Notebook interactivo en R Markdown con desarrollo paso a paso de los fundamentos de la teoría de conjuntos, los axiomas del sistema de los números reales e inducción matemática (Apostol). Elaborado por Jeel Cueva, Profesor Auxiliar - UNHEVAL.

Notebook complementario en R con ejercicios resueltos y propuestos sobre regulación económica: monopolio natural y tarifación optima, regulación de tarifas (tasa de retorno y price cap), discriminación de precios de tercer grado con verificación del índice de Lerner, y practicas anticompetitivas (Cournot, Bertrand y sostenibilidad de carteles). Incluye graficas de las funciones de reacción de Cournot, comparación de regímenes de competencia, y una función reutilizable analizar_cournot() para experimentar con distintos parámetros. Incluye el solucionario completo de todos los ejercicios propuestos.

Notebook complementario en R con ejercicios resueltos y propuestos sobre muestreo probabilístico (aleatorio simple, sistemático, estratificado y por conglomerados) y estadística no paramétrica (Chi-cuadrado, U de Mann-Whitney, correlación de Spearman). Cada ejercicio traduce paso a paso el calculo manual a código de R, y se contrasta con las funciones nativas del lenguaje (chisq.test, wilcox.test, cor.test). Incluye el solucionario completo de todos los ejercicios propuestos.

Script didactico en R para la ensenanza de calculo matricial: creacion de matrices, operaciones basicas, determinante, rango, matriz inversa, sistemas de ecuaciones lineales, autovalores y autovectores. Incluye graficos de interpretacion geometrica y una aplicacion completa a Econometria: estimacion del modelo de Minimos Cuadrados Ordinarios (MCO) en notacion matricial, con una funcion propia para generar la tabla de resultados en formato profesional (coeficientes, R-cuadrado, F-estadistico, Durbin-Watson, Jarque-Bera). Incluye tareas dirigidas para resolver en clase y su solucionario.

Script didactico en R para la ensenanza de probabilidad: construccion de espacios muestrales, definicion de eventos, operaciones (union, interseccion, complemento) y calculo de probabilidades, usando ejemplos con monedas, dados y una baraja inglesa de 52 cartas. Incluye tareas dirigidas para resolver en clase y su solucionario.

Primer notebook de la serie de Estadística Descriptiva en R. Cubre las bases del lenguaje: operaciones aritméticas, variables y tipos de datos, cadenas de texto, vectores, listas y control de flujo, funciones propias, vectorización nativa (equivalente a NumPy), álgebra matricial (inversa, determinante, sistemas de ecuaciones) y gráficas básicas, intermedias y avanzadas (polares, 3D, mapas de calor). MSc. Jeel Cueva.

Notebook completo de Probabilidades en R: experimento aleatorio, espacio muestral, eventos y sus operaciones, leyes de De Morgan, diagramas de Venn, probabilidad Clásica/Frecuentista/Axiomática, probabilidad condicional, independencia, Probabilidad Total y Teorema de Bayes, simulación Monte Carlo y 6 ejercicios propuestos (incluye el Problema de Monty Hall). MSc. Jeel Cueva.

Repaso teórico-práctico en R de las cuatro distribuciones muestrales base del curso Muestreo y Estadística No Paramétrica: Normal, Chi-cuadrado, t de Student y F de Fisher-Snedecor. Incluye definiciones, propiedades, simulaciones que verifican cada resultado teórico, y ejemplos resueltos de intervalos de confianza (varianza, media con sigma desconocida, cociente de varianzas). MSc. Jeel Cueva.

Material de la Sesión 2 del curso de Regulación Económica (UNHEVAL). Desarrolla paso a paso la derivación matemática del equilibrio del monopolista (IMg=CMg), el cálculo de la pérdida irrecuperable de eficiencia (triángulo de Harberger) mediante integrales, y el Índice de Lerner y su relación con la elasticidad-precio de la demanda. Incluye ejemplos numéricos, gráficas y ejercicios resueltos en R.

El presente artículo constituye una guía metodológica exhaustiva para el análisis cuantitativo de activos financieros utilizando datos de acceso público desde Yahoo Finance. Se presenta un flujo de trabajo completo que abarca desde la adquisición programática de datos hasta técnicas avanzadas de modelado estadístico, incluyendo análisis de series temporales, cálculo de métricas de riesgo-retorno, construcción de matrices de correlación, y estimación de modelos de valoración de activos. La metodología implementada utiliza el lenguaje de programación R y paquetes especializados del ecosistema quantmod, garantizando reproducibilidad completa y escalabilidad a múltiples contextos de aplicación. Se presentan ejemplos detallados con activos representativos del mercado estadounidense, aunque el marco es directamente generalizable a cualquier mercado o clase de activo disponible en la plataforma Yahoo Finance. El enfoque adoptado enfatiza tanto el rigor metodológico como la interpretabilidad práctica, proporcionando no solo implementaciones técnicas sino también explicaciones conceptuales profundas de cada etapa del proceso analítico. Esta dualidad hace que el documento sea valioso tanto para investigadores académicos como para practitioners en instituciones financieras.

Análisis econométrico bayesiano completo de activos financieros de alta capitalización (AAPL, GOOGL, MSFT, TSLA, AMZN) mediante algoritmos MCMC (Hamiltonian Monte Carlo). Este estudio implementa modelos de regresión bayesiana con distribuciones a priori débilmente informativas para estimar interdependencias entre retornos logarítmicos diarios del periodo 2021-2026. Incluye: - Descarga automatizada de datos desde Yahoo Finance - Análisis exploratorio de precios y retornos - Estimación mediante Stan (rstanarm) con 4 cadenas MCMC - Diagnósticos exhaustivos de convergencia (trazas, Gelman-Rubin) - Chequeos predictivos posteriores (Posterior Predictive Checks) - Intervalos de credibilidad bayesianos al 95% - Interpretación económica y financiera de coeficientes Palabras clave: Econometría Bayesiana, MCMC, Stan, Finanzas Cuantitativas, Análisis de Riesgo, Correlaciones, Modelos Multivariados, Series Temporales Financieras Clasificación JEL: C11, C32, C58, G11 Código reproducible completo en R Markdown.