MODELOS DE ELECCIÓN DISCRETA APLICADOS A LA ESTIMACIÓN DE LA DISTRIBUCIÓN GEOGRÁFICA DE LOS INTERCAMBIOS COMERCIALES EN ANDALUCÍA (*)
|
|
- Ana María Flores Herrera
- hace 7 años
- Vistas:
Transcripción
1 MODELOS DE ELECCIÓN DISCRETA APLICADOS A LA ESTIMACIÓN DE LA DISTRIBUCIÓN GEOGRÁFICA DE LOS INTERCAMBIOS COMERCIALES EN ANDALUCÍA (*) José Ignaco Enríquez Luque Dra. Flor María Guerrero Casas José Antono Ordaz Sanz José Manuel Rueda Cantuche Unversdad Pablo de Olavde Carretera de Utrera Km.1, Sevlla Tlfno.: (Dra. F.M. Guerrero) Fax: jenrluq@dee.upo.es; fguecas@dee.upo.es; jaordsan@dee.upo.es; jmruecan@dee.upo.es RESUMEN El trabajo que se realza qunquenalmente para la elaboracón del Marco Input-Output requere una cantdad de recursos que dfíclmente pueden ser asgnados anualmente a este cometdo. Por ello, pueden resultar de enorme utldad todos aquellos trabajos de nvestgacón sobre la aplcacón de nuevos nstrumentos de carácter cuanttatvo y estocástco que permtan establecer estmacones sobre determnadas varables económcas necesaras para la construccón de dcho Marco pero con carácter anual. En esta comuncacón se presentan los prmeros avances de un proyecto de nvestgacón que aplca modelos de eleccón dscreta con datos ordenados para la elaboracón de una metodología que permta conocer los ntercambos comercales de productos entre Andalucía y el resto de España, a través de comercantes mayorstas e ntermedaros de comerco. Palabras clave: Modelos de eleccón dscreta, logt multnomal, flujos comercales, economía regonal. 1 Introduccón En el Sstema de Cuentas Económcas de una Comundad Autónoma tene especal relevanca la precsón de las estmacones que en ella se efectúen, así como la elaboracón cada cnco años de un Marco Input-Output según la nueva normatva del Sstema Europeo de Cuentas (SEC-1995), para con ello servr a la Admnstracón Públca en su labor de formular polítcas económcas sectorales o generales.
2 Las tareas que se realzan qunquenalmente para la elaboracón de las tablas de orgen, de destno y smétrca a sus dferentes valoracones, requeren una cantdad de recursos que dfíclmente pueden ser asgnados anualmente a este cometdo. Por ello, en ocasones se abordan proyectos de nvestgacón que colaboran en el desarrollo de metodologías para la estmacón de determnadas varables crucales dentro del proceso de elaboracón de dchas estadístcas económcas. Este trabajo se enmarca dentro de un proyecto de nvestgacón más amplo cuyo objetvo fnal es establecer una sere de modelos econométrcos de eleccón dscreta que permtan conocer los flujos comercales entre Andalucía y el resto de España a través del comerco mayorsta e ntermedaros del comerco. La metodología en la que se está trabajando actualmente puede verse esquematzada en el Gráfco 1 adjunto. El proyecto se clasfca en torno a tres nveles de detalle en relacón con el análss y la modelzacón. El prmer nvel resultará ser el más agregado, tratando de especfcar modelos econométrcos de eleccón dscreta sobre la decsón empresaral de adqurr mercaderías producdas en Andalucía respecto al resto de España, o vender las mercaderías en esta Comundad Autónoma con relacón al resto del país. El segundo nvel de detalle radca en amplar el análss efectuado en el nvel anteror, llegando a estmar los orígenes y destnos de los flujos comercales en funcón de los dstntos productos objeto de ntercambo. Estos productos serán, además, ordenados sobre la base de la Clasfcacón Naconal de Actvdades Económcas de 1993 (CNAE-1993) y el futuro Marco Input-Output 2000 (MIOAN-2000), en fase de elaboracón por parte del Insttuto de Estadístca de Andalucía (IEA) y que será ya el segundo que se realce en funcón del SEC Por últmo, el tercer nvel consstría en ntentar amplar el análss llevado a cabo en los dos nveles