapan, que aproximan la región y que pueden ser identificados por dos índices, los cuales nos indican cuales son sus vecinos de manera automática. Dicho de otra manera: una malla lógicamente rectangular se puede caracterizar por medio de una colección de puntos tal que los conjuntos describen la aproximación a la frontera de la región. El cuadrilátero es aquél cuyos vértices son. Para una discusión más completa consultar (P. Barrera- Sánchez, ) donde también se trata el tema de generación de estas mallas en regiones complicadas. En este trabajo, la malla ocupada es muy simple.
4 Figura 3 Tomamos la partición uniforme del intervalo : ; de manera similar el intervalo lo dividimos uniformemente:. Los puntos de nuestra malla serán donde los son las ordenadas sobre la curva correspondientes a los valores de ; es decir,. De esta manera se aproxima mucho mejor la región de integración (Fig. 3) y se tienen solo curvas bajo las cuales hay que realizar la cuadratura numérica. Pasamos ahora a la parte de la cuadratura. Aquí se utilizará la fórmula de cuadratura más simple: el integrando en cada celda se considera constante. En nuestro caso, el valor que usaremos será el de la esquina superior derecha. Nuestro procedimiento se puede modificar para incluir otras fórmulas de cuadratura más precisas. Así pues, para cada punto de la malla, la integral correspondiente se aproxima por donde es la aproximación al valor de, ; el área de la celda es y. Haciendo la sustitución de esta aproximación en (8), obtenemos la expresión de la cual podemos obtener explícitamente (9) El superíndice de la suma significa que se toman todos los valores para de la fórmula anterior, excepto el correspondiente a ; es decir, se extrajo el último término. Esta última expresión nos proporciona la aproximación requerida en el punto una vez que conocemos las aproximaciones correspondientes a los valores
5 con índices menores o iguales; claramente se conocen los valores correspondientes a ( ) y ( ) que son, respectivamente y. Para obtener los restantes aplicaremos (9) haciendo un barrido por capas, ya sea horizontales o verticales. Resultados Numéricos. En esta sección, aplicamos el método numérico antes descrito para resolver las ecuaciones integrales (6) y (8). Escribimos un código en MATLAB para realizar los cálculos. En la tabla 1. Mostramos los resultados obtenidos para con los parámetros en la ecuación (6); esto es, en el caso sin descuento. Corresponden a una malla sobre la región tomando una partición de subintervalos de igual longitud en cada eje. Cabe mencionar que los resultados se muestran en nodos específicos, aunque el método los proporciona para todos los nodos de la malla. Para verificar los valores obtenidos, adicionalmente se obtuvieron estimaciones para sobre los nodos de la Tabla 1. Por medio de simulación. Esto es, se corrieron 100,000 trayectorias del proceso con,y se calcularon las proporciones para } y. Los resultados se muestran en la Tabla 2 y son comparables a los de la Tabla 1. Similarmente en la Tabla 3, presentamos los resultados obtenidos numéricamente para la ecuación (8), con para una malla con y en la Tabla 4, los correspondientes al Método de Simulación para los mismos nodos. Finalmente, los datos que se muestran en la Tabla 5 se obtienen con nuestro método para
6 Conclusiones y trabajo futuro Como podemos observar, los resultados obtenidos numéricamente son muy similares a los obtenidos por simulación, sin que haya una manera de precisar cuales son mejores. Algunas ventajas de nuestro método son: Nuestro acercamiento es completamente elemental. Con el enfoque numérico, se pueden obtener valores para muchos más puntos que con el de simulación, a saber todos los nodos de la malla, sin esfuerzo extra. Si se requiere obtener aproximaciones para puntos que no estén en la malla, se pueden obtener por interpolación. Es fácil obtener resultados más precisos ya sea refinando la malla o usando una fórmula de cuadratura de mayor orden. Este acercamiento es mucho más rápido