Documentos de Trabajo 2020
DT_02_20:Extensiones al modelo de segregación de Schelling, primera parte.
-
- Gonzalo De-Armas, Silvia Rodrı́guez-Collazo ,Ramón Álvarez-Vaz,Hugo Carrasco,Daniel Ciganda
- Abril 2020
El presente artı́culo presenta los primeros resultados de una serie de trabajos donde se proponen extensiones al modelo de segregación de Schelling, uno de los modelos clave en la génesis y desarrollo de los Modelos Basados en Agentes (MBA) y la Teorı́a de los Sistemas Complejos.
En este primer trabajo se introduce el modelo de Schelling, se resumen algunas de las extensiones mas relevantes que se han propuesto hasta el momento y seproponen 4 nuevas extensiones. Para monitorear los resultados de que cada modelo se utilizan un conjunto de indicadores o métricas que permiten evaluar el grado de segregación obtenido y la trayectoria seguida en cada caso. De estos ejercicios se desprenden un conjunto de resultados, por ejemplo, que la incorporación de preferencias individuales aleatorias, no necesariamente profundiza los resultados en términos de segregación. Por otro lado, la inclusión de un mecanismo de retroalimentación a partir del cual los agentes se vuelven menos tolerantes a medida que la segregación se incrementa genera dinámicas interesantes. En este escenario, la reducción de oportunidades de intercambio entre las distintas clases/grupos/etnias que conviven en el espacio urbano conduce a la estereotipación y estigmatización mutua, dando lugar a que la formación de pequeños guetos, incluso en presencia de agentes inicialmente muy tolerantes, pueda desencadenar un proceso que termine con un espacio urbano altamente segregado y con muy bajos niveles de tolerancia entre grupos. El trabajo utiliza el lenguaje de programación R para implementar el modelo, realizar las simulaciones y el análisis de escenarios. Todos los archivos necesarios para reproducir los resultados presentados están disponibles en: https://gitlab.com/iesta.fcea.udelar/extensiones-al-modelo-de-segregaci-n-de-schelling .
Palabras clave: Modelos computacionales, modelos basados en agentes, simulación, segregación espacial, Schelling.
DT_01_20 “Caracterización del gasto de cruceristas en Uruguay mediante técnicas de datamining.”
-
- Ramón Álvarez-Vaz; Silvia Altmark
- Febrero 2020
Desde la temporada 2005-2006 a la 2017-2018, el turismo de ruceros en Uruguay ha crecido 118 % en cantidad de cruceristas y 81 % en divisas. Dado su aporte a la economı́a uruguaya, es importante caracterizar el gasto de los cruceristas. El artı́culo presenta una caracterización del gasto de cruceristas que visitan Uruguay, aplicando metodologı́as relacionadas con datamining, a los datos de cruceros de la temporada 2010-2011 del Ministerio de Turismo. Las variables consideradas para conformar los grupos son el gasto per cápita en Alimentación, Tours y Shopping. Se aplica, el algoritmo de k-means sobre las variables de gastos en escala original, el método PAM sobre las variables de gasto en proporciones y un algoritmo jerárquico de Ward, considerando si existe o no gasto en cada rubro. Las tipologı́as se asocian con las caracterı́sticas socio-demográficas de los cruceristas. Las tres metodologı́as aplicadas arrojan resultados similares en cuanto a la caracterización de turistas.
Palabras claves: Clusters, cruceros, datamining, gasto.
Documentos de Trabajo 2019
DT_19_01 “Aplicación del análisis de redes para el estudio del gasto en turistas de cruceros en Uruguay para la temporada 2010-2011”.
