MULTICRITERIO Y SELECCIÓN DE CARTERAS

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

Download "MULTICRITERIO Y SELECCIÓN DE CARTERAS"

Transcripción

1 MULTICRITERIO Y SELECCIÓN DE CARTERAS Rafael Caballero Ferádez Deartameto de Ecoomía Alcada (Matemátcas) Uversdad de Málaga e-mal: rafael.caballero@uma.es Mercedes Gozález Lozao Deartameto de Ecoomía Alcada (Matemátcas) Uversdad de Málaga e-mal: m_gozalez@uma.es Rafael Rodríguez Avlés Deartameto de Ecoomía Alcada (Matemátcas) Uversdad de Málaga e-mal: rr_avles@uma.es Resume Como sabemos, de toda versó e actvos bursátles retedemos obteer u redmeto o retabldad, ero deberemos acetar u resgo de o obteer dcha retabldad o cluso de acabar e érddas, es decr tedremos que asumr u resgo. Por tato, toda versó de este to latea u roblema de otmzacó co múltles objetvos, báscamete, mamzar la retabldad y mmzar el resgo, que geeralmete costa de dsttas facetas, como el resgo global, el resgo sstemátco, el resgo esecífco o el resgo dvdual. Por suuesto, todo ello sujeto a ua sere de restrccoes. Nosotros lateamos resolver este roblema utlzado téccas multobjetvo coocdas, como la rogramacó or metas, cotrastado a osteror los resultados de uestra eleccó. Palabras clave: Seleccó de carteras, rogramacó multobjetvo. Area temátca: Métodos cuattatvos.

2 . Itroduccó. Es de todos coocdo que la seleccó de carteras es ua de las ezas agulares de la modera gestó de actvos faceros, además del ahorro de las famlas esañolas, es decr, de los equeños versores. E u recete artículo ublcado e la Revsta de la bolsa de Madrd (García, 2004), se auta que la elevada cocetracó del atrmoo de los hogares esañoles e actvos moblaros o debe haceros olvdar que la rqueza facera de las famlas esañolas ha cambado cuattatva y cualtatvamete a lo largo de los años oveta y que este ha sdo, s duda, uo de los feómeos que mejor refleja el cambo eermetado or el sstema facero esañol a lo largo de la asada década. E geeral, el versor trata semre de garatzarse ua retabldad, segurdad y lqudez acetables o mímas al decdr cómo combar los valores e su cartera. No obstate, es cas ua orma que estos objetvos o sea comatbles etre sí: los valores más líqudos suele ser oco retables, los más retables, e la mayoría de los casos, osee característca de seguros, los más seguros, ormalmete, o ermte ua lqudez ráda, etc. Todo ello, os ermte tratar esta roblemátca desde la ótca de la rogramacó multobjetvo, ya que, os ecotramos co la esteca de varos objetvos e coflcto etre sí. De hecho, el modelo que do orge a la modera teoría de seleccó de carteras, rouesto or Markowtz e 952, o es más meos que u roblema multobjetvo, ara ser más eactos, bobjetvo: mamzar el redmeto de ua cartera de valores, mmzado su resgo o vceversa, sedo el método de resolucó utlzado or el autor el de la restrccó, dode se elge uo de los objetvos y el otro asa a ser ua restrccó del roblema. De las téccas multobjetvo utlzadas, la rogramacó or metas os arecó la más adecuada dada la flebldad que ermte a la hora de establecer los deseos del decdor, sedo recsamete esta técca la emleada e las rmeras referecas a la seleccó de carteras y la rogramacó multobjetvo que ecotramos e la lteratura. Así Lee y Lerro (973) y Lee y Chesser (980) utlzaro dcho método ara aalzar la seleccó de carteras, cosderado como metas, meddas de la retabldad, y del resgo. Más recetemete, Powell y Premachadra (998) 2

