TEORIA DE ESPACIOS

La teoría de los espacios vectoriales es independiente de que esos espacios tengan o no

tengan geometría, por eso las propiedades que dependen de la estructura vectoriales son
independientes de su representación. Un espacio vectorial V sobre K, un cuerpo, están
formados por elementos denominados vectores, los cuales pueden sumarse internamente y
también multiplicarse por escalares del cuerpo K (obteniendo de esta multiplicación de
nuevos vectores). De hecho, para que se denomine espacio vectorial tiene que cumplirse
todos los axiomas correspondientes; por un lado, los del grupo abeliano para V con la
suma, y además las propiedades pseudodistributivas, pseudoasociativas y pseudoelemento
neutro.

ANTECEDENTES;

Históricamente, las primeras ideas que condujeron a los espacios vectoriales modernos se
remontan al siglo XVII; geometría analítica, matrices y sistemas de ecuaciones lineales.
Los espacios vectoriales se derivan de la geometría afín, a través de la introducción de las
coordenadas en el plano o el espacio tridimensional. Alrededor de 1636, los matemáticos
franceses Descartes y Fermat fundaron las bases geometría analítica mediante la
vinculación de las soluciones de una ecuación con dos variables a la determinación de una
curva plana. Para lograr usa solución geométrica si usar coordenadas, Bernhard Bolzano
introdujo en 1804 ciertas operaciones sobre puntos, líneas y planos, que son predecesores
de los vectores. Este trabajo hizo uso del concepto de coordenadas baricéntricas de August
Ferdinand Mobius de 1827.

El origen de la definición de los vectores es la definición de Giusto Bellavitis de bipoint,

que es un segmento orientado, uno de cuyos extremos es el origen y el otro un objetico. Los
vectores se reconsideraron con la presentación de los números complejos de Argand y
Hamilton y la creación de los cuaterniones por este último (Hamilton fue además el que
invento el nombre de vector). El tratamiento mediante combinaciones lineales se remonta a
Laguerre en 1857, quien también es definió los sistemas de ecuaciones lineales.

En 1857, Cayley introdujo la notación matricial, que permite una armonización y

simplificación de las aplicaciones lineales. Casi al mismo tiempo, Grassmann estudio
calculo baricéntricas iniciado por Mobius. Previos conjuntos de objetos abstractos dotados
de operaciones. En su trabajo, los conceptos de independencia lineal y dimensión, así como
de producto escalar están presentes. En realidad, el trabajo de Grassmann de 1844 supero el
marco de los espacios vectoriales, ya que teniendo en cuenta la multiplicación, también, lo
llevo a lo que hoy en día se llaman algebras. El matemático italiano Peano dio la primera
definición moderna de espacios vectoriales y aplicaciones lineales en 1888.

TIPOS;
Regresión lineal simple; Es una técnica paramétrica utilizada para predecir variables
continuas, dependientes, dado un conjunto de variables dependientes. Si el conjunto de
datos sigue esas suposiciones, la regresión arroja resultados increíbles, de lo contrario tiene
dificultades para proporcionar una precisión convincente. La primera regresión lineal fue
documentada por el método de los mínimos cuadrados que fue publicada por Legendre en
1805y Gauss profundizo más este método.

Capital Asset Princig Model; Es un modelo para calcular el valor de descuento de una
cartera de inversiones en renta fija. Para activos individuales, se hace uso de la recta
Security Market Line, la cual simboliza el retorno esperado de todos los activos de un
mercado como función de riesgo no diversificable y su relación con el retorno esperado y e
riesgo esperado. Este método fue desarrollado por William Sharpe.
ECONOMETRIA;