-
- Ramón Álvarez-Vaz; Silvia Altmark
- Abril 2019
Desde hace casi 10 años el turismo de cruceros en Uruguay viene creciendo, determinando un importante aporte de divisas cada temporada (abril a octubre de cada año) y para eso es necesario poder caracterizar las variables económicas involucradas en esta actividad, en particular, el gasto. Para este trabajo se comparan la tipologı́a surgida de aplicar métodos de clusters jerárquicos y no jerárquicos, con la que surge al aplicar el análisis de redes (SNA) a los datos del gasto en cruceristas. A partir de los datos de las temporadas 2010-2011, del Ministerio de Turismo y Deporte, obtenidos de una muestra de pasajeros a través de una encuesta cara a cara con diseño muestral complejo, los autores ya habı́an construido una tipologı́a de cruceristas creadas al aplicar el algoritmo de Ward sobre distancias para variables binarias (gasta o no gasta) en 5 rubros.
Para evaluar como funciona el análisis de redes se seleccionan 4 cruceros, (según el tamaño de cada uno) sobre los que, a partir de los gastos binarios, se construyen grafos y sobre las que se aplican las diferentes métricas para la descripción de los mismos. Se estudia la asociación de las caracterı́sticas socio-demográficas de los cruceristas con la tipologı́a previa de gastos y las comunidades identificadas con el SNA para identificar eventuales patrones de comportamiento al cambiar de tipo de crucero.
Palabras claves: Análisis de Redes, Clustering, Gastos de Cruceristas, Métricas.
DT_19_02“Caracterización de las desigualdades en salud bucal para escolares de 12 años de Montevideo”.
-
- Ramón Álvarez-Vaz
- Mayo, 2019
La reducción de las desigualdades socioeconómicas en salud oral para el 2020 dentro los paı́ses es una meta de la OMS. Por lo tanto, el monitoreo de las desigualdades socioeconómicas en salud oral es importante para evaluación de esta meta. En el contexto de la evaluación de las desigualdades en salud se propone contar con una metodologı́a de análisis alternativa a la usada habitualmente en los estudios epidemiológicos en Odontologı́a, que permita crear indicadores fáciles de ser medidos e interpretados para la toma de decisiones clı́nicas y de gestión en servicios de salud bucal, ayudando a reorientar la toma de decisiones de polı́ticas en salud púbica hacia un abordaje más equitativo. A partir de una baterı́a de medidas de desigualdad habitualmente usadas en el campo de la Economı́a, como las medidas de entropı́a y divergencia estadı́stica basadas en la teorı́a de la información, se presentan una serie de ı́ndices basados en rangos, ı́ndices de disparidad, ı́ndices de concentración para medir brechas entre diferentes Unidades Geodemográficas (UG).
Esta metodologı́a de análisis alternativa a la usada habitualmente en los estudios epidemiológicos en Odontologı́a, permitirı́a crear indicadores fáciles de ser medidos e interpretados para la toma de decisiones clı́nicas y de gestión en servicios de salud bucal, ayudando a reorientar la toma de decisiones de polı́ticas en salud púbica hacia un abordaje más equitativo. En una encuesta poblacional de Salud Bucal de escolares de 12 años de la ciudad de Montevideo a través de 4 Escenarios, 1 basal y otros 3 que suponen diferentes forma de intervención para abatir la tasa de CARIES, muestran que trabajando a nivelde las escuelas UG las brechas que hay no son muy importantes, tanto que se considere el nivel socioeconómico, como que se prescinda del mismo, lo que sugiere no trabajar con UG naturales, teniendo que tener una clasificación de escuelas a través de algún método de clustering. En cambio si se trabaja a nivel individual agregado, las brechas que parecı́an no existir aparecen, mostrando resultados muy diferentes, que además son buenos trazadores para fijar las polı́ticas de intervención.Como trabajo a futuro, para los 4 escenarios (1 basal y los otros 3), trabajando a nivel individual, mediante Simulación Monte Carlo, sepropone evaluar como impactan las variaciones hechas para cada escenario en las medidas de desigualdad, para lo cual se sugiere trabajar modelando la tasa de Caries mediante la distribución Beta, simulando a nivel individual la patologı́a en cada escenario.
Palabras claves: Brechas, Desigualdad, Disparidad, Entropı́a, Salud Bucal.
