Técnicas Cuantitativas para el Management y los Negocios

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Técnicas Cuantitativas para el Management y los Negocios"

Transcripción

1 Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis de regresión lineal simple Modelo Lineal General. Lineal Simple. Estimación de los parámetros. El método de los mínimos cuadrados. Principales supuestos. Interpretación de la ecuación de regresión. Pruebas de hipótesis referidas a los parámetros del modelo. Test T. Análisis de varianza. El test F referido a la bondad del modelo. Predicción en el modelo lineal. Validación de supuestos. Multicolinealidad. Mag. María del Carmen Romero

2 Segundo cuatrimestre - 4 Aplicaciones Contenidos Unidad 9. Análisis de regresión lineal simple Modelo Lineal General. Lineal Simple. Estimación de los parámetros. El método de los mínimos cuadrados. Principales supuestos. Interpretación de la ecuación de regresión. Pruebas de hipótesis referidas a los parámetros del modelo. Test T. Análisis de varianza. El test F referido a la bondad del modelo. Predicción en el modelo lineal. Validación de supuestos. Multicolinealidad. Análisis de Regresión Mag. María del Carmen Romero

3 Segundo cuatrimestre - 4 Ejemplos Fuente: Anderson, David R. y Sweeney, Dennis J. Estadística para administración y economía. Cengage Learning Editores, páginas. Ejemplos Fuente: Anderson, David R. y Sweeney, Dennis J. Estadística para administración y economía. Cengage Learning Editores, páginas. Mag. María del Carmen Romero 3

4 Segundo cuatrimestre - 4 Ejemplos Fuente: Anderson, David R. y Sweeney, Dennis J. Estadística para administración y economía. Cengage Learning Editores, páginas. Ejemplos Semana Gastos en publicidad semanales (en miles de pesos) Ventassemanales (en miles de pesos) Se desea pronosticar las ventas anuales para todas las sucursales nuevas tomando como base la cantidad de empleados del establecimiento. Mag. María del Carmen Romero 4

5 Segundo cuatrimestre - 4 Diagrama de dispersión Ventas 8 6 4,6,7,8,9,,,,4,5,6,7,8,9, Publicidad Objetivos Representar la dependencia lineal de una variable respuesta (dependiente), respecto a una o más variables explicativas (independientes). Hacer inferencias acerca de la relación lineal entre las variables de la población y predecir