UNIVERSIDAD AUTÓNOMA DE MADRID DPTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I HOJA 2. Problemas
|
|
- Milagros Alvarado Farías
- hace 8 años
- Vistas:
Transcripción
1 UNIVERSIDAD AUTÓNOMA DE MADRID DPTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I HOJA 2 Problemas 1. Supongamos que se dispone de una muestra de n = 5 individuos, con la que se quiere estudiar la relación entre una variable dependiente Y y dos regresores X 1 y X 2. La información disponible de la muestra es la siguiente: Medias muestrales: y = 3, x 1 = 1, x 2 = 4 5 Cuasivarianzas muestrales: s 2 y = 9, s 2 x 1 = 5 4, s2 x 2 = 7 10 Cuasicovarianzas muestrales: s x1,x 2 = 3 4, s y,x 1 = 5 4, s y,x 2 = 2 El modelo generador de los datos es Y i = β 0 + β 1 X 1i + β 2 X 2i + u i i = (1) donde se cumplen los supuestos ampliados de MCO. Se considera también el modelo Y i = β 0 + β 1 X 1i + v i i = (2) en el que se asumen a priori los supuestos ampliados de MCO a) Estimar los parámetros de los modelos (1) y (2) por MCO, y dar una medida del error estándar de dichas estimaciones. b) Estimar de nuevo los parámetros, así como su error estándar en el caso s x1,x 2 = 0 c) Explicar si las estimaciones de los efectos causales obtenidas en los apartados anteriores son insesgadas, y en caso negativo, dar una estimación del sesgo. 2. Considere el siguiente modelo de regresión donde se cumplen las hipótesis habituales de MCO: Y i = β 0 + β 1 X i + u i i = 1... n (3) donde Y i se mide con error por lo que se dispone de datos Ỹ i = Y i + w i (4) 1
2 donde w i son independientes con media cero, varianza constante y momentos de cuarto orden nitos, y además independientes de Y i y X i. Considere ahora el modelo donde v i es el término de error. a) Demuestre que v i = u i + w i. Ỹ i = β 0 + β 1 X i + v i i = 1... n (5) b) Demuestre que el modelo (5) satisface las hipótesis habituales sobre el modelo. c) ¾Es el estimadores MCO consistente? d) ¾Se pueden construir los intervalos de conanza de la manera habitual? e) Comente la siguiente armación:. El error de medida en la variable X es un problema grave. El error de medida en la variable Y no lo es". 3. En el estudio de los salarios de las mujeres, se encontró la siguiente paradoja. Utilizando una muestra aleatoria de mujeres trabajadoras de EE.UU, se estimó la regresión de los salarios sobre el número de hijos y un número de variables de control (edad, educación, ocupación...). Se encontró que las mujeres con más hijos ganan más. Explique esta paradoja. (Esta paradoja motivó la investigación de James Heckman sobre selección de muestra que le llevó a obtener el premio Nobel en el año 2000). CUESTIONES DE EXAMEN (justicar todas las respuestas) 1. ¾Cuál de los siguientes problemas no supone un inconveniente a la hora de validar un modelo internamente? a) Cometer el error a la hora de estimar una forma funcional equivocada. b) Tener sesgo de selección en la muestra. c) Introducir una variable no signicativa en el modelo. d) Tener sesgo por recabar la información de manera irregular. 2. ¾Cuál de las siguientes circunstancias puede provocar sesgos en el estimador MCO? a) Multicolinealidad aproximada. b) Regresores ortogonales. 2
3 c) Multicolinealidad exacta. d) Omisión de variables relevantes. 3. Sea el modelo de regresión y i = β 1 s i +β 2 l i +β 3 x i +u i donde y i representa el consumo de alcohol en los bares de una determinada Comunidad Autónoma, x i la renta agregada de los clientes, s i toma el valor 1 si el bar está en zona urbana y 0 en caso contrario, y l t toma el valor 1 si el bar está en zona rural y 0 en caso contrario. Se dispone de una muestra de bares de 100 municipios. Suponiendo que u i cumple las hipótesis habituales, entonces: a) Solamente se puede obtener el estimador MCO del parámetro β 3 y de la combinación (β 1 + β 2 ). b) El modelo no puede estimarse tal cual está, puesto que no tiene término constante. c) Hay multicolinealidad exacta, por lo que no pueden estimarse todos los parámetros del modelo. d) Ninguna de las anteriores. 