3 actualza las alcacoes de rogramacó or metas aterores teedo e cueta los avaces recetes e la lteratura sobre gestó de carteras, tales como requermetos de rudeca gerecal, ecesdades de lqudez, reocuacoes sobre resosabldad socal, y cuestoes sobre gestó de oblgacoes. Utlzamos datos semaales reales de la bolsa desde el año 995 hasta setembre de De este erodo largo hemos etraído tres tos de escearos: estable que va desde el 30/2/94 hasta el 28/06/96, crecmeto desde el 7/0/97 al 8/07/98, y decrecmeto que cluye los datos desde el 03/04/98 hasta el 06/08/99, segú los valores alcazados or el Ídce Geeral de la Bolsa de Madrd (IGBM). Los datos osterores hasta setembre de 2002 se utlzará ara la evaluar las dsttas carteras. Las carteras seleccoadas e cada escearo so evaluadas osterormete medate la comaracó de su valor de realzacó co el de ua cartera de refereca, utlzado ara ello el IBEX, uesto que uede ser cosderado como la cartera reresetatva del mercado. 2. Plateameto de uestro modelo Es evdete que la coducta racoal de u versor e bolsa cosste e buscar aquella comoscó de la cartera que haga mámo su redmeto soortado el meor resgo osble. Por ello, a la hora de formular uestro modelo debemos teer e cueta como fucó objetvo, e rmer lugar la retabldad de la cartera, la cual vee dada or la meda de la retabldad de cada título oderada or su artcacó e la cartera, sedo la retabldad de cada título la retabldad meda de las retabldades, e uestro caso, semaales, calculadas como el logartmo del cocete etre el reco del cerre de u mometo y el msmo e el mometo ateror. També es frecuete clur e el umerador de la retabldad smle los gresos or dvdedos, tal como hacía Lee y Lerro. Pero la clusó de los dvdedos colleva ara osotros dos coveetes. E rmer lugar, e la bolsa esañola o so frecuetes los reartos de dvdedos y e el mejor de los casos se realza co erodcdad semestral, lo que rovoca ua falta de homogeedad temoral co las cotzacoes habtualmete utlzadas, las cuales suele ser mesuales, semaales (como es uestro caso) o daras. Y e segudo lugar, o este formacó úblca, asequble 3

4 y sufcete sobre los dvdedos que rearte las emresas que cotza e la bolsa esañola. Podemos també recordar que Lee y Cheeser lateaba la osbldad de comutar la retabldad de u título utlzado el modelo CAPM. Esta estmacó de la retabldad es bastate arresgada, a uestro juco, s teemos e cueta el bajo coefcete de determacó que reseta los ajustes de regresó de muchos de los títulos. Powell y Premachadra cluyero e su modelo otro objetvo relacoado co la retabldad, cocretamete, la mamzacó del roducto vectoral del vector co las roorcoes vertdas, la cartera, or u vector dode se troduce las retabldades de cada título e el erodo medatamete ateror a la seleccó, de forma que o erdésemos la oortudad e la mejor y más recete eleccó de versó. Dado lo ovedoso de este tratameto de la retabldad decdmos robarlo co los datos del mercado esañol, ero las ruebas que hcmos cluyedo este objetvo dero roblemas comutacoales, or lo que decdmos o clur esta fucó objetvo e uestro modelo. Como cosecueca de los árrafos aterores, osotros decdmos defr la retabldad de la cartera como la meda artmétca de las retabldades de cada erodo, e uestro caso semaal, calculado esta últma como cotua. Además, utlzaremos la técca de aálss técco de medas móvles ara suavzar los movmetos de las cotzacoes y oderaremos las retabldades segú su atgüedad, e el setdo de dar mayor eso a los valores más recetes. Para realzar dcha oderacó utlzamos la sguete fórmula: r t r t ( + c) ( + c) t T dode r y r so las retabldades oderada y o oderada de u título e el t t mometo t, resectvamete, c es u coefcete mayor que cero y T es el úmero de datos hstórcos utlzado, e uestro caso 52 (semaas). Es evdete que la oderacó resultate deederá del valor del coefcete c de forma que metras este sea meor mayor será la oderacó de los datos atguos, y vceversa. Nosotros utlzamos el valor de c 0,03. La seguda comoete fudametal e cualquer modelo es el resgo. Pero la defcó de este coceto o es ta evdete como la retabldad. Este dversos 4