La econometría pertenece a la estadística, y se encarga de estimar parámetros económicos,

a través de regresión lienal, es decir, estudia las relaciones entre las variables
macroeconómicas por medio de estadísticas y matemáticas, obteniendo una mejor
comprensión. Además, es una ciencia que estudia los comportamientos de las variables y de
los consumidores, partiendo de una serie de datos y verificando una serie de hipótesis. Se
basa en analizar los factores que afecten a alguna variable que forma parte del proceso
económico, como, por ejemplo, el comportamiento de la edad en los salarios de los
trabajadores.
CUARTETO DE ANSCOMBE;

El cuarteto de Anscombe comprende cuatro conjuntos de datos que tienen las mismas
propiedades estadísticas, pero que evidentemente son distintas al inspeccionar sus grafios
respectivos. Cada conjunto consiste de once pares de puntos (X,Y) y fueron construidos por
el estadístico F. J. Anscombe. El cuarteto es una demostración de la importancia de mirar
gráficamente un conjunto de datos antes de analizarlos.

HOMOCEDASTICIDAD;

Es una propiedad deseable de los errores de un modelo de regresión simple. La

homocedasticidad, nos permite realizar modelos mas fiables, y con esta fiabilidad se ve
reflejada en que sea mucho más fácil para los económetras con el modelo. Tal como se
indica en el articulo de la heterocedasticidad, existen ciertas consecuencias de que un
modelo no cumpla la hipótesis de homocedasticidad. Recordemos que, si un modelo no
cumple con el supuesto de homocedasticidad, entonces sus errores tienen
homocedasticidad.
REGRESOSRES ESTOCASTICOS;

Es un concepto matemático que sirve para representar magnitudes aleatorias que vairan con
el tiempo o para caracterizar una sucesión de variables aleatorias, que evolucionan en
función de otra variable, generalmente en tiempo. Cada una de las variables aleatorias del
proceso tienen su propia función de distribución de probabilidad y pueden o no estar
correlacionadas entre sí. Cada variable o conjunto de variables sometidas a influencia o
efectos aleatorios constituye un proceso estocatico.
REGULARIZACION DE TIKHONOV;

Es un método de regularización de problemas mal planteados, la regresión de crestas es un

caso especial de regularización de Tikhonov en el que todos los parámetros se regularizan
por igual. La regresión de crestas es particularmente útil para mitigar el problema de la
multicolinealidad en la regresión lineal, que ocurre comúnmente en modelos con un gran
número de parámetros, en general, el método proporciona una mayor eficiencia en los
problemas de estimación de parámetros a cambio de una cantidad tolerable de sesgo.
BIBLIOGRAFIAS;

Juste, C. A. (2022, 15 julio). Modelo de valoración de activos financieros (CAPM).

Economipedia. Recuperado 18 de julio de 2022, de

https://economipedia.com/definiciones/modelo-valoracion-activos-financieros-

capm.html#:%7E:text=El%20modelo%20CAPM%20

Gonzalez, L. (2020, 20 agosto). Regresión Lineal Simple - Teoría. 🤖 Aprende IA.

Recuperado 18 de julio de 2022, de https://aprendeia.com/algoritmo-regresion-

lineal-simple-machine-learning/

L. (2014, 9 junio). Historia Del Espacio Vectorial. Documentos de Investigación -

LAZITHAA. Recuperado 18 de julio de 2022, de

https://www.clubensayos.com/Temas-Variados/Historia-Del-Espacio-Vectorial/

1795917.html

Qué es la Econometría | Glosario. (2020, 29 mayo). Billin. Recuperado 19 de julio de

2022, de https://www.billin.net/glosario/definicion-econometria/

López, J. F. (2021, 9 marzo). Homocedasticidad. Economipedia. Recuperado 19 de julio de

2022, de https://economipedia.com/definiciones/homocedasticidad.html#:

%7E:text=La%20homocedasticidad%20es%20una%20caracter%C3%ADstica,a

%20lo%20largo%20del%20tiempo.

tok.wiki. (s. f.). Regularización de Tikhonov HistoriayRegularización de Tikhonov. Hmong.

Recuperado 19 de julio de 2022, de https://hmong.es/wiki/Tikhonov_regularization