TIENDEN LAS PERSONAS CASADAS A DISCRIMINAR PREFERENTEMENTE A FAVOR DEL CRITERIO DE LOS PRECIOS EN LA COMPRA DE PRODUCTOS

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

Download "TIENDEN LAS PERSONAS CASADAS A DISCRIMINAR PREFERENTEMENTE A FAVOR DEL CRITERIO DE LOS PRECIOS EN LA COMPRA DE PRODUCTOS"

Transcripción

1 TIENDEN LAS PERSONAS CASADAS A DISCRIMINAR PREFERENTEMENTE A FAVOR DEL CRITERIO DE LOS PRECIOS EN LA COMPRA DE PRODUCTOS BÁSICOS? EVIDENCIA EMPÍRICA PARA LA COMPRA DE ACEITES COMESTIBLES EN LA CIUDAD DE CULIACÁN, SINALOA, MÉXICO. Julo César Cncros Angulo. Rsumn. En l prsnt trabajo s trata d probar la rlacón xstnt ntr l stado cvl manfsto dl comprador d acts comstbls, y l crtro d compra xprsada bajo la dcotomía: Prco dl producto vs. Dfrncacón dl msmo. Invstgacón ralzada n la cudad d Culacán, Snaloa Méxco durant l Vrano d 20 n la tapa d lvantamnto d la nformacón y, fnals d 202 n su tapa d análss, a través d una d mustra d 349 compradors; n dond s prsntan los rsultados, valdados a través d Análss d Rgrsón Logístca Bnara, potncalzando la pruba con Bootstrapng; n forma concluynt s tn qu, no xst una rlacón sgnfcatva a un nvl α=0.05, ntr la varabl dmográfca d sgmntacón basada n l stado cvl dl comprador con rlacón al crtro d compra bnaro dl consumdor. Por sta

2 razón s d gran trascndnca para l spcalsta n mrcadotcna atndr d manra spcal los aspctos rlaconados con la dfrncacón d productos. PALABRAS CLAVES: Dfrncacón d Productos, Varabls d Sgmntacón, Análss d Rgrsón Logístca Bnara. Summary. Ths currnt work ams to prov th xstng rlaton btwn th dclard martal status of th buyr of cookng ols, and th purchasng crtron xprssd n th dchotomy: Product prc vs. ts dffrntaton. Rsarch conductd n th cty of Culacan, Snaloa, Mxco durng th summr of 20 for th survy stag, and th nd of 202 durng ts analyss phas, through a sampl of 349 shopprs; th rsults ar prsntd, valdatd through a bnary logstc rgrsson analyss. Conclusvly, t follows that thr s no sgnfcant rlaton at a lvl α=0.05 btwn th dmographc varabl of sgmntaton basd on th martal status of th buyr wth rlaton to th bnary shoppng crtron of th consumr. For ths rason, t s of grat sgnfcanc for th spcalst n marktng to pay spcal attnton to th aspcts rlatd to product dffrntaton Kywords. Product dffrntaton, sgmntaton varabls, bnary logstc rgrsson analyss..- Introduccón. El antcdnt nmdato d la prsnt nvstgacón s drva drctamnt d la nvstgacón prcdnt Dfrncacón d Productos a través d Rgrsón Logístca Múltpl. El caso d los Almntos Báscos. Qu l autor prsnto como rqusto n la nvstgacón para la conscucón dl grado d Doctor n Admnstracon,drvando d llo una sr d vntanas d oportundad para futuras ndagacons, sndo n sta ocasón, l plantamnto rlatvo a la mportanca

3 sgnfcatva d las caractrístcas d sgmntacón n los compradors d productos báscos qu optan por l rqusto para la adquscón d satsfactors l crtro d dfrncacón d productos n contrapartda al crtro prvalnt d los prcos. D sta forma s stablc una lga natural con la tmátca tratada por l autor d la cual s rtoman y trabajan algunos aspctos íntmamnt rlaconados. Por consgunt, l propósto d trabajar n l dsño d modlos para l ára d ngocos y studos d mrcados concntrando furtmnt la atncón, partcularmnt n l campo d la dfrncacón d productos y, las varabls d sgmntacón n las dcsons d los consumdors como lmntos concluynts n la dscrmnacón qu s hac ntr l crtro d prcos contra l basado n la dfrncacón d atrbutos n l producto, tn corrspondnca con l rto qu s plantan las organzacons d dstngurs dl rsto d los comptdors ntr mprsas y productos y, n conocr las varabls stratégcas n la sgmntacón d su mrcado y, con llo lograr un posconamnto fctvo tnndo como corolaro dsabl n conscunca, un crto grado d control monopólco sobr l prco d la mrcancía qu ofrc n l mrcado. D sta manra, s d trascndnca mayor la actvdad d dntfcar, slcconar y spcfcar las prncpals caractrístcas (d los consumdors), qu dbn sr prdchos y analzados n l procso para la ncorporacón d éstos lmntos n la xplcacón d la mportanca qu rvstn n la toma d dcsons por part dl comprador d productos báscos. Parallamnt, los sfurzos y la tndnca haca la dfncón dl tpo d modlos a utlzar para propóstos d pronóstcos y d dagnóstcos comrcals drcconan haca los prototpos multmétodos, así, sgún Padgtt, ctado por Krlngr (200), éstos, consstn n una mzcla d lmntos cuanttatvos y cualtatvos n la xplcacón d un fnómno d ntrés, por jmplo n las áras d la admnstracón, conomía, mrcadotcna, ntr otras dscplnas socals. Lo qu motva furtmnt la nvstgacón a abrvar n l camno d los modlos d lccón dscrta. D acurdo a Cncros (200), hasta aquí s clara la ncsdad d stablcr lnamntos para ncauzar corrctamnt l sfurzo n la conscucón d stos propóstos a sabr l dsño d modlos; sn mbargo, sta tapa planta los sgunts aspctos, prmro; la nsrcón d los ngocos n un ámbto d comptnca ntrnaconal ants no vsta, lo qu traza l problma d rngnría d procsos y la consdracón d scnaros cambants para la nstrumntacón d stratgas d compttvdad n los ngocos, ant la vorágn d acontcmntos n l corto

4 plazo qu camba rápdamnt la poscón compttva d los paíss y sus mapas tcnológcos. En sgundo lugar, l cambo vrtgnoso n las tndncas conómcas, fnancras, tcnológcas, polítcas, condcona a las organzacons comrcals a un stado d la naturalza d ncrtdumbr n dond l factor nformacón adqur una dmnsón vtal. Un ambnt d sta naturalza dfculta l procso d toma d dcsons n la mprsa, d allí la mportanca captal d trabajar arduamnt n l dsño d stratgas (dfrncacón d productos, sgmntacón, v., gr.) para lograr posconar fctvamnt a la mprsa y sus productos, dstnguéndola d los comptdors. Una vz, qu l admnstrador s da cunta d la compljdad dl macro ambnt d los ngocos, dscha gnralmnt los métodos poco robustos y, s compromt sramnt con análss qu utlzan una mayor cantdad d nformacón y planacón d sus actvdads, buscando stablcr o dstngur su vntaja compttva. Sn duda, s manfsta la mportanca d dfrncar los productos almntcos báscos ya qu tra ntr otros bnfcos para la mprsa, l contar con un podr d mrcado y crto control sobr l prco qu cobra al consumdor, dándol crto grado monopólco y, adconalmnt un mportant posconamnto dl producto n la mnt dl consumdor, lo qu prmt a la mprsa buscar n l más largo plazo la fdldad d los clnts haca l producto, gnrando d paso confanza sobr l msmo y prolongando su horzont d vda n l mrcado; stuacón qu transfr como conscunca dsada un mportant flujo conómco n pago d rmunracons y dsd l punto d vsta socal, quzás lo más mportant, la consrvacón d las plazas d trabajo, ntr otros bnfcos. Sn mbargo, para qu llo fructfqu, ants s ncsaro sgmntar o stratfcar a los grupos d consumdors por lo qu rvst d spcal mportanca l corrlaconar y dtrmnar la contrbucón ndvdual d cada varabl d sgmntacón n las prsonas qu optn o s dcdan por l crtro d la dfrncacón d atrbutos n la toma d dcsons con rlacón a los productos báscos a adqurr frnt a la altrnatva dcsora dl crtro d los prcos, d allí, qu n sta propusta d nvstgacón s busqu xplorar por la stratga d lccons dscrtas, a través d un modlo pus, qu dscrmn la varabl dpndnt n forma bnara (prcos vs atrbutos). Obsrvmos tambén qu, con la ncsdad dscrta hasta ahora, s d suma trascndnca l dsarrollo d prototpos para la dfrncacón d productos n bas a crtros d sgmntacón a través d modlos d lccón dscrta ya qu, n la dsrtacón tórca d la mrcadotcna n st

