Econometría II Grado en finanzas y contabilidad
|
|
- Gonzalo Palma Domínguez
- hace 7 años
- Vistas:
Transcripción
1 Econometría II Grado en finanzas y contabilidad Metodología Box-Jenkins Profesora: Dolores García Martos mdgmarto@est-econ.uc3m.es Este documento es un resumen/modificación de la documentación elaborada por D. Antoni Espasa
2 Metodología Box-Jenkins
3 Metodología Box-Jenkins
4 Metodología Box-Jenkins La clase general de modelos de la metodología Box-Jenkings es la familia de modelos ARIMA con elementos determinísticos (constante, tendencia determinística, estacionalidad determinística, efecto semana santa, efecto días laborables, atípicos, etc) En la especificación de estos modelos entran distintos tipos de parámetros que capturan distintos rasgos de los datos El primer paso es determinar si el modelo se debe formular con los datos originales o con series transformadas. En todo caso, deben recoger: Evolutividad de la tendencia Evolutividad estacional El modelo incorporará: Diferencias regulares Diferencia estacional Constante Factores determinísticos
5 Metodología Box-Jenkins Expresión general de los modelos ARIMA (p,d,q) (P,D,Q) s : (1-Φ 1 L-Φ 2 L 2 Φ 3 L Φ p L p ) (1-Φ 1 L s -Φ 2 L 2s Φ 3 L 3s -..-Φ P L Ps ) (1-L) d (1-L s ) D log X t = δ+ (1-θ 1 L-θ 2 L 2 θ 3 L θ q L q ) (1-θ 1 L s -θ 2 L 2s θ 3 L 3s -..-θ Q L Qs )a t s=4,12 Es decir, hace referencia a la parte estacional d=0,1,2 Hace referencia al número de diferenciaciones regulares a realizar de la serie original para hacerla estacionaria D=0,1 Hace referencia al número de diferencias estacionales a realizar de la serie original para hacer la parte estacional estacionaria Otra forma de expresión es: Φ p (L) Φ P (L s ) Δ d Δ D s log X = c+ θ q (L) θ Q (L s ) a t
6 Metodología Box-Jenkins Transformada una serie en estacionaria (diferencias en la parte regular y estacional y logaritmos), los parámetros que especifican el modelo ARMA capturan la dependencia temporal Los correlogramas simples serán de utilidad para saber si se trata de modelos autorregresivos o de medias móviles En el caso de los procesos de medias móviles, también nos servirá para determinar el orden del proceso Para determinar el orden de los procesos autorregresivos se utilizara el criterio de información de Akaike. Se analizan, por tanto, los gráficos y los correlogramas de las series: X t, Δ X t,δ s X t y ΔΔ s X t. Si las series son anuales también habrá que analizar Δ 2 X t.
7 Metodología Box-Jenkins 1 Hay que garantizarse que la serie de los residuos tiene estructura de ruido blanco 1. Ver Anexo
8 Metodología Box-Jenkins
9 Contraste de raíces unitarias Las implicaciones de las raíces unitarias en los datos económicos son relevantes Si es I(1), los shocks tendrán efectos permanentes Es habitual que la varianza del estimador de ρ pude ser muy pequeña y conducir a que en el correspondiente intervalo de confianza no entre el valor unitario, cuando realmente existe tal raíz unitaria. Es decir, el contraste de la t habitual podría conducir a rechazar ρ=1 Cuando hay raíces unitarias, el estimador muestral suele estar sesgado a la baja Se utilizan unas tablas específicas: las tablas de Dickey-Fuller
10 Contraste de raíces unitarias En la ecuación (2) se puede añadir una constante e incluso una tendencia determinística Cuando hay correlación entre las variables es mejor utilizar un modelo en el que se tenga en cuenta este aspecto. En este caso no estaríamos ante la hipótesis de que η t se distribuye como ruido blanco
11 Contraste de raíces unitarias
12 Contraste de raíces unitarias
13 Contraste de raíces unitarias El valor de la t es mayor que los valores críticos, se acepta la hipótesis nula de que δ=0 y, tanto, hay una raíz unitaria
