Análisis cuantitativo aplicado al Comercio Internacional y el Transporte
|
|
- María Revuelta Saavedra
- hace 6 años
- Vistas:
Transcripción
1 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
2 Introduccón Qué factores son los más mportantes en la eleccón de un modo de transporte u otro? Qué factores determnan el hecho de que las empresas usen más captal o trabajo relatvo en la produccón de servcos de transporte? Qué papel juegan los avances tecnológcos en las actvdades de la empresas del sector del transporte?
3 Introduccón Los modelos económcos del consumdor, la empresa y el mercado son ngredentes esencales para responder estas cuestones. La mayoría de los modelos económcos tratan de explcar el comportamento de ndvduos o de mercado, sendo descrpcones smplfcadas que tratan de dentfcar las relacones causa-efecto prncpales entre varables económcas. 3
4 Introduccón Los modelos económcos tenen tres mportantes característcas: son explcatvos, ya que dentfcan aquellas varables económcas que son más relevantes en el comportamento de un consumdor o de una empresa son representatvos, dado que ntentan recoger los prncpales determnantes del comportamento medo. descrben efectos cualtatvos en el comportamento ante cambos en las varables económcas relevantes. 4
5 Modelos Econométrcos en el Transporte Las nnovacones tecnológcas en la nformátca y las comuncacones han hecho aumentar los canales de recoplacón, procesamento y dstrbucón de nformacón relevante, tanto para consumdores como empresas. PROBLEMA: Exceso de nformacón, cómo fltrar dcha nformacón?. Consumdor: qué medo de transporte ofrece la mejor alternatva, en cuanto preco-tempo de vaje, para vajar a Londres? Empresa de autobuses: qué estratega de precos puedo tomar para tratar de aumentar sus benefcos?, poner precos más bajos a jóvenes?, ncrementar los autobuses de lujo?. 5
6 Modelos Econométrcos en el Transporte Tanto consumdores como empresas deben conocer qué varables son relevantes para el análss y la posteror toma de decsones así como dentfcar las relacones cuanttatvas entre los factores mportantes. Los modelos económcos pueden ser de ayuda para dentfcar los datos relevantes, pero... no ayudan a determnar los efectos cuanttatvos ante cambos en alguna de las varables económcas relevantes. Se necestan técncas que estmen dchos efectos. 6
7 Un Modelo Econométrco de Demanda Un modelo econométrco se puede defnr como la especfcacón estadístca de un modelo económco que permte a un analsta cuantfcar las relacones económcas dentfcadas en el marco teórco. Consderamos un modelo económco de demanda de transporte: Pasajeros-km = f (Preco-km, Renta Per Cápta; u, ) Dcha expresón muestra que el número de pasajeros-km es una funcón del preco por km y de la renta per cápta. 7
8 Un Modelo Econométrco de Demanda A partr de la teoría económca, se podrían establecer las sguentes hpótess acerca de relacones causales entre varables económcas: Un ncremento en el preco reducrá el flujo de pasajeroskm, mantenendo el resto de varables constantes. Esto es: pas-km/ preco < 0. Un ncremento de la renta per cápta aumentará la demanda de vajes, mantenendo constante el resto de varables. Esto es: pas-km/ renta per cápta > 0. Pasajeros-Km dependen de una varable u que representa a todas las varables omtdas en el modelo econométrco. 8
9 Un Modelo Econométrco de Demanda A pror, un ncremento en el preco reducrá el flujo de pasajeros-km, mantenendo el resto de varables constantes. P(X) Preco-km P B B P A A X B X A X Pasajeroskm 9
10 Un Modelo Econométrco de Demanda A pror, un ncremento en la renta per cápta aumentará el flujo de pasajeros-km, mantenendo el resto de varables constantes. P(X) Preco-km P A B X A X B X Pasajeroskm 10
11 Un Modelo Econométrco de Demanda La demanda de transporte aéreo depende de una sere de parámetros representados por el vector, que muestran la relacón matemátca entre las pasajeros-km; preco y renta per cápta. Para smplfcar el modelo, se asume que la varable dependente (pasajeros-km) está relaconada lnealmente con las varables ndependentes (preco y renta per cápta). Por lo tanto, la funcón de demanda será: Pasajeros-km = 1 + (Preco) + 3 (Renta-pc) +u A partr de la especfcacón empírca se demuestra el cumplmento de las hpótess teórcas enuncadas anterormente. 11
