Consumer theory: the individual demand.

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

Download "Consumer theory: the individual demand."

Transcripción

1 MPRA Mch Prsoal RPEc Archv Cosr thory: th dvdal dad. Ávalos Eloy Uvrsdad Nacoal Mayor d Sa Marcos, Isttto d Estdos Socals dl Ríac. Dcbr Ol at htts://ra.b.-ch.d/4859/ MPRA Par No. 4859, ostd 5. Agst 8:4 UTC

2 CIECC Ctro d Ivstgacos Ecoócas Docto d Trabajo Nº 7 La Toría dl Cosdor: La Dada Idvdal or Eloy Ávalos Dcbr, Isttto d Estdos Socals dl Ríac La, Prú

3 LA TEORÍA DEL CONSUMIDOR: LA DEMANDA INDIVIDUAL Eloy ÁVALOS Uvrsdad Nacoal Mayor d Sa Marcos IESR Prra vrsó: Dcbr Rs E l rst docto s aborda l stdo d la forlacó dl robla d lccó dl cosdor coo robla d otzacó, scfcado las codcos forals q db clrs ara tal caso. Por otro lado, drvaros algos toras rlvats a artr d la xstca d la fcó d tldad ara la dada arshallaa y d la dada hcksaa, ostrado a clasfcacó d los bs drvadas d las rfrcas. Núro d Clasfcacó JEL: D, D. Palabras Clavs: Fcó d dada dvdal, dada arshallaa, dada hcksaa, fcto ssttcó, fcto grso. Abstracts Ths ar dscsss th forlato of th robl of cosr choc as a otzato robl, scfyg th foral codtos to b t for sch a cas. Frthror, so rlvat thors b drvd fro th xstc of th tlty fcto for th arshalla dad ad th hcksa dad showg a classfcato of th goods drvd fro th rfrcs. Classfcato Nbr JEL: D, D. Ky Words: Idvdal dad fcto, arshalla dad, hcksa dad, sbsttto ffct, co ffct. Cotacto: Dartato d Ecooía, Uvrsdad Nacoal Mayor d Sa Marcos, La, Tléfoo 69-7 Axo 7; y Ctro d Ivstgacos Ecoócas dl Isttto d Estdos Socals dl Ríac, Pblo Lbr. Eal: avalosa@s.d.. []

4 . INTRODUCCIÓN La drvacó d la dada dvdal a artr d a rlacó d rfrca q cl cojto d rodads dtradas, dado cojto d osbldads d coso tabé artclar; d rstars coo la solcó d robla d otzacó, dod s axza la doada fcó d tldad (fcó objtvo) sjto a a rstrccó d gasto. Asso, st foq rt rvrtr l latato d la lccó dl cosdor, cado s t or objtvo zar l gasto dado vl d tldad.. LA FUNCIÓN DE DEMANDA INDIVIDUAL Cosdros ara l éso cosdor, cojto d coso tal q X =R +. Adás, sa st cosdor rco actat todos los rcados d bs q artca; así él frta vctor d rcos dado, R +. Etocs, l costo d calqr caasta q cor vdrá dado or = k= k x x. k Sodros q l cosdor t a rlacó d rfrca débl,, dfda sobr X + =R, la q s colta, trastva, cota, strctat covxa y + oótoa. Adás, s rrstada or a fcó atátca ( x ): R R cota, strctat cas cócava y oótoa. Asros q stro vctor d rcos s strctat ostvo, strctat ostvo, >. 3, y q l éso cosdor t grso Bajo las codcos coadas, tocs l robla d lccó dl cosdor s rsta coo robla d otzacó (axzacó), q qda forlado coo, Dod ( =,,, ). 3 Así, l cojto alcazabl dl cosdor s cojto o vacío, crrado, acotado y covxo. Vr ÁVALOS (:. 4). [3]

5 ax s.a. x ( x) x> Y cya solcó s l vctor dada dl éso cosdor, q cosst la jor caasta q st cosdor d corar a los rcos vgts y dado s grso otaro. La solcó d [ P ] os rt dtrar las fcos d dada dl éso cosdor, la dada dvdal d cada b, dod ara cada b s tdrá la fcó x x (, ): + k k + ++ [ P] = R R. A sta fcó d dada s l llaa fcó d dada ordara o arshallaa. La fcó d dada dvdal d b s a fcó atátca cota y b dfda. Por otro lado, dada la rodad q os l cojto rsstaro dl cosdor d hoogdad d grado cro rcos grso, s ddc q la dada dvdal d b dl éso cosdor srá tabé a fcó hoogéa d grado cro rcos grso. Así, s vrfca q ( ) ( ) xk θ, θ = xk,, θ R ++. D sta rodad s ddc q la fcó d dada dvdal d b dd d varabls rals y o d varabls oals, tals coo l costo rlatvo, Θ; y l grso ral, k ( ) rlatvo cosst Θ = θl, θ( k ) l, θ( k+ ) l,, θl. 4 r. Así, x ( Θ, r ) k k, dod l vctor costo E coscca, d las rodads dl cojto alcazabl y d las rfrcas dl cosdor, odos car l sgt tora, 4 Coo b sabos, l costo rlatvo s xrsa téros d b rfrcal y l grso ral s d xrsar téros d s so b rfrcal o téros dl b cstó. E st caso artclar, l grso ral stá xrsado dads dl b k y l costo rlatvo téros d b rfrcal, dotado coo l b l. Al rscto, Corrsod y b st to d vsta a la oó coú, sgú la cal hay dos class d frzas q afcta a la catdad d rodcto dadada or dvdo: ) cabos l cojto d bs d q d dsor cabos s rta ral o caacdad gral d cora d bs y srvcos, y ) cabos la rlacó q s d ssttr b or otro varacos los rcos rlatvos. Vr FRIEDMAN (976:. 39). [4]

6 Tora x = R R a fcó atátca cota, strctat cas cócava y Sa ( ) + oótoa, y s adás s t y >. Etocs:. El robla [ P ] t a úca solcó, = ( ) co los rcos y l grso otaro. x x q varía cotat. El costo d la caasta solcó agota todo l grso dl éso cosdor, así = x. x > x x > x.. ( ) ( ) La rra lcaca os sñala q la fcó d dada dl éso cosdor stá b dfda y s cota rscto a rcos grso otaro. Esto t q vr fdatalt co l axoa d covxdad strcta d las rfrcas. La sgda, dca q la caasta solcó agota l grso otaro dl cosdor; s dcr, la solcó o srá a caasta, x, tal q It φ(, ) x. 5 Aqí, l axoa d ootoocdad d las rfrcas y los axoas d lccó, lcaría q la solcó s to frotra dl cojto alcazabl. Por últo, la trcra lcaca, dca q o d xstr a caasta d coso q sa strctat rfrda a la caasta solcó y q a la vz sa alcazabl (costo or al grso otaro). 3. OPTIMIZACIÓN Y DEMANDA MARSHALLIANA Dado q las rfrcas s d rrstar or a fcó d tldad q s cota y strctat cas cócava, sto rstrg stro robla d otzacó, lbrádoos d a sr d covts forals. Para rocdr co la solcó d [ P ] toaros cta los sgts toras atátcos, 5 Rcérds q It φ (, ) { = x + : > x x } R. Vr ÁVALOS (Ob. Ct.:. 4). [5]