5 tos de resgo asocados a la versó e accoes, como el que relacoa cada título co la evolucó geeral del mercado de valores, el herete a las crcustacas ecoómcas y faceras de cada comañía, el de lqudez, los resgos debdos a cambos olítcos e uestro aís o e otros e los que tee tereses uestras comañías, etc. Alguos de estos resgos o uede cuatfcarse claramete, auque e certa medda los versores e bolsa trasfere todos los resgos a la cotzacó de cada comañía. La rmera medda del resgo de u título fue resetada or el roo Markowtz, el mometo de segudo orde de la retabldad, o sea, la varaza de las retabldades eródcas, que e el caso de ua cartera se defe como el roducto del vector trasuesto de las roorcoes de versó or la matrz de covarazas or dcho vector. El cálculo de la varaza de la cartera fue obvado o smlfcado de algua forma durate bastate temo, ya que suoía la obtecó de u úmero elevado de covarazas etre las retabldades dvduales, además de la solucó de modelos cuadrátcos e cluso o leales, roblemas que ya o so tales, e geeral, e uestros temos, debdo al eorme oder comutacoal de los ordeadores actuales, cluso los ersoales. Por esta razó, o este motvos ara o clur esta medda del resgo e uestro modelo, y la deomaremos resgo global. A artr del modelo smle de Share se evdecaro otros resgos, como el sstemátco y el esecífco, el rmero meddo or la beta o coefcete de regresó etre las seres de retabldades de los títulos y el del ídce geeral de la bolsa, y el segudo meddo or la varaza resdual del msmo aálss de regresó. Muchos modelos de regresó ha cludo la beta como medda del resgo, cluso como úca medda, debdo fudametalmete, a la facldad de cálculo y al hecho de dar lugar a ua fucó leal, lo cual smlfcaba la resolucó de los roblemas de rogramacó. Resecto al resgo esecífco, el cual es meddo or la varaza de los resduos, sólo el modelo de Lee y Lerro lo cluyó, ya que estos autores cosderaba que era ua forma de cororar los jucos del versor sobre las codcoes del mercado. Así, co ua ersectva favorable sobre el mercado, el versor uede estar redsuesto a tolerar ua mayor varacó elcada de los recos co resecto al mercado e geeral, que es lo que recoge recsamete dcha varaza. Por esta razó, osotros decdmos clur este objetvo a uestro modelo. 5

6 Este otro elemeto referdo al resgo, que Powell y Premachadra deomaro rudeca gerecal. Co ella se trata de cosegur que cada versó dvdual o arezca ecesvamete arresgada (lo cual es meddo or los autores de forma dvdual ara cada título medate la desvacó estádar) a u versor rudete. Así, este requermeto, que es legal e alguos aíses, uede ser volado s la desvacó estádar de la retabldad de ua versó artcular es demasado alta. Por tato, el versor debe restrgr las catdades que verte e cada título, de forma que evte versoes volátles, coceto éste que se mde medate la desvacó estádar. Decdmos teerlo e cueta orque la clusó de este coceto añadría mayor cobertura resecto al resgo. Por otra arte, uede ocurrr que tegamos que realzar comras o vetas a recos desfavorables debdo a ua falta de lqudez e las oeracoes, or haber adqurdo más o meos títulos de los que el mercado uede absorber. Este hecho se deoma resgo de lqudez. Alguos autores lo recoge e sus modelos, como es el caso de Powell y Premachadra, auque os ecotramos co el roblema de falta de recsó e su defcó. Además, dado que uestro versor es modesto, resuoemos que o va a teer roblemas ara lqudar sus títulos. Resecto a las restrccoes del modelo debemos señalar, e rmer lugar, la resuuestara, esto es, que la suma de las catdades que se verte e cada título, las varables del modelo, debe ser gual al resuuesto de versó, que osotros estableceremos e la udad, ya que o sabemos a ror cuál será dcho resuuesto, co lo que uestras varables reflejará el tato or uo que se debe vertr e cada título. Por otra arte, se suele clur e los modelos de seleccó de carteras cotas suerores sobre las varables, be or razoes legales be ara asegurar ua míma dversfcacó. També es frecuete clur cotas ferores, o sea, vertr ua catdad míma e determados títulos, como será uestro caso ara las cco emresas más mortates de uestra bolsa, de forma que odamos rastrear, e certa medda, a uestra cartera de refereca, el IBEX35. Otra osbldad de uso de las cotas ferores cosste e dcar que s el modelo decde seleccoar u título ara formar arte de la cartera, que sea e ua roorcó míma, lo cual mlcaría latear u roblema de rogramacó etera. 6

