Econometría Tutorial 6 Ejercicios de Multicolinealidad
|
|
- Pablo González Tebar
- hace 8 años
- Vistas:
Transcripción
1 Econometría Tutorial 6 Ejercicios de Multicolinealidad En los siguientes ejercicios vamos a retomar la Curva de Kuznets Ambiental analizada en los primeros dos trabajos prácticos. La relación entre contaminación y desarrollo era resumida por la ecuación (3): Recuerde que la base de datos polucion2006.dta contiene datos para 157 países en el año 2006 sobre las siguientes variables: - diox: nivel de contaminación, medido como la intensidad en las emisiones de dióxido de carbono (CO2) en Kg, por cada Kg de petróleo utilizado. - gdp: PBI per cápita en miles de dólares corrientes. - edu: años promedio de educación. 1
2 Modelo Benchmark a) Estime el modelo en Stata. gen lndiox=ln(diox). gen gdp2=gdp*gdp. reg lndiox gdp gdp2 edu F( 3, 153) = 7.44 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = gdp gdp edu _cons b) Interprete los coeficientes obtenidos y su significatividad estadística 2
3 I. Multicolinealidad perfecta a) Suponga que modificamos ligeramente el modelo descripto arriba: Donde edu2=2*edu b) Cuál es el nivel de correlación entre edu y edu2. gen edu2=2*edu. corr gdp gdp2 edu edu2 (obs=157) gdp gdp2 edu edu2 gdp gdp edu edu c) Es posible aplicar el teorema de Gauss-Markov en este caso? 3
4 d) Intente estimar empíricamente β 3 y β 4. Qué sucede? Justifique.. reg lndiox gdp gdp2 edu edu2 note: edu omitted because of collinearity F( 3, 153) = 7.44 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = gdp gdp edu (omitted) edu _cons e) Intente estimar empíricamente β 3 y β 4 por separado. Qué sucede? Justifique.. reg lndiox gdp gdp2 edu F( 3, 153) = 7.44 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = reg lndiox gdp gdp2 edu2 F( 3, 153) = 7.44 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = gdp gdp edu _cons gdp gdp edu _cons
5 f) Transforme el modelo reemplazando en el modelo original edu2=2*edu. Qué combinación de los parámetros sí puede ser estimada por MC? Estime y comente. 5
6 II. Multicolinealidad alta pero no perfecta a) Suponga que modificamos ligeramente el modelo descripto arriba: Donde EDU3=0.9*EDU-e Y e es una variable aleatoria con distribución N(0,1). Cuál es ahora el nivel de correlación entre las variables explicativas?. gen e=invnormal(uniform()). gen edu3=0.9*edu+e. corr lndiox gdp gdp2 edu edu3 (obs=157) lndiox gdp gdp2 edu edu3 lndiox gdp gdp edu edu
7 b) Intente estimar empíricamente β 3 y β 5. Compare su respuesta con el ejercicio 1.c. Analice la significatividad estadística de los estimadores, tanto global como individual. Usted cree que las estimaciones de ambos parámetros son confiables? Justifique. reg lndiox gdp gdp2 edu edu3 F( 4, 152) = 6.71 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = gdp gdp edu edu _cons gen e2=invnormal(uniform()). gen edu4=0.9*edu+e2. reg lndiox gdp gdp2 edu edu4 F( 4, 152) = 5.56 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = gdp gdp edu edu _cons c) El estimador de mínimos cuadrados sigue siendo el de menor varianza entre la familia de estimadores lineales e insesgados? 7
8 3. Baja multicolinealidad a) Replique el ejercicio 2.c pero en esta oportunidad asuma un c=0.01. Cuál es ahora el nivel de correlación entre las variables independientes?. gen edu5=0.01*edu+e2. corr lndiox gdp gdp2 edu edu5 (obs=157) lndiox gdp gdp2 edu edu5 lndiox gdp gdp edu edu b) Estime el nuevo modelo. reg lndiox gdp gdp2 edu edu5 F( 4, 152) = 6.71 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = gdp gdp edu edu _cons
9 IV. Multicolinealidad perfecta a raíz de correlación global de una variable Considere el siguiente modelo lineal, Donde DESARROLLO = 0.3*GDP+0.7*EDU a) Es posible aplicar el teorema de Gauss-Markov en este caso? 9
10 b) Intente estimar empíricamente el modelo. Qué sucede? Justifique.. gen desarrollo=0.3*gdp+0.7*edu. reg lndiox gdp gdp2 edu desarrollo note: desarrollo omitted because of collinearity F( 3, 153) = 7.44 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = gdp gdp edu desarrollo (omitted) _cons
11 V. Correlación no perfecta entre más de dos variables Considere el siguiente modelo lineal, Donde DESARROLLO2 = 0.5*GDP+0.5*EDU+e a) Se cumple el teorema de Gauss Markov? 11