que el de simulación. Se plantea continuar el trabajo para las ecuaciones integrales que resulten de considerar otras distribuciones e incursionar en áreas similares, por ejemplo el de la Teoría de Ruinas. Referencias S. Asmussen, Applied Probability and Queues. Springer, K. E. Atkinson, The Numerical Solution of Integral Equations of the Second Kind. Cambridge University Press, P. Barrera-Sánchez, F. J. Domínguez-Mota, G. González-Flores, and J. G. Tinoco- Ruiz. Generating quality structured convex grids on irregular regions. Electronic transactions on Numerical Analysis. Volume 34 ( ). pp H. Brunner and J.P. Kauthen, The numerical solution of two-dimensional Volterra integral equations by collocation and iterated collocation, IMA Journal of Numerical Analysis, , H, Brunner and P.J. van der Houwen, The numerical solution of Volterra equations, CWI Monographs, North-Holland, W. Cheney, Analysis for Applied Mathematics. Springer, T. Rolski, H. Schmidli, V. Schmidt, and J. Teugels, Stochastic Processes for Insurance and Finance. John Wiley, & Sons, E. Scalas, Five Years of Continuous-time Random Walks in Econophysics. Economic Working Paper Archive EconWPA, E. Scalas, R. Gorenflo, and F. Mainardi, Uncoupled continuous-time random walks: Solution and limiting behavior of the master equation. Physical Review E, 69, , O. Thorin, Some remarks on the ruin problem. Scand. Act. J., O. Thorin and N., Wikstad, Numerical evaluation of the ruin probabilities for a finite period. Austin Bulletin 7, , W. Whitt, Stochastic-Processes Limits. Springer, 2002.
INTEGRACIÓN NUMÉRICA
INTEGRACIÓN NUMÉRICA En los cursos de Cálculo Integral, nos enseñan como calcular una integral definida de una función contínua mediante una aplicación del Teorema Fundamental del Cálculo: Teorema Fundamental
Más detallesUNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN. Tema: LA INTEGRAL DEFINIDA
UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN Tema: LA INTEGRAL DEFINIDA La integral definida Anteriormente se mencionó que la Integral Indefinida da como resultado una familia de funciones
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesCuadratura de Newton-Cotes
Profesor: Jaime Álvarez Maldonado Universidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación INTEGRACION NUMERICA Ayudante: Rodrigo Torres Aguirre INTEGRACION
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesVISUALIZACIÓN INTERACTIVO DEL MÉTODO GAUSS LEGENDRE DOS NODOS Y REGLA DE SIMPSON ADAPTATIVA. Oscar E. ARES, Fernando J.
III REPEM Memorias Santa Rosa, La Pampa, Argentina, Agosto 00 CB 36 VISUALIZACIÓN INTERACTIVO DEL MÉTODO GAUSS LEGENDRE DOS NODOS Y REGLA DE SIMPSON ADAPTATIVA Oscar E. ARES, Fernando J. QUIROGA VILLEGAS
Más detallesPreliminares Interpolación INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL
INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL Contenido Preliminares 1 Preliminares Teorema 2 Contenido Preliminares Teorema 1 Preliminares Teorema 2 Teorema Preliminares Teorema Teorema: Serie de Taylor Supongamos
Más detallesMétodos de elemento finito Formulación n de elemento finito en 2 dimensiones
Métodos de elemento finito 7.4.. Método de Galerkin 7.4.. Formulación n de elemento finito en dimensiones Los métodos m de elemento finito (MEF) son una estrategia numérica alternativa muy popular para
Más detallesBajo estas hipótesis la ley de Newton permite escribir las ecuaciones del cohete (ver Figura 1.1) como. = m(t) g + T (t), = g + dx dt (0) = v 0.
CAPÍTULO 1 INTRODUCCIÓN Ejercicios resueltos Problema 1. Desarrolle un modelo simplificado de un coete como un cuerpo sujeto a la gravedad que se mueve en vertical por el empuje de una fuerza de propulsión
Más detallesVolumen de Sólidos de Revolución
60 CAPÍTULO 4 Volumen de Sólidos de Revolución 6 Volumen de sólidos de revolución Cuando una región del plano de coordenadas gira alrededor de una recta l, se genera un cuerpo geométrico denominado sólido
Más detallesCuáles son las características aleatorias de la nueva variable?
