CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

Tamaño: px
Comenzar la demostración a partir de la página:

Download "CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS"

Transcripción

1 CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson

2 Regresón con varables predctoras cualtatvas A veces algunas de las varables predctoras a consderar son cuanttatvas y otras cualtatvas. Ejemplos de varables cuanttatvas son: años de experenca, años de educacón, edad, etc. Ejemplos de varables cualtatvas son: sexo del empleado, estado cvl, jerarquía del empleado, etc. Edgar Acuña Analss de Regreson 2

3 Tpos de Varables cualtatvas Varable dummy o varable bnara Varables nomnales Varables ordnales Edgar Acuña Analss de Regreson 3

4 Nota: En un problema de regresón debe haber por lo menos una varable predctora cuanttatva. S todas las varables predctoras fueran cualtatvas entonces el problema se converte en uno de dseños expermentales. Edgar Acuña Analss de Regreson 4

5 Regresón con una sola varable Dummy Consderemos un modelo de regresón con una sola varable cualtatva A y una varable cuanttatva X. Es decr, Yβ 0 +β X+β 2 A + ε (* Consderemos los casos: S A0, Y β 0 + β X + ε S A, Y (β 0 + β 2 + β X + ε Es decr que el modelo (* consdera que las pendentes de ambas lneas son guales. El valor estmado de β 2 representa el cambo promedo en la varable de respuesta al cambar el valor de la varable dummy. Edgar Acuña Analss de Regreson 5

6 S se desea comparar las pendentes de las línea de regresón de los dos grupos se puede usar una prueba de t smlar a la prueba de comparacón de dos medas y asumendo que hay homogenedad de varanza. Tambén se puede usar una prueba de F parcal o probando la hpótess Ho: β30 en el sguente modelo Yβ0+βA+β2X+β3AX +e Cuando la hpótess nula no es rechazada se concluye que la pendente de regreson de ambos grupos son guales. S no hubera gualdad de varanza de los dos grupos, habra que usar una prueba de t aproxmada smlar al problema de Behrens-Fsher. Aquí se usa una t con grados de lbertad aproxmados Edgar Acuña Analss de Regreson 6

7 Comparar Lneas de Regresón para Varos Grupos Supongamos que se tene una varable predctora contnua X para explcar el comportamento de Y en tres grupos. Surgen tres modelos de regresón: Y β 0 +β X+ ε Yβ 02 +β 2 X+ ε Yβ 03 +β 3 X+ ε Para relaconar las lneas de regresón hay que ntroducr 3 varables dummy para dentfcar los grupos G, G2, y G3 y 3 varables adconales ZGX, Z2G2X, y Z3G3X. Edgar Acuña Analss de Regreson 7

8 Posbles modelos a Las lneas se ntersecten en un punto cualquera, ya que tendrían dferente ntersecto y pendente. b Las lneas sean paralelas (homogenedad de pendentes. c Las lneas tengan el msmo ntercepto pero dstnta pendentes (homogenedad de nterceptos. d Las tres lneas concdan. Edgar Acuña Analss de Regreson 8

9 Prueba de hpótess H o : el modelo satsface b o c o d versus H a : el modelo satsface a Se usa una prueba de F parcal dada por F m [(SSE m -SSE a /(gl m -gl a ]/[SSE a /gl a ] Donde m, representa los modelos b,c, o d. grados de lbertad. La F parcal se dstrbuye como una F con (gl m -gl a, gl a Edgar Acuña Analss de Regreson 9

10 Regresón Logístca La varable de respuesta Y es una del tpo bnaro y que se tene p varables predctoras x s (aleatoras Se tene una muestra de tamaño nn +n 2, con n observacones de la clase C y n 2 observacones de la clase C 2. La varable predctora Y se defne como 0 y para cada clase. Edgar Acuña Analss de Regreson 0

11 La Curva Logístca Funcon de dstrbucón logístca F ( x ( + e x Edgar Acuña Analss de Regreson

12 Suposcón en el Modelo Logístco Sea f(x/c (,2 la funcón de densdad del vector aleatoro p-dmensonal x en la clase C, en el modelo logístco se asume que: log( f ( x / C f ( x / C 2 α + β'x Donde, β es un vector de p parámetros y α representa el ntercepto. Edgar Acuña Analss de Regreson 2

13 Edgar Acuña Analss de Regreson 3 Odds Rato Sea pp(y/x la probabldad a posteror de que Y sea gual a para un valor observado de x Se defne la razón de apuestas (odds rato como: Donde: π representa la probabldad a pror de que Y pertenezca a la clase C. / ( / ( ( 0 / ( 0} { ( / ( } { 2 2 C f C f f y f Y P f y f Y P p p x x x x x x π π