14 ESTIMACIÓN Y VALIDACIÓN DEL MODELO Estimación del modelo por MCO o Máxima Verosimilitud Contrastes de los parámetros por medio de la t Varianza residual Ver si la correlación entre los parámetros estimados es muy elevada, de ser así, habría que eliminar alguno Contrastar que los residuos tienen estructura de ruido blanco a partir del correlograma Se puede aplicar un test conjunto de la independencia de las correlaciones muestrales. Test Q Si los residuos no son ruido blanco hay que reformular el modelo Criterios de información (Akaike, Schwarz, etc). Cuanto más pequeños mejor
15 ESTIMACIÓN Y VALIDACIÓN DEL MODELO Si el modelo inicial no es satisfactorio: Se recurre a considerar algunas de las hipótesis manejadas al principio de la identificación del modelo Dudas en las diferencias regulares Dudas en relación con la estacionalidad Dudas en cuanto al orden del modelo AR o MA A partir de la estructura que presenten los residuos se reformula el modelo. Aunque el modelo estimado se pueda validar, es conveniente analizar modelos alternativos y de función del criterio de información (Akaike, Schwarz ) se puede decidir sobre el modelo final
16 ESTIMACIÓN Y VALIDACIÓN DEL MODELO
17 ESTIMACIÓN Y VALIDACIÓN DEL MODELO El contraste de la Q es un contraste conjunto
18 PREDICCIÓN DE VARIABLES ECONÓMICAS Como se viene diciendo a lo largo del curso, los objetivos principales de la modelización ARIMA son: Predicción Estimación de los componente de una serie temporal: Tendencia, estacional y ciclo
19 Esperanza y varianza incondicional vs condicional Esperanza Marginal W = ΦW t-1 + a t E (W t )= Φ E (W t-1 )+ E (a t ) a t es un proceso ruido blanco con esperanza nula µ = Φ µ+ 0, E(W t )= E (W t-1 ) por estacionariedad (1- Φ) µ = 0 µ=e (W t )= 0 Varianza Marginal Var (W t )= Φ 2 var (W t-1 )+ var (a t ) a t es un proceso ruido blanco con con varianza σ 2 γ 0 = Φ 2 γ 0 + σ 2, Var(W t )= Var (W t-1 ) por estacionariedad (1- Φ 2 ) γ 0 = σ 2 γ 0 =var (W t )= σ 2 / (1- Φ 2 )
20 Esperanza y varianza incondicional vs condicional Esperanza Condicional W t = ΦW t-1 + a t E t-1 (W t )= Φ E t-1 (W t-1 )+ E t-1 (a t ) a t es un proceso ruido blanco con esperanza nula E t-1 (W t )= Φ E t-1 (W t-1 ) = Φ W t-1 Varianza Condicional Var t-1 (W t )= E t-1 (W t μ condicional ) 2 Var t-1 (W t ) = Var t-1 (ΦW t-1 + a t ) =Var t-1 (ΦW t-1 ) + Var t-1 (a t ) + +2 cov t-1 (ΦW t-1, a t )= σ 2 dado que W t-1 en el periodo t-1 es un dato conocido y, además, en ese periodo el valor observado, es independiente de la innovación o shock que se producirá en t Estos conceptos vienen de la estimación de una regresión, con la que se trata de estimar la media condicional de la variable dependiente dados los valores de las variables independientes. La diferencia es la variable residual
21 PREDICCIÓN DE VARIABLES ECONÓMICAS Predicción Se apoya en el concepto de expectativa condicional: Se trata de obtener el valor esperado de la variable económica en t+1 en función de la información disponible. E(x t+1 Ω t ) Dependerá del tipo de modelo. Si se trata de un modelo AR(1), se tendría: y t = Φy t-1 + a t E t (y t+1 )= Φ E t (y t ) + E t (a t +1 ) = Φ y t La varianza de la predicción un periodo por delante es igual a σ 2. Y aumenta a medida que aumenta el horizonte de predicción
22 ANEXO
23 ESPECIFICACION DEL MODELO ARMA
24 ESPECIFICACIÓN DEL MODELO ARMA
25 ESPECIFICACION DEL MODELO ARMA
26 ESPECIFICACIÓN DEL MODELO ARMA
27 ESPECIFICACIÓN DEL MODELO ARMA
28 ESPECIFICACIÓN DEL MODELO ARMA
Econometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Modelos multivariantes estacionarios: VAR(p). La dependencia temporal. La causalidad en el sentido de Granger. La estimación de los modelos VAR. Profesora:
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesNombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)
Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Enero 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe que los
Más detallesEstadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 5
Estadística Industrial Universidad Carlos III de Madrid Series temporales Práctica 5 Objetivo: Análisis descriptivo, estudio de funciones de autocorrelación simple y parcial de series temporales estacionales.
