Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.)

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

Download "Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.)"

Transcripción

1 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 1/11 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) Departamento de Probabilidad y Estadística I.I.M.A.S.-U.N.A.M.

2 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 2/11 Datos Se pensó en estudiar el Aguacate Hass por ser un producto presente en mercados nacionales durante todo el año. Una de las bases de datos del SNIIM más completa, es para la presentacion en caja de 10 kilogramos.

3 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 2/11 Datos Se pensó en estudiar el Aguacate Hass por ser un producto presente en mercados nacionales durante todo el año. Una de las bases de datos del SNIIM más completa, es para la presentacion en caja de 10 kilogramos. Para trabajar con la serie de tiempo correspondiente a precio frecuente, se calculó (en caso de ser posible) un promedio semanal de los precios frecuentes.

4 Ejemplo: datos del precio promedio semanal, aguacate Hass. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 3/11

5 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 3/11 Ejemplo: datos del precio promedio semanal, aguacate Hass. Se tienen datos de varios años.

6 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 3/11 Ejemplo: datos del precio promedio semanal, aguacate Hass. Se tienen datos de varios años. Hay datos faltantes, una semana en Enero de 2000 y otra semana en Septiembre de 2007

7 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 3/11 Ejemplo: datos del precio promedio semanal, aguacate Hass. Se tienen datos de varios años. Hay datos faltantes, una semana en Enero de 2000 y otra semana en Septiembre de 2007 Precio promedio semanal Series Figura 1 Aguacate Hass, precio promedio semanal

8 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 4/11 Estacionalidad Se puede pensar en un modelo para datos con componente estacional SARIMA((p, d, q) (P, D, Q)) s. thousands months Datos con componente estacional

9 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 5/11 Estacionalidad Dadas observaciones {X t }, entonces si el proceso Y t = (1 B) d (1 B s ) D X t (A) es un proceso ARMA causal φ p (B)Φ P (B s )Y t = θ q (B)Θ Q (B s )ε t, (B)

10 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 5/11 Estacionalidad Dadas observaciones {X t }, entonces si el proceso Y t = (1 B) d (1 B s ) D X t (A) es un proceso ARMA causal φ p (B)Φ P (B s )Y t = θ q (B)Θ Q (B s )ε t, (B) donde φ p (z) = 1 φ 1 z φ 2 z 2... φ p z p, Φ P (z) = 1 Φ 1 z Φ 2 z 2... Φ P z p, θ q (z) = 1 + θ 1 z + θ 2 z θ q z q, θ Q (z) = 1 + Θ 1 z + Θ 2 z Θ Q z q y {ε t } son v.a. no correlacionadas con distribucion normal(0, σε) 2

11 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 6/11 Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante).

12 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 6/11 Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante). Ajustar un modelo estacional.

13 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 6/11 Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante). Ajustar un modelo estacional. Predecir el dato faltante.

14 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 6/11 Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante). Ajustar un modelo estacional. Predecir el dato faltante. Logaritmo de los datos Figura 2 Aguacate Hass, logaritmo del precio promedio semanal

15 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 7/11 De la ecuación (A), se diferencia la serie de los logaritmos de los precios {X t }, primero a lag 1 (d = 1) y luego a lag s = 52 (D = 1).

16 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 7/11 De la ecuación (A), se diferencia la serie de los logaritmos de los precios {X t }, primero a lag 1 (d = 1) y luego a lag s = 52 (D = 1). Para la serie resultante {Y t } se calcula la acf

17 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 7/11 De la ecuación (A), se diferencia la serie de los logaritmos de los precios {X t }, primero a lag 1 (d = 1) y luego a lag s = 52 (D = 1). Para la serie resultante {Y t } se calcula la acf ACF Lag Figura 3 Autocorrelaciones sugieren posible modelo SARIMA(p = 0, d = 1, q = 7) (P = 0, D = 1, Q = 1) 52

18 Se estima el modelo vía máxima verosimilitud. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 8/11

19 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 8/11 Se estima el modelo vía máxima verosimilitud. Se analizan residuales

20 Se estima el modelo vía máxima verosimilitud. Se analizan residuales Series residuals residuals ACF Time Lag Normal Q Q Plot Histogram of residuals Sample Quantiles Frequency Theoretical Quantiles residuals Los residuales no presentan desviaciones significativas de los supuestos de normalidad y de no correlación. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 8/11

21 Usando el modelo predice del dato faltante ˆX = Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 9/11

22 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 9/11 Usando el modelo predice del dato faltante ˆX = Los precios promedio de a una semana antes y una semana despues son 355 y 320.

