CAPÍTULO 3 DIAGNÓSTICOS DE REGRESIÓN
|
|
- Nieves Aguilera Ávila
- hace 7 años
- Vistas:
Transcripción
1 CAPÍTULO 3 DIAGNÓSTICOS DE REGRESIÓN Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson 1
2 3.1 Outlers, puntos de leverage alto y valores nfluencales Una observacón (y*,x* 1,..x* p es consderado un outler s está bastante alejado de la mayoría de los datos sea en la dreccón vertcal o en la horzontal. Sn embargo, la mayoría de los textos llaman outler a un valor alejado solamente en la dreccón vertcal y Punto de leverage alto a una observacón alejada en la dreccón horzontal. Edgar Acuña Analss de Regreson
3 Valor Influencal Una observacón (y*,x* 1,..x* p es consderado un valor nfluencal s su presenca afecta tremendamente el comportamento del modelo. Por ejemplo, en el caso de regresón smple remover un valor nfluencal podría cambar dramátcamente el valor de la pendente. Edgar Acuña Analss de Regreson 3
4 Ejemplo de una observacón que es outler y punto leverage alto pero que no es nfluencal. Edgar Acuña Analss de Regreson 4
5 Ejemplo de una observacón que es punto de leverage alto y que tambén es nfluencal. Este punto tendrá un gran efecto sobre el R y el cambo drástco en la pendente. Edgar Acuña Analss de Regreson 5
6 3. Resduales y deteccón de outlers. Consderemos el modelo Y=XB+e, donde E(e=0 y Var(e=σ I = Y 1 Luego Y Xβ,donde β= (X' X X' la matrz HAT (sombrero H de actúa como una transformacón de Y a Y 1 Y = X(X'X X'Y =. n - En partcular y = hj y j j= 1 h j es el elemento de la matríz H que está en la -ésma fla y j-ésma columna. Así n e = Y Y = Y HY = (I HY donde e = y hj y j Edgar Acuña Analss de Regreson 6 j= 1 HY
7 3..1 Meda y Varanza del vector de resduales E ( e = ( I H E( Y = 0 Var ( e = Var[ (I HY] = σ ( I H, I-H es smétrca e dempotente. En partcular Var( e = σ (1 h Cov( e, e = h σ j j se estma por s (1-h. Notar que : a Tanto los errores e como los resduales tenen meda 0. b La varanza de los errores es constante, pero la de los resduales no lo es. c Los errores no están correlaconados, pero los resduales s. Edgar Acuña Analss de Regreson 7
8 3.. Resduales Estudentzados nternamente Se defne por r = σ e 1 h Tambén son llamados resduales estandarzados. La covaranza de los resduales estudentzados es gual a Cov( r, r j = Cov( σ e 1 h, σ e j 1 h jj = σ Cov( e, e (1 h j (1 h jj = (1 h h j (1 h jj Edgar Acuña Analss de Regreson 8
9 3..4 Resduales estudentzados externamente Supongamos que la -ésma observacón es elmnada del conjunto de datos y que se ajusta el modelo lneal con las n-1 observacones restantes. Luego, usando la dentdad de Gauss (X' ( X ( 1 = (X'X 1 (X'X + 1 h Se obtenen las sguentes relacones entre y β y entre s ( y 1 x x' (X'X 1 βˆ s ( βˆ ( = βˆ ( X'X 1 h 1 x eˆ s ( = n p 1 s n p ( n eˆ p (1 h Edgar Acuña Analss de Regreson 9
10 La dentdad de Gauss Es un caso partcular de la Identdad de Sherman- Morrson-Woodburry ( A uv'a A = A m 1 1± v' A u ( ± uv' Donde: A es una matríz cuadrada nosngular n x n, y u y v son dos vectores de dmensón n. En nuestro caso, A=X X y u = v = x Donde x es la -ésma fla de X y X ' ( X ( = X'X x x' Edgar Acuña Analss de Regreson 10
11 Varanza del Resdual y - S y~ representa el valor estmado de la varable de respuesta para la -ésma observacón y y y~ = x' β ( y~ son ndependentes, (la -ésma observacón no fue usada en la estmacón del modelo y~ Var( y ~ y = Var( y + Var( ~ y = σ + σ x' (X' ( X ( 1 x Edgar Acuña Analss de Regreson 11
12 Resdual Estudentzado Externamente Estmando σ por s y consderando que s y ( no es un outler entonces E(y - y~ = 0 se obtene t = s ( 1 y + x' (X ~ y ' ( X ( 1 x t es llamado un resdual estudentzado externamente y tene n-p- grados de lbertad. Edgar Acuña Analss de Regreson 1
13 Propedad: Relacón entre el resdual usual y el resdual usando un modelo elmnando la -ésma observacón y - y~ = ê 1- h Relacón entre los dstntos tpos de resduales t = s e 1 * n p r = r ( h n p 1 1/ Edgar Acuña Analss de Regreson 13
