Sesión 2 Análisis univariado de series de tiempo
|
|
- Gonzalo Rey Vera
- hace 6 años
- Vistas:
Transcripción
1 Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión Análisis univariado de series de iempo 4. Series de iempo esacionarias 4.. Qué enendemos por proceso esacionario? Proceso Esocásico Discreo (PED): una sucesión de variables y, donde -,..., -, -, 0,,,.... aleaorias { } y y cenrémonos en dos de sus miembros: y y y -. Ese PED se denomina esacionario de un ipo paricular si deerminadas propiedades esocásicas de y y y - no dependen de y - (su ubicación absolua en la secuencia) pero sólo de (su separación relaiva en la secuencia). Esacionariedad. Consideremos el PED { -,...y,..., yt,..., y- } - Esacionariedad esrica. Se verifica si las disribuciones de y y y - (conjuna y marginal) no dependen de pero sólo de ; i.e. fy (z) f (z) y para odo z, y f (z, w) y, y depende sólo de y no de. - Esacionariedad débil o en covarianza. Se verifica cuando los dos primeros momenos de y y y - dependen posiblemene de pero no de ; i.e. E(y ) E(y ) y Var(y ) Var(y ), y Cov(y, y ) depende posiblemene de pero no de.
2 BCRP - 55º Curso de Exensión Universiaria (008) Economería Series de iempo esacionarias (en el senido débil): se podrán modelar a ravés de especificaciones ARMA. Su objeivo es explicar el componene cíclico de la serie (o su componene esacionario) a ravés de su pasado a ravés de diferenes ipos de relaciones. p ARMA(p,q): y α y + ε + ε ε i.i.d(0, σ ) i i q j i 4.. Condiciones para la esacionariedad Paramos de los procesos: y α y + ε, ε ~ i.i.d(0, σ ) + σv x x v, v ~ i.i.d(0, ) Esos procesos pueden ambién expresarse de la forma: ε ε y i α y0 + α ε i 0 x x + v 0 i 0 Y, si suponemos que sus valores iniciales son iguales a cero y x 0 ), sus dos primeros momenos vendrán dados por: ( 0 0 Media E(y ) E(x ) 0 Varianza ( ) ( ) ( ) i α + α + α + α + + α σ ε α σ ε σ ε 0 α σ v σv 0 Var(y )... Var(x ) Prof. Juan F. Casro
3 BCRP - 55º Curso de Exensión Universiaria (008) Economería 3 Covarianza i i Cov(y, y ) E α ε i α ε i 0 + ( ) + ( ) ε ε E ε + αε α ε + α ε α ε... ε ( ) + i i i... ε + αε α ε α α σ σ α α σ α α α Cov(x, x ) E v i v i ( )( ) E v + v v + v v v + v v ( ) σ v De lo anerior se desprende que, si bien la media de ambos procesos es la misma y consane para odo, conforme la varianza y covarianza de x aumenan, mienras que los segundos momenos de y convergen a una consane si y sólo si α <. En paricular, y si se cumple esa condición: lim Var(y ) σ α ε α ε lim Cov(y, y ) σ α Por lo mismo, para un proceso auorregresivo de primer orden, la condición que garaniza que los dos primeros momenos de y y y - dependan posiblemene de pero no de es: α <. Prof. Juan F. Casro
4 BCRP - 55º Curso de Exensión Universiaria (008) Economería 4 Trabajemos con esa condición y el operador de rezagos. El proceso: y α y + ε, ε ~ i.i.d(0, σ ) pueden ambién expresarse: ε α + ε - y Ly, donde L es un operador al que L y y ( α L)y y ε ε ( αl) Y, ya sabemos que α < para que ese AR() pueda ser caracerizado como esacionario. Generalicemos ahora nuesros resulados para un proceso ARMA(p,q): y y y y α y + ε ( α L... α ( z L)( z p i i [ MA(q) + ε ] Esacionario q j p i L p L)...( z ( z + ε ) MA(q) + ε L) Esacionario si z < p L) MA(q) + ε ( z... L) ( z Esacionario si z < y z <...ec. p L) Prof. Juan F. Casro
5 BCRP - 55º Curso de Exensión Universiaria (008) Economería 5 De las ecuaciones aneriores: y p ( αl... αpl ) MA(q) Polinomio de rezagos + ε p p p αl... αpl z αz... αp 0 Ecuación caracerísica y ( zl)( zl)...( zpl) MA(q) + ε Resumiendo odo lo anerior, podemos enunciar la condición para la esacionariedad de un proceso ARMA(p,q) de la siguiene manera: Las raíces caracerísicas del polinomio de rezagos del componene AR(p) deben ser menores a uno en valor absoluo. Para el proceso AR() considerado, lo anerior se verifica fácilmene: y α y + ε α Ly + ε ( α L)y ε Polinomio de rezagos: αl Ecuación caracerísica: z α 0 Raíz de la ecuación caracerísica: z z < α < Raíces de la ecuación caracerísica α Prof. Juan F. Casro