14 Transformacón logt Tomando logartmos se tene log( p p π log( π + log Luego con la suposcon se tene que: log( Equvalentemente, 2 p p f ( x / C f ( x / C Edgar Acuña Analss de Regreson 4 2 α + β ' x exp( α + β' x p + exp( α + β' x

15 Cumplmento de la suposcon del modelo S las varables x en cada clase se dstrbuyen normalmente con medas u, u 2 y matríz de covaranza Σ entonces se satsface la suposcón dado que: log( Donde f ( x / C f ( x / C 2 α (u u 2 ' Σ (u + u 2 / 2 (u -u 2 ' Σ - (x-/2(u +u 2 β (u ' u2 Σ La suposcón tambén para otros tpos de dstrbucones dstntas de la normal multvarada tales como dstrbucones de Bernoull, y mezclas de éstas. Edgar Acuña Analss de Regreson 5

16 Estmacón del modelo logístco Método de Máxma Verosmltud Dada una observacón x, las probabldades de que ésta pertenezca a las clases C y C2 son : exp( α + β ' x P( C / x + exp( α + β ' x P( C2 / x P( C / x + exp( α + β ' x Consderando una muestra de tamaño nn +n 2 y un parámetro bnomal p gual a exp( α + β' x /( + exp( α + β' x la funcón de verosmltud es de la forma L( α, β n exp( a + x 'β + exp( α + x 'β Edgar Acuña Analss de Regreson 6 j n + n + exp( α + x j 'β La solucon de la equacon de verosmltud es solo numerca

17 Otra forma de estmar los parámetros α y β Consderamos la regresón lneal múltple de logt( pˆ versus x,x 2,,x p luego su varanza será aproxmadamente: pˆ Var[ln( ] [ pˆ p ( ] p p( n As se llega a un problema donde la varanza no es constante y se puede usar mínmos cuadrados ponderados con pesos w (x n pˆ (x(- pˆ (x para estmar los parámetros α y β del modelo logístco. 2 Edgar Acuña Analss de Regreson 7 p n p ( p

18 Meddas de Confabldad del Modelo Cuantfcan el nvel de ajuste del modelo al conjunto de datos: La Devanza El Pseudo-R 2 El Crtero de Informacón de Akake (AIC La Prueba de Bondad de Ajuste de Hosmer- Lemeshov. Edgar Acuña Analss de Regreson 8

19 La Devanza Es smlar a la suma de cuadrados del error de la regresón lneal. S la varable de respuesta Y no está grupada se tene que: n n D 2{ log( pˆ + log( p } y : y : 0 D tene una dstrbucón J-Cuadrado con (n-p-gl. S D es mayor que una J-Cuadrado con (n-p-gl para un nvel de sgnfcacón dado entonces el modelo logístco no es confable. Edgar Acuña Analss de Regreson 9

20 El Pseudo-R 2 Es smlar al R 2 de la regresón lneal se defne por: Pseudo R 2 ( Devanza 00% Devanza. Nula Donde la DevanzaNula es la devanza consderando solamente el ntercepto y se dstrbuye como una J-Cuadrado con (n-gl. Para hallar la DevanzaNula se hace una regresón logístca consderando que hay una sola varable predctora cuyos valores son todos unos. Edgar Acuña Analss de Regreson 20

21 El Crtero de Informacón de Akake (AIC Determna s un modelo es mejor que otro. Esta dado por: AICD+2(p+ Donde, p es el número de varables predctoras. Un modelo es mejor que otro s su AIC es más pequeño. Edgar Acuña Analss de Regreson 2

22 La Prueba de Bondad de Ajuste de Hosmer-Lemeshov. Se aplca cuando los datos son dados en forma agrupada y se defne por g 2 ( O n' p C n' p ( p Donde g es el número de grupos, n' es el número de observacones en el -ésmo grupo O es la suma de las y s en el -ésmo grupo y p es el promedo de las p en el -ésmo grupo. Edgar Acuña Analss de Regreson 22

23 Estadstcas Influencales para regresón logístca Resduales de Pearson es smlar al resdual estudentzado usado en regresón lneal r ( y representa el número de veces que y entre las m repetcones de X, de lo contraro m para todo. Resduales de Devanza Esta dado por: s y 0 y s y Una D observacón log( pˆ será anormal D s el resdual ˆ 2 log( p de devanza es 2 mayor que 2 en valor absoluto, entonces la observacón correspondente es anormal. y m m pˆ Edgar Acuña Analss de Regreson 23 pˆ pˆ