7 Tora ++ Sa ( x ): R R a fcó cas cócava s, y solat s, ++ C y o stacoara. E tal caso, ( ) ( ) ( ) ( ) ( ) x, x R, x x x x x x x >. 6 x x s strctat Est tora rt caractrzar las fcos strctat cas cócavas dat drvadas rras. Tora 3 + S ( x): R R s cota ( x ) s tabé strctat cas cócava sobr R + y strctat cas cócava R +. R ++, tocs Est tora os rt stablcr la strcta cas cocavdad d la fcó aú cado o osa drvada (o sa C o C ) la totaldad d s doo (sobr R + ). Lgo, co stos toras cados staos codcos d xrsar l robla d lccó dl cosdor coo rograa d otzacó strctat cas cócavo. 3. Prograacó strctat cas cócava Dados los toras y 3, s t a forlacó dl robla d lccó dl cosdor éso, coo s fs a rograacó strctat cas cócava. ax x R ++ s. a. ( x) x Nóts q la solcó lca q l cosdor db cosdor alga catdad d todos los bs. No s osbl q la solcó sa a caasta dod l coso d algos bs sa gal a cro. 6 Sa l vctor cola d las tldads argals dado or tora, vr MADDEN (987:. 85). x ( x) ( x) = ( ) x. Rscto al [6]

8 Tora 4 ++ Sogaos q ( x): R R sa strctat cas cócava, o stacoara y + C, y φ(, ): ++ + vacío, R R o stacoara y sa C. Adás, l cojto (, ) x srá solcó úca s, y solat s, xst λ tal q, L x. ( x ) k, λ =, k =,,, φ s o. λ >. x = x R ++ L. Sdo ( x, λ ) = ( x) + λφ(, ) Sa l saco d coso dl cosdor éso, X + =R. Dados los toras 3 y 4, forlaos l sgt rograa d otzacó strctat cas cócava coo sg, ( ) ax x, x s. a. x + x = [ P] Q qval a rsolvr la sgt fcó d Lagrag, 7 ( x x λ ) = ( x x ) + λ( x x ) ax L,,, Las codcos d rr ord (codcos csaras) dl robla so, L = λ = x λ = = L = λ = x L x [ ] [ ] = x x = Obtédos d la dfrcacó d la fcó d Lagrag ssta d trs cacos co trs cógtas, x, x y λ. 8 Así, d [ ] y [ ] s obt la solcó 7 Dod, st caso artclar, la fcó d Lagrag s aqlla fcó 8 D [ ] y [ ] s drva q qlbro csarat s vrfca [7] (, ) (, ) L: R 3 R. x x = = TMgS. x x

9 ( x, x ) x = y λ. S bargo stas codcos so codcos csaras ás o sfcts. Por otro lado, la codcó d sgdo ord (codcó sfct) s obt dfrcado totalt las cacos d las codcos d rr ord rscto a las varabls dógas. Así, s t, + dλ = + dλ = + = Dado l tora d Yog, 9 s t la atrz hssaa, co =, H D dod, la codcó d sgdo ord cosst q la atrz hssaa sa a atrz dfda gatva, así s garatza q la solcó d [ P ] s áxo local. Lgo, forlaos l sgt tora acrca d la solcó dl rograa d otzacó. 9 Est tora ca, q s ( ) s C, la atrz hssaa s a atrz sétrca, ya q s kl lk vrfca q =, k, l =,,, k l. Vr MADDEN (Ob. Ct.:. 7). Ua atrz sétrca A d dsó s dfda gatva s vrfca q ara k =,,,, los ors rcals so todos d sgo ( ) k [8]. Para la dtracó d la dfcó d la atrz, s sfct rcsar l sgo d o d los ors, ara cada ord k, llás l or rcal fdatal d k éso ord d A, q s gal al dtrat rsltat d lar A las k últas flas y colas. Etocs, s ara k =,,, l or rcal fdatal d ord k, d a atrz sétrca A d dsó, t sgo ( ) k ; la atrz A srá dfda gatva. Así, ara saco d coso ( ) R +, s tdrá, <, >, > >. Véas MADDEN (Ob. Ct.:. 87).

10 Tora 5 ++ Sa ( x ): R R a fcó C. S l to x R s vrfca las codcos, L x. ( x ) k ++, λ =, k =,,, (codcos d r. Ord).. H sa dfda gatva (codcos d do. Ord). Etocs, l to x s áxo local (strcto) d ( ), codcoado a x =. Por tato, la codcó d sgdo ord ara áxo codcoado (rstrgdo) rqr q todos los dtrats orlados altr d sgo, zado co l sgo ostvo (+). Así, ara l caso dod X + =R, db clrs, > Es dcr, la codcó sfct xg q, ( ) ( ) ( ) ( ) + > > Por otro lado, or la codcó csara dada or [ ], s t tocs l hssao qda coo, = λ y = λ ; λ λ λ λ Ya o s trata dl hssao sí, so dl hssao orlado, y q ara a axzacó codcoada (rstrgda), s xst rstrccos; tal q < +, s orla las ors rcals fdatals d ord sror a + co las drvadas arcals d las rstrccos. Así, la codcó sfct ara áxo codcoado s satsfac s los dtrats altra d sgo, zado co l sgo d ( ) =, s t ( ) + H 3 3 >. [9] +. Etocs ara l caso d

11 + >. λ Dsarrollado, obtos, ( ) ( ) Dod ( ) ( ) + < sñala q la fcó d tldad t crta artclardad, la rrstacó gráfca dl cotoro d ( ) corrsodt a valor ral, coo, db tr dt gatva y sr crct. Jstat stá dt s la llaada tasa argal d ssttcó (TMgS), y l hcho d q dtmgs > lca q l cojto cotoro sror s cojto strctat covxo. Por tato, s sab q toda fcó q osa cojto cotoro sror strctat covxo s a fcó strctat cas cócava. Prcsos, Tora 5 ++ Sa ( x ): R R a fcó C, oótoa crct, y q x R k =,,, ++ l or dagoal rcal orlado d k éso ord d ( ) x tga sgo ( ) k. E tal caso, ( x ) s strctat cas cócava Ilcacas d la otzacó Nvat, ara X + =R, dados los toras atátcos cados, s d obtr los sgts toras ara la dada dvdal dl cosdor, Tora 6 (Ordaldad) El qlbro s varat at calqr trasforacó oótoa crct d ( x ). El cotoro d ( ) corrsodt al valor [], s C ( ) = { x + : ( x) = } R. La rrstacó gráfca s la llaada crva d dfrca. El cotoro sror d ( ) corrsodt al valor cojto, s CS ( ) = { x R + : ( x) }. Y st cojto s jstat l MI asocado a a caasta tal q la fcó d tldad l gra l valor ral MADDEN (Ob. Ct.:. 68).. Vr 3 Así, dado st tora, s cta co rocdto ara dtfcar las fcos cas cócavas. Vr MADDEN (Ob. Ct.: 95).