DT_19_03 “Indicadores de rentabilidad y competitividad del turismo receptivo en Uruguay”.
-
- María José Alonsopérez; Silvia Altmark; Karina Larruina; Gabriela Mordecki
- Agosto, 2019
El sector turístico, como sector clave de la economía del Uruguay que, en 2018, aportó 8% al Producto Interno Bruto, 6,5% al total de puestos de trabajo, 19% a las exportaciones totales y 44% a las de servicios, requiere indicadores de rentabilidad y de competitividad, para la mejor toma de decisiones de operadores públicos y privados.
Este tipo de indicadores no se elaboran a nivel oficial, pero existen antecedentes en la Facultad de Ciencias Económicas, en el marco de Proyectos de investigación de la Comisión Sectorial de Investigación Científica de la Universidad de la República, de los años 2008 y 2011, en los cuales se diseñó una metodología para la construcción del Índice de Precios al Consumo Turístico (IPCTur) del Tipo de Cambio Real Turístico (TCRTur) con Argentina, con Brasil y con la región, los cuales fueron calculados se pueden definir como indicadores de rentabilidad y competitividad respectivamente.
A partir de las series de ambos indicadores para el período enero de 2000 a diciembre de 2011, en base a esa metodología y luego de una revisión de antecedentes en la temática, se llevó a cabo la actualización de los indicadores de precios y tipo de cambio, desde enero de 2012 hasta junio de 2018. Obtenidos y consistenciados los datos necesarios para los índices, se realizó el cálculo de los indicadores mensuales IPCTur e ITCRTur para los tres países y, en el caso del ITCRTur, el Regional, con frecuencia trimestral, para el período enero de 2000 a junio de 2018.
Se pretende mantener actualizada la metodología de elaboración de estos indicadores y calcularlos para el período enero 2012 a junio de 2018. Los resultados obtenidos indican que, comparativamente, los índices de precios de consumo turístico para los tres países evidencian paridad hasta 2010 y, a partir de 2011, la tendencia creciente de los precios en Argentina, muy por encima de los de Brasil, y Uruguay, con un salto de magnitud desde 2015 en adelante. Analizando la evolución de los Tipos de Cambio Reales Turísticos de Uruguay con Argentina y con Brasil, se aprecia que la competitividad del Uruguay con Argentina es menor que con Brasil a partir del 2002, manteniéndose esta diferencia a lo largo de todo el período analizado. En cuanto al índice de competitividad regional, entre enero de 2000 y junio de 2018, se evidencia una tendencia decreciente, con caídas sustantivas en el segundo trimestre de 2002, primer trimestre de 2009, tercer trimestre de 2013 y todo el 2014 y en el primer semestre de 2018; se dan algunos picos de crecimiento, en segundo trimestre de 2003, cuarto trimestre de 2010 y segundo trimestre de 2016, pero con valores muy por debajo de los alcanzados en los años 2000 y 2001.40
Palabras claves:Competitividad, Índices de precios, Tipo de cambio real, Turismo.
DT_19_04 “Análisis de los métodos de estimación de curvas de rendimiento en deuda soberana aplicados en Uruguay”.
-
- Andrés Sosa
- Setiembre, 2019
Las curvas de rendimiento en la deuda soberana brindan la relación entre las tasas de rendimiento de los activos que la componen con respecto a su vencimiento. La modelación es de vital importancia en la macroeconomı́a, las finanzas en general y en el contexto de la polı́tica monetaria. El trabajo se enfoca en analizar el comportamiento de los métodos estáticos que son utilizados en Uruguay. Basicamente, se observa que estos métodos utilizados pueden ser inestables cuando se utilizan pocos precios de activos transados -en la estimación -situación que puede corresponder a Uruguay-. Se propone examinar otro enfoque de estudio al utilizar modelos que tengan en cuenta la dinámica en las curvas de rendimiento.
Palabras claves:B-splines,Curva de rendimiento,Deuda soberana, Modelos estáticos.