6 BCRP - 55º Curso de Exensión Universiaria (008) Economería 6 **Tarea: verifiquen lo anerior para un proceso AR(). En α, α y paricular, esablezcan la relación que exise enre { } { } z,z y deerminen qué implica la condición enunciada aneriormene para los valores que pueden omar: α, α + α, α α. En la prácica, el análisis de esacionariedad no pasa por la consrucción de ecuaciones caracerísicas y el cálculo de sus raíces. No obsane, se basa en los resulados que acabamos de ver. p p Si parimos de la ecuación caracerísica z αz... αp 0, cómo esperamos se comporen los coeficienes si alguna de las (p) raíces es igual a? Podemos, enonces, pregunar si es que se cuena con suficiene evidencia esadísica para acepar que: p * j j α α 0 Eso es, precisamene, lo que hace uno de los ess que veremos más adelane Esadísicos que caracerizan a un proceso esacionario Si comprendemos la manera como se comporan los principales esadísicos que caracerizan a un proceso esacionario, esaremos mejor preparados para idenificarlos. Prof. Juan F. Casro
7 BCRP - 55º Curso de Exensión Universiaria (008) Economería 7 El propósio de esa sección, por ano, es proporcionar algunos elemenos que serán de uilidad al momeno de realizar el diagnósico de esacionariedad de una serie Función de Auocovarianza (FAC) La FAC de un PED { } y viene dada por: γ Cov(y, y ), 4.3. Función de Auocorrelación Simple (FAS) La FAS de un PED { } y ρ Cov Var viene dada por: ( y, y- ) ( y ) Var( y ) -, Nóese que, si la serie es esacionaria, las varianzas serán consanes a lo largo del iempo, es decir, Var(y ) Var(y - ), con lo cual el denominador es simplemene Var(y) o γ 0, por lo que: γ ρ γ 0 Para esimar la FAS de orden de un PED, se pueden uilizar las conrapares muesrales de los érminos de varianza y covarianza: ρ ˆ T T ( y y)( y y) + T T ( y y) ( y y) T T + Prof. Juan F. Casro
8 BCRP - 55º Curso de Exensión Universiaria (008) Economería 8 Les parece familiar esa expresión? Tomen en cuena que si T : T T, (.) (.) T T + Por lo que, para una muesra lo suficienemene grande, podemos rescribir ˆρ como: ρˆ T + T - + ( y - y)( y - y) - ( y - y) Algo más familiar? Función de Auocorrelación Parcial (FAP) y es igual a su FAS, pero corregida por los rezagos inermedios, ya que indica el efeco marginal que iene el - ésimo rezago sobre el valor conemporáneo del proceso. En adelane, denominaremos a la FAP como φ. La FAP de un PED { } Para esimar la FAP de orden de un PED es necesario correr una regresión que relacione y y y - pero en presencia de los rezagos inermedios. Así, por ejemplo, para hallar la FAP de orden (que es igual a la FAS del mismo orden, ya que no habrían rezagos inermedios), se esima la regresión: y~ φ ~ y + ε donde y% es la desviación de y respeco a su media. Prof. Juan F. Casro
9 BCRP - 55º Curso de Exensión Universiaria (008) Economería 9 Para esimar la FAP de orden, se requiere esimar la regresión: y~ λy~ - + φ ~ y - + ε donde φ es la FAP de orden, pero λ no es la FAP de orden. Algo similar ocurre si queremos esimar la FAP de orden 3 esimando la regresión: y~ λy~ - + τy~ - + φ3 ~ y -3 + ε3 siendo φ 3 la FAP de orden 3, pero eniendo en cuena que ni λ ni τ son las FAP de orden y, respecivamene Cómo esimamos esos coeficienes? De acuerdo con S3, podemos usar MICO para esimar los coeficienes asociados a los érminos auorregresivos? Consideremos un proceso AR() e inenemos esimar la FAS() y la FAP(). Es el regresor esocásico?... enonces? Paramos de: y verifiquemos: α y + y ε y ε MICO y y α ˆ α + αˆ? MICO p T( αˆ α)? MICO d Prof. Juan F. Casro
10 BCRP - 55º Curso de Exensión Universiaria (008) Economería La FAC, FAS y FAP de algunos procesos (i) Un proceso AR(): y αy + ε De hecho, ya conocemos la FAC, FAS y FAP de un proceso AR() (las uilizamos al momeno de presenar las condiciones para su esacionariedad). No obsane, aquí emplearemos las ecuaciones de Yule-Waler, las que serán úiles para procesos de orden mayor a uno. La Función de Auocovarianza y de Auocorrelación Simple γ 0 Var(y ) E(y ) ( ) E α y + ε y αγ + σ ε Cov(y, y ) γ E(y y ) [ ] E ( α y + ε )y αγ 0 Por lo que: σε 0 ( 0) ε 0 γ α αγ + σ γ α Nóese que para llegar a esa expresión hemos usado las propiedades de una proceso esacionario: Var(y ) Var(y ) γ 0. Así, en general: Cov(y, y ) γ E(y y ) E [( α y + ε )y ] E ( α y + α ε )y α γ i i 0 0 Prof. Juan F. Casro
