Patrones por cuantificación en la evolución a corto plazo del IBEX
|
|
- Beatriz Montes Alarcón
- hace 7 años
- Vistas:
Transcripción
1 Patrones por cuantificación en la evolución a corto plazo del IBEX Jesús Mª Sánchez Montero c/francisco Javier, s/n Tlfno: jsmonter@us.es Javier Gamero Rojas c/francisco Javier, s/n Tlfno: jgam@jet.es Mª Angeles Domínguez Serrano c/ramón y Cajal, s/n Tlfno: adoser@cica.es Resumen: Cuantificamos las variaciones diarias del IBEX (durante la última década) mediante una unidad mucho mayor que la resolución oficial del IBEX, a fin de limitar el número de posibles variaciones diarias y poder estudiar regresiones no lineales respecto a varios días anteriores. Se analizan los patrones de evolución a corto plazo y su grado de significación. El objeto del trabajo consiste en detectar posibles imperfecciones en el mercado en la operación a corto plazo, que pudiesen aparecer debido a prácticas técnicas de trading o al grado de asimilación de nuevas noticias. Para ello se necesita estudiar la (hiper)superficie empirica de autorregresión, a fin de descubrir no linealidades en la evolución diaria. Palabras clave: Autorregresión, mercado bursátil Introducción: Siendo x t = ln(ibex t ) ln(ibex t 1 ) la rentabilidad logarítmica diaria del IBEX, pretendemos expresar x t en función de los valores inmediatamente anteriores: x t = g(x t 1,...,x t k ) Esto tropieza dificultades de índole práctica y metodológica: si se estudia la dependencia general con un valor de k no trivial (k > 1) hay que imponer una forma analítica paramétrica a g para determinarla. Esa expresión analítica a priorística no puede hacerse sin una exploración previa de los datos, y a su vez el estudio empírico descriptivo no es factible debido al caracter cuasi-continuo de x t.
2 Ni que decir tiene que imponer una estructura lineal, como aproximación, a g haría fallar nuestro propósito desde un principio ya que estamos buscando comportamientos no lineales dando por hecho que es practicamente nula la capacidad predictiva en el corto plazo de cualquier función lineal, como ha quedado reflejado en estudios anteriores del mercado bursátil. Para solventar este "punto de silla" lógico entre expresión analítica exploración descriptiva para g, proponemos en el presente trabajo la reducción de la resolución de xt a fin de discretizar la variable y hacer factible la descripción no paramétrica de g como hipersuperficie de regresión empírica. Para el presente trabajo se utilizarán los precios de cierre de sesiones entre octubre de 1990 y octubre de Cuantificación del IBEX: Por "cuantificación" nos referiremos a la expresión de xt en "cuantos" de variabilidad. La elección de la unidad de cuantificación es, naturalmente, importante, ya que una resolución excesivamente baja haría perder detalle en la especificación de g y, por otro lado, una excesiva resolución no nos sacaría del atolladero descriptivo del que pretendemos salir. La elección del "cuanto" de variabilidad tienen detalles llenos de interés, pero se saldría de los límites autoimpuestos para la presente comunicación, so pena de empequeñecer los otros aspectos del trabajo. Nosotros hemos escogido, para la presentación del presente documento, una unidad de cuatificación que hemos encontrado satisfactoria, es sumamente sencilla de interpretar y dificilmente se podría tachar de elección artificiosa: nuestra unidad de cuantificación será 1%. Como xt es muy aproximadamente igual a la rentabilidad diaria de los precios de cierre del IBEX, la cuantificación supone medir las variaciones diarias porcentuales en unidades enteras de tanto por ciento, por el redondeo más cercano. Por ello, definimos la rentabilidad logarítmica cuantificada yt como: y t = [100x t + 0.5] En los gráficos aparecen las series x t e y t y la distribución de frecuencias de y t.
3 Tendremos que describir el comportamiento predictivo de una secuencia dada y t 1,...,y t k sobre el valor de x t. Cada secuencia de y t formará un "patrón" de variación debido a que y t refleja cambios importantes ("cualitativos") en el IBEX durante varios días. Si k es grande el número de patrones será excesivo en relación al número de observaciones disponibles; si k es demasiado pequeño no capturaremos los posibles patrones de variabilidad con el horizonte temporal adecuado; por tanto la fijación de k debe ser una decisión equilibrada. En las siguientes tables aparecen, para diferentes valores de k, los patrones realmente observados y el número medio de observaciones por patrón. k np media Nuestra tarea será hallar el conjunto de valores x t que siguen a un patrón dado P(y t 1,y t 2,y t 3 ) y estudiar su comportamiento estadístico. A dichos conjuntos les describiremos mediante los estadísticos "número de elementos", media y cuasi-desviación típica. Partamos de un ejemplo concreto. Sea el patrón P( 1,1,0), que consiste en una secuencia de sesiones en donde el IBEX varió aproximadamente 1%, 1% y 0% consecutivamente. En nuestra base de datos podemos comprobar que este patrón se dió en 54 ocasiones y fueron seguidos por valores variación diaria x t que tenían una media de y una cuasi-desviación típica Con estos datos podemos hacer una inferencia sobre el valor esperado de x t cuando está precedido por el patrón P. Para realizar dicha inferencia hemos usado la teoría estándard de inferencia sobre medias por medio de la distribución t-student, bien entendido que, en nuestro caso, esto es sólo una aproximación ya que la distribución de x t es leptocúrtica. Hemos realizado el cálculo de valores de probabilidad (p-values) para la media de x t respecto a una hipótesis inicial de media igual a la media total observada para x t, y, de esta manera, hemos buscado aquellos patrones que parecen ir seguidos de un valor más anómalo al día siguiente. A continuación adjuntamos tablas mostrando los patrones con p-values unilaterales más significativos (tablas a la izquierda: significativamente por encima de la rentabilidad media global, tablas a la derecha: significativamente por debajo de la rentabilidad media
4 global), para patrones desde 2 a 5 días. Los patrones con predicciones de variaciones negativas aparecen con p-values recíprocos (esto es, (1 p)-values). El número de patrones usados es el número de patrones observados más de una vez. Patrones de 2 días: número patrones usados = Patrones de 3 días: número de patrones usados = Patrones de 4 días: número de patrones usados =
5 Patrones de 5 días: número de patrones usados = En patrones de 2 días (k = 2) el valor más significativo para medias superiores a la media general se da con el patrón (1%, 1%), con un p-value unilateral de 0.13%. Hay que tener en consideración que hay 61 k-patrones con k = 2 y ello implica que el p- value sobre el mínimo p-value de los 61 patrones (teniendo en cuenta que los p-values tienen una distribución teóricamente uniforme en [0, 1]) es p-value global = 1 (1 0.13%) 61 = 7.8%
6 Ello indica que este patrón tiene un comportamiento predictivo bastante sugerente respecto a su existencia más allá de un artefacto muestral. Por otro lado, el 2-patrón con más significancia prediciendo un comportamiento negativo es ( 3%, 1%), pero hay demasiados pocos casoso observados como para tomarlo en consideración, máxime cuando el p-value global es 25%, de inferior significatividad al anteriormente comentado. En patrones de tres días, el predictor positivo más significativo es (0%, 0%, 1%), con un p-value de 0.11% y un p-value global (contando con 176 patrones usados) de 18%. Como predictores negativos no hay ninguno digno de mención. El 4-patrón más significativo con predicción positiva apenas tienen un p-value global del 25%, lo que no lo hace particularmente interesante. Aún menos significativo es el mejor predictor negativo. Por último, en patrones de 5 días no observamos p-values globales menores del 35%, con lo cual no es particularmente digno de confianza ninguno de ellos. Conclusiones: Después de realizar las exploraciones de posibles dependencias no lineales entre una rentabilidad diaria del IBEX (desde 1990 hasta 2000) y días anteriores desde un horizonte de 2 hasta 5 sesiones, concluimos que, con una cuantificación del 1% los resultados más significativos se dan en el plazo más corto (2 sesiones) y, según vamos ampliando el plazo temporal, los resultados van siendo más débiles, lo que quizá apoye la idea de que las ineficacias del mercado se ponen más de manifiesto en el corto plazo más que en el corto-medio plazo. Quizá merecería una ulterior explicación el hecho de que sistemáticamente es más fuerte la predictibilidad de movimientos positivos que de movimientos negativos, tal y como se han comprobado en nuestra exploración.
ANALISIS DE LA SERIE TEMPORAL DEL IBEX-35 DESDE 1992 HASTA CONCLUSIONES PREDICTIVAS.
ANALISIS DE LA SERIE TEMPORAL DEL IBEX-35 DESDE 1992 HASTA 1997. CONCLUSIONES PREDICTIVAS. Introducción: En la presente comunicación nos proponemos analizar el comportamiento como serie temporal del índice
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detalles4. Prueba de Hipótesis
4. Prueba de Hipótesis Como se ha indicado anteriormente, nuestro objetivo al tomar una muestra es extraer alguna conclusión o inferencia sobre una población. En nuestro interés es conocer acerca de los
Más detallesCaso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo
Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso Práctico El objetivo de este ejercicio es analizar diferentes tipos de pruebas estadísticas en las
Más detallesINDICE Prefacio Como usar este libro Capitulo 1. Introducción Capitulo 2. Análisis exploratorio de los datos
INDICE Prefacio Como usar este libro Capitulo 1. Introducción 1 El comienzo de todo: determinación lo que se debe saber 2 Evaluación numérica de las unidades de observación con la ayuda de las escalas
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesPodemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para
VII. Pruebas de Hipótesis VII. Concepto de contraste de hipótesis Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad
Más detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más detallesTEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS
TEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) PROCEDIMIENTOS ESTADISTICOS CONSTRUCCION DE MODELOS DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS Cada procedimiento es aplicable a un
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 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 detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos:
ESTADISTICA Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: a) Estadística como enumeración de datos. b) Estadística como descripción, es decir, a través de un análisis
Más detallesUniversidad Central del Este UCE Facultad de Ciencias de la Salud Escuela de Medicina
Universidad Central l Este UCE Facultad Ciencias la Salud Escuela Medicina Programa la asignatura: : MED-052 Bioestadística II Código: Semestre: Asignatura electiva Total créditos 3 Teóricos 3 Prácticos
Más detallesCon qué color estudiar?
Con qué color estudiar? Jia Xiang Cheng Alejandra Jiménez Sebastián Sánchez Menéndez Grupo 11, Diciembre 2016 1 Índice Resumen Introducción Material y métodos Resultados Discusión 3 4 5 6..8 9 Anexo 10..11
Más detallesEconometría dinámica y financiera
Econometría dinámica y financiera Introducción a la econometría financiera. Modelos ARCH Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Introducción Los modelos que hemos visto son lineales
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
Más detallesBLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detalles07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Más detallesNúmeros reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos.
MATEMÁTICAS I Contenidos. Aritmética y álgebra: Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. Resolución e interpretación gráfica de ecuaciones e
Más detallesPROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial
Más detallesCOMPROBACIÓN DE HIPÓTESIS
COMPROBACIÓN DE HIPÓTESIS TAMBIÉN LLAMADO PRUEBA DE HIPÓTESIS MIC-FCA-UCE DR. DAVID ECHE, PH.D. 1 PRUEBAS ESTADISTICAS Ha Ho MIC-FCA-UCE DR. DAVID ECHE, PH.D. 2 MIC-FCA-UCE DR. DAVID ECHE, PH.D. 3 VALIDEZ
Más detallesObjetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes
Objetivos Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos Epígrafes Introducción a los Gráficos p, np. Interpretación Gráficos c y u. Interpretación 2-1 Gráfico
Más detallesen Enfermería del Trabajo
revista noviembre:maquetación 1 16/11/2011 6:27 Página 30. 203 Metodología de la investigación Metodología de Investigación en Enfermería del Trabajo Autor Romero Saldaña M Enfermero Especialista en Enfermería
Más detallesAsimetría Coeficiente de Asimetría de Fisher
Asimetría Si los valores de la serie de datos presenta la misma forma a izquierda y derecha de un valor central (media aritmética) se dice que es simétrica de lo contrario será asimétrica. Para medir el
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA
ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA HIPOTESIS Y PRINCIPIOS Sabemos a quién y qué vamos a estudiar. Ahora hay que decidir cuántos individuos contendrá la muestra. Hipótesis nula (H o )
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesPlanificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 6109 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesInferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesINFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS
. Metodología en Salud Pública INFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS Autor: Clara Laguna 7.1 INTRODUCCIÓN Los datos categóricos o variables cualitativas son muy frecuentes en
Más detallesPsicometría Tema 6 VALIDEZ DE LAS INFERENCIAS I
Psicometría Tema 6 VALIDEZ DE LAS INFERENCIAS I Psicometría Mª Isabel García Barbero, UNED. Universidad Nacional de Educación a Distancia, 2006 1 La fiabilidad de un instrumento de medida es una condición
Más detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
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 detalles2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
Más detallesIntroducción a la minería de datos. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Introducción a la minería de datos CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Minería de datos Detección, interpretación y predicción de patrones cuantitativos y cualitativos
Más detallesPLANIFICACIÓN. Técnico en Información Económica y Social (Título Intermedio) Licenciatura en Sociología (Título de Grado)
PLANIFICACIÓN ASIGNATURA: Carrera: Técnico en Información Económica y Social (Título Intermedio) (Título de Grado) Ciclo: Curso: Profesor: Básico 2º Año Lic. María Luisa ARAUJO Lic. Sonia Suarez Año: 2010
Más detallesAnálisis de los resultados de la evaluación del aprendizaje de procedimientos de análisis descriptivo en ingeniería informática
Análisis de los resultados de la evaluación del aprendizaje de procedimientos de análisis descriptivo en ingeniería informática Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detallesPROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ
PROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ Resumen de Psicología Experimental 1 PSICOLOGÍA EXPERIMENTAL Manuel Miguel Ramos Alvarez. I. FUNDAMENTOS METODOLÓGICOS DE LA
Más detallesPruebas para dos muestras independientes
Pruebas para dos muestras independientes Los contrastes que se presentan a continuación permiten comprobar si dos muestras aleatorias e independientes proceden de una misma población. El único requisito
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS
ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS 3datos 2011 Variables CUANTITATIVAS Números con unidad de medida (con un instrumento, o procedimiento, de medición formal) Ej.: Tasa cardiaca;
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesSE OFRECE A ESTUDIANTES DE GRADO: SI X. MÓDULO DEL PLAN 2013 EN QUE ACREDITA: Módulo Metodológico DESCRIPTORES: Probabilidad y Estadística
Asignatura: Probabilidad y Estadistica para Investigadores en ciencias del comportamiento I Tipo: Optativa Créditos: 15 Fecha tentativa: de 12:30 a 17:00 hrs desde el 23/04/2014 Lugar: Salón 9 Cupos: 20
Más detallesTema 5.5: Contrastes de hipótesis
Tema 5.5: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesTema 7. Contrastes no paramétricos en una población
Tema 7. Contrastes no paramétricos en una población Resumen del tema 7.1. Introducción a la Estadística Inferencial. Estimación de parámetros Como ya sabemos, la Estadística estudia los métodos científicos
Más detallesMaestría en Investigación de la Salud
Universidad de Cuenca Facultad de Ciencias Médicas Maestría en Investigación de la Salud Módulo V: Metodología de la investigación Universo y muestra Docente: S. Mayo de 2010 Universo y muestra Universo:
Más detallesMATEMÁTICAS APLICADAS A LAS CCSS I (1º BACHILLERATO)
MATEMÁTICAS APLICADAS A LAS CCSS I (1º BACHILLERATO) 1.1.1 Contenidos Matemáticas Aplicadas a las Ciencias Sociales I 1.1.1.1 Bloque 1. Aritmética y álgebra (Total: 34 sesiones) Números racionales e irracionales.
Más detallesPENDIENTES DE MATEMÁTICAS DE 3º ESO (CURSO )
PENDIENTES DE MATEMÁTICAS DE 3º ESO (CURSO 2015-2016) CRITERIOS E INDICADORES Se detallan a continuación los criterios de evaluación junto con sus indicadores de contenidos asociados. Criterio 1: Identificar
Más detalles1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación
1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación Medidas de Variación Amplitud Coeficiente variación Desviación estándar Rango Valor Z Varianza de Diferencia entre los valores
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesÁREAS DE LA ESTADÍSTICA
QUÉ ES LA ESTADÍSTICA? Es el arte de realizar inferencias y sacar conclusiones a partir de datos imperfectos. ÁREAS DE LA ESTADÍSTICA Diseño: Planeamiento y desarrollo de investigaciones Descripción: Resumen
Más detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
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 detallesTema 4. MODELOS DE DISTRIBUCIONES DISCRETOS.