4. Sea el siguiente modelo de regresión lineal Y i = β 0 + β 1 X 1i + β 2 X 2i + β 3 X 3i + u i, donde Y mide el consumo diario de alcohol, X 1 es una variable binaria que vale 1 para hombres y 0 para mujeres, X 2 son las horas diarias trabajadas y X 3 son las horas diaras dedicadas a cualquier otra actividad distinta del trabajo (ocio/descanso). ¾Cuál de las siguientes armaciones es correcta? a) La presencia del término constante y la variable binaria X 1 provoca multicolinealidad exacta. b) La presencia del término constante y las variables X 2 y X 3 provoca multicolinealidad exacta ya que X 2 + X 3 = 1. c) La presencia del término constante y las variables X 2 y X 3 provoca multicolinealidad exacta ya que X 2 + X 3 = 24. d) La matriz de datos es de rango completo. 5. Considere los siguientes modelos de regresión: Y i = β 0 + β 1 X 1i + u i Y i = λ 0 + λ 1 X 1i + λ 2 X 2i + u i donde Y es el salario de los trabajadores, X 1 su nivel educativo y X 2 su coeciente de inteligencia. Considere el estimador de β 1. ¾Cuál de las siguientes armaciones es correcta? 3
4 a) Dicho estimador será sesgado si corr(x 1, X 2 ) = 0 y λ 2 = 0 b) Dicho estimador será sesgado si corr(x 1, X 2 ) 0 y λ 2 = 0 c) Dicho estimador será sesgado si corr(x 1, X 2 ) = 0 y λ 2 0 d) Dicho estimador será sesgado si corr(x 1, X 2 ) 0 y λ Si en la estimación de un modelo por MCO, los estadísticos de los contrastes de signicación individual son mayores (en valor absoluto) que los valores críticos correspondientes, y el estadístico del contraste de signi.cación global es menor que el valor crítico correspondiente, podemos armar que: a) Hay indicios de multicolinealidad b) Hay indicios de autocorrelación c) Hay indicios de heteroscedasticidad d) No hay indicios de ninguno de los problemas anteriores 7. En una regresión que relacione la cantidad de un bien con su precio, ¾qué ecuación estimamos de forma consistente por MCO? a) La ecuación de demanda b) La ecuación de oferta c) Tanto la ecuación de demanda como la ecuación de oferta d) Ninguna de las anteriores PRÁCTICAS CON E-VIEWS Regresión múltiple; multicolinealidad, accidentes de tráco ESTUDIO DE LOS DATOS 1. Abrir el chero de trabajo de E-Views que contiene los datos anuales de accidentes en carretera del artículo "The relationship between road trac accidents an real economic activity in Spain: Common cycles and health issues", de A. García Ferrer, A. de Juan y P. Poncela, Health Economics (2007), 16, Leer las secciones Introducction, Data Description y Health Issues. 2. Realizar el estudio descriptivo de las variables a analizar. Comentar las medias y desviaciones típicas de las variables FAT, INJ, ACC. Elaborar grácos de cada una de estas variables frente al tiempo. ¾Qué se puede decir sobre la tendencia de estas variables? 4
5 3. Para cada una de las variables anteriores, generar 2 nuevas variables de acuerdo con las siguientes ecuaciones: dlx = d ln(x, 1) = ln x t x t 1 = ln(x t ) ln(x t 1 ) tvx = x t x t 1 x t 1 Qué diferencias se pueden apreciar entre ambas aproximaciones a las tasas de variación?¾para qué valores se parecen menos? 4. Repetir el apartado 2 para las tasas de variación de las variables FAT, INJ y ACC. Identicar los períodos de crecimiento positivo y negativo de cada una de las variables. 5. Repetir los apartados 2, 3 y 4 para las variables CGAS, CDIESEL, NUVE, IPI, AUTOVIAS y AUTOPISTAS. ¾Qué reejan las variables IPI y NUVE? ¾Y CGAS y CDIESEL? 6. ¾Qué tipo de datos estamos analizando?¾qué hipótesis sobre el modelo de regresión múltiple NO cumple(n) estos datos? MODELOS ANUALES DE ACCIDENTES DE TRAFICO 1. Utilizando MCO, estimar la regresión de la tasa de variación de accidentes sobre una constante y la tasa de variación del IPI. ¾Cuánto vale la pendiente estimada? Construir un intervalo de conanza al 95 % para este coeciente. ¾Cuánto vale el coeciente de determinación? ¾Cómo se interpreta la pendiente? 2. Repetir la estimación anterior utilizando el estimador de Newey-West para la matriz de varianzas-covarianzas. ¾Han cambiado sensiblemente las conclusiones del apartado anterior? 3. Utilizando MCO, estimar la regresión de la tasa de variación de accidentes sobre una constante y la tasa de variación de NUVE. ¾Cuánto vale la pendiente estimada? Construye un intervalo de conanza al 95 % para este coeciente. ¾Cuánto vale el coeciente de determinación? 4. Utilizando MCO, estimar la regresión de la tasa de variación de accidentes sobre una constante y las tasas de variación de NUVE e IPI. ¾Cómo se interpretan estos coecientes? Construye intervalos de con- anza al 95 % para estos coecientes. ¾Cuánto vale el coeciente de determinación?. 5. Cuánto vale el coeciente de correlación entre las tasas de variación de NUVE e IPI? ¾Qué problema pueden presentar estos datos? 5
