DESEMPEÑO ACADEMICO DE ESTUDIANTES DE INGENIERIA: ANALISIS DE FACTORES INCIDENTES
|
|
- Valentín Toro Miguélez
- hace 7 años
- Vistas:
Transcripción
1 DESEMPEÑO ACADEMICO DE ESTUDIANTES DE INGENIERIA: ANALISIS DE FACTORES INCIDENTES GT 04 Modelagem Matemática María del Carmen Ibarra Facultad de Ingeniería Universidad Nacional de Misiones- UNaM Juan Carlos Michalus Facultad de Ingeniería Universidad Nacional de Misiones - UNaM michalus@fio.unam.edu.ar Resumen: Este trabajo se enfoca en el análisis del Rendimiento Académico de los estudiantes de la Facultad de Ingeniería de la Universidad Nacional de Misiones (FI UNaM); definiendo el Rendimiento como el cociente entre el número de materias aprobadas y los años de permanencia en el sistema universitario (promedio materias aprobadas al año). Utilizando la técnica estadística multivariada de Regresión Logística se plantea una variable dependiente dicótoma como éxito / fracaso académico, entendiendo por éxito académico la aprobación de un mínimo de materias anuales; a partir de lo cual se plantean dos Modelos (Éxito Académico y Bajo Rendimiento). Las variables independientes consideradas son: Nivel educativo de los padres, Condiciones Académicas previas (titulación, promedio, tipo de Institución y densidad poblacional de la localidad donde cursó estudios de Nivel Medio), Desempeño en el 1º año de carrera (cantidad de materias aprobadas y promedio) y Promedio general de la carrera. La población objetivo está constituida por estudiantes de la Carrera de Ingeniería Electromecánica de la FI UNaM (cohortes 1999 a 2003 inclusive), que hacen un total de 285 alumnos. Del análisis de los dos Modelos propuestos, se concluye que para la población bajo estudio, son factores significativos del Rendimiento Académico: el nivel de instrucción formal de los padres, el promedio general de calificaciones y el número de materias aprobadas en el primer año de carrera; siendo esta última variable la más relevante; mientras que las Condiciones Académicas previas no resultan significativas. Palabras claves: Rendimiento Académico - Regresión Logística - Estudiantes universitarios. 1. Metodología En este estudio la variable dependiente considerada es el Rendimiento Académico; en la literatura sobre el tema se pueden encontrar diferentes formas de medirlo y definirlo, aquí se lo define como el cociente entre el número de materias aprobadas y los años de permanencia en el sistema universitario, siguiendo a autores como Di Gresia, L., Porto, A. y Ripani, L. (2002); Fazio, M. (2004). El tratamiento del Rendimiento Académico como la dicotomía éxito / fracaso puede encontrarse en varios trabajos sobre el tema (Rodríguez Fontes, R.; Díaz Rodríguez, P.; Moreno Lazo, M. y Bacallao Gallestey, J. (2000); García Jiménez, M. V.; Alvarado Izquierdo, J. M. y Jiménez Blanco, A. (2000); Vélez van Meerbeke, A. y Roa González, C. (2005); Di
2 Gresia L. y Porto A. (Marzo 2004)), si bien varía la definición de éxito (aprobar cierta asignatura; alcanzar un promedio mínimo; etc.) Específicamente en este trabajo se entiende por éxito la aprobación de un mínimo de materias anuales y quedando así definida una variable dependiente categórica ó nominal, que hace apropiada la utilización de la técnica estadística de Regresión Logística; respecto a la misma, aquí solo se harán algunas consideraciones generales ya que existen numerosos textos que la tratan amplia y detalladamente, entre ellos: Hair, Anderson, Tatham y Black (1999); Johnson, D. (2000); Pérez, C. (2004); Uriel, E. y Aldás, J. (2005). 1.1 Regresión Logística Generalidades En el caso de variable dependiente categórica y variables independientes métricas (o factibles de ser transformadas mediante variables ficticias) son apropiadas las técnicas multivariantes del Análisis Discriminante ó la Regresión Logística, aquí se ha optado por esta última ya que el Análisis Discriminante requiere el cumplimiento de ciertos supuestos estrictos de normalidad y heterocedasticidad de las variables, mientras que la Regresión Logística es más robusta en caso de que no se verifiquen tales supuestos y además sus coeficientes y estadísticos permiten un análisis e interpretación muy similares a los de la Regresión Lineal Múltiple. El Modelo Logit permite calcular para entidad de la población, la probabilidad de pertenecer a una u otra de las categorías establecidas para la variable dependiente (se asigna el valor 1 para una de las categorías y 0 para la otra); si es alta (cercana a la unidad) se concluye que el evento tiene elevadas posibilidades de ocurrir, caso contrario, con un valor reducido (cercano a cero) de probabilidad, las posibilidades de ocurrencia son prácticamente nulas (el valor de corte es 0,50); siendo p la probabilidad de ocurrencia del evento, se define la Transformación Logit como (Johnson, Dallas (2000)): β X ( e 0+β ) = β0 +β1x1 + β2x n xn p Ln = Ln i β 1 p donde los coeficientes β i se obtienen por el Método de Máxima Verosimilitud y x i son los valores de cada una de las variables independientes (factores); un coeficiente positivo aumenta la probabilidad de ocurrencia del evento, en tanto que uno con signo negativo la disminuye. Se define como Odds Ratio a la exponencial Exp(β i ), un signo positivo en el exponente provoca un aumento en la probabilidad de ocurrencia del evento; un signo negativo