anterores sobre actvdades de comerco mayorsta, pero de forma más detallada. Sobre una base de datos facltada por el IEA, se va a categorzar el orgen de los flujos de compras netas de mercaderías para cada establecmento en un rango de cnco ntervalos según el porcentaje de compras producdas en Andalucía (o en el resto de España) y adqurdas por estos establecmentos comercales. Para conocer el destno de los flujos comercales, según las ventas netas de mercaderías, se procedería de gual modo tal y como se puede observar en el Gráfco 1. Para que la nvestgacón llevada a cabo resulte de completa utldad práctca, la seleccón de las varables explcatvas debe estar, en algún modo, sujeta a las dsponbldades de nformacón que tuvera el usuaro fnal de la msma. Por esta razón, se nvestgan como varables explcatvas, que potencalmente puderan tener alguna nfluenca sobre el orgen y destno de los flujos comercales, aquéllas procedentes de la cuenta de pérddas y ganancas de una empresa o establecmento (compras y ventas netas de mercaderías, servcos exterores, gastos de personal, etc.), así como otras que se consderan tambén relevantes para el análss: el empleo, el margen comercal y la razón entre el número de establecmentos de la empresa ubcados en Andalucía y el total de establecmentos stuados en todo el terrtoro naconal.
3 Gráfco 1 Error! Vínculo no váldo.
4 La presente comuncacón se centra en presentar los prmeros resultados obtendos a partr de un conjunto de modelos econométrcos estmados al prmer nvel de detalle: aquél que estuda el orgen de los flujos comercales cuyo objeto es la compra neta de mercaderías producdas en Andalucía. Para esta tarea se ha utlzado el programa nformátco Econometrc Vews v.3.1. En el segundo epígrafe se explca la metodología seguda en el análss y en el tercero se comentan los resultados y conclusones extraídos. El trabajo fnalza con una seleccón bblográfca de referenca. 2 Metodología Se va a consderar un modelo de eleccón dscreta con respuesta múltple (multnomal), donde cada establecmento comercal ha de optar por una de entre varas alternatvas posbles. El empleo de este tpo de modelos es cada vez mayor en el ámbto de la mcroeconometría. Las alternatvas a las que se enfrenta el decsor se pueden presentar de forma ordenada, no ordenada o secuencal, dando lugar a un tratamento específco de la varable endógena del modelo en cuestón. En concreto, emplearemos un modelo de respuesta múltple con datos ordenados debdo a que otro planteamento alternatvo, que hubera sdo por ejemplo, categorzar las zonas geográfcas (0.- Andalucía; 1.- Resto de España; etc.), hubera supuesto crear categorías no excluyentes, debdo a que un msmo establecmento puede comprar tanto mercaderías de orgen andaluz como productos elaborados en el resto de España. Dentro de estos modelos podemos encontrar varos tpos que dferen en la funcón de probabldad consderada: curva logístca (Logt), funcón de dstrbucón acumulada de un modelo normal tpfcado (Probt) y funcón valor extremo (Gompt). De los tres modelos menconados, el más amplamente utlzado es el modelo logt multnomal con datos ordenados, que a la postre, resulta ser el que arroja mejores resultados en este estudo. Es por ello que a contnuacón vamos a descrbr sus prncpales característcas para después desarrollar los resultados y las conclusones más sgnfcatvos que se obtenen a partr de él. 2.1 El modelo logt de respuesta múltple con datos ordenados El modelo logt de respuesta múltple con datos ordenados relacona la varable explcada Y con las varables explcatvas X 1,X 2,...,X k a través de la sguente ecuacón: * Y = Λ( X β ) + u = Λ( Z ) + u donde: Y * : es una varable no observada que cuantfca las dstntas categorías. Λ(.): es una funcón de dstrbucón no lneal de tpo logístca.