23 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 9/11 Usando el modelo predice del dato faltante ˆX = Los precios promedio de a una semana antes y una semana despues son 355 y 320. Con los datos completados (enero 2004 a julio 2008) {X t } se vuelve a calcular Y t = (1 B) d (1 B s ) D X t

24 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 9/11 Usando el modelo predice del dato faltante ˆX = Los precios promedio de a una semana antes y una semana despues son 355 y 320. Con los datos completados (enero 2004 a julio 2008) {X t } se vuelve a calcular Y t = (1 B) d (1 B s ) D X t ACF Lag Figura 5 de nuevo, se sugiere un posible modelo SARIMA(p = 0, d = 1, q = 7) (P = 0, D = 1, Q = 1) 52

25 Se estima el modelo vía máxima verosimilitud. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 10/11

26 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 10/11 Se estima el modelo vía máxima verosimilitud. Se analizan residuales

27 Se estima el modelo vía máxima verosimilitud. Se analizan residuales Series residuals residuals ACF Time Lag Normal Q Q Plot Histogram of residuals Sample Quantiles Frequency Theoretical Quantiles residuals Los residuales no presentan desviaciones significativas de los supuestos de normalidad y de no correlación. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 10/11

28 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 11/ Figura 7

Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos)

Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos) Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos) Alberto Contreras Cristán, Miguel Ángel Chong Rodríguez. Departamento de Probabilidad y Estadística Instituto de Investigaciones en

Más detalles

D.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO

D.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos

Más detalles

Práctica 3: Regresión simple con R

Práctica 3: Regresión simple con R Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar

Más detalles

peso edad grasas Regresión lineal simple Los datos

peso edad grasas Regresión lineal simple Los datos Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos

Más detalles

Análisis de Series de Tiempo. Universidad Nacional Autónoma de México. M. en C. César Almenara Martínez. 10 de Noviembre de 2010.

Análisis de Series de Tiempo. Universidad Nacional Autónoma de México. M. en C. César Almenara Martínez. 10 de Noviembre de 2010. Análisis de Series de Tiempo. M. en C. César Almenara Martínez. Universidad Nacional Autónoma de México. 10 de Noviembre de 2010. 1 Receta. 2 Análisis. 1 Receta. 2 Análisis. Para hacer un análisis básico

Más detalles

4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido:

4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido: INTRODUCCIÓN A LA ESTADÍSTICA. Relación 4: REGRESIÓN Y CORRELACIÓN 1.- En una población se ha procedido a realizar observaciones sobre un par de variables X e Y. Xi 4 5 4 5 6 5 6 6 Yi 1 1 3 3 3 4 4 ni

Más detalles

Estadística I Examen extraordinario, 25 de Junio Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER.

Estadística I Examen extraordinario, 25 de Junio Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER. Estadística I Examen extraordinario, 25 de Junio 2013. Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER. REGLAS DEL EXAMEN: 1) Usar cuadernillos diferentes para cada problema. 2) Hacer los cálculos

Más detalles

Tema 4: SERIES TEMPORALES Y NÚMEROS ÍNDICES 1. DEFINICIÓN DE SERIE TEMPORAL:

Tema 4: SERIES TEMPORALES Y NÚMEROS ÍNDICES 1. DEFINICIÓN DE SERIE TEMPORAL: Tema 4: SERIES TEMPORALES Y NÚMEROS ÍNDICES 1. DEFINICIÓN DE SERIE TEMPORAL: Gráfico Componentes 2. NÚMEROS ÍNDICE: Definición Índices simples Índices compuestos sin ponderar: Índice de la media armética

Más detalles

Segunda práctica de REGRESIÓN.

Segunda práctica de REGRESIÓN. Segunda práctica de REGRESIÓN. DATOS: fichero practica regresión 2.sf3. Objetivo: El objetivo de esta práctica es interpretar una regresión y realizar correctamente la diagnosis. En la primera parte se

Más detalles

SERIE TEMPORAL TASA PASIVA REFERENCIAL ECUADOR MAT. GEOVANNY TOALOMBO Agosto 2006

SERIE TEMPORAL TASA PASIVA REFERENCIAL ECUADOR MAT. GEOVANNY TOALOMBO Agosto 2006 SERIE TEMPORAL TASA PASIVA REFERENCIAL ECUADOR MAT. GEOVANNY TOALOMBO Agosto 20 Se presenta a continuación el estudio de la serie de tiempo, para la Tasa Pasiva Referencial fuente Banco Central de Ecuador

Más detalles

Comparación de Líneas de Regresión

Comparación de Líneas de Regresión Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor

Más detalles

Técnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste

Técnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción

Más detalles

Capítulo 1. El caso del Método de Pesada

Capítulo 1. El caso del Método de Pesada Capítulo 1. El caso del Método de Pesada En uno de los viajes que realizaron Norberto y Daniel, profesores de Química Analítica y de Probabilidad y Estadística, respectivamente, Norberto le pidió a Daniel

Más detalles

Práctica 1: Introducción a SPSS 1

Práctica 1: Introducción a SPSS 1 Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 1: Introducción a SPSS 1 Este programa estadístico está organizado en dos bloques: el editor de datos y el visor

Más detalles

Ejemplo de Regresión Lineal Simple

Ejemplo de Regresión Lineal Simple Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3

Más detalles

Semana 3. Semana 3. Correlaciones. Introducción. Regresión. Diferenciación. Series de Tiempo. Suavizamiento. Descomposición.

Semana 3. Semana 3. Correlaciones. Introducción. Regresión. Diferenciación. Series de Tiempo. Suavizamiento. Descomposición. Series de Tiempo Esquema 1 2 3 4 5 6 Esquema 1 2 3 4 5 6 jj 0 5 10 15 Dividendos de Johnson & Johnson 1960 1965 1970 1975 1980 ACF 0.2 0.2 0.4 0.6 0.8 1.0 0 1 2 3 4 5 6 ACF para la serie de dividendos

Más detalles

APÉNDICE A GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS

APÉNDICE A GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS APÉNDICE A GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS 48 GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS Para determinar el modelo que se ha empleado para las estimaciones,

Más detalles

Análisis de la Varianza

Análisis de la Varianza Análisis de la Varianza El Análisis de la Varianza -ANOVA- es una herramienta del área de la inferencia estadística, utilizada en las investigaciones científico-técnicas. Objetivo: probar hipótesis referidas

Más detalles

SOLUCIONES PRÁCTICA 6: SERIES TEMPORALES DIPLOMADO EN ESTADÍSTICA

SOLUCIONES PRÁCTICA 6: SERIES TEMPORALES DIPLOMADO EN ESTADÍSTICA SOLUCIONES PRÁCTICA 6: SERIES TEMPORALES DIPLOMADO EN ESTADÍSTICA Problema 1 Calcular las primeras 12 autocorrelaciones simples teóricas del proceso (1 0,8B)Y t = (1 0,5B 12 )a t utilizando tanto la fórmula

Más detalles

'' '' '' ' ' ' ' 4 5 3 4 2 6 2 ' ' '' '' ' ' IQ ' ' ' ' ' ' Altura (cm) 150 160 170 180 190 150 160 170 180 190 Altura (cm) ' ' ' ' '' ' ' ' ' ' ' '' '' ' ' ' ' ' ' Precio (millones $) 0 500 1000

Más detalles

4 5 3 4 2 6 2 IQ Altura (cm) 150 160 170 180 190 150 160 170 180 190 Altura (cm) (a) (b) Precio (millones $) 0 500 1000 1500 Precio (millones $) 0 200 400 600 800 1000 1200 1400 no si aburra sur.no

Más detalles

Profesorado para el 3º Ciclo de la EGB y Educación Polimodal en Tecnología Espacio de Definición Institucional LA TRANSFORMACIÓN DE DATOS EN

Profesorado para el 3º Ciclo de la EGB y Educación Polimodal en Tecnología Espacio de Definición Institucional LA TRANSFORMACIÓN DE DATOS EN LA TRANSFORMACIÓN DE DATOS EN INFORMACIÓN CONTABLE -1- -2- -3- -4- -5- LA ECUACIÓN CONTABLE BÁSICA -6- -7- -8- -9- - 10 - - 11 - REGISTRACIÓN EN EL LIBRO DIARIO - 12 - - 13 - - 14 - - 15 - - 16 - - 17

Más detalles

PREDICCIONES PARA OCTUBRE, NOVIEMBRE Y DICIEMBRE DE 2007

PREDICCIONES PARA OCTUBRE, NOVIEMBRE Y DICIEMBRE DE 2007 Predicciones de Índice de Precios Percibidos General (Octubre, Noviembre y Diciembre 2007) Cátedra Jean Monnet de Economía de la Integración Europea PREDICCIONES PARA OCTUBRE, NOVIEMBRE Y DICIEMBRE DE

Más detalles

Tema 3: Estimadores de máxima verosimilitud

Tema 3: Estimadores de máxima verosimilitud Tema 3: Estimadores de máxima verosimilitud 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: motivación Método

Más detalles

Introducción a series de tiempo

Introducción a series de tiempo Introducción a series de tiempo Aniel Nieves-González Abril 2013 Aniel Nieves-González () Time Series Abril 2013 1 / 20 Definiciones Definition (Serie de tiempo (Time Series)) Una serie de tiempo (ST)

Más detalles

Quinta Entrega. 3. Diagnosis: se comprueba que los residuos verifican la hipótesis de ruido blanco.