12 Un Modelo Econométrco de Demanda PROBLEMA: la demanda aérea poblaconal no es observable. ormalmente, en un estudo económco se dspone de una muestra de empresas o ndvduos que forman parte de una poblacón. Es posble estmar la demanda aérea poblaconal con base en los datos de nuestra muestra?. OBJETIVO: Estmar la demanda poblaconal con base en la demanda muestral, que se defne como: Pasajeros - km βˆ 1 βˆ (Preco) βˆ 3 (Renta pc) uˆ Cómo se debe construr la demanda muestral de tal forma que ˆ estén tan cerca de los verdaderos como sea posble?. 1
13 Modelo de regresón de Mínmos Cuadrados Ordnaros Dado que la demanda poblaconal no se puede observar, estmamos la demanda aérea muestral: uˆ Q Qˆ Q βˆ 1 βˆ P βˆ 3 R donde es el valor estmado de las pasajeroskm a partr de la regresón. El resduo, es Qˆ entonces la dferenca entre el valor observado de pasajeros-km y el valor estmado a partr de la regresón. 13
14 Modelo de regresón de Mínmos Cuadrados Ordnaros El modelo de Mínmos Cuadrados Ordnaros trata de encontrar aquellos valores de tal que la suma de resduos n βˆ al cuadrado de la muestra, û resulte ser tan pequeña 1 como sea posble. S consderamos una funcón de demanda donde el preco del vaje es la únca varable explcatva y hay 1 observacones en la muestra. Pas-km Q Qˆ B A Resduo Q Qˆ Qˆ ˆ ˆ 1 P P Preco 14
15 15 Modelo de regresón de Mínmos Cuadrados Ordnaros Cálculo de los estmadores de MCO: A partr de las condcones de prmer orden obtenemos los estmadores MCO P ) ˆ P )( ˆ (Q ˆ û 0 1) ˆ P )( ˆ (Q ˆ û ˆ P ) ˆ (Q û Mn
16 16 Modelo de regresón de Mínmos Cuadrados Ordnaros S el preco es la únca varable explcatva de los pasajeros-km, entonces: P ) (P Q ) P )(Q (P ˆ ˆ P Q P ˆ Q ˆ
17 Medda de bondad de ajuste Es mportante saber s el modelo econométrco se ajusta ben a los datos de la muestra. En qué medda las varacones de las varables ndependentes (preco, renta per cápta) explcan la varabldad de la varable dependente (pasajeros-km)?. La medda de bondad de ajuste más mportante es el coefcente de determnacón. 17
18 Medda de bondad de ajuste Para calcular el coefcente de determnacón, antes es necesaro defnr la suma de los cuadrados total, que mde la dspersón de las observacones de la varable dependente con respecto a su meda. SCT (Q 1 Q ) S el modelo ncluye térmno constante, la SCT puede expresarse como la suma de dos componentes: SCT 1 (Q Q ) 1 (Qˆ Q ) 1 û 18
19 Medda de bondad de ajuste El prmer componente, que se defne como la suma de cuadrados explcada SCE, mde la porcón de la varacón total de la varable dependente explcada por la regresón. El segundo componente, se denomna la suma de cuadrados de los resduos SCR mde la varacón en los datos no explcada. SCT 1 (Q Q) SCE SCR 1 (Qˆ Q) 1 û 19
20 Medda de bondad de ajuste El coefcente de determnacón lneal, R, se defnrá como la proporcón de la varanza de la varable dependente que es explcada por la regresón, y se calcula como: R SCE SCT 1 1 (Qˆ (Q Q) Q) 1 SCR SCT 1 El coefcente de determnacón lneal toma valores entre cero y uno. 0<R < (Q û Q) 0
21 Medda de bondad de ajuste Un nconvenente del coefcente de determnacón lneal R es favorece a los modelos que ncluyen muchas varables, aunque la mayoría no tengan capacdad explcatva. Defnmos el R corregdo, como el coefcente de determnacón lneal ajustado por los grados de lbertad. R 1 n n 1 k (1 R ) 1
22 Modelo de regresón de Mínmos Cuadrados Ordnaros Retomando la demanda orgnal que ncluye el preco como varable explcatva, la ecuacón de regresón vene dada por la expresón: Qˆ βˆ 1 βˆ βˆ 1 ) sería el vector de estmadores de la funcón de demanda aérea. El prmero de los coefcentes expresaría la cantdad de km. realzadas en el caso de que tanto el preco como el nvel de renta per cápta fuesen guales a cero. El segundo de los coefcentes expresa el efecto margnal de un ncremento en el preco sobre la cantdad de pasajeros-km transportados. Reflejaría movmentos a lo largo de la curva de demanda aérea. (βˆ, βˆ P