5 tma s ha nfatzado n aspctos propamnt gnrals al rconocr solo orntacons n l tratamnto dl tma d ntrés prsntando un ára d procdnca para la nvstgacón y la práctca ant la ausnca d modlos qu vngan a contrbur n forma práctca y concrta a rsolvr falncas n st campo d conocmnto. 2.-Estratga Mtodológca. 2.. Enfoqu d nvstgacón. En cuanto al tratamnto y cumplmnto d los objtvos plantados n la nvstgacón s guaran por l acatamnto a la mtodología tradconal conométrca, concrtzado a través dl modlo d rgrsón logístca múltpl (RLM), n dond n prmra nstanca s part dl plantamnto d la toría y d las hpótss, para postrormnt spcfcar l modlo d acurdo a la aportacón torétca, obtnr la nformacón y stmar los parámtros dl prototpo conométrco Contxto d la nvstgacón. La prsnt nvstgacón, s dsarrolla n la cudad d Culacán, Snaloa con l lvantamnto d la nformacón. La stratfcacón dl ára s ralzará dvdndo la cudad n 4 rgons (Nort, Sur, Norst y Norost) abarcando práctcamnt la totaldad d los cntros comrcals (hprmrcados), n dond los consumdors ordnaramnt ralzan la compra d los almntos báscos. A contnuacón, s prsnta la rlacón d hprmrcados y su corrspondnt númro d prsonas ncutadas n sos stos: Cuadro. Ngocacons y númro d ncustas aplcadas. Frcunca Porcntaj Porcntaj acumulado Ly Juan José Ríos Ly Rubí Ly los Ángls Mz Cntro Mz Las Amércas Bodga Aurrra Estado Mga Campña Ly Exprss Vlla bonta Mz Calzada Mz Guadalup Wal-Mart Montbllo

6 Sorana Abastos Ly Plaza Fsta Ly Dl Vall Mz Lomalnda Ly Palmto Sorana Zapata Sorana Barrancos Ly Humaya Mz plaza nort Mz santa fé Wal-Mart Humaya Total Funt: laboracón propa Unvrso y procdmnto mustral. El unvrso d la prsnt nvstgacón s ncuntra conformado por todas aqullas prsonas qu ralzan la compra d productos báscos n la cudad d Culacán, no pudéndos dtrmnar numércamnt ya qu, n algunas ocasons s trata d hogars con solo un dcsor, n otros casos con hogars d 2 o más prsonas qu ralzan las compras. Con rlacón al tpo y procdmnto n la dtrmnacón y slccón d los partcpants n la mustra tnmos lo sgunt: S ralza una nuva pruba ploto durant l vrano dl 20, para dtrmnar l tamaño d mustra aplcada a compradors, para contrastarla con la ralzada durant los días 2 y 5 d Juno d 2008, n hprmrcados d la localdad con l propósto d dtrmnar los nuvos valors d (proporcón d compradors qu prvlgan l prco n la compra d productos báscos ) y, a través dl método d ntrvsta prsonal d ntrcpcón n cntros comrcals, slcconando n forma alatora a cada sujtos hacéndol la prgunta clav, sobr cuals s l prncpal crtro utlzado n la compra d acts comstbls. Sndo las catgorías d rspustas:

7 .- Prco. 2.- Caractrístcas dl producto. Cuadro 2. Rsultados d la pruba ploto ralzada n l Hprmrcado Prco Caractrístcas dl producto Total MZ Cntro Ly Cntro MZ d las Amércas Sorana Unvrstar Wal-Mart Sams Montbllo TOTAL Proporcón.4.59 Funt: Elaboracón propa. Fnalmnt, para ralzar la ncusta s procdrá a dtrmnar l tamaño d mustra d la sgunt manra: Nvls d rror (ε) y confanza n la dtrmnacón dl tamaño d mustra probablístca con proporcons ( ) cuando s dsconoc la poblacón ( ). Cuadro 3. Dtrmnacón dl tamaño mustral. ε Nvl d confanza * % 95% % 95% % 95% % 94.2% % 94.2% 286 Funt: Elaboracón propa. * n p 2 pq 2 Tratándos d stmacón d proporcons ntr los qu dcdn la compra prpondrantmnt a través d la varabl prco y los qu s dcdn por las caractrístcas (atrbutos) dl producto, s mplará un rror d 5.0% y un nvl d confanza dl 95%, así como los proporcons qu s obtndrán con antrordad n la pruba ploto, n la dtrmnacón dl tamaño mínmo d mustra.

8 Es mportant rcordar qu n l trabajo ralzado durant l año 2008 s aplcaron 30 custonaros. Ahora s aplcarán con los valors actualzados d p y q un total d 349 custonaros Dsño d nvstgacón El prsnt trabajo s corrspond con un dsño d nvstgacón d tpo no xprmntal n dond s rlaconan y xplcan a través d una funcón d tpo dscrta la varabl dpndnt bnara (dfrncacón d producto frnt a prcos), por mdo d covarabls (sgmntacón), xplcatvas slcconadas a través d la aportacón torétca sobr sgmntacón d consumdors. Así msmo, s trata d un studo d tpo transvrsal. 2.5 Procso d rcolccón d datos La ncusta s ralza prfrntmnt n l horaro d 0 a.m. a 2 p.m., slcconando n forma alatora sstmátca n ntrcpcón n cntro comrcal a cada sujtos y, buscando qu cada stablcmnto comrcal cubrs gográfcamnt la rgón slcconada (cuadrant) y dtrmnando l númro d ntrvstas a ralzar Procdmnto gnral y procsamnto d datos. Para llgar a stmar dfntvamnt l modlo con fns d dagnóstco y prdccón, s procd n térmnos gnrals d la forma sgunt: _ Rvsón tórca d los factors d sgmntacón, dfrncacón y modlos d lccón dscrta. _ Análss d la nformacón scundara, lo qu prmtrá comprndr d mjor manra l problma d nvstgacón. _ Slccón dl método d rcogda d datos n scala métrca y no métrcas a través d la técnca d la ncusta. _ Prparacón y rdaccón dl custonaro. _ Dsño dl plan d mustro y dtrmnacón dl tamaño d la mustra. _ Plan para análss d la nformacón.

9 _ Estmacón los parámtros dl modlo slcconado qu prmta ntndr la contrbucón y xplcacón d cada varabl d sgmntacón slcconado n la dfrncacón dl producto. En cuanto al procsamnto y análss los datos, s utlzará l paqut stadístco SPSS V Los paradgmas d dpndnca: rgrsón logístca smpl y múltpl n l studo d la sgmntacón y la dfrncacón d productos. En l prsnt tratado consdrmos una prmra aproxmacón a los modlos para valdar mpírcamnt l problma d la dfrncacón d productos almntcos báscos, ntoncs s part d la cuacón () con la ncorporacón d un térmno d rror stocástco ( ): (). Por lo tanto, d la xprsón antror, s pudn dntfcar los sgunts lmntos structurals, vd., Gujarat (200), qu prmtrán n lo subsgunt r rvsando y valuando la factbldad d los modlos propustos n la conscucón d los objtvos plantados n la nvstgacón:.), valor tórco (varabl rspusta). 2.) η, parámtros o cofcnts d la cuacón. 3.), varabls ndpndnts. 4.), rsdual o térmno d rror stocástco. Analcmos, pus, l modlo d Rgrsón Logístca (RL), a la luz d su structura funconal. Prmro, con rlacón a los valors, tnmos qu para Har, Andrson, Tatham y Black (999), n una prmra vrsón d st modlo la consdran como una varabl dcotómca (bnara),s dcr, s rfrn a una varabl rspusta d dos grupos, a dfrnca d la Rgrsón Múltpl, (RM) qu prdcn las probabldads d ocurrnca dl fnómno a analzar. Por lo qu los valors rspusta s ncuntran acotados ntr los valors 0 y. Para modlar la rlacón funconal ntr y las Har., t., al., (999), nos prsntan la sgunt rprsntacón sgmod:

10 Fgura. Rprsntacón sgmoda d la funcón logístca. Funt: Tomado d Har., t., al., (999: P. 28) Espcfcando, la part gnralzada funconal d, n su forma opratva, sgún Gujarat (200), tnmos qu: S = probabldad d éxto d un vnto dtrmnado. Una forma d modlar un problma con varabl dpndnt dcótoma, pud sr: (2) p Funcón d Dstrbucón Logístca. z Dond z 2 x La probabldad d no ocurrnca dl vnto, s pud stablcr como: = La varabl rspusta pud qudar xprsada como la sgunt z razón d probabldads (odds rato): p p = z z Para Fguroa (2009), los problmas a abordar dl modlo prcdnt qudan rsultos, s toma valors d 0 y d la sgunt manra:

11 S, z = z D la msma forma, S, z Ahora bn, st modlo tambén pud sr prsntado d la sgunt manra n rlacón a su varabl rspusta, así para Pyndyck y Rubnfld (200), l modlo s basa n la sgunt xprsón d probabldad logístca acumulatva: (3) f ( z ) f ( x ) z ( x ) Dond, bas d logartmos naturals 2. 78, l autor rtoma (3) y multplca ambos lados d la cuacón por z y s obtn ( z ) =, para lugo dvdrlo ntr y rstándol, tnmos: z = p p p z, como = z z = p aplcando l logartmo natural n ambos lados, tnmos qu: p log p Por tanto, rtomando (3), fnalmnt s pud xprsar la varabl rspusta como: (4) p log = x p Autors prncpals n la Rgrsón Logístca son Hosmr y Lmshow (989), qu n su trabajo clásco Appld Logstc Rgrsón, razonan d la sgunt manra n rlacón al valor sprado d la varabl rspusta n una funcón lnal como: ( y / x) 0 x