14 3. Dagnóstcos para detectar outlers y puntos de leverage alto Los dagnóstcos más báscos son: S h >p/n (algunos usan 3p/n. Aquí p es el número de parámetros entonces la -ésma observacón es consderado un punto de leverage alto y pudera ser nfluencal S t > ( o s r > entonces la -ésma observacón es consderada un outler y tambén puede ser nfluencal. Edgar Acuña Analss de Regreson 14
15 Otros Dagnóstcos La Dstanca Cook (Cook, 1977 Mde el cambo que ocurrría en el vector de coefcentes estmados de regresón s la -ésma observacón fuera omtda. Se calcula por: CD ˆ ˆ ˆ ( β β ( ' X'X(ˆ β β( ( y y ( '( y y ( = = = r * ps ps p(1 h Un CD > 1 ndca que la -ésma observacón es potencalmente nfluencal. Una observacón con CD <0.1 no merece nnguna dscusón s CD <.0.5 merece un poco de atencón. En partcular, una observacón con CD > F(0.50,p,n-p es consderado como un valor nfluencal. h Edgar Acuña Analss de Regreson 15
16 Otros Dagnóstcos DFFITS (Belsley, Kuh, y Welsch, p Un DFFITS > ndca un posble valor nfluencal. Notar que: DFFITS n = CD = ( y y ( '(y y ( = t s r pt ( DFFITS h (1 h Edgar Acuña Analss de Regreson 16
17 Otros Dagnóstcos DFBETAS (Belsley, Kuh, y Welsch, Mde la nfluenca de la -ésma observacón en cada uno de los coefcentes de regresón. Se calcula por β j β j,( =1,..,n, j=0,,p ( DFBETAS j = s ( Donde c jj es el j-ésmo elemento de la dagonal de (X X -1. c S DFBETAS j > para algun j entonces la -esma n observacon es posblemente un valor nfluencal. Edgar Acuña Analss de Regreson 17 jj
18 Otros Dagnóstcos v COVRATIO (Belsley, Kuh, y Welsch, 1980 Mde el efecto en la varabldad de los coefcentes de regresón al remover la -ésma observacón. COVRATIO = det[ s ( det[ s ( X ' ( X ' X =1,,n. Usando propedades de determnantes se tene ( COVRATIO ( s = s ( X ( p 1 S (COVRATIO >1+3p/n o s (COVRATIO <1-3p/n entonces la -ésma observacón tene un valor nfluencal grande. 1 ] ] 1 (1 h Edgar Acuña Analss de Regreson 18
19 3.3 Plot de Resduales para detectar casos nfluencales Se usan para estudar el efecto de añadr una nueva varable predctora en un modelo. Permten detectar la presenca de casos nfluencales. Para ver la mportanca de la varable predctora x j Consderemos el modelo Y=X -j B -j +β j x j +e Donde X -j es la matrz X sn nclur la columna j Edgar Acuña Analss de Regreson 19
20 Resduales Defnamos los sguentes resduales e = ( I H Y se han consderado en el modelo todas las Y / X j j predctoras excepto x j ey / x, X = ( I H Y están consderadas todas las varables j predctoras e = ( I H X son los resduales de la regresón de x j versus x j / X j j j las otras varables predctoras. Edgar Acuña Analss de Regreson 0
21 Plot de resduales versus la varables predctoras. e Y / x j, X versus x j j S el modelo es adecuado los puntos se deberían alnear a lo largo de una franja horzontal. S se observa algún patrón no lneal entonces la varable predctora debería ser transformada. Este plot no srve para cuantfcar la mportanca de x j en el modelo. Plot de resduales versus las predctora HP de Mllaje. Edgar Acuña Analss de Regreson 1
22 Plots de regresón parcales (plot de varable añadda e versus e Y / X x j / X j j Se plotea los resduales de la regresón de y consderando todas las varables predctoras excepto x j versus los resduales de la regresón de x j contra todas las varables predctoras dstntas a ella. Edgar Acuña Analss de Regreson
23 Plots de regresón parcales (plot de varable añadda Plot de regresón parcal consderando la varable HP asumendo que el modelo solo contene a VOL. La varable VOL puede entrar al modelo en forma lneal Edgar Acuña Analss de Regreson 3
24 e Y / x Plot de resduales parcales o de resduales más componente versus x j j j Es más efectvo para detectar nolnealdad que el plot de regresón parcal No es muy adecuado para detectar casos nfluencales. Plot de resduales parcales aumentados e, X y / X j, x + x β + j + x j j β j j x j β jj versus x j Este plot fue propuesto por Mallows (1986 y es el más adecuado para cotejar s la varable xj debe entrar en forma cuadrátca al modelo. Edgar Acuña Analss de Regreson 4