23 Modelo de regresón de Mínmos Cuadrados Ordnaros Dados los supuestos de regresón lneal, los estmadores obtendos a partr del Método de Mínmos Cuadrados Ordnaros son: nsesgados, esdecr,e( βˆ )=β consstentes (mejores aproxmacones al parámetro poblaconal cuanto mayor sea el tamaño de la muestra). efcentes, tenen varanza mínma entre los estmadores lneales 3 nsesgados.
24 Estmacón de la demanda A partr de datos de 46 empresas de transporte se ha estmado un modelo econométrco de demanda. La varable Pasajero-km está expresada en mllones de km; Preco está expresado en de 00; Renta per cápta está expresado en centos de de 00. Los resultados de la regresón por mínmos cuadrados es: Qˆ 93,6 13,87 P Así, el ncremento de un euro en el preco del bllete reduce el número de pasajero-km en 13,7 mllones de km al año. 4
25 Estmacón de la demanda El nvel máxmo de demanda para estas empresas es de 93,6 mllones de km. s el servco tuvese un coste cero para los usuaros. Como se observa los resultados empírcos corroboran las hpótess teórcas realzadas. El coefcente asocado al térmno constante es postvo. El coefcente asocado al preco es negatvo. El coefcente de determnacón lneal es 0,30, luego el preco sólo explcaría el 30% de la varabldad de la demanda. 5
26 Contrastes de hpótess A pesar de que los resultados se muestren consstentes con las hpótess teórcas, hay que señalar que cada coefcente estmado es una varable aleatora asocado a una dstrbucón de probabldades. Podría ocurrr que el coefcente estmado estuvese lejos del verdadero parámetro poblaconal. Medante los contrastes de hpótess puede estudarse la relacón exstente entre los parámetros poblaconales y los estmadores muestrales. Esta metodología requere dentfcar dos hpótess: la hpótess nula (H 0 ) y una hpótess alternatva (H 1 ). 6
27 Contrastes de hpótess La hpótess nula defne un valor concreto 0 para el parámetro poblaconal, obtendo a partr de teorías o experencas prevas enuncadas por el analsta. La hpótess alternatva establece que el verdadero parámetro es dstnto a ese valor. Ejemplo: H o : =0 H 1 : 0 Contraste blateral Una vez que se han dentfcado la hpótess nula y la hpótess alternatva, el sguente paso es dentfcar el estadístco sobre el que se basará el test así como la funcón asocada del estadístco bajo la hpótess nula. 7
28 Contrastes de hpótess Para dentfcar el estadístco, hay que señalar uno de los supuestos realzados al defnr el método MCO: el térmno de error estaba dstrbudo bajo una normal, lo que mplcaba que los estmadores MCO obtendos se dstrbuyesen bajo una normal Dado que el parámetro de la varanza poblaconal es desconocdo es necesaro estmarlo con los datos muestrales. βˆ (β, σ β ) 8
29 Contrastes de hpótess Denotando la varanza muestral estmada como, el estadístco bajo la hpótess σˆβˆ nula será ( βˆ β0)/ σˆ que sgue una βˆ dstrbucón t con grados de lbertad guales al tamaño de la muestra menos el número de parámetros estmados. Al parámetro localzado en el denomnador, que es la raíz cuadrada de la varanza muestral estmada se le conoce como error estándar de la estmacón. 9
30 Contrastes de hpótess Contrastando la hpótess nula; que el parámetro poblaconal desconocdo es gual a 0,estamos analzando s nuestro coefcente muestral estmado, βˆ está lo sufcentemente lejos respecto a en térmnos de error estándar, como para rechazar la hpótess nula y aceptar la hpótess alternatva. El últmo paso es dentfcar una regla de decsón para realzar el contraste de hpótess: Se pueden tomar dos decsones: aceptar H 0 orechazar H 0 sendo sólo una de ellas correcta. 30
31 Contrastes de hpótess La hpótess H 0 : = 0 se rechaza al nvel de sgnfcacón α s : t βˆ β σˆ βˆ β ee 0 0 βˆ ˆ β c donde c es el valor crítco para el cual Prob(t c) α/ Ahora ben dada la dstrbucón muestral del estmador es posble que: t >cncluso cuando H 0 es certa (error de tpo I); t <cncluso cuando H 0 sea falsa (error de tpo II). nk 31
32 Contrastes de hpótess La probabldad de error de tpo I es Prob( t >c), que es la probabldad de que una varable con dstrbucón t con n-k grados de lbertad sea, en valor absoluto, mayor que c. El valor crítco c se elge para que el contraste tenga una probabldad de error de tpo I gual a α. En la práctca, α suele ser gual a 0,05. Fjado α, el valor crítco c se obtene de las tablas de dstrbucón t. OTA: Para muestras de tamaño grande, el valor crítco c con un nvel de sgnfcacón α=0,05 es gual a 1,96. 3