7 Varos de los artículos revsados establece també cotas suerores ara cada sector, reforzado así la dversfcacó, o sea reducedo el resgo. Nosotros cluremos dchas cotas e uestro modelo fal. Ua vez decdda la cosderacó de cco metas ara uestro modelo de seleccó, recordemos, ua ara cosegur como mímo ua determada retabldad, y cuatro ara cosegur como mámo u vel de resgo meddo or la covaraza de las retabldades, la beta, la varaza resdual, y, or últmo, la desvacó estádar, debemos establecer u vel de asracó ara cada ua de ellas, y, dado que vamos a alcar la rogramacó or metas lecográfca, además es ecesaro establecer u orde de rordad etre las msmas. E cuato a los veles de asracó, arece lógco que el decsor los elja e fucó de alguos veles de refereca, como so los de mercado. Así, vamos a establecer los msmos e fucó de los valores alcazados, e cada caso, or el IGBM. E cuato a los veles de rordad, e rmer lugar decdmos colocar las metas relatvas al resgo, orque auque ya sabemos que la retabldad es bastate mortate ara los agetes que verte e bolsa, su meta corresodete costturá el últmo vel de rordad orque, osterormete a la obtecó de solucoes satsfacetes, restauraremos la efceca mamzado la retabldad. E cuato al orde a segur e las meddas de resgo, seguremos el orde de mortaca de cada uo de ellos. Así, e el rmer vel teemos la varaza, uesto que recoge el resgo global de la cartera, cuyo vel de asracó, el cual deotaremos or Var*, decdmos que fuera u orcetaje de la varaza del (IGBM), así u 00% sgfcaría que desearíamos alcazar, como mucho, ua varaza eactamete gual a la varaza de dcho ídce, u 20% reresetaría que uestra asracó es u 20% sueror a la varaza del mercado, etc. Debemos dcar que, o obstate, dcho vel estará semre comreddo etre el deal y el atdeal de este objetvo. El segudo vel está comuesto or el resgo sstemátco o de mercado, meddo or la beta, establecédose su vel de asracó, β*, como e el caso ateror, como u orcetaje de la beta de mercado, que es la udad, semre que dcho valor se ecuetre etre el deal y el atdeal. 7

8 El tercer vel, lo ocua la desvacó estádar, cuyo vel de asracó, σ*, lo elegmos como u ercetl de todas las desvacoes estádares o ulas de todos los títulos. El cuarto vel, corresode a la varaza de los resduos de la regresó etre las retabldades dvduales y la del IGBM, establecédose su vel de asracó,, como u orcetaje etre el valor deal y el atdeal de este objetvo. 2* σ e E el quto vel, teemos la meta corresodete a la retabldad, co u vel de asracó fáclmete alcazable, el cero. Este hecho vee justfcado orque e el sguete vel de uestro roblema lecográfco, el seto, utlzamos el método de la restauracó drecta, de forma que, ua vez alcazado dcho vel de asracó ulo, le edmos al rograma que busque la solucó co el mayor valor osble ara la retabldad, de maera que obteemos solucoes satsfacetes que a su vez so efcetes. Puesto que el valor de la varable o deseada 5 vale 0, el valor de la retabldad cosegudo e el vel seto será gualado o mejorado al mmzar 5, ya que la solucó coseguda ara 0 5 es ua solucó factble e este vel 6. Por tato, la formulacó de uestro modelo será: { } K j k j e e j j j u l S r Var a s LeM * * * *..,,,,, σ σ σ σ β β σ 8

9 Las dos últmas restrccoes rereseta a las cotas sectorales y las dvduales, como forma de evtar la ecesva cocetracó o, lo que es lo msmo, como forma de aumetar la dversfcacó de la cartera obteda. Además, evtaríamos, e certo modo, que las roorcoes de los títulos dvduales se alejase de su eso real e el mercado. Para la determacó de estas cotas dvduales y sectorales actuamos de forma smlar a como lo hace la Bolsa de Madrd ara calcular sus ídces y redactar los formes sectorales. El mometo elegdo fue fales de 200, cocretamete el 28 de dcembre, ya que de esta forma abarcaríamos la mayor arte de los títulos de que costaba uestra base de datos de cotzacoes. Así ara obteer las cotas sectorales calculamos el valor de catalzacó de cada título e esa fecha, o sea, el roducto de reco de cerre or el úmero de accoes admtdas a cotzacó. Segudamete, obtuvmos los orcetajes sobre el total del sector y sobre el total de toda la bolsa, así como el orcetaje de cada sector sobre el total. Este orcetaje de artcacó sectoral lo cremetamos e u 20%, al objeto de dar mayor holgura a la seleccó, co u redodeo al alza del 5%, y co u mímo del 5%. Para las cotas dvduales mámas razoamos de forma arecda. Elegmos la comañía co mayor artcacó sobre el total, detro de cada sector, y la cremetamos e u 20%, co u redodeo al alza de 2 utos y medo. Etedemos que todas estas cosderacoes tee u certo grado de subjetvdad, or lo que cualquer aalsta odría modfcarlas añadedo otros crteros de relevaca facera y ecoómca, cluso modfcado ese orcetaje de cremeto del 20%, amlado o reducedo las cotas, de forma que odríamos ajustaros meos o más, resectvamete, al mercado; cluso las cotas dvduales y sectorales odría ser dsttas e el temo, lo cual o deja de ser lógco, debdo a que la bolsa es u mudo dámco, dode se roduce etradas y saldas de emresas, fusoes, amlacoes y reduccoes de catal, etc. E resume, uestras cotas dvduales y sectorales aarece e la sguete tabla: 9