Más detallesEconometria de Series Temporales
Econometria de Series Temporales Walter Sosa Escudero wsosa@udesa.edu.ar Universidad de San Andr es 1 Introduccion >Porque series temporales? ² Inhabilidad de la economia de producir experimentos controlados
Más detallesEconometria con Series Temporales
May 24, 2009 Porque series temporales? Inhabilidad de la economia de producir experimentos controlados para estudiar relaciones causales entre variables. Una alternativa consiste en estudiar estas relaciones
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 detallesANÁLISIS EN EL DOMINIO DEL TIEMPO
Matemáticas y Estadística aplicada POLITÉCNICA ANÁLISIS EN EL DOMINIO DEL TIEMPO Indice de contenidos: INTRODUCCIÓN MODELOS DE SERIES TEMPORALES (Box-Jenkins, 1973): De Procesos estacionarios De Procesos
Más detallesPronóstico con Modelos ARIMA para los casos del Índice de Precios y Cotizaciones (IPC) y la Acción de América Móvil (AM)
Pronóstico con Modelos ARIMA para los casos del Índice de Precios y Cotizaciones (IPC) y la Acción de América Móvil (AM) Rosa María Domínguez Gijón Resumen este proyecto son el IPC y la acción de América
Más detallesCURSO ECONOMETRÍA BÁSICA MULTISOFTWARE
CURSO ECONOMETRÍA BÁSICA MULTISOFTWARE El objetivo de este curso es la presentación de las técnicas econométricas básicas, tanto clásicas como modernas, y su tratamiento con las herramientas más adecuadas
Más detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo
Más detallesTema 5: Planteamiento de los modelos de series temporales. Coro Chasco Yrigoyen Universidad Autónoma de Madrid (UAM) Asignatura: Econometría II
Tema 5: Planteamiento de los modelos de series temporales Coro Chasco Yrigoyen Universidad Autónoma de Madrid (UAM) Asignatura: Econometría II 1 Parte II. Modelos univariantes de series temporales Tema
Más detallesMODELOS DE SERIES TEMPORALES EN FINANZAS (II): MODELOS ARCH-GARCH Modelización Económica II
MODELOS DE SERIES TEMPORALES EN FINANZAS (II): MODELOS ARCH-GARCH Modelización Económica II Referencias: Gouriéroux (1997) "ARCH Models and Financial Applications", Springer. ARCH-GARCH () Javier Perote
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 detallesEconometría III Examen. 29 de Marzo de 2012
Econometría III Examen. 29 de Marzo de 2012 El examen consta de 20 preguntas de respuesta múltiple. El tiempo máximo es 1:10 minutos. nota: no se pueden hacer preguntas durante el examen a no ser que sean
Más detallesTécnicas de Predicción Solución Examen Final
Técnicas de Predicción Solución Examen Final Administración y Dirección de Empresas 23 de Junio, 2008 Prof. Antoni Espasa Secciones 3h Nota: Todas las respuestas deben ser adecuadamente razonadas. Respuestas
Más detallesEconometría Financiera
Econometría Financiera El objetivo de este curso es desarrollar en forma didáctica y sencilla, los fundamentos del análisis econométrico de los mercados financieros. Al mismo tiempo que, guiamos al alumno
Más detallesESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA
GUÍA DOCENTE 2012-2013 ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA 1. Denominación de la asignatura: ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA Titulación GRADO EN FINANZAS Y CONTABILIDAD Código 5592
Más detallesSeries de Tiempo. Una Introducción
Series de Tiempo. Una Introducción Series de Tiempo Muchas veces, sobretodo para realizar pronósticos, resulta conveniente no suponer un modelo explícito para que explique la variables de interés, sino
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos ARMA
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos ARMA Definición: Ruido blanco. Se dice que el proceso {ɛ t } es ruido blanco ( white noise ) si: E(ɛ t ) = 0 Var(ɛ t ) = E(ɛ 2 t ) = σ 2 Para todo
Más detallesIntroducción al tema de raíces unitarias en la modelación econométrica
Banco Central de Costa Rica Departamento de Investigación Económica DIE-NT-01-2008 SEMINARIO-TALLER TÓPICOS DE ECONOMETRIA APLICADA PARTE I Introducción al tema de raíces unitarias en la modelación econométrica
Más detallesTema 4. El Modelo de Regresión Lineal con Series Temporales.