3 la reduce y un coeficiente cercano a cero resulta en un valor próximo a la unidad, que prácticamente no incide la probabilidad de ocurrencia (o no) del evento. El ajuste global del modelo se mide a través del Valor de Verosimilitud, un buen ajuste proporciona valores pequeños para este estadístico; un modelo ideal tendría una verosimilitud de 1 (uno), con lo cual su Valor de Verosimilitud sería nulo. En función de este parámetro se obtiene un coeficiente (semejante al R 2 de la Regresión Lineal y con interpretación similar) denominado R 2 logit y que también hace referencia a la bondad de ajuste del modelo. Para evaluar la significancia individual de cada coeficiente se utiliza el Estadístico de Wald y su interpretación es análoga a la del Estadístico t en la Regresión Lineal Múltiple. El Test de Hosmer y Lemeshow es otro parámetro de bondad de ajuste global del Modelo e indica mediante los resultados de una prueba Chi Cuadrado, si existe ( ó no) diferencia estadísticamente significativa entre las clasificaciones observadas y las predicciones del modelo obtenido. Se plantean a continuación dos modelos del desempeño académico utilizando la Regresión Logística. 2. Modelo 1: Éxito Académico 2.1 Definición de Variables El Rendimiento definido como promedio de materias aprobadas anualmente, puede considerarse un indicador del éxito / fracaso académico, pues un número elevado de materias da cuenta de un alumno con buen desempeño, lo cual permitiría considerar como éxito la aprobación de cierto número mínimo de materias por año. En este contexto se define una variable dependiente, que asume el valor 1 si el alumno presenta un Rendimiento igual o superior a 5 y asume el valor 0 cuando es inferior a 5: Variable dependiente = 1 = 0 si si RA 5 RA < 5 Las variables independientes (covariables) consideradas son las siguientes: Nivel educativo de los padres (variable cuantitativa en función del máximo nivel de instrucción formal alcanzado);
4 Titulación con que egresa del Nivel Medio (variable cualititativa dicótoma: 1: Técnico, 0: Otro); Promedio con que egresa del Nivel Medio; Tipo de Institución donde cursó estudios de Nivel Medio (variable cualititativa dicótoma: 1: Privada, 0: Pública); Densidad poblacional de la localidad donde cursó estudios de nivel medio (variable cuantitativa); Materias aprobadas en primer año de carrera (variable cuantitativa); Promedio calificaciones en primer año de carrera (variable cuantitativa) y Promedio general de la carrera (variable cuantitativa). 2.2 Resultados y Conclusiones del Modelo En base a los coeficientes y estadísticos obtenidos del Modelo, surgen los siguientes resultados y conclusiones: El valor del coeficiente R 2 logit (0,556) indican un buen nivel de ajuste a la hora de predecir el valor de la variable dependiente, de manera que se puede concluir que el conjunto de variables predictoras es estadísticamente significativo, a los efectos de explicar el comportamiento del Rendimiento Académico. El Test de Hosmer y Lemeshow (χ 2 = 6,364; Valor p = 0,607) indica que no existe diferencia estadísticamente significativa entre las clasificaciones observadas y las predicciones del modelo obtenido; siendo el porcentaje correcto de predicción del orden del 94%. Analizando el nivel de significación de las covariables, se observa que son estadísticamente significativas el número de materias aprobadas en el primer año de carrera y el promedio general de la carrera (a un nivel de significación de 0,05), siendo positivos los coeficientes correspondientes a ambas variables (0,962 y 1,890 respectivamente). Este resultado indica que si se compara la situación de dos alumnos, a igualdad de todos los demás predictores, tendrá mayor probabilidad de conseguir el éxito académico aquel que haya aprobado mayor número de materias en su primer ciclo lectivo en la universidad.
5 Una interpretación análoga cabe para el Promedio de calificaciones; si se comparan dos estudiantes, a igualdad de todas las demás covariables, tendrá mayores probabilidades de alcanzar éxito académico aquel cuyo promedio de calificaciones sea más elevado. Para analizar la significación de los coeficientes de cada variable individualmente, se observa que los valores del Estadístico de Wald para las variables Promedio general carrera y Materias primer año son muy superiores al de las demás, indicando que estos predictores son los más significativos del Modelo. La razón de probabilidad (Odds Ratio) para la variable Materias primer año asume un valor de 2,617 y significa que por cada materia que aprueba en su primer año lectivo, se incrementa en 2,617 veces la probabilidad de lograr éxito académico en su desempeño posterior, permaneciendo constantes todas las demás predictoras. Por ejemplo, un alumno que haya aprobado 5 materias en su primer ciclo lectivo tiene 6,848 veces más probabilidad de tener éxito en su carrera que otro estudiante que haya aprobado solamente 3 asignaturas en su 1º ciclo lectivo (Exp(2 * 0,962) = 6,848). Para el Promedio carrera el Odds Ratio es 6,621; indicando que por cada punto en que se incrementa el promedio general de calificaciones, la probabilidad de conseguir éxito académico aumenta 6,621 veces; permaneciendo constantes todas las demás predictoras. Por ejemplo, un estudiante con un promedio general de 7,50 tiene 17 veces más probabilidad de tener éxito en su carrera que otro estudiante con un promedio de 6,00. Para las variables Nivel educación padres y Densidad el Odds Ratio asume valores muy cercanos a la unidad, indicando que el incremento (o disminución) en los valores de dichas variables, prácticamente no condiciona la probabilidad de alcanzar (ó no) el éxito académico para la población bajo análisis.