11 BCRP - 55º Curso de Exensión Universiaria (008) Economería Y como α <, puede observarse que a medida que crece, la FAC converge a cero a una asa α. Lo mismo ocurre con las FAS, la que viene dada por: ρ γ γ0 α 0 La Función de Auocorrelación Parcial Para hallar la FAP() es necesario esimar los coeficienes de una regresión que relacione y con el -ésimo rezago y odos los inermedios. y φy - + ε Para una muesra lo suficienemene grande, el desvío de y respeco a la media es igual a y dado que E(y ) 0. FAP () FAS() φ α Lo mismo se aplica en el caso de que, usando el modelo: y λy- + φy- + ε Debido a que el proceso en cuesión es un AR(), ningún regresor excepo el primer rezago endrá un efeco marginal significaivo sobre y. En oras palabras, luego de conrolar por el primer rezago, ningún oro de orden superior endrá un efeco significaivo. Concluimos enonces que: FAP() φ α FAP() 0 > Prof. Juan F. Casro
12 BCRP - 55º Curso de Exensión Universiaria (008) Economería Qué sabemos hasa ahora? - Los coeficienes de correlación simple de un proceso AR() esacionario convergen a cero conforme aumene el grado de los mismos. - Sólo el primer coeficiene de correlación parcial de un AR() esacionario es disino de cero. * Verifiquemos eso generando un proceso AR() esacionario. (ii) Un proceso AR(): y α y + α y + ε Tomando la esperanza de la serie podemos comprobar que ésa es igual a cero. Así: Ε ( y ) α Ε( y ) + α Ε( y ) - - Y, dado que se raa de una serie esacionaria, las res esperanzas de la expresión anerior son iguales, por lo que E(y ) sólo puede ser igual a cero. La Función de Auocovarianza y de Auocorrelación Simple Tal como se hizo en el caso del proceso AR(), uilizaremos las ecuaciones de Yule-Waler. En érminos generales (usando el - ésimo rezago): Cov(y, y ) γ E(y y ) [ ] E ( α y + α y + ε )y α γ + α γ - - De donde se desprende que la FAC ambién sigue un proceso auorregresivo. Prof. Juan F. Casro
13 BCRP - 55º Curso de Exensión Universiaria (008) Economería 3 Veamos ese resulado con algo más de dealle de modo que nos quede claro como es que, si omamos en cuena que γ p γp, se obiene lo siguiene: γ 0 αγ + αγ + σε γ αγ 0 + αγ γ αγ + αγ0 Resolviendo ese sisema de ecuaciones es posible hallar γ 0, γ y γ. γ0 ( α) σε ( + α)(( α) α ) γ αγ α 0 γ α ( α ) α + α γ 0 Uilizando las relaciones aneriores enemos que: ρ γ γ 0 α + α ρ α α ρ γ γ0 αρ + α α α + α Así, en general: γ ρ α ρ + α ρ > γ0 Prof. Juan F. Casro
14 BCRP - 55º Curso de Exensión Universiaria (008) Economería 4 A parir de esas expresiones, es posible concluir que la FAS de un AR() converge a cero, bajo diferenes formas (direca u oscilaoria), dependiendo de los valores que omen α y α. De hecho, la condición de esacionariedad para y nos indica que las raíces caracerísicas de ρ αρ - + αρ- deben ser menores a ρ es convergene. uno en valor absoluo, por lo que la secuencia { } s La Función de Auocorrelación Parcial La esimación de la FAP requiere, ora vez, la esimación de un conjuno de ecuaciones donde el úlimo rezago incluido es el del orden respecivo de la FAP a esimar. Así: y y φy - + ε, se usará para hallar la FAP() φ λy- + φy- + ε, se usará para esimar la FAP() φ Nóese que la FAP() es igual, por definición, a α, mienras que la FAP() no es igual a α. Si es ciero, no obsane, que FAP() FAS(). Si deseamos hallar la FAP(3), podemos uilizar del modelo: y λy- + λy- + φ3y-3 + ε donde observaremos que, de acuerdo a la especificación del proceso (de orden ), φ 3 es cero. Eso será, además, ciero para odo >. Prof. Juan F. Casro
15 BCRP - 55º Curso de Exensión Universiaria (008) Economería 5 Qué sabemos hasa ahora? Generalizando esos resulados para procesos AR(p) esacionarios enemos que: - La FAC y la FAS convergen a cero. - La FAP es igual a cero > p. Diagnósico: - Ausencia de una FAS convergene: evidencia en conra de la esacionariedad de la serie. - Hasa qué orden es la FAP significaiva?: orden de auorregresión (AR) de la serie. (iii) Un proceso MA(): y ε βε Nóese que un proceso de medias móviles es siempre esacionario porque es una combinación lineal de ruidos blancos y esos, por definición, son esacionarios. Tomando la esperanza y la varianza a la expresión anerior se puede verificar que: ( ) ( ) E y 0 ε ε ε Var y σ + β σ σ ( + β ) La Función de Auocovarianza y de Auocorrelación Simple Var(y ) γ 0 ( + β ) σ ε Cov(y, y ) γ Ε yy Ε ε βε ε βε βσ Cov(y, y ) γ Ε ( yy ) Ε ( ε βε )( ε βε 3 ) 0 ( ) ( )( ) ε Prof. Juan F. Casro