Quinta Entrega. 3. Diagnosis: se comprueba que los residuos verifican la hipótesis de ruido blanco. Prácticas de la asignatura Series Temporales Quinta Entrega 1 Identificación y Predicción de modelos ARIMA En esta entrega veremos como ajustar modelos ARIMA a series de datos reales. Supongamos que tenemos

Más detalles

Efecto Grados de Libertad A 1 D 1 B 1 E 1 C 1 F 1 AD 1 CD 1 AE 1 CD 1 AF 1 CF 1 BD 1 BE 1 BF 1

Efecto Grados de Libertad A 1 D 1 B 1 E 1 C 1 F 1 AD 1 CD 1 AE 1 CD 1 AF 1 CF 1 BD 1 BE 1 BF 1 Diseños Robustos El diseño robusto es esencialmente un principio que hace énfasis en seleccionar adecuadamente los niveles de los factores controlables en el proceso para la manufactura de productos. El

Más detalles

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II SOLUCIÓN PRACTICA 1 Problema 2-. Para una serie de investigaciones, en las que el tamaño de la muestra era el mismo, se ha calculado la t de Student con objeto

Más detalles

ARCH y GARCH. Series de tiempo. Miguel Ángel Chong R. 14 de mayo del 2013

ARCH y GARCH. Series de tiempo. Miguel Ángel Chong R. 14 de mayo del 2013 Estadística Miguel Ángel Chong R. miguel@sigma.iimas.unam.mx 14 de mayo del 013 Modelos estacionales multiplicativos y estacionarios En la mayor parte de los casos los datos no sólo están correlacionados

Más detalles

ACTIVIDAD 3: Intervalos de Confianza para 1 población

ACTIVIDAD 3: Intervalos de Confianza para 1 población ACTIVIDAD 3: Intervalos de Confianza para 1 población CASO 3-1: REAJUSTE DE MÁQUINAS Trabajamos como supervisores de una máquina dedicada a la producción de piezas metálicas cuya longitud sigue una distribución

Más detalles

RELACIÓN DE EJERCICIOS DE REPASO DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I

RELACIÓN DE EJERCICIOS DE REPASO DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Dto. de MATEMÁTICAS RELACIÓN DE EJERCICIOS DE REPASO DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1. Calcular, de forma exacta las siguientes operaciones. a) 1, 0, b) 0,7:0,916. Representa el conjunto

Más detalles

REGRESIÓN LINEAL CON SPSS

REGRESIÓN LINEAL CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre

Más detalles

Herramientas Estadísticas para la Gestión

Herramientas Estadísticas para la Gestión Herramientas Estadísticas para la Gestión Q7: Las siete herramientas de la calidad 1. Hoja de recogida de datos 2. Diagramas de flujo 3. Diagrama causa-efecto o espina de pez 4. Cartas de control de calidad

Más detalles

Ejemplos de clase Administración de Inventarios. Guatemala, abril de 2013

Ejemplos de clase Administración de Inventarios. Guatemala, abril de 2013 Ejemplos de clase Administración de Inventarios Guatemala, abril de 2013 ADMINISTRACIÓN DE INVENTARIOS A. MODELOS DE INVENTARIO PARA DEMANDA INDEPENDIENTE B. MODELOS PROBABILISTICOS E INVENTARIOS DE SEGURIDAD

Más detalles

Guía breve de análisis de series temporales unidimensionales con Gretl

Guía breve de análisis de series temporales unidimensionales con Gretl Guía breve de análisis de series temporales unidimensionales con Gretl 1. Pasos a seguir 1. Representación de la serie temporal (Variable Gráfico de series temporales). 2. Serie temporal no estacionaria

Más detalles

Regresión con errores autocorrelacionados

Regresión con errores autocorrelacionados Series de tiempo Gerardo Ortega Miguel Pluma Luis Osorio Johnatan García 09 de diciembre de 2013 Contenido 1 Introducción Idea intuitiva 2 Algoritmo 3 Propiedades de los estimadores 4 Estadístico de Durbin-Watson

Más detalles

11. PRUEBAS NO PARAMÉTRICAS

11. PRUEBAS NO PARAMÉTRICAS . PRUEBAS NO PARAMÉTRICAS Edgar Acuña http://math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ PRUEBAS NO PARAMÉTRICAS Se estudiarán las pruebas noparamétricas, las cuales