Tema 4. El Modelo de Regresión Lineal con Series Temporales. En este tema, estudiaremos en detalle la estimación e inferencia del modelo de regresión con datos de series temporales. Dadas las diferencias
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesMáster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Más detallesSimulación de Series Temporales: Una Aplicación al Precio del Petróleo
1 Simulación de Series Temporales: Una Aplicación al Precio del Petróleo Dr. Ricardo A. Queralt (CUNEF) Lorena Zaragozá (CEPSA) 2 INDICE 1 Introducción 2 Modelos de Series Temporales y @Risk 3 Precios
Más detallesConocer las principales fuentes de datos estadísticos con indicadores para la economía española.
TÉCNICAS DE PREVISIÓN Objetivos formativos: Conocer las principales fuentes de datos estadísticos con indicadores para la economía española. Conocer los principales componentes de una serie temporal i
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesAnálisis de series temporales
CAPíTULO 8 Análisis de series temporales Los datos estadísticos y, en particular, los datos económicos se recopilan a menudo en forma de series temporales. Una serie temporal es un conjunto ordenado de
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesEconometría II Práctica 1. Procesos ARMA Estacionarios Univariantes
Econometría II Práctica 1. Procesos ARMA Estacionarios Univariantes December 4, 2006 1 Introducción En muchas ocasiones, en el análisis de variables económicas, los datos estan disponibles en forma temporal.
Más detallesT6. Modelos multiecuacionales
T6. Modelos multiecuacionales Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Los modelos multiecuacionales: SUR y SEM 2 Modelos
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesIII Taller de Paquetes Econométricos - Escuela Profesional de Economía
III Taller de Paquetes Econométricos - Escuela Profesional de Economía 1. Antecedentes La Escuela Profesional de Economía de la Universidad de San Martín de Porres viene fomentando intensamente la actividad
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos econométricos dinámicos uniecuacionales
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos econométricos dinámicos uniecuacionales Introducción: Hemos estudiado modelos de tipo: y t = φ 0 + p i=1 φ iy t i + q j=0 θ jɛ t j y t = β x t +
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 detallesDefinición Una hipótesis es una afirmación acerca de un parámetro.