10 Sector Cota dvdual Cota Sectoral Nuevas Tecologías 0,05 0, Comucacoes 0,025 0,05 Metalúrgcas 0,05 0, Costruccó 0,025 0,05 Servcos 0,25 0,3 Almetacó 0,025 0,05 Iversó 0,025 0,05 Imoblaras 0,025 0,05 Comerco 0,05 0, Faceras 0,35 0,45 Petróleos y Químcas 0, 0,2 Eléctrcas y Gas 0, 0,5 Tabla Por otra arte, al aalzar ua cartera de refereca como es la del IBEX35 comrobamos que a rcos del 200 el 70% de dcha cartera, estaba comuesto or las cco comañías más mortates del mercado como so, Baco Blbao Vzcaya Argetara, Baco Satader Cetral-Hsao, Telefóca, Resol y Edesa. Por ello, revalorzacoes de esos títulos y dsmucoes de valor de los msmos era crucales e la marcha del mercado. Nos arecó teresate teer e cueta este hecho uesto que s deseábamos batr al mercado, e uestro caso al IBEX35, es coveete rastrear al msmo cluyedo cotas mímas ara estos valores cocretos. 0

11 E cocreto las cotas ferores elegdas ara los cco títulos fuero del 5% ara BBVA, 5% ara BSCH, 5% ara ELE, 5% ara REP y 5% ara TEF. Debemos dcar que esta cosderacó de rastreo os oblgó a modfcar la cota sueror del sector facero desde el 40 al 45% deftvo, ara darle mayor holgura, ya que, de las cco comañías mecoadas más arrba, dos era bacos, cocretamete, el BBVA y BSCH, las cuales suma, e uestro caso u 30% de cota míma, dejado oco esaco ara otras comañías faceras, que e todo caso so claves tato e uestra bolsa como e uestra ecoomía. Además, estas cotas mímas os dujero a realzar cambos e las cotas dvduales suerores tato del sector facero como del eléctrco, uesto que Edesa fgurará etre las emresas co ua cota míma, cocretamete del 5%. Este modelo lo resolvmos desde detro de la hoja de cálculo Ecel, llamado a ua ruta de Vsual Basc ara Alcacoes, que a su vez utlzaba la lbrería de cálculo umérco NAG ara la resolucó de los roblemas de rogramacó matemátca. 3. Alcacó a los datos de la bolsa esañola E u rmer mometo decdmos rodar uestro modelo e tres escearos dsttos, que calfcamos como Estable, Crecmeto y Decrecmeto, co los datos a ror de 2 meses, uesto que, este erodo matee u equlbro etre atgüedad y catdad de datos. E cuato a los veles de asracó de las cuatro metas que odemos cotrolar, es decr, varaza, beta, desvacó estádar y varaza resdual, fuero 00%, 00%, 50 y 50%, resectvamete. Los resultados ara los tres escearos se muestra e las fguras a 3, dode se comara la evolucó del valor de la cartera de mercado, e uestro caso, ua cartera que relca, razoablemete, el IBEX35, y la evolucó del valor de realzacó, a osteror, de cada cartera seleccoada or uestro modelo, todo uesto e base 00, a efecto de homogeezacó de esas dos magtudes. Para obteer dcha cartera rélca, tuvmos que averguar el úmero de títulos que formaba arte del ídce e los dsttos mometos del temo. Debdo a que los datos correctos está resetes e los formes daros del IBEX35, y que estos sólo estaba dsobles, ara el úblco, e Iteret desde el año 200, tuvmos que recolar la formacó de los años aterores a artr de los boletes de cotzacó de la Bolsa de Madrd, y e muchos casos el úmero de títulos que cotza segú dchos boletes o cocdía