25 3.4 Plot de resduales para detectar Normaldad La suposcón de la normaldad de los errores es bén mportante para el proceso de hacer nferenca en regresón lneal múltple. Puede ser cotejado hacendo un plot de normaldad para los errores estudentzados nternamente. El plot de normaldad consste en un plot de los scores normales (estadístcos de orden normales versus los resduales estandarzados ordenados. Edgar Acuña Analss de Regreson 5
26 Score Normal El -ésmo score normal es aproxmado en forma bastante precsa por: z( = Φ 1 ( n + 3/ 8 1/ 4 donde Φ representa la funcón de dstrbucón acumulada de una normal estándar y n (n>5 es el número de observacones en la muestra. Edgar Acuña Analss de Regreson 6
27 Plot de normaldad acompañado de pruebas noparamétrcas para detectar normaldad. Normal Q-Q Plot Sample Quantles Theoretcal Quantles El p-value de la prueba de Kolmogrov-Smrnov es mayor que 0.05 por lo tanto se acepta la hpótess de que hay normaldad de los resduales. Edgar Acuña Analss de Regreson 7
28 3.5 Detectando varanza no constante La suposcón de que en el modelo de regresón lneal múltple, los errores tenen varanza constante es mportante para que los estmadores mínmos cuadrátcos sean óptmos. La varanza no constante vene acompañado del hecho que no hay normaldad. Para detectar s la varanza es constante o no se hace un plot de resduales estudentzados versus los valores ajustados s. ŷ Edgar Acuña Analss de Regreson 8
29 La varanza de los errores no es constante Este plot muestra que la varanza de los errores no es constante y que vara En forma proporconal a la meda de la varable de respuesta Este plot es típco cuando los errores sguen una dstrbucón Posson o log-normal. Edgar Acuña Analss de Regreson 9
30 Remedos cuando la varanza poblaconal σ no es constante Usar mínmos cuadrados ponderados donde los pesos que se usan son hallados en base a los datos tomados. Transformar la varable de respuesta Y usando tranfomacón que establza la varanza Edgar Acuña Analss de Regreson 30
31 3.6 Errores correlaconados en Regresón Una de las suposcones que se hace en regresón lneal es que los errores no se correlaconan entre s Cov( e, =E( e j=0 para j. e j e Edgar Acuña Analss de Regreson 31
32 Autocorrelacón Cuando la varable predctora es tempo, pudera ocurrr que E( e, e +k 0 para un certo k en este caso se dce que los errores tene una correlacón seral y estan autocorrelaconados. Gráfcamente, cuando los resduales camban frecuentemente de sgno hay autocorrelacón negatva y s hay un conglomerado de resduales de un msmo sgno antes de cambar a otro entonces la autocrrelacón es postva. Edgar Acuña Analss de Regreson 3
33 Gráfca de las 3 seres de tempo En los dos prmeros plots la autocorrelacón es negatva y en la últma es postva Edgar Acuña Analss de Regreson 33
34 Plot de los resduales en el tempo t versus los resduales en el tempo t-1. Edgar Acuña Analss de Regreson 34
35 La prueba de Durbn-Watson Se usa para detectar s hay una postva correlacón seral de orden uno. H o : ρ = 0 vs H a : ρ > 0. n La prueba está dada por ( et et 1 D t= = n t= 1 e t Se rechaza Ho s D<D L Se acepta Ho s D>D U La prueba no lleva a nnguna conclusón s D L <D<D U. Los valores límtes D L y D U son ledos de tabla de Durbn-Watson. Edgar Acuña Analss de Regreson 35
36 Prueba de dos lados Se tenen las hpótess: H o : ρ = 0, versus H a :ρ 0 entonces Se rechaza H o : s D<D L ó 4-D<D L, al nvel de sgnfcacón de α. No se rechaza H o: s D>D U y 4-D>D U Para cualquer otro valor de D la prueba no llega a nnguna conclusón. Edgar Acuña Analss de Regreson 36
Regresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy
Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesAnomalías en regresión y medidas remediales
Universidad Nacional Agraria La Molina 2011-2 C:/Users/moranjara/Desktop/trabajo_inf Introducción Introducción En este capítulo se estudiarán algunas medidas de diagnóstico que permitirán vericar si los
Más detallesEspecialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Más detallesRegresión Múltiple. Muestra StatFolio: multiple reg.sgp