Capítulo 8 Prueba de hipótesis Existen dos áreas de interés en el proceso de inferencia estadística: la estimación puntual y las pruebas de hipótesis. En este capítulo se presentan algunos métodos para
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 detallesEstacionariedad y estacionalidad en series de la economía cubana
Estacionariedad y estacionalidad en series de la economía cubana Por: Pável Vidal Alejandro, Eduardo Hernández Roque, Carlos Pérez Soto, Mercedes García Armenteros, Guillermo Gil Gómez y Maria de los Ángeles
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
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 detallesMÓDULO: MÉTODOS CUANTITATIVOS
MÓDULO: MÉTODOS CUANTITATIVOS 1.- Nombre del módulo y las asignaturas: Métodos Cuantitativos Econometría Avanzada Econometría Financiera 2.-Número de créditos ECTS: Econometría Avanzada: 6 ECTS. Econometría
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
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 detallesQué hacemos cuando la distribución no es normal? Qué significa ser normal? Qué significa ser normal? 1er. Simposio Metodología Seis Sigma
er. imposio Metodología eis igma Resumen Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Ejemplos de situaciones normales Ejemplos de situaciones no normales Resumen Implicaciones
Más detallesINSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO
Más detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo Estacionarias (Univariadas) Carlos Capistrán Carmona ITAM Serie de tiempo Una serie de tiempo es una sequencia de valores
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 detallesEJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001
EJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001 CURSO DE TÉCNICAS DE PREVISIÓN DE VARIABLES FINANCIERAS PROGRAMA CITIUS Junio
Más detallesUSO DEL FILTRO DE KALMAN PARA ESTIMAR LA TENDENCIA DE UNA SERIE
DIVISIÓN ECONÓMICA DEPARTAMENTO DE INVESTIGACIONES ECONÓMICAS INFORME TÉCNICO DIE-87-003-IT USO DEL FILTRO DE KALMAN PARA ESTIMAR LA TENDENCIA DE UNA SERIE Ana Cecilia Kikut V. OCTUBRE, 003 Entre los diferentes
Más detallesCRONOGRAMA DE LA ASIGNATURA TRABAJO DEL ALUMNO DURANTE LA SEMANA. Elegir el proyecto empírico que se va a realizar durante el curso.
1 1 Características de los datos económicos de series temporales. Procesos estocásticos y series temporales. Estacionareidad y ergodicidad. Función de autocorrelación simple (FAC) y parcial (PAC). (Marcar
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelación con ARMA
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelación con ARMA Método Box-Jenkins: Un libro que ha tenido una gran influencia es el de Box y Jenkins (1976): Time Series Analysis: Forecasting and
Más detallesAnálisis de series temporales: Modelos ARIMA
Análisis de series temporales: Modelos ARIMA ISBN: 978-84-692-384- María Pilar González Casimiro 4-9 Análisis de Series Temporales: Modelos ARIMA Pilar González Casimiro Departamento de Economía Aplicada
Más detallesVariables Dependientes Limitadas
Variables Dependientes Limitadas Muestras Truncadas y Censuradas: revisión En algunos casos las variables dependientes pueden estar limitadas en su rango. Ejemplos típicos son las limitaciones por la forma
Más detallesFunciones de Regresión No Lineales (SW Cap. 6)
Funciones de Regresión No Lineales (SW Cap. 6) Todo anteriormente ha sido lineal en las X s La aproximación de que la función de regresión es lineal puede ser satisfactoria para algunas variables pero
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesEstimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas
Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Mínimos Cuadrados en 2 Etapas 2 Mínimos Cuadrados en 2 Etapas El método de Mínimos Cuadrados
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 detallesErrores de especificación
CAPíTULO 5 Errores de especificación Estrictamente hablando, un error de especificación es el incumplimiento de cualquiera de los supuestos básicos del modelo lineal general. En un sentido más laxo, esta
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 detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesECONOMETRÍA I. Tema 3: El Modelo de Regresión Lineal Múltiple: estimación
ECONOMETRÍA I Tema 3: El Modelo de Regresión Lineal Múltiple: estimación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 45
Más detallesContenido PARTE UNO MODELOS DE REGRESIÓN UNIECUACIONALES 13. Prefacio XVIll Reconocimientos
Contenido Prefacio XVIll Reconocimientos xxi 1.1 Qué es la econometria? 1 1.2 Por qué una disciplina aparte? 2 1.3 Metodología de la econometría 2 l. Planteamiento de la teoría o hipótesis 3 2. Especificación
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
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 detallesEstimación del Probit Ordinal y del Logit Multinomial
Estimación del Probit Ordinal y del Logit Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 Introducción El
Más detallesAnálisis de la varianza
Análisis de la varianza José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 I 1 Introducción 1 Comparación de medias 2 El pricipio de aleatorización 2 El problema de un factor
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS SEMESTRE ASIGNATURA 8vo TEORÍA DE DECISIONES CÓDIGO HORAS MAT-31314
Más detallesEVOLUCIÓN DE DOS ÍNDICES BURSÁTILES Y DEL PRECIO DEL PETÓLEO EN ECONOMÍAS ABIERTAS EN CICLOS DE EXPANSIÓN-CRISIS EN EL PERÍODO 2003:1-2010:5.