12 co el de los formes daros mecoados, sedo or eso or lo que decmos que dcha cartera obteda relca razoablemete al IBEX35. Evolucó Valor Realzaco Nuestra Cartera y Cartera Ibe, Escearo Estable Idces Base Cartera Ibe Nuestra Cartera /07/996 05/09/996 05//996 05/0/997 05/03/997 05/05/997 05/07/997 05/09/997 05//997 05/0/998 05/03/998 05/05/998 05/07/998 05/09/998 05//998 05/0/999 05/03/999 05/05/999 05/07/999 05/09/999 05//999 05/0/ /03/ /05/ /07/ /09/ // /0/200 Fecha Fgura Evolucó Valor de Realzacó de Nuestra Cartera y Cartera Ibe, Escearo Crecmeto Idces Base Cartera Ibe Nuestra Cartera /07/998 7/09/998 7//998 7/0/999 7/03/999 7/05/999 7/07/999 7/09/999 7//999 7/0/2000 7/03/2000 7/05/2000 7/07/2000 7/09/2000 7//2000 7/0/200 7/03/200 7/05/200 7/07/200 7/09/200 7//200 7/0/2002 7/03/2002 7/05/2002 7/07/2002 7/09/2002 Fecha Fgura 2 2

13 Evolucó Valor de Realzacó Nuestra Cartera y Cartera Ibe, Escearo Decrecmeto Idces Base Cartera Ibe Nuestra Cartera /08/999 06/09/999 06/0/999 06//999 06/2/999 06/0/ /02/ /03/ /04/ /05/ /06/ /07/ /08/ /09/ /0/ // /2/ /0/200 06/02/200 06/03/200 06/04/200 Fecha 06/05/200 06/06/200 06/07/200 06/08/200 06/09/200 06/0/200 06//200 06/2/200 06/0/ /02/ /03/ /04/ /05/ /06/ /07/ /08/ /09/2002 Fgura 3 Llegados a este uto, y uesto que, hasta el mometo, las comaracoes etre la evolucó de las carteras seleccoadas y la evolucó de la cartera IBEX35 se ha realzado sólo gráfcamete, veíamos coveete la realzacó de u aálss umérco de dchas comaracoes. Para ello costrumos u test sobre las dferecas de cotzacó etre uestra cartera y la de mercado. La Estadístca Teórca os dce que el romedo de estas dferecas areadas sgue ua dstrbucó T de Studet, co N grados de lbertad, segú la sguete eresó: t s N dode es la meda artmétca de las dferecas, s su desvacó estádar y N es el umero datos, es decr el úmero de semaas a osteror que se evalúa. Establecmos el vel de cofaza e el 5% ara dos colas. Así, s el valor del estadístco t se ecotraba etre los valores crítcos de ua dstrbucó T de Studet co N grados de lbertad acetábamos la hótess de que la meda de las dferecas era ula, es decr, o estía ua dfereca estadístcamete sgfcatva etre las evolucoes de cotzacó de uestra cartera y la de mercado. E el caso de 3

14 que el estadístco t sea ostvo y sueror al valor crítco, acetamos la hótess de que uestra cartera es mejor que la de mercado, y cuado el estadístco es egatvo y meor que el valor crítco e térmos absolutos, coclumos que la cartera de mercado es mejor que la uestra. Puesto que el úmero de escearos que termamos aalzado es ta equeño como tres, uo or to de erodo, Estable, Crecmeto y Decrecmeto, y co u horzote temoral a ror de 2 meses (52 semaas), esamos que las coclusoes sobre el comortameto de uestro modelo o sería comleto y decdmos ejecutar uestro modelo u mayor úmero de veces, cocretamete, 65 veces, ua vez cada 4 semaas, desde hasta el , y alcarle el test de dferecas, cotablzado el úmero de veces que uestra cartera es mejor, dferete o eor que la de mercado. Los resultados se muestra e la tabla 2. Mejor Igual Peor Total Carteras % 92% 0% 8% 00% Tabla 2 Como odemos observar e esta tabla, los resultados globales so bastate acetables, uesto que e el 92% de los casos uestra cartera vece a la de mercado. Es más, s e lugar de establecer las cotas mímas e los veles que elegmos orgalmete, o sea u total del 55%, cremetamos el total de dchas cotas mímas hasta u 80% (BBVA 20%, Edesa 0%, Resol 0%, BCSH 20% y Telefóca 20%), uestra cartera bate al mercado e el 00% de los casos. Iclumos també la fgura 4 co los valores de los romedos de las dferecas y los valores del estadístco t. 4

