The forward problem for the electromagnetic Helmholtz equation

157 p.

Estadística actuarial : regresión lineal

Estas notas de clase son de utilidad como material docente para los alumnos de la asignatura Estadística Actuarial: Regresión de la Licenciatura en Ciencias Actuariales y Financieras. También pueden ser útiles a los alumnos de asignaturas afines como es Introducción a la Econometría en la Licenciatura de Administración y Dirección de Empresas y en la Licenciatura de Economía. En estos dos últimos casos sólo necesitarían los capítulos 1, 2 y 3. Las notas de clase se estructuran siguiendo el temario de la asignatura en cuatro capítulos. El primero de ellos introduce el concepto de Econometría y define algunos de los términos más habituales. En el capítulo dos se especifica y estima el Modelo de Regresión Lineal General. Se desarrolla el estimador Mínimo Cuadrático Ordinario, sus propiedades y se muestra como hacer inferencia con él. Se revisa su comportamiento bajo mala especificación del modelo y las consecuencias de disponer de una muestra de variables altamente correlacionadas. En el capítulo tres se muestra como utilizar variables ficticias. En el cuarto y último capítulo se introduce al alumno en las técnicas de validación del modelo. Al inicio de cada capítulo se incluyen los contenidos del mismo y la bibliografía recomendada para dicho contenido. Al final de las notas aparece la bibliografía completa.

Análisis econométrico

Estas notas son de utilidad como material docente para los alumnos de la asignatura Econometría de las Licenciaturas en Ciencias Económicas y en Administración y Dirección de Empresas. Permitirán profundizar en los conceptos vistos en clase más allá del contenido de los temas incluidos en el programa de la asignatura. Las notas se estructuran en cinco capítulos. El primero de ellos revisa los conceptos de teoría asintótica. El segundo muestra el estimador Mínimo Cuadrático Generalizado. Los capítulos tres y cuatro estudian la existencia de heterocedasticidad y autocorrelación en las perturbaciones, respectivamente. El capítulo cinco relaja la hipótesis de regresores no estocásticos y permitiendo la existencia de dinámica en la matriz de regresores. Analiza las propiedades del estimador Mínimo Cuadrático Ordinario en diferentes escenarios y deriva el estimador de Variables Instrumentales. Los capítulos incluyen ejemplos ilustrativos. Al final de las notas aparece la bibliografía completa

Econometría básica aplicada con Gretl

Estas notas de clase son de utilidad como material docente, sirviendo de apoyo o complemento, para aquellos alumnos que bien vayan a hacer o hayan seguido alguna asignatura como Introducción a la Econometría (en LE o LADE), Estadística Actuarial: Regresión (LCAF), Econometría aplicada al mercado (LITM). También puede estar indicada para alumnos de las licenciaturas ofrecidas en la Facultad de Ciencias Sociales y de la Comunicación, por ejemplo la Licenciatura de Publicidad y RR.PP. y de algunas Ingenierías, por ejemplo Ingeniería en Organización Industrial. Las notas de clase se estructuran en siete temas. El primero de ellos introduce el concepto de Econometría, define algunos de los términos más habituales y presenta el software libre a utilizar en las aplicaciones, el programa Gretl. En el tema dos se especifica y estima el Modelo de Regresión Lineal Simple. Se desarrolla el estimador Mínimo Cuadrático Ordinario, sus propiedades y se muestra como hacer inferencia con él. En el tema tres se especifica y estima el Modelo de Regresión Lineal General. En el tema cuatro se muestra como realizar contrastes de restricciones lineales. En el tema cinco se revisa su comportamiento bajo mala especificación del modelo. En los temas seis y siete se muestran, respectivamente, las consecuencias de disponer de una muestra de variables altamente correlacionadas y como utilizar variables ficticias. Al final de cada tema se proponen ejercicios para aplicar lo aprendido en el mismo. Al final de las notas aparece la bibliografía completa.