12 Vaos, ara d tldad F ( ) F ( x, x ) R +, forlos a trasforacó oótoa crct d la fcó = dod F >. Lgo, la fcó d Lagrag qda forlada coo, (, ) ( ) T = F x x + λ x x Hallado las codcos d rr ord s t, T = F λ = x F λ = = = T F = F λ = x T = x x = λ Coo s ddc d [ ] qda altrada la codcó csara dl qlbro dl cosdor. E cato a las codcos sfcts (codcos d sgdo ord), [ ] [ ] tos la hssaa, ( ) + + F F F F ( ) + + F F F F Y coo d [ ] s t q, F = y λ F = ; tocs, λ F F ( ) + F F + F λ F F + F F ( ) + F λ F λ λ F A cotacó, ltlcaos la últa fla y la últa cola or F λ F λ ( ) ( ) + + F F F F + + F F F F s obt, []

13 s t, Sado F vcs la últa fla a la rra y F vcs la últa a la sgda, F λ F F F F Lgo, ssttydo λ F or y λ F últa fla y la últa cola or F λ, rslta, or ; ara sgda ltlcar la F F F F Falt, ltlcaos la últa cola or F y dvdos las dos rras flas or F, qdado, F > Por tato la codcó sfct sg clédos. Tora 7 (Exstca) Las catdads dadadas d cada b qlbro y l ltlcador so fcos d los rcos y l grso otaro. E X + =R, dod los rcos y l grso otaro so varabls xógas, y dfrcado totalt las codcos d rr ord, s obt l sgt ssta atrcal, λ = λ d x x λ d []

14 Coo sñalaos atrort, l dtrat d los cofcts d varacó s, lo cal s rlvat ara alcar l tora d la fcó lícta y lgo fctar l aálss d státca coaratva. Por tato xst las solcos, Tora 7 (Hoogdad) ( ) (, ) k k x = x, k =,,,. λ = λ Las fcos x (, ) so hoogéas d grado cro ( ). Coo ya coaos, sta rodad s a hrca d la hoogdad d grado cro rcos grso otaro dl cojto rsstaro. Así, sdo los vos rcos y l grso otaro,, k k = θ = θ ( θ > ) La rforlacó dl robla d otzacó, tal q la fcó dl Lagrag ahora cotl st ajst qroorcoal d los rcos grso, ahora srá, (, ) ( ) T = x x + λ θ θ x θ x D dod, las codcos d rr ord srá, L = λθ = x θ λ = = = L θ = λθ = x L = θ θ x θ x = x x = x [ ] [ ] Etocs, d [ ] s ddc q las codcos d rr ord o rsltará afctadas. Asso, coo l cojto rsstaro o ha varado, las codcos d sgdo ord srá gals ya q θ > ; or tato o altra s vrfcacó. Vaos, θ θ θ θ [3]

15 Y a cotacó, ltlcado la últa fla y la últa cola or θ, qdado, Tora 8 θ > El ltlcador d Lagrag s la tldad argal dl grso gastado. Dado q x x (, ) =, odos dfrcar la fcó costa d la fcó d k k tldad dada or ( ) = (, ) x x y asso dfrcaos la rstrccó rsstara rscto a cabo l grso otaro, xk ( ) = k= d x d y k= xk k = d d Lgo, rlazado l sgdo rsltado l rro, y cosdrado [ ], s obt, d d ( x) = λ Tora 9 (Cotdad) S s cl los axoas d las rfrcas, ara calqr y fcos d dada ( ) x so cotas., S s t l robla d lccó dl cosdor forlado coo, ( x) ax s. a. x Est rsta a solcó (, ) arátros s (, ) x s úca, ( ) [ P] x q s cota y >, las valor d los x s strctat cas cócava x, (, φ ) s covxo x, tocs abas fcos so cotas ( x,, ) rago d s coacto., y l [4]

16 4. ANÁLISIS DE ESTÁTICA COMPARATIVA Dl tora 6, s t l ssta atrcal, λ = λ dλ x x d Ahora sogaos cabos ftsals d las varabls xógas, tato d los rcos coo dl grso. 4. Varacó dl rco d rodcto Sa cabo dl rco dl b B, ctrs arbs; or tato s t, λ = x d λ Dod, coo b sabos, >. Lgo, alcado la rgla d Crar obtos la tasa d cabo, 4 λ 3 x = + Dod, ( ) = < y 3 = +. Es dcr, l fcto d cabo dl rco d B sobr la catdad dadada dl so b d sr gatvo, ostvo o lo. Esta dtracó s db al sgdo coot, ya q l rro s ddablt gatvo. Por otro lado, tabé tos la tasa d cabo, λ 3 x = 4 La solcó dl ral s dtfca co la fcó d dada arshallaa, or so otacoalt, srá dstto l so d x o d [5] x, salvo q s dq lo cotraro. Etocs, dcaría la dt d la fcó d dada arshallaa l to valado.

17 Dod, = < y 3 = +. Es dcr, l fcto d cabo dl rco d B sobr la catdad dadada dl b B d sr gatvo, ostvo o lo. Esta abgüdad s db al sgdo coot d la tasa d cabo, ya q l rro s lgar a ddas s ostvo. 4. Varacó dl grso otaro Sa cabo dl grso otaro, ctrs arbs; tocs s t l ssta, d = d dλ d Lgo, alcado la rgla d Crar obtos las tasas d cabo rscto a cabo dl grso otaro, d = 3 Dod, 3 = +. 5 Sgú l stdo caltatvo dl cabo q osa sta tasa, corrsodrá a to d b dtrado ara l b B. Así, s d tr los sgts casos, 5 Esta tasa d cabo sñala la dt d la crva d Egl ara la stacó cal d qlbro valada. Foralt, tato la dada arshallaa coo la dada grso (q da org a la crva d Egl) so la sa, dfrcádos úcat orq ara la rra l rco y l grso otaro so los arátros d la fcó; tras q ara la crva d Egl, lo so abos rcos, y. Etocs ara hacr rfrca a st to, cado drvos las fcos d dada arshallaa rscto al grso otacoalt tlzaros x k rfrca a la dada grso (crva d Egl). [6]

18 d d d 3 = > 3 = = 3 = < B B B s b oral o sror. s b tro. s b fror Por otro lado, sta tasa d cabo os rt dtfcar l sgdo coot d la tasa d cabo d la catdad dadada d B at cabo d s rco,. S x 3 valaos a artr d a stacó cal d qlbro, tocs x = d dcaría q tras cabo l rco d b, ctrs arbs, xst fcto slar a q s s odfcas l grso otaro (y q or la codcó ctrs arbs s gal a a varacó dl grso ral). A st coot l llaaros fcto grso, or lo q stra rra tasa d cabo va qdado coo, λ = x d Y tabé qda claro, q l valor d la tasa d cabo, ddrá d cóo tfq l cosdor al b B. Así, tdros los sgts casos osbls, λ x 3 3 d = + < = > B s b oral. λ x 3 3 d = + < = = B s b tro. λ x 3 3 d = + = < B s b fror. S obsrvará, q las dos rras tfcacos d B la tasa d cabo qda dfda. E tato q, co l trcr to, coo b fror, s tdrá trs 3 x 3 stacos osbls adcoals. Lgo, dado q = < ; tocs >, d [7]

19 sdo d sgo osto al rr coots. Para valar l rsltado to toaros valors absoltos d abos coots, sdo osbl obtr, λ 3 x < > B λ x 3 = = B s b fror. λ 3 x > < B s b fror. s b fror Gff. Nóts, q l rr caso, l fcto grso cotrarrsta sólo arcalt l fcto dl rr coot. E l sgdo, abos fctos s cacla y l trcr to, l fcto grso sra al rr coot, or lo q la tasa d cabo d la catdad dadada d b rscto a s rco s ostva (s l úco caso dod la dada arshallaa t dt gatva). Por otro lado, la sgda tasa d cabo drvada srá, d 3 = Dod 3 = +. D gal fora, st rsltado aarc coo art dl sgdo coot d d. Así, ssttydo s obt q λ = x d. Y vat s sclarc q la dtracó d la tasa d cabo d B rscto al cabo dl rco d B obdc a cóo las rfrcas dl cosdor tfca l b B. Etocs s osbl tr los sgts casos, λ x3 3 d = = > B s b oral. λ x3 3 d = > = = B s b tro. λ x3 3 d = > = < B s b fror. [8]