6 6. Utilizando MCO, estimar la regresión de la tasa de variación de accidentes sobre una constante y las tasas de variación de NUVE, IPI, CGAS, CDIESEL, AUTOPISTAS y AUTOVIAS. Construye intervalos de conanza al 95 % para estos coecientes. ¾Cómo se interpretan estos coecientes? ¾Cuánto vale el coeciente de determinación? ¾Son todas las variables signicativas individualmente? ¾Y el modelo en conjunto? ¾Tienen todos los coecientes el signo esperado? ¾Pueden presentar los datos algún problema? 7. Contrastar que el tipo de vía no inuye en la tasa de accidentes. 8. Enumerar brevemente todo lo que se ha aprendido en esta práctica. 6
UNIVERSIDAD AUTÓNOMA DE MADRID DEPARTAMENTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I. Hoja de Problemas 3 Problemas
UNIVERSIDAD AUTÓNOMA DE MADRID DEPARTAMENTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I Hoja de Problemas 3 Problemas 1. Considera el modelo de regresión con un solo regresor Y i = 0 + 1 X i
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesFundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I
Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 5.2 Estimadores de Variables Instrumentales La endogeneidad aparece
Más detallesUNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL
UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características
Más detallesAnálisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias
Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía
Más detallesUniversitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011
Econometría I Examen Final 1 Universitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011 Este examen consta de un total de 50 puntos.
Más detallesTEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística
TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detalles- se puede formular de la siguiente forma:
Multicolinealidad 1 Planteamiento Una de las hipótesis del modelo de regresión lineal múltiple establece que no existe relación lineal exacta entre los regresores, o, en otras palabras, establece que no
Más detallesREGRESION simple. Correlación Lineal:
REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)
Más detallesTEMA 5 Variables ficticias
TEMA 5 Variables ficticias Cómo describir información cualitativa Muchas veces en el modelo de regresión aparecen factores cualitativos (sexo, raza, estado civil,.). En estos casos la información relevante
Más detallesGUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias
ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 2011/12 GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias Bibliografía apartados : Greene, 8.2 A.F.Gallastegui:
Más detallesANÁLISIS DESCRIPTIVO CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:
Más detallesINTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA
INTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA Eva Medina Moral (Febrero 2002) EXPRESIÓN DEL MODELO BASICO DE REGRESIÓN LINEAL La expresión formal del modelo
Más detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detallesMedia vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias:
Iniciar con las interpretaciones de las medidas MEDIA VS MEDIANA VS MODA CUAL ES LA MEDIDA ADECUADA TAREA MEDIA PONDERADA Actividad de Medidas de Localización Problema 1. El problema de las tasas de delito.
Más detallesSe podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Más detalles-Género: no nos ha quedado claro cómo influye este parámetro en el gasto en ocio, si positiva o negativamente.
