Julio Ceniceros & Edgar de la Garza

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

Download "Julio Ceniceros & Edgar de la Garza"

Transcripción

1 235 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 J. Cncros & E. Garza Unvrsdad Autónoma d Durango, Carrtra Ramón Corona 300, La Estacón, Guadalup, Durango Unvrsdad d Occdnt, Carrtra a Culacancto Klómtro.5, 4 d Marzo, Culacan Rosals, Snaloa jcncros@gmal.com M.Ramos, M.Mranda (ds.) Estudos n Fnanzas y Contabldad: España y Amérca Latna. Estado dl art y las nuvas mtodologías aplcadas, Tmas Slctos d Fnanzas- ECORFAN-Madrd, España, 203.

2 236 Abstract Th purpos of ths work s to charactrz at frst manfstd prsonalty typs of consumrs wthn th block of psychographc sgmntaton. In a scond stag of rsarch s dpnd to tst th corrlaton btwn ths varabl consumr shows, and buyng crtra as th dpndnt varabl n bnary form. Ths rsarch s conductd n th cty of Culacan, Snaloa, Mxco n lat 202 n th analyss stag, through a sampl of 349 buyrs, whr ar th rsults, sanctond by dscrt choc modl n ts modalty of bnary logstc rgrsson analyss. Th rsults obtand through th Wald statstc show a sgnfcant rlatonshp to a lvl α = Thrfor, t has a conclusv and statstcally sgnfcant rlatonshp. It also dmonstrats how ndvduals classfd as "opn" tnd to dscrmnat vry markdly n favor of buyng crtra basd on product dffrntaton. Kywords: Sgmntaton bhavoral, prsonalty of th consumr, bnary logstc rgrsson analyss, Product Dffrntaton. 0 Introduccón El antcdnt nmdato dl prsnt studo s drva drctamnt d la nvstgacón Dfrncacón d Productos ants ralzada, a través d Rgrsón Logístca Múltpl: El caso d los Almntos Báscos. Qu los autors ya han trabajado, drvando d llo una sr d vntanas d oportundad para futuras ndagacons, sndo n sta ocasón, l plantamnto rlatvo a la mportanca sgnfcatva d las caractrístcas d sgmntacón n los compradors d productos báscos, tambén dnomnados como commodts, qu optan por l rqusto para la adquscón d satsfactors, bajo l crtro d dfrncacón d productos, n contrapartda al crtro prvalnt d los prcos. D sta forma stablcmos 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; así como, n 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 ofrcn n l mrcado.

3 237 Por las afrmacons ants dscrtas, s d trascndnca mayor dntfcar, slcconar y spcfcar las prncpals caractrístcas dl consumdor, qu dbn sr prdchos y analzados n l procso, para la ncorporacón d éstos lmntos, n la xplcacón qu rvstn n la toma d dcsons d naturalza sustantva, por part d los compradors d productos báscos o commodts. Parallamnt, los sfurzos y la tndnca haca la dfncón dl tpo d modlos a utlzar para propóstos d pronóstcos; así como, d dagnóstcos comrcals drcconan haca los prototpos multmétodos. Así, stos, consstn n una mzcla d lmntos cuanttatvos y cualtatvos. Krlngr & L (200). Estos jrccos académcos, son convnnts y rcomndabls n la xplcacón d fnómnos d ntrés, por jmplo: n las áras d la admnstracón, conomía, y por supusto n las dcsons d mrcadotcna. Tambén motvan furtmnt la nvstgacón a abrvar y hacr más trso l camno d los modlos d lccón dscrta. 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. Cncros (200). Para conclur st apartado d la nvstgacón, cab la rflxón sgunt: ant la vorágn d acontcmntos, dl corto plazo, qu camban rápdamnt la poscón compttva d los paíss y sus mapas tcnológcos y, n sgundo lugar: l cambo vrtgnoso n las tndncas conómcas, fnancras, tcnológcas, polítcas y culturals qu condconan a las organzacons, sobr toda a las comrcals, a un stado 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 o CEO, 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 cor comptnc.