5 X β: es una combnacón lneal de las varables o característcas, que se denomna índce del modelo y se denota por Z. u : es una varable aleatora que sgue una dstrbucón normal tpfcada y cumple las característcas propas de rudo blanco. Vamos a consderar J alternatvas, de modo que: j=1,2,...,j-1. Para los valores de la varable observada Y, que mde las dstntas categorías, se sgue el sguente esquema: * 0 s Y c1 * 1 s c1 Y c2 Y = L * ( J 1) s c( J 1) Y Debe reseñarse que exste una correspondenca entre el orden de los valores de la varable real u observada y el orden de la varable no observada o latente. Esto es, * * s Y < Y Y < Y. j j Por otro lado, la probabldad de selecconar cada una de las categorías de Y vene defnda por la relacón: Prob ( Y = 0 / X, β, c) = Λ( c1 X β ) Prob ( Y = 1/ X, β, c) = Λ( c X β ) Λ( c1 X Prob ( Y = 2 / X, β, c) = Λ( c X β ) Λ( c2 X K 2 β 3 β Prob ( Y J 1/ X, β, c) = 1 Λ( c 1 X β ) = J donde Λ(.) es la funcón de dstrbucón del modelo logt, es decr: 1 Λ ( c j X β ) = ( c β ) 1 j X + e. Los valores de los umbrales c j, j=1,...,j-1 y los valores de β se estman conjuntamente medante el método de máxma verosmltud, debéndose verfcar que: c K 1 < c2 < < cj 1 ) ) El método de máxma verosmltud proporcona estmadores consstentes y asntótcamente efcentes y normales, con lo que los contrastes de hpótess cuando el tamaño de la muestra es sufcentemente grande se pueden realzar a través de cualquer dstrbucón asocada a la normal.
6 Los problemas referentes al cálculo de una medda de bondad de ajuste en este tpo de modelos son comunes a los de respuesta múltple y bnara. Emplearemos en nuestro análss el R 2 de McFadden, que oscla entre cero y uno (en forma smlar al coefcente de determnacón en el modelo de regresón lneal) y el estadístco LR o índce de cocente de verosmltudes o razón de verosmltud, que establece al gual que el anteror un contraste de hpótess conjunto del modelo. La comparacón y seleccón de modelos según la bondad de los respectvos ajustes se realzará en funcón de los estadístcos de Akake (1973), Schwartz (1978) y Hannan-Qunn (1979). De estos estadístcos, el mejor modelo será el que alcance un menor valor. En referenca a los contrastes de hpótess ndvduales de los coefcentes de regresón, así como de los umbrales c j, éstos se realzarían de la msma manera que en un modelo de regresón lneal, s ben emplearemos una dstrbucón normal tpfcada en vez de una dstrbucón t-student. 2.2 Aplcacón del modelo logt de respuesta múltple con datos ordenados En el presente trabajo, se consdera un total de 810 observacones con J=5 alternatvas ordenadas, que rán de 0 a 4, de modo que el valor 0 se le asgnará a aquel establecmento comercal que compre mercaderías producdas en Andalucía por un porcentaje nferor o gual al 20% del total; el valor 1, a aquél que adquera dchas mercaderías por un porcentaje entre un 20% y un 40% nclusve; y así sucesvamente. Esta varable se denomnará ncalmente categoría. El conjunto de varables explcatvas por cada establecmento que contemplaremos en nuestro análss es el sguente: compras netas de mercaderías (cnmercad), ventas netas de mercaderías (vnmercad); compras netas de materas prmas y otros aprovsonamentos (cmprmas), gastos de personal (gpers), otros ngresos de gestón (ogest), servcos exterores (ssext), ventas netas de benes y servcos (vnbss), empleo (empleo), margen comercal (margen), número de establecmentos de la empresa ubcados en Andalucía (estand), número de establecmentos de la empresa ubcados fuera de Andalucía (estesp) y la proporcón o razón de establecmentos ubcados en Andalucía respecto del total que tene la empresa a nvel naconal (razandesp). 