INTRODUCCIÓN En este trabajo estudiamos el gasto en ocio de la población, escogiendo una muestra al azar. Realizando encuestas hemos recogido información de 125 personas, las variables que hemos visto
Más detallesBREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL
BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL Ramón Mahía Febrero 013 Prof. Ramón Mahía ramon.mahia@uam.es Qué se entiende por Multicolinealidad en el marco
Más detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detallesNombre...Apellidos... Grado en:...grupo:...
ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA - Soluciones Estadística- Curso 01/1. 9 de Julio de 01 Nombre...Apellidos... Grado en:...grupo:... 1. Considera la variable aleatoria (v.a.) X cuyos posibles
Más detallesEl modelo Ordinal y el modelo Multinomial
El modelo Ordinal y el modelo Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Motivación 1 Motivación 2 3 Motivación Consideramos las siguientes
Más detallesESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesMuestreo estadístico. Relación 2 Curso 2007-2008
Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los
Más detallesIntroducción a la Econometría
Introducción a la Econometría Curso 2009/2010 Seriedeproblemas1 1.- Considere la siguiente distribución de probabilidad: Llueve (X=0) No llueve (X=1) Total Tiempo de viaje largo (Y=0) 0.15 0.07 0.22 Tiempo
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesTEMA 1. Introducción al análisis empírico de variables económicas.
TEMA 1. Introducción al análisis empírico de variables económicas. Profesor: Pedro Albarrán Pérez Universidad de Alicante. Curso 2010/2011. Contenido 1 Datos Económicos Introducción Tipos de Datos. Tratamiento
Más detalles4 Análisis de los principales factores AsociAdos A los resultados en ciencias
cuada en relación con las posibles futuras profesiones de los estudiantes vinculadas a las ciencias. En segundo lugar, los alumnos opinan que las dificultades en el aprendizaje del nuevo conocimiento científico
Más detallesEstimación de una probabilidad
Estimación de una probabilidad Introducción En general, la probabilidad de un suceso es desconocida y debe estimarse a partir de una muestra representativa. Para ello, deberemos conocer el procedimiento
Más detallesDepartamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN CIENCIAS EMPRESARIALES ESTADÍSTICA
ESCUELA UIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA E CIECIAS EMPRESARIALES ESTADÍSTICA Ejercicios Resueltos AÁLISIS ESTADÍSTICO DE DOS VARIABLES Y RE- GRESIÓ LIEAL SIMPLE Curso 6-7 Curso 6-7 1)
Más detallesGRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES
GRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES Prof. Rosario Martínez Verdú TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES 1. Distribuciones bidimensionales de frecuencias y diagrama
Más detallesUNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS
UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS I. INTRODUCCIÓN Y MANEJO DE DATOS MANUAL DE SPSS 1 MASTER CALIDAD TOTAL 1/ INTRODUCCIÓN Las aplicaciones de la Estadística en la
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson
ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;
Más detallesTema 2: Estimación puntual
Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez
Más detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
Más detallesPráctica 2. Estadística Descriptiva
Práctica 2. Estadística Descriptiva Ejercicio 1 Mucha gente manifiesta reacciones de alergia sistémica a las picaduras de insectos. Estas reacciones varían de paciente a paciente, no sólo en cuanto a gravedad,
Más detallesSEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática
SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en
Más detallesSolución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2
Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación
Más detallesIntroducción a la Estadística con Excel
Introducción a la Estadística con Excel En el siguiente guión vamos a introducir el software Excel 2007 y la manera de trabajar con Estadística Descriptiva. Cargar o importar datos En Excel 2007 podemos
Más detallesDOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades:
DOMINIO Y RANGO página 89 3. CONCEPTOS Y DEFINICIONES Cuando se grafica una función eisten las siguientes posibilidades: a) Que la gráfica ocupe todo el plano horizontalmente (sobre el eje de las ). b)
Más detallesRegresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía
Regresión múltiple I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía I.- INTRODUCCIÓN Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo
Más detalles1 Ejemplo de análisis descriptivo de un conjunto de datos
1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesCapítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales
Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:
Más detallesTitulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS. Asignatura: ECO Análisis avanzado de datos. Semestre: Primero.
Titulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Asignatura: ECO Análisis avanzado de datos Semestre: Primero Econometría [1] Asignatura: ECO Análisis avanzadas de datos Formación: Obligatoria
Más detallesCORRELACIONES CON SPSS
ESCUEL SUPERIOR DE INFORMÁTIC Prácticas de Estadística CORRELCIONES CON SPSS 1.- INTRODUCCIÓN El concepto de relación o correlación entre dos variables se refiere al grado de parecido o variación conjunta
Más detallesAplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Más detallesPuedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página):
Univ. de Alcalá. Estadística 2014-15 Dpto. de Física y Matemáticas Grado en Biología. Examen final. Miércoles, 21 de Enero de 2015. Apellidos: Nombre: INSTRUCCIONES (LEER ATENTAMENTE). Puedes descargar
Más detallesMicroeconomía Intermedia
Microeconomía Intermedia Colección de preguntas tipo test y ejercicios numéricos, agrupados por temas y resueltos por Eduardo Morera Cid, Economista Colegiado. Tema 05 La ecuación de SLUTSKY Enunciados
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesEstudio de ceros de ecuaciones funcionales
Capítulo 1 Estudio de ceros de ecuaciones funcionales Problema 1.1 Calcular el número de ceros de la ecuación arctang(x) = 4 x, dando un intervalo 5 donde se localicen. Solución: Denimos f(x) = arctan(x)
Más detallesMEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL
MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación
Más detallesSOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE TRANSPORTE Y ASIGNACION.
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA DE LA PRODUCCIÓN INGENIERÍA INDUSTRIAL SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE
Más detallesPRACTICA 2002_2003 /2 VALIDEZ CRITERIAL (ANÁLISIS DE COMPONENTES PRINCIPALES, CORRELACIÓN Y REGRESIÓN LINEAL MÚLTIPLE) Psicometría. Prof. J. L.
Prof. J.L. Melià. Pràctica 00/03. Pagina / 6 PRACTICA 00_003 / VALIDEZ CRITERIAL (ANÁLISIS DE COMPONENTES PRINCIPALES, CORRELACIÓN Y REGRESIÓN LINEAL MÚLTIPLE) Psicometría. Prof. J. L. Melià Bibliografía
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesUso de Factores de Generación en la Evaluación Social de Proyectos de Pavimentación de Caminos
Uso de Factores de Generación en la Evaluación Social de Proyectos de Pavimentación de Caminos Antecedentes En la actualidad, los proyectos de pavimentación de caminos son evaluados utilizando el enfoque
Más detallesEstructura de un informe estadístico
Estructura de un informe estadístico 1 página Título y autor 2 página Resumen. 3 página en adelante: cuerpo del informe A. Título (Introducción) B. Métodos. C. Resultados D. Análisis. E. Conclusiones 1
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesTEMA 6: Gráficos de Control por Variables
TEMA 6: Gráficos de Control por Variables 1 Introducción 2 Gráficos de control de la media y el rango Función característica de operación 3 Gráficos de control de la media y la desviación típica 4 Gráficos
Más detallesREPRODUCCIÓN DE LAS TABLAS DE CRECIMENTO INFANTIL QUE UTILIZAN LOS PEDIATRAS CON LOS DATOS DE LOS NIÑOS DEL COLEGIO XX
Página 1 de 12 REPRODUCCIÓN DE LAS TABLAS DE CRECIMENTO INFANTIL QUE UTILIZAN LOS PEDIATRAS CON LOS DATOS DE LOS NIÑOS DEL COLEGIO XX Autoras: Curso: 3º ESO Escuela: Tutora: Fecha: 08 Mayo 2015 Página
Más detallesGUÍA DE EJERCICIOS UNIDAD 1 MACROECONOMÍA
GUÍA DE EJERCICIOS UNIDAD 1 MACROECONOMÍA 1. Suponga una economía con tres empresas. Una empresa cosecha trigo, otra hace harina, y la otra hace pan. Aquí están los detalles de cada empresa: EMPRESA COSECHADORA
Más detalles2 Resolución de algunos ejemplos y ejercicios del tema 2.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 8 2 Resolución de algunos ejemplos y ejercicios del tema 2. 2.1 Ejemplos. Ejemplo 13 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
Más detallesIntroducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS
Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS ESTIMACIÓN DE UN MODELO DE REGRESIÓN LINEAL CON EXCEL La Herramienta para análisis Regresión
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesMICROECONOMÍA II. PRÁCTICA TEMA II: Equilibrio parcial
MICROECONOMÍA II PRÁCTICA TEMA II: Equilibrio parcial EJERCICIO 1 A) En equilibrio, la cantidad demandada coincide con la cantidad ofrecida, así como el precio de oferta y demanda. Por lo tanto, para hallar
Más detallesDiseños de Investigación 40 conceptos que debes conocer
Diseños de Investigación 40 conceptos que debes conocer 1. El método científico: Se puede realizar desde dos enfoques distintos, hipotético deductivo y analítico inductivo. Con frecuencia los dos ocurren
Más detallesCapítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal
Capítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal Introducción El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre variables. Se
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesCapítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos
Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible
Más detalles15 ESTADÍSTICA BIDIMENSIONAL
ESTADÍSTICA BIDIMENSINAL EJERCICIS PRPUESTS. Copia y completa la siguiente tabla. A B C Total A B C Total a 4 b c 0 7 Total 7 6 a 4 b c 4 3 0 7 Total 7 6 3 6 a) Qué porcentaje de datos presentan la característica
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesESTADÍSTICA SEMANA 4
ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...
