Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida
|
|
|
- Alejandro Villalobos Salinas
- hace 8 años
- Vistas:
Transcripción
1 Análss de supervvenca Alber Sorrbas Grup de Boesadísca I Bomaemàca Deparamen de Cènces Mèdques Bàsques Unversa de Lleda
2 Esquema general Inroduccón al análss de supervvenca Tpos de esudos El concepo de censura La curva de supervvenca Concepo y modelos paramércos Concepo de funcón de resgo hazard funcon Esmacón Kaplan-Meer Comparacón de curvas de supervvenca Inerpreacón de resulados Ejemplos de análss ulzando el SPSS 2
3 Daos de supervvenca Tempo hasa que se presena un deermnado suceso muere, recdva, ec. En muchos casos, no dsponemos de nformacón complea pérdda de segumenos, el suceso no se ha presenado en algunos pacenes al fnal del esudo. En casos exremos, no dsponemos de un empo de nco claro. 3
4 Caso ípco de daos de un esudo de supervvenca Se observa el suceso Perddo T 1 T 2 T > 3 T > 4 T 5 Inco del esudo Tempo Fnal del esudo 4
5 Caso especal de conroles en deermnados nsanes de empo < T < 2 3 < T < 1 2 T > 2 T > 4 < T < 3 4 Inco del esudo Tempo Fnal del esudo 5
6 Algo de ermnología Dao censurado censored: Sguen sn presenar el suceso al fnal del esudo La causa es preva en el empo al empo de nco del esudo p.e.conago con HIV Perdda de segumeno los o follow-up No se dspone de daos más allá de un deermnado empo. Han muero anes de presenar el suceso de nerés. 6
7 Cómo podemos esudar ese po de problemas? Esmar una funcón que perma esablecer la probabldad del suceso en funcón del empo Esablecer facores de resgo respeco a un mejor o peor pronósco de supervvenca Comparar la supervvenca de dsnos grupos 7
8 La funcón de supervvenca La funcón de supervvenca es la probabldad de que el suceso de nerés se presene después de un cero empo. Es decr: S P T > f u du 8
9 Ejemplos de posbles funcones de supervvenca S P T > f u du
10 Propedades de la funcón de supervvenca La funcón de supervvenca es complemenara con la funcón de dsrbucón S 1 F 1 P T Cumple: S0 1 S 0 1 < 2 S 1 S 2 10
11 Ejemplos sencllos de funcón de supervvenca Exponencal S e Webull S e a S 1 F 1 P T En general, esa funcón se desconoce y debe esmarse a parr de los daos 11
12 12 Funcón de resgo Hazard funcon La funcón de resgo se defne como: En el caso connuo, se cumple: [ ] T T P h > + < lm 0 1 F f S f h
13 Funcón de resgo Hazard funcon La funcón de resgo puede nerprearse como la probabldad de que se presene el suceso el sguene nsane de empo S la funcón de resgo es consane caso del modelo exponencal la probabldad es ndependene del empo En muchos problemas reales, esa probabldad varía con el empo 13
14 Resgo acumulado El resgo acumulado hasa un nsane deermnado se calcula como: H h u du [ ] log S 0 14
15 15 Relacón enre las dsnas funcones log log 1 H e S S H h S f S S f h F S
16 16 Ejemplo: funcón de supervvenca exponencal En la funcón de supervvenca exponencal, se cumple: S H e e S f h e F S log 1
17 Esmacón de la funcón de supervvenca Caso paramérco Conocemos la funcón de supervvenca Expresar la funcón de verosmlud Obener los esmadores máxmo-verosímles Calcular sus varanzas 17
18 18 Ejemplo: el modelo exponencal daos no censurados n n n n n n n L L e L e f e S ˆ 0 log log log n V n L I V L I ˆ log ˆ ˆ log ˆ θ θ θ θ Marz de nformacón esmacón de la varanza de los parámeros
19 n n j j n n j j m j n m j j n n w n n w n n L e e L S f L e f e S j ˆ log log log Marz de nformacón esmacón de la varanza de los parámeros Ejemplo: el modelo exponencal censura po I n V 2 ˆ
20 20 Ejemplo / ˆ ˆ w 6 n,11 7,10 6,, 5 4,, 2 Daos :1,1, V
21 Esmacón no-paramérca Méodo de Kaplan-Meer Desconocemos la funcón de supervvenca Realzamos una esmacón a parr de los daos Algunas defncones: d n : Número de evenos en el empo : Número de personas expuesa en el empo 21
22 Esmacón no-paramérca Méodo de Kaplan-Meer El esmador de Kaplan-Meer se defne como: S KM 1 d / n : < 22
23 Ejemplo de aplcacón del méodo de Kaplan-Meer Daos: n d n d / n S S /10 9/ /9 9/10 x 7/ /5 9/10 x 7/9 x 4/ /3 9/10 x 7/9 x 4/5 x 2/ /2 9/10 x 7/9 x 4/5 x 2/3 x 1/
24 Daos n d n d / n S S /10 9/ /9 9/10 x 7/ /5 9/10 x 7/9 x 4/ /3 9/10 x 7/9 x 4/5 x 2/ /2 9/10 x 7/9 x 4/5 x 2/3 x 1/ ,2 Funcón de supervvenca 1,0,8,6 Supervvenca acum,4,2 0, Funcón de supervve nca Censurado T 24
25 El méodo de Kaplan-Meer en SPSS 25
26 El méodo de Kaplan-Meer en SPSS Survval Analyss for TIEMPO Tme Saus Cumulave Sandard Cumulave Number Survval Error Evens Remanng 1 Suceso,9000, Suceso Suceso,7000, Censurado o perddo Censurado o perddo Suceso,5600, Censurado o perddo Suceso,3733, Suceso,1867, Censurado o perddo 6 0 Number of Cases: 10 Censored: 4 40,00% Evens: 6 Survval Tme Sandard Error 95% Confdence Inerval Mean: 9 2 5; 12 Lmed o 14 Medan: ; 17 26
27 Comparacón de curvas de supervvenca Evaluar s la supervvenca observada perme conclur que los dos grupos enen la msma curva de supervvenca Ejemplo: Grupo 1: Grupo 2:
28 Comparacón de curvas de supervvenca 28
29 Survval Analyss for TIEMPO Facor GRUPO 1 Tme Saus Cumulave Sandard Cumulave Number Survval Error Evens Remanng 1 Suceso,8333, Suceso,6667, Censurado o perddo Suceso,4444, Censurado o perddo Censurado o perddo 3 0 Comparacón de curvas de supervvenca Number of Cases: 6 Censored: 3 50,00% Evens: 3 Survval Tme Sandard Error 95% Confdence Inerval Mean: 7 2 4; 10 Lmed o 11 Medan: 7 5 0; 17 Survval Analyss for TIEMPO Facor GRUPO 2 Tme Saus Cumulave Sandard Cumulave Number Survval Error Evens Remanng 1 Suceso,8333, Censurado o perddo Suceso,6250, Suceso,4167, Suceso,2083, Censurado o perddo 4 0 Number of Cases: 6 Censored: 2 33,33% Evens: 4 Survval Tme Sandard Error 95% Confdence Inerval Mean: 6 1 4; 9 Lmed o 10 Medan: 7 2 3; 11 29
30 Comparacón de curvas de supervvenca Survval Analyss for TIEMPO Toal Number Number Evens Censored Percen Censored GRUPO ,00 GRUPO ,33 Overall ,67 Tes Sascs for Equaly of Survval Dsrbuons for GRUPO Sasc df Sgnfcance Log Rank,11 1,7347 Breslow,00 1 1,0000 Tarone-Ware,02 1,
31 Comparacón de curvas de supervvenca 1,2 Funcones de supervvenca 1,0,8,6 Supervvenca acum,4,2 0, GRUPO 2 2-censurado 1 1-censurado TIEMPO 31
32 Procedmeno mulvaranes Regresón de Cox Consderar el efeco de oras varables en la supervvenca Selecconar las varables más mporanes Comparar grupos Inerprear facores de resgo 32
33 33 Fundamenos de la regresón de Cox modelo de resgos proporconales log log X h X h e e h X h h X h h h e h h e h h β β X X Xβ X X * X β X Xβ *
34 Ejemplo Cox1.sav 34
35 Varables en la ecuacón GRUP 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor -,659,334 3,899 1,048,517,269,995 1,2 Funcón de supervvenca para mode 1,0,8 Supervvenca acumulada,6,4,2 0,0 -, GRUP Ejemplo Cox1.sav T 35
36 Ejemplo Cox1.sav 36
37 Varables en la ecuacón X1 X2 X3 GRUP 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,000,064, ,000 1,000,882 1,134,005,064,007 1,932 1,005,887 1,140 -,009,029,104 1,748,991,937 1,048 -,634,820,599 1,439,530,106 2,645 1,2 Funcón de supervvenca para mode 1,0,8 Supervvenca acumulada,6,4,2 0,0 -, GRUP Ejemplo Cox1.sav T 37
38 Seleccón de varables Ejemplo Cox1.sav 38
39 Seleccón de varables Varables en la ecuacón Paso 1 Paso 2 Paso 3 Paso 4 GRUP X1 X2 X3 GRUP X2 X3 GRUP X3 GRUP 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor -,634,820,599 1,439,530,106 2,645,000,064, ,000 1,000,882 1,134,005,064,007 1,932 1,005,887 1,140 -,009,029,104 1,748,991,937 1,048 -,635,343 3,434 1,064,530,271 1,037,005,061,008 1,929 1,005,892 1,134 -,009,029,104 1,747,991,937 1,048 -,639,340 3,532 1,060,528,271 1,028 -,009,029,103 1,748,991,937 1,048 -,659,334 3,899 1,048,517,269,995 El únco facor sgnfcavo es el GRUPO 39
40 Varables en la ecuacón X1 X2 X3 GRUP 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor -,120,018 42,367 1,000,887,856,920,128,069 3,494 1,062 1,137,994 1,300 -,040,035 1,323 1,250,960,896 1,029 -,386,404,912 1,340,680,308 1,502 Ejemplo Cox2.sav Paso 1 Paso 2 Paso 3 GRUP X1 X2 X3 X1 X2 X3 X1 X2 Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor -,386,404,912 1,340,680,308 1,502 -,120,018 42,367 1,000,887,856,920,128,069 3,494 1,062 1,137,994 1,300 -,040,035 1,323 1,250,960,896 1,029 -,117,018 43,204 1,000,889,859,921,138,068 4,167 1,041 1,148 1,006 1,311 -,048,034 1,944 1,163,953,891 1,020 -,113,017 43,569 1,000,893,864,924,138,068 4,113 1,043 1,148 1,005 1,311 40
41 Esmacón de curvas de supervvenca para deermnados valores de las covaranes 1,2 1,0,8 Funcón de supervvenca en meda Supervvenca en los valores medos de las varables Supervvenca acumulada,6,4,2 0,0 -, T 1,2 Funcón de supervvenca para mode 1,0,8 Supervvenca acumulada,6,4,2 0,0 -, T 41
42 Ejemplo Hosmer & Lemeshow 1999 Appled survval analyss. Wley Seres n Probably and Sascs 42
43 Objevos 1 Usando el méodo de Kaplan-Meer Esudar la supervvenca en funcón de la hsora preva de uso de drogas IV. Esudar la supervvenca en funcón de la edad en el momeno del nco del esudo Evaluar s exse una endenca en la supervvenca en funcón de la edad 43
44 Supervvenca en funcón de la hsora preva de uso de drogas IV 1,2 1,0 Funcones de supervvenca,8,6 Supervvenca acum,4,2 0, Drug0 Drug Survval me Tes Sascs for Equaly of Survval Dsrbuons for DRUG Sasc df Sgnfcance Log Rank 11,86 1,0006 Breslow 10,91 1,0010 Tarone-Ware 12,34 1,
45 Supervvenca en funcón del grupo de edad 1,2 1,0 Funcones de supervvenca, años,6 Supervvenca acum,4,2 0,0 -, años Survval me Tes Sascs for Equaly of Survval Dsrbuons for GAGE Sasc df Sgnfcance Log Rank 19,91 3,0002 Breslow 14,14 3,0027 Tarone-Ware 16,96 3,
46 Supervvenca en funcón del grupo de edad Tes de endenca Tendenca en funcón de los punos medos de losgruposde edad 46
47 Supervvenca en funcón del grupo de edad Tes de endenca 1,2 1,0 Funcones de supervvenca,8,6 Tendenca en funcón de los punos medos de losgruposde edad Supervvenca acum,4,2 0,0 -, Survval me Tes Sascs for Equaly of Survval Dsrbuons for GAGE wh Trend, merc 25, 32,50, 37,50, 47,50 Sasc df Sgnfcance Log Rank 19,07 1,0000 Breslow 14,08 1,0002 Tarone-Ware 16,67 1,0000 Podemos conclur que exse una endenca en la supervvenca en funcón de la edad. Esa endenca es nversamene proporconal a la edad. 47
48 Objevos 2 Ulzando la regresón de Cox Evaluar el efeco de la edad en la supervvenca Evaluar el efeco conjuno de la edad, el uso de drogas IV y su posble neraccón Seleconar qué modelo es más adecuado 48
49 Efeco de la edad La edad puede consderarse como un facor de resgo Varables en la ecuacón AGE 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,081,017 21,799 1,000 1,085 1,048 1,123 49
50 Efeco conjuno de la edad y del uso de drogas IV Tano la edad como el uso de drogas IV son facores de resgo Varables en la ecuacón AGE DRUG 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,092,018 24,512 1,000 1,096 1,057 1,136,941,256 13,574 1,000 2,564 1,554 4,230 50
51 Evaluacón de la neraccón La neraccón no es sgnfcava. En ese modelo, ampoco lo sera la varable DRUG Varables en la ecuacón AGE DRUG AGEXDRUG 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,094,023 16,894 1,000 1,099 1,051 1,149 1,186 1,257,891 1,345 3,274,279 38,422 -,007,034,039 1,843,993,930 1,061 51
52 Paso 1 Paso 2 AGE DRUG AGEXDRUG AGE DRUG Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,094,023 16,894 1,000 1,099 1,051 1,149 1,186 1,257,891 1,345 3,274,279 38,422 -,007,034,039 1,843,993,930 1,061,092,018 24,512 1,000 1,096 1,057 1,136,941,256 13,574 1,000 2,564 1,554 4,230 1,2 1,0,8 Funcón de supervvenca para modelos 1-2 Seleccón de varables Supervvenca acumulada,6,4,2 0,0 -,2-10 Drug0 Drug La neraccón no es sgnfcava La edad y el uso de drogas IV se asocan sgnfcavamene a la supervvenca Survval me 52
53 Comparacón enre los resulados de la regresón de Cox y Kaplan-Meer Funcón de supervvenca para modelos 1-2 Funcones de supervvenca 1,2 1,2 1,0 1,0,8,8 Supervvenca acumulada,6,4,2 0,0 -,2-10 Drug0 Drug Supervvenca acum,6,4,2 0, Drug0 Drug Survval me Survval me 53
54 Esmacón del hazard rao en funcón del grupo de edad 1,0,8 Funcón de supervvenca para modelos 1-4,6 Usamos la regresón de Cox El hazard rao se ncremena con la edad Supervvenca acumulada,4,2 0, Paso 1 GAGE GAGE1 GAGE2 GAGE3 Survval me Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor 16,549 3,001 1,197,451 7,043 1,008 3,310 1,367 8,012 1,313,459 8,190 1,004 3,718 1,513 9,140 1,860,469 15,714 1,000 6,426 2,561 16,123 54
55 Esmacón del hazard rao en funcón de la edad Usamos la regresón de Cox El hazard rao se ncremena con la edad HR e HR5 e β Hazard rao correspondene a un ncremeno de un año Varables en la ecuacón AGE 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,081,017 21,799 1,000 1,085 1,048 1,123 55
56 Esmacón del hazard rao Paso 1 DRUG Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,779,242 10,346 1,001 2,180 1,356 3,504 Hazard rao correspondene al efeco del uso de drogas IV Hazard rao correspondene al efeco del uso de drogas IV, ajusado por la edad Paso 1 DRUG AGE Varables en la ecuacón 95,0% IC para ExpB B ET Wald gl Sg. ExpB Inferor Superor,941,256 13,574 1,000 2,564 1,554 4,230,092,018 24,512 1,000 1,096 1,057 1,136 56
4o. Encuentro. Matemáticas en todo y para todos. Uso de las distribuciones de probabilidad en la simulación de sistemas productivos
4o. Encuenro. Maemácas en odo y para odos. Uso de las dsrbucones de probabldad en la smulacón de ssemas producvos Leopoldo Eduardo Cárdenas Barrón lecarden@esm.mx Deparameno de Ingenería Indusral y de
ANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL
ANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL José E. Durán Lma, Ofcal de Asunos Económcos Claudo Aravena, Analsa Esadísco Carlos Ludeña, Consulor Inernaconal Asesoría Técnca de la
Cálculo y Estadística
Cálculo y Esadísca PROBABILIDAD, VARIABLES ALEATORIAS Y DISTRIBUCIONES ª Prueba de Evaluacón Connua 0--5 Tes en Moodle correspondene a la pare de Probabldad, Varables Aleaoras y Dsrbucones ( Punos).- Una
Curso 2006/07. Tema 9: Modelos con retardos distribuidos (I) 9.1. Análisis de los efectos dinámicos en un modelo con retardos distribuidos
Curso 26/7 Economería II Tema 9: Modelos con reardos dsrbudos (I) 1. Análss de los efecos dnámcos en un modelo de reardos dsrbudos 2. La dsrbucón de reardos Tema 9 1 9.1. Análss de los efecos dnámcos en
Estadística de Precios de Vivienda
Esadísca de recos de Vvenda Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal
Nota de Clase 5 Introducción a modelos de Data Panel: Generalidades
oa de Clase 5 Inroduccón a modelos de Daa Panel: Generaldades. Por qué daos de panel? Los modelos de daos de panel son versones mas generales de los modelos de core ansversal seres de empo vsos hasa el
Tema 5. Análisis Transitorio de Circuitos de Primer y Segundo Orden
Tema 5. Análss Transoro de Crcuos de Prmer y egundo Orden 5.1 Inroduccón 5.2 Crcuos C sn fuenes 5.3 Crcuos C con fuenes 5.4 Crcuos L 5.5 Crcuos LC sn fuenes v() 5.6 Crcuos LC con fuenes () C () C v( )
9. CIRCUITOS DE SEGUNDO ORDEN LC Y RLC
9. IUITOS DE SEGUNDO ODEN Y 9.. INTODUIÓN En el capíulo aneror mos como los crcuos ressos con capacancas o los crcuos ressos con nducancas enen arables que son calculadas medane ecuacones dferencales de
Introducción a la Teoría de Inventarios
Clase # 4 Las organzacones esán consanemene vendo como camba el nvel de sus nvenaros en el empo. Inroduccón a la Teoría de Invenaros El ener un nvel bajo de nvenaros mplca resgos para no sasacer la demanda
1. Introducción, n, concepto y clasificación
Tema 5: Números índces. Inroduccón, n, concepo y clasfcacón 2. Números índces smples. Defncón y propedades 3. Números índces complejos Números índces complejos sn ponderar Números índces complejos ponderados
VERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX
VERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX Rafael E. Borges P. Escuela de Esadísca, Unversdad de Los Andes, Mérda 511, Venezuela. e-mal: borgesr@ula.ve Temáca: Méodos Esadíscos en Epdemología. Resumen
EL METODO PERT (PROGRAM EVALUATION AND REVIEW TECHNIQUE)
EL METODO PERT (PROGRM EVLUTION ND REVIEW TECHNIQUE) METODO DE PROGRMCION Y CONTROL DE PROYECTOS Desarrollado en 1958, para coordnar y conrolar la consruccón de submarnos Polars. El méodo PERT se basa
Tema 4. Condensadores y Bobinas
Tema 4. ondensadores y Bobnas 4. Inroduccón 4. ondensadores 4.3 Energía almacenada en un condensador 4.4 Asocacón de condensadores 4.5 Bobnas 4.6 Energía almacenada en una bobna 4.7 Asocacón de bobnas
Representación VEC. Planteamiento de un sistema de ecuaciones. Esquema de retroalimentación. , pero requiere
Represenacón VEC Dado que las relacones económcas enre varables no se presenan esrcamene en un sendo específco, es decr, puede exsr enre ellas esquemas de reroalmenacón o complejos mecansmos de rasmsón
Estadística de Precios de Suelo
Esadísca de Precos de Suelo Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal
EJERCICIOS: Análisis de circuitos en el dominio del tiempo
EJEIIOS: Análss de crcuos en el domno del empo. égmen ransoro y permanene. En cada uno de los sguenes crcuos el nerrupor ha esado abero largo empo. Se cerra en. Deermnar o I, dbujar la onda correspondene
CRÉDITO PESCA. Consideraciones del producto:
CRÉDITO PESCA Consderacones del produco: Los crédos se oorgan para el fnancameno de las acvdades de pesca: comerco, exraccón y/o ndusralzacón. Se basan en la capacdad de pago de los clenes y su hsoral
1. MODELOS DE SERIES TEMPORALES UNIECUACIONALES
oro hasco rgoyen, Dpo. Economía Aplcada, UAM. EJEMPLO DE MODELOS EONOMÉTROS Ver el aso 9 (pag. 55 y ss.) del lbro de A. Puldo y A. López (999), Predccón y Smulacón aplcada a la economía y gesón de empresas.
David Ceballos Hornero Departament de Matemàtica Econòmica, Financera i Actuarial. Universitat de Barcelona ceballos@eco.ub.es
Tme dependence on Fnancal Operaons of Invesmen Davd eballos Hornero Deparamen de Maemàca Econòmca, Fnancera Acuaral. Unversa de Barcelona ceballos@eco.ub.es Dynamc analyss of a Fnancal Operaon of Invesmen
El signo negativo indica que la fem inducida es una E que se opone al cambio de la corriente.
AUTO-INDUCTANCIA: Una bobna puede nducr una fem en s msma.s la correne de una bobna camba, el flujo a ravés de ella, debdo a la correne, ambén se modfca. Así como resulado del cambo de la correne de la
TIPOS DE TENDENCIAS Y SUS CONSEQUENCIAS. Tendencias estocásticas versus deterministas.
TIPOS D TNDNCIAS Y SUS CONSQUNCIAS. Tendencas esocáscas versus deermnsas. Concepos báscos. Parmos de la base que una sere emporal es la realzacón de un proceso esocásco. Tal y como vmos en los modelos
Cálculo y Estadística
PROBABILIDAD, VARIABLES ALEATORIAS Y DISTRIBUCIONES ª Prueba de Evaluacón Connua 0--5 Tes en Moodle correspondene a la pare de Probabldad, Varables Aleaoras y Dsrbucones ( Punos).- Una empresa emplea res
+12V +12V +12V 2K 15V. Problema 2: Determinar el punto de funcionamiento del transistor MOSFET del siguiente circuito: I(mA) D
PROBEMAS E IRUITOS ON TRANSISTORES Problema : eermnar los punos de funconameno de los dsposvos semconducores de los sguenes crcuos: +2V +2V +2V β= β= K β= β= (a) (b) (c) (d) Problema 2: eermnar el puno
Capítulo 3 Metodología.
Capíulo 3 Meodología. 3.1. Represenacón paramérca de la relacón enre el ngreso per cápa de los hogares y las caraceríscas soco-demográfcas de sus membros. La meodología ulzada en ese rabajo se basa en
Recuperación de la Información
ssema de recuperacón de nformacón Recuperacón de la Informacón consula documenos mach Documenos Concepos Báscos relevane? ssema de recuperacón de nformacón palabras clave ndexado Las palabras clave (keywords)
CRÉDITO AGRICOLA. Consideraciones del producto:
Versón: CA-5.04. CRÉDITO AGRICOLA Consderacones del produco: Son crédos que se oorgan para fnancameno de acvdades agropecuaras y se basan en la capacdad de pago de los clenes y su hsoral credco. Se conceden
Determinantes de los spreads de tasas de los bonos. corporativos: revisión de la literatura
UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS ESCUELA DE ECONOMÍA Y ADMINISTRACIÓN Deermnanes de los spreads de asas de los bonos corporavos: revsón de la leraura SEMINARIO PARA
ANÁLISIS DE DURACIÓN. Econometric Analysis of Cross Section and Panel Data J. M. Wooldridge 2002, MIT Press
ANÁLISIS DE DURACIÓN Economerc Analyss of Cross Secon and Panel Daa J. M. Wooldrdge 22, MIT Press A Companon o Theorecal Economercs Eded by B. Balag 21, Blackwell Publshers Economerc Theory and Mehods
Consideraciones generales sobre dinámica estructural
Capíulo Consderacones generales sobre dnámca esrucural Inroduccón El obeo de la dnámca esrucural es el análss de esrucuras bao cargas dnámcas, es decr cargas que varían en el empo. Aunque la mayoría de
ESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO
ESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO Fabrco Morán Rugel 1, José Zúñga Basdas 2, Francsco Marro García 3 RESUMEN Después de haber analzado las écncas
Análisis de supervivencia
Tempo a un evento Curso de Análss de Supervvenca Víctor Abrara 1 Análss de supervvenca Conjunto de técncas que permten estudar la varable tempo hasta que ocurre un evento y su dependenca de otras posbles
NORMAS PARA LA CONSTITUCIÓN DE PREVISIONES PARA RIESGOS CREDITICIOS
NORMA PARTIULAR 3.2 NORMAS PARA LA ONSTITUIÓN DE PREVISIONES PARA RIESGOS REDITIIOS a. Prevsones para resgos credcos ) Prevsón según caegoría de resgo ) Mono de resgo sujeo a prevsón ) Deduccón de garanías
TEMA 7 MODELO IS-LM EN ECONOMÍAS ABIERTAS
TMA 7 MODLO IS-LM N CONOMÍAS ABIRTAS l modelo IS-LM en economías aberas Concepos fundamenales n el ema aneror analzamos el po de cambo como s fuera un nsrumeno de políca económca. Sn embargo ése se deermna
Riesgos Proporcionales de Cox
Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los
Gestión de Operaciones. Capítulo 2: Pronósticos de Demanda
Gesón de Operacones Capíulo 2: Pronóscos de Demanda Inroduccón Objevo: Permen esudar la demanda fuura, accón mporane en el dseño de un produco. Ejemplos : Compac, fue líder en la vena de PCs durane los
Estadística Clase 6. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Esadísca 011 Clase 6 Maesría en Fnanzas Unversdad del CEMA Profesor: Albero Landro Assene: Julán R. Sr Clase 6 1. Análss de Regresón. Especfcacón y Esmacón 3. Supuesos del modelo de regresón lneal 4. Propedades
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
7) Considere los ejercicios 2.b) y 2.c) a) Encuentre un nuevo modelo en variable de estados considerando la transformación dada por:
7 Consdere los ejerccos.b.c a Encuenre un nueo modelo en arable de esados consderando la ransformacón dada por: x x x x b Para.d halle la ransformacón por auoalores Resoleremos el ncso a para el ejercco.c
Tema 2 Circuitos Dinámicos de Primer Orden
Tema 2: Crcuos Dnámcos de Prmer Orden Tema 2 Crcuos Dnámcos de Prmer Orden A nade en su sano juco se le habría ocurrdo preparar enonces odos esos componenes (ranssores, ressores y condensadores a parr
ANÁLISIS DE LOS CAMBIOS EN LA PARTICIPACIÓN LABORAL FEMENINA EN CHILE. Evelyn Benvin y Marcela Perticará ƒ. Resumen
ANÁLISIS DE LOS CAMBIOS EN LA PARTICIPACIÓN LABORAL EMENINA EN CHILE Evelyn Benvn y Marcela Percará ƒ Esa versón: Marzo 2007 Resumen En ese rabajo hemos aplcado écncas de descomposcón mcroeconomércas con
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS Dada la dependencia de la velocidad con la posición en un movimieno recilíneo mosrada por la siguiene gráfica, deerminar la dependencia con
DOCUMENTO DE TRABAJO. www.economia.puc.cl
Insuo I N S T Ide T Economía U T O D E E C O N O M Í A T E S I S d e M A G Í S T E R DOCUMENTO DE TRABAJO ¾¼¼ Ê Ð Ò ÒØÖ Ð ÈÖ Ó Ð È ØÖ Ð Ó Ý ÐÓ Ê ØÓÖÒÓ Ð ÓÒ ÐÓ Ø ÒØÓ Ë ØÓÖ ÓÒ Ñ Ó Ð ÒÓ Æ Ø Ð Á Ð ÐÐ Ö Ó Ë
Estimación de una frontera de eficiencia técnica en el mercado de seguros uruguayo
Esmacón de una fronera de efcenca écnca en el mercado de seguros uruguao Faculad de Cencas Económcas de Admnsracón Unversdad de la Repúblca María Eugena Sann Fernando Zme Tel.: 598 709578 Tel.: 598 70008
INTERVALOS DE CONFIANZA BOOTSTRAP EN REGRESIÓN P-SPLINE CON ERRORES AUTOCORRELACIONADOS
Marí, Gonzalo Zno, Ncolás Insuo de Invesgacones Teórcas y Aplcadas en Esadísca (IITAE) INTERVALOS DE CONFIANZA BOOTSTRAP EN REGRESIÓN P-SPLINE CON ERRORES AUTOCORRELACIONADOS 1. Inroduccón Los modelos
Análisis de Supervivencia y su Aplicación para Predecir la Calidad de Vida de los Nacidos Extremadamente Prematuros
UNIVERSIDAD DE EL SALVADOR FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICA ESCUELA DE MATEMÁTICA DEPARTAMENTO DE ESTADÍSTICA. TRABAJO DE GRADUACIÓN: Análss de Supervvenca y su Aplcacón para Predecr la Caldad
Test. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos
Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar
Master en Economía Macroeconomía II. 1 Problema de Ahorro-Consumo en Horizonte Finito
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 1 - Soluciones 1 Problema de Ahorro-Consumo en Horizone Finio Considere un problema de ahorro-consumo sobre un horizone finio
El efecto traspaso de la tasa de interés en el Perú: Un análisis a nivel de bancos ( )
El efeco raspaso de la asa de nerés en el Perú: Un análss a nvel de bancos (2002-2005) Rocío Gondo Erck Lahura Dona Rodrguez Marzo, 2006 CONTENIDO Objevo Imporanca Trabajos Prevos Trabajos Prevos Perú
MUESTRAS CON ROTACIÓN DE PANELES
487 MUESTRAS CON ROTACIÓN DE PANELES THOMAS POLFELDT Consulor, INE Sueca (Sascs Sweden). 488 Muesras con roacón de paneles ÍNDICE Págna. Defncones Generales... 489. Por Qué una Muesra de Roacón?... 489
Un Modelo Macroeconómico del Riesgo de Crédito en Uruguay
Un Modelo Macroeconómco del Resgo de Crédo en Uruguay Gabrel Illanes Aleandro Pena Andrés Sosa 002-204 688-7565 Un Modelo Macroeconómco del Resgo de Crédo en Uruguay Gabrel Illanesª, Aleandro Pena b**,
IV EXÁMENES DE PRINCIPIOS DE ECONOMETRÍA. a) Indique en que se basa el cumplimiento, en su caso, de las siguientes igualdades
IV EXÁMENES DE PRINCIPIOS DE ECONOMETRÍA 1 En el conexo del modelo de regresón lneal Y = β1+ βx + u a) Indque en que se basa el cumplmeno, en su caso, de las sguenes gualdades T T u ˆ u = 1 = 1 u = = ;
Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
INSTITUTO NACIONAL DE PESCA
INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y
Fórmulas y modelos econométricos para el análisis de regresión
Fórmulas y modelos economércos para el análss de regresón PÁGINA LEGAL 658.43.3-Paz-F Paz Rodríguez, Jorge Fórmulas y modelos economércos para el análss de regresón / Jorge Paz Rodríguez, Samanha Hernández
TEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas
METODOLOGÍA PARA EL CÁLCULO DEL ÍNDICE COLCAP
METODOLOGÍA PARA EL CÁLCULO DEL ÍNDICE COLCAP MARZO DE 20 TABLA DE CONTENIDO. GENERALIDADES:... 3.. VALOR BASE... 3.2. NÚMERO DE EMISORES QUE COMPONEN EL ÍNDICE... 3.3. ACCIONES POR EMISOR... 3.4. PARTICIPACIÓN
Héctor Maletta. Análisis de panel con variables categóricas
Hécor Malea Análss de panel con varables caegórcas Buenos Ares, 2012 CONTENIDO 1. Inroduccón al análss de panel... 1 1.1. El desarrollo hsórco del análss de panel... 1 1.2. El prsma de daos... 3 1.3. Clasfcacón
Caracterís cas de la Metodología para calcular Rentabilidad Ajustada por Riesgo
P S 2015 M C P S 2015 Inroduccón El Premo Salmón es hoy el prncpal reconocmeno enregado a los Fondos Muuos en Chle. Movo de orgullo y cenro de campañas publcaras, ese reconocmeno ha cambado su foco hace
Índices de precios y Preferencias Reveladas. Microeconomía Douglas C. Ramírez V.
Índces de precos y referencas Reveladas Mcroeconomía Douglas C. Ramírez V. LOS ÍNDICES Los números índces o índces son un nsrumeno esadísco muy úl y de uso muy exenddo. G.R. Carl. En Iala, en 1764 realzó
Dinero, precios, tasa de interés y actividad económica: un modelo del caso colombiano (1984:I 2003:IV)
Dnero, precos, asa de nerés y acvdad económca: un modelo del caso colombano (984:I 23:IV) José Fernando Escobar. y Carlos Eseban osada. esumen A parr de un esquema de ofera y demanda de dnero se esmó un
Las derivadas de los instrumentos de renta fija
Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa
FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS
FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS Autores: Ángel A Juan Pérez (ajuanp@uocedu), Rafael García Martín (rgarcamart@uocedu) RELACIÓN CON OTROS MATH-BLOCS Este math-block forma parte
Y t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.
ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés
EJERCICIO Usando los datos sobre el consumo de gasolina en los Estados Unidos que se muestran en el cuadro 1, estime los modelos siguientes:
EJERCICIO echa de enrega: Novembre 9,. Usando los daos sobre el consumo de gasolna en los Esados Undos que se muesran en el cuadro, esme los modelos sguenes: a) Esme, consderando el período 95 97, los
PREDICCIÓN DE VOLATILIDAD CON LOS ÍNDICES DE VOLATILIDAD VIX Y VDAX
PREDICCIÓN DE VOLILIDD CON LOS ÍNDICES DE VOLILIDD VIX Y VDX El objevo de ese rabajo es esudar la capacdad predcva de los índces de volaldad. Para el perodo 99-0, analzamos daos de los índces amercanos
Trabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
CAPÍTULO IV BASES Y DESARROLLO DEL PROGRAMA COMPUTACIONAL. En este capítulo describiremos los modelos y herramientas que utilizaremos para la
CAPÍTULO IV BASES DESARROLLO DEL PROGRAMA COMPUTACIONAL En ese capíulo descrbremos los modelos y herramenas que ulzaremos para la proyeccón y smulacón de algunas de las varables como son los rendmenos
TÉCNICAS DE MEDICIÓN ECONÓMICA
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMÍA PATPRO XXVI VERSIÓN TÉCNICAS DE MEDICIÓN ECONÓMICA M. Sc. Econ. LUIS A. ROSALES GARCÍA CASTILLA, MAYO DEL 00. DATOS EN PANEL I. INTRODUCCIÓN La Economería:
Tema 4. Condensadores y Bobinas
Tema 4. ondensadores y obnas 4. Inroduccón 4. ondensadores 4. Energía almacenada en un condensador 4.4 socacón de condensadores 4. obnas 4.6 Energía almacenada en una bobna 4.7 socacón de bobnas ( E r
Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
MODELO DE UN SISTEMA MRP CERRADO INTEGRANDO INCERTIDUMBRE EN LOS TIEMPOS DE ENTREGA, DISPONIBILIDAD DE LA CAPACIDAD DE FABRICACIÓN E INVENTARIOS
MODELO DE UN SISTEMA MRP CERRADO INTEGRANDO INCERTIDUMBRE EN LOS TIEMPOS DE ENTREGA, DISPONIBILIDAD DE LA CAPACIDAD DE FABRICACIÓN E INVENTARIOS TESIS DE GRADO PARA OPTAR AL TITULO DE MAGISTER EN INGENIERÍA
MEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA
MEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA (Borrador) Ignacio Vélez-Pareja Deparameno de Adminisración Universidad Javeriana, Bogoá, Colombia Abril de 2000 Resumen
METODOLOGÍA ENERGÍA ELECTRICA
Insuo Naconal de Esadíscas SUBDIRECCIÓN TÉCNICA Depo. Invesgacón y Desarrollo Esadísco SUBDIRECCION DE OPERACIONES Subdeparameno. Esadíscas Secorales METODOLOGÍA ENERGÍA ELECTRICA Sanago, 26 Dcembre de
Física General 1 Proyecto PMME - Curso 2008 Instituto de Física Facultad de Ingeniería UdelaR
Físca General Proyeco PMME - Curso 8 Insuo de Físca Faculad de Inenería UdelaR M O V I M I E N T O E P R O Y E C T I L M O V I M I E N T O R E L A T I V O Vanessa íaz Florenca Clerc Un olero Juan paea
Séptimas Jornadas de Economía Monetaria e Internacional La Plata, 9 y 10 de mayo de 2002
Unversdad Naconal de a Plaa Sépas Jornadas de Econoía Moneara e Inernaconal a Plaa, 9 y de ayo de 22 Un Análss Econoérco del Efeco de la Políca Moneara en Argenna Urera, Gasón Ezequel (Unversdad Epresaral
a. Activos monetarios b. Activos no monetarios a. Ingresos b. Egresos
Decsones e Inversón Conseracón e la péra el poer aqusvo el sgno monearo Amnsracón Fnancera Cr. Julo César Torres UNLPam Facula e Cencas Económcas y Jurícas Decsones e Inversón Conseracón e la péra el poer
7. CAPACITANCIA E INDUCTANCIA
7. APAITANIA E INDUTANIA 7.. INTRODUIÓN El elemeno paso e os ermnales que hemos so hasa el momeno, eso es la Ressenca, presena un comporameno lneal enre su olaje y correne. Eso prouce ecuacones algebracas
UNIVERSIDAD DE OVIEDO
Trabajaremos con módulos foovolacos de capa fna. resena ceras venajas por el dferene comporameno que esa ecnología ene ane la radacón solar y las condcones ambenales: Mejor comporameno de la produccón
TÉCNICAS METAHEURÍSTICAS. ALGORITMOS BASADOS EN NUBES DE PARTÍCULAS
TÉCNICAS METAHEURÍSTICAS. ALGORITMOS BASADOS EN NUBES DE PARTÍCULAS 3 39 Ssema de generacón elécrca con pla de combusble de óxdo sóldo almenado con resduos foresales y su opmzacón medane algormos basados
Metodología de cálculo del diferencial base
Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros
SIGLAS Y NOTACIÓN EMPLEADA
SIGLAS Y NOTAIÓN EMPLEADA α PND a Parámero que ene un valor 4 para vehículos lgeros y de 6 para vehículos pesados Incremeno de la accesbldad para el usuaro que anes no realzaba desplazamenos moorzados
Productos derivados sobre bienes de consumo
Producos dervados sobre benes de consumo Francsco Venegas Marínez, Salvador Cruz Ake n Resumen: Ese rabajo de nvesgacón desarrolla un modelo de equlbro general con expecavas raconales en empo connuo úl
Master en Economía Macroeconomía II. 1 Learning by Doing (versión en tiempo discreto)
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 4 - Soluciones 1 Learning by Doing (versión en iempo discreo) Considere una economía cuyas preferencias, ecnología, y acumulación
Cálculo Estocástico Variación Cuadrática para Martingalas Continuas y Acotadas
1 Cálculo Esocásco Varacón Cuadráca para Marngalas Connuas y Acoadas Gullermo Garro Defncón Varacón fna. Un proceso X es de varacón fna o acoada s sus rayecoras son de varacón fna, c.s. Es decr, s exse
Presentación. INEGI. Sistema de Indicadores Compuestos Coincidentes y Adelantado Metodología
Presenacón Ese documeno corresponde a la oa meodológca de la publcacón Ssema de Indcadores Compuesos: Concdene y Adelanado y se ncorpora en esa seccón con el propóso de negrarlo al acervo meodológco que
TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS
TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores
Santiago, CIRCULAR N. Para todas las entidades aseguradoras y reaseguradoras del segundo grupo
REF.: Modfca Crcular N 2062 que nsruye respeco al raameno de recálculo de pensón, en pólzas de seguros de rena valca del D.L. N 3.500, de 1980. Sanago, CIRCULAR N Para odas las endades aseguradoras y reaseguradoras
APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA
APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA Esaconaredad El concepo de esaconaredad es de suma mporanca en la eoría de la conegracón. Aquí se ulzará el concepo de esaconaredad en sendo débl, o de segundo
Macroeconomic Effects of Fiscal Shocks in the European Union: A GVAR Model
Unversy of Exremadura Deparmen of Economcs Macroeconomc Effecs of Fscal Shocks n he European Unon: A GVAR Model Ths verson: February 212 Alejandro RICCI RISQUETE Julán RAMAJO HERNÁNDEZ Unversdad de Exremadura
Práctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
ÁREA 4 y 9: ECONOMÍA INDUSTRIAL, DE SERVICIOS Y DE LA INFORMACIÓN Y EL CONOCIMIENTO. Departamento de Economía Aplicada
ÁREA 4 y 9: ECONOMÍA INDUSTRIAL, DE SERVICIOS Y DE LA INFORMACIÓN Y EL CONOCIMIENTO Deparameno de Economía Aplcada Faculad de Cencas Económcas y Empresarales e-mal: ecoapl@eco.uva.es Avda. del Valle de
División de Ciencias Sociales y Humanidades Licenciatura en Economía
UNIVERSIDAD AUTONOMA METROPOLITANA UNIDAD IZTAPALAPA Dvsón de Cencas Socales y Humandades Lcencaura en Economía Algunas noas sobre auocorrelacón y heeroscedascdad Inroduccón A.. Heeroscedascdad 3 Nauraleza
Métodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Capitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Modelos Multivariantes con Estructura Dinámica Transitoria no Recursiva y con Relaciones de Cointegración
Modelos Mulvaranes con Esrucura Dnámca Transora no Recursva y con Relacones de Conegracón Movacón I En el úlmo ema hemos vso como funconan los modelos economércos esaconaros. Sn embargo, ambén sabemos
3. El cambio en el sistema de pensiones y su impacto sobre la cobertura
. El cambo en el ssema de pensones y su mpaco sobre la coberura El prmer objevo de ese rabajo es medr el mpaco que la reforma al ssema de pensones ha endo sobre la coberura; medda esa úlma como el número
Pruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Pattern Classification
aern Classfcaon All maerals n hese sldes were aken from aern Classfcaon nd ed by R. O. Duda,. E. Har and D. G. Sork, John Wley & Sons, 000 wh he permsson of he auhors and he publsher Capulo Teora de Decson
RESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES
RESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES CONSIDERANDO: Que el arículo 86 de la Ley 87-01 de fecha 9 de mayo de 2001, que crea el Sisema Dominicano de Seguridad Social,
Ser keynesiano en el corto plazo y clásico en el largo plazo*
Ser keynesano en el coro plazo y clásco en el largo plazo* Gérard Duménl** y Domnque Lévy*** Inroduccón * Traducdo por Davd A. Turpn jr., Deparameno de Economía de la UAM-A. ** CE: gerard. dumenl@u-pars0.fr