16 BCRP - 55º Curso de Exensión Universiaria (008) Economería 6 ( ) ( )( ) Cov(y, y ) γ Ε yy Ε ε βε ε βε 0 > Si recordamos la fórmula para la FAS enemos que: γ β γ ρ, ρ, ρ 0 0 γ0 + β γ0 ρ 0, > La Función de Auocorrelación Parcial Dado que el modelo de medias móviles sólo evidencia una relación enre y y los errores presenes y pasados, es necesario realizar un proceso de inversión a fin de rescaar la relación enre la primera y sus propios valores pasados. ε y + βε i y y i i β y i + ε ε + β y La ecuación anerior es la represenación AR de un proceso MA. Para que dicha represenación sea esacionaria (y finia), sabemos ya que debe cumplirse que β sea menor a uno en valor absoluo. En ese caso, se dice que el proceso MA es inverible. Eso, además, implica que la FAP de un proceso MA() inverible converge a cero, bajo diferenes formas, dependiendo del signo de β. **Tarea: Cómo quedaría la FAP si represenamos el MA: y ε + βε? Prof. Juan F. Casro
17 BCRP - 55º Curso de Exensión Universiaria (008) Economería 7 Qué sabemos hasa ahora? Generalizando esos resulados para procesos MA(q) inveribles enemos que: - La FAC y la FAS son iguales a cero > p. - La FAP converge a cero de disinas formas dependiendo de los signos de los coeficienes β. En resumen: FAS() FAP() AR(p) Converge a 0, Igual a cero para > p MA(q) Igual a cero para > q Converge a 0, FAP idea del orden AR. FAS idea del orden MA. (iv) Un proceso ARMA(,): y α y + ε βε Un proceso ARMA (,) será esacionario cuando α <, es decir, cuando el componene AR de la serie lo sea, mienras que será inverible oda vez que β <. De la expresión anerior se desprende que Ε ( y ) 0. En general, un proceso ARMA(p,q) exhibirá: - Una FAS() similar a la de un AR(p) convergene-, siempre y cuando > q. Como vimos, cuando > q, la FAS() de un MA(q) es igual a cero, por lo que prima el componene AR del proceso. Prof. Juan F. Casro
18 BCRP - 55º Curso de Exensión Universiaria (008) Economería 8 - Una FAP() similar a la de un MA(q) convergene-, siempre y cuando > p. Como vimos, cuando > p, la FAP() de un AR(p) es igual a cero, por lo que prima el componene MA del proceso. **Tarea: verifica lo dicho acerca de la FAS() de un ARMA(p,q) rabajando con un ARMA(,). En paricular, halla γ 0, γ, γ, ρ 0, ρ y ρ, y generaliza us resulados para γ y ρ. Prof. Juan F. Casro
ECONOMETRÍA 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 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 detallesD to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESOS ESTOCÁSTICOS Un proceso esocásico «Z» considera «n» variables aleaorias, Z n, en momenos de iempo sucesivos, cada una de esas «n» variables
Más detallesh + para cualquier m 1, 5.2. Modelo E-GARCH Introducción
5.2. Modelo E-GARCH Inroducción Los modelos GARCH exponenciales nacen a parir de la publicación de Daniel Nelson (99) sobre heerocedasicidad condicional en los modelos de renabilidad de acivos. Dicho auor
Más detallesω ω ω y '' + 3 y ' y = 0 en la que al resolver se debe obtener la función y. dx = + d y y+ m = mg k dt d y dy dx dx = x y z d y dy u u x t t
E.D.O para Ingenieros CAPITULO INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES Las ecuaciones diferenciales son ecuaciones en las que conienen derivadas, Por ejemplo: '' + ' = en la que al resolver se debe
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 detallesAnálisis de Series Temporales. Jose Jacobo Zubcoff. Departamento de Ciencias del Mar y Biología Aplicada
Análisis de Series Temporales Jose Jacobo Zubcoff Deparameno de Ciencias del Mar y Biología Aplicada Inroducción al análisis de series emporales Objeivo: analizar la evolución de una variable a ravés del
Más detallesPATRON = TENDENCIA, CICLO Y ESTACIONALIDAD
Pronósicos II Un maemáico, como un pinor o un poea, es un fabricane de modelos. Si sus modelos son más duraderos que los de esos úlimos, es debido a que esán hechos de ideas. Los modelos del maemáico,
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 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 detallesCAPÍTULO 5. INTEGRACIÓN DE FUNCIONES TRIGONOMÉTRICAS 5.1. Introducción 5.2. Cambios de variable 5.3. Transformación en sumas 5.4. Problemas resueltos
CAPÍTULO 5. INTEGRACIÓN DE FUNCIONES TRIGONOMÉTRICAS 5.. Inroducción 5.. Cambios de variable 5.3. Transformación en sumas 5.4. Problemas resuelos 5.5. Inegración por recurrencia Capíulo 5 Inegración de
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 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 detallesECONOMETRÍA I. Autocorrelación. Autocorrelación. Lección 4: Autocorrelación. Siga. 1. Qué es un modelo con autocorrelación?