4 238 Sn duda, s manfsta la mportanca d dfrncar commodts, sobr todo los productos almntcos báscos, ya qu tra, ntr otros bnfcos para la mprsa, l contar con un podr d mrcado y control rlatvo sobr l prco qu s cobra al consumdor, dándol crto grado monopólco y adconalmnt, un mportant posconamnto dl producto n la mnt dl consumdor. Lo ants argumntado, prmt a la mprsa, sobr todo n l más largo plazo, buscar 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 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. 0. 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. 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.

5 239 A contnuacón, s prsnta la rlacón d hprmrcados y su corrspondnt númro d prsonas ncutadas n sos stos: Tabla 0. Ngocacons y númro d ncustas aplcadas Frcunc a Porcnta j Porcntaj acumulad o 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 Sorana Abastos Ly Plaza Fsta Ly Dl Vall Mz Lomalnda Ly Palmto Sorana Zapata Sorana Barrancos

6 240 Ly Humaya Mz plaza nort Mz santa f Wal-Mart Humaya Total 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 p (proporcón d compradors qu prvlgan l prco n la compra d productos báscos ) y q = p, a través dl método d ntrvsta prsonal d ntrcpcón n cntros comrcals, slcconando n forma alatora a cada k = 3 sujtos hacéndol la prgunta clav, sobr cuals s l prncpal crtro utlzado n la compra d acts comstbls. Sndo las catgorías d rspustas:.- Prco. 2.- Caractrístcas dl producto. Tabla 0.2 Rsultados d la pruba ploto ralzada n l 2008 Hprmrcado Prco Caractrístcas dl producto Total MZ Cntro Ly Cntro MZ d las Amércas Sorana Unvrstaros Wal-Mart Sams Montbllo TOTAL Proporcón

7 24 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 (n ) cuando s dsconoc la poblacón (N). Tabla 0.3 Dtrmnacón dl tamaño mustral p q = ε Nvl d p confanza % 95% 37 n * % 95% % 95% % 94.2% % 94.2% 286 * n p 2 pq 2 Funt: Elaboracón propa (0.) 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. 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. 0.. 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. En cuanto al procsamnto y análss los datos, s utlzará l paqut stadístco SPSS V.9.

8 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 (0.) con la ncorporacón d un térmno d rror stocástco ( ): k = ω x + ω x + ω x + + ω x + ε (0.2) 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 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. Har, t., al. (999). Para modlar la rlacón funconal ntr k y las x, [4] nos prsntan la sgunt rprsntacón sgmod: Grafco 0. 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, Gujarat (200), tnmos qu:

9 243 sr: p S p = probabldad d éxto d un vnto dtrmnado. Una forma d modlar un problma con varabl dpndnt dcótoma, pud z Funcón d Dstrbucón Logístca. (0.3) Dond z 2 x La probabldad d no ocurrnca dl vnto, s pud stablcr como: p = La varabl rspusta pud qudar xprsada como la z p sgunt razón d probabldads (odds rato): = z p Los problmas a abordar dl modlo prcdnt qudan rsultos, s p toma valors d 0 y d la sgunt manra, Fguroa (2009). z S, z p = z = = = D la msma forma, S, z p = = 0 Ahora bn, st modlo tambén pud sr prsntado d la sgunt manra n rlacón a su varabl rspusta, así l modlo s basa n la sgunt xprsón d probabldad logístca acumulatva. Pndyck y Rubnfld (200). p f ( z ) f ( x ) (0.4) z ( x ) Dond, bas d logartmos naturals 2. 78, l autor rtoma y multplca ambos lados d la cuacón por ntr p y rstándol, tnmos: p z y s obtn ( z )p =, para lugo dvdrlo z = p p p z, como = aplcando l logartmo natural n ambos lados, tnmos qu: p log p z z = Por tanto, fnalmnt s pud xprsar la varabl rspusta como: p log = x (0.5) p