Más detalles

3. Resolver triángulos rectángulos utilizando las definiciones de las razones trigonométricas.

3. Resolver triángulos rectángulos utilizando las definiciones de las razones trigonométricas. Contenidos mínimos MI. 1. Contenidos. Bloque I: Aritmética y Álgebra. 1. Conocer las clases de números, los conjuntos numéricos: naturales, enteros, racionales, reales y complejos y las propiedades que

Más detalles

Índice INTRODUCCION. Introducción

Índice INTRODUCCION. Introducción Índice INTRODUCCION 2 TENDENCIA 4 PROMEDIOS MÓVILES 6 VARIACIONES CÍCLICAS E IRREGULARES 7 VARIACIONES ESTACIONALES 9 MÉTODO DE LA RAZÓN AL PROMEDIO MÓVIL 10 ALISAMIENTO EXPONENCIAL 11 BIBLIOGRAFIA 12

Más detalles

Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad

Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad Introducción Cuantificar la variabilidad de un proceso. Analizar esta variabilidad en relación con los requisitos

Más detalles

Tema 3. 3. Correlación. Correlación. Introducción

Tema 3. 3. Correlación. Correlación. Introducción 3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test

Más detalles

ANEXO 8 Pronóstico de ventas. Para realizar los pronósticos de venta del nuevo punto de venta, se utilizó lo que se

ANEXO 8 Pronóstico de ventas. Para realizar los pronósticos de venta del nuevo punto de venta, se utilizó lo que se ANEXO 8 Pronóstico de ventas Para realizar los pronósticos de venta del nuevo punto de venta, se utilizó lo que se denomina Análisis de Series de Tiempo, el cual comprende una variable independiente (X)

Más detalles

Ejemplos de clase Administración de Inventarios

Ejemplos de clase Administración de Inventarios Ejemplos de clase Administración de Inventarios ADMINISTRACIÓN DE INVENTARIOS A. MODELOS DE INVENTARIO PARA DEMANDA INDEPENDIENTE B. MODELOS PROBABILISTICOS E INVENTARIOS DE SEGURIDAD C. SISTEMAS DE PERIODO

Más detalles

Tamaño de muestra agropecuaria

Tamaño de muestra agropecuaria Pablo Tadeo Cruz * RESUMEN En este documento, se analizan condiciones de productividad y rentabilidad de los Sistemas de Producción Agropecuaria, dónde se aplica metodología de determinación de tamaño

Más detalles

Y = ßo + ß1X + ε. La función de regresión lineal simple es expresado como:

Y = ßo + ß1X + ε. La función de regresión lineal simple es expresado como: 1 Regresión Lineal Simple Cuando la relación funcional entre las variables dependiente (Y) e independiente (X) es una línea recta, se tiene una regresión lineal simple, dada por la ecuación donde: Y =

Más detalles

Ejemplos de estudios de series de tiempo

Ejemplos de estudios de series de tiempo 1 Ejemplos de estudios de series de tiempo Ejemplo 1 Pasajeros Aerolíneas Internacionales (PAI) Este estudio está realizado sobre un famoso conjunto de datos mensuales, el número de pasajeros de aerolíneas

Más detalles

Introducción a series de tiempo

Introducción a series de tiempo Introducción a series de tiempo Aniel Nieves-González Spring 2014 Aniel Nieves-González () Time Series Spring 2014 1 / 20 Definiciones Definition (Serie de tiempo (Time Series)) Una serie de tiempo (ST)

Más detalles

Inferencia estadística en la EBAU de Murcia INFERENCIA ESTADÍSTICA EN LA EBAU DE MURCIA

Inferencia estadística en la EBAU de Murcia INFERENCIA ESTADÍSTICA EN LA EBAU DE MURCIA INFERENCIA ESTADÍSTICA EN LA EBAU DE MURCIA 1. (Septiembre 2017) El consumo de carne por persona en un año para una población es una variable aleatoria con distribución normal con desviación típica igual

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

CAPÍTULO 2: PRODUCTOS Y DEMANDAS. en Funpimet, por lo que aquí se analizan los datos históricos de ventas para pronosticar

CAPÍTULO 2: PRODUCTOS Y DEMANDAS. en Funpimet, por lo que aquí se analizan los datos históricos de ventas para pronosticar CAPÍTULO 2: PRODUCTOS Y DEMANDAS. En el primer capítulo de este proyecto se expusieron los productos que se fabrican en Funpimet, por lo que aquí se analizan los datos históricos de ventas para pronosticar

Más detalles

5 Relaciones entre variables.

5 Relaciones entre variables. ANÁLISIS EPLORATORIO DE DATOS 39 ANÁLISIS EPLORATORIO DE DATOS 40 Relaciones entre variables..1 Ejercicios. Ejercicio.1 En una muestra de 0 individuos se recogen datos sobre dos medidas antropométricas