12 D dond s stablc qu s muv n rangos d y. Pro con varabls d rspusta d tpo dcotómca los rangos s stablcn n S, ( x) ( Y / x), Por lo tanto l modlo Logístco s spcfca como: x 0 (5) ( x) x 0 Fnalmnt, fctúan una transformacón logístca dfnéndola n térmnos d: (x), así, ( x) (6) ( x) ln ( x) = 0 x Para sgur a Frrán (200), dgamos qu: ( x) ( x) = y x P P 0 x, ntoncs: lg = una forma adconal d prsntar l modlo s: (7) = 0 ( ).( P x ) P Sgundo, con rlacón a η, parámtros o cofcnts d la cuacón (n térmnos gnrals), s tn qu para Gujarat (2000), sos parámtros qudan xprsados n térmnos d las sgunts ltrals: y 2 P, así tnmos qu, s: ln( ) P = lnalzando la xprsón,, = y 2, ahora bn, qué ntrprtacón hac l autor d stos cofcnts o parámtros?. En l contxto d un problma qu rlacona los nvls d ngrso con las probabldads d adqurr una casa, Gujarat (200), comnta: La ntrprtacón dl modlo logt s la sgunt: 2, s la pndnt, md l cambo n l ocasonado por un cambo untaro n, s dcr, dc cómo l logartmo d las probabldads a favor d posr una casa camba a mdda qu l ngrso camba n una undad, por jmplo US $ 000. El ntrcpto s l valor dl logartmo d las probabldads a favor d posr una casa s l ngrso s cro. (P.544).

13 Ahora bn, s la varabl dpndnt quda xprsada como un odds rato, sgún Har, t., al. (999), ntoncs, los cofcnts qudan xprsados como xponnts n la sgunt xprsón: (8) prob prob ( vnto ) ( novnto) x = 0 n x n Por lo qu s ncsaro, volvr a transformarlos al aplcarls l ant log, los sgnos d los cofcnts, ntoncs s ntrprtarían d la sgunt manra: Cuadro 4. Sgnos ntrprtacón d los odds rato. Funt: Elaboracón propa con nformacón d Har, t., al. (999: P.283). Complmntando lo antror, d acurdo a Álvarz (995), con rspcto al sgnfcado d los cofcnts y sgnos n la xplcacón o contrbucón d la varabl d rspusta bnara tnmos qu: El sgno d los cofcnts tn un sgnfcado mportant. S los cofcnts d las varabls son postvos, so sgnfca qu la varabl aumnta la probabldad dl sucso qu stamos studando. S st fura una nfrmdad, l factor cuyo cofcnt s postvo aumntaría la probabldad d padcr la nfrmdad y, por lo tanto, dcho factor sría un factor d rsgo. S l cofcnt s ngatvo, l factor cuyo cofcnt s ngatvo dsmnuy la probabldad dl sucso qu stamos studando; n caso d qu dcho sucso fura una nfrmdad, staríamos ant un factor d protccón. (P.58). Trcro, n lo qu s rfr a las varabls ndpndnts o xplcatvas n l modlo (RLS), un Sgnos d los modlo smpl solo ncluy una varabl xplcatva, pudndo rprsntars d la sgunt manra: Transformacón ant log Odds rato postvo > qu Aumntara ngatvo < qu Dsmnurá cro = No produc cambos

14 p ( x ), pro así msmo, un modlo s pud spcfcar como un modlo múltpl d la 0 sgunt forma: (9) p, ( x x ) 0 k k Es mportant dstacar qu las varabls xplcatvas pudn sr tanto cuanttatvas como cualtatvas. En l caso d las cualtatvas s ncsaro convrtrlas n dummy. Ésta s una varabl cualtatva, smpr y cuando tngan la propdad d d sr codfcadas n forma numérca con la rgla conocda d qu s s tnn, numro d catgorías, ntoncs habrá qu crar - varabls dummy. Álvarz (995). Pasmos al xamn, Qué sucd cuando n un modlo RL, s tnn más d una varabl xplcatva? Es ncsaro comprobar ntoncs s xst fcto ntraccón ntr las varabls consdradas n l modlo, d tal forma qu s rtomamos la cuacón (9) y la smplfcamos, obtnmos la sgunt cuacón: (0) p = s, por jmplo s: z, l xponnt pud tnr ncludos varas () 0 x 2x2 3x3 4xx3 5xx2 x3 Sgundo l razonamnto antror, s habla d un modlo con ntraccón bnara ( 4 xx3 ) n la prmr part y d una ntraccón trcara ( 5 xx2 x3 ), n la últma part. Para obtnr al fnal un modlo d rgrsón logístca múltpl (RLM). Cuarto, como part structural dl modlo tnmos l térmno d rror, rsduals o prturbacón alatora ( ). Así, Pyndyck y Rubnfld (200) rlaconan la probabldad d éxto con las varabls xplcatvas, suponndo qu la mda dl rsdual s cro. Lugo, pús: E ( )= (- xi ) I ( x ) (- p )= 0, por lo qu n térmnos d p = x, p x

15 Cuadro 5. Dstrbucón d probabldads d ε. y ε Probabldad - x p 0 - x - p Funt: Tomado d Pyndyck y Rubnfld (200: P. 34) Otra forma d formular lo antror lo tnmos n Hosmr y Lmshow (989), cuando fja l valor d salda como: y (x), dond, s la probabldad d éxto dl vnto consdrado, s y, ntoncs, ( x) con probabldad (x) y l caso complmntaro, s y 0, ntoncs (x), con probabldad - (x), por lo qu l rsdual s dstrbuy d acurdo a ~ (0, (x) [- (x) ] ) En dond la mda d una dstrbucón bnomal, s obtn d n, n cambo la varanza, s 2 obtn d = n ( ). Sgún Lnd, Marchal y Wathn (2005). Para conclur, Gujarat (200), planta qu la dstrbucón dl rror ( u ), cuando l númro d casos s lvado (N), sgu una dstrbucón normal ( N ) como: (2) u ~ N[0, ] p ( p ) 4.- Rsultados y Dscusón. En st apartado s mportant dstacar n st bloqu un total d 8 varabls dntro d la bas o factors d sgmntacón dmográfca. Estas son; Gnro, dad, númro d prsonas qu contrbuyn n l gasto famlar, númro d habtants por hogar, ducacón, ocupacón, stado cvl ngrso mnsual. D la msma forma mportant s, prvnr sobr la dfcultad n la prsntacón d la nformacón n forma dsplgada por la gran cantdad d catgorías d rspusta n total. En st sntdo s procdrá a rlaconar aqullas varabls con furt mplcanca tórco mrcadológca y, con nvl d mdcón catgórca n funcón d la varabl dpndnt. Para llo, cada una d las varabls ndpndnts sucsvas (covarabls) por s solas (mantnndo constants las dmás), s somtrán a la pruba d hpótss nula ncal d qu no s ncuntra

16 sgnfcatvamnt rlaconada con la varabl dpndnt. Esto con l propósto d r dtctando n prmra nstanca aqullas varabls qu son sospchosas d sr bunas canddatas n la conformacón dl modlo y, por otro lado qu haga posbl dtctar dntro dl bloqu studado l pso spcfco d cada varabl d sgmntacón. Para comprndr mjor l procso nsguda s procdrá a ralzar la corrda con aqullas varabls canddatas a sr ncludas n l modlo. La xacta obsrvacón dl stado cvl d las prsonas pud llvarnos a custonar por jmplo. Es l consumdor soltro qun con mayor frcunca tnd a slcconar l crtro d dfrncacón o atrbutos dl producto n la adquscón d acts comstbls o n gnral d artículos báscos? Tndn las prsonas casadas a optar por los prcos d los productos como crtro d dscrmnacón n la compra d st tpo d productos? Intrsant conocr las rspustas a stas ntrrogants por llo dbmos darl spcal énfass a sta varabl d sgmntacón dl consumdor. Dada la furt prmnnca d las prsonas con l status dclarado como casados, s convnnt ntntar rconvrtr sta varabl a dcotómca. Pudndo qudar d la forma sgunt: Casados (207 prsonas) qu rprsntan l 6.% d la mustra total y no casado (32 sujtos), qu s consttuyn n l 38.9% d la mustra. Para mayor dtall d la forma a n cómo s structura la varabl stado cvl d los rspondnts, vd., Infra., cuadro 6 y fgura 2. Cuadro 6. Estado cvl d las prsonas ncustadas n los suprmrcados. Estado Cvl Frcunca Porcntaj Porcntaj váldo Porcntaj acumulado Váldos Soltro Casado Dvorcado Vudo Unón Lbr Total Prddos Sstma Total