10 244 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: ( / x) x y 0 D dond s stablc qu x s muv n rangos d y. Pro con varabls d rspusta d tpo dcotómca los rangos s stablcn n [0 E(у/x) ] S, ( x) ( Y / x), Por lo tanto l modlo Logístco s spcfca como: x 0 ( x) x 0 (0.6) Fnalmnt, fctúan una transformacón logístca dfnéndola n térmnos d: ( x) (x), así, ( x) ln ( x) Para sgur a Frrán (200), dgamos qu: = 0 x (0.7) ( x) ( x) x x P P, ntoncs: lg 0 = una forma adconal d prsntar l modlo s: = 0 ( ).( P ) x P (0.8) Sgundo, con rlacón a η, parámtros o cofcnts d la cuacón (n térmnos gnrals), s tn qu sos parámtros qudan xprsados n térmnos d las sgunts ltrals: y 2 P P, así tnmos qu, s: ln( ) = = y, lnalzando la xprsón, = y 2 x, 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 x, 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). Para Har, t., al. (999), ahora bn, s la varabl dpndnt quda xprsada como un odds rato ntoncs, los cofcnts qudan formulados como xponnts n la sgunt xprsón:

11 245 prob prob ( vnto) ( novnto) x = n x n 0 (0.9) 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: Tabla 0.4 Sgnos ntrprtacón d los odds rato Complmntando lo antror, con rspcto al sgnfcado d los cofcnts n la xplcacón o contrbucón d la varabl d rspusta bnara tnmos qu: Sgnos d los Transformacón ant log Odds rato postvo > qu Aumntará ngatvo < qu Dsmnurá cro = No produc cambos El sgno d los cofcnts s mportant. Así tnmos qu s los cofcnts d las varabls son postvos, 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, dsmnuy la probabldad dl sucso qu stamos studando; n caso d qu dcho sucso fura un padcmnto, staríamos ant un factor d protccón. Álvarz (995: P.58). Trcro, n lo qu s rfr a las varabls ndpndnts o xplcatvas n l modlo (RLS), un modlo smpl solo ncluy una varabl xplcatva, pudndo rprsntars d la sgunt manra: p ( x, pro así msmo, un modlo s pud spcfcar como un modlo ) 0 múltpl d la sgunt forma: p (0.0) ( 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.

12 246 Pasmos ahora al xamn, Qué sucd cuando n un modlo RL, s tnn más d una varabl xplcatva? Es ncsaro comprobar s xst l fcto ntraccón ntr las varabls consdradas n l modlo Álvarz (995), d tal forma qu s rtomamos la cuacón (0) y la smplfcamos, obtnmos la cuacón (0.): Lnd, t., al. (2005), consdra qu s, jmplo s: p =, z l xponnt pud tnr ncludos varas s, por 0 x 2x2 3x3 4xx 3 5xx 2x3 (0.) Entoncs, s habla d un modlo con ntraccón bnara ( 4 xx ) n la prmr 3 part y d una ntraccón trcara ( 5 xx2 x ), n la últma part. Para obtnr al fnal 3 un modlo d rgrsón logístca múltpl (RLM). Cuarto, como part structural dl modlo tnmos l térmno d rror, rsduals o prturbacón alatora ( ). Así, Pndyck y Rubnfld (200) rlaconan la probabldad d éxto con las varabls xplcatvas, suponndo qu la mda dl rsdual s cro. Lugo, pús: E ( )= (- x ) I I ( x ) (- p )= 0, por lo qu n térmnos d p x p = x, Tabla 0.5 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 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) ] ) Hosmr y Lmnshow (989). En dond la mda d una dstrbucón bnomal, s obtn d cambo la varanza, s obtn d = n ( ). Lnd, t., al. (2005). 2 n, n