24 Uso de la regresón logístca en Clasfcacón: La forma mas facl de dscrmnar es consderar que s p>0.5 la obervacón pertenece a la clase que uno está nteresado. Otros metodos son: Plotear el porcentaje de obervacones que poseen el evento que han sdo correctamente clasfcadas (Senstvdad versus dstntos nveles de probabldad y el porcentajes de observacones de la otra clase que han sdo correctamente clasfcadas (especfdad versus los msmos nveles de probabldad anterormente usados, en la msma gráfca. La probabldad que se usará para clasfcar las observacones se obtenen ntersectando las dos curvas. Edgar Acuña Analss de Regreson 24

25 Ejemplo Interseccon de las curvas de senstvdad y de especfcdad para hallar el p-optmo 00 Senstvdad 50 Este es el p-optmo Especfcdad Las gráfcas de los dos métodos aparecen en la sguente fguras y embos caso el p-óptmo a usarse es p0.3 Edgar Acuña Analss de Regreson 25

26 La curva ROC Usar la curva ROC (Recever Operatng Characterstc Curva. En este caso se grafca la senstvdad versus (-especfdad00%, y se coge como el p deal aquel que está más cerca a la esquna superor zquerda, osea al punto (00,0. Edgar Acuña Analss de Regreson 26

27 Ejemplo de curva ROC Edgar Acuña Analss de Regreson 27

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Estadística con R. Modelo Probabilístico Lineal

Estadística con R. Modelo Probabilístico Lineal Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecunddad y su relacón con varables socoeconómcas, demográfcas y educatvas aplcando el Modelo de Regresón

Más detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

Guía de ejercicios #1

Guía de ejercicios #1 Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

Equilibrio termodinámico entre fases fluidas

Equilibrio termodinámico entre fases fluidas CAPÍTULO I Equlbro termodnámco entre fases fludas El conocmento frme de los conceptos de la termodnámca se consdera esencal para el dseño, operacón y optmzacón de proyectos en la ngenería químca, debdo

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70 Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles

Más detalles

TODO ECONOMETRIA. Variables cualitativas

TODO ECONOMETRIA. Variables cualitativas TODO ECONOMETRIA Varables cualtatvas Índce Defncón de las varables dummy (o varables fctcas) Regresón con varables explcatvas dummy Varables dummy S queremos estudar s los hombres ganan más que las mujeres,

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

MATERIAL Y MÉTODOS. Se utilizó el listado de códigos que Caminal estableció para España, a los cuales se

MATERIAL Y MÉTODOS. Se utilizó el listado de códigos que Caminal estableció para España, a los cuales se MATERIAL Y MÉTODOS Fuentes de nformacón Los datos de hosptalzacón se obtenen del Conjunto Mínmo de Datos de Egresos Hosptalaros del Seguro Públco de Salud Costarrcense (SPSC) y las proyeccones de poblacón

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

MÉTODOS PARA PROBAR NUMEROS

MÉTODOS PARA PROBAR NUMEROS Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular

Más detalles

1.Variables ficticias en el modelo de regresión: ejemplos.

1.Variables ficticias en el modelo de regresión: ejemplos. J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes

Más detalles

Modelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.

Modelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit. Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

1 x 11 x 12... x 1p y 1 2 x 21 x 22... x 2p y 2 : n x n1 x n2... x np y n

1 x 11 x 12... x 1p y 1 2 x 21 x 22... x 2p y 2 : n x n1 x n2... x np y n 4. Análss de regresón lneal múltle En caítulos anterores tratamos el análss de regresón smle que trata de relaconar una varable exlcatva cuanttatva con una varable resuesta cuanttatva. Todos los elementos

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

MODELOS DE ÁRBOL DE REGRESIÓN BAYESIANO: UN ESTUDIO DE CASO.

MODELOS DE ÁRBOL DE REGRESIÓN BAYESIANO: UN ESTUDIO DE CASO. REVISTA INVESTIGACIÓN OPERACIONAL VOL., 3, No., 09-5, 00 MODELOS DE ÁRBOL DE REGRESIÓN BAYESIANO: UN ESTUDIO DE CASO. O. Juárez* y E.Castells** *Facultad de Matemátca. Unversdad Autónoma de Guerrero. Méxco.