Oinarrizko ekonometria Gretl erabiliz

Estas notas de clase son de utilidad como material docente, sirviendo de apoyo o complemento, para aquellos alumnos que bien vayan a hacer o hayan seguido alguna asignatura como Introducción a la Econometría (en LE o LADE), Estadística Actuarial: Regresión (LCAF), Econometría aplicada al mercado (LITM). También puede estar indicada para alumnos de las licenciaturas ofrecidas en la Facultad de Ciencias Sociales y de la Comunicación, por ejemplo la Licenciatura de Publicidad y RR.PP. y de algunas Ingenierías, por ejemplo Ingeniería en Organización Industrial. Las notas de clase se estructuran en siete temas. El primero de ellos introduce el concepto de Econometría, define algunos de los términos más habituales y presenta el software libre a utilizar en las aplicaciones, el programa Gretl. En el tema dos se especifica y estima el Modelo de Regresión Lineal Simple. Se desarrolla el estimador Mínimo Cuadrático Ordinario, sus propiedades y se muestra como hacer inferencia con él. En el tema tres se especifica y estima el Modelo de Regresión Lineal General. En el tema cuatro se muestra como realizar contrastes de restricciones lineales. En el tema cinco se revisa su comportamiento bajo mala especificación del modelo. En los temas seis y siete se muestran, respectivamente, las consecuencias de disponer de una muestra de variables altamente correlacionadas y como utilizar variables ficticias. Al final de cada tema se proponen ejercicios para aplicar lo aprendido en el mismo. Al final de las notas aparece la bibliografía completa.

Síntesis de carbonato de glicerol a partir de glicerol, CO2 y sus derivados

209 p. : il., gráf.

Análisis y adecuación de los procesos de electromigración y transporte en células de combustible PEM de hidrógeno

271 p.

La serigrafía de áridos con vehículos aglutinantes de base acuosa

330 p.

Design and synthesis of biofunctional magnetic/fluorescent glyco-nanoparticles and quantum dots and their application as specific molecular imaging probes

206 p.

Caracterización estructural y magnética de aleaciones intermetálicas Fe-Al-Si mediante espectroscopia Mössbauer

253 p.

Atomistic simulation studies of the cement paste components

230 p.

The omega failure in the crash-recovery model

190 p.

Alternativas operacionales en tecnologías de oxidación avanzada para el tratamiento de efluentes de alta carga contaminante

336 p.

Optimization of Organic-Inorganic Inter-phase in Hybrid Systems Based on Waterborne Polyurethanes and Silica Nanostructures

215 p.

Detección de comunidades en redes complejas basada en la sincronización

El estudio de las redes complejas atrae cada vez más el interés de muchos investigadores por muchas razones obvias. Muchos sistemas tanto reales como tecnológicos pueden representarse como redes complejas, es decir, un conjunto de entidades en interacción de acuerdo a propiedades topológicas no triviales. La interacción entre los elementos de la red puede describir comportamientos globales tales como el tráfico en Internet, el servicio de suministro de electricidad o la evolución de los mercados. Una de las propiedades topológicas de los grafos que caracterizan estos sistemas complejos es la estructura de comunidad. La detección de comunidades tiene como objetivo la identificación de los módulos o grupos con alguna o varias propiedades en común basándose únicamente en la información codificada en la topología del grafo. La detección de comunidades es importante no sólo para caracterizar el grafo, sino que además ofrece información sobre la formación de la red así como sobre su funcionalidad. El estudio de las leyes subyacentes que gobiernan la dinámica y evolución de los sistemas complejos y la caracterización de sus grafos revela que las redes a gran escala, generalmente, se caracterizan por topologías complejas y estructuras heterogéneas. La estructura de conectividad de estas redes se manifiesta por la presencia de comunidades (clusters o grupos), es decir, conjuntos de nodos que comparten propiedades comunes o juegan roles similares en la red. Las comunidades pueden representar relaciones de amistad en las redes sociales, páginas web con una temática similar, o rutas bioquímicas en las redes metabólicas. Formalmente, una red es un grafo compuesto por un gran número de nodos altamente interconectados donde una comunidad se resalta por la presencia de un gran número de aristas conectando nodos dentro de grupos individuales, pero con baja concentración de aristas entre estos grupos. El mejor modo para establecer la estructura de comunidad de una red compleja es un problema todavía sin resolver. Durante los últimos años, se han propuesto muchos algoritmos que persiguen extraer la partición óptima de una red en comunidades. El clustering espectral, los algoritmos de particionamiento de grafos, los métodos basados en la modularidad o los algoritmos basados en la sincronización son sólo algunos de estos algoritmos de extracción de comunidades. Los algoritmos dinámicos basados en la sincronización han sido estudiados por varios autores, y han demostrado que la monitorización del proceso dinámico de la sincronización permite revelar las diferentes escalas topologicas presentes en una red compleja. Muchos de estos algoritmos se basan en el modelo Kuramoto o en algunas de sus variantes como el modelo de opinión, donde cada oscilador aislado es modelado en un espacio unidimensional. El objetivo principal del presente proyecto es la implementación de un algoritmo de detección de comunidades basado en la sincronización de osciladores acoplados. Cada oscilador ha sido modelado mediante el sistema dinámico de Rossler, un sistema de ecuaciones diferenciales definido en un espacio tridimensional.