El acaparamiento es la práctica de retener o comprar bienes en grandes

cantidades antes de que lleguen al mercado de consumo, con el objetivo de

venderlos cuando los precios de estos bienes resulten superiores a los actuales.

El practicante debe tener la capacidad de comprar una cantidad suficiente del

producto para ejercer una influencia directa y desproporcionada en el precio del

mercado. Algunos aspectos hacen que un producto sea más susceptible al

acaparamiento, por ejemplo, una oferta inflexible, es decir, que no puede

responder en forma rápida a un aumento de precios. Por el lado del consumo, la

cantidad demandada debe reducirse menos en términos proporcionales

comparado con el aumento de precio, es decir, que el producto tenga una

demanda inelástica. Otro aspecto común para que pueda ocurrir el acaparamiento

es un mercado pequeño, especialmente con un reducido número de oferentes, y

donde la información es escasa o imperfecta.

Varianza

La varianza es la media aritmética del cuadrado de las

desviaciones respecto a la media de una distribución estadística.

Varianza para datos agrupados

Para simplificar el cálculo de la varianza vamos o utilizar las

siguientes expresiones que son equivalentes a las anteriores.

Varianza para datos agrupados

Modelos Matemáticos

Una de las herramientas principales utilizadas en la estadística son los modelos,

los cuales constituyen representaciones de problemas y situaciones de la vida.

Un modelo es una representación que describe en forma simplificada el

comportamiento de un fenómeno o experimento o un objeto real.

Los modelos pueden ser representaciones físicas, gráficas y simbólicas o

matemáticas. Los modelos físicos se usan principalmente para hacer

simulaciones. Se llama simulación a un experimento realizado sobre el modelo de

un sistema. Como ejemplos de modelos físicos podemos mencionar el geoide, que

pone de manifiesto la forma de nuestro planeta y la distribución y forma de los

continentes y océanos, la topografía, etc.; un avión a escala, que se utiliza en los

túneles aerodinámicos para conocer su comportamiento y estabilidad ante

diferentes condiciones atmosféricas ahí simuladas; una maqueta, que es la

representación a escala de un edificio o construcciones en general, etc.

Coeficiente de determinación

El coeficiente de determinación   o coeficiente de correlación múltiple al

cuadrado, es una medida descriptiva que sirve para evaluar la bondad de ajuste

del modelo a lo datos, ya que mide la capacidad predictiva del modelo ajustado.

Se define como el cociente entre la variabilidad explicada por la regresión y la

variabilidad total, esto es:

algunas otras formas de presentar el coeficiente de determinación son:

Algunas de las equivalencias anteriores pueden verse a partir de la demostración

de  .

correlación

El término correlación se utiliza generalmente para indicar la correspondencia o la

relación recíproca que se da entre dos o más cosas, ideas, personas, entre otras.

En tanto, en probabilidad y estadística, la correlación es aquello que indicará

la fuerza y la dirección lineal que se establece entre dos variables aleatorias.

Se considera que dos variables de tipo cuantitativo presentan correlación la una

respecto de la otra cuando los valores de una ellas varíen sistemáticamente con

respecto a los valores homónimos de la otra.

Por ejemplo, si tenemos dos variables que se llaman A y B, existirá el mencionado

fenómeno de correlación si al aumentar los valores de A lo hacen también los

valores correspondientes a B y viceversa.

De todas maneras, vale aclarar que la correlación que pueda darse entre dos

variables no implicará por si misma ningún tipo de relación de causalidad. Los

principales elementos componentes de una correlación de este tipo serán: la

fuerza, el sentido y la forma.

Análisis de correlación

El análisis de correlación emplea métodos para medir la significación del grado o

intensidad de asociación entre dos o más variables. Normalmente, el primer paso

es mostrar los datos en un diagrama de dispersión. El concepto de correlación

está estrechamente vinculado al concepto de regresión, pues, para que una

ecuación de regresión sea razonable los puntos muéstrales deben estar ceñidos a

la ecuación de regresión; además el coeficiente de correlación debe ser:

Grande cuando el grado de asociación es alto (cerca de +1 o -1, y pequeño

cuando

Es bajo, cerca de cero.

Independiente de las unidades en que se miden las variables.

Grados de libertad en estadística:

Definición: Los grados de libertad son una cantidad que permite introducir una

corrección matemática en los cálculos estadísticos para restricciones impuestas

en los datos. Un caso común en estadística es el cálculo de la varianza, donde

aparece en el denominador de dicho cálculo una cantidad denominada grados de

libertad, no del todo distinta de la cantidad de datos que se procesan.

Regresión lineal. Permite determinar el grado de dependencia de las series de

valores X e Y, prediciendo el valor y estimado que se obtendría para un valor x

que no esté en la distribución.

Regresión lineal simple

La regresión lineal simple se basa en estudiar los cambios en una variable, no

aleatoria, afectan a una variable aleatoria, en el caso de existir una relación

funcional entre ambas variables que puede ser establecida por una expresión

lineal, es decir, su representación gráfica es una línea recta. Es decir, se esta en

presencia de una regresión lineal simple cuando una variable independiente ejerce

influencia sobre otra variable dependiente.

Ejemplo: Y = f(x)

Regresión lineal múltiple

La regresión lineal permite trabajar con una variable a nivel de intervalo o razón,

así también se puede comprender la relación de dos o más variables y permitirá

relacionar mediante ecuaciones, una variable en relación a otras variables

llamándose Regresión múltiple. O sea, la regresión lineal múltiple es cuando dos o

más variables independientes influyen sobre una variable dependiente.

Ejemplo: Y = f(x, w, z).

 

FORMULA DE POBLACION FINITA E INFINITA.

Población finita

n= tamaño muestra

z= nivel de confianza 95%= 1.96

p= variabilidad negativa 20

q= variabilidad positiva 80

N= tamaño de la población 300

e= error 0.05

La fórmula es la siguiente:

n= z2Npq/e2(N-1)+z2pq

Considerando que el 2 = cuadrado de tal manera que: z2= z al cuadrado. Para

resolver la fórmula se requiere de una tabla que te dará la cantidad del nivel

de confianza; es decir si eliges un 95% de confianza, esto será igual a .95, se

dividirá entre 2 y te dará .4750 lo que equivale en la tabla 1.96de tal manera que la

fórmula sustituida quedaría:

n= (1.96)2*300(.80)(.20)/(.05)2(299)+(1.92)…

 n= (3.84)300(.80)(.20)/(.0025)(299)n= 184/1.3619 = 135

Poblaciones infinitas

z= 2.24p= .70

q= .30e= .25

n= Z2pq/e2

n=(2.24)2(.70)(.30)/(0.25)2n= 5.0176(.21)/0.000625n= 1.0053696/0.000625n=

1685.9136 = 1686

TIPOS DE TENDENCIA 

Vamos a clasificar los movimientos del mercado en tres tipos de tendencia : 

tendencia alcista: cuando el precio vaya realizando máximos

relativos (o crestas) cada vez más altos, y a su vez los mínimos

relativos (o valles) también sean cada vez más altos que los

anteriores.

Gráficamente:  

tendencia bajista: cuando el precio vaya realizando máximos

relativos (o crestas) cada vez más bajos, y a su vez los mínimos

relativos (o valles) también sean cada vez más bajos que los

anteriores.

Gráficamente:  

tendencia lateral o indeterminada: cuando no encontramos una

secuencia clara entre los máximos y los

mínimos.