Más detalles

FUERZA DE VENTAS. Administración. Séptima Edición CAPÍTULO CINCO. El papel estratégico de la información en la administración de ventas

FUERZA DE VENTAS. Administración. Séptima Edición CAPÍTULO CINCO. El papel estratégico de la información en la administración de ventas FUERZA DE VENTAS Administración Séptima Edición CAPÍTULO CINCO El papel estratégico de la información en la administración de ventas 5.1 Copyright Copyright 2003 2003by bythe TheMcGraw-Hill McGraw-HillCompanies,

Más detalles

TRABAJO PRÁCTICO ESTADISTICA APLICADA (746)

TRABAJO PRÁCTICO ESTADISTICA APLICADA (746) UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADEMICO AREA DE MATEMATICA TRABAJO PRÁCTICO ESTADISTICA APLICADA (746) JOSE GREGORIO SANCHEZ CASANOVA C.I. V-9223081 CARRERA: 610 SECCION Nº 1 SAN CRISTOBAL,

Más detalles

Análisis de Series de Tiempo

Análisis de Series de Tiempo CURSO REGIONAL SOBRE HOJA DE BALANCE DE ALIMENTOS, SERIES DE TIEMPO Y ANÁLISIS DE POLÍTICA MSc. Sandra Hernández sandra.hernandezro@gmail.com Sede Subregional de la CEPAL en México Ciudad de México, del

Más detalles

Análisis Estadístico

Análisis Estadístico Universidad Torcuato Di Tella Análisis Estadístico Examen Final 05/07/2017 TEMA 1 Nombre y Apellido: Número de legajo: Instrucciones El examen tiene dos partes. La parte A (40 puntos) contiene 10 preguntas

Más detalles

Funciones de varias variables: problemas propuestos

Funciones de varias variables: problemas propuestos Funciones de varias variables: problemas propuestos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO RODRÍGUEZ

Más detalles

EJERCICIOS TEMA 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas:

EJERCICIOS TEMA 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas: Ejercicio 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas: a) Marca de los coches. b) Peso de los coches. c) Número de coches vendidos

Más detalles

Análisis de Series Temporales. Análisis de 10 series de datos aplicando técnicas y métodos estadísticos de análisis de series temporales con R.

Análisis de Series Temporales. Análisis de 10 series de datos aplicando técnicas y métodos estadísticos de análisis de series temporales con R. Análisis de Series Temporales. Análisis de 10 series de datos aplicando técnicas y métodos estadísticos de análisis de series temporales con R. Juan Antonio Breña Moral Pagina 1 Índice. 1. Introducción

Más detalles

TUTORIAL INTRODUCTORIO DE MATLAB

TUTORIAL INTRODUCTORIO DE MATLAB TUTORIAL INTRODUCTORIO DE MATLAB (PVB Parte I) Consejos y tips para tener en cuenta. Si la forma de la interface o la disposición de las ventanas cambia de configuración, ya sea que se desordenen o se

Más detalles

Principios de Estadística. Histogramas. Comparar distribuciones. Comparar cuantiles

Principios de Estadística. Histogramas. Comparar distribuciones. Comparar cuantiles Leonardo Collado Torres y María Gutiérrez Arcelus Licenciatura en Ciencias Genómicas, UNAM www.lcg.unam.mx/~lcollado/index.php www.lcg.unam.mx/~mgutierr/index.php Cuernavaca, México Febrero - Junio, 2009

Más detalles

Visualización de imágenes

Visualización de imágenes Tema 5 Visualización de imágenes Tradicionalmente se ha dividido el análisis de imágenes de satélite en 2 fases, un análisis visual y un análisis digital. El primero es similar en muchos aspectos a la

Más detalles

Estacionalidad Determinista Segmentada, Efecto Calendario, Efecto Semana Santa y predicción de modelos con Raíces Unitarias

Estacionalidad Determinista Segmentada, Efecto Calendario, Efecto Semana Santa y predicción de modelos con Raíces Unitarias Estacionalidad Determinista Segmentada, Efecto Calendario, Efecto Semana Santa y predicción de modelos con Raíces Unitarias Práctica N o 2 Técnicas en Predicción Administración y Dirección de Empresas

Más detalles

ACTIVIDAD 2: La distribución Normal

ACTIVIDAD 2: La distribución Normal Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la

Más detalles

Modelo Lineal: Diagnóstico. Cómo verificamos todos los supuestos que hemos realizado?