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesProcesos Estocásticos I
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Ciencias Plan de estudios de la Licenciatura en Actuaría Procesos Estocásticos I Clave 0630 Modalidad Semestre 5 Créditos 10 Área Campo de conocimiento
Más detalles1.1. Distribución exponencial. Definición y propiedades
CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -
Más detallesUN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 27 a 32 UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES CARLOS
Más detallesAnálisis de Datos y Probabilidad Grado 9
Análisis de Datos y Probabilidad Grado 9 Estimando el área de un círculo usando simulación 1 Introducción Suponga que tengo un círculo de radio 1 y centro en (0,0) inscrito en un cuadrado cuyos vértices
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
Más detallesPráctica II: Problemas de valor inicial en EDO s.
AMPLIACIÓN DE MATEMÁTICAS o Ing. de Telecomunicación y Aeronáutica) Departamento de Matemática Aplicada II. Universidad de Sevilla CURSO ACADÉMICO 008-009 Práctica II: Problemas de valor inicial en EDO
Más detalles1. El Método de Diferencias Finitas
1. El Método de Diferencias Finitas Por Guillermo Hernández García El Método consiste en una aproximación de derivadas parciales por expresiones algebraicas envolviendo los valores de la variable dependiente
Más detallesCAPÍTULO. Métodos numéricos
CAPÍTULO 7 Métodos numéricos 7.2 Método de Euler En general, la solución de un PVI, y 0 D f.x; y/, con y.x 0 / D y 0, es una función y.x/ que se puede desarrollar mediante un polinomio de Taylor de cualquier
Más detallesEcuaciones diferenciales ordinarias
Tema 9 Ecuaciones diferenciales ordinarias Versión: 13 de mayo de 29 9.1 Introducción El objetivo de este tema es exponer muy brevemente algunos de los conceptos básicos relacionados con las ecuaciones
Más detallesFunciones. Cátedra de Matemática I
Funciones Cátedra de Matemática I 2013 Definición Las funciones representan el principal objeto de análisis en el cálculo, ya que constituyen la clave para describir el mundo real en términos matemáticos
Más detalles4. ANÁLISIS DE FUNCIONES DE UNA VARIABLE
Análisis de funciones de una variable 49 4. ANÁLISIS DE FUNCIONES DE UNA VARIABLE En esta sección realizaremos algunos ejercicios sobre el estudio de funciones de una variable: En la parte final hay ejercicios
Más detallesIntroducción. { x si x [0,
En el Cálculo Infinitesimal desarrollado por Newton y Leibnitz es el cálculo diferencial el que cobra mayor importancia, quedando la integral relegada al papel de operación inversa de la diferencial. Una
Más detallesx = u + v 2 y = u v. Finalmente, volviendo a las variables típicas, es decir, cambiando u por x y v por y, se tiene: f(x, y) = x2 xy U de Talca
1. Hallar f(x, y) si f(x + y, x y) = xy + y. Sean u = x + y y v = x y. Resolviendo este sistema se obtiene Luego, x = u + v f(u, v) = u + v u v e y = u v. ( ) u v + = u uv. Finalmente, volviendo a las
Más detallesAsignaturas antecedentes y subsecuentes Análisis Numérico II
PROGRAMA DE ESTUDIOS Análisis Numérico I Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0033 Asignaturas antecedentes y subsecuentes Análisis
Más detallesActividad: Qué proporción del área terrestre de Puerto Rico está urbanizada?
Actividad: Qué proporción del área terrestre de Puerto Rico está urbanizada? Introducción En planificación el área urbanizada corresponde a la superficie de un terreno donde se han construido residencias
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detalles08 Losas delgadas Teoría de Kirchhoff. Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales
08 Losas delgadas Teoría de Kirchhoff Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Introducción Elementos laminares delgados Losas o placas (son elementos
Más detallesÁrea La integral definida Propiedades de la integral definida Teorema del valor medio para la integral definida Teoremas fundamentales del cálculo Aplicaciones de la integral definida: Área de una región
Más detallesTiro Oblicuo. Autor: Darío Kunik. Contacto
Tiro Oblicuo. Autor: Darío Kunik Contacto dkunik@df.uba.ar En este apartado se analizan los datos obtenidos a partir del video de la pelota que realiza un tiro oblicuo. Como describimos en el tutorial
Más detallesClase No. 20: Integrales impropias MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 14
Clase No. 2: Integrales impropias MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 26.11.211 1 / 14 Integrandos con singularidades (I) Cuando el integrando o alguna de sus derivadas de bajo orden
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detalles(Apuntes en revisión para orientar el aprendizaje) INTEGRALES IMPROPIAS
(Apuntes en revisión para orientar el aprendizaje) INTEGRALES IMPROPIAS En integración se pide que la función sea continua en el intervalo considerado que además éste sea finito. En este tema se pretende
Más detallesAplicaciones a Flujo de calor en estado estacionario.