3 Resultados y conclusones Presentamos a contnuacón los resultados del análss de un conjunto de modelos alternatvos, encuadrados dentro del prmer nvel de detalle al que se ha hecho referenca con anterordad. El prmero de ellos, el Modelo 1 (véase Fgura 1), nos muestra que a un nvel de confanza del 95% las varables que más sgnfcatvamente explcan la probabldad de optar por una categoría u otra son: el margen comercal, las ventas netas de benes y servcos, las compras netas de materas prmas y otros aprovsonamentos y la proporcón de establecmentos ubcados en Andalucía respecto del total de la empresa a nvel naconal. Todos los estadístcos asocados a cada uno de los coefcentes de
7 regresón resultan estadístcamente sgnfcatvos, ncludos los valores de los umbrales estmados. Por lo que se refere a la sgnfcatvdad conjunta del modelo, el valor del estadístco LR está asocado a un grado de confanza máxmo que roza el 100%. Fgura 1: Modelo 1. No obstante, s relajamos el nvel de confanza de los estmadores ndvduales de los coefcentes de regresón hasta admtr el 90%, la varable estesp (número de establecmentos de la empresa en el resto de España) se podría nclur tambén en el modelo, mejorando sensblemente la bondad del ajuste en térmnos de los estadístcos de Akake, Schwartz y Hannan-Qunn. En el análss de este modelo, hemos observado que en los pronóstcos efectuados no se ncluyen nunca las categorías ntermedas. Nuestras predccones estrbarían exclusvamente en los ntervalos de compras (0%-20%) y (80%-100%), dada la nformacón que manejamos para Para tratar de nvestgar las causas de este comportamento se han probado otros dos modelos en los que se ha reducdo el número de categorías. En el caso del Modelo 2 (Fgura 2) a cuatro, en ntervalos de 25 puntos porcentuales, y en el caso del Modelo 3 (Fgura 3) a tres, en ntervalos de 33,33 puntos porcentuales. En ambos casos, los modelos resultan sgnfcatvos a un nvel de confanza del 95% tanto ndvdualmente como de forma conjunta, s ben los ndcadores de bondad de ajuste van mejorando conforme se reduce el número de categorías, debdo fundamentalmente a la dsmnucón progresva de la precsón de los ntervalos que las defnen. Se ha estmado tambén un modelo alternatvo en el que, en funcón de la dstrbucón de frecuencas o hstograma de las observacones utlzadas, se estableceron cuatro categorías cuyos ntervalos no eran unformes. Los resultados fueron sgnfcatvos al 95% de nvel de confanza, s ben la bondad de ajuste era sensblemente nferor a la del Modelo 2. Adconalmente, se amplaron las categorías en el Modelo 1 a ocho y a dez, obtenendo dos varantes de este modelo que resultaron
8 tambén sgnfcatvas, aunque con valores de Akake, Schwartz y Hannan-Qunn bastante superores a todos los hallados en los modelos anterormente planteados. Fgura 2: Modelo 2. Fgura 3: Modelo 3. En conclusón, no exste un crtero que de forma mecánca nos nduzca a selecconar un modelo u otro dado que, aunque en el Modelo 3 el ajuste resulta ser el mejor de todos, presenta en cambo una pérdda de capacdad de precsón en nuestro pronóstco sobre la probabldad de ocurrenca de la categoría j, ya que los ntervalos sobre los que se basa son más amplos que en los Modelos 1 y 2. Por el contraro, en el Modelo 1, a costa de una bondad de ajuste algo menor, los ntervalos son más precsos al contemplar un número mayor de categorías. En nvestgacones futuras, pretendemos obtener un conjunto ben determnado de modelos que satsfagan plenamente los objetvos propuestos, tanto desde un punto de vsta estadístco como económco.