Modelo Lineal: Diagnóstico. Cómo verificamos todos los supuestos que hemos realizado? Modelo Lineal: Diagnóstico Verificación de Supuestos y Diagnóstico Supongamos que tenemos una muestra(y i,x i ),,...,nquecumple: y i =x iβ+ɛ i dondeɛ i =N(0,σ 2 )sonindependientesyestimamosporelmétododemínimos

Más detalles

Estadística I Solución Examen Final - 28 Mayo de 2009

Estadística I Solución Examen Final - 28 Mayo de 2009 Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas

Más detalles

Las técnicas para resumir la información ió contenida en un conjunto de datos x 1, x 2,,x n son: Tablas de frecuencias: por columnas, disponemos los

Las técnicas para resumir la información ió contenida en un conjunto de datos x 1, x 2,,x n son: Tablas de frecuencias: por columnas, disponemos los Las técnicas para resumir la información ió contenida en un conjunto de datos x 1, x 2,,x n son: Tablas de frecuencias: por columnas, disponemos los datos (si hay pocos distintos) o los intervalos (si

Más detalles

Regresión lineal múltiple

Regresión lineal múltiple Regresión lineal múltiple José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 Índice I 1 El modelo de regresión lineal múltiple 1 El modelo de regresión múltiple. Introducción

Más detalles

CAPÍTULO 4 CAPACIDAD DEL PROCESO

CAPÍTULO 4 CAPACIDAD DEL PROCESO APÍTULO 4 APAIDAD DEL PROESO APÍTULO 4 APAIDAD DEL PROESO En este capítulo se hace una evaluación de la situación actual de la producción de la tapa de las guanteras para el coche modelo Jetta A4. Para

Más detalles

TÉCNICAS COMPUTACIONALES EN LA ESTADÍSTICA BAYESIANA

TÉCNICAS COMPUTACIONALES EN LA ESTADÍSTICA BAYESIANA TÉCNICAS COMPUTACIONALES EN LA ESTADÍSTICA BAYESIANA Luis A. Barboza Grupo de Estadística Bayesiana (GEB) Universidad de Costa Rica Julio 2014 Técnicas computacionales en Estadística Bayesiana 1 Contenidos

Más detalles

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10 DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes

Más detalles

Series temporales. Series temporales

Series temporales. Series temporales Series temporales Series temporales Una serie temporal es una variable cuya evolución se sigue a lo largo del tiempo. Para obtenerla tomaremos observaciones de la variable a intervalos regulares de tiempo.

Más detalles

Mapa de caudales máximos

Mapa de caudales máximos JORNADA TÉCNICA T DE INUNDACIONES 10-11 11 de junio de 010 Mapa de caudales máximos Antonio Jiménez Álvarez del CEDEX 1 CARACTERÍSTICAS GENERALES DEL TRABAJO Realizado dentro de un Convenio de colaboración

Más detalles

CUADERNO DE EJERCICIOS

CUADERNO DE EJERCICIOS MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Psicopedagogía Curso 2009/2010 CUADERNO DE EJERCICIOS Ejercicio nº 1 Aplicada una prueba de medición de la inteligencia a un grupo de 50 alumnos, las puntuaciones

Más detalles

1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal.

1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal. Límites de Tolerancia Los límites de tolerancia proporcionan un rango de valores para X tal que se puede tener 100(1-α) % de confianza que P por ciento de la población, de la cual provienen los datos,

Más detalles

Estadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos. Nombre:... Grupo:...

Estadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos. Nombre:... Grupo:... Estadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. (10

Más detalles

ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL

ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL DEPARTAMENTO DE GEOGRAFÍA FACULTAD DE HUMANIDADES UNNE Prof. Silvia Stela Ferreyra Revista Geográfica Digital. IGUNNE. Facultad de Humanidades.

Más detalles

Estadísticas Elemental Medidas de dispersión 3.1-1

Estadísticas Elemental Medidas de dispersión 3.1-1 Estadísticas Elemental Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión. Cuando la dispersión es grande, los valores se

Más detalles

Distribuciones bidimensionales. Regresión.

Distribuciones bidimensionales. Regresión. Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 5: Distribuciones bidimensionales. Regresión. Resumen teórico Resumen teórico de los principales conceptos estadísticos

Más detalles

Modelos de Calibración

Modelos de Calibración Modelos de Calibración Resumen El procedimiento Modelos de Calibración esta diseñado para construir un modelo estadístico que describe la relación entre variables, X y Y, donde construir un modelo es construir

Más detalles

Prácticas de Fiabilidad

Prácticas de Fiabilidad Prácticas de Fiabilidad Práctica : Objetivo: En esta práctica se van a ajustar datos censurados. De los tres tipos de censura existentes se va a trabajar con la censura aleatoria, es decir, el proceso

Más detalles

GEOESTADÍSTICA APLICADA

GEOESTADÍSTICA APLICADA UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009

Más detalles

Estimación por intervalos

Estimación por intervalos Método de construcción de intervalos de confianza Intervalos de confianza para una población normal Estadística II Universidad de Salamanca Curso 2011/2012 Método de construcción de intervalos de confianza

Más detalles

Modelos de probabilidad en R

Modelos de probabilidad en R Modelos de probabilidad en R Contents Probabilidades Discretas 1 Ejemplo: suma de la cara de dos dados................................. 1 Distribución Binomial:...........................................