13 247 Gujarat (200), para conclur, s planta qu la dstrbucón dl rror ( u ), cuando l númro d casos s lvado (N), sgu una dstrbucón normal ( N ) como: u ~ N[0, ] p ( p ) (0.2) 0.3 Caractrzacón d las varabls d sgmntacón pscografca Para dscrbr las varabls d sgmntacón d tpo pscografca nos rfrncamos a la tabla 6 sobr l concntrado d los prncpals autors y varabls d sgmntacón utlzadas comúnmnt. D allí podmos nclur solo los factors rlatvos a la prsonaldad dl comprador y stlo d vda. Elmntos qu son consdrados, al mnos por Kotlr (2008), Solomon (2008), Stanton, Etzl y Walkr (2007), Krn, Hartly y Rdlus (2009) y Lamb, Har y Mc Danl (998). Para pormnors, Cfr., nfra, tabla 0.6. Tabla 0.6 Bass y varabls d sgmntacón d consumdors Funt: Elaboracón propa Pasmos ntoncs al xamn d stas dos mportants varabls d ntrés. Por lo qu corrspond a la prsonaldad manfsta d los consumdors, podmos sñalar qu las catgorías más mnconadas furon n prmr lugar los qu dclararon posr una prsonaldad socabl (38.2%) l sgun, n ordn los qu s caractrzan como consumdors obsrvadors con un (9.5%) y, consrvador con un (7%). Estas trs catgorías rprsntan n conjunto l 74.7% d los rspondnt. S dja l rsto 25.3% para las dmás catgorías. Cfr., para mayor nformacón tabla 0.7.

14 248 Tabla 0.7 Prsonaldad dclarada por los compradors ncustados Váld os Prdd os Consrv ador Frcun ca Porcnt aj Porcnt aj váldo Porcnt aj acumul ado Ambco so Tímdo Socabl Obsrva dor Otro Total Sstma.3 Total La varabl tpo d prsonaldad manfsta n los consumdors En cambo, por lo qu s rlacona a la varabl prsonaldad d los compradors, tnmos qu furon utlzadas 6 catgorías d rspustas, cuya xprsón grafca s mustra a contnuacón. Grafco 0.2 Crtro d compra y prsonaldad manfsta dl consumdor Es ntrsant hacr notar como manfsta la prfrnca por la dscrmnacón a través dl crtro d la dfrncacón d productos; pro d forma spcal la dstncón

15 249 qu dsd l tpo d prsonaldad socabl s hac por st crtro. Obsrv como n la lustracón 0.2 xst una marcada dstncón, a favor d la dfrncacón. Complmntamos la nformacón antror con la sgnt tabla. Tabla 0.8 Tabla d contngnca Prsonaldad * Crtro d Slccón Prsonaldad Crtro d Slccón. Prco Dfrncacón Total Consrvador Rcunto % dl total 5.5%.5% 7.0% Ambcoso Rcunto % dl total 2.0% 7.2% 9.2% Tímdo Rcunto % dl total 6.9% 6.9% 3.8% Socabl Rcunto % dl total 0.3% 27.9% 38.2% Obsrvador Rcunto % dl total 6.3% 3.2% 9.5% Otro Rcunto % dl total.4%.9% 2.3% Total Rcunto % dl total 32.5% 67.5% 00.0% Así, tnmos qu dntro d la catgoría d prsonaldad socabl cas l 28% d los ntrvstados prfrn l crtro d compra basado n la dfrncacón contra l 0.3% qu optan por l crtro d los prcos. D gual forma, xcpto n la catgoría atípca d otros la proporcón d quns prfrrn la dfrncacón como crtro d compra dobla n porcntaj al crtro dl prco. Es sufcnt vdnca para afrmar qu s la varabl prsonaldad dl comprador sgnfcatva y, por tanto canddata a sr consdrada como covarabl? Como s sabdo, para dar rspusta a sta prgunta, ncstamos probar la hpótss d ndpndnca d las dos varabls catgórcas d ntrés. Para comprndr mjor, prsntamos la nformacón cruzada ntr tpo d prsonaldad y crtro d compra dl consumdor. No podmos omtr aquí qu la varabl s stadístcamnt sgnfcatva, ya qu tal y como aparc n la tabla sgunt l valor calculado Ch-cuadrado s d y con una sgnfcanca d.020 mnor como ya sabmos qu l valor α = 0.05 n nustra pruba d hpótss nula. Es mportant documntar qu para sta pruba s opto por utlzar procdmnto computaconal bootstrap para contar con lmntos d pso y, n gnral con prubas más robustas.