Más detalles

YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL

YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL 27 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 2003 YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL J. Guad, J. Larrañeta, L. Oneva Departamento de Organzacón Industral

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Variables Dummy (parte I)

Variables Dummy (parte I) Varables Dummy (parte I) Fortno Vela Peón Unversdad Autónoma Metropoltana fvela@correo.xoc.uam.mx Octubre, 2010 19/10/2010 Méxco, D. F. 1 Introduccón Algunas de las varables son por su naturaleza propa

Más detalles

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL

Más detalles

4 Contraste de hipótesis en el modelo de regresión múltiple

4 Contraste de hipótesis en el modelo de regresión múltiple 4 Contraste de hpótess en el modelo de regresón múltple Ezequel Urel Unversdad de Valenca Versón: 9-13 4.1 El contraste de hpótess: una panorámca 1 4.1.1 Formulacón de la hpótess nula y de la hpótess alternatva

Más detalles

UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES

UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS ORESTALES USO DE CALC DE OPENOICE EN EL ANÁLISIS DE DISEÑOS EXPERIMENTALES TESIS PROESIONAL QUE COMO REQUISITO PARCIAL PARA OBTENER EL TÍTULO DE: LICENCIADO

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

Tasas de Caducidad. - Guía de Apoyo para la Construcción y Aplicación - Por: Act. Pedro Aguilar Beltrán. paguilar@cnsf.gob.mx

Tasas de Caducidad. - Guía de Apoyo para la Construcción y Aplicación - Por: Act. Pedro Aguilar Beltrán. paguilar@cnsf.gob.mx Tasas de Caducdad - Guía de Apoyo para la Construccón y Aplcacón - Por: Act. Pedro Agular Beltrán pagular@cnsf.gob.m 1. Introduccón La construccón y aplcacón de tasas de caducdad en el cálculo de utldades

Más detalles

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros. Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

Más detalles

1 + e z. 1 + e. 1 + e = 1 0 2

1 + e z. 1 + e. 1 + e = 1 0 2 Tema 7. Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco Euskal Herrko Unbertstatea 7. Introduccón En

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

Técnicas de Análisis de Datos de Elección n Discreta

Técnicas de Análisis de Datos de Elección n Discreta Técncas de Análss de Datos de Eleccón n Dscreta Sub-Gerenca de Investgacón GPR Vernes, 07 de abrl de 0006 Gerenca de Polítcas Regulatoras - GPR Organsmo Supervsor de Inversón Prvada en Telecomuncacones

Más detalles

Scientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia

Scientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia Scenta Et Technca ISSN: 0122-1701 scenta@utp.edu.co Unversdad Tecnológca de Perera Colomba OSPINA GUTIÉRREZ, LUZ MARÍA; ZAPATA RAMÍREZ, GEISON ALEXIS; RODAS RENDON, PAULA ANDREA PRUEBA DE NO LINEALIDAD

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

Octavas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística, noviembre de 2003

Octavas Jornadas Investigaciones en la Facultad de Ciencias Económicas y Estadística, noviembre de 2003 Octavas Jornadas "Investgacones en la Facultad" de Cencas Económcas y Estadístca, novembre de 3 Crstna Barbero. () María I.Flury.() Alberto Pagura () Marta Quaglno () Marta Rugger () () Insttuto de Investgacones

Más detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

Incertidumbre de la Medición: Teoría y Práctica

Incertidumbre de la Medición: Teoría y Práctica CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle

Más detalles

ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA.

ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. SEGUNDA PARTE. (TRABAJO PRESENTADO EN EL CONGRESO DE LA SOCIEDAD ARGENTINA DE ESTADISTICA)

Más detalles

APLICACIÓN DE MODELOS IRT AL ANÁLISIS DE LA OFERTA DE EQUIPAMIENTO DE LOS ALOJAMIENTOS RURALES EXTREMEÑOS

APLICACIÓN DE MODELOS IRT AL ANÁLISIS DE LA OFERTA DE EQUIPAMIENTO DE LOS ALOJAMIENTOS RURALES EXTREMEÑOS APLICACIÓN DE MODELOS IRT AL ANÁLISIS DE LA OFERTA DE EQUIPAMIENTO DE LOS ALOJAMIENTOS RURALES EXTREMEÑOS Marcelno Sánchez Rvero Departamento de Economía Aplcada y Organzacón de Empresas Unversdad de Extremadura

Más detalles

METODOLOGÍAS SISTEMA INTEGRAL DE ADMINISTRACIÓN DE RIESGOS

METODOLOGÍAS SISTEMA INTEGRAL DE ADMINISTRACIÓN DE RIESGOS METODOLOGÍAS SISTEMA INTEGRAL DE ADMINISTRACIÓN DE RIESGOS SIARGAF 4.0 FEBRERO 008 CONTENIDO..... Valor en Resgo aramétrco... A) Meddas de Sensbldad... B) Meddas Estadístcas... 6 C) Volatldad... 7 D) Valor

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Características del hogar y salida de la pobreza:

Características del hogar y salida de la pobreza: Característcas del hogar salda de la pobreza: un análss de los hogares urbanos para el período postconvertbldad Jerónmo R. Carballo Unversdad Naconal de Córdoba Agosto 2004 Característcas del hogar salda

Más detalles

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras. Capítulo : Comparacón de varos tratamentos o grupos Muchas preguntas de nvestgacón en educacón, pscología, negocos, ndustra y cencas naturales tenen que ver con la comparacón de varos grupos o tratamentos.

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

T. 9 El modelo de regresión lineal

T. 9 El modelo de regresión lineal 1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón

Más detalles

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones

Más detalles

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17 Procesamento Dgtal de mágenes Pablo Roncaglolo B. Nº 7 Orden de las clases... CAPTURA, DGTALZACON Y ADQUSCON DE MAGENES TRATAMENTO ESPACAL DE MAGENES TRATAMENTO EN FRECUENCA DE MAGENES RESTAURACON DE MAGENES

Más detalles

DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL

DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DISEÑO MECÁNICO PRÁCTICA Nº 4 METROLOGÍA Y CALIDAD. CALIBRACIÓN DE UN PIE DE REY Metrología y Caldad. Calbracón de n pe de rey. INDICE 1. OBJETIVOS

Más detalles

CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN COLOMBIA *

CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN COLOMBIA * CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN * INTRODUCCIÓN Helmuth Yesd Aras Gómez ** Álvaro Hernando Chaves Castro *** El efecto de la educacón sobre el desarrollo económco tradconalmente

Más detalles

IMPACTO DEL MICROCRÉDITO SOBRE LA POBREZA DEL INGRESO: UN ESTUDIO EN MERCADOS DE CRÉDITO URBANOS EN MÉXICO. Miguel Niño Zarazúa *

IMPACTO DEL MICROCRÉDITO SOBRE LA POBREZA DEL INGRESO: UN ESTUDIO EN MERCADOS DE CRÉDITO URBANOS EN MÉXICO. Miguel Niño Zarazúa * IMPACTO DEL MICROCRÉDITO SOBRE LA POBREZA DEL INGRESO: UN ESTUDIO EN MERCADOS DE CRÉDITO URBANOS EN MÉXICO Mguel Nño Zarazúa Resumen Este estudo presenta una estmacón del mpacto del mcrocrédto sobre la

Más detalles

METODOLOGÍAS DE ANÁLISIS Y IMPUTACIÓN DE DATOS FALTANTES EN SERIES DE VELOCIDAD DEL VIENTO

METODOLOGÍAS DE ANÁLISIS Y IMPUTACIÓN DE DATOS FALTANTES EN SERIES DE VELOCIDAD DEL VIENTO VI Congreso Galego de Estatístca e Investgacón de Operacóns Vgo 5-7 de Novembro de 003 METODOLOGÍAS DE ANÁLISIS Y IMPUTACIÓN DE DATOS FALTANTES EN SERIES DE VELOCIDAD DEL VIENTO Armando Mateus Ferrera

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

GANTT, PERT y CPM INDICE

GANTT, PERT y CPM INDICE GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4

Más detalles

Capítulo 3. SISTEMAS DE PARTÍCULAS

Capítulo 3. SISTEMAS DE PARTÍCULAS Capítulo 3. SISTEMAS DE PARTÍCULAS 3.1. Introduccón En la mayoría de los sstemas partculados esten partículas de dstnto tamaño tal como se observa en la Fgura 3.1. Muchos de los métodos que mden tamaño

Más detalles

CURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A)

CURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A) Unversdad de la Repúblca, Facultad de Cencas Económcas y Admnstracón. ECONOMETRÍA II - CURSO 7 PRACTICO MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO A) Una nvestgacón sobre el mercado laboral

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales: EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

Regresión Binomial Negativa

Regresión Binomial Negativa Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Matemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato

Matemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA

Más detalles

ESTADISTICA APLICADA A LA EDUCACIÓN

ESTADISTICA APLICADA A LA EDUCACIÓN UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA FACULTAD DE EDUCACIÓN DEPARTAMENTO DE MÉTODOS DE INVESTIGACIÓN Y DIAGNÓSTICO EN EDUCACIÓN I Grados de Educacón Socal y Pedagogía ESTADISTICA APLICADA A LA

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles