CHAVEZ QUISBERT, NICOLÁS - IETA
Autor de 9 artículos publicados en la Revista Varianza, Docente emérito de la Carrera de Estadística, actualmente dicta las materias de su especialidad.
Especialista en:
Investigación Operativa - Optimización - Series de Tiempo
Correo electrónico:
nchavez@umsa.bo
AUTOR DE LOS SIGUIENTES ARTÍCULOS:
Modelos de ARCH y GARCH
En este artículo se presenta a los modelos o filtros temporales, donde los errores no tienen varianza constante, ni cumplen estrictamente con los supuestos de normalidad, sino más al contrario la varianza es variable, es decir existe heterocedasticidad, y se presentan deformaciones de sesgo o asimetría. Este tipo de modelos muchas veces se presenta, con información de la vida real. En muchas ocasiones en economía se habla de sucesos condicionados o de generación de expectativas a partir de los movimientos relativos que se produjeron en el pasado. Por ejemplo, todo el mundo relaciona inmediatamente la estabilidad o la inestabilidad en los mercados financieros con su comportamiento inmediatamente anterior, produciéndose fuertes hondas en la evolución de sus variables que, después de un gran sobresalto que dura más o menos días, tienden a retomar una senda de evolución tranquila.
Año: 2001
Publicado en la revista Varianza N°1, Pág. 11
Descargar
Modelo de Winters
El modelo de Winters, es un método de suavizamiento muy importante en el campo de la estadística, ya que permite realizar pronósticos, para serie de tiempo que no tienen mucha información histórica, lo cual se da en muchas series económicas de nuestro país. Es por eso que no se puede utilizar los procesos estocásticos, por requerirse de muchos datos, y se ve la necesidad de utilizar técnicas de suavizamientos.
Año: 2002
Publicado en la revista Varianza N°2 Pág. 10
Descargar
Sistemas de inventarios MRP
Las técnicas MRP (Materials Requirement Planning - Planificación de las Necesidades de Materiales) son una solución relativamente nueva a un problema clásico en producción, el controlar y coordinar los materiales para que se hallen a punto cuando son precisos y al propio tiempo sin necesidad de tener un excesivo inventario.
Año: 2003
Publicado en la revista Varianza N°3, Pág. 36
Descargar
El proceso general de nacimiento y muerte
Este articulo abarca definición, ecuaciones de estado de Chapman-Kolmogorov, ditribución límite de probabilidades, ecuaciones de equilibrio.
Año: 2005
Publicado en la revista Varianza N°4 Pág. 35
Descargar
Redes neuronales de base radial
Definición de las redes neuronales de base radial, funciones de base radial, ejemplos, su arquitectura y funcionamiento.
Año: 2007
Publicado en la revista Varianza N° 6, Pág. 1
Descargar
El modelo de Vectores Autorregresivos VAR
Los modelos autorregresivos fueron planeados inicialmente por Christopher Sims en un artículo publicado en 1980 en ECONOMETRICA, bajo el título de "Macroeconomía y la Realidad". En el modelo VAR todas las variables son consideradas como endógenas, pues cada una de ellas se expresa como una función lineal de sus propios valores rezagados y de los valores rezagados de las restantes variables del modelo.
Año: 2010
Publicado en la revista Varianza N°7 Pág. 1
Descargar
Modelación Estocástica de Series de Tiempo Univariantes con Influencia de Tendencia y Estacionalidad
El modelo más apropiado basado en los procesos estocásticos para modelar series de tiempo con dichas características es: ARIMA (p,d,p) * SARIMA (P,D,Q).
Año: 2011
Publicado en la revista Varianza N°8 Pág. 1
Descargar
Modelos de Programacion Lineal y No Lineal con Multiobjetivos
La programación por metas (Goal Programming) fue inicialmente introducida por Charnes y Cooper en los años 50 desarrollada en los años 70 por Ljiri, Lee, Ignizio y Romero, es actualmente uno de los enfoques multicriterio que más se utilizan. En principio fue dirigida a resolver problemas industriales, sin embargo posteriormente se ha extendido a muchos otros campos como la economía, agricultura, recursos ambientales, recursos pesqueros, etc.
Año: 2011
Publicado en la revista Varianza N°8 Pág. 19
Descargar
El proceso de Poisson
Sea {N(t) , t ≥ 0} un proceso puntual discreto en el espacio y continuo en el tiempo, se dice que define a un Proceso de Poisson, si N(t) representa el número de ocurrencias en el intervalo de tiempo (0,t), donde λ es una tasa promedio de ocurrencias constante por unidad de tiempo.
Año: 2012
Publicado en la revista Varianza N°9 Pág. 1
Descargar