20 Ahora tabé s obsrvará, q las dos últas tfcacos d B la tasa d cabo qda dfda. E tato q, co l rr to, s tdrá trs stacos 3 osbls ás. Dado q = > d x 3 ; tocs <. Etocs, ara valar l rsltado to toaros valors absoltos d abos coots, sdo osbl obtr, λ 3 x > > B λ x 3 = = B s b oral. λ 3 x < < B s b oral s b oral. La dtracó d sta tasa os rt rcsar cóo l cosdor tfca los bs B y B. Así, s t, > B = B < B y B y B y B so bs sstttos brtos. so bs ddts. so bs coltaros brtos. Esta clasfcacó, s dsrd d las rfrcas dl cosdor. Atrort Parto y Edgworth hacía rfrca a los cofcts y ara dtrar la coltardad tr los bs LA DEMANDA COMPENSADA (DEMANDA HICKSIANA) Prooscó + Sa ( ): R R cota, strctat cas cócava y oótoat crct. Adás sa ++ R y + x R, tal q, 6 Vr HICKS (945:. 4 54). [9]

21 . La solcó d [ P ], x, za l { } x MI ( x ) = x + : ( x) ( x ) R.. x >. Etocs A (, ) { : } x = x + x x x axza la fcó d tldad ( ) R. x Esta rooscó s drva dl to () dl tora. Ya q s la caasta solcó s ctra la frotra dl cojto d osbldads d coso; tocs s cl x =. Por lo q dcho grso otaro, a s vz, d trrtars coo gasto ío rqrdo ara alcazar l cojto d caastas MI ( ) x. Tabé odos afrar q sta rooscó dca q la solcó d [ P ], q s úca or las rodads atrort cadas y q axza la fcó objtvo ( x ), a s vz za l gasto q s rqr ara alcazar l cojto MI ( ) x. La rsolcó dl robla latado () coo zacó, s l dal [ D ] d [ P ], q s forla coo, 7 x s. a. D x ( x) [ ] B MI A x* B 7 Q gal al robla [ P ] db clr crtas codcos q s tratará cado s std la daldad dl cosdor. []

22 Podos tr a rrstacó gráfca d la rlacó tr l ral y l dal. (Vr gráfco atror) Lgo, ara saco d coso, dod X + =R, st robla qval a rsolvr la sgt fcó d Lagrag sólo ara trs varabls, (, ) Z = x + x + µ x x Hallado las codcos d rr ord, Lgo, d [ ] y [ ] Z = µ = x Z µ = µ = x Z = x x = µ = = [ ] (, ) [ ] h s obt las solcos, (, ) x y µ, llaádos a las rras dadas hcksaas o dadas cosadas. Y d la sa fora q s stablcó l tora d xstca ara la solcó d [ P ], gal aqí odos sostr q las catdads solcó d [ D ] d cada b y l ltlcador µ so fcos d los rcos, ro ya o dl grso otaro so d vl d tldad rfrcal,. Así, X + =R, cosdrado los rcos y l vl d tldad rfrcal coo varabls xógas y dfrcado totalt las codcos d rr ord, s obt l sgt ssta atrcal, h µ µ h µ µ = d µ d []

23 h Dod, l dtrat d la atrz d los cofcts d varacó s <. 8 A cotacó odos ralzar jrccos d státca coaratva, fdatalt qros hallar la tasa d cabo h h y ya q srá las q os dará foracó sobr los rros coots dscoocdos d alcado la rgla d Crar, s t, h h h µ µ λ = = = = = 9 h µ µ y. Etocs, Q datat rcoocos coo l rr coot d la tasa d cabo. Est s l llaado fcto ssttcó, q coo ya sabos s dftvat gatvo, <. h Mtras q la sgda tasa d cabo q bscaos s, h h h µ µ λ = = = = = h µ µ Y coo ya s sab q <, tocs s sg q h >. Es dcr, ato dl rco d B gra dscso d la catdad dadada d B. Esta rlacó vrsa t q vr co la rodad d ootoía d las rfrcas, ya q d lla 8 El hssao s gatvo dado q ahora la otzacó trata d hallar ío. Así, dsarrollado cotraos la rlacó tr los hssaos rsltat d las codcos d rr h ord ara [ P ] y ara [ D ], ( ) ( ) = <. µ µ 9 Rcérds q qlbro s cl, λ = y = ; or tato, λ =. µ µ Esta tasa vdría a sr la dt d la dada hcksaa valada qlbro cal. []

24 dd q las crvas d dfrca tga dt gatva y or tato s fr l fcto ssttcó ara vl dado d tldad,. Falt, co la dada hcksaa tos a rra aroxacó d la dscooscó dl fcto d cabo dl rco d b sobr la catdad dadada dl so b o d otro b. Falt os qdaos co, h x h = d y = x d Q os stra cóo l fcto total d cabo dl rco s dvd dos coots, l fcto ssttcó y l fcto grso. Ahora odos rrstar gráfcat la dada arshallaa así coo la dada hcksaa, ara l caso l q l b B s b fror dl sbto (), dod q ara st caso, la tasa d cabo rlvat s, λ ( ) ( + ) x 3 = + = x 3 λ =. Rcérds Para la costrccó gráfca d st caso, asros a stacó cal dod a rco rlatvo d B l cosdor cos a catdad x d B. Dado q sta stacó cal, co s grso xógo stá axzado la tldad, l to x, rtc a la crva d dada arshallaa. S bargo, sta sa S bargo Bckr t a ostra dfrt, s sñala: Hos dcado q l tora ás ortat cooía s q crto ro l rco rlatvo (o téros d trcabo) dl b X rdcrá la catdad dadada d X. Est tora raarc a través d la toría coóca bajo varos asctos. Tradcoalt, ha stado asocado co sstos d coortato racoal, ya q s drvó y s cosdró la rcal lcacó dl aálss d crvas d tldad dfrca. S bargo, ttaré dostrar q gal q los fctos grso ya dsctdos, s drva báscat d la scasz, y o d la racoaldad, y sostgo q s alcabl tabé ara chas class d coortato. Vr BECKER (977: ). Otra fora d dr l fcto grso sría tlzado l étodo d Sltsky, q al fjar a caasta d coso, tocs ya o s rqr dl dal, so s trabaja sobr l so ral, cosdrado l costo d la caasta cal valada a los vos rcos. Vr FRIEDMAN (Ob. Ct.:. 65). [3]

25 stacó tabé odos trrtar q s grso s a la vz gasto ío q l rt alcazar vl d tldad dado, or lo q dcho to x, tabé sría art d la crva d dada hcksaa. Así, l caso d q B s cosdrado or l cosdor coo b fror x 3 λ =, l fcto grso s cotrarrsta totalt al fcto ssttcó, or lo q l fcto total s lo. Vaos gráfcat, ( ;, ) x x = x fcto ssttcó fcto grso h x ( ;, ) h x B REFERENCIAS [ ] ÁVALOS, Eloy. (), La toría dl cosdor: rfrcas y tldad. Docto d Trabajo Nº 5. La: Ctro d Ivstgacos Ecoócas dl Isttto d Estdos Socals dl Ríac. BECKER, Gary. (977), Toría coóca. Méxco: Fodo d Cltra Ecoóca. [ ] [ 3 ] FRIEDMAN, Mlto, R. (976), Toría d los rcos. Madrd: Alaza Edtoral. [ 4] HICKS, Joh. (945), Valor y catal. Ivstgacó sobr algos rcos fdatals d toría coóca. Méxco: Fodo d Cltra Ecoóca. 5 MADDEN, Pal. (987), Cocavdad y otzacó crocooía. Madrd: Alaza [ ] Edtoral. [4]

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

Tema 5: Equilibrio General

Tema 5: Equilibrio General Ta 5: Equlbro Gral OWC Ecooía ara Matátcos Ta 5: Equlbro Gral. Itroduccó El cocto d qulbro surg or la csdad d aalar stuacos qu dsttos agts coócos tractúa tr s. El cocto d qulbro tta rdcr cuál s l rsultado

Más detalles

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!