16 250 Tabla 0.9 Prubas d Ch-cuadrado para sgnfcanca Chcuadrado d Parson Razón d vrosmltud s Asocacón lnal por lnal N d casos váldos Valor gl a Sg. asntótca (blatral) a. casllas (8.3%) tnn una frcunca sprada nfror a 5. La frcunca mínma sprada s D todo lo prcdnt s dduc qu las varabls tpos d prsonaldad y crtro d compra s ncuntran rlaconados. Vamos ahora la sgnfcanca d la hpótss nula n forma grafca. Cab hacr notar como l valor calculado ca n la zona d rchazo d H 0. Ilustracón 0.3 Modlo grafco d rchazo d H 0 Habndo llvado stos razonamntos hasta l rlaconamnto ntr la varabl crtro y la varabl tpo d prsonaldad, ahora procdrmos a corrr l modlo logístco para conocr los valors Wald, su sgnfcanca con bootstrap para conocr fnalmnt s contamos con una nuva covarabl para nustro modlo n construccón. Para ntrprtar los rsultados d la corrda s mportant dfnr la codfcacón d las catgorías d rspusta y, d la msma manra, fjar la catgoría d rfrnca (n st caso otro tpo d prsonaldad ). Las codfcacons ntoncs corrspondn a: () Consrvador; (2) Ambcoso; (3) Tímdo; (4) Socabl; (5) Obsrvador. Es notabl subrayar qu la catgoría con mnor númro d rspusta s corrspond con Otro tpo d prsonaldad y qu con fns d comparacón s qu s l slccona.

17 25 La xacta obsrvacón dl valor asocado al stadístco Wald ncorporado al tpo d prsonaldad al gual qu su corrspondnt valor n la sgnfcanca nos pon d frnt a la nuva covarabl dl modlo, vd., tabla 0.0. Tabla 0 Varabls n la cuacón logístca B E.T. Wald gl Sg. Exp(B) Paso a Prsonaldad Prsonaldad( ) Prsonaldad( 2) Prsonaldad( 3) Prsonaldad( ) Prsonaldad( 5) Constant Conclusons Not como los prototpos d prsonaldad más abrtas tal como lo son l tpo socabl, ambcoso y obsrvador s rlaconan furtmnt con valors xp (β) lvados. Así, por jmplo una prsona qu dclara manfstamnt sr Ambcosa tn una vntaja d cas 6 vcs más d optar por l crtro d compra basado n la dfrncacón por atrbutos n l producto con rlacón a la catgoría d comparacón. Fnalmnt, s hac dstacar qu son los tpos d prsonaldad Ambcosa (2) y Socabl (4), varabls sgnfcatvas, qu s asoca a su vz con valors d Wald qu nos ndca l grado rlatvo n l pso n la dscrmnacón d s tpo d prsonaldad n favor d la dfrncacón d productos como crtro d compra d productos báscos. No podmos omtr aquí qu, para l caso d la prsonaldad manfsta caractrzada por sr ambcosa s rgstra un valor dscrmnatoro mayor (4.443) sgundo n mportanca quns dclararon tndr a sr socabls (3.948). Por lo qu l rsto no tndn a dscrmnar con rlacón a la catgoría d rfrnca. 0.6 Rfrncas bblográfcas 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. (3ra Edcón). Colomba: Mc Graw Hll.