12 b) Estime la correlación parcial de Q con el resto de las variables. Para esto, estime una regresión donde la variable a explicar sea Q y las explicativas X y P. Qué conclusión puede sacar de los resultados de este inciso en comparación con los resultados del inciso anterior?. gen desarrollo2=0.5*gdp+0.5*edu+e. reg desarrollo2 gdp gdp2 edu F( 3, 153) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = desarrollo2 Coef. Std. Err. t P> t [95% Conf. Interval] gdp gdp edu _cons
13 c) Intente estimar empíricamente β, γ y δ en forma conjunta. Qué sucede? Justifique. Compare su respuesta con el ejercicio 4.d. Analice la significatividad estadística de los estimadores, tanto global como individual. Usted cree que las estimaciones de ambos parámetros son confiables? Justifique.. reg lndiox gdp gdp2 edu desarrollo2 F( 4, 152) = 6.71 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = gdp gdp edu desarrollo _cons gen desarrollo3=0.5*gdp+0.5*edu+e2. reg lndiox gdp gdp2 edu desarrollo3 F( 4, 152) = 5.56 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = gdp gdp edu desarrollo _cons d) El estimador de mínimos cuadrados sigue siendo el de menor varianza entre la familia de estimadores lineales e insesgados? 13
ANEXOS. 1) Modelo Probit.
ANEXOS 1) Modelo Probit. Estos modelos pertenecen a los modelos de respuesta binaria 1, es decir, la variable dependiente es una variable dicotómica, donde toma 1 para indicar el éxito en la variable de
Más detallesPRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx
PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx Octubre, 2011 Introducción Un supuesto básico del modelo es la existencia de una relación lineal entre la variable
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 detallesINTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A.
INTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A. ESTUDIO PARA LA FIJACION DE TARIFAS DE LOS SERVICIOS AFECTOS A FIJACION TARIFARIA PRESTADOS POR INTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A. PERIODO 2010-2015
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
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 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 detalles8.2.2. Intervalo para la media (caso general)
182 Bioestadística: Métodos y Aplicaciones 100 de ellos se obtiene una media muestral de 3 kg, y una desviación típica de 0,5 kg, calcular un intervalo de confianza para la media poblacional que presente
Más detallesUNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 5: VARIABLES ALEATORIAS Y DISTRIBUCIONES CONTINUAS Profesor: Hugo S. Salinas. Segundo Semestre
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 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 detallesUniversidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción
V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales
Más detallesTratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA
Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA NOTA: en toda esta práctica no se pueden utilizar bucles, para que los tiempos de ejecución se reduzcan. Esto se puede hacer
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesCENTRO LATINOAMERICANO DE DEMOGRAFIA
NACIONES UNIDAS UNITED NATIONS CENTRO LATINOAMERICANO DE DEMOGRAFIA REUNION TECNICA SOBRE "NUEVAS METODOLOGIAS ESTADISTICAS APLICADAS A LA DEMOGRAFIA" 2,3 y 4 de Setiembre, 1991 DETERMINANTES DEL NIVEL
Más detallesDiagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detallesYearly analysis Confidence interval ci ch4
Data obtained from the statistical program stata: Yearly analysis Confidence interval ci 243 49.80329 1.063871 47.70766 51.89892 sum,d ------------------------------------------------------------- Percentiles
Más detallesINFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE MEDICINA DEPARTAMENTO DE MEDICINA PREVENTIVA Y SOCIAL SECCIÓN DE EPIDEMIOLOGÍA-BIOESTADÍSTICA INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS Objetivo:
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detallesSea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores
FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido
Más detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
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 detallesTemas de electricidad II
Temas de electricidad II CAMBIANDO MATERIALES Ahora volvemos al circuito patrón ya usado. Tal como se indica en la figura, conecte un hilo de cobre y luego uno de níquel-cromo. Qué ocurre con el brillo
Más detallesMuestreo e inferencia
Images created with STATA software. 1 Muestreo e inferencia Calidad de los datos y las mediciones Razones para hablar de muestreo Formación académica de la población Comprender los datos que se van a utilizar
Más detallesSolución Taller No. 5 Econometría II Prof. Bernal
Solución Taller No. 5 Econometría - 7 II Prof. Bernal. a. Los resultados de la estimación son los siguientes (no hay que olvidar que las variables precio hay que transformarlas a logaritmos):. gen lpreciov
Más detallesTEMA 9 DISTRIBUCIONES BIDIMENSIONALES
Tema 9 Distribuciones bidimensional Matemáticas CCI 1º Bachillerato 1 TEMA 9 DITRIBUCIONE BIDIMENIONALE NUBE DE PUNTO Y COEFICIENTE DE CORRELACIÓN EJERCICIO 1 : Las notas de 10 alumnos y alumnas de una
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 detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
Más detalles7.- PRUEBA DE HIPOTESIS
7.- PRUEBA DE HIPOTEI 7.1. INTRODUCCIÓN La estadística inferencial es el proceso de usar la información de una muestra para describir el estado de una población. in embargo es frecuente que usemos la información
Más detallesDETERMINACIÓN DEL COEFICIENTE BETA (β) o RIESGO NO DIVERSIFICABLE
DETERMINACIÓN DEL COEFICIENTE BETA (β) o RIESGO NO DIVERSIFICABLE I. DEFINICIÓN Actualmente es importante tomar en cuenta que cada decisión empresarial que una Compañía quiera realizar, conlleva un grado
Más detallesMétodos de medición de las desigualdades de salud
Métodos de medición de las desigualdades de salud Maria Cristina Schneider, 1 Carlos Castillo-Salgado, 1 Jorge Bacallao, 1 Enrique Loyola, 1 Oscar J. Mujica, 1 Manuel Vidaurre 1 y Anne Roca 1 RESUMEN Palabras
Más detallesCUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS
CUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS UN ESTUDIO SOBRE CARBOXIHEMOGLOBINA EN SANGRE En el estudio experimental que aquí presentamos se seleccionó al azar una muestra de 37 estudiantes de una
Más detallesCurso: Métodos de Monte Carlo Unidad 2, Sesión 6: Integración por Monte Carlo
Curso: Métodos de Monte Carlo Unidad 2, Sesión 6: Integración por Monte Carlo Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,
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 detallesPráctica de introducción a las redes neuronales. Perceptrón multicapa. Estimación de precios de casas
Práctica de introducción a las redes neuronales. Perceptrón multicapa. Estimación de precios de casas Vamos a preparar una red para estimar el precio de casas en una zona a partir de los siguientes datos:
Más detallesPRUEBAS NO PARAMÉTRICAS
PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la
Más detallesTema 1. Inferencia estadística para una población
Tema 1. Inferencia estadística para una población Contenidos Inferencia estadística Estimadores puntuales Estimación de la media y la varianza de una población Estimación de la media de la población mediante
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
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 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 detallesModelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA 1º El investigador especifica el modelo siguiente: EXAMEN PARCIAL DE ECONOMETRIA I Se le pide estimar el modelo por el método
Más detallesCurso Comparabilidad de resultados
Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación
Más detallesUnidad III: Programación no lineal
Unidad III: Programación no lineal 3.1 Conceptos básicos de problemas de programación no lineal Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas
Más detallesBeatriz Sánchez Reyes. 22 de septiembre de 2010
Regresión cuantílica Beatriz Sánchez Reyes 22 de septiembre de 2010 Índice Definición de cuantil Regresión cuantílica - Estimación - Inferencia Regresión mediana (Ejemplo) Regresión cuartílica (Ejemplo)
Más detallesSOLUCION TALLER 1 SOLUCION PUNTO 1. - Función de producción cuadrática. Se espera que: >0 porque x2 es un insumo de producción
SOLUCION TALLER 1 SOLUCION PUNTO 1 - Función de producción cuadrática Se espera que: >0 porque x1 es un insumo de producción >0 porque x2 es un insumo de producción
Más detallesAplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
Más detallesEn cada una de las tablas de esta sección se incluyen también los comandos de Stata con los cuales se obtuvo la información.