Más detalles

4.1 Procedimientos de inferencia para la distribución exponencial

4.1 Procedimientos de inferencia para la distribución exponencial 4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal

Más detalles

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros .8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros 59.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros Variació d parátros U procdiito

Más detalles

Potencial periódico Término de corrección Término sin de segundo orden perturbación Término de corrección de primer orden

Potencial periódico Término de corrección Término sin de segundo orden perturbación Término de corrección de primer orden Bds d rgí otdo Tor d Boch. Torí d ctró cs r.org d ds. Modo d Krog-Py. jo. stdo Sódo Potc áss otc qu s usó áss tror fu u otc tt. s áss d uy u rsutdo s s ctr trs tá us ocurr u tto d ctros. S rgo, otros trs

Más detalles

Multicupón no garantizado 07/09 1

Multicupón no garantizado 07/09 1 ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco

Más detalles

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

6 Cinemática de rotaciones finitas

6 Cinemática de rotaciones finitas 6 Cmátca d otacos ftas 6. Momto sféco Dfcó: Cpo ígdo: s sstma d patíclas tal q las dstacas t las dsttas patíclas o aía sta codcó s dal, po la mayoía d los casos los sóldos pd dspcas los pqños cambos d

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método

Más detalles

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID C/ Gal. Auda, 6 Tléf.: 9 5 8 4-9 55 9 800 MADRID ORMULARIO DE ESTADÍSTICA. DISTRIBUCIONES UNIDIMENSIONALES. Esaza atátca. Sdo ua vaabl alatoa g ( ua fucó d la sa, dfos: E ( g ( ( g Caso dscto g ( f ( Caso

Más detalles

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

Más detalles

Capítulo III. Colectivos estadísticos.

Capítulo III. Colectivos estadísticos. Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls

Más detalles

PUEDE RESPONDERSE A LA PREGUNTA: CÓMO LOS MÉTODOS TRASCENDENTES TRASCIENDEN LOS MÉTODOS ALGEBRAICOS?? OSCAR EDUARDO GÓMEZ ROJAS. CÓDIGO:

PUEDE RESPONDERSE A LA PREGUNTA: CÓMO LOS MÉTODOS TRASCENDENTES TRASCIENDEN LOS MÉTODOS ALGEBRAICOS?? OSCAR EDUARDO GÓMEZ ROJAS. CÓDIGO: PUEDE RESPONDERSE A LA PREGUNTA: CÓMO LOS MÉTODOS TRASCENDENTES TRASCIENDEN LOS MÉTODOS ALGEBRAICOS?? OSCAR EDUARDO GÓMEZ ROJAS. CÓDIGO: 83. Traao d grado rstado ara otar al título d Magstr Matátcas. DIRIGIDO

Más detalles

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal) PROLMAS TMA JRCICIO j 9.5 d Frádz Abascal La cotizació olsa d u cirto título s cosidra ua variabl alatoria ormalmt distribuida co arámtros dscoocidos, ro s diso d la siguit iformació: a ist u,5% d robabilidad

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

Más detalles

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov EXAMEN FINA DE I.O.E. (Curo / º Q. Cada d Markov S ha comrobado qu la robabldad d qu u dtrmado artdo olítco ga ua lcco dd d la gaó lo do comco mdatamt atror d la gut forma: gaó la do lcco atror toc la

Más detalles

MECÁNICA ESTADÍSTICA

MECÁNICA ESTADÍSTICA FAyA Lccatura Químca Físca III año 26 MÁIA SADÍSIA IRODUIÓ ROBABILIDAD robabldad s la cuatfcacó d la spraza dl rsultado d u xprmto o vto. S l posbl rsultado d u xprmto s A la probabldad d qu ocurra A s

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Probabldades y stadístca Cotacó Facltad de Cecas actas y Natrales. Uversdad de Beos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó tal La estadístca rovee téccas qe erte obteer coclsoes

Más detalles

1.- Contraste de combinaciones lineales entre parámetros 1.1 Caso General

1.- Contraste de combinaciones lineales entre parámetros 1.1 Caso General Tma 3: l modlo Básco d grsó Lal Múlpl II.- Coras d combacos lals r parámros. Caso Gral. Coras d sgfcacó global.3 Sbcojo d parámros.4 Coras d sgfcacó dvdal. smacó por rvalo d cofaza.- Prdccó mímo cadráca

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

Más detalles

MATEMÁTICA AVANZADA TRABAJO PRÁCTICO N O 1

MATEMÁTICA AVANZADA TRABAJO PRÁCTICO N O 1 MATEMÁTICA AVANZADA TRABAJO PRÁCTICO N O Fcios aalíticas Dmostrar q s aalítica todo l plao complo Z. Siglaridads d a ció Estdiar las siglaridads d las sigits cios calclado límit: a b c 9 cos d 7 Trasormació

Más detalles

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen. Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su

Más detalles

TEMA 1: CALCULO DIRECTO DE LÍMITES

TEMA 1: CALCULO DIRECTO DE LÍMITES INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL

Más detalles

TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS

TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS www.ova.ud.s/wbags/ild/wb/d.htm -mal: mozas@l.ud.s TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS Dstbucó dgada u uto c.- Fucó d obabldad: P( = c) = ; P( c) = 0. Fucó d dstbucó: F() = 0, c, c Momtos: E()

Más detalles

LECCIÓN N 5 AMPLIFICACIÓN N DE SEÑALES

LECCIÓN N 5 AMPLIFICACIÓN N DE SEÑALES EIÓN 5. lcacón d sñals TEM III MPIFIIÓN N EETÓNI ccón 5. MPIFIIÓN DE EÑE. Parátros báscos ccón 6. MPIFIDOE OPEIONE ccón 7. EIMENTIÓN EN MPIFIDOE ccón 8. OIDOE Y GENEDOE DE EÑE Elctrónca Gnral EIÓN 5. lcacón

Más detalles

Automá ca. Capítulo4.RespuestadeRégimenTransitorio

Automá ca. Capítulo4.RespuestadeRégimenTransitorio Automáca Capítulo.RputadRégmratoro JoéRamóLlataGarcía EthrGozálzSaraba DámaoFrádzPérz CarloorFrro MaríaSadraRoblaGómz DpartamtodcologíaElctróca IgríadStmayAutomáca Rputa d Régm ratoro Rputa d Régm ratoro..

Más detalles

variables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A

variables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A cors loros. só más d dos dmsos Dcó: S... rbls lors dscrs l ucó d robbldd cou dl cor loro... s d como: ddo culqur couo A R...... P... P... A...... A...... s ucó ssc ls sgus rodds:.................. orm

Más detalles

EXAMEN DE TÉCNICAS CUANTITATIVAS III.