15 Evoluco Promedo Dferecas Cotzacoes Nuestra Cartera y Cartera Ibe Promedos Estadstco T Promedo /0/996 05/03/996 05/05/996 05/07/996 05/09/996 05//996 05/0/997 05/03/997 05/05/997 05/07/997 05/09/997 05//997 05/0/998 05/03/998 05/05/998 05/07/998 05/09/998 05//998 05/0/999 05/03/999 05/05/999 05/07/999 05/09/999 05//999 05/0/ /03/ /05/ /07/ /09/ // Fecha Fgura 4 Decdmos e este uto realzar otro aálss, es decr, cuátas veces lograba uestra cartera alcazar u valor de realzacó mayor que la de mercado e dsttos erodos a osteror, e cocreto, a 3, 6, 2, 5, 8, 2 y 24 meses. Los resultados se muestra e la tabla 3. Comaracó temoral Cartera-IBEX35 Meses Todo Gaa 73,8 86,2 87,7 87,7 89,2 95,4 00,0 93,8 Perde 26,4 3,8 2,3 2,3 0,8 4,6 0,0 6,2 Tabla 3 De uevo observamos uos resultados bastate acetables, ya que e el eor de los casos, a 3 meses, uestras carteras bate al mercado e el 73,8% de los casos, llegado hasta el 00% a 24 meses. 5

16 2. Coclusoes. Hemos oddo observar que la rogramacó or metas es ua herrameta útl ara u versor modesto que retede colocar su dero e bolsa, seleccoado ua cartera, ya que lo úco que debe hacer es establecer los veles de las dsttas metas de resgo. Además, desde u uto de vsta estadístco, uestro modelo ofrece resultados a osteror sesblemete mejores que los de ua cartera asva, como sería ua cartera que relcase al IBEX35. Bblografía.. Garca, D.J. (2004): Actvos Faceros de las Famlas Esañolas: Cambo Estructural y Últmas Tedecas, Revsta de la Bolsa de Madrd, eero, Lee, S.M. ad Chesser, D.L. (980): Goal rogrammg for ortfolo selecto, The Joural of Portfolo Maagemet, rmavera, Lee, S.M. ad Lerro, A.J. (973): Otmzg the ortfolo selecto for mutual fuds, The Joural of Face, XXVIII, december, Markowtz, H. (952): Portfolo selecto, Joural of Face, 7, 2, Powell, J.G. ad Premachadra, I.M. (998): Accommodatg dverse sttutoal vestmet objectves a costrats usg o-lear goal rogrammg, Euroea Joural of Oeratoal Research, 05,

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

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

Más detalles

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

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

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

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

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

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

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

Más detalles

SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE LA BOLSA ESPAÑOLA

SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE LA BOLSA ESPAÑOLA Seleccó de ua cartera de valores medate la aplcacó de métodos multobjetvo teractvos... SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

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

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN .4 Cálculo de Redes Cerradas El roblea que se latea es calcular los caudales que escurre e cada trao de ua red, alla o crcuto, de odo que se cula certas codcoes hdráulcas coo las resoes exstetes e los

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,

Más detalles

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

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

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

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

Más detalles

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

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

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA Nura Padlla Garrdo Departameto de Ecoomía Geeral y Estadístca Uversdad de Huelva padlla@uhu.es Flor María Guerrero

Más detalles

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

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

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

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

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal Programacó Matemátca y Software (2009) Vol.. No. ISSN: 2007-3283 Recbdo: 0 de Juo de 2008/Aceptado: 3 de Septembre de 2008 Publcado e líea: 26 de juo de 2009 Seleccó de ua Cartera de Iversó e la Bolsa

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

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

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

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

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

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

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

5.3 Estadísticas de una distribución frecuencial

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

Más detalles

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

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

Más detalles

1 ESTADÍSTICA DESCRIPTIVA

1 ESTADÍSTICA DESCRIPTIVA 1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e

Más detalles

Las hipotecas y la tasa anual equivalente

Las hipotecas y la tasa anual equivalente 49 Juo 2005,. 25-32 Las hotecas y la tasa aual equvalete La mayor arte de osotros hacemos uso de los crédtos que os ofrece las etdades faceras ara la adquscó de dsttos bees, sobre todo la vveda. E este