ECONOMERÍA I Lección 4: Auocorrelación. jm Auocorrelación.. Qué es un modelo con auocorrelación?. Con qué ipo de daos económicos se suelen presenar modelos auocorrelacionados? Auocorrelación. 3. Qué problemas
Más detallesREPRESENTACIÓN DE CURVAS PLANAS DADAS EN FORMA PARAMÉTRICA
Represenación de curvas planas dadas en forma paramérica REPRESENTACIÓN DE CURVAS PLANAS DADAS EN FORMA PARAMÉTRICA PLANTEAMIENTO DEL PROBLEMA Sean x e y dos funciones reales de variable real, de dominios
Más detallesAnálisis de Series Temporales
Inroducción al Análisis de Series Temporales José Albero Mauricio Universidad Compluense de Madrid OBSERVACIONES PRELIMINARES El origen de ese libro es una colección de ransparencias que preparé durane
Más detallesEconometria con Series Temporales
May 24, 2009 Porque series temporales? Inhabilidad de la economia de producir experimentos controlados para estudiar relaciones causales entre variables. Una alternativa consiste en estudiar estas relaciones
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 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 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 detallesEcuaciones de Primer Orden e Intervalo Maximal
2 Ecuaciones de Primer Orden e Inervalo Maximal 2.1 Algunos Méodos de Resolución En general, es muy difícil resolver ecuaciones diferenciales de primer orden. Pero hay cieros ipos canónicos de ésas para
Más detallesSolución: En ambos casos se observa que los determinantes de las matrices de coeficientes son distintos de cero. Veamos: a)
Resolver el siguiene sisema: 9 Primero hallaremos los rangos de la marices formadas por los coeficienes del sisema de la mari formada por los coeficienes los érminos independienes después. sí: 9 rang Ya
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 detallesEconometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid.
Economería II Análisis de series emporales (I): Procesos esacionarios Miguel Jerez y Sonia Sooca Universidad Compluense de Madrid Febrero 2004 Ver. /6/2003, Pag. # Índice: Inroducción Concepos básicos
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 detallesSeries de Fourier. Roberto S. Costas Santos. October 10, Durante este capítulo analizaremos el comportamiento de la serie 1
Series de Fourier Robero S. Cosas Sanos Ocober, 3 Inroducción Serie de Fourier en forma exponencial compleja Durane ese capíulo analizaremos el comporamieno de la serie k= Si enemos en cuena la idenidad
Más detallesMODELO ARIMA(p, d, q) (P, D, Q) s
SERIES TEMPORALES: MODELO ARIMA Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández MODELO ARIMA(p, d, q) (P, D, Q) s Se han analizado las
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
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 detallesMATEMÁTICAS II. x x x d) ( ) b) Como el grado del numerador y del denominador son iguales, hay que empezar por hacer la división.
Albero Enero Conde Maie González Juarrero Inegral indefinida. Cálculo de primiivas Ejercicio Calcula la siguienes inegrales a) d b) d c) 6 d d) 3 d e) d 9 e a) Haciendo el cambio de variable d d. d d d
Más detallesMaster en Economía Macroeconomía II. 1 Problema de Ahorro-Consumo en Horizonte Finito
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 1 - Soluciones 1 Problema de Ahorro-Consumo en Horizone Finio Considere un problema de ahorro-consumo sobre un horizone finio
Más detallesTRABAJO Y ENERGIA: IMPULSO
TRABAJO Y ENERGIA: IMPULSO Un paquee de 10 kg cae de una rampa con v = 3 m/s a una carrea de 25 kg en reposo, pudiendo ésa rodar libremene. Deerminar: a) la velocidad final de la carrea, b) el impulso
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 detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detallesTécnicas cualitativas para las Ecuaciones diferenciales de primer orden: Campos de pendientes y líneas de fase
Lección 5 Técnicas cualiaivas para las Ecuaciones diferenciales de primer orden: Campos de pendienes y líneas de fase 5.. Técnicas Cualiaivas Hasa ahora hemos esudiado écnicas analíicas para calcular,
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
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 detallesESTADISTICA PARA RELACIONES LABORALES
ESTADISTICA PARA RELACIONES LABORALES CURSO 2010 TURNO VESPERTINO Y NOCTURNO MODULO 8 INFLACION, DEFLACTACION INFLACION La INFLACION es el aumeno del nivel general de precios en una economía. Por ello
Más detallesTema 2: El modelo de Solow y Swan: análisis teórico
Tema 2: El modelo de Solow y Swan: análisis eórico 2.1 El modelo 2.2 El esado esacionario 2.3 La regla de oro de la acumulación del capial. 2.4 La asa de crecimieno a lo largo del iempo Bibliografía: Sala
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 detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
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 detallesUNIDAD IX. Técnicas de Suavización
UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?