Estadística Tema 4 Curso /7 Tema 4. MODELOS DE DISTRIBUCIONES DISCRETOS. Objetivos Conceptos: Conocer los siguientes modelos discretos de probabilidad: uniforme, binomial, geométrico y Poisson. De cada
Más detallesSPSS Aplicación práctica: Base de datos del HATCO
Aplicación práctica: Base de datos del HATCO Datos: observaciones de variables obtenidos desde encuentas a clientes de un distribuidor industrial. Variables de interés en la aplicación: Percepciones de
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA II CÓDIGO ASIGNATURA: 1215-22 PRE-REQUISITO: 1215-311 SEMESTRE: CUARTO UNIDADES DE
Más detallesTema 6. Multicolinealidad. Contenido Multicolinealidad perfecta Multicolinealidad de grado alto
Tema 6 Multicolinealidad Contenido 6.1. Multicolinealidad perfecta...................... 108 6.. Multicolinealidad de grado alto................... 110 108 Tema 6. Multicolinealidad A la hora de estimar
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
Más detallesTécnicas 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 2010/11 Tema 3. Contrastes de bondad
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2007 DIURNO LICENCIATURA EN ECONOMÍA SOCIAL SEMESTRE ASIGNATURA 4to. ESTADISTICA I CÓDIGO HORAS MAT-
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesExperimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}
1 Tema 3 : Variable Aleatoria Unidimensional 3.1. Concepto de variable aleatoria Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del espacio muestral (Ω) de un experimento,
Más detallesPROGRAMA DE ESTUDIO : UN SEMESTRE ACADÉMICO : TERCER AÑO, PRIMER SEMESTRE
PROGRAMA DE ESTUDIO A. Antecedentes Generales ASIGNATURA : Estadística CÓDIGO : IIM313A DURACIÓN : UN SEMESTRE ACADÉMICO PRE - REQUISITO : PROBABILIDADES CO REQUISITO : NO TIENE UBICACIÓN : TERCER AÑO,
Más detallesPasos. i Aplicar la prueba X 2 para determinar la significación estadística de las proporciones entre ambas variables (no son iguales)
Relación entre variables cualitativas Pasos Construir una tabla de contingencia Crear una tabla con las frecuencias esperadas f ei (frecuencias teóricas en caso de que X e Y fueran independientes), calculadas
Más detallesINFERENCIA CON RECUENTOS
. INFERENCIA CON RECUENTOS PEDRO M. VALERO MORA Inferencia con Recuentos-Pedro M. Valero Mora 2009 1 Parte 1 Análisis con 1 variable 1.1. De dónde vienen las frecuencias?. 1.1. De dónde vienen las frecuencias?
Más detalles9 APROXIMACIONES DE LA BINOMIAL
9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X
Más detallesVARIABILIDAD EN LOS SISTEMAS DE PAVIMENTOS
VARIABILIDAD EN LOS SISTEMAS DE PAVIMENTOS CONTENIDO Ejemplos de la variabilidad que afecta a los pavimentos Variabilidad en el comportamiento del pavimento Variabilidad en los resultados de los ensayos
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION OBJETIVOS DE LA LECCION Que es asociación Identificar las medidas apropiadas para un diseño de estudio Construir tablas de contingencia Calcular e interpretar las medidas de asociación
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesEjercicios resueltos
UNIDAD TEMÁTICA 7 CONTRASTE DE HIPÓTESIS ENUNCIADO 1 Se ha realizado una encuesta en una población mediante una muestra de 200 personas resultando 72 fumadores. (a Estima la proporción de fumadores así
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesHIPOTESIS. Unidad de Investigación Científica Facultad de Ciencias Medicas Universidad Nacional Autónoma de Honduras
HIPOTESIS Unidad de Investigación Científica Facultad de Ciencias Medicas Universidad Nacional Autónoma de Honduras HIPOTESIS Una explicación anticipada que permite al investigador acercarse a la realidad.
Más detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesInformación general. Fundamentos de Análisis de datos. Obligatoria básica o de fundamentación X. Obligatoria profesional
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura Fundamentos de Análisis de datos Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Más detallesMetodologías De Investigación
Metodologías De Investigación Pfra. Dolores Frías Navarro M. Dolores Frías http://www.uv.es/friasnav 1 Diseños Experimentales Al menos una variable independiente de tratamiento que es introducida por el
Más detallesINVESTIGACION TECNOLOGIA AGROINDUSTRIAL AZUCARERA
Ingenio Azucarero Guatemalteco Investigación Tecnológica Impacto de la aplicación de agua de imbibición, Extracción diluida y Pol % caña en el Pol de Bagazo Objetivo: 1. Evaluar estadísticamente si existe
Más detallesDISEÑO CURRICULAR ESTADÍSTICA III
UNIVERSIDAD NUEVA ESPARTA FACULTAD DE CIENCIAS DE LA INFORMATICA ESCUELA DE COMPUTACION DISEÑO CURRICULAR ESTADÍSTICA III ESCUELA DE COMPUTACIÓN CÓDIGO DE LA ESCUELA: 10-0762-2 ASIGNATURA: Estadística
Más detallesUNIVERSIDAD DEL VALLE DE MÉXICO Programa de Estudio
DEPARTAMENTO ACADEMICO LICENCIATURA EJECUTIVA LICENCIATURA EN MERCADOTECNIA ASIGNATURA ESTADÍSTICA INFERENCIAL PARA LA MERCADOTECNIA NOMBRE DEL PROFESOR MARIO M SANCHEZ DE LOS MONTEROS MONTOYA MODALIDAD
Más detallesTEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES
TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES 1. Puntuaciones diferenciales y puntuaciones típicas 2. La curva normal 3. Cálculo de áreas bajo la curva normal 3.1. Caso 1: Cálculo del número
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detalles