6 3. Modelo 2: Bajo Rendimiento 3.1 Definición de Variables El modelo anterior planteaba el logro del éxito académico, desde la perspectiva del número de asignaturas aprobadas anualmente, este segundo modelo presenta la situación opuesta de bajo rendimiento, asignando a la variable dependiente el valor 1 si el Rendimiento es inferior a 2 y 0 en caso de ser igual o superior a 2: Variable dependiente = 1 = 0 si si RA< RA 2 2 Se ha elegido 2 (dos) como valor de corte, ya que un estudiante que no alcance a aprobar anualmente este número mínimo de asignaturas no mantiene la condición de Regular (Art. 50 Ley Nacional de Educación Superior /95) y además un Rendimiento así de bajo, sugiere elevadas probabilidades de abandonar la carrera. El conjunto de variables predictoras es el mismo que en el modelo anterior (descritas en el apartado 2.1). 3.2 Resultados y Conclusiones del Modelo En base a los coeficientes y estadísticos obtenidos del Modelo, surgen los siguientes resultados y conclusiones: El valor del coeficiente R 2 logit (0,370) indican un buen nivel de ajuste a la hora de predecir el valor de la variable dependiente, de manera que se puede concluir que el conjunto de variables predictoras es estadísticamente significativo, a los efectos de explicar el comportamiento del Rendimiento. Al igual que en el modelo anterior, no existe diferencia significativa entre las clasificaciones observadas y las predichas para la variable dependiente, según lo indica la medida de ajuste global de Hosmer y Lemeshow (χ 2 = 7,544; Valor p = 0,479), siendo en esta ocasión las predicciones correctas del orden del 79%. Son variables estadísticamente significativas las materias aprobadas en el primer ciclo de estudios universitarios, el promedio general de la carrera y el nivel educativo de los
7 padres; las dos primeras también eran significativas en el modelo anterior, pero la diferencia fundamental radica en el signo de los coeficientes, que ahora son negativos para las tres variables, lo cual está indicando que un aumento en el valor correspondiente de cualquiera de ellas se traduce en una disminución de la probabilidad de tener bajo rendimiento. Es decir, si se compara la situación de dos estudiantes, tiene mayor probabilidad de tener bajo rendimiento aquel cuyos padres tienen menor nivel formal de instrucción, a igualdad de condiciones para todas las demás covariables; una interpretación análoga cabe para el promedio general y el número de materias aprobadas en el primer año de carrera. El Estadístico de Wald para la variable Materias primer año es ampliamente superior al de las demás, lo que permite afirmar que este predictor es el más significativo del modelo; este resultado indica la gran importancia que tiene el desempeño del estudiante en la primera etapa de su carrera y está en concordancia con otros estudios sobre el tema (Rodríguez Fontes, R.; Díaz Rodríguez, P.; Moreno Lazo, M. y Bacallao Gallestey, J. (2000); Vélez van Meerbeke, A. y Roa González, C. (2005)). Siguiendo con el análisis de las tres variables estadísticamente significativas del modelo, en función de los valores del Odds Ratio se concluye que: Por cada unidad en que disminuye la variable independiente Promedio general de carrera la probabilidad de conseguir bajo rendimiento aumenta 1,40 veces. Por cada unidad en que disminuye la variable Materias primer año la probabilidad de conseguir bajo rendimiento aumenta 2,30 veces. Por ejemplo un alumno que haya aprobado 2 materias en su primer año de estudios, tiene una probabilidad 12 veces mayor de tener bajo rendimiento que otro estudiante que haya aprobado 5 materias en dicho período. Para la variable Nivel educativo padres resulta interesante comparar las probabilidades de tener bajo rendimiento cuando por ejemplo, ambos padres tienen nivel primario respecto al caso en que ambos tengan nivel terciario; en el primer caso dicha variable asume el valor 14 y en el segundo 32, el coeficiente es 0,065 y así resulta que un estudiante cuyos padres tienen nivel primario tiene 3,22 veces más probabilidad de tener bajo rendimiento que un
8 alumno cuyos padres tienen nivel terciario (Exp(-0,065 * 18) = 0,310; 1 / 0,31 = 3,222). Las variables Promedio primer año y Densidad tienen valores del Odds Ratio muy cercanos a la unidad, lo que indica que un cambio en los valores de las mismas prácticamente no altera la probabilidad de tener (ó no) bajo rendimiento. De los Modelos planteados resulta que el desempeño del estudiante en su primer ciclo lectivo es de fundamental importancia; en base a esto se sugieren líneas de acción Institucionales tendientes al apoyo y seguimiento de los alumnos, principalmente en los tramos iniciales de la carrera. 4. Referencias ALDERETE, Ana M.; Fundamentos del análisis de Regresión Logística en la Investigación Psicológica; Universidad Nacional de Córdoba; Córdoba, Argentina; DI GRESIA, L. y PORTO, A.; Dinámica del desempeño académico, Universidad Nacional de La Plata; La Plata, Argentina; DI GRESIA, L.; PORTO, A. y RIPANI, L.; Rendimiento de los estudiantes de las Universidades Públicas Argentinas, Departamento de Economía, Universidad Nacional de La Plata, Argentina, FAZIO, MARIA V.; Incidencia de las horas trabajadas en el rendimiento académico de estudiantes universitarios argentinos, Trabajo de Tesis de la Maestría en Economía, Universidad Nacional de La Plata, Argentina, GARCÍA JIMÉNEZ, M.; ALVARADO IZQUIERDO, J.y JIMÉNEZ BLANCO, A.; La predicción del rendimiento académico: regresión lineal versus regresión logística, Psicothema, Vol. 12, Número 2 supl, pp ; GIOVAGNOLI, Paula.; Determinantes de la deserción y graduación universitaria. Una aplicación utilizando modelos de duración, Trabajo de Tesis de la Maestría en Economía, Universidad Nacional de La Plata, Argentina, HAIR, J. F.; ANDERSON, R.E.; TATHAM, R. L. y BLACK, W. C., Análisis Multivariante, 5ª Edición, Prentice Hall, Madrid, JOHNSON, Dallas; Métodos Multivariados aplicados al análisis de datos, Thomson Editores, México, 2004.