Regresón Múltple Resumen El procedmento de Regresón Múltple está dseñado para construr un modelo estadístco descrbendo el mpacto de dos o más factores cuanttatvos X sobre una varable dependente Y. El procedmento
Más detallesModelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Unversdad Austral de Chle Escuela de Ingenería Comercal ICPM050, Econometría Clase 03 Modelo Lneal Múltple Profesor: Carlos R. Ptta Econometría, Prof. Carlos R. Ptta, Unversdad Austral de Chle. Análss
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesDISTRIBUCION DE RENDIMIENTOS: APLICACIONES
DISTRIBUCION DE RENDIMIENTOS: APLICACIONES Puntos a desarrollar Como es el modelo de dstrbucon normal de los rendmentos Como se puede utlzar para hacer predccones futuras sobre precos de actvos Como se
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallese i para construir el modelo econométrico que se escribe a continuación:
5.3 Especfcacón del modelo empírco Para este análss se formló n modelo econométrco de seccón crzada, porqe las observacones corresponden a las característcas de las personas encestadas en n msmo período
Más detallesVARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
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 Regresón con varables
Más detallesMuestra: 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 detallesRegresión y Correlación
Regresón Correlacón 1.- El número de turstas (en mllones) entrados en España mensualmente durante los años 001 00 se epone en la sguente estadístca. Nº Turstas 001,76,6,9 3,8 4,4 4,81 8,93 9,98 5,91 4,34,6
Más detallesAnálisis 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 detallesAnálisis de Varianza no paramétricos
Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:
Más detalles56. Qué significan los llamados Grados de libertad 1?
Qué son los llamados grados de lbertad? 56. Qué sgnfcan los llamados Grados de lbertad? El concepto de grados de lbertad es de mucha mportanca en la estadístca moderna, no obstante que los lbros de texto,
Más detallesTiempos de relajación T 1 y T 2
empos de relajacón y Levtt,;Haacke, 7/4/ RI - Lus Agulles Pedrós Relajacón y dnámca: Supongamos un sstema de espnes alnados cuyo campo vertcal es estátco. d dt Supongamos el campo horzontal por acople
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesMODELOS DE SECUENCIACIÓN EN MÁQUINAS 1
odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas
Más detallesCORRELACION Y REGRESION
CORRELACION Y REGREION 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 detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes
Más detallesCAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS
CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS El conocmento de las meddas de centralzacón no es sufcente para caracterzar completamente a una dstrbucón por ejemplo: s las edades medas de
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesa) DIAGRAMA DE DISPERSION
SIS 335 - A EJEMPLO.- Se ha recogdo datos de una localdad medante sendas encuestas sobre el consumo (Y) de productos de hogar y de la renta (X) de los consumdores consultados, obtenéndose los sguentes
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesUna matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.
MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas
Más detallesEfectos 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 detallesRegresión de Datos de Vida
Regresón de Datos de Vda Resumen El procedmento Regresón de Datos de Vda está dseñado para ajustar un modelo estadístco paramétrco relaconado con tempos de falla a una o más varables predctoras. Los predctores
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
Más detalles6 Heteroscedasticidad
6 Heteroscedastcdad Defncón casas de heteroscedastcdad Defncón: la varanza de la pertrbacón no es constante. Casas: a natraleza de la relacón entre las varables Ejemplo : relacón gasto-renta; Hogares con
Más detalles4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.