Más detalles

EJERCICIOS PARA PREPARAR EL CONTROL DE MATEMÁTICAS. a) Agrupa los datos en cuatro clases y escribe la tabla de frecuencias.

EJERCICIOS PARA PREPARAR EL CONTROL DE MATEMÁTICAS. a) Agrupa los datos en cuatro clases y escribe la tabla de frecuencias. EJERCICIOS PARA PREPARAR EL CONTROL DE MATEMÁTICAS Estos ejercicios se pueden presentar el día del examen, en hojas sueltas, no en el cuaderno. Además puedes añadir todos los ejercicios que tú realices

Más detalles

EL MAPA DE CAUDALES MÁXIMOS EN ESPAÑA

EL MAPA DE CAUDALES MÁXIMOS EN ESPAÑA EL MAPA DE CAUDALES MÁXIMOS EN ESPAÑA BASE TEÓRICA Y SITUACIÓN ACTUAL Antonio Jiménez Álvarez Centro de Estudios Hidrográficos (CEDEX) 1 CARACTERÍSTICAS GENERALES DEL TRABAJO Realizado dentro de un Convenio

Más detalles

SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas

SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria

Más detalles

UNIVERSIDAD DE LOS ANDES INSTITUTO DE ESTADISTICA APLICADA Y COMPUTACION FACES MODELOS GARCH

UNIVERSIDAD DE LOS ANDES INSTITUTO DE ESTADISTICA APLICADA Y COMPUTACION FACES MODELOS GARCH UNIVERSIDAD DE LOS ANDES INSTITUTO DE ESTADISTICA APLICADA Y COMPUTACION FACES MODELOS GARCH Procesos Generalizados Autorregresivos con Heterocedasticidad Condicional GIAMPAOLO ORLANDONI MERLI orlandon@ula.ve

Más detalles

Metodologías de Pronóstico del Precio de la Energía

Metodologías de Pronóstico del Precio de la Energía Teoría Básica de Series de Tiempo: Box - Jenkins Aplicación Hacia un Modelo Dinámico de Factores Pronósticos Intermedios Pronóstico del Precio de la Energía Validación de Modelos Metodologías de Pronóstico

Más detalles

CURSO: ECONOMETRÍA Y ANÁLISIS DE POLÍTICAS FISCALES INSTRUCTOR: HORACIO CATALÁN ALONSO. Especificación de los modelos VAR

CURSO: ECONOMETRÍA Y ANÁLISIS DE POLÍTICAS FISCALES INSTRUCTOR: HORACIO CATALÁN ALONSO. Especificación de los modelos VAR CURSO: ECONOMETRÍA Y ANÁLISIS DE POLÍTICAS FISCALES INSTRUCTOR: HORACIO CATALÁN ALONSO Especificación de los modelos VAR Modelos VAR es una extensión de un AR(p) Permiten un mejor entendimiento de la

Más detalles

El método de mínimos cuadrados. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

El método de mínimos cuadrados. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas El método de mínimos cuadrados Curso de Estadística TAE, 005 J.J. Gómez-Cadenas Mínimos cuadrados y máxima verosimilitud Teorema del límite central Una medida y, puede considerarse como un variable aleatoria,

Más detalles

Índice General de Ventas en Grandes Almacenes y su logaritmo

Índice General de Ventas en Grandes Almacenes y su logaritmo En los gráficos y cuadros que se presentan en las páginas siguientes se presentan resultados relativos a la variable Índice General de Ventas en grandes superficies en España con periodicidad mensual desde

Más detalles

Procesos ARIMA estacionales

Procesos ARIMA estacionales Capítulo 6 Procesos ARIMA estacionales 6.1. INTRODUCCIÓN Otra causa de no estacionaridad es la estacionalidad: En una serie mensual con estacionalidad anual, cada mes tiene una media distinta, con lo cual

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2010/11

Estadística II Tema 4. Regresión lineal simple. Curso 2010/11 Estadística II Tema 4. Regresión lineal simple Curso 010/11 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

MICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo.

MICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo. MICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo. Mediante el modelo de Hertz o Simulación de Montecarlo, trataremos

Más detalles