DT_19_05 “Aplicación de diferentes tablas de mortalidad para el Cálculo del Valor Presente Actuarial”.
-
- Gonzalo De-Armas, Ramón Álvarez-Vaz
- Octubre, 2019
En el contexto de un convenio realizado con una institución financiera uruguaya, se planteo el análisis del cálculo actuarial del valor presente de un beneficio a otorgarse a sus empleados bajo la condición de aportación durante 25 años a una caja colectiva. La normativa actual exige que para el cálculo del valor presente actuarial del beneficio se utilice una tabla de mortalidad autorizada por la superintendencia del Banco Central del Uruguay (BCU).
En la presente investigación se plantea analizar que sucederı́a con dicho valor presente si en lugar de utilizar dicha tabla se utiliza la tabla proporcionada por el Instituto Nacional de Estadı́stica (INE) para la población general como también usar las proyecciones de mortalidad hechas por el INE hasta el 2050, para determinar si hay cambios relevantes en la reserva que deberı́a tener dicha institución financiera con la finalidad de hacer frente a estas obligaciones. Se entiende que la tabla de mortalidad del BCU se aproxima mejor a las probabilidades de fallecimiento dadas las caracterı́sticas de sus afiliados a la caja, que utilizar una tabla para población general proporcionada por el INE, sin embargo las tablas proyectadas por el INE incluyen en sus cálculos las proyecciones de aumento de la probabilidad de sobrevida de las personas en general.
Para trabajar con tablas comparables es que previo a realizar los cálculos actuariales por métodos de simulación Monte Carlo, se utilizan la técnica de interpolación a fin de extender las tablas de mortalidad publicadas por el INE, para que incluyan como edad máxima de sobrevida los 110 años, en lugar de los 100 años originales. Se obtuvo como resultado que la distribución de la suma del VPA de los beneficios utilizando la tabla del BCU no presenta diferencias relevantes respecto al uso de tablas proyectadas por el INE en cambio presenta diferencias al utilizar una tabla única para el año en curso.
Palabras claves: Interpolación, Tabla de Mortalidad, Simulación, Valor Presente Actuarial.
DT_19_06 “Comparación Del Vpa De Una Renta De Vida A Través De Distintas Tablas De Mortalidad”.
-
- Gonzalo De-Armas, Ramón Álvarez-Vaz
- Noviembre, 2019
El propósito de esta investigación es estudiar las diferencias obtenidas al evaluar el Valor Presente Actuarial (VPA) de un beneficio que se paga a los funcionarios de una institución financiera, con la cual la UDELAR realizó un convenio. Este beneficio consiste en el pago de una renta de vida con valor $U 463 (pesos uruguayos) actualizables por inflación. El Banco Central del Uruguay (BCU) a través de la superintendencia de seguros, establece que para realizar la evaluación del VPA para este tipo de población objetivo, se utilice una tabla de mortalidad diferente a la publicada por el Instituto Nacional de Estadı́stica (INE) para la población general. En esta tabla se presume que la población beneficiaria esté expuesta a una mortalidad inferior que resulta de considerar el total de la población.
Sin embargo, el INE mediante la proyección de las tasas especı́ficas de mortalidad ha construido tablas de mortalidad para el periodo 2012-2050, y como se puede presumir que, en el contexto de la transición demográfica, las mortalidades especificas sigan cayendo en las próximas décadas principalmente mediante la caı́da de las mortalidades especı́ficas en edades avanzadas. Es por este aspecto que, si bien la tabla publicada por el BCU pueda resultar más apropiada para la población en estudio, la misma no se actualiza año a año para recoger este descenso de la mortalidad especı́fica, como sı́ lo hace la del INE. Esta investigación busca comparar mediante simulación Monte Carlo la distribución empı́rica del VPA del beneficio mencionado aplicando tanto la tabla autorizada por el BCU con las del INE con las proyecciones del descenso de la mortalidad para los próximos años.
Palabras claves: Renta de Vida, Tabla de Mortalidad, Transición Demográfica, Valor Presente Actuarial.