18 252 Har, J., Andrson, R., Tatham, R. y Black, W. (999). Análss Multvarant. (5 ta Edcón). España: Prntc Hall Ibra. Fguroa, J. (2009). Notas d Clas Sobr Rgrsón Logístca. Manuscrto no Publcado. Pndyck, R. y Rubnfld, D. (200). Economtría: Modlos y Pronóstcos. (4ta Edcón). Méxco: Mac Graw Hll. Hosmr, D. y Lmshow, S. (989). Appld Logstc IRgrsson. Untd Stats of Amrca: Wly Intrscnc Publcaton. Frrán, M. (200). SPSS Para Wndows. España: Mc Graw Hll. 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. Kotlr, P. (2008). Drccón d Marktng. Concptos Esncals. Méxco: Parson Educacón. Solomon, R. (2008). Comportamnto dl Consumdor. Méxco: Parson Hall. Stanton, W., Etzl, M., y Waltr, B. (2007). Fundamntos d Marktng. Chna: Mc Graw Hll. Krn, R., Brkowtz, E., Hartly, S. y Rdlus W. (2009). Marktng. Méxco: Mc Graw Hll. Lamb,Ch., Har, J. y Mc Danl, C. (998). Marktng. Mxco: Thomson Edtors.

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

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

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

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

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

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

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

- 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Introducción. Descripción del espacio físico Coordenadas curvilíneas: propiedades Líneas y superficies coordenadas Elementos de geometría diferencial

Introducción. Descripción del espacio físico Coordenadas curvilíneas: propiedades Líneas y superficies coordenadas Elementos de geometría diferencial I. Fundamntos mat. Coordnadas d curvlínas Góm, 00/ Dpto. Físca Aplcada III (U. Svlla) Campos Elctromagnétcos Ingnro d Tlcomuncacón I. Fundamntos mat. Coordnadas curvlínas Introduccón. Dscrpcón dl spaco

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

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

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

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

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

Movilidad Social y Desigualdad Económica 1

Movilidad Social y Desigualdad Económica 1 ovldad Socal y Dsgualdad Económca Juan Prto Rodríguz Unvrsdad d Ovdo Avda. dl Crsto s/n 3307 Ovdo Tl: +34 985 03768. E-mal: jprtor@unov.s Juan Gabrl Rodríguz Unvrsdad Ry Juan Carlos Campus d Vcálvaro 28032

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

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

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

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

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 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

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

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

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

el reto de la

el reto de la l rto d la www.avnturasdaprndizaj.s AVENTURAS DE APRENDIZAJE rpaso matmáticas Nivl 1 aa Autoría Pdro Santos Juans Muñoz Disño - maqutación: Pdro Santos Juans Muñoz Dibujos: Pr Amorós Morató EDITA: Pdro

Más detalles

PROBLEMAS DE LÍMITES DE FUNCIONES (Por métodos algebraicos) Observación: Algunos de estos problemas provienen de las pruebas de Selectividad.

PROBLEMAS DE LÍMITES DE FUNCIONES (Por métodos algebraicos) Observación: Algunos de estos problemas provienen de las pruebas de Selectividad. Funcions Límits y continuidad PROBLEMAS DE LÍMITES DE FUNCIONES Por métodos algbraicos Obsrvación: Algunos d stos problmas provinn d las prubas d Slctividad Si ist l it d una función f cuando a, y si f

Más detalles

DISEÑO DE BANCOS CENTRALES EN ECONOMÍAS ABIERTAS: LAS VENTAJAS DEL ENFOQUE LEGISLATIVO

DISEÑO DE BANCOS CENTRALES EN ECONOMÍAS ABIERTAS: LAS VENTAJAS DEL ENFOQUE LEGISLATIVO J. Crstóbal Campoy Mñarro * J. Carlos Ngrt Mdavlla * DISEÑO DE BANCOS CENTRALES EN ECONOMÍAS ABIERTAS: LAS VENTAJAS DEL ENFOQUE LEGISLATIVO Est artículo analza dfrnts mcansmos d dlgacón d la polítca montara

Más detalles

Algoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar

Algoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar M. n C. Víctor Manul Silva García, M. n C. Eduardo Vga

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

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

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

ANÁLISIS DE LA SEGURIDAD VIAL DE TRAVESÍAS PEATONALES - UN NUEVO MÉTODO PARA EL MODELADO Y UNA APLICACIÓN EN CARRETERAS

ANÁLISIS DE LA SEGURIDAD VIAL DE TRAVESÍAS PEATONALES - UN NUEVO MÉTODO PARA EL MODELADO Y UNA APLICACIÓN EN CARRETERAS NÁLISIS DE L SEGUIDD IL DE TESÍS PETONLES - UN NUEO MÉTODO P EL MODELDO Y UN PLICCIÓN EN CETES Hugo Ptrantono, Escola Poltécnca da Unvrsdad d São Paulo, hptran@usp.br rdana Mara rmond asconclos, Ptrobrás