EXAMEN DE TÉCNICAS CUANTITATIVAS III. APEIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdr u vl d cofaza dl 95% (z=).. U mprsaro qur stmar l cosumo msual d lctrcdad ua comudad d 000 hogars dvddos 400

Más detalles

LOGICA DE PROPOSICIONES

LOGICA DE PROPOSICIONES OIGENES DEL PENSAIENTO BOOSO Lotf Zadeh 965 La Teoría de los Cojtos Borrosos los valor lógcos se corrode a téros lgüístcos coo a edas, bastate, cas, oco, cho, algo, etc. erte latear el roblea e los sos

Más detalles

ISIS J. C. Gómez & G. Bartolini 1

ISIS J. C. Gómez & G. Bartolini 1 Idetfcacó de SISteas Descooscó e alores Sgulares (SD: Sgular alue Decoosto) ISIS J. C. Góez & G. Bartol La SD y sus lcacoes La Descooscó e alores Sgulares (o SD or sus sglas e glés) de ua atrz es la descooscó

Más detalles

TEMA 7 ACTUACIONES DE AVIONES DOTADOS DE MOTOR ALTERNATIVO-HÉLICE

TEMA 7 ACTUACIONES DE AVIONES DOTADOS DE MOTOR ALTERNATIVO-HÉLICE TSIAT (UC) Máa l lo (6-7) TMA 7 ACTUACIONS D AIONS DOTADOS D MOTOR ALTRNATIO-HÉLIC 7.. INTRODUCCIÓN 7.. HIÓTSIS ACRCA D LAS CARACTRÍSTICAS DL GRUO MOTOROULSOR l gro oorolsor oor alravo-hél sá oso, obva,

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

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA : Problma Nº 5.3 Opphim Obsrv l siguit sistma: Dtrmi y() Solució: El traycto d arriba produc, al multiplicar por Cos(/), traslació dl spctro

Más detalles

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r. (Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

Modelo 3 Opción A. , + ) Decreciente: (0, )) = ( , f(

Modelo 3 Opción A. , + ) Decreciente: (0, )) = ( , f( Modlo Opción A Ejrcicio º Sa f : (, ) R la función dfinida por f() Ln() (Ln dnota la función logarito npriano). (a) [ 5 puntos] Dtrina los intrvalos d crciinto d dcrciinto los tros rlativos d f (puntos

Más detalles

8 Límites de sucesiones y de funciones

8 Límites de sucesiones y de funciones Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...

Más detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,

Más detalles

FÓRMULAS DE MATEMÁTICAS FINANCIERAS

FÓRMULAS DE MATEMÁTICAS FINANCIERAS FÓRMULAS DE MATEMÁTIAS FINANIERAS TEMAS Y 2: ONEPTOS BÁSIOS... 2 Ly facra. Suma facra. Potulado d quvalca facra. Saldo facro. TEMA 3: MAGNITUDES DERIVADAS... 3 Factor, rédto, rédto acumulado, tato (d captalzacó

Más detalles

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos Política Fiscal Goiros d coalició o d itrss oráficos disrsos Goiros d coalició o d itrss oráficos disrsos Escario olítico dod l oiro stá comusto or dos artidos coalició:. Partidos ti rfrcias distitas sor

Más detalles

11. Optimización no lineal con restricciones

11. Optimización no lineal con restricciones . Optzacó o leal co restrccoes. Optzacó o leal co restrccoes Prcpos y teoreas para la búsqueda de óptos lobales Modelos co restrccoes de ualdad Codcoes de uh-tucker Alortos uércos báscos Prcpos y teoreas

Más detalles

TEMA 58. Población y Muestra. Condiciones de Representatividad de una muestra.tamaño de la muestra

TEMA 58. Población y Muestra. Condiciones de Representatividad de una muestra.tamaño de la muestra a 58. Poblacó y utra. Codco d Rrtatvdad d ua utra. A 58. Poblacó y utra. Codco d Rrtatvdad d ua utra.aaño d la utra. troduccó y dfco La rrtacó d dato o tadítca obr rtca o caractrítca d cualqur coudad tado,

Más detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TMS D MTMÁTICS Ooscos d Scudara TM 65 DISTRIBUCIOS D PROBBILIDD D VRIBL DISCRT. CRCTRÍSTICS Y TRTMITO. LS DISTRIBUCIOS BIOMIL Y D POISSO. PLICCIOS.. Itroduccó.. Fucos d Cuatía.. Dstrbucos Multvarats..

Más detalles

Índice de Actividad Empresarial no Petrolera (IAE-NP) Una Propuesta Metodológica de Mejora

Índice de Actividad Empresarial no Petrolera (IAE-NP) Una Propuesta Metodológica de Mejora Documento de Trabajo No. 2012-01 [Working Paper] Índice de Actividad Empresarial no Petrolera (IAE-NP) Una Propuesta Metodológica de Mejora por José Ramírez Centro de Estudios Fiscales - SRI [jframirez@sri.gob.ec]

Más detalles

1. Consecuencias de la inclusión de variables irrelevantes en el modelo

1. Consecuencias de la inclusión de variables irrelevantes en el modelo Tma 7: spcificació d la cació: Problmas, cotrasts, métodos d slcció d variabls y lcció d forma fcioal. Cosccias d la iclsió d variabls irrlvats l modlo. Cosccias d la omisió d variabls rlvats l modlo 3.

Más detalles

CURSO DE ESPECIALIZACIÓN.,QWURGXFFLy D 0pWRG G (OHPHQWR )LQLWRV. Dr. Ing. Claudio E. Jouglard

CURSO DE ESPECIALIZACIÓN.,QWURGXFFLy D 0pWRG G (OHPHQWR )LQLWRV. Dr. Ing. Claudio E. Jouglard 8QLYHUVLGD 7HFQROJLF DFLRQDO )DFXOWD 5HJLRQD %XHQR $LUHV CURSO DE ESPECIALIZACIÓ,QWURGXFFL D pwrg G (OHPHQWR )LQLWRV )RUPXODFL 9DULDFLRQD G (OHPHQWR )LQLWRV Dr. Ig. Clado E. Joglard otas dl Crso dctado

Más detalles

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE MATEMÁTICAS Y CULTURA B O L E T Í N 23.04.20 No. 273 COORDINACIÓN DE MATEMÁTICAS MATEMÁTICAS MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE E l Boltí Matmáticas Y Cultura No. 257 dl 23 d abril

Más detalles

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura T 4: grsos lls o lls TEMA 4. EGEIONE LINEALE LINEALE Y NO.. 3. Itroduccó 4. Nocltur 5. Llzcó Ajust grsó ll ll d últpl cucos 6. 7. 8. grsos EUMEN Progrcó o lls Mtlb Cálculo uérco Igrí T 4: grsos lls o lls.

Más detalles

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1: .- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim

Más detalles

Señales y Sistemas. Análisis de Fourier.

Señales y Sistemas. Análisis de Fourier. Sñals y Sistmas Aálisis d Fourir. Itroducció El foqu d st capítulo s la rprstació d sñals utilizado sos y cosos ( otras palabras, xpocials complas). El studio d sñals y sistmas utilizado xpocials complas

Más detalles

CAPITULO 17 FUNCIONES EXPONENCIALES Y LOGARITMICAS

CAPITULO 17 FUNCIONES EXPONENCIALES Y LOGARITMICAS Capítlo 17. Drivada d las Fcios Epocial, Logarítmica. CAPITULO 17 FUNCIONES EXPONENCIALES Y LOGARITMICAS Ejrcicio. Dibja la gráfica d la fció =, para sto lla la sigit tabla: 0 1 3 4-1 - -3-4 Vamos l sigit

Más detalles

al siguiente límite si existe: . Se suele representar por ( x )

al siguiente límite si existe: . Se suele representar por ( x ) UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D

Más detalles

Consumer theory: duality, elasticities, constraints of the demand and welfare.