Más detalles

LEY FINANCIERA DE DESCUENTO SIMPLE RACIONAL. DESCUENTO BANCARIO

LEY FINANCIERA DE DESCUENTO SIMPLE RACIONAL. DESCUENTO BANCARIO LEY FINANIEA E ESUENTO SIMPLE AIONAL. ESUENTO BANAIO Profesor: Jua Atoo Gozález íaz epartameto Métodos uattatvos Uversdad Pablo de Olavde www.clasesuverstaras.com Ley Facera de escueto Smple acoal La ley

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

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

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

Más detalles

Tema 2: Semiconductores intrínsecos y extrínsecos

Tema 2: Semiconductores intrínsecos y extrínsecos lectróca de dsostvos Dr.. Reg 5/6 Tea : Secoductores trísecos y extrísecos a. : K. Kao Itroduccó Desdad de stados (De) ucó de dstrbucó de er-drac Desdad de ortadores e secoductores trísecos. vel de er

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente:

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente: Matemátcas faceras 4.2. Aualdades atcpadas 4.2. Aualdades atcpadas UNIDAD IV. ANUALIDADES Las aualdades vecdas so aquellas que sus pagos guales ocurre al falzar cada perodo, u dagrama de flujo de cada

Más detalles

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

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

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

2 Concepto de Capital Financiero. 3 Comparación de capitales financieros. 3 Ley financiera. 14 Capitalización compuesta. 23 Descuento comercial simple

2 Concepto de Capital Financiero. 3 Comparación de capitales financieros. 3 Ley financiera. 14 Capitalización compuesta. 23 Descuento comercial simple MÓDULO : FUNDAMENTOS DE LA INVERSIÓN Ídce Coceptos báscos de la versó 2 Cocepto de Captal Facero 3 Comparacó de captales faceros 3 Ley facera Captalzacó 8 Captalzacó smple 4 Captalzacó compuesta Descueto

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

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

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

Más detalles

ANALES DE MECÁNICA DE LA FRACTURA Vol. 22 (2005)

ANALES DE MECÁNICA DE LA FRACTURA Vol. 22 (2005) AALES DE MECÁICA DE LA FRACTURA Vol. (5) 7 DAÑ PRBABILISTA SBRE EL CEMET E PRÓTESIS DE CADERA. IFLUECIA DEL GRAD DE UI CEMET-PRTESIS J. Grasa, Mª A. Pérez, J. M. García-Azar, J. A. Bea y M. Doblaré Gruo

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores Modelo Matemátco Multobjetvo para la Seleccó de ua Cartera de Iversó e la Bolsa Mexcaa de Valores José Crspí Zavala-Díaz, Marco Atoo Cruz-Chavez, Jorge Ruz Vaoye 3, Martí H. Cruz-Rosales 4 Facultad de

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

UNIDAD 7 SERIES DE TIEMPO. Introducción a la unidad

UNIDAD 7 SERIES DE TIEMPO. Introducción a la unidad UNIDAD 7 SERIES DE TIEMPO Itroduccó a la udad Ua sere de tempo es el cojuto de datos que se regstra a través del tempo sobre el comportameto de ua varable de terés, geeralmete los regstros se realza e

Más detalles

Figura 1

Figura 1 Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

ADMINISTRACIÓN FINANCIERA. - Cálculo Financiero Teoría y Práctica

ADMINISTRACIÓN FINANCIERA. - Cálculo Financiero Teoría y Práctica 2 ADMINISTRACIÓN FINANCIERA - Cálculo Facero Teoría y Práctca Año 2007 Profesor ttular: Profesor Adjuto: Eduardo Melsky Herá Rouby 3 Idce: CALCULO FINANCIERO 3 REGIMEN DE CAPITALIZACION SIMPLE 6 REGIMEN

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

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

Más detalles

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS. 1. Dstrbucoes Bdmesoales de Frecuecas. 1.1. Idepedeca y Relacó Fucoal de dos Varables. 1.. Tablas de Correlacó y de Cotgeca. 1.3. Dstrbucoes Margales. 1.4. Dstrbucoes Codcoadas. 1.5. Idepedeca Estadístca..

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

CENTRO DE MASA centro de masas centro de masas

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

Más detalles

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996 º semaro AEDEMO sobre Audeca de Televsó Palma de Mallorca, Febrero de 996 LA PRECISIÓN ESTADÍSTICA EN EL PANEL DE AUDIMETRÍA Carlos Lamas ÍNDICE. INTRODUCCIÓN, TEORÍA Y CONCEPTOS. EFECTO DEL EQULILIBRAJE

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

Más detalles