33 Tpología de datos El análss econométrco suele usar tres tpos de datos: Datos de seccón cruzada: Observacones de empresas, ndvduos, países en un perodo de tempo determnado. Datos de seres temporales: Observacones de precos, ngresos o mllas-pasajero a lo largo de un perodo de tempo. Datos de panel: Observacones de empresas, ndvduos, países a lo largo de un perodo de tempo. El coefcente de determnacón en modelos con datos de seres temporales suele ser más grande que con datos de seccón cruzada. 33
34 Especfcacón del modelo El hecho de que un modelo tenga un coefcente de determnacón mayor que otro modelo puede ser debdo a la especfcacón del modelo. Una tendenca temporal es una varable que se ncluye en los modelos con datos temporales y que captura la nfluenca de factores que están correlaconados con el tempo pero son excludos del modelo porque no son cuantfcables o los datos no están dsponbles en el caso de la funcón de demanda aérea: preco de otros modos de transporte, frecuenca de vajes, etc. 34
35 Especfcacón del modelo La tendenca temporal tambén puede expresar cambo tecnológco en la estmacón de funcones de costes o de produccón. Dcho cambo tecnológco desplazaría haca arrba la funcón de produccón. Una varable artfcal (dummy) es una varable que toma el valor cero o el valor uno. EJEMPLO: Demanda de empresas de transporte. Algunas de estas empresas son prvadas y otras de carácter públco. Tenen el msmo nvel de demanda las empresas públcas y las empresas prvatzadas?. 35
36 Especfcacón del modelo Consderamos el modelo de demanda que corresponde a 46 observacones: Pasajeros-km = 1 + (Preco) + 3 (Renta cápta) + 4 Prvadas +u La varable Prvadas toma valor cero en aquellas empresas que son públcas mentras que toman valor uno aquellas empresas que son prvadas. S la prvatzacón no afecta a la demanda entonces el modelo estmado será: Pasajeros-km = 1 + (Preco) + 3 (Renta cápta) +u 36
37 Especfcacón del modelo S la prvatzacón afecta a la demanda entonces el modelo estmado será: Pasajeros-km = 1 + (Preco) + 3 (Renta cápta) + 4 (1) + u = ( ) + (Preco) + 3 (Renta cápta) +u Por lo tanto el efecto de la prvatzacón será el desplazamento de la curva de demanda. S el coefcente asocado a la varable artfcal es postvo, el desplazamento de la curva de demanda será haca la derecha S es negatvo, el desplazamento será haca la zquerda. 37
38 Forma funconal La forma funconal puede provocar dferentes coefcentes de determnacón para un msmo modelo. La forma funconal refleja la especfcacón matemátca de la ecuacón de regresón. En los análss económcos empírcos, suelen usarse cuatro formas funconales lneales: Lneal: Pas-km = 1 + Preco + 3 Renta +u Log-lneal: ln(pas-km )= 1 + Preco + 3 Renta +u Lneal-log: Pas-km = 1 + ln(preco )+ 3 ln(renta ) +u Log-log: ln(pas-km ) = 1 + ln(preco )+ 3 ln(renta )+u 38
39 Forma funconal Efectos margnales para especfcacones empírcas alternatvas Modelo Efecto Margnal Lneal pas-km/ p = Log-lneal ln(pas-km)/ p=( pas-km/pas-km)/( p)= Lneal-log pas-km/ ln(p)=( pas-km)/( p/p) = Log-log ln(pas-km)/ ln(p) = ( pas-km/pas-km)/( p/p) = 39
40 Forma funconal Resultados para especfcacones empírcas alternatvas Modelo 1: Modelo lneal Pas-km = 51, ,495Prec + 0,150Renta - 6,140Prv (6,8) (-3,30) (0,781) (-3,147) R-cuadrado = 0,441 Modelo : Modelo log-lneal Ln(Pas-km) = 5,649-0,738Prec + 0,001Renta - 0,470Prv (1,19) (-,998) (0,891) (-3,895) R-cuadrado = 0,476 40
41 Forma funconal Resultados para especfcacones empírcas alternatvas () Modelo 3: Modelo lneal-log Pas-km = 6, Ln(Preco) + 1,199Ln(Renta) - 5,740Prv (0,577) (-3,5) (0,906) (-3,167) R-cuadrado = 0,46 Modelo 4: Modelo log-log Ln (Pas-km) = 4,65 0,958 Ln(Preco) + 0,17 Ln(Renta) 0,3Prv (5,41) (-3,) (1,008) (3,9) R-cuadrado = 0,49 41
42 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
Problemas 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 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 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 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 Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
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 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 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 detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
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 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 detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
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 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 detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
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 detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
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 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 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 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 detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
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 detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
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 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 detallesPRACTICA 4. Asignatura: Economía y Medio Ambiente Titulación: Grado en ciencias ambientales Curso: 2º Semestre: 1º Curso
PRACTICA 4 Asgnatura: Economía y Medo Ambente Ttulacón: Grado en cencas ambentales Curso: º Semestre: 1º Curso 010-011 Profesora: Inmaculada C. Álvarez Ayuso Inmaculada.alvarez@uam.es PREGUNTAS TIPO TEST
Más detallesUN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES *
UN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES * Mª Consuelo Colom, Rosaro Martínez y Mª Cruz Molés WP-EC 2000-02 Correspondenca:
Más detallesCAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales
CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología
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 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 detallesAnálisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto
Análss Matemátco en la Economía: Optmzacón y Programacón arufast@yahoo.com-rufasto@lycos.com www.geoctes.com/arufast-http://rufasto.trpod.com La optmzacón y la programacón están en el corazón del problema
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 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 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 detalles4 Contraste de hipótesis en el modelo de regresión múltiple
4 Contraste de hpótess en el modelo de regresón múltple Ezequel Urel Unversdad de Valenca Versón: 9-13 4.1 El contraste de hpótess: una panorámca 1 4.1.1 Formulacón de la hpótess nula y de la hpótess alternatva
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
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 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 detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesESTRUCTURA DE MERCADO DEL SISTEMA BANCARIO BOLIVIANO
ESTRUCTURA DE MERCADO DEL SISTEMA BANCARIO BOLIVIANO OSCAR A. DIAZ QUEVEDO * * El análss y conclusones del presente trabajo son de exclusva responsabldad del autor y no reflejan necesaramente la opnón
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 detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
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 detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
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 detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
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 detallesCÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN COLOMBIA *
CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN * INTRODUCCIÓN Helmuth Yesd Aras Gómez ** Álvaro Hernando Chaves Castro *** El efecto de la educacón sobre el desarrollo económco tradconalmente
Más detallesCAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS
CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos
Más detallesComplementos al ABC: efectos dinámicos
Complementos al ABC: efectos dnámcos CAF - CEPAL P. Rozas & J. Rvera Buenos Ares, juno de 2008 Varables y fuentes de nformacón Encuesta de Hogares de dversos años de los países en estudo.- Bolva: Encuesta
Más detallesTeoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios
Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.