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 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 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 detallesTema 3. Circuitos capacitivos
Inroducción a la Teoría de ircuios Tema 3. ircuios capaciivos. Inroducción... 2. Inerrupores... 3. ondensadores... 2 3.. Asociación de capacidades.... 5 ondensadores en paralelo... 5 ondensadores en serie...
Más detallesPROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesLos Procesos de Poisson y su principal distribución asociada: la distribución exponencial
Los Procesos de Poisson y su principal disribución asociada: la disribución exponencial Lucio Fernandez Arjona Noviembre 2004. Revisado Mayo 2005 Inroducción El objeivo de esas noas es inroducir al esudio
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
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 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 detallesSeries Temporales Univariantes
Profesoras Carolina García-Maros (garcia.maros@upm.es) María Jesús Sánchez Naranjo (mjsan@esii.upm.es) ÍNDICE Inroducción a las series emporales (objeivos, clasificación de los modelos de series, análisis
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesTema 2. El modelo de Solow: La acumulación de capital físico.
Tema 2. El modelo de Solow: a acumulación de capial físico. 2.1 El modelo básico de Solow.... 2 2.2 El esado esacionario: el modelo de Solow como eoría de las diferencias de rena.... 7 2.3 a convergencia
Más detallesLa Cinemática es la parte de la Física que estudia los movimientos sin preocuparse de la causa que los produce.
CINEMÁTICA La Cinemáica es la pare de la Física que esudia los moimienos sin preocuparse de la causa que los produce. SISTEMA DE REFERENCIA, POSICIÓN Y TRAYECTORIA Un cuerpo esá en moimieno cuando su posición
Más detallesDERIVACIÓN BAJO EL SIGNO INTEGRAL. 1. Hallar el punto del intervalo [0,2] en el que la función =
DERIVACIÓN BAJO EL SIGNO INTEGRAL. Hallar el puno del inervalo [,] en el que la función F () d alcanza su valor mínimo. El mínimo de una función se alcanza en los punos donde su primera derivada es nula
Más detallesMaster en Economía Macroeconomía II. 1 Learning by Doing (versión en tiempo discreto)
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 4 - Soluciones 1 Learning by Doing (versión en iempo discreo) Considere una economía cuyas preferencias, ecnología, y acumulación
Más detallesPráctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
Más detallesTécnicas de Predicción Solución Examen Final
Técnicas de Predicción Solución Examen Final Administración y Dirección de Empresas 23 de Junio, 2008 Prof. Antoni Espasa Secciones 3h Nota: Todas las respuestas deben ser adecuadamente razonadas. Respuestas
Más detallesMODELOS DE REGIMENES CAMBIANTES ESTOCÁSTICOS Markov switching regimes
MODELOS DE REGIMENES CAMBIANES ESOCÁSICOS Markov wiching regime Comporamieno dinámico de la variable dependen del eado de la economía Modelo AR y SAR: vario regímene en función del valor de una variable
Más detallesREVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003
REVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003 ADAPTACION DE LOS TIPOS DE INTERES DE INTERVENCION A LA REGLA DE TAYLOR. UN ANALISIS ECONOMETRICO Carlos Paeiro Rodríguez 1, Deparameno de Análisis
Más detallesANALISIS DE SERIES DE TIEMPO MULTIVARIADAS CON MODELOS DE ESPACIO DE ESTADO - UN EJEMPLO: PRODUCTO BRUTO Y DEMANDA GLOBAL DE LA REPÚBLICA ARGENTINA
María Teresa Blaconá Insiuo de Invesigaciones Teóricas y Aplicadas, Escuela de Esadísica ANALISIS DE SERIES DE TIEMPO MULTIVARIADAS CON MODELOS DE ESPACIO DE ESTADO - UN EJEMPLO: PRODUCTO BRUTO Y DEMANDA