Universidad de oriente Núcleo de Bolívar Unidad de Cursos Básicos Matemática IV Aplicaciones a Flujo de calor en estado estacionario. Profesor: Realizado por: Cristian Castillo Ana Ron C.I 20.554.942 Yasser
Más detallesIntroducción a los Procesos de Poisson *
Introducción a los Procesos de Poisson * Victor M. Pérez Abreu C. Departamento de Probabilidad y Estadística, CIMAT David Reynoso Valle Licenciatura en Matemáticas, DEMAT, Universidad de Guanajuato 22
Más detallesLección 51. Funciones III. Funciones lineales
Lección 51 Funciones III Funciones lineales Una función lineal es una función de la forma f (x) = mx + b, donde m y b son constantes. Se llama lineal porque su gráfica es una línea recta, en el plano R
Más detallesEJERCICIOS RESUELTOS DE INTEGRAL DEFINIDA
EJERCICIOS RESUELTOS DE INTEGRAL DEFINIDA. Calcular las siguientes integrales definidas: b) d e d c) + d d) d e) sen d f) + d d ( ) En primer lugar se ha calculado una primitiva de f() Barrow. y después
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesLa cuadratura de la parábola y otros problemas geométricos
La cuadratura de la parábola y otros problemas geométricos Departamento de Matemáticas Universidad de Castilla-La Mancha ESTALMAT Castilla-La Mancha IX SEMINARIO SOBRE ACTIVIDADES PARA ESTIMULAR EL TALENTO
Más detallesCircuitos Electrónicos Analógicos EL3004
Circuitos Electrónicos Analógicos EL3004 Guía de Ejercicios Diodos Profesor: Marcos Díaz Auxiliar: Jorge Marín Semestre Primavera 2009 Problema 1 Considere el circuito de la figura: Calcule la corriente
Más detallesMétodos de muestreo de variables con distribuciones continuas Dr. Ing. JORGE E. NÚÑEZ MC LEOD
Métodos de muestreo de variables con distribuciones continuas Dr. Ing. JORGE E. NÚÑEZ MC LEOD 1. MÉTODO DE LA TRANSFORMADA INVERSA (Simulación Montecarlo) Se desean obtener muestras aleatorias de una variable
Más detallesDEPARTAMENTO ECONOMIA FINANCIERA Y CONTABILIDAD I
1 DEPARTAMENTO ECONOMIA FINANCIERA Y CONTABILIDAD I LICENCIATURA EN CIENCIAS ACTUARIALES Y FINANCIERAS Plan 2001 METODOS Y MODELOS DE LOS SISTEMAS DINAMICOS 4,5 Créditos Código 208 Profesores : Dr. Jose
Más detallesMatemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD DE LOS MAYORES DE 25 AÑOS CONVOCATORIA 2014 CRITERIOS DE EVALUACIÓN Matemáticas GENERALES: El examen constará de dos opciones (dos
Más detallesMatemática. Desafío. GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo GUICEN041MT22-A16V1
GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo Desafío Una población estadística está compuesta de cuatro números enteros consecutivos, siendo n el menor de ellos. La desviación
Más detallesGeneración de números aleatorios con distribución uniforme
Generadores de Números Aleatorios 1 Existen en la actualidad innumerables métodos para generar números aleatorios En la literatura disponible se pueden encontrar gran cantidad de algoritmos. Generación
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesDerivadas Parciales (parte 2)
40 Derivadas Parciales (parte 2) Ejercicio: Si donde y. Determinar Solución: Consideraremos ahora la situación en la que, pero cada una de las variables e es función de dos variables y. En este caso tiene
Más detallesNuria Reguera Dpto. de Matemática y Computación, Universidad de Burgos
Aislamiento de estructuras coherentes para la ecuación BBM discretizada mediante elementos finitos Nuria Reguera Dpto. de Matemática y Computación, Universidad de Burgos nreguera@ubu.es Isaías Alonso-Mallo,
Más detalles1. Experimentos aleatorios
1. Eperimentos aleatorios La eperimentación es útil porque si se supone que llevamos a cabo ciertos eperimentos bajo condiciones esencialmente idénticas se llegará a los mismos resultados. En estas circunstancias,
Más detallesTEORIA CUANTICA EUCLIDIANA Y LAS ECUACIONES ESTOCASTICAS
Pro Mathematica, XIX, 37-38, {2005}, 161-167,, TEORIA CUANTICA EUCLIDIANA Y LAS, ECUACIONES ESTOCASTICAS Juvenal Castromonte Salinas 1 Resumen En el modelo del oscilador armónico se analiza la posibilidad
Más detallesm y b x 0 y b y b mx Esto conduce a la siguiente forma de la ecuación de una recta con la ordenada al origen.