17 . Fgura 2. Estado cvl d las prsonas ncustadas n los suprmrcados. 4.. La varabl stado cvl d los compradors n l crtro d compra. Por lo qu rspcta a la posbl corrlacón ntr la varabl stado cvl d los rspondnts y l crtro bnaro d compra los rsultados son: Cuadro 7. Tabla d contngnca Edo. Cvl * Crtro d Slccón. Crtro d Slccón Prco Dfrncacón Total Edo.Cv Soltro Rcunto % dl total 6.2% 4.5% 20.6% Casado Rcunto % dl total 9.5% 4.6% 6.% Dvorcado Rcunto % dl total.8% 4.% 5.9% Vudo Rcunto % dl total 2.4% 4.% 6.5%

18 Unón Lbr Rcunto % dl total 2.9% 2.9% 5.9% Total Rcunto % dl total 32.7% 67.3% 00.0% Aún y cuando s compactn las catgorías d rspusta a casados qu rprsntan l 6.% d la mustra y l rsto d las catgorías los rsultados sgurán sndo no sgnfcatvos. Por tanto al ralzar la corrda corrspondnt al cuadro 8, s pud conclur sobr la ndpndnca d las varabls. Para aprcar d mjor manra lo poco sgnfcatva d sta pruba d hpótss s complmnta con l modlo grafco. Bowrman,O connll & Murphr ( 2009 : 878) Fgura 3. Valor crítco y calculado n la hpótss nula d ndpndnca d varabls.

19 Cuadro 8. Pruba d hpótss sobr ndpndnca: stado cvl Crtro d compra. Valor gl Sg. asntótca (blatral) Ch-cuadrado d 3.22 a NS Parson Razón d vrosmltuds Asocacón lnal por lnal N d casos váldos 339 a. 0 casllas (.0%) tnn una frcunca sprada nfror a 5. Sn mbargo, lo qu ralmnt ntrsa n l propósto cntral d la nvstgacón s comparar s l stado cvl dl rspondnt (casado), tndn a dscrmnar n favor dl crtro d los prcos contra cualqur otra catgoría ndpndntmnt d lo manfstado n térmnos d rconocmnto d su status lgal o no. Por lo antror, s qu s procd a rcatgorzar sta varabls y llvarla solo a nvl dcotómco. Por tanto, los rsultados ahora s prsntan bajo la tquta d Estac_r. Cuadro 9. Rsumn dl procsamnto d los casos Casos Váldos Prddos Total N Porcntaj N Porcntaj N Porcntaj Crtro d Slccón * Estac_r % 2.6% %

20 Cuadro 0. Tabla d contngnca Crtro d Slccon * Estac_r Estac_r otro casado Total Crtro d Prco Rcunto lccón % dl total 3.8% 8.9% 32.7% Dfrncacón Rcunto % dl total 26.9% 40.4% 67.3% Total Rcunto % dl total 40.7% 59.3% 00.0% S trata por tanto d probar ant sta nuva confguracón la sgunt hpótss nula. H0: Exst ndpndnca ntr las varabls crtro d compra bnaro y l stado cvl manfsto dl rspondnt y por tanto, pudn sr ncludas como covarabls n l modlo d rgrsón logístca. Como pud dducrs fáclmnt con la nformacón dl cuadro no pud rchazars la H0. Por tanto, l stado cvl d las prsonas no pud sr consdrada como una covarabl n l modlo prdctvo. Esto s, no xst sufcnt vdnca mpírca qu prmt afrmar qu quns han dclarado star casados optn por l crtro d los prcos. Para mayors dtalls, Cfr., cuadro. Y fgura 4. Cuadro. Prubas d ch-cuadrado Sg. asntótca Valor gl (blatral).4 a.707 NS Ch-cuadrado d Parson Corrccón por contnudad b Razón d vrosmltuds Estadístco xacto d Fshr Asocacón lnal por lnal N d casos váldos 349 a. 0 casllas (.0%) tnn una frcunca sprada nfror a 5. Sg. xacta (blatral) Sg. xacta (unlatral)

21 Fgura 4. Pruba d hpótss a través d xprsón grafca. Los rsultados son consstnts y robustos una vz qu s ralza la corrda para valdar con l modlo d rgrsón logístca bnara como s dmustra a contnuacón. No podmos omtr aquí qu la ncorporacón d la varabl d ntrés n l modlo no contrbuy n forma sgnfcatva a su capacdad prdctva, como s pud obsrvar n l cuadro 2. Cuadro 2. Prubas omnbus sobr los cofcnts dl modlo Ch cuadrado gl Sg. Paso Paso Bloqu Modlo NS Fnalmnt, s ncluyn las varabls n la cuacón d rgrsón logístca smpl y, s concluy qu la varabl Estac_r con un valor Wald d.4 no s sgnfcatva. Vd., cuadro 3. Cuadro 3. Varabls n la cuacón B E.T. Wald gl Sg. Exp(B) Paso a Estac_r NS.09 Constant a. Varabl(s) ntroducda(s) n l paso : Estac_r.

22 Ltratura ctada. Krlngr, F. y L, H. (200). Invstgacón dl Comportamnto. Méxco: Mc Graw Hll. Cncros, J. (200). Modlo d Pronostco d Exportacón d Calabaza Kabocha al Mrcado Japonés. Tss d mastría no publcada, Unvrsdad d Occdnt, Culacán, Snaloa, Méxco. Gujarat, D. (200). Economtría. (Qunta Edcón). Méxco: Mc Graw Hll. Har, J., Andrson, R., Tatham, R. y Black, W. (999). Análss Multvarant. (5 ta Edcón). España: Prntc Hall Ibra. Pndyck, R. y Rubnfld, D. (200). Economtría: Modlos y Pronóstcos. (4ta Edcón). M Hosmr, D. y Lmshow, S. (989). Appld Logstc Rgrsson. Untd Stats of Amrca: Wly Intrscnc Publcaton. Álvarz, R. (995). Estadístca Multvarant y no Paramétrca con SPSS. Aplcacón a las Cncas d la Salud. España: Díaz d Santos. Lnd, D., Marchal, W. y Wathn, S. (2005). Estadístca Aplcada a los Ngocos y la Economía. Méxco: Mc Graw Hll.

Julio Ceniceros & Edgar de la Garza

Julio Ceniceros & Edgar de la Garza 235 Captulo 0 Una aproxmacón a la partcpacón dl tpo d prsonaldad manfsta dl consumdor ant la dsyuntva d compra bajo l crtro bnaro d prcos contra atrbutos d los productos Julo Cncros & Edgar d la Garza

Más detalles

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las

Más detalles

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO Mcroconomía AE Tma 3. LA COMPETENCIA PERFECTA PROBLEMA REUELTO uponga qu cada una d las 144 mprsas qu forman una ndustra prfctamnt compttva tnn una curva d costs totals a corto plazo déntca qu vn dada

Más detalles

I. MEDIDAS DE TENDENCIA CENTRAL

I. MEDIDAS DE TENDENCIA CENTRAL I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors

Más detalles

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d

Más detalles

Conceptos Básicos Previos

Conceptos Básicos Previos Concptos Báscos Prvos Clasfcacón d Sñals Comuncacons Unvrsdad d Cantabra Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ 0 ) = ( ( / [n] Sñals Dtrmnstas Rpaso d concptos

Más detalles

Máster en Ecología Métodos para el estudio de Sistemas Ecológicos: Diseño, Análisis y Modelización. III. Regresión logística

Máster en Ecología Métodos para el estudio de Sistemas Ecológicos: Diseño, Análisis y Modelización. III. Regresión logística Mástr n Ecología Métodos para l studo d Sstmas Ecológcos: Dsño, Análss y Modlzacón. III. Rgrsón logístca Rgrsón logístca: ntroduccón - VR bnara p.., prsnca/ausnca, vvo/murto - Los prdctors pudn sr contnuos

Más detalles

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d

Más detalles

- Se dice que hay interacción entre E y X, si la relación entre E y M no es la misma en los diferentes niveles de X. -

- Se dice que hay interacción entre E y X, si la relación entre E y M no es la misma en los diferentes niveles de X. - BOLETÍN EPIDEMIOLÓGICO DE CASTILLA-LA MANCHA MARZO 2007/ Vol.9 /Nº LA REGRESIÓN LOGÍSTICA EN EPIDEMIOLOGÍA III (*) 3.- INTERACCIONES EN EL MODELO LOGÍSTICO A.- PRINCIPIO DE LA INTERACCIÓN EN EL MODELO

Más detalles

Tema 2. Señales y Ruido Comunicaciones Digitales Universidad de Cantabria

Tema 2. Señales y Ruido Comunicaciones Digitales Universidad de Cantabria ma. Sñals y udo Comuncacons Dgtals Unvrsdad d Cantabra. Clasfcacón Sñals Dtrmnstas /Alatoras Sñals Pródcas / o Pródcas Sñals Contnuas / Dscrtas ( / ( (t+ ( ( / [n]. Sñals Dtrmnstas paso d concptos d la