Más detallesCAPÍTULO II. Conceptos de Confiabilidad
CAPÍTULO II Concepos de Confiabilidad CAPÍTULO II CONCEPTOS DE CONFIABILIDAD Una de las áreas de ingeniería de confiabilidad es la modelación de la misma, debido a que los procesos en general se comporan
Más detallesRecursos Naturales No Renovables y posición fiscal en economías en desarrollo: efectos e implicaciones de política
Primer Encuenro de Economisas Bolivianos Recursos Naurales No Renovables y posición fiscal en economías en desarrollo: efecos e implicaciones de políica Fabian Anonio Cain Aoso, 2008 Fabian Anonio Cain
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 detallesLa transformada de Laplace
Capíulo 8 La ransformada de Laplace 8.. Inroducción a las ransformadas inegrales En ese aparado aprenderemos un méodo alernaivo para resolver el problema de valores iniciales (4.5.) y (x) + py (x) + qy(x)
Más detallesModelos estructurales de series de tiempo Est. Laura I. Giménez
Modelos esrucurales de series de iempo Es. Laura I. Giménez Universidad Nacional del Nordese Insiuo Nacional de Tecnología Agropecuaria 1 Programa Jueves, 30 de julio de 009 Inroducción al análisis de
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos ARMA
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos ARMA Definición: Ruido blanco. Se dice que el proceso {ɛ t } es ruido blanco ( white noise ) si: E(ɛ t ) = 0 Var(ɛ t ) = E(ɛ 2 t ) = σ 2 Para todo
Más detallesMATEMÁTICAS I. TEMA 1: ECUACIONES Y SISTEMAS DE ECUACIONES
Cód. 87 Avda. de San Diego, 8 Madrid Tel: 978997 98 Fa: 9789 Email: rldireccion@planalfa.es de No se auoria el uso comercial de ese Documeno. MATEMÁTICAS I. TEMA : ECUACIONES Y SISTEMAS DE ECUACIONES..
Más detallesCONTRASTES DE SIGNIFICATIVIDAD INDIVIDUAL DE LOS PARÁMETROS
ECONOMETRÍA I. LADE Página /8 APUNTES DE CLASE Profesor Rafael de Arce rafael.dearce@uam.es CONTRASTES DE SIGNIFICATIVIDAD INDIVIDUAL DE LOS PARÁMETROS. Inroducción. Inervalo de confianza de los parámeros
Más detalles5. MODELOS DE FLUJO EN REACTORES REALES
5. MODLOS D FLUJO N RACTORS RALS 5.1 INTRODUCCIÓN n el caso de los reacores homogéneos isoérmicos, para predecir el comporamieno de los mismos deben enerse en cuena dos aspecos: - La velocidad a la cual
Más detallesLÍNEAS DE FASES. Fig. 1. dx (1) dt se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden definida en Ω.
LÍNEAS DE FASES E. SÁEZ Sea el dominio Ω R R y la función F : Ω R. F R Ω Una epresión de la forma Fig. 1 d (1) = F(,), o bien, ẋ = F(,) se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden
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 detallesTEMA 1: SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS.
TEMA : SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS. RELACIÓN DE PROBLEMAS. Pon un ejemplo, cuando sea posible, de un sisema de dos ecuaciones con res incógnias que sea: a) Compaible deerminado b)
Más detallesModelos econométricos de predicción macroeconómica en la Argentina. Autores: George McCandless Ma. Florencia Gabrielli Tomás E.
Modelos economéricos de predicción macroeconómica en la Argenina Auores: George McCandless Ma. Florencia Gabrielli Tomás E. Murphy Gerencia de Invesigaciones Económico Financieras Área de Economía y Finanzas
Más detallesTema 4 Ampliaciones del modelo de Solow y Swan
Tema 4 Ampliaciones del modelo de Solow y Swan 4.1 Progreso ecnológico exógeno. 4.2 Capial humano: el modelo de Maniw, Romer y Weil. 4.3 Economía abiera. 4.4 Crecimieno endógeno: el modelo AK de Rebelo
Más detallesSeñales. Apéndice 3. A3.1 Representación de formas de ondas. Una señal es una función del tiempo. La gráfica de una señal se denomina forma de onda.
