domingo, abril 16, 2006

Curso: Tasaciones Econométricas de Inmuebles Urbanos

Título: Tasaciones Econométricas de Inmuebles Urbanos.
Lugar y Fecha: A convenir
Carga Horaria: Treinta y dos (32) Horas Académicas
Asistencia: Presencial en dos (02) fines de semana, con un fin de semana intermedio para descanso.
Horario: Viernes de 9 a.m. a 12:30 p.m. y de 2:00 a 5:30 p.m.
Sábado: 9 a.m. a 12:30 p.m. y de 2:00 a 5:30 p.m.
Participantes: Veinte (20) mínimo - Treinta (30) máximo
Requisitos: Conocimientos Básicos de Estadística, Matemáticas y Tasación de bienes inmuebles urbanos.
Requerimientos: Un computador para cada dos participantes, data show, pizarra blanca, pantalla y computador. Conexión a Internet.
Incluye: Material del Curso, Certificado y Refrigerios.
Docente: Miguel Camacaro Pérez.
M.Sc. en Gerencia de la Construcción
Ingeniero Civil – Tasador

INFORMACIÓN SOBRE EL CURSO

Objetivo:
El curso tiene como objetivo facilitar las herramientas y conocimientos para actualizar a los tasadores sobre el uso de la econometría en la tasación de bienes inmuebles urbanos, aplicando técnicas de modelaje mediante la Inferencia Estadística con base en la regresión lineal múltiple e introduciendo el uso de las Redes Neuronales Artificiales como mapeadores universales de funciones económicas.

Dirigido a:
Profesionales de la Ingeniería y Arquitectura con experiencia en el área o estudiantes de los cursos de formación profesional en Tasación Inmobiliaria.

Contenido Programático:

Nivelación de Conocimientos Matemáticos - Cuatro (04) Horas
o Funciones.
o Función Exponencial – Propiedades.
o Función Potencial – Propiedades.
o Función Logarítmica – Propiedades.
o Límites – Teoremas.
o Derivadas – Propiedades.
o Integrales – Clasificación y Propiedades.
o Sumatorias – Propiedades.
o Teoría sobre el enfoque Matricial.
o Ecuaciones Lineales .
o Probabilidades.

La Tasación Inmobiliaria – Cuatro (04) Horas
o Antecedentes Bíblicos y conceptos: Tierra y Bienhechurías.
o Bienes Inmuebles y sus Características.
o El Mercado Inmobiliario y sus Componentes.
o Imperfección del Mercado Inmobiliario.
o Productos y Operaciones Inmobiliarias.
o Fuerzas que Participan en el Mercado Inmobiliario.
o Factores que Influyen en el Mercado Inmobiliario
o Fuentes de Información Inmobiliaria.
o Valor de Inmobiliario.
o Ingeniería de Tasación.
o Clasificación de los Activos Inmobiliarios.
o Métodos de Tasación.
o Método Comparativo de Datos de Mercado.
o Técnicas de Homogeneización.
o Sistemas Normalizados de Tratamientos de Datos.
Econometría – Dos (02) Horas
o Conceptos.
o Reglas de Oro.
o Lineamientos.
o Econometría y Modelos.
o Esquema de un Modelo Econométrico.
o Finalidad de un Modelo Econométrico.
o Requisitos Previos de un Modelo Econométrico.
o Especificación de un Modelo.
o Tipos de Modelos Econométricos.
o Modelos Estadísticos.
o Modelos de Precios Hedónicos.
o Ecuación de Precios Hedónicos.

Inferencia Estadística – Seis (06) Horas
o Concepto.
o Población y Muestra.
o Parámetros y Estadísticos.
o Propiedades de los Estimadores.
o Pruebas de Hipótesis.
o Antecedentes Matemáticos.
o Estadística Descriptiva.
o Ajuste de Curvas.
o Análisis de Regresión.
o Tipos de Información.
o Terminología y Notación.
o Variable: Definición y Principios Básicos.
o Escala de Medición de Variables.
o Variable Dependiente e Independiente.
o Variables Independientes en el Mercado Inmobiliario.
o Clasificación de las Variables (Cuantitativa, Cualitativa, dicotómicas y Proxy).
o Funciones entre Variables.
o Representación Gráfica de las Funciones.
o Métodos de los Mínimos Cuadrados Ordinarios.
o Método de Máxima Verosimilitud.
o Variable Aleatoria.
o Distribución de Probabilidad.
o Distribución Normal.
o Distribución t de Student
o Distribución F de Snedecor.