Más detalles

Apéndice A ANÁLISIS TENSORIAL

Apéndice A ANÁLISIS TENSORIAL Apéndc A ANÁLISIS TENSORIAL El análss tnsoral s cntra n l studo d nts abstractos llamados tnsors, cuyas propdads son ndpndnts d los sstmas d rfrnca mplados para dtrmnarlos. Un tnsor stá rprsntado n un

Más detalles

BIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA

BIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA BIOMETRÍA II CLASE 7 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA Héctor Olguín Salnas Dto d Ecología, Gnétca y Evolucón FECN, UBA Asocacón ntr l tamaño d la clda d anals d abja y la rvalnca dl ctoarásto

Más detalles

Probabilidad de que una variable tome un valor x determinado = N

Probabilidad de que una variable tome un valor x determinado = N Magntuds dscrtas Probabldad d qu una varabl tom un valor dtrmnado p X ota ( p,,,,6 5 7, 6 8,6 7, 8 8,6 9 6,,8 5 p Probabldad,5,,5,,5, 5 6 7 8 9 ota Magntuds contnuas Probabldad d qu una varabl tom un valor

Más detalles

Encuesta de ocupación en albergues

Encuesta de ocupación en albergues Encusta d ocupacón n albrgus Mtodología Fbrro 207 IE. Insttuto aconal d Estadístca Mtodología. rsntacón 2. Obtvos 3. Undad stadístca 4. Ámbto d la ncusta 5. fncón d varabls 6. Marco d la ncusta y dsño

Más detalles

CONTROL PREDICTIVO DE TANQUES ACOPLADOS

CONTROL PREDICTIVO DE TANQUES ACOPLADOS CONTROL PREDICTIVO DE TANQUES ACOPLADOS J.R. Llata, J. P. Ora, E.G. Saraba, J. Arc, A. Robls Dpartamnto d Tcnología Elctrónca Ingnría d Sstmas Automátca E.T. S. Ingnros Industrals Tlcomuncacón. Unvrsdad

Más detalles

ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modelos Lineales. Andreu Nolasco

ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modelos Lineales. Andreu Nolasco ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modlos Lnals Andru Nolasco El autor Est documnto ha sdo publcado n l Rpostoro d la Unvrsdad d Alcant bajo Lcnca d dstrbucón no xclusva Dcmbr d 6 Introduccón

Más detalles

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT jrccos E.- uál s la nrgía raconal molar d la molécula d odo a las dos tmpraturas antrors?. Haz srvr las nrgías raconals xprmntals. ln Q, ( ) ln! 5 v,, v 5 v ln c v d ln d d d d d 5 v v 5 v v d d 5 v v

Más detalles

Tema 3: ESTIMACIÓN DEL MODELO

Tema 3: ESTIMACIÓN DEL MODELO Introduccón a la Economtría Tma 3: ETIMACIÓ DEL MODELO Tma 3: ETIMACIÓ DEL MODELO 3. Estmacón mínmocuadrátca. a l modlo d rgrsón lnal smpl: + + u E[ / ] + u,..., (3.) rprsntamos por los stmadors (, tamén,

Más detalles

División 5. Ejemplo de síntesis de un mecanismo articulado de barras

División 5. Ejemplo de síntesis de un mecanismo articulado de barras Vrsón 0 CAITUL MECANISMS vsón 5 Ejmplo d síntss d un mcansmo artculado d barras UTN-F Cátdra: Elmntos d Máqunas. rofsor: r. Ing. Marclo Tulo ovan Vrsón 0. sumn En sta dvsón s dscrbrá l uso d la mtodología

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

Encuesta de Ocupación en Albergues (EOAL)

Encuesta de Ocupación en Albergues (EOAL) Encusta d Ocupacón n Albrgus (EOAL) Antproycto Enro 205 IE. Insttuto aconal d Estadístca IE. Insttuto aconal d Estadístca ÍICE ROYECTO TÉCICO... 3 Introduccón... 3. Obtvos... 3 2. Lgslacón y marco d rfrnca

Más detalles

Determinación del Coeficiente de Restitución (e) de una pelota de ping-pong

Determinación del Coeficiente de Restitución (e) de una pelota de ping-pong Dtrmnacón dl Cocnt d Rsttucón () d una plota d pn-pon Rsumn Víctor Garrdo Castro Unrsdad d Vña dl Mar arrdo@um.cl ; arrdostr@mal.com 3() 4668 El prsnt artículo prsnta una orma xprmntal para l cálculo dl

Más detalles

I. DEFINICIÓN (i): LOGIT como un tipo concreto de MODELOS DE REGRESIÓN PARA VARIABLES DEPENDIENTES LIMITADAS.

I. DEFINICIÓN (i): LOGIT como un tipo concreto de MODELOS DE REGRESIÓN PARA VARIABLES DEPENDIENTES LIMITADAS. Curso d Posgrado 0-03 FORMACIÓN DE ESPECIALISTAS EN INVESTIGACIÓN SOCIAL APLICADA Y ANÁLISIS DE DATOS Técncas d modlzacón d varabls cualtatvas: Rgrsón Logístca Part I: El modlo d rgrsón logístca bnaro

Más detalles

Encuesta de ocupación hotelera

Encuesta de ocupación hotelera Encusta d ocupacón hotlra Mtodología Fbrro 2017 INE. Insttuto Naconal d Estadístca Mtodología 1. rsntacón 2. Objtvos 3. Undad stadístca 4. Ámbto d la ncusta 5. fncón d varabls 6. Marco d la ncusta y dsño

Más detalles

Ingeniería de las reacciones químicas

Ingeniería de las reacciones químicas Ingnría d las raccons químcas Ingnría d las raccons químcas. Un componnt dfund a través d un tubo, con ntrada por uno solo d sus xtrmos. Dntro dl tubo hay un componnt j. El componnt, raccona sgún k 0,5

Más detalles

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PRIMER EAMEN DE ECONOMETRÍA Profsor: Carlos Ptta Arcos. Grupos 4 y 4 Panorama Gnral: El amn consta d 4 problmas, con una pondracón fnal d puntos (pts). Para facltarl l cálculo

Más detalles

Posgrado de Especialización en Administración de Organizaciones Financieras

Posgrado de Especialización en Administración de Organizaciones Financieras MARKETING DE PRODUCTOS FINANCIEROS Qué son los srvcos? Los srvcos son ntrcambos d valor ntr parts, orgnados n la ncsdad d una cosa ntangbl, drvada d la pusta a dsposcón n d una actvdad, procso o dsmpño

Más detalles

GENERADORES DE BARRIDO DE TENSIÓN

GENERADORES DE BARRIDO DE TENSIÓN GENERADORES DE BARRDO DE TENSÓN RUTO DE BARRDO TRANSSTORZADO ON ORRENTE ONSTANTE El funconamnto d t crcuto dfn como, la carga un condnador lnalmnt a partr d una funt d corrnt contant. Excpto para valor

Más detalles

Introducción a la técnica de Bond-Graph

Introducción a la técnica de Bond-Graph Capíítullo T1 Introduccón a la técnca d Bond-Graph 1.1 INTRODUCCIÓN En un sstma físco cualqura, la nrgía pud almacnars, dspars o ntrcambars. Cuando postrormnt s unn dos sstmas, aparcn dstntos flujos d

Más detalles

DECISIÓN DE COMPRA BAJO LA CONTINGENCIA DE ELECCIÓN BINARIA UTILIZANDO LA BASE DE SEGMENTACIÓN DEMOGRÁFICA DEL CONSUMIDOR. CASO: ACEITES COMESTIBLES.

DECISIÓN DE COMPRA BAJO LA CONTINGENCIA DE ELECCIÓN BINARIA UTILIZANDO LA BASE DE SEGMENTACIÓN DEMOGRÁFICA DEL CONSUMIDOR. CASO: ACEITES COMESTIBLES. DECISIÓN DE COMPRA BAJO LA CONTINGENCIA DE ELECCIÓN BINARIA UTILIZANDO LA BASE DE SEGMENTACIÓN DEMOGRÁFICA DEL CONSUMIDOR. CASO: ACEITES COMESTIBLES. Dr. Julo César Cenceros Angulo. Profesor en la Unversdad

Más detalles

ES ESTADÍSTICAMENTE SIGNIFICATIVA LA VARIABLE LEALTAD A LA MARCA Y EL CRITERIO DE COMPRA BASADO EN LA DIFERENCIACIÓN DE

ES ESTADÍSTICAMENTE SIGNIFICATIVA LA VARIABLE LEALTAD A LA MARCA Y EL CRITERIO DE COMPRA BASADO EN LA DIFERENCIACIÓN DE ES ESTADÍSTICAMENTE SIGNIFICATIVA LA VARIABLE LEALTAD A LA MARCA Y EL CRITERIO DE COMPRA BASADO EN LA DIFERENCIACIÓN DE PRODUCTOS? UN MIRADA A TRAVÉS DE REGRESIÓN LOGÍSTICA BINARIA. Julo César Cenceros

Más detalles

Palabras clave: Infraestructura pública, efectos desbordamiento, función de costes, productividad.