EVOLUCIÓN DE DOS ÍNDICES BURSÁTILES Y DEL PRECIO DEL PETÓLEO EN ECONOMÍAS ABIERTAS EN CICLOS DE EXPANSIÓN-CRISIS EN EL PERÍODO 2003:1-2010:5. En este trabajo realizo un estudio entre las variables, con
Más detallesAYUDANTÍA 2: RIESGO EN PROYECTOS
AYUDANTÍA 2: RIESGO EN PROYECTOS ICC2302 INGENIERÍA DE CONSTRUCCIÓN 1 2008 TEMARIO Estimación de Costos de Proyectos Estimación Preliminar Estimación Conceptual Estimación Detallada Estimación Definitiva
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detalles1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA
1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces
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 detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesMÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.
MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción
Más detallesEvolución de las importaciones totales
ECUACIÓN DE DEMANDA POR IMPORTACIONES 1. Marco Teórico. La importancia del sector externo es innegable, sobre todo porque se trata de uno de los principales motores de crecimiento de la economía chilena.
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesTema 1. El Modelo de Regresión Lineal con Regresores Aleatorios.
ema El Modelo de Regresión Lineal con Regresores Aleatorios Introducción En este tema vamos a analizar las propiedades del modelo de regresión lineal con regresores aleatorios Suponer que los regresores
Más detallesBreve Introducción a las Series Temporales
Breve Introducción a las Series Temporales 1 Series Temporales Colección de observaciones tomadas de forma secuencial en el tiempo {X t } t T. La hipótesis de independencia entre las observaciones puede
Más detallesTEMA 3. Modelos de Elección Discreta
TEMA 3. Modelos de Elección Discreta Profesor: Pedro Albarrán Pérez Universidad de Alicante. Curso 2010/2011. Contenido 1 Introducción 2 Modelos para respuesta binaria Modelo Lineal de Probabilidad Modelos
Más detallesDiplomado en Probabilidad y Estadística
Diplomado en Probabilidad y Estadística No. de horas Dirigido a Requisitos de ingreso Objetivo 5 módulos de 32 horas cada uno, 160 horas en total A todos aquellos interesados con áreas afines a la actuaría,
Más detallesTEMA 2: Propiedades de los estimadores MCO
TEMA 2: Propiedades de los estimadores MCO Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 2: Pdades de los estimadores MCO Curso
Más detallesUNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA
UNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA LICENCIATURA: ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CURSO: CUARTO
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 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 detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detalles1. Ejercicios. 2 a parte
1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de
Más detallesSeries temporales. Series temporales
Series temporales Series temporales Una serie temporal es una variable cuya evolución se sigue a lo largo del tiempo. Para obtenerla tomaremos observaciones de la variable a intervalos regulares de tiempo.
Más detallesCOMPORTAMIENTO DE LOS CONTRASTES ADF, PP Y KPSS AL TRABAJAR CON SERIES AJUSTADAS DE ESTACIONALIDAD
QÜESTIIÓ, vol. 25, 1, p. 19-46, 2001 COMPORTAMIENTO DE LOS CONTRASTES ADF, PP Y KPSS AL TRABAJAR CON SERIES AJUSTADAS DE ESTACIONALIDAD TOMÁS DEL BARRIO CASTRO ANA DEL SUR MORA JORDI SURIÑACH CARALT Universitat
Más detallesGUIÓN TEMA 2. PROPIEDADES DE LOS ESTIMADORES MCO 2.1 PROPIEDADES ESTADÍSTICAS DEL ES- TIMADOR MCO DE.
ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 011/1 GUIÓN TEMA. PROPIEDADES DE LOS ESTIMADORES MCO Bibliografía apartados.1,. y.3: Greene, 6.6.1, 6.6.3
Más detalles