Modelo de Regresión Lineal (MRL) – Seis (06) Horas
o Linealidad en las Variables y en los Parámetros.
o Tabla comparativa de MRL y MRNL
o Función de Regresión.
o Supuestos iniciales del MRL
o Los Errores y su importancia en el MRL.
o Heterocedasticidad: Causas, Consecuencias, Métodos para Detectarla y Soluciones.
o Normalidad: Métodos para Detectarla y Soluciones.
o Autocorrelación.
o Colinealidad o Multicolinealidad: Causas, Consecuencias, Métodos para Detectarla y Soluciones.
o Supuestos de Especificación de MRL.
o Errores de Especificación: Causas y Consecuencias.
o Observaciones Atípicas: Outliers y Puntos Influyentes.
o Forma Gráfica de Detectar los Puntos Atípicos y su interpretación Gráfica.
o Análisis e Interpretación de Gráficos Estadísticos.
o Análisis del Ajuste de los MRL.
o Coeficiente de Correlación.
o Coeficiente de Determinación.
o Coeficiente de Determinación Ajustado.
o Significancia Individual de los Regresores.
o Significancia Global del Modelo.
o Intervalo de Confianza.
o La Extrapolación.
o Fundamentación y Precisión de los MRL.
o Transformación de las Variables.
o Linealización de las Variables.
o Ecuaciones Transformadas.
o Diferentes Curvas y sus Ecuaciones.
o Trasformaciones utilizando el SisReN Windows.
o Regresión vs. Estimación.
o Interpretación de Modelos.
o Selección del Mejor Conjunto de Variables (Forward, Backward y Stepwise)
o Todas las Regresiones Posibles.
o Guía Básica para las Tasaciones usando Regresión
o
Soluciones Estadísticas Prácticas – Cuatro (04) Horas
o Caso 1 – Investigación de Datos
o Caso 2 – Una variable adicional.
o Conclusiones e Interpretación de Resultados.
o Representación Gráfica.

Aplicaciones Específicas – Cuatro (04) Horas
o Ejercicio Didáctico del MRL Simple (sin uso de computadora).
o Solución del Ejercicio a través del EXCEL - Microsoft. (Estimación Lineal y Análisis de Datos – Regresión) .
o Ejercicio del MRL Múltiple aplicando Excel y Essential Regression - Microsoft.
o Ejercicio Comparativo de Transformación de las Variables.
o Ejercicio de Regresión Múltiple.

Introducción a las Redes Neuronales Artificiales – RNA – Dos (02) Horas
o Concepto.
o Historia.
o Neurona Biológica
o Sinapsis.
o Analogía entre Neuronas Biológicas y Artificiales.
o Cuadro Comparativo de Neuronas.
o ¿Por qué Redes Neuronales Artificiales?
o Características de las RNA.
o Capacidad de las RNA.
o Aplicaciones de las RNA.
o Arquitectura de las RNA’s.
o Modelo MCP
o Conceptos Básicos del MCP
o Red Perceptron.
o Modelos MCP – Entrenamientos
o Modelo Adaline
o RNA Desarrollo, Aprendizaje y Entrenamiento
o El SisReN y las RNA’s.
o Funciones de Activación.
o Conjunto de Datos y Pre - Procesamiento
o Aprendizaje.
o Backpropagation – Entrenamiento.
o Instrucciones del SisReN.
o Salidas, Soluciones e Interpretaciones.
o Todas las Regresiones Posibles.
o Guía Básica para las Tasaciones usando Regresión
o Ejercicio de Regresión Múltiple y RNA aplicando el Software SisReN Windows.