Palabras clave: Infraestructura pública, efectos desbordamiento, función de costes, productividad. Hacnda Públca Española / Rvsta d Economía Públca, 165-(2/2003): 25-51 2003, Insttuto d Estudos Fscals Captal públco, actvdad conómca prvada y fctos dsbordamnto: Un análss por Comundads Autónomas d los

Más detalles

Encuesta de ocupación en albergues (EOAL) Metodología

Encuesta de ocupación en albergues (EOAL) Metodología Encusta d ocupacón n albrgus (EOAL) Mtodología Marzo 205 Mtodología Encusta d Ocupacón n Albrgus 205 Índc. rsntacón 2. Obtvos 3. Undad stadístca 4. Ábto d la ncusta 5. fncón d varabls 6. Marco d la ncusta

Más detalles

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS ANÁLISIS DE SISTEMAS ELECTÓNICOS EALIMENTADOS DESANECIMIENTO J.M. Mlá d la oca P. EDITOIAL MIL 6 CAACAS Esta obra s ncuntra rvsón; cualqur obsrvacón qu UD tnga s l agradc comuncarla al autor. jmmladroca@hotmal.com

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

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

Solución a la práctica 6 con Eviews

Solución a la práctica 6 con Eviews Solución a la práctica 6 con Eviws El siguint modlo d rgrsión rlaciona la nota mdia qu obtinn los alumnos n matmáticas (nota) n un cntro, con l númro d profsors disponibls n l cntro (profsors), l porcntaj

Más detalles

IX - Economía internacional monetaria

IX - Economía internacional monetaria IX - conomía ntrnaconal montara Mrcado d dvsas y xpctatvas Supongamos qu dsamos adqurr una crta cantdad d monda xtranjra, ntrgando una cantdad dtrmnada d monda naconal, multplcada por l tpo d camo nomnal.

Más detalles

Análisis de las preferencias de los consumidores y de la demanda de vino en Canarias

Análisis de las preferencias de los consumidores y de la demanda de vino en Canarias Análss d las prfrncas d los consumdors y d la dmanda d vno n Canaras Gnés Gurao érz Catdrátco d Economía Aplcada Dpartamnto d Economía d las Insttucons, Estadístca Económca y Economtría, Unvrsdad d La

Más detalles

ENCUESTA DE OCUPACIÓN HOTELERA

ENCUESTA DE OCUPACIÓN HOTELERA ENCUESTA DE OCUPACIÓN HOTELERA Catgorías/subcatgoría: Estadístcas Económcas, Estadístcas d Tursmo, Tursmo dsd l lado d la ofrta, Encustas d ocupacón n alojamntos turístcos colctvos, Establcmntos hotlros

Más detalles

Capitulo IV. Síntesis dimensional de mecanismos

Capitulo IV. Síntesis dimensional de mecanismos Captulo IV Síntss dmnsonal d mcansmos Capítulo IV Síntss dmnsonal d mcansmos IV. Síntss dmnsonal d mcansmos. Gnracón d funcons. IV. Gnracón d trayctoras.. Introduccón a la síntss d gnracón d trayctoras..

Más detalles

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos Mnstro d Fomnto Scrtaría d Estado d Infrastructuras, Transport y Vvnda Drccón Gnral d Arqutctura, Vvnda y Sulo Documnto d Apoyo al Documnto Básco DB-HE Ahorro d nrgía Códgo Técnco d la Edfcacón DA DB-HE

Más detalles

Electrotecnia General

Electrotecnia General Dpartamnto d Ingnría Eléctrca Unvrsdad Naconal d Mar dl Plata Ára Elctrotcna Elctrotcna Gnral (para la Carrra Ingnría Industral) METODOS DE ANALISIS DE CIRCUITOS ELECTRICOS EN C.C. Y C.A. Profsor Adjunto:

Más detalles

UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE INGENIERÍA - DEPARTAMENTO DE FÍSICA. CÁTEDRA: Física de los Semiconductores

UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE INGENIERÍA - DEPARTAMENTO DE FÍSICA. CÁTEDRA: Física de los Semiconductores UIVERSI CIOL E MR EL PLT - 017 FCULT E IGEIERÍ - EPRTMETO E FÍSIC CÁTER: Físca d los Smconductors SERIE 4: vl d Frm- Smconductors 1.- Calcular la nrgía d Frm para l oro a T=0K..- a) Calcular la nrgía d

Más detalles

Resumen TEMA 6: Momentos de inercia

Resumen TEMA 6: Momentos de inercia EMA 6: Momntos d nrca Mcánca Rsumn EMA 6: Momntos d nrca. Dfncons Sstma matral d puntos matrals d masa m, =, 2,...,. a) Momnto d nrca rspcto d un plano π md (d = dstanca d la masa m al plano π) π =Σ 2

Más detalles

Modelos de elección discreta y especificaciones ordenadas: una reflexión metodológica

Modelos de elección discreta y especificaciones ordenadas: una reflexión metodológica 1 Vol. 49, Núm. 166, 2007, págs. 451 a 471 Modlos d lccón dscrta y spcfcacons ordnadas: una rflxón mtodológca por Mª CAROLINA RODRÍGUEZ DONATE JOSÉ JUAN CÁCERES HERNÁNDEZ Dpartamnto d Economía d las Insttucons,

Más detalles

Laboratorio de Control Analógico II Práctica No. 6. Práctica 6 Implementación de un controlador Proporcional

Laboratorio de Control Analógico II Práctica No. 6. Práctica 6 Implementación de un controlador Proporcional Práctca 6 Imlmntacón d un controlador Proorconal Objtvo: Imlmntar un controlador analógco d vlocdad d to roorconal ara l motor d CD y valuar u vntaja n la rgón d oracón lnal y no lnal contra un controlador

Más detalles

INFLACIÓN, DESEMPLEO Y OFERTA AGREGADA

INFLACIÓN, DESEMPLEO Y OFERTA AGREGADA INFLACIÓN, DESEMPLEO OFERTA AGREGADA Estas notas stán basadas n Sornsn, P. y Whtta-Jacobsn, H. (2005): "Introducng Advancd Macroconomcs: Growth and Busnss Cycls". E. Mc Graw-Hll Curso: MACROECONOMÍA AVANZADA

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

3 METODO DE DISEÑO POR DESPLAZAMIENTO

3 METODO DE DISEÑO POR DESPLAZAMIENTO 6 3 METODO DE DISEÑO POR DESPLAZAMIENTO En st captulo s prsntan l método drcto d dsño sísmco basado n dsplazamnto, la rfrnca básca d st captulo s (Prstl, 007) 3.1 Método d dsño sísmco basado n dsplazamnto

Más detalles

Sección compuesta E 2. Fase I

Sección compuesta E 2. Fase I ACULTAD DE NENERÍA HORMÓN 74.05 Sccón compusta E 2 as as E as Ι = La vga prtnsada soporta su pso propo, l pso dl ncofrado, l pso dl hormgón frsco d la losa y las sobrcargas d hormgonado. as ΙΙ = La sccón

Más detalles

LECTURA 09: PRUEBA DEHIPÓTESIS (PARTE III) TEMA 18: PRUEBA DE INDEPENDENCIA CHI CUADRADO

LECTURA 09: PRUEBA DEHIPÓTESIS (PARTE III) TEMA 18: PRUEBA DE INDEPENDENCIA CHI CUADRADO Univrsidad Los Ángls d Chimbot LECTURA 9: PRUEBA DEHIPÓTESIS (PARTE III) TEMA 18: PRUEBA DE INDEPENDENCIA CHI CUADRADO 1. INTRODUCCION: La pruba d indpndncia chi cuadrado s un procdiminto d contrastación

Más detalles

INTEGRACIÓN POR PARTES

INTEGRACIÓN POR PARTES UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERA DEPARTAMENTO DE MATEMÁTICA Y ESTADISTICA INTEGRACION INTEGRACIÓN Algunas intgrals qu s nos prsntan nos rsultan un poco compljas, ya por lo

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

AT07 PORCENTAJE DE POBLACIÓN EN LA ESCUELA CON UN AVANCE REGULAR POR EDAD. A gn inf. A gn sup PPR = P e PPR

AT07 PORCENTAJE DE POBLACIÓN EN LA ESCUELA CON UN AVANCE REGULAR POR EDAD. A gn inf. A gn sup PPR = P e PPR AT07 PORCENTAJE DE POBLACIÓN EN LA ESCUELA CON UN AVANCE REGULAR POR EDAD FÓRMULA AT07 NOMBREdlINDICADOR Porcntaj d población n la scula con un avanc rgular por dad. FÓRMULAdCÁLCULO PPR = PPR A + inf A

Más detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El Impacto de las Remesas en el PIB y el Consumo en México, 2015 El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como