Más detallesPORTAFOLIO DE TRES ACTIVOS FINANCIEROS
PORTAFOLIO DE TRES ACTIVOS FINANCIEROS Contendo:. Introduccón.. Fondos Mutuos. Rendmento y Resgo.. Parámetros estadístcos de un Portafolo de Tres Actvos. a) El Retorno de un Portafolo. b) El Resgo de un
Más detallesEn un mercado hay dos consumidores con las siguientes funciones de utilidad:
En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta
Más detallesEfectos de la temporalidad sobre los beneficios de las empresas manufactureras españolas
Efectos de la temporaldad sobre los benefcos de las empresas manufactureras españolas César Rodríguez Gutérrez Unversdad de Ovedo Códgo JEL: J21, J41 Palabras clave: Empleo temporal, benefcos, productvdad
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
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 detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.
Más detallesDETERMINANTES Y DIFERENCIAS DE SALUD ENTRE LAS REGIONES DE COSTA RICA. UN ANÁLISIS DESDE LA ENCUESTA NACIONAL DE SALUD
DETERMINANTES Y DIFERENCIAS DE SALUD ENTRE LAS REGIONES DE COSTA RICA. UN ANÁLISIS DESDE LA ENCUESTA NACIONAL DE SALUD 2006. Juan Rafael Vargas, Yanra Xrnachs-Salazar, Melvn Morera, Amada Aparco y Karla
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesANEXO METODOLOGÍA EVALUACIÓN DE IMPACTO
GOBIERNO DE CHILE MINISTERIO DE HACIENDA Dreccón de Presupuestos ANEXO METODOLOGÍA EVALUACIÓN DE IMPACTO Dvsón de Control de Gestón Santago, Mayo 2009 CHILE PRESENTACIÓN * El anexo que a contnuacón se
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesEstadística Descriptiva Análisis de Datos
El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:
Más detallesDEMANDA PRIVADA REAL DE CRÉDITO
BANCO CENTRAL DE COSTA RICA DIVISIÓN ECONÓMICA DEPARTAMENTO DE INVESTIGACIONES ECONÓMICAS DEPARTAMENTO MONETARIO DIE-DM/07-2002-DI DOCUMENTO DE INVESTIGACIÓN JUNIO DEL 2002 DEMANDA PRIVADA REAL DE CRÉDITO
Más detallesCapítulo 12 CONTRASTES NO PARAMÉTRICOS
Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.