Consumer theory: duality, elasticities, constraints of the demand and welfare. MPRA Muc Peroal RePEc Arcve Couer teory: dualty, elatcte, cotrat of te dead ad welfare. Eloy Ávalo Uverdad Nacoal Mayor de Sa Marco, Ittuto de Etudo Socale del Ríac 4. Arl Ole at tt://ra.ub.u-uece.de/4895/

Más detalles

ANÁLISIS DE ERROR DE ESTADO ESTABLE

ANÁLISIS DE ERROR DE ESTADO ESTABLE AÁLISIS DE ERROR DE ESTADO ESTABLE El rror stcoro s u dd d l xcttud d u t d cotrol. S lz l rror stcoro dbdo trds scló, rp y prábol. COTROL AALÓGICO COTROL DIGITAL Esqu Error Fucó d trsfrc d ll Es ( Rs

Más detalles

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012 Solucó Práctca Evaluable. Olgopolo y Copeteca Moopolístca. 6//0 Cosdere u olgopolo de Courot co epresas que produce u be hoogéeo. La fucó versa de deada es p ) = 0 y todas las epresas tee el so coste argal

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

Más detalles

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit límit si ist: f f ' lím sigifica lo mismo.

Más detalles

Selección adversa. El principal no conoce el tipo del agente modelo sencillo:

Selección adversa. El principal no conoce el tipo del agente modelo sencillo: icroconoía : Scción arsa rofsora: sthr Hak Scción arsa rincia no conoc tio agnt oo sncio: rincia ntra ant risgo hay 2 tios agnt: bno y ao a roorción agnts tio s tin tiia U tin tiia Uk con k>1 ago srao

Más detalles

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,

Más detalles

APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA

APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emrsarals Dartamto d Ecoomía Alcada Profsor: Satago d la Fut Frádz APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA

Más detalles

Tema31.INTEGRACIÓN NUMÉRICA.MÉTODOS DE INTEGRACIÓN.

Tema31.INTEGRACIÓN NUMÉRICA.MÉTODOS DE INTEGRACIÓN. tgrco uérc étodos d tgrcó NGRACÓN NUÉRCAÉODOS D NGRACÓN troduccó Clculo tgrl y drcl rs udtls cálculo tsl l cálculo tgrl c dl cálculo d árs l org dl cálculo tgrl pud rotrs l Grc clásc clculo d árs por l

Más detalles

TEMA 2. ESPACIOS Y OPERADORES LINEALES CONTENIDO

TEMA 2. ESPACIOS Y OPERADORES LINEALES CONTENIDO TEMA. ESPACIOS Y OPERADORES LINEALES CONTENIDO ESPACIOS LINEALES SOBRE UN CAMPO INDEPENDENCIA LINEAL, BASES Y CAMBIOS DE BASES OPERADORES LINEALES Y SUS REPRESENTACIONES SISTEMAS DE ECUACIONES ALGEBRÁICAS

Más detalles

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto

Más detalles

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3 Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

CAMPO MAGNÉTICO FCA 08 ANDALUCÍA

CAMPO MAGNÉTICO FCA 08 ANDALUCÍA 1. a) Exliqu las xrincias d Örstd y cont cóo las cargas n oviinto originan caos agnéticos. b) En qué casos un cao agnético no jrc ninguna furza sobr una artícula cargada? Razon la rsusta.. Dos conductors

Más detalles

Práctica 5. Control digital

Práctica 5. Control digital Práctca 5. Cotrol gtal Agatra: Stma Elctróco Cotrol Cro: 3/4- Ralacó: D4-, 4/5/3 g y 3/5/3 g9, 8h-h Nota: Para la ralacó la ráctca mrcbl trar l to rvo hcho valmt. El to rvo cot rolvr lo jrcco marcao co

Más detalles

TEMA 3. LA TEORÍA DEL CONSUMIDOR: DUALIDAD.

TEMA 3. LA TEORÍA DEL CONSUMIDOR: DUALIDAD. rof Dr Atoo García Sáchez croecoomía III Tema 3 TEA 3 LA TEORÍA DEL CONSUIDOR: DUALIDAD LA FUNCIÓN DE GASTO roblema dal de otmzacó s a U( m k U ( X ; Se tercamba la FUNCIÓN OBJETIO (ahora es a LÍNEA ISOGASTO

Más detalles

Escribe en cada renglón una frase. Tienes que escribir una palabra en cada espacio. Nombre:... Fecha:... Mª Carmen Tabarés. L.A.

Escribe en cada renglón una frase. Tienes que escribir una palabra en cada espacio. Nombre:... Fecha:... Mª Carmen Tabarés. L.A. Escribe en cada renglón una frase. Tienes que escribir una palabra en cada espacio. la le li lo lu al el il ol ul...bio ma...ta...timo...ro ba......ma...mo...macén p...ma a...bia E...na c...cetines............

Más detalles

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA ma 4 - FUDAMOS D LA MCÁICA SADÍSICA CLÁSICA Cocptos stadístcos lmtals. Mcáca stadístca d sstmas mcroscópcos. Los colctvos mcrocaóco caóco y gracaóco. La fucó d partcó y las fucos trmodámcas. l gas dal

Más detalles

Desarrollo temporal: riesgo moral. N juega. Riesgo moral 1. Riesgo Moral

Desarrollo temporal: riesgo moral. N juega. Riesgo moral 1. Riesgo Moral Mcocooía I: Rgo oa A d a Pofoa: Eh ak Daoo oa: go oa P dña coao A aca o chaa N jga Rado Pago Rgo oa A aa fo o fcab Rgo Moa Cooao fo d ag o obab ahoa ca q da co a ag aa g fo q á co a ca > ha do cco: codcó

Más detalles

TEMA 2. LA TEORÍA DEL CONSUMIDOR 1. EL ORDEN DE PREFERENCIAS. APROXIMACIÓN AXIOMÁTICA.

TEMA 2. LA TEORÍA DEL CONSUMIDOR 1. EL ORDEN DE PREFERENCIAS. APROXIMACIÓN AXIOMÁTICA. Prof. Dr. Atoo García Sáchez Mcroecoomía III Tema Pága de 6 TEMA. LA TEORÍA DEL ONSUMIDOR. EL ORDEN DE PREFERENIAS. APROIMAIÓN AIOMÁTIA. Notacó vectoral de las combacoes de bees.... ( Sgfcado de la refereca

Más detalles

I.AURIOL - E.OLIVERA ) convexity for the set of equilibrium in n-person cyclic game s wit h. en en los cuales la función de pago de

I.AURIOL - E.OLIVERA ) convexity for the set of equilibrium in n-person cyclic game s wit h. en en los cuales la función de pago de Rvsta d a U ó Matmátca Agta Voum 9 994 I INTRCAMBIABILIDAD DL CNUNT D PUNTS D QUILIBRI N UGS N-PRSNALS C CL ICS IAURIL - LIVRA ) Abstact I ths pap w show th quvac of tchagabt ad covxt fo th st of qubum