Apéndice 3 1 Señales Una señal es una función del iempo. La gráfica de una señal se denomina forma de onda. A3.1 Represenación de formas de ondas Esudiaremos algunas propiedades de la represenación de
Más detallesTEMA I: FUNCIONES ELEMENTALES
TEMA I: FUNCIONES ELEMENTALES. Función Logarimo Todos conocemos la definición de logarimo en base b, siendo b un número enero posiivo disino de. u = log b x x = b u y la propiedad fundamenal log b (xy)
Más detallesMODELOS DE PROBABILIDAD I
MODELOS DE PROBABILIDAD I MODELOS DE PROBABILIDAD (INTRODUCCIÓN) PROCESOS EXPERIMENTALES DISTRIBUCIÓN CAUSAL DISTRIBUCIÓN DICOTÓMICA DISTRIBUCIÓN BINOMIAL Una disribución de probabilidad queda definida
Más detallesProcesamiento Digital de Señal
Procesamieno Digial de Señal Tema : Análisis de Señal e Inroducción a los Sisemas Definición de señal sisema Señales coninuas discreas Transformaciones elemenales Funciones elemenales coninuas discreas
Más detallesCAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN
Fichero: capiulo 5 CAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN. INTRODUCCION. TIPOS DE PRUEBAS DE VALIDACIÓN DE LOS RESULTADOS DE
Más detallesComo Calcular la Tasa de Crecimiento de los Agregados Macroeconómicos Mediante el Análisis de Regresión
Como Calcular la Tasa de Crecimieno de los Agregados Macroeconómicos Mediane el Análisis de Regresión HL Maa 1 La esadísica ha generado diversos indicadores para medir el crecimieno de los agregados económicos,
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
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 detallesPRÁCTICA 4 MODELOS DE CRECIMIENTO POBLACIONAL. 1.- Introducción. 2.- Objetivos. 3.- Desarrollo de la práctica
PRÁCTICAS DE ECOLOGÍA Deparameno de Ecología e Hidrología Guion acualizado el 07/11/2015 PRÁCTICA 4 MODELOS DE CRECIMIETO POBLACIOAL 1.- Inroducción En esa prácica analizaremos las caracerísicas de diversos
Más detallesLección 3. Curvas. 4. Curvas parametrizadas: ejemplos.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 011 1. 4. Curvas paramerizadas: ejemplos. La descripción más direca y flexible de una curva es una represenación paramérica. En lugar de considerar una de las coordenadas
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesProgramación y políticas financieras con metas de inflación: El caso de Colombia. Capítulo 5: Modelos de metas de inflación
Programación y políicas financieras con meas de inflación: El caso de Colombia Capíulo 5: Modelos de meas de inflación Preparado por V. Hugo Juan-Ramón Ocubre 2008 2 Conenido I. Inroducción II. III. IV.
Más detallesSoluciones hoja de matrices y sistemas
Soluciones hoja de marices y sisemas 8 9 - iscuir, en función del arámero a, el siguiene sisema de x y z x y z - ecuaciones lineales x - y ( a ) z - a - x y ( a ) z - a 8 La mariz de los coeficienes es
Más detallesPrácticas de Tecnología de Fluidos y Calor (Departamento de Física Aplicada I - E.U.P. Universidad de Sevilla)
TERMOGENERADOR DE SEMICONDUCTORES. Objeivos Poner de manifieso el efeco Seebeck. Deerminar el coeficiene Seebeck, α, la f.e.m, la resisencia inerna, r, y el rendimieno, η, del ermogenerador (o ermopila).
Más detallesDERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9
EREHOS ÁSIOS E PRENIZJE Reconoce el significado de los eponenes racionales posiivos negaivos uiliza las lees de los eponenes. Por ejemplo: 7 7 7+ 7 7 7 7 7 0 Realiza conversiones de unidades de una magniud
Más detallesEjercicio sobre el PIB histórico anual español 1
Ejercicio sobre el PIB hisórico anual español 1 El gráfico adjuno recoge la evolución del PIB anual español (en miles de millones de peseas de 15) de 15 a 2. 6 5 4 3 2 1 PIB Considere ahora la ransformación
Más detalles1 Física General I Paralelos 05 y 22. Profesor RodrigoVergara R 0102) Movimiento Rectilíneo Horizontal
Física General I Paralelos 5 y. Profesor Rodrigoergara R ) Movimieno Recilíneo Horizonal ) Concepos basicos Definir disancia recorrida, posición y cambio de posición. Definir vecores posicion, velocidad
Más detallesLa econometría moderna como método de análisis de la estructura económica. Carlos A. Rodríguez Ramos, Ph.D.
La economería moderna como méodo de análisis de la esrucura económica Carlos A. Rodríguez Ramos, Ph.D. Inroducción Para la década de los seena, los modelos economéricos uilizados para analizar la esrucura
Más detallesFunciones trigonométricas
0 Funciones rigonoméricas Tenemos en el plano R² la circunferencia C de radio con cenro (0,0. En ella disinguimos el puno (,0, que es el puno de inersección dec con el semieje de las x posiivas. Si pariendo
Más detallesLA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR
1 LA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR José Luis Moncayo Carrera 1 Ec. Manuel González 2 RESUMEN El presene documeno iene como objeivo, presenar la aplicación de écnicas economéricas en
Más detallesAnálisis de inversiones y proyectos de inversión
Análisis de inversiones y proyecos de inversión Auora: Dra. Maie Seco Benedico Índice 5. Análisis de Inversiones 1. Inroducción. 2. Crierios para la valoración de un proyeco. 3. Técnicas de valoración
Más detalles5. ESPACIOS VECTORIALES EUCLÍDEOS. PROYECCIONES ORTOGONALES. MÍNIMOS CUADRADOS.
Espacios vesoriales euclídeos. Proyecciones orogonales. Mínimos cuadrados. 5. ESPACIOS VECTORIALES EUCLÍDEOS. PROYECCIONES ORTOGONALES. MÍNIMOS CUADRADOS. SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA.-
Más detalles