Más detalles

ELEMENTOS FINITOS DE DIFERENTES ÓRDENES PARA PROBLEMAS DE ELASTICIDAD PLANA Y MEZCLAS DE SUS MALLAS

ELEMENTOS FINITOS DE DIFERENTES ÓRDENES PARA PROBLEMAS DE ELASTICIDAD PLANA Y MEZCLAS DE SUS MALLAS ELEMENTOS FINITOS DE DIFERENTES ÓRDENES PARA PROBLEMAS DE ELASTICIDAD PLANA Y MEZCLAS DE SUS MALLAS Sbastán Toro *, Vctoro Sonzogn, Carlos Numan * GIMNI, Unvrsdad Tcnológca Naconal, F.R. Santa F. Lavas

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

Determinación del Coeficiente de Restitución (e) de una pelota de ping-pong

Determinación del Coeficiente de Restitución (e) de una pelota de ping-pong Dtrmnacón l Cocnt Rsttucón () una plota png-pong Víctor Garro C. Unrsa Vña l Mar, A. Agua Santa 755, Campus Rolllo, Vña l Mar, Cl. garro@um.cl, garrostr@gmal.com 3() 4668 Rsumn Est artículo prsnta una

Más detalles

CARACTERÍSTICAS EXTERNAS y REGULACIÓN de TRANSFORMADORES

CARACTERÍSTICAS EXTERNAS y REGULACIÓN de TRANSFORMADORES CARACTERÍSTCAS EXTERNAS y REGLACÓN d TRANSFORMADORES Norbrto A. Lmozy 1 CARACTERÍSTCAS EXTERNAS S dnomina variabl ntr a una magnitud qu stá dtrminada ntr dos puntos, tal como una difrncia d potncial o

Más detalles

I, al tener una ecuación. diferencial de segundo orden de la forma (1)

I, al tener una ecuación. diferencial de segundo orden de la forma (1) .6. Rducción d ordn d una cuación difrncial linal d ordn dos a una d primr ordn, construcción d una sgunda solución a partir d otra a conocida 9.6. Rducción d ordn d una cuación difrncial linal d ordn

Más detalles

ANÁLISIS DE ESTACIONARIEDAD CON DATOS DE PANEL: UNA ILUSTRACIÓN PARA LOS TIPOS DE CAMBIO, PRECIOS Y MANTENIMIENTO DE LA PPA EN LATINOAMÉRICA

ANÁLISIS DE ESTACIONARIEDAD CON DATOS DE PANEL: UNA ILUSTRACIÓN PARA LOS TIPOS DE CAMBIO, PRECIOS Y MANTENIMIENTO DE LA PPA EN LATINOAMÉRICA AÁLISIS DE ESACIOARIEDAD CO DAOS DE PAEL: UA ILUSRACIÓ PARA LOS IPOS DE CAMBIO, PRECIOS Y MAEIMIEO DE LA PPA E LAIOAMÉRICA Ramón Mahía Instuto L.R. Kln Juno 000. RESUME El documnto prsntado prtnd xponr

Más detalles

La tasa de interés y sus principales determinantes

La tasa de interés y sus principales determinantes La tasa d ntrés y sus prncpals dtrmnants 1. INTRODUCCIÓN Rchard Roca * Uno d los tmas qu domna l dbat académco d los últmos años s sobr las tasas d ntrés. Los mprsaros sñalan qu todavía sta muy alta y

Más detalles

Práctica 1. Espectros de señales

Práctica 1. Espectros de señales PRÁCICA : Práctca. Espctros d sñals.. Objtvos Aprr a utlzar l MALAB para dtrmnar l spctro d cualqur tpo d forma d onda... La transformada dscrta d Fourr (DF) no n cunta las posbldads ofrcdas por las computadoras

Más detalles

ESTIMACIÓN LINEAL DE ERROR CUADRÁTICO MEDIO MÍNIMO

ESTIMACIÓN LINEAL DE ERROR CUADRÁTICO MEDIO MÍNIMO STIMACIÓ LIAL D RROR CUADRÁTICO MDIO MÍIMO MOTIVACIÓ: Los stmdors óptmos sgún l crtro d Bs son, n gnrl, funcons no lnls d ls obsrvcons. s ncsro conocr l f.d.p. d l vrbl ltor dds ls obsrvcons. Usndo stmdors

Más detalles

Nota de Clase 2 Sistemas de Ecuaciones: Estimación

Nota de Clase 2 Sistemas de Ecuaciones: Estimación Nota d Clas Sstmas d Ecacons: Estmacón ntrodccón La stmacón d n sstma d cacons s l procso mdant l cal s posbl obtnr stmadors consstnts fcnts d los parámtros strctrals d las cacons q conforman l sstma Psto

Más detalles

Relaciones Potenciodinámicas Corriente/ Potencial para la Formación Electroquímica de Capas Yuxtapuestas

Relaciones Potenciodinámicas Corriente/ Potencial para la Formación Electroquímica de Capas Yuxtapuestas Rlacons Informacón Potncodnámcas Tcnológca Corrnt Potncal para la ormacón Elctroquímca Vol 8(, 3-30 (007 Morno Rlacons Potncodnámcas Corrnt Potncal para la ormacón Elctroquímca d Capas Yuxtapustas Dora

Más detalles

Tema 2 La oferta, la demanda y el mercado

Tema 2 La oferta, la demanda y el mercado Ejrcicios rsultos d ntroducción a la Toría Económica Carmn olors Álvarz Alblo Migul Bcrra omínguz Rosa María Cácrs Alvarado María dl Pilar Osorno dl Rosal Olga María Rodríguz Rodríguz Tma 2 La ofrta, la

Más detalles

LA ECUACIÓN DE GOMPERTZ COMO MODELO DE CRECIMIENTO

LA ECUACIÓN DE GOMPERTZ COMO MODELO DE CRECIMIENTO LA ECUACIÓN DE GOMPERTZ COMO MODELO DE CRECIMIENTO Ana María Islas Cors Insuo Polécnco Naconal, ESIT amslas@pn.mx Gabrl Gullén Bunda Insuo Polécnco Naconal, ESIME-Azcapozalco ggulln@pn.mx Yolanda Monoya

Más detalles

GUÍA Nº 1 CIFRAS SIGNIFICATIVAS Y TEORIA DEL ERROR

GUÍA Nº 1 CIFRAS SIGNIFICATIVAS Y TEORIA DEL ERROR Asgnatura: Físca Mcánca ZF00 Ára Cncas Báscas Rsponsabls: Patrco Pachco H/Jacquln Ala P Fcha actualzacón: Otoño 009 GUÍA º CIFRAS SIGIFICATIAS Y TEORIA EL ERROR - Introduccón La guía d laboratoros nos

Más detalles

Tema 7: Regresión Logística p. 1/1

Tema 7: Regresión Logística p. 1/1 Tema 7: Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco http://www.sc.ehu.es/sg/ Tema 7: Regresón Logístca

Más detalles

MODELOS DE ELECCIÓN DISCRETA

MODELOS DE ELECCIÓN DISCRETA ODELOS DE ELECCIÓN DISCRETA Eva dna oral - www.va.mdnaam.s (Dcmbr 3. INTRODUCCIÓN. INTERRETACIÓN ESTRUCTURAL DE LOS ODELOS DE ELECCIÓN DISCRETA 3. ODELO LINEAL DE ROBABILIDAD (L Espcfcacón ntrprtacón dl

Más detalles

PROBLEMAS RESUELTOS DE INTERACCIÓN MAGNÉTICA

PROBLEMAS RESUELTOS DE INTERACCIÓN MAGNÉTICA PROLEMAS RESUELTOS DE INTERACCIÓN MAGNÉTICA PROEMAS DEL CURSO Una carga q = 2 C y 0,01 g masa, ncalmnt n rposo n un punto A, s aclraa por un campo léctrco horzontal orntao haca la zqura. Al llgar al punto,

Más detalles

MODELOS CON VARIABLE DEPENDIENTE CUALITATIVA (1)

MODELOS CON VARIABLE DEPENDIENTE CUALITATIVA (1) ECONOMETRÍA III Curso 8/9 MODELOS CON VARIABLE DEENDIENTE CUALITATIVA rofsors: Víctor J. Cano Frnándz y M. Carolna Rodríguz Donat Dpto. d Economía d las Instrtucons, Estadístca Económca y Economtría Unvrsdad

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

4. Método estadístico para el mapeo de amenaza por deslizamientos. Método de información ponderada. Cálculo de pesos. Probabilidad.