9 PÉREZ, César, Técnicas de Análisis Multivariante de Datos. Aplicaciones con SPSS, Prentice Hall, Madrid, RODRÍGUEZ FONTES, R.; DÍAZ RODRÍGUEZ, P.; MORENO LAZO, M. y BACALLAO GALLESTEY, J; Capacidad predictiva de varios indicadores de selección para el ingreso a la carrera de medicina, Revista Educación Médica Superior, Vol. 14, Nº 2, La Habana, Cuba, URIEL, EZEQUIEL Y ALDAS, JOAQUIN; Análisis Multivariante Aplicado, Thomson Editores, Madrid, VÉLEZ VAN MEERBEKE, A y ROA GONZÁLEZ, C.; Factores asociados al rendimiento académico en estudiantes de medicina, Revista Educación Médica, Vol.8, Nº 2, Barcelona, España, 2005.
ANÁLISIS DEL RENDIMIENTO ACADEMICO MEDIANTE UN MODELO LOGIT*
ISSN 0717-9103 ISSN Online 0718-8307 Ingeniería Industrial - Año 9 Nº 2: 47-56, 2010 ANÁLISIS DEL RENDIMIENTO ACADEMICO MEDIANTE UN MODELO LOGIT* ACADEMIC PERFORMANCE ANALYSIS THROUGH A LOGIT MODEL María
Más detallesTEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA
TEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA LECTURA OBLIGATORIA Regresión Logística. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de la Salud. Coruña: Netbiblo. Páginas
Más detallesCurs de Modelització Estadística Bàsica amb Deducer. Anabel Blasco Ana Vázquez Anna Espinal Llorenç Badiella Oliver Valero
Curs de Modelització Estadística Bàsica amb Deducer Anabel Blasco Ana Vázquez Anna Espinal Llorenç Badiella Oliver Valero 1. Model de Regressió Lineal 2. Model ANOVA 3. Model Lineal General 4. Model de
Más detallesFACTORES QUE INCIDEN EN LA APROBACIÓN DE UNA CARRERA UNIVERSITARIA. CASO DE ESTUDIO: CARRERAS DEL ICM
FACTORES QUE INCIDEN EN LA APROBACIÓN DE UNA CARRERA UNIVERSITARIA. CASO DE ESTUDIO: CARRERAS DEL ICM Autores: Sandra González Camba 1, Fernando Guerrero Loor 2 1 Ingeniera En Estadística Informática,
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez ldbello@saludpublica.udea.edu.co Facultad Nacional de Salud Pública Héctor Abad Gómez www.leondariobello.com www.ciemonline.info/moodle
Más detallesTema 13: Regresión Logística p. 1/20 Tema 13: Regresión Logística Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del
Más detallesCosto de manutención de un estudiante de la Facultad de Ingeniería. Su incidencia en el presupuesto familiar.
1. Su incidencia en el presupuesto familiar. María del Carmen Ibarra 1 Juan Carlos Michalus 2 Facultad de Ingeniería 3 Juan Manuel de Rosas 325 Oberá Misiones CP3360 1. RESUMEN El proyecto pretende encontrar
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesEvaluar, 6 (2006), ISSN
Evaluar, 6 (2006), 52 67 ISSN 1667-4545 Laboratorio de Evaluación Psicológica y Educativa ARTICULO METODOLÓGICO Fundamentos del Análisis de Regresión Logística en la Investigación Psicológica Ana María
Más detallesMÁSTER EN INVESTIGACIÓN DE DIRECCIÓN DE EMPRESAS, MARKETING Y CONTABILIDAD
MÁSTER EN INVESTIGACIÓN DE DIRECCIÓN DE EMPRESAS, MARKETING Y CONTABILIDAD Asignatura Métodos Estadísticos aplicados a la Investigación I Código 608595 Módulo Instrumental Materia Estadística Carácter
Más detallesGuillermo Ayala Gallego Universidad de Valencia
GoBack Regresión logística Guillermo Ayala Gallego Universidad de Valencia 4 de febrero de 2009 1 / 22 Puede que sea el procedimiento estadístico más utilizado. Con aplicaciones frecuentes en Medicina
Más detallesAnálisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO IV ANALISIS DE LOS DATOS
CAPÍTULO IV ANALISIS DE LOS DATOS 4.1 DESCRIPCIÓN DE LOS DATOS Como ya se mencionó anteriormente, el tamaño de la población con la que se está trabajando es de 149 observaciones, 69 de ellas presentan
Más detalles5.5 Modelo de regresión. se especificó en los términos siguientes: (6.3.1) 1,2,3,..N. Donde:
5.5 Modelo de regresión El modelo de regresión lineal que se aplicó para explicar la relación entre producción antigüedad, edad, capital humano, apiarios y camioneta de los apicultores nayaritas se especificó
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesCENTRO DE ENSEÑANZA SUPERIOR COLEGIO UNIVERSITARIO CARDENAL CISNEROS ADSCRITO A LA UNIVERSIDAD COMPLUTENSE DE MADRID
CENTRO DE ENSEÑANZA SUPERIOR COLEGIO UNIVERSITARIO CARDENAL CISNEROS ADSCRITO A LA UNIVERSIDAD COMPLUTENSE DE MADRID GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CURSO 4º ANALISIS DE DATOS PROGRAMA
Más detallesEficacia de las Tutorías del Centro de Apoyo al Estudiante (CAE): Resultados y Notas Técnicas Por: Fernando Vázquez Calle * y José A.
Introducción Por más de una década el Centro de Apoyo al Estudiante (CAE) de la Universidad de Puerto Rico en Cayey viene ofreciendo servicios de tutoría académica en aproximadamente 20 cursos diferentes,
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE ESTADÍSTICA Desnutrición crónica estudio de las características, conocimientos y aptitudes de la madre sobre nutrición
Más detallesCURSO DE NIVELACIÓN RELACIÓN ENTRE CARACTERÍSTICAS DE LOS INGRESANTES A LA LIC. EN ECONOMÍA Y SU DESEMPEÑO EN MATEMÁTICA
Furno, Graciela Koegel, Liliana Sagristá, Ricardo Departamento de Matemática, Escuela de Estadística CURSO DE NIVELACIÓN 2000. RELACIÓN ENTRE CARACTERÍSTICAS DE LOS INGRESANTES A LA LIC. EN ECONOMÍA Y
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesESTADÍSTICA II ANÁLISIS MULTIVARIANTES
ESTADÍSTICA II ANÁLISIS MULTIVARIANTES Fechas de cursado: 30 de Septiembre 08:00 a 12:00 14:00 a 18:00 1 de Octubre 08:00 a 12:00 14:00 a 18:00 7 de Octubre 08:00 a 12:00 14:00 a 18:00 8 de Octubre 08:00
Más detallesJavier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo
Javier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo 30/10/2013 Modelos Logísticos de Regresión de Respuesta Binaria Índice 1. Planteamiento de modelo 2. Estimación
Más detallesLectura No. 8. Contextualización. Nombre: Métodos de Análisis ANÁLISIS FINANCIERO 1
Análisis financiero ANÁLISIS FINANCIERO 1 Lectura No. 8 Nombre: Métodos de Análisis Contextualización Uno de los mayores obstáculos que se presentan en el momento de desarrollar un modelo econométrico
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN LICENCIATURAEN INFORMÁTICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN LICENCIATURAEN INFORMÁTICA PROGRAMA DE LA ASIGNATURA DE: Seminario de Técnicas estadísticas avanzadas para la toma de
Más detallesGRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Cuarto curso
GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Cuarto curso Asignatura Análisis de datos Código 802301 Módulo Formación transversal Materia Carácter Créditos 4 Optativa Presenciales 2,2 No presenciales
Más detallesExpte. Nº c/1 SANTA FE,
Expte. Nº 37.548 c/1 SANTA FE, 16-12-2010 VISTO el nuevo Régimen de Enseñanza aprobado por Resolución C.D. Nº 955/2009 y las actuaciones por las cuales el Dr. Roberto Delfor MEYER, Profesor Titular de
Más detallesInstituto: ICSA Modalidad: Presencial. Programa: Maestría en Economía Carácter: Obligatorio
CARTA DESCRIPTIVA DE ANÁLISIS MULTIVARIADO I. Identificadores de la asignatura Instituto: ICSA Modalidad: Presencial Departamento: Ciencias Sociales Análisis Materia: Multivariado Créditos: 8 Programa:
Más detallesAnálisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
Más detallesPROGRAMA DE CURSO. Código Nombre ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS Unidades
PROGRAMA DE CURSO Código Nombre IN 3401 ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS es Horas Docencia Horas de Trabajo SCT Horas de Cátedra Docentes Auxiliar
Más detallesFacultad de Medicina Título: Utilidad clínica de la tabla 2x2
1 UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO Facultad de Medicina Título: Utilidad clínica de la tabla 2x2 Unidad de Aprendizaje: Bioestadística Programa educativo: Médico Cirujano Espacio académico: Faculta
Más detallesCurso online de Supervivencia y Regresión Lineal, Logística y de Cox 2018
MANUAL DE IDENTIDAD VSUAL CORPORATIVA PROGRAMA: Curso online de Supervivencia y Regresión Lineal, Logística y de Cox 2018 Departamento de Formación Médica Continuada (ICOMEM) SUPERVIVENCIA Y REGRESIÓN
Más detalles2. ESTADÍSTICA DESCRIPTIVA 15 Estadística descriptiva.. Variables aleatorias Descripción de variables cuantitativas
" INDICE PRÓLOGO... XXIII PREFACIO GUÍA DE LECTURA XXV XXIX 1. INTRODUCCIÓN A LA ESTADÍSTICA 1 1.1. Estadística 1 1.2. Historia 3 1.3. Población y muestra 4 1.4. Estadística aplicada 7 1.5. Aplicaciones
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesPROGRAMA DE CURSO. Código Nombre ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS Unidades
PROGRAMA DE CURSO Código Nombre IN 3401 ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS es Horas Docencia Horas de Trabajo SCT Horas de Cátedra Docentes Auxiliar
Más detallesGuía docente 2007/2008
Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesGRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Cuarto curso
GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Cuarto curso Asignatura Análisis de datos Código 802301 Módulo Formación transversal Materia Carácter Créditos 4 Optativa Presenciales 1.8 No presenciales
Más detallesANÁLISIS MULTIVARIANTE
ANÁLISIS MULTIVARIANTE 2º CURSO- SEGUNDO CUATRIMESTRE 2016-207 Prof. Dr. Jesús Varela Mallou Prof. Dr. Antonio Rial Boubeta Prof. Dr. Eduardo Picón Prado http://www.usc.es/psicom/ Sistema de Evaluación:
Más detallesANÁLISIS MULTIVARIANTE
ANÁLISIS MULTIVARIANTE 2º CURSO- SEGUNDO CUATRIMESTRE 2017-2018 Prof. Dr. Jesús Varela Mallou Prof. Dr. Antonio Rial Boubeta Prof. Dr. Eduardo Picón Prado Prof. Dra. Sandra Golpe Ferreiro http://www.usc.es/psicom
Más detallesGRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CUARTO CURSO
GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CUARTO CURSO Asignatura ANÁLISIS DE DATOS Código 802301 Módulo FORMACIÓN TRANVERSAL Materia MÉTODOS CUANTITATIVOS Carácter OPTATIVA Créditos 4 Presenciales
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesAnálisis de datos Categóricos
Regresión logística Universidad Nacional Agraria La Molina 2014-2 Regresión logística simple Interpretación de parámetros Gracando las proporciones Inferencia Introducción Para una variable aleatoria respuesta
Más detalles6. PRUEBA DE HIPÓTESIS
6. PRUEBA DE HIPÓTESIS El análisis estadístico de tipo econométrico es la base sobre la cual se sustenta la prueba de hipótesis de esta investigación que intenta responder, en este apartado a la cuarta
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 4
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 4: Análisis conjunto de dos variables. 1.- Cuando se dice que dos variables están correlacionadas positivamente, se tiene que interpretar que: A) un aumento en una
Más detallesaumentará.tp nos lleva a rechazar la hipótesis de que una mejora en el saldo de la cuenta corriente reduce la probabilidad de ocurrencia de la crisis.
T T T La T Esto T Esto (la y de CAÍTULO 4. RESULTADOS 4.1 Estimación del Modelo E-L. El cuadro 5 muestra los resultados obtenidos al aplicar la metodología econométrica de E-L (1998, 1999) descrita anteriormente.
Más detallesOdds = = e. UD1: El modelo de regresión logística 1. 1 e
RE2. Regresión logística binaria, multinomial, de Poisson y binomial negativa Curso 204/5 Solución resumida de la prueba de evaluación Unidad didáctica (D) La regresión logística puede utilizarse en cualquiera
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesMODELOS LINEALES GENERALIZADOS
MODELOS LINEALES GENERALIZADOS Conceptos básicos Ignacio Méndez Gómez-Humarán imendez@cimat.mx Los Modelos Lineales Generalizados (GLM por sus siglas en inglés) son una familia de modelos estadísticos
Más detallesANÁLISIS MULTIVARIANTE APLICADO A LA SOCIOLOGÍA Curso
GUIA DOCENTE DE LA ASIGNATURA ( ) ANÁLISIS MULTIVARIANTE APLICADO A LA SOCIOLOGÍA Curso 2017-2018 (Fecha última actualización: 20/06/2017) (Fecha de aprobación en Consejo de Departamento: 20/06/2017) MÓDULO
Más detallesPROGRAMA DE LA ASIGNATURA Curso académico 2012/2013
PROGRAMA DE LA ASIGNATURA Curso académico 2012/2013 Identificación y características de la asignatura Denominación Estadística Multivariante Código 108772 Créditos (T+P) Titulación Licenciatura en Matemáticas
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesMÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO
GUIA DOCENTE DE LA ASIGNATURA ( ) ESTADÍSTICA Curso 2017-2018 (Fecha última actualización: 14/6/2017) (Fecha de aprobación en Consejo de Departamento: 20/6/2017) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesTÉCNICAS AVANZADAS DE INVESTIGACIÓN Y ANÁLISIS MULTIVARIADO DE DATOS SEMINARIO DE INVESTIGACIÓN (CÓDIGO 50 L)
FACULTAD DE CIENCIAS SOCIALES Carrera de Sociología TÉCNICAS AVANZADAS DE INVESTIGACIÓN Y ANÁLISIS MULTIVARIADO DE DATOS SEMINARIO DE INVESTIGACIÓN (CÓDIGO 50 L) Modalidad del dictado: Seminario. Total
Más detallesPractica 1. Análisis de Tablas de Contingencia
Practica 1 A n á l i s i s d e T a b l a s d e C o n t i n g e n c i a Análisis de Tablas de Contingencia 1.- Partimos de dos variables, que suponemos relacionadas, entre las que examinaremos si existe
Más detallesASIGNATURA DE MÁSTER: BIOESTADÍSTICA
ASIGNATURA DE MÁSTER: BIOESTADÍSTICA Curso 2015/2016 (Código:21153032) 1.PRESENTACIÓN Con esta asignatura el lector podrá entender y explicar mejor los fenómenos naturales; incluso podrá hacer predicciones.