Más detallesSemana de dieta (X) 1 2 3 4 5 Peso en Kg (Y) 88.5 87 84 82.5 79
. Una persona se somete a una dieta de adelgazamiento durante cinco semanas. A continuación se detalla su peso al término de cada una de esas semanas: Semana de dieta X) 2 3 4 Peso en Kg Y) 88. 87 84 82.
Más detallesBREVE MANUAL DE SOLVER
BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación
Más detallesMedidas de tendencia Central
Medidas de tendencia Central 7.1 Media 7.1.1 Media para un conjunto de datos no agrupados Este parámetro lo usamos con tanta cotidianidad que nos será muy familiar, aunque también aprenderemos algunas
Más detallestodas especialidades Soluciones de las hojas de problemas
Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica
Más detalles3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO
Análisis estadístico 31 3. ANÁLII ETADÍTICO DE LA PRECIPITACIONE EN EL MAR CAPIO 3.1. ANÁLII Y MÉTODO ETADÍTICO UTILIZADO 3.1.1. Introducción Una vez analizado el balance de masas que afecta al mar Caspio
Más detallesFunciones de varias variables
Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial
Más detallesGRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS
GRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS 1) INTRODUCCIÓN Tanto la administración de calidad como la administración Seis Sigma utilizan una gran colección de herramientas estadísticas.
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesANÁLISIS ECONÓMICO DE INVERSIONES.
ANÁLISIS ECONÓMICO DE INVERSIONES. José Ignacio González Soriano Agosto 2013 INDICE 1. FORMULAS FINANCIERAS.... 2 1.1.- VALOR ACTUAL NETO.... 3 1.1.1.- DEFINICIÓN... 3 1.1.2.- CASO GENERAL... 3 1.1.3.-
Más detallesEn la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y
Capítulo 2.- Metodología En la presente investigación, se contrastará el modelo propuesto en la investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Participación en el mercado de
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesUN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS
UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS Wilson Mayorga M. Director de Cámara de Vida y Personas y Actuaría Con base en modelos de regresión que explican la evolución de las
Más detallesEste documento describe el proceso completo a seguir para analizar la existencia de una relación lógica entre dos variables. www.fundibeq.
DIAGRAMA DE DISPERSIÓN 1.- INTRODUCCIÓN Este documento describe el proceso completo a seguir para analizar la existencia de una relación lógica entre dos variables. Describe la construcción de los Diagramas
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallesCómo se sabe si una metodología científica es confiable y válida?
Cómo se sabe si una metodología científica es confiable y válida? POR: Tupak Ernesto Obando Rivera Ingeniero en Geología. Master y Doctorado en Geología, y Gestión Ambiental por la Universidad Internacional
Más detallesValidation. Validación Psicométrica. Validation. Central Test. Central Test. Centraltest CENTRAL. L art de l évaluation. El arte de la evaluación
Validation Validación Psicométrica L art de l évaluation Validation Central Test Central Test Centraltest L art de l évaluation CENTRAL test.com El arte de la evaluación www.centraltest.com Propiedades
Más detalles