Apéndice 1. Tablas y Anexos En cada una de las tablas de esta sección se incluyen también los comandos de Stata con los cuales se obtuvo la información. Esta es la tabla de correlaciones entre variables
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 detallesSección Teórica. , cuya información se presenta a continuación. Completar las celdas necesarias para responder a las preguntas 1 a 5.
UNAM Facultad de Economía Licenciatura en Economía Examen parcial de Introducción a la Econometría Noviembre 10, 2015 AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
Más detallesBiometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1
Biometría Clase 8 Pruebas de hipótesis para una muestra Adriana Pérez 1 Qué es una prueba de hipótesis? Es un proceso para determinar la validez de una aseveración hecha sobre la población basándose en
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 detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará
Más detallesModelo de Regresión Lineal Simple
Tema 2 Modelo de Regresión Lineal Simple Contenido 2.1. Introducción. Un ejemplo...................... 26 2.2. Elementos del modelo de regresión simple............ 28 2.3. Hipótesis básicas...........................
Más detallesANÁLISIS MATEMÁTICO I
ANÁLISIS MATEMÁTICO I Trabajo Práctico Nº 2: Funciones Equipo Docente: Claudio Molina - P. Mariano Nowakowski LAS FUNCIONES DESCRIBEN FENÓMENOS Año: 2015 1º Cuatrimestre 1) Haga un gráfico que refleje
Más detallesLas variables incluidas en el modelo se interpretan de la siguiente forma:
PRÁCTICA 4: EL MODELO LINEAL DE PROBABILIDAD - Estimar un modelo lineal de probabilidad - Interpretar los coeficientes estimados - Obtener las probabilidad estimadas - Contrastar la normalidad de las perturbaciones
Más detallesCOMPARACIÓN DE POBLACIONES
COMPARACIÓN DE POBLACIONES ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales 1.1. En un estudio sobre los efectos de un determinado gen en la protección del organismo ante agentes atmosféricos
Más detallesCapítulo 9. Regresión lineal simple
Capítulo 9. Regresión lineal simple 9.1 Introducción Uno de los aspectos más relevantes de la Estadística es el análisis de la relación o dependencia entre variables. Frecuentemente resulta de interés
Más detallesESTADÍSTICA. Materia Básica Estadística. Formación Básica. Formación Básica 2º 1º 6
GUIA DOCENTE DE LA ASIGNATURA ESTADÍSTICA MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Formación Básica Materia Básica Estadística 2º 1º 6 Formación Básica PROFESOR(ES) DIRECCIÓN COMPLETA DE CONTACTO PARA
Más detallesAstrofísica del Sistema Solar. Unidad 6: Formación de Planetas y Sistemas Planetarios
Astrofísica del Sistema Solar Unidad 6: Formación de Planetas y Sistemas Planetarios Introducción: la mayor parte del trabajo sobre formación planetaria se realiza en el contexto de explicar el sistema
Más detallesFUNDAMENTOS DEL ANÁLISIS DE WEIBULL Por Robert B. Abernethy, FL, USA
FUNDAMENTOS DEL ANÁLISIS DE WEIBULL Por Robert B. Abernethy, FL, USA El análisis de Weibull es la técnica mayormente elegida para estimar una probabilidad, basada en datos medidos o asumidos. La distribución
Más detallesa) (1.7 puntos) Halle las coordenadas de sus extremos relativos y de su punto de inflexión, si existen.