Más detalles

Tabla de contenido. Página

Tabla de contenido. Página Tabla d contnido Página Ecuacions d ordn suprior Ecuacions homogénas d sgundo ordn con coficints constants Caso. Raícs rals distintas 6 Caso. Raícs compljas conjugadas 6 Caso. Raícs rals iguals 7 Rsumn

Más detalles

TEMA 5. Límites y continuidad de funciones Problemas Resueltos

TEMA 5. Límites y continuidad de funciones Problemas Resueltos Matmáticas Aplicadas a las Cincias Socials II Solucions d los problmas propustos Tma 7 Cálculo d its TEMA Límits y continuidad d funcions Problmas Rsultos Para la función rprsntada n la figura adjunta,

Más detalles

Ofertas y Contratos Agiles

Ofertas y Contratos Agiles Ofrtas y Contratos Agils algunas idas xtraídas dl libro Obra bajo licncia Crativ Commons los pilar s d transp arncia, ins adaptación pc, junto con l nfoqu d ción y continua q mjora u forman part d lo Agils,

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

Reporte Nº: 05 Fecha: JULIO 2012. ANÁLISIS DE SITUACIÓN MIGRATORIA DE EXTRANJEROS DE NACIONALIDAD HAITIANA 1. DESCRIPCIÓN DEL REPORTE

Reporte Nº: 05 Fecha: JULIO 2012. ANÁLISIS DE SITUACIÓN MIGRATORIA DE EXTRANJEROS DE NACIONALIDAD HAITIANA 1. DESCRIPCIÓN DEL REPORTE Rport Nº: 05 Fcha: JULIO 2012. ANÁLISIS DE SITUACIÓN MIGRATORIA DE EXTRANJEROS DE NACIONALIDAD HAITIANA 1. DESCRIPCIÓN DEL REPORTE El prsnt inform tin como objtivo spcífico stablcr los movimintos migratorios

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

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

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

Energía. Reactivos. Productos. Coordenada de reacción

Energía. Reactivos. Productos. Coordenada de reacción CINÉTICA QUÍMICA 1 - Razon: a) Si pud dducirs, a partir d las figuras corrspondints, si las raccions rprsntadas n (I) y (II) son d igual vlocidad y si, prvisiblmnt, srán spontánas. b) En la figura (III)

Más detalles

ENFOQUE PRÁCTICO PARA LA ESTIMACIÓN DE CONFIABILIDAD Y DISPONIBILIDAD DE EQUIPOS, CON BASE EN DATOS GENÉRICOS Y OPINIÓN DE EXPERTOS

ENFOQUE PRÁCTICO PARA LA ESTIMACIÓN DE CONFIABILIDAD Y DISPONIBILIDAD DE EQUIPOS, CON BASE EN DATOS GENÉRICOS Y OPINIÓN DE EXPERTOS ENFOQUE PRÁCTICO PARA LA ESTIMACIÓN DE CONFIABILIDAD Y DISPONIBILIDAD DE EQUIPOS, CON BASE EN DATOS GENÉRICOS Y OPINIÓN DE EXPERTOS Yañz Mdardo. Smco Karna.. Enfoqu Práctco para la Estmacón d Confabldad

Más detalles

8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007 BASES WAVELETS EN EL MÉTODO DE ELEMENTOS FINITOS

8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007 BASES WAVELETS EN EL MÉTODO DE ELEMENTOS FINITOS 8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 d Octubr d 27 BASES WAVELETS EN EL MÉTODO DE ELEMENTOS FINITOS Vampa V.* # y Martín M.T.* + *Dpartamnto d Matmátca, Facultad d Cncas Exactas,

Más detalles