Más detalles

Tema 2: El modelo básico de regresión lineal múltiple (I)

Tema 2: El modelo básico de regresión lineal múltiple (I) Tema : l modelo básco de regresó leal múltple I Casaldad la ocó de cetrs parbs e el aálss ecoométrco Repaso del cocepto de regresó smple: Recta de regresó poblacoal p verss recta de regresó estmada Motvacó

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

Capítulo 4: Rotaciones Multidimensionales con Operaciones Vectoriales

Capítulo 4: Rotaciones Multidimensionales con Operaciones Vectoriales Cítulo 4: Rotcos Multdmsols co Orcos ctorls Como s vo l cítulo tror s ud hcr rotr u ojto l sco D roorcodo - utos o cohrlrs s dcr s roorco l j d rotcó l cul s l rrstcó d u sml -D. E st cítulo s lz y td

Más detalles

Tema 5: Transistor Bipolar de Unión (BJT)

Tema 5: Transistor Bipolar de Unión (BJT) Tma 5: Trasistor ipolar d Uió JT) 5.1 troducció otidos 5.2 ucioamito dl trasistor Zoa Activa Dircta 5.3 Modlo d orrits dl Trasistor. Modlo d rs-moll 5.4 Modos o Zoas d Opració 5.5 Modlos Spic 5.6 jmplos

Más detalles

Empleabilidad de egresados de programas de formación con alto contenido en TIC del Centro de Servicios y Gestión Empresarial SENA Medellín

Empleabilidad de egresados de programas de formación con alto contenido en TIC del Centro de Servicios y Gestión Empresarial SENA Medellín 1 g g fó TC C Sv y Gó SA í 2011-2012 A * R ó g 23 g éf TC, C Sv y Gó SA, í, Aq, g 2011, 2012; y fó é y óg éf TC, yó j g. S yó q SA, í ó yí g fó; v ( g y ). Ayó f, g ú gfv g y ó é q y g vz v f v y í y j.

Más detalles

Formulario de matemáticas

Formulario de matemáticas Forlro tát lgr- Sgo (+) (+) = + (-) (-) = + (+) (-) = - (-) (+) = - (+) / (+) = + (-) / (-) = + (+) / (-) = - (-) / (+) = - Fro Proto otl ftorzó ( ) ( ) ( ) ( ) ( ) ()() ()( ) ( )( ) ()( ) L lo ot rl log

Más detalles

r r ér r ó: ó bé í g hr r b br r b. r ró Yg hú br L Cró. ér g ó U " r: ú Sr Sr ó f Sr." Sr r bjv Rj Yg Hh Yg: v gr r g br - g. Y rf rá Yg h H b r ó br

r r ér r ó: ó bé í g hr r b br r b. r ró Yg hú br L Cró. ér g ó U  r: ú Sr Sr ó f Sr. Sr r bjv Rj Yg Hh Yg: v gr r g br - g. Y rf rá Yg h H b r ó br L CULTIVO D LA CONCNTRACIÓN I í xrr r ér Sr Cv gr Pr f frr r Pr. rí rá r r vr r hú br r x óf v r rr r ír ó Ihwr frr P. h hú v é gr "hb ír: r r "Bhgv G" í 15 rzó r v v I rz. r r r qr r á hwr rrr br g rz

Más detalles

BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA 1. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL

BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA 1. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL. Graldads Estadístca: Cojuto d torías y téccas para la rcoplacó, l aálss, la trprtacó y la prstacó d datos umércos Etapas

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Tabla de contenido. Página

Tabla de contenido. Página Tabla d contnido Página Ecuacions difrncials no hoogénas Solución d una cuación difrncial no hoogéna con coficints constants Método d variación d arátros Rsun Bibliografía rcondada 4 No 4 Autovaluación

Más detalles

CAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS

CAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS CAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS 14-1 Los tipos d intrés nominals y rals Slid 14.2 Los tipos d intrés xprsados n unidads d la monda nacional s dnominan tipos d intrés nominals. Los

Más detalles

Capítulo 12. Introducción a la Termodinámica Estadística.

Capítulo 12. Introducción a la Termodinámica Estadística. Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part

Más detalles

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,... TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s

Más detalles

Capítulo 4-1. El problema de la interpolación. Polinomio interpolador de Lagrange

Capítulo 4-1. El problema de la interpolación. Polinomio interpolador de Lagrange Capítulo 4-. El poblma d la tpolacó. Polomo tpolado d Lagag 4 El poblma d la Itpolacó. Sa f ua fucó cotua [a, b] d la qu s cooc l valo qu toma putos dsttos (odos):...... S tata d calcula l valo apomado

Más detalles

ρ = γ = Z Y Problema PTC

ρ = γ = Z Y Problema PTC Probla PTC-18 Dibujar l spctro d aplitud d un cabl con pérdidas n circuito abirto, dtrinando los valors y frcuncias d los valors áxios y ínios. Solución PTC-18 Sabos qu la función d transfrncia d un cabl

Más detalles

Tema 5: Transistor Bipolar de Unión (BJT)

Tema 5: Transistor Bipolar de Unión (BJT) Tma 5: Trasistor ipolar d Uió JT) 5.1 troducció otidos 5.2 ucioamito dl trasistor Zoa Activa Dircta 5.3 Modlo d orrits dl Trasistor. Modlo d rs-moll 5.4 Modos o Zoas d Opració 5.5 Modlos Spic 5.6 jmplos

Más detalles

Unidad didáctica 2: Interpolación 1. Diferencias divididas. Diferencias finitas.

Unidad didáctica 2: Interpolación 1. Diferencias divididas. Diferencias finitas. Udad ddáctca : Iterolacó. Derecas dvddas. Derecas tas. Israel añaó Valera Dto. de Mateátca Alcada y Métodos Iorátcos E.T.S.I. Mas ÍNDIE. Plateaeto del roblea.. Derecas dvddas. Fórula de Newto. Tablas.

Más detalles

Bootstrap en los modelos de elección discreta: una aplicación en el método de valoración contingente

Bootstrap en los modelos de elección discreta: una aplicación en el método de valoración contingente UNIVERSIDAD NACIONA MAYOR DE SAN MARCOS FACUTAD DE CIENCIAS MATEMÁTICAS UNIDAD DE POSGRADO Bootstrap los modlos d lccó dscrta: ua aplcacó l método d valoracó cotgt TESIS Para optar l Grado Académco d Magístr

Más detalles

PROBLEMARIO DE MATEMÁTICA FINANCIERA

PROBLEMARIO DE MATEMÁTICA FINANCIERA POBLEIO DE TEÁTIC FINNCIE Prof. (Ig.) drés Scott Vlásquz PIE LPSO 0.- Itrés Spl a) su d Fórulas. I C I C Itrés o Bfco Captal, Valor ctual o Valor Prst Tasa d Itrés al tato por (%/00) Tpo oto o Valor Futuro

Más detalles

3. Cálculo y dimensionado

3. Cálculo y dimensionado Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas

Más detalles

El algoritmo EM para las estimacion de parametros en mezclas gaussianas. Una mezcla de distribuciones con K componentes tiene la forma

El algoritmo EM para las estimacion de parametros en mezclas gaussianas. Una mezcla de distribuciones con K componentes tiene la forma E agorto EM para as estaco de paraetros e ezcas gaussaas Edgar Acua. Ua ezca de dstrbucoes co copoetes tee a ora x π x... π x dode cada copoete es ua ucó de probabdad Posso, Boa, etc o ua uco de desdad

Más detalles