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS FACULTAD: ECONOMÍA CARRERA: Economía Asignatura/Módulo: ANÁLISIS DE DATOS II Código: 15078 Plan de estudios:e011 Nivel: Octavo Prerrequisitos: Análisis de Datos I Correquisitos: Ecuaciones
Más detallesTitulación(es) Titulación Centro Curso Periodo M.U. en Dirección de Empresas. MBA 15-V.2
FICHA IDENTIFICATIVA Datos de la Asignatura Código 44480 Nombre Análisis de datos para la toma de decisiones Ciclo Máster Créditos ECTS 3.0 Curso académico 2016-2017 Titulación(es) Titulación Centro Curso
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesUniversidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007
Tipo de examen: 1 Universidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007 TIEMPO: 2 HORAS Y 30 MINUTOS Instrucciones: ANTES DE EMPEZAR
Más detallesPROGRAMA DE CURSO. Código Nombre ESTADÍSTICA PARA LA ECONOMÍA Y GESTIÓN Nombre en Inglés Statistics for Economics and Management Unidades
PROGRAMA DE CURSO Código Nombre IN3401 ESTADÍSTICA PARA LA ECONOMÍA Y GESTIÓN Nombre en Inglés Statistics for Economics and Management es Horas Docencia Horas de Trabajo SCT Horas de Cátedra Docentes Auxiliar
Más detallesUniversidad Autónoma del Estado de México
Universidad Autónoma del Estado de México UN MODELO DE CALIFICACIÓN ESTADÍSTICA PARA UNA INSTITUCIÓN MEXICANA ESPECIALIZADA EN MICROCRÉDITOS Rafael Morales Ibarra, Ma. Eugenia Valdez Pérez, Gandhi González
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
Más detallesGUIA DOCENTE. Curso Académico Licenciatura Administración y Dirección de Empresas
GUIA DOCENTE Curso Académico 2012-2013 1. ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA 1.1. Datos de la asignatura Tipo de estudios Licenciatura Titulación Administración y Dirección de Empresas Nombre
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesModelos de elección discreta Aplicaciones en ordenador
Modelos de elección discreta Aplicaciones en ordenador Román Salmerón Gómez Para ilustrar cómo abordar el análisis de Modelos de elección discreta con el software econométrico Gretl resolveremos el siguiente
Más detalles(1) Plan de estudios: (2) Nombre de la asignatura: ESTADÍSTICA AVANZADA APLICADA A LA ADMINISTRACIÓN PÚBLICA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO FACULTAD DE CIENCIAS POLÍTICAS Y SOCIALES MAESTRÍA EN ADMINISTRACIÓN PÚBLICA Y GOBIERNO (1) Plan de estudios: (2) Nombre de la asignatura: MAESTRIA EN ADMINISTRACIÓN
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Tecnicas estadisticas multivariantes. CURSO ACADÉMICO - SEMESTRE Segundo semestre
ANX-PR/CL/001-02 GUÍA DE APRENDIZAJE ASIGNATURA Tecnicas estadisticas multivariantes CURSO ACADÉMICO - SEMESTRE 2014-15 - Segundo semestre FECHA DE PUBLICACIÓN Noviembre - 2014 GA_12AB_123000614_2S_2014-15
Más detallesX CONGRESO LATINOAMERICANO DE SOCIEDADES DE ESTADÍSTICA CÓRDOBA, ARGENTINA. 16 A 19 DE OCTUBRE 2012
X CONGRESO LATINOAMERICANO DE SOCIEDADES DE ESTADÍSTICA CÓRDOBA, ARGENTINA. 16 A 19 DE OCTUBRE 2012 ANÁLISIS POR CORRELACIONES CANÓNICAS DE LA RELACIÓN DE DUPONT C.P. DANTE TERRENO Universidad Nacional
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez. Facultad Nacional de Salud Pública Héctor Abad Gómez
UNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez Facultad Nacional de Salud Pública Héctor Abad Gómez La Regresión es una técnica estadística utilizadas para estimar (interpolar)
Más detallesCálculos de Regresión Logística en R, Caso de una covariable.