4. Método estadístico para el mapeo de amenaza por deslizamientos. Método de información ponderada. Cálculo de pesos. Probabilidad. 1 4. Método stadístco para l mapo d amnaza por dslzamntos Cs van Wstn Lbro: onham-cartrm, capítulo 9, pp 30-333 Método d nformacón pondrada tp 1: : 3: 4: 7: tp tp 6: act=ff(actvty="actv",npx,0) Aggrgat

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Adquisición de las vocales anteriores del español por hablantes de quechua

Adquisición de las vocales anteriores del español por hablantes de quechua Adquscón d las vocals antrors dl spañol por hablants d quchua Acquston of Spansh front vowls by Quchua spakrs Andrés Napurí Pontfca Unvrsdad Católca dl Prú a.napur@pucp.p Rsumn: Esta nvstgacón studa la

Más detalles

UPCGRAU. Mecánica del medio continuo en la ingeniería Teoría y problemas resueltos ENGINYERIES INDUSTRIALS. Xavier Ayneto Gubert

UPCGRAU. Mecánica del medio continuo en la ingeniería Teoría y problemas resueltos ENGINYERIES INDUSTRIALS. Xavier Ayneto Gubert ENGINYERIES INDUSTRIALS UPCGRAU Mcánca dl mdo contnuo n la ngnría Toría y problmas rsultos Xavr Aynto Gubrt Mqul Frrr Ballstr ENGINYERIES INDUSTRIALS UPCGRAU Mcánca dl mdo contnuo n la ngnría Toría y

Más detalles

Representación esquemática de un sistema con tres fases

Representación esquemática de un sistema con tres fases 6 APLICACIONES 6.1 Sistma con varias fass Una vz consguido l modlo para simular una mmbrana, s planta su uso para simular procsos con más d una. Uno d stos procsos podría sr un sistma con varias fass.

Más detalles

Tema 2. Líneas de Transmisión Terminadas

Tema 2. Líneas de Transmisión Terminadas Tma. ínas d Transmsón Trmnadas,. Introduccón. Rflxón.3 Ondas staconaras.4 Impdanca d ntrada.5 Dsadaptacón n la cara y n l nrador.6 Rspusta transtora José A. Prda, Dpto. Innría d Comuncacons, Unvrsdad d

Más detalles

SOLUCIONARIO. UNIDAD 13: Introducción a las derivadas ACTIVIDADES-PÁG Las soluciones aparecen en la tabla.

SOLUCIONARIO. UNIDAD 13: Introducción a las derivadas ACTIVIDADES-PÁG Las soluciones aparecen en la tabla. UNIA : Introducción a las drivadas ACTIVIAES-PÁG. 0. Las solucions aparcn n la tabla. [0, ] [, 6] a) f () = b) f () = + c) f () = 9 d) f () = 7, 6 8, 67. El valor d los límits s: f ( h) f () a) lím 6 h

Más detalles

ANÁLISIS ESTOCÁSTICO DE LA RENTABILIDAD DE LA INVERSIÓN EN OBLIGACIONES CLÁSICAS

ANÁLISIS ESTOCÁSTICO DE LA RENTABILIDAD DE LA INVERSIÓN EN OBLIGACIONES CLÁSICAS ANÁLISIS ESTOCÁSTICO DE LA RENTABILIDAD DE LA INVERSIÓN EN OBLIGACIONES CLÁSICAS Vcnt T. GONZÁLEZ CATALÁ Dpartamnto d Cnca Empraral d la Unvrdad d Alcalá d Hnar. Rafal MORENO RUIZ Dpartamnto d Fnanza y

Más detalles

ANÁLISIS ESTOCÁSTICO DE LA RENTABILIDAD DE LA INVERSIÓN EN OBLIGACIONES CLÁSICAS

ANÁLISIS ESTOCÁSTICO DE LA RENTABILIDAD DE LA INVERSIÓN EN OBLIGACIONES CLÁSICAS ANÁLISIS ESTOCÁSTICO DE LA RENTABILIDAD DE LA INVERSIÓN EN OBLIGACIONES CLÁSICAS Rafal Morno Ruz, Vcnt T. Gonzálz Catalá, Olga Gómz Pérz-Cacho y Eduardo Trgo Martínz RESUMEN En t trabao analza la rntabldad

Más detalles

El comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales

El comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales Propas raatvas curpos opa El comportamnto al l CN srv como stánar contra l cual s compara l comportamnto curpos rals El comportamnto ral s xprsa por una sr propas fnas n rlacón al CN En gnral las propas

Más detalles

TAMAÑO DE LA MUESTRA

TAMAÑO DE LA MUESTRA Rv. Epidm. Md. Prv. (003), : 8-4 TAMAÑO DE LA MUESTRA Enric Matu, Jordi Casal CRSA. Cntr d Rcrca n Sanitat Animal / Dp. Sanitat i Anatomia Animals, Univrsitat Autònoma d Barclona, 0893-Bllatrra, Barclona

Más detalles

Definición de la Metodología de Carga Laboral. Análisis de las Brechas de Recursos Humanos abril 2010.

Definición de la Metodología de Carga Laboral. Análisis de las Brechas de Recursos Humanos abril 2010. V REUNIÓN COMISIÓN TÉCNICA DE DESARROLLO DE RECURSOS HUMANOS EN SALUD METODOLOGIA PARA CALCULO DE NECESIDADES DE PERSONAL MEDICO Y DE NEFERMERIA EN HOSPITALES, CON BASE A CARGA DE TRABAJO: PROCESO DE ELABORACIÓN

Más detalles

UNIDAD Nº 7 RESPUESTA DE COMPONENTES PASIVOS A LA CORRIENTE CONTINUA

UNIDAD Nº 7 RESPUESTA DE COMPONENTES PASIVOS A LA CORRIENTE CONTINUA UNIDAD Nº 7 SPUSTA D OMPONNTS PASIOS A A OINT ONTINUA Sñal cuadrada Una onda cuadrada smérca IDA adqur nsanánamn ( n mpo cro ) la máxma amplud, prmanc duran un mpo n dcho valor y lugo ca nsanánamn a su

Más detalles

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly CAPÍTULO III MODELOS DE REGRESIÓN LOGÍSTICA 3. ANTECEDENTES La rgrsó logístca s ua d las

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_02. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_02. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CAPITULO º FUNCIONES DE VECTORES Y MATRICES_ Ing. Dgo Aljandro Paño G. M.Sc, Ph.D. Funcons d Marcs Torma: Sa f( una funcón arbrara dl scalar y sa A una marz con polnomo caracrísco: S dfn g( un polnomo

Más detalles

Valledupar como vamos: Demografía, Pobreza y Pobreza Extrema y empleo.

Valledupar como vamos: Demografía, Pobreza y Pobreza Extrema y empleo. Valldupar como vamos: Dmografía, Pobrza y Pobrza Extrma y mplo. Tradicionalmnt l programa Valldupar Cómo Vamos, lugo d prsntar la Encusta d Prcpción Ciudadana (EPC), raliza la ntrga d Indici d Calidad

Más detalles

TEMA 1: Los números reales. Tema 1: Los números reales 1

TEMA 1: Los números reales. Tema 1: Los números reales 1 TEMA 1: Los númros rals Tma 1: Los númros rals 1 ESQUEMA DE LA UNIDAD 1.- Númros naturals y ntros. 2.- Númros racionals. 3.- Númros irracionals. 4.- Númros rals. 5.- Jrarquía n las opracions combinadas.

Más detalles

UNIVERSIDAD TECNOLÓGICA NACIONAL 1 FACULTAD REGIONAL MENDOZA CAPÍTULO 1: RÉGIMEN ESTACIONARIO

UNIVERSIDAD TECNOLÓGICA NACIONAL 1 FACULTAD REGIONAL MENDOZA CAPÍTULO 1: RÉGIMEN ESTACIONARIO TOÍA D LOS CICUITOS I CAPÍTULO V. 9..08 S. NIQU PULIAFITO UNIVSIDAD TCNOLÓGICA NACIONAL FACULTAD GIONAL MNDOZA APUNTS D CÁTDA D TOÍA D LOS CICUITOS I Prof. Dr. Ing. S. nrqu Pulafto -mal pulafto@frm.utn.du.ar

Más detalles

MODELOS PARA DATOS DE RECUENTO

MODELOS PARA DATOS DE RECUENTO ECONOMETRÍA III Curso 2008/09 MODELOS PARA DATOS DE RECUENTO Profesores: Víctor J. Cano Fernández y M. Carolna Rodríguez Donate Dpto. de Economía de las Instrtucones, Estadístca Económca y Econometría

Más detalles

TEMA 1: Los números reales. Tema 1: Los números reales 1

TEMA 1: Los números reales. Tema 1: Los números reales 1 TEMA 1: Los númros rals Tma 1: Los númros rals 1 ESQUEMA DE LA UNIDAD 1.- Númros naturals y ntros. 2.- Númros racionals. 3.- Númros irracionals. 4.- Númros rals. 5.- Jrarquía n las opracions combinadas.

Más detalles

SOLUCIONES DE LAS ACTIVIDADES Págs. 65 a 83

SOLUCIONES DE LAS ACTIVIDADES Págs. 65 a 83 TEMA. ECUACIONES SOLUCIONES DE LAS ACTIVIDADES Págs. 6 a 8 Página 6. a) mcm (, ) ( ) + ( ) + 7 + / mcm (6, 0) 0 ( + ) ( ) 0 + 8 0 / c) mcm (7, ) 8 ( ) 7 ( + ) 8 (9 ) 8 97 / 9 d) mcm (8, ) 8 6 (0 ) 8 Página

Más detalles

Estadística con R. Modelo Probabilístico Lineal

Estadística con R. Modelo Probabilístico Lineal Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S

Más detalles