9 4 Bblografía Aldrch, J.H., Nelson, F.D. (1984). Lnear probablty, logt and probt models. Sage Publcatons, Newbury Park (Calforna). Cabrer, B. et ala (2001). Mcroeconometría y decsón. Edcones Prámde, Madrd. Demars, A. (1992). Logt modelng: practcal applcatons. Sage Publcatons, Newbury Park (Calforna). EUROSTAT (1996). Sstema Europeo de Cuentas Económcas Integradas Ofcna de Publcacones Ofcales de las Comundades Europeas, Luxemburgo. EVIEWS v.3.1. User s Gude (1997). Quanttatve Mcro Software. Calforna. Greene, W.H. (1998). Análss econométrco. Tercera edcón. Prentce Hall Ibera, Madrd. Insttuto de Estadístca de Andalucía (1999). Sstema de Cuentas Económcas de Andalucía. Marco Input-Output vols. IEA, Sevlla. Insttuto Naconal de Estadístca (1993). Clasfcacón Naconal de Actvdades Económcas CNAE-93. INE, Madrd. Lao, T.F. (1994). Interpretng probablty models: logt, probt and other generalzed lnear models. Sage Publcatons, Thousand Oaks (Calforna). Urel, E. (1997). Contabldad Naconal. Arel, Barcelona. (*) Esta comuncacón se crcunscrbe dentro del Proyecto de Investgacón Metodología para la estmacón de la dstrbucón geográfca de los ntercambos comercales en el comerco mayorsta y de ntermedaros de comerco en Andalucía llevado a cabo por el Grupo de Investgacón SEJ-332 y fnancado por el Insttuto de Estadístca de Andalucía a través de su programa de ayudas para proyectos de nvestgacón estadístca (BOJA nº 95, 18 de agosto de 2001).
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009
METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesRMV FUNDEVAL, Bolsa Nacional de Valores, S.A. y Universidad Interamericana de Costa Rica San José, Costa Rica
RV-2005-03 DETERINACIÓN DE LA TASA LIBRE DE RIESGO IPLÍCITA PARA EL ERCADO DE VALORES EN COSTA RICA: UNA PROPUESTA * RODRIGO ATARRITA VENEGAS ** FUNDEVAL, Bolsa Naconal de Valores, S.A. y Unversdad Interamercana
Más detalles1.Variables ficticias en el modelo de regresión: ejemplos.
J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesEspecialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detallesAnálisis cuantitativo aplicado al Comercio Internacional y el Transporte
Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesEstadística con R. Modelo Probabilístico Lineal
Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesPRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)
SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesDiseño de la Muestra. Introducción. Tipo de muestreo y estratificación
Dseño de la Muestra A Introduccón Sguendo las orentacones dadas por la Ofcna Estadístca de la Unón Europea (EUROSTAT) se a selecconado una muestra probablístca representatva de la poblacón de los ogares
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento
Más detallesGuía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología
Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)
Más detallesPRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)
SECREARÍA EERAL ÉCCA MSERO DE ARCULURA, ALMEACÓ Y MEDO AMBEE SUBDRECCÓ EERAL DE ESADÍSCA PRECOS MEDOS AUALES DE LAS ERRAS DE USO ARARO (MEODOLOÍA) OBJEVO: Desde 1983 el Mnstero de Agrcultura, Almentacón
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesTema 4 MODELOS CON DATOS DE RECUENTO
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 Tema 4 MODELOS CON DATOS DE RECUENTO 1. Datos de recuento: ejemplos 2. Por qué utlzamos modelos específcos para datos de recuento? 3. Modelo Posson 4. Modelo
Más detallesFactores que inciden sobre la posibilidad de una desaceleración económica en Puerto Rico. Resumen
Factores que ncden sobre la posbldad de una desaceleracón económca en Puerto Rco Carlos A. Rodríguez * Resumen La evolucón de la economía de Puerto Rco se ha caracterzado por un largo perodo de nestabldad
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesModelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.
Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)
Más detallesINSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA
PÁCTICA 1. INSTUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADO DE POTENCIA 1.1 Objetvos El objetvo de esta práctca consste en presentar los nstrumentos y las técncas de medda habtualmente utlzadas para
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesGERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que
Más detallesRelación 2: Regresión Lineal.
Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el
Más detallesRegresión Logística. StatFolio Muestra: logistic.sgp
Regresón Logístca Resumen El procedmento de Regresón Logístca está dseñado para ajustarse a un modelo de regresón en el que la varable dependente Y caracterza un evento con sólo dos posbles resultados.