COLEGIO HERNANDO DURAN DUSSAN GUIA NIVELACION GRADO 0 Y 02 SEGUNDO PERIODO Leer el documento y resolver los ejercicios en hojas tipo examen (excelente presentación) Funciones lineales A continuación se
Más detallesDerivadas e integrales
Derivadas e integrales Álvarez S., Caballero M.V. y Sánchez M a M salvarez@um.es, m.victori@um.es, marvega@um.es ÍNDICE Matemáticas Cero Índice. Definiciones 3. Herramientas 4.. Reglas de derivación.......................
Más detallesCÁLCULO INTEGRAL HORAS TEÓRICAS UNIDADES CRÉDITO HORAS PRÁCTICAS CODIGO (COMPUTACION) (SISTEMAS) CALCULO DIFERENCIAL III
CÁLCULO INTEGRAL CODIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDADES CRÉDITO SEMESTRE PRE REQUISITO 213154 (COMPUTACION) 223154 (SISTEMAS) 03 02 04 III CALCULO DIFERENCIAL ELABORADO POR REVISADO POR APROBADO
Más detallesPROCESOS ESTOCÁSTICOS
CURSO: PROCESOS ESTOCÁSTICOS 1 SEMESTRE: VIII 2 CODIGO: 602804 3 COMPONENTE: 4 CICLO: 5 AREA: Profesional 6 FECHA DE APROBACIÓN: 7 NATURALEZA: Teórica 8 CARÁCTER: Obligatorio 9 CREDITOS (RELACIÓN): 3 (1-1)
Más detallesMuestreo, Generación de Valores de Variables Aleatorias y Entropía
Muestreo, Generación de Valores de Variables Aleatorias y Entropía Dr. José Elías Rodríguez Muñoz elias@cimat.mx Dept. de Matemáticas, U. de Gto. Tercer Verano de Probabilidad y Estadística en el CIMAT,
Más detallesLa integral doble sobre recintos no rectangulares
La integral doble sobre recintos no rectangulares IABEL MARRERO Departamento de Análisis Matemático Universidad de La Laguna imarrero@ull.es Índice 1. Introducción 1 2. Conjuntos de tipos I II 2 3. Aplicaciones
Más detallesCubiertas convexas. Dr. Eduardo A. RODRÍGUEZ TELLO. 18 de enero del CINVESTAV-Tamaulipas
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 18 de enero del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Cubiertas convexas 18 de enero del 2013 1 / 30 1 Cubiertas convexas Introducción El problema
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
Más detallesLas aproximaciones numéricas que podamos hacer (para h > 0) serán: Diferencias hacia adelante:
4 DIFERENCIACIÓN E INTEGRACIÓN NUMÉRICA 4.1. Derivación numérica La derivación numérica es una técnica de análisis numérico para calcular una aproximación a la derivada de una función en un punto utilizando
Más detallesSuperficies Parametrizadas y Áreas
Superficies Parametrizadas y Áreas 1 Superficies Parametrizadas y Áreas Hasta ahora hemos estudiado (tema de matemáticas 5) superficies definidas como gráficas de funciones de la forma z = f (x, y). El
Más detallesProbabilidad Condicional
Probabilidad Condicional Independencia condicional Como hemos dicho, las probabilidades condicionales tienen las mismas propiedades que las probabilidades no condicionales. Un ejemplo más es el siguiente:
Más detallesLa interpolación polinomial en el análisis de métodos iterativos
Notas La interpolación polinomial en el análisis de métodos iterativos Resumen La solución de ecuaciones no lineales es de extrema importancia en la ingeniería y ciencias. Los métodos que se estudian para
Más detallesPROGRAMA PRE-PAES 2015 Asignatura: Matemática Contenido Virtual
Programa PREPAES, Universidad Francisco Gavidia015 PROGRAMA PRE-PAES 015 Asignatura: Matemática Contenido Virtual TEMA: APLIQUEMOS ELEMENTOS DE GEOMETRIA ANALITICA Profesor: Luis Roberto Padilla R. e-mail:
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesFUNCIONES DE VARIAS VARIABLES. (http://www.geocities.com/ajlasa)
FUNCIONES DE VARIAS VARIABES (http://www.geocities.com/ajlasa) En matemáticas III vamos a considerar funciones de dos o más variables independientes. Este tipo de funciones son muy importantes en economía
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesLímites y continuidad de funciones reales de variable real
Límites y continuidad de funciones reales de variable real Álvarez S., Caballero M.V. y Sánchez M. a M. salvarez@um.es, m.victori@um.es, marvega@um.es Índice 1. Definiciones 3 2. Herramientas 10 2.1. Funciones
Más detalles7.- Teorema integral de Fourier. Transformada de Fourier
7.- Teorema integral de Fourier. Transformada de Fourier a) Introducción. b) Transformada de Fourier. c) Teorema integral de Fourier. d) Propiedades de la Transformada de Fourier. e) Teorema de Convolución.
Más detallesRectas perpendiculares
nota de clase Rectas perpendiculares Ángel Pérez Juárez Resumen: Se demuestra la condición de ortogonalidad entre dos rectas sin usar funciones trigonométricas. La alternativa es plantear una ecuación
Más detallesElementos para la estimación de una tabla de mortalidad de inválidos
Elementos para la estimación de una tabla de mortalidad de inválidos La Superintendencia Financiera de Colombia (SFC) ha presentado para comentarios el proyecto de actualización de la tabla de mortalidad
Más detallesDISTRIBUCIONES DE FRECUENCIAS
Distribuciones de frecuencias CAPITULO 2 DATOS SUELTOS Se les llama datos sueltos a los datos recolectados que no han sido organizados numéricamente. Un ejemplo es el conjunto de las estaturas de 100 estudiantes
Más detalles1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1
8 Estadística 81 Distribuciones unidimensionales Tablas de frecuencias En este tema nos ocuparemos del tratamiento de datos estadísticos uestro objeto de estudio será pues el valor de una cierta variable
Más detallesSimulación Numérica de Yacimientos
Simulación Numérica de Yacimientos Dr. Fernando Rodríguez de la Garza e-mail: frodriguezd@pep.pemex.com Tel: 5550872, 5622 307 al 9 Capítulo 4. Simulación Numérica de Flujo Multifásico Unidimensional 4.