Puntos de corte - Monotonía y Curvatura funciones simples Septiembre 2015 - Opción B Sea la función f() = 3 9 2 + 8 a) (1.7 puntos) Halle las coordenadas de sus etremos relativos y de su punto de infleión,
Más detallesMedias Móviles: Señales para invertir en la Bolsa
www.gacetafinanciera.com Medias Móviles: Señales para invertir en la Bolsa Juan P López..www.futuros.com Las medias móviles continúan siendo una herramienta básica en lo que se refiere a determinar tendencias
Más detallesINCREMENTOS CAPÍTULO 2 2.1 CONCEPTO
CAPÍTULO INCREMENTOS. CONCEPTO Supóngase que se tiene una función cualquiera, por ejemplo x, a la cual se le asigna arbitrariamente cualquier valor inicial como x = 3, de donde corresponde que 9. Se quiere
Más detallesDiscriminación de precios y tarifa en dos etapas
Sloan School of Management 15.010/15.011 Massachusetts Institute of Technology CLASE DE REPASO Nº 6 Discriminación de precios y tarifa en dos etapas Viernes - 29 de octubre de 2004 RESUMEN DE LA CLASE
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 detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detallesMetodología de la Investigación
Metodología de la Investigación Procedimiento ordenado que se sigue para establecer el significado de los hechos y fenómenos hacia los que se dirige el interés científico para encontrar, demostrar, refutar
Más detallesCapítulo 3. Estimación de elasticidades
1 Capítulo 3. Estimación de elasticidades Lo que se busca comprobar en esta investigación a través la estimación econométrica es que, conforme a lo que predice la teoría y lo que ha sido observado en gran
Más detallesAPRENDIZAJE DEL CONCEPTO DE LÍMITE Y CONTINUIDAD DE UNA FUNCIÓN
APRENDIZAJE DEL CONCEPTO DE LÍMITE Y CONTINUIDAD DE UNA FUNCIÓN AUTORÍA ANTONIO JESÚS MARTÍNEZ RUEDA TEMÁTICA MATEMÁTICAS ETAPA BACHILLERATO Resumen La introducción del concepto de límite en bachillerato
Más detallesDiseño de Control para el Motor de Corriente Continua
Ejercicio 1 EL4D - Control de Sistemas Profesora: Dra. Doris Sáez Ayudante: Gonzalo Kaempfe (gkaempfe@ing.uchile.cl) Diseño de Control para el Motor de Corriente Continua I.- Objetivos Diseñar e implementar
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 detallesELEMENTOS DEL MOVIMIENTO
ELEMENTOS DEL MOVIMIENTO Unidad 10 CONTENIDOS.- 1.- Introducción..- Magnitudes escalares vectoriales. 3.- Sistemas de referencia. Concepto de movimiento. 4.- Operaciones con vectores. 5.- Traectoria, posición
Más detallesMANUAL PARA EL USO DE SPSS
MANUAL PARA EL USO DE SPSS 1 INTRODUCCIÓN El propósito de este manual, es ilustrar con un ejemplo cómo generar tablas de frecuencia, tablas de contingencia, cálculos de medias, así como la generación de
Más detallesTema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea
Más detalles9. Límites que involucran funciones exponenciales y logarítmicas
Métodos para evaluación de ites Yoel Monsalve 77 9 Límites que involucran funciones eponenciales y logarítmicas 9 El número e como un ite El ite: + n) n 9) se conoce como el número e Su valor aproimado,
Más detallesEstadística; 3º CC. AA. Examen final, 4 de septiembre de 2009
Estadística; 3º CC. AA. Examen final, 4 de septiembre de 2009 Apellidos Nombre: Grupo: DNI. (5 puntos) Se observa la variable Porcentaje de masa boscosa perdida anualmente en 0 provincias elegidas al azar
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES. Facultad de Psicología y Ciencias Sociales. Carrera Sociología
UNIVERSIDD DE CIENCIS EMPRESRILES Y SOCILES Facultad de Psicología y Ciencias Sociales Carrera Sociología Curso ESTDÍSTIC STIC I Clase 6: nálisis de Correlación n Lineal Simple Prof. Titular: Lic. Rubén
Más detallesPEOBLEMAS RESUELTO DE CADENAS DE MARKOV
PROBLEMAS RESUELTOS DE CADENAS DE MARKOV TEMA: CADENAS DE MARKOV Prof.: MSc. Julio Rito Vargas Avilés I. El departamento de estudios de mercado de una fábrica estima que el 20% de la gente que compra un
Más detallesTEMA 8: LÍMITES DE FUNCIONES. CONTINUIDAD
TEMA 8: DE FUNCIONES. CONTINUIDAD 1. EN EL INFINITO En ocasiones interesa estudiar el comportamiento de una función (la tendencia) cuando los valores de se hacen enormemente grandes ( ) o enormemente pequeños
Más detallesComparaciones de pobreza y desigualdad
Comparaciones de pobreza y desigualdad El problema de la pobreza en una sociedad puede ser evaluado desde tres perspectivas complementarias entre sí : Las medidas de incidencia. Informan acerca de la extensión