Cálculos de Regresión Logística en R, Caso de una covariable. Carga de datos (Tabla 1.1, Hosmer-Lemeshow): CH=read.table( CHDAGE.txt,header = T) attach(ch) Gráfico de Dispersión: plot(age,chd,xlab= Edad,
Más detallesTEMA 9 EL ANÁLISIS BÁSICO DE LA INFORMACIÓN EN LA INVESTIGACION DE MERCADOS
TEMA 9 EL ANÁLISIS BÁSICO DE LA INFORMACIÓN EN LA INVESTIGACION DE MERCADOS 9.1. Análisis Descriptivo de la Información 9.2. La Tabulación Cruzada 9.3. Contraste de Hipótesis 9.1. Análisis Descriptivo
Más detallesProceso de análisis de regresión múltiple
Proceso de análisis de regresión múltiple Recolección de datos Chequeo de la calidad de los datos Diagnóstico de relaciones o interacciones fuertes entre las variables Xs Aplicación de medidas remediales
Más detallesComplemento de Formación Educación, Métodos de Investigación y Evaluación Métodos de Investigación
GUÍA DOCENTE CURSO 2017-2018 FACULTAD DE CC. HUMANAS Y SOCIALES FICHA TÉCNICA DE LA ASIGNATURA Datos de la asignatura Nombre Titulación Curso Cuatrimestre Créditos ECTS Carácter Departamento Universidad
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: La Correlación. https://www.intecca.uned.es/portalavip/grabacion.php?id_grabacion=56932&id_sala=605
Más detallesPrueba de Hipótesis. Tipos de inferencias (2)
Prueba de Hipótesis Tipos de inferencias (2) PRUEBA DE HIPOTESIS: busca responder a una pregunta sobre el valor de un parámetro en la población (siempre utilizando los resultados de la muestra) Esta pregunta
Más detallesDESCRIPCIÓN DE LA ASIGNATURA
DESCRIPCIÓN DE LA ASIGNATURA ASIGNATURA: Nombre en Inglés: Código UPM: 563000018 MATERIA: CRÉDITOS ECTS: 4 CARÁCTER: OBLIGATORIA TITULACIÓN: MASTER UNIVERSITARIO EN INGENIERÍA DE PRODUCCIÓN TIPO: CURSO:
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesMetodología cuantitativa IV
Departamento de Ciencias Políticas y Sociales Grado en Ciencias Políticas y de la Administración Universitat Pompeu Fabra Metodología cuantitativa IV Clase 8: regresión logística binaria Bruno Arpino (Despacho:
Más detallesSEMINARIO ECONOMETRIA 14 DE MAYO DEL CASO: Determinando un éstandar de productividad comercial en banca
SEMINARIO ECONOMETRIA 14 DE MAYO DEL 212 CASO: Determinando un éstandar de productividad comercial en banca 1.1. Objetivo del análisis: Un banco quiere estimar la productividad estándar esperada de cada
Más detallesPROGRAMA DE LA ASIGNATURA. Curso académico
PROGRAMA DE LA ASIGNATURA Curso académico 2010-2011 IDENTIFICACIÓN Y CARACTERÍSTICAS DE LA ASIGNATURA Código Créditos ECTS 6 Denominación ESTADÍSTICA APLICADA Titulación/es Máster Universitario en Marketing
Más detallesPROYECTO DOCENTE ASIGNATURA: "Estadística y Metodología de la Investigación"
PROYECTO DOCENTE ASIGNATURA: "Estadística y Metodología de la Investigación" Grupo: Grp Estadística y Metodología de la Investig.(938368) Titulacion: Máster Universitario en Investigación Biomédica (R.D.1393/07)
Más detallesCURSO ECONOMETRÍA AVANZADA MULTISOFTWARE
CURSO ECONOMETRÍA AVANZADA MULTISOFTWARE El objetivo de este curso es la presentación de las TÉCNICAS ECONOMÉTRICAS AVANZADAS, tanto clásicas como modernas, y su tratamiento con las herramientas más adecuadas
Más detallesT4. Modelos con variables cualitativas
T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS FACULTAD: ECONOMIA CARRERA: Economía Asignatura/Módulo: ANALISIS DE DATOS I Código: 1077 Plan de estudios: E011 Nivel: Séptimo Prerrequisitos: Econometría II Correquisitos: Regresiones
Más detallesGUIA DOCENTE ESTADÍSTICA II
GUIA DOCENTE 2016-17 ESTADÍSTICA II Mayo 2016 DATOS GENERALES Nombre del curso: Código: ESTADÍSTICA II 801101, ADE 801916, MKCD Curso: 2016-17 Titulación: Grado en Administración y Dirección de Empresas
Más detallesEconometría de Económicas Ejercicios para el tema 2 y 3
Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesFACULTAD DE CONTADURÍA Y ADMINISTRACIÓN DE LA UASLP PLAN DE ESTUDIOS 2006
FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN DE LA UASLP PLAN DE ESTUDIOS 2006 PROGRAMA DE ESTUDIO 1. Datos generales Nombre del curso: APLICACIONES ESTADÍSTICAS Carrera(s): LICENCIATURAS EN CONTADURÍA PÚBLICA,
Más detallesEstudio de parámetros académicos en asignaturas de matemáticas de las Licenciaturas en Economía y...
Estudio de parámetros académicos en asignaturas de matemáticas de las Licenciaturas en Economía y... ESTUDIO DE PARÁMETROS ACADÉMICOS EN ASIGNATURAS DE MATEMÁTICAS DE LAS LICENCIATURAS EN ECONOMÍA Y EN
Más detallesAnálisis de datos Categóricos
Regresión logística Universidad Nacional Agraria La Molina 2016-1 Regresión logística simple Interpretación de parámetros Inferencia Para una variable aleatoria respuesta Y y una variable explicativa X,
Más detalles