Más detallesDISTRIBUCION DE RENDIMIENTOS: APLICACIONES
DISTRIBUCION DE RENDIMIENTOS: APLICACIONES Puntos a desarrollar Como es el modelo de dstrbucon normal de los rendmentos Como se puede utlzar para hacer predccones futuras sobre precos de actvos Como se
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesESTRUCTURA DE MERCADO Y EFICIENCIA EMPRESARIAL EN EL TRANSPORTE AÉREO
2003 NÚMERO 808 INFRAESTRUCTURAS: TRANSPORTES E INDUSTRIAS DE RED ESTRUCTURA DE MERCADO Y EFICIENCIA EMPRESARIAL EN EL TRANSPORTE AÉREO María Belén Rey Legdos* La lberalzacón del transporte aéreo es un
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesEstimación de la Demanda: Pronósticos
UNIVERSIDAD SIMON BOLIVAR Estmacón de la Demanda: Pronóstcos PS-4161 Gestón de la Produccón I 1 Bblografía Recomendada Título: Dreccón de la Produccón: Decsones Estratégcas. Capítulo 4: Prevsón Autores:
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesPARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x
Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:
Más detallesRegresión Cuantílica o Quantile Regression
Regresón Cuantílca o Quantle Regresson A. Cameron and P. rved, (005), Macroeconometrcs, Methods and Applcatons, Cambrdge Unversty Press. R. Koenker, (005), Quantle Regresson, Econometrc Socety Monographs
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesProf. Antonio Santillana del Barrio y Ainhoa Herrarte Sánchez Universidad Autónoma de Madrid Curso 2012-2013
Tema 6 El modelo IS-LM Prof. Antono Santllana del Barro y Anhoa Herrarte Sánchez Unversdad Autónoma de Madrd Curso 2012-2013 Bblografía oblgatora Capítulo 5, Macroeconomía, (Blanchard et al) Apuntes de
Más detallesEl costo de oportunidad social de la divisa ÍNDICE
El Costo de Oportundad Socal de la Dvsa El costo de oportundad socal de la dvsa ÍNDICE. INTRODUCCIÓN. EL MARCO TEÓRICO 3. CÁLCULO DEL COSTO DE OPORTUNIDAD SOCIAL DE LA DIVISA 3. Nvel agregado 3. Nvel desagregado
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesEFICIENCIA Y REGULACIÓN EN EL GASTO SANITARIO EN LOS PAÍSES DE LA OCDE. Documentos Ocasionales N.º 1107. Pablo Hernández de Cos y Enrique Moral-Benito
EFICIENCIA Y REGULACIÓN EN EL GASTO SANITARIO EN LOS PAÍSES DE LA OCDE 2011 Pablo Hernández de Cos y Enrque Moral-Bento Documentos Ocasonales N.º 1107 EFICIENCIA Y REGULACIÓN EN EL GASTO SANITARIO EN LOS
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesEjercicios y Problemas Resueltos. Paquete didáctico para el curso de Macroeconomía I*
Ejerccos y Problemas Resueltos Paquete ddáctco para el curso de Macroeconomía I* AZCAPOTZALCO Departamento de Economía Ma. Beatrz García Castro** Mayo de 2003 *Agradezco a la ayudante de nvestgacón Paola
Más detallesUNIVERSIDAD NACIONAL DE MAR DEL PLATA. Facultad de Ciencias Económicas y Sociales
UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES UNIVERSIDAD NACIONAL DE MAR DEL PLATA Facultad de Cencas Económcas y Socales TESIS DE GRADO Lc. en Economía Estmacón de
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesUn matrimonio difícil:
S E R I E fnancamento del desarrollo 199 Un matrmono dfícl: la convvenca entre un seguro públco soldaro y seguros de salud compettvos Marcelo Tokman Crstóbal Marshall Consuelo Espnosa Undad de Estudos
Más detallesLIBRO DE PRÁCTICAS DEL SEGUNDO SEMESTRE ESTADISTICA II CURSO 2009 CONTENIDO
LIBRO DE PRÁCTICAS DEL SEGUNDO SEMESTRE ESTADISTICA II CURSO 009 CONTENIDO PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES... PRÁCTICA 0: ESTIMACIÓN PUNTUAL... 5 PRÁCTICA : ESTIMACIÓN POR INTERVALO...
Más detallesGlosario básico. de términos estadísticos
Glosaro básco de térmnos estadístcos Lma, mayo de 2006 CREDITOS Dreccón y Supervsón Lupe Berrocal de Montestruque Drectora Técnca del Centro de Investgacón y Desarrollo Responsable del documento Hermna
Más detallesDiseño y Análisis de Experimentos en el SPSS 1
Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesTERMODINÁMICA AVANZADA
ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón
Más detalles