Más detallesDistancia entre vértices en multigrafos de isogenias de curvas elípticas
1 / 17 Distancia entre vértices en multigrafos de isogenias de curvas elípticas D. Sadornil 1 F. Sebé 2 J. Tena 3 M. Valls 2 1 UC, 2 UdL, 3 UVa Julio 2012 Definicion Una curva elíptica sobre F q es un
Más detallesManejo de la Información
Los juegos de azar Manejo de la Información Que las y los estudiantes deduzcan y argumenten que la probabilidad de que un evento suceda está relacionada con la frecuencia en que ocurre el resultado esperado
Más detallesTema 1: Campo gravitatorio
Tema 1: Campo gravitatorio 1. Masa: Definición. Conservación. Cuantificación. 2. Teorías geocéntricas y heliocéntricas 3. Las leyes de Kepler 4. Interacción entre masas: fuerza gravitatoria La ley de la
Más detallesEl valor esperado de una variable aleatoria discreta se representa de la siguiente manera:
INTRODUCCIÓN AL VALOR ESPERADO Y VARIANZA (5 MINUTOS) Cuando nos hablan del promedio de que ocurra un evento, cómo sabemos con certeza qué tan cerca estamos de alcanzar ese promedio? Esta pregunta nos
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesEJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013
Aplicación: INFERENCIA ESTADÍSTICA EJERCICIOS RESUMEN Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Página1 DESCRIP Ejercicio 1 Los siguientes son los números de cambios
Más detallesESTIMACION DE INTERVALOS DE CONFIANZA
pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones
Más detallesConsecuencias económicas de eventos climáticos en la gestión hídrica de la cuenca del Canal de Panamá
Consecuencias económicas de eventos climáticos en la gestión hídrica de la cuenca del Canal de Panamá Eco. Eduardo Zegarra, PhD Investigador Principal de GRADE 13 de Julio del 2013 Contenido 1. Objetivos
Más detallesADMINISTRACION FINANCIERA. Parte IV Capítulos 2 Títulos, Carteras de inversión.-
ADMINISTRACION FINANCIERA Parte IV Capítulos 2 Títulos, Carteras de inversión.- Puntos 4-6. CPN. Juan Pablo Jorge Ciencias Económicas Tel. (02954) 456124/433049 jpjorge@speedy.com.ar 1 Carteras - Sumario
Más detallesOptimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Solemne. Semestre Otoño Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: min.
Más detalles... *Elasticidad ingreso del gasto en electricidad (Modelo Restringido). reg lviv ling
---- ---------------------------------------- log: C:\datos\docencia\econIccee\practicas2009\chowlog log type: text opened on: 17 Sep 2009, 17:58:52 use "$ruta\chowdta", clear * crear variable logaritmo
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesESTADÍSTICA DESCRIPTIVA CON SPSS
ESTADÍSTICA DESCRIPTIVA CON SPSS (2602) Estadística Económica Joaquín Alegre y Magdalena Cladera SPSS es una aplicación para el análisis estadístico. En este material se presentan los procedimientos básicos
Más detallesBienvenidos a EEiPP 2013! Introducción al Taller Internacional de Encuestas y Evaluación de Impacto
Bienvenidos a EEiPP 2013! Introducción al Taller Internacional de Encuestas y Evaluación de Impacto Sebastian Martinez BID Juan Muñoz Sistemas Integrales 1 Pregunta Que porcentaje de los integrantes de
Más detallesGuía de interpretaciones y comandos STATA en apoyo a la solución de algunos ejercicios de la tarea para el Examen Final con
UNAM Facultad de Economía Curso de licenciatura Introducción a la econometría Guía de interpretaciones y comandos STATA en apoyo a la solución de algunos ejercicios de la tarea para el Examen Final con
Más detallesExamen de la asignatura "Estadística aplicada a las ciencias sociales" Profesor Josu Mezo. 9 de junio de 2008.
Examen de la asignatura "Estadística aplicada a las ciencias sociales" Profesor Josu Mezo. 9 de junio de 2008. Pregunta nº 1 (5 puntos). En una base de datos sobre los países del mundo se incluyen una
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 detallesReforma fiscal y Haciendas Locales (el caso de Málaga)
Reforma fiscal y Haciendas Locales (el caso de Málaga) Jesús Rodríguez Márquez Profesor Titular de Derecho Financiero y Tributario. Instituto de Estudios Fiscales. Presentación La reforma del sistema de
Más detallesMANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS
1 MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS Medidas de tendencia central Menú Analizar: Los comandos del menú Analizar (Estadística) ejecutan los procesamientos estadísticos. Sus comandos están
Más detalles