Más detallesCURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A)
Unversdad de la Repúblca, Facultad de Cencas Económcas y Admnstracón. ECONOMETRÍA II - CURSO 7 PRACTICO MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO A) Una nvestgacón sobre el mercado laboral
Más detallesCÁNONES ANUALES DE DE ARRENDAMIENTOS RÚSTICOS (Metodología)
SEREARÍA EERAL ÉA MSERO DE ARULURA, ALMEAÓ Y MEDO AMBEE SUBDREÓ EERAL DE ESADÍSA ÁOES AUALES DE DE ARREDAMEOS RÚSOS (Metodología) OBJEVO El canon de arrendamento rústco se defne como el pago que realza
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA.
ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. SEGUNDA PARTE. (TRABAJO PRESENTADO EN EL CONGRESO DE LA SOCIEDAD ARGENTINA DE ESTADISTICA)
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesDISTRIBUCIÓN DE LA INEFICIENCIA
Unversdad de Murca Facultad de Economía y Empresa Departamento de Métodos Cuanttatvos para la Economía y la Empresa TESIS DOCTORAL MODELOS DE FRONTERA ESTOCÁSTICA DISTRIBUCIÓN DE LA INEFICIENCIA Realzada
Más detallesTEMA 5. INTERPOLACION
Tema 5: Interpolacón TEM 5. INTERPOLCION. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos. RESUMEN 7. Programacón en Matlab Cálculo numérco en
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesTema 6 El mercado de bienes y la función IS
Tema 6 El mercado de benes y la funcón IS Macroeconomía I Sánchez Curso 2008-09 Bblografía para preparar este tema Apuntes de clase Capítulo 5, Macroeconomía, O. Blanchard, pp. 81-100 Objetvo del tema
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesINVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO
ESCUELA SUPERIOR POLITECNICA DEL LITORAL INSTITUTO DE CIENCIAS HUMANISTICAS Y ECONOMICAS INVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO Resumen: Las decsones de
Más detalles1 + e z. 1 + e. 1 + e = 1 0 2
Tema 7. Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco Euskal Herrko Unbertstatea 7. Introduccón En
Más detallesAnálisis de la actividad femenina y la fecundidad en España mediante modelos de elección discreta
Análss de la actvdad femenna y la fecunddad en España medante modelos de eleccón dscreta Aurora Alonso-Antón, Ana Fernández-Sanz y Vrgna Rncón-Dez Lecturas de Economía - No. 82. Medellín, enero-juno 2015
Más detallesLECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)
LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN
Más detallesVisión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
Más detallesFORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA
FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA TÍTULO DE LA PONENCIA: Heterogenedad en los perfles de ngreso y retornos a la educacón superor en el Perú AUTOR: Gustavo Yamada, Juan F. Castro y
Más detallesRiesgos Proporcionales de Cox
Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesCAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA
CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,
Más detallesTema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales
Tema 9 Análss de la Varanza (ANOVA) Conceptos generales La técnca del Análss de la Varanza consste en descomponer la varabldad de una poblacón (representada por su varanza) en dversos sumandos según los
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesUNIDAD I. Qué es la predicción empresarial?
UNIDAD I Qué es la predccón empresaral? UNIDAD I Qué es la predccón empresaral? Predecr es pronostcar con éxto Cuáles son las fuentes de predccón estratégca - empresaral? Cuál es la vsón conjunta del proceso
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesMETODOLOGÍA MUESTRAL. Encuesta Laboral de la Dirección del Trabajo, ENCLA 2011 (Muestra Efectiva) INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA MUESTRAL Encuesta Laboral de la Dreccón del Trabajo, ENCLA 0 (Muestra Efectva) INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre/0 METODOLOGÍA MUESTRAL EFECTIVA Encuesta Laboral de la Dreccón del
Más detallesIntroducción al riesgo de crédito
Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta
Más detalles6 Impacto en el bienestar de los beneficiarios del PAAM
6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda
Más detallesTécnicas de Análisis de Datos de Elección n Discreta
Técncas de Análss de Datos de Eleccón n Dscreta Sub-Gerenca de Investgacón GPR Vernes, 07 de abrl de 0006 Gerenca de Polítcas Regulatoras - GPR Organsmo Supervsor de Inversón Prvada en Telecomuncacones
Más detallesEXPERIMENTOS ANIDADOS O JERARQUICOS NESTED
EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesRegresión Binomial Negativa
Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado
Más detallesUna renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.
Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta
Más detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detalles