Más detallesDefinición de Modelo de Elevaciones. Tipos de Estructuras
Definición de Modelo de Elevaciones Tipos de Estructuras 1.1 Definición de Modelo Para poder comprender correctamente que es un Modelo Digital de Elevaciones, primero debemos conocer el concepto de modelo
Más detallesCALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS
Gestor de Calidad Página: 1 de 5 1. Propósito Establecer una guía para el cálculo de la incertidumbre asociada a las mediciones de los ensayos que se realizan en el. Este procedimiento ha sido preparado
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesCadenas de Markov Tiempo Discreto. Modelado y Análisis de Redes de Telecomunicaciones
Cadenas de Markov Tiempo Discreto Modelado y Análisis de Redes de Telecomunicaciones Motivación Ejemplo 1 Sea un enrutador al que arriban paquetes de otros (varios) routers Cuando más de un paquete llega
Más detallesCurso: Métodos de Monte Carlo. Unidad 2, Sesión 3: Estimación de volúmenes
Curso: Métodos de Monte Carlo. Unidad 2, Sesión 3: Estimación de volúmenes Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,
Más detalles[5.1] Cómo estudiar este tema? [5.5] Modelos de rentas más usuales. [5.6] Operaciones de constitución de un capital
Rentas financieras [5.1] Cómo estudiar este tema? [5.2] Concepto de renta [5.3] Clasificación de una renta [5.4] Valor de una renta [5.5] Modelos de rentas más usuales [5.6] Operaciones de constitución
Más detallesTema II: Análisis Límites
Tema II: Análisis Límites En matemáticas, se usa el concepto del límite para describir la tendencia de una sucesión o una función. La idea es que en una sucesión o una función, decimos que existe el límite
Más detallesUn enfoque numérico en la demostración de un teorema del incremento del volumen de un cilindro de área mínima preservando su área
Un enfoque numérico en la demostración de un teorema del incremento del volumen de un cilindro de área mínima preservando su área A numerical approach in the proof of a theorem of increasing the volume
Más detallesSucesiones. Convergencia
Sucesiones. Convergencia Sucesión: Es una aplicación de IN en IR: f : IN IR n = f (n) En vez de f (n) se escribe a n, que se denomina término general de la sucesión. A la sucesión se le representa por:
Más detallesProyecto. Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas. Geometría Analítica. Isidro Huesca Zavaleta
Geometría Analítica Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas Isidro Huesca Zavaleta La Integración de dos Ciencias La Geometría Analítica nació de la integración de dos ciencias
Más detallesMétodos Numéricos en Ecuaciones Diferenciales Ordinarias
Tema 4 Métodos Numéricos en Ecuaciones Diferenciales Ordinarias 4.1 Introducción Estudiaremos en este Tema algunos métodos numéricos para resolver problemas de valor inicial en ecuaciones diferenciales
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesUnidad IV. La sucesión de sumas parciales asociada a una sucesión está definida para cada como la suma de la sucesión desde hasta :
Unidad IV Series. 4.1 Definición de seria. Una serie es la generalización de la noción de suma a los términos de una sucesión infinita. Informalmente, es el resultado de sumar los términos: a 1 + a 2 +
Más detalles2.2 Rectas en el plano
2.2 Al igual que ocurre con el punto, en geometría intrínseca, el concepto de recta no tiene definición, sino que constituye otro de sus conceptos iniciales, indefinibles. Desde luego se trata de un conjunto
Más detallesTécnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler
Lección 6 Técnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler 61 Introducción a los métodos numéricos En este capítulo y en los anteriores estamos estudiado algunas técnicas
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-mast.html elena.martinez@iimas.unam.mx
Más detallesInvestigación operativa: aplicaciones en la optimización de costes"
Autor: Ricardo San Martín Molina - 1 - Investigación operativa: aplicaciones en la optimización de costes" Autor: Ricardo San Martín Molina Resumen: En este artículo veremos, a través de un ejemplo y su
Más detallesLímites de Sumas de Riemann
Límites de Sumas de Una partición de un intervalo [a,b] es un división del intervalo en una unión finita de sub-intervalos, dada por un conjunto finito de puntos ordenados: P={a=x(0)
Más detallesEl plano cartesiano y Gráficas de ecuaciones. Copyright 2013, 2009, 2006 Pearson Education, Inc. 1
El plano cartesiano y Gráficas de ecuaciones Copyright 2013, 2009, 2006 Pearson Education, Inc. 1 Sistema de coordenadas rectangulares En el cap 2 presentamos la recta numérica real que resulta al establecer
Más detallesFormulas de Newton-Cotes
Formulas de Newton-Cotes. Usando las reglas del Trapecio, Punto Medio, Simpson y las formulas de Newton-Cotes abiertas con n =,, aproxime el valor de las siguientes Integrales. Construya una tabla para
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesDeducción de las fórmulas de Black-Scholes mediante valor esperado del pago futuro
Deducción de las fórmulas de Black-Scholes mediante valor esperado del pago futuro Alexis Sánchez Tello de Meneses 4 Septiembre 04 Abstract Se desarrollará a partir del modelo de evolución log-normal para
Más detallesDefinición de la integral de Riemann (Esto forma parte del Tema 1)
de de de Riemann (Esto forma parte del Tema 1) Departmento de Análise Matemática Facultade de Matemáticas Universidade de Santiago de Compostela Santiago, 2011 Esquema de Objetivos del tema: Esquema de
Más detalles