4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesTODO 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 detallesTema 21: Distribución muestral de un estadístico
Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15
Más detallesAnálisis estadístico de incertidumbres aleatorias
Análss estadístco de ncertdumbres aleatoras Errores aleatoros y sstemátcos La meda y la desvacón estándar La desvacón estándar como error de una sola medda La desvacón estándar de la meda úmero de meddas
Más detallesREGRESION 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 detallesREGRESION 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 detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesRiesgos 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 detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesRegresión 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 detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesExamen Final de Econometría Grado
Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón
Más detallesDistribuciones de probabilidad
Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesProblemas 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 detallesPREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )
TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C
Más detallesMedidas 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 detallesHeight (altura) Extraction (extracción)
Regresón Posson Resumen El procedmento Regresón Posson está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado relacona Y con
Más detallesSolución Taller No. 10 Econometría II Prof. Bernal
Solucón Taller No. 0 Econometría 2007 II Prof. Bernal. a. El modelo que hay que estmar es el sguente: partcpa = B + B edad _ nno + B genero _ nno + B * edad _ mama + B secundara + B casada + B trabaja
Más detallesVerificación de Calidad de Modelos en Regresión Lineal Software Estadístico de Regresión ERLA
Verfcacón de Caldad de Modelos en Regresón Lneal Software Estadístco de Regresón ERLA Autores: Juan Carlos Buenaño Cordero, Cela De La Cruz Cedeño Coautor: Gaudenco Zurta Herrera Insttuto de Cencas Matemátcas
Más detallesCAPITULO III VARIABLE DEPENDIENTE CUALITATIVA Y LIMITADA
CAPITULO III VARIABLE DEPENDIENTE CUALITATIVA Y LIMITADA 1. MODELOS DE ELECCION DISCRETA Los modelos de eleccón dscreta consderan una varable ndcadora dependente. Esta varable ndcadora podrá tomar dos
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
Más detallesa) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?
EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600
Más detallesT. 5 Estadísticos de forma de la distribución
T. 5 Estadístcos de forma de la dstrbucón 1 1. Asmetría 2. Apuntamento o curtoss Ya ha sdo abordado en temas precedentes el análss de la forma de la dstrbucón de frecuencas desde una aproxmacón gráfca.
Más detallesPregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?
Cadenas de Marov Después de mucho estudo sobre el clma, hemos vsto que s un día está soleado, en el 70% de los casos el día sguente contnua soleado y en el 30% se pone nublado. En térmnos de probabldad,
Más detallesAnálisis cuantitativo aplicado al Comercio Internacional y el Transporte
Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón
Más detallesAnálisis de la Varianza de dos factores con replicaciones: Caso Balanceado (Scheffé, 1959)
Modelo Lneal 03 Ana M Banco 1 Análss de la Varanza de dos factores con replcacones: Caso Balanceado cheffé, 1959 En este eemplo nos nteresa el tempo de coagulacón en mnutos del plasma sanguíneo para 3
Más detallesEjemplo: 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 detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesA. 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 detallesMODELOS 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 detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesResolución de sistemas lineales por métodos directos
Resolucón de sstemas lneales por métodos drectos Descomposcón LU S la matr del sstema Ax = b se expresa como producto de una matr trangular nferor, L, de una superor, U, la resolucón del msmo se reduce
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesEJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesTEMA 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 detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más detallesEJERCICIO 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 detallesTema 2.- Regresión lineal múltiple (I) Introducción 2.2. Especificación del modelo de regresión lineal múltiple. 2.3.
Tema.- Regresón lneal múltple (I)... Introduccón.. Especfcacón del modelo de regresón lneal múltple..3. Estmacón de los parámetros del modelo por mínmos cuadrados..4. Interpretacón de la ecuacón de regresón..5.
Más detallesPráctica 4ª: RESOLUCIÓN DE SISTEMAS LINEALES. METODOS ITERATIVOS.
practca4srnb Apelldos Nombre: Práctca 4ª: RESOLUCIÓN DE SISTEMAS LINEALES METODOS ITERATIVOS Normas vectorales normas matrcales Número de condcón de una matr Cuando se construe una sucesón de vectores
Más detallesRegresión 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 detallesCAPÍTULO 4 TRANSFORMACIONES EN REGRESIÓN
CAPÍTULO 4 TRANSFORMACIONES EN REGRESIÓN Edgar Acuña Fernández Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez Edgar Acuña Analisis de Regresion 1 Transformaciones
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesEl diodo Semiconductor
El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por
Más detalles