Chuletas y apuntes de Matemáticas

Funciones Esenciales y Referencias en Hojas de Cálculo

La Función BUSCARV (VLOOKUP)

La función BUSCARV nos ayuda a buscar un valor específico en la primera columna de una tabla de datos previamente definida y devolver un valor correspondiente de una columna adyacente.

Sintaxis de BUSCARV

BUSCARV(valor_buscado, matriz_buscar_en, indicador_columnas, [ordenado])

• Valor_buscado (Obligatorio): Es el valor que se va a buscar en la columna de la tabla.
• Matriz_buscar_en (Obligatorio): Es la tabla de búsqueda que contiene todos los datos.
• Indicador_columnas (Obligatorio): Es el número de la columna de la cual deseamos que la fórmula nos devuelva el resultado.
• Ordenado (Opcional): Puede ser VERDADERO (V) o FALSO (F). Si es FALSO (F), se realiza una búsqueda

Solución:

 El problema es muy sencillo, por lo cual no requiere mucho análisis, sin embargo vamos a tocar ese punto antes de comenzar a resolverlo.

Si bien se sabe, los rieles en las vías del ferrocarril, normalmente se le coloca un espacio entre ellas a cierta distancia para cuando éste material se dilate a ciertas horas del día.

Ahora anotemos nuestros datos:

Datos:

 –> Longitud Inicial

 –> Longitud Final  –> La vamos a encontrar

 –> Temperatura Inicial

 –> Temperatura Final

  –> Coeficiente de dilatación lineal del Acero.

Hemos elegido acero, porque el problema... Continuar leyendo "Los rieles de un ferrocarril, de acero, están colocados con sus extremos contiguos" »

Valor Numérico

El término "valor numérico" generalmente se refiere a la representación cuantitativa de una cantidad o magnitud expresada en números. Es un concepto básico en matemáticas y ciencias que permite la medición, comparación y manipulación de cantidades.

Monomios: Conceptos y Operaciones Fundamentales

Definición de Monomio

Un monomio es un producto formado por números y letras (variables), sin incluir otro tipo de operación como sumas o restas.

Partes de un Monomio

• Coeficiente: Es el número que multiplica a las letras en un monomio. Puede ser cualquier número real, excepto cero. Si no se visualiza un coeficiente, se asume que es 1.
• Parte literal: Son las letras que componen el monomio, pudiendo ser una o varias, con sus respectivos

Supuesto 6: el error se distribuye normal (cero, sigma a la dos ln), supuesto de normalidad

si el valor p es mayor que el alpha no rechazo h0y la variable no va a ser estadisticamente significativa.
si el valor p es menor que el alpha rechazo h0 y la variable va a ser estadisticamente significativa.

Intervalo de confianza = Bgorro (estimate) +- 1.96 o 2.58 * std error

Intervalo de confianza

Existe un 99 porciento (por ej) de probabilísticasdad de que el intervalo determinado por los extremos calculados contenga a beta. Es coherente que un ic 99 porciento sea mas ancho ya que necesito cubrir mas posibles valores del parámetro pob.

si t es mayor al valor critico, rechazo hcero, hay evidencia estadística para afirmar que la variable es estadisticamente... Continuar leyendo "Fundamentos y Pruebas de Validación en Modelos de Regresión Econométrica" »

Cálculo de Rentabilidades y Riesgos en Fondos de Inversión

A continuación, se detallan los pasos para calcular diferentes métricas de rentabilidad y riesgo en fondos de inversión.

Cálculo de la Media de las Rentabilidades Anuales Simples del Fondo UNO

1. Multiplicar la matriz de rentabilidades por 0,01 y sumar 1 a cada número.
2. Calcular el sumatorio de cada año.
3. Calcular el promedio de los sumatorios.

Cálculo de la Desviación Típica (DT) de las Rentabilidades Anuales Simples del Fondo DOS

Utilizar la función DESVEST.M con la suma del paso 2 (sumatorios).

Cálculo de la Covarianza de las Rentabilidades Anuales Simples de los Dos Fondos

Utilizar la función COVARIANZA.M con los sumatorios de ambos fondos.

Cálculo del Coeficiente de Correlación

Utilizar... Continuar leyendo "Guía Práctica: Cálculo de Rentabilidades y Riesgos en Fondos de Inversión" »

¿Qué es el Muestreo?

Es una actividad por la cual se toman muestras representativas de una población de elementos, siguiendo ciertos criterios de decisión, con la finalidad de analizar situaciones específicas de una empresa o de algún campo de la sociedad.

Términos Fundamentales

• Estadístico: Es una medida usada para describir alguna característica de una muestra (por ejemplo, la media aritmética, la mediana o una desviación estándar muestral).
• Parámetro: Es una medida usada para describir alguna característica de una población completa.

Objetivo del Muestreo

El objetivo principal es analizar una muestra para poder inferir conclusiones susceptibles de generalización a la población de estudio, manteniendo un cierto grado de certeza.... Continuar leyendo "Muestreo Estadístico: Conceptos Clave y Métodos de Selección" »

Decibilidad: ||

N= "sobre la ent.. B es AFN y w cad} ||
3.Si N acept, acepte ||
F="Sobre la entra.., A y B son AFD's

Un lengua L es decidibl cuando ||
1.Convierta el AFN B para un || Teorema 4.4:
Edfa = {<A> | A es un AFD y L(A) =∅} ||
Sea L(c) = L(A) ⊗L(B)=

L aceptada por una MT, la MT no hay loop || AFD equivale C || T=sobre entrad <A> don A es un AFD || (L(A)∩L(B)^c) ∪ (L(A)^c ∩L(B))

Acepta si w perten a L, contrario rechaza ||
2. Ejecute la MT M del teo4.1 ||
1. Marca el estado inicial de A || (todo menos la intersección) 

Teorema4.1:

Aafd ={<B,w>| B es AFD q acep la cade w} || sobre <C,w> || 2.Repite hasta ningún nuevo estad sea marcado:

||

L(c)=⌀ si L(A)=L(B)

M=“Sobr la entr<B,w> B es un AFD, y... Continuar leyendo "Fundamentos de la Computabilidad: Decidibilidad, Lenguajes Formales y Máquinas de Turing" »

El Contraste de White

El contraste de White es un test general de heterocedasticidad que permite detectar si la varianza condicional del error, Var(u_t | X_1t, X_2t, X_3t), es constante o depende de los regresores (incluyendo posibles relaciones no lineales). Es un contraste no paramétrico en el sentido de que no impone una forma funcional específica para la heterocedasticidad.

La idea fundamental consiste en:

• a) Estimar el modelo por MCO y obtener los residuos û_t.
• b) Regresar û²_t sobre los regresores, sus cuadrados y productos cruzados (regresión auxiliar).
• c) Usar el estadístico LM = nR² (siendo R² el de la auxiliar) para contrastar la homocedasticidad.

2. Realización del Contraste de White

Considerando los valores R²_e = 0,42 y n = 100:

• Paso 1:

Estadística Descriptiva y Medidas de Dispersión

• La Media ($\bar{X} = (1/n)\sum X_i$) mide la tendencia central.
• La Mediana es el valor central de los datos ordenados.
• La Moda es el valor más frecuente.
• La Varianza ($s^2 = \sum(X_i - \bar{X})^2 / (n-1)$) mide la dispersión cuadrática.
• La Desviación Estándar ($s = \sqrt{Varianza}$) es la raíz cuadrada de la varianza.
• El Coeficiente de Variación ($CV = s/\bar{X}$) mide la dispersión relativa.
• El Sesgo:
  • Sesgo > 0: indica cola derecha (asimetría positiva).
  • Sesgo < 0: indica cola izquierda (asimetría negativa).
• La Curtosis:
  • Curtosis > 3: indica colas pesadas (leptocúrtica).
  • Curtosis $\approx 3$ y Sesgo $\approx 0$ sugieren normalidad.

Inferencia Estadística y Errores

Errores en el Contraste

Verdadero o Falso: Implicaciones de la Omisión e Inclusión de Variables

• La omisión de variables relevantes implica siempre sesgo en los parámetros estimados. FALSO
• Si al introducir una nueva variable en un modelo los parámetros anteriores cambian significativamente, es que estaban sesgados. VERDADERO
• La omisión de una variable, aun siendo relevante, mejora siempre la varianza de la estimación de los parámetros, dado que evita la multicolinealidad. FALSO
• Incluir una nueva variable en un modelo mejorará siempre el error promedio cometido. VERDADERO
• Incluir una nueva variable en un modelo generará siempre una menor varianza en los parámetros estimados. FALSO
• La varianza del parámetro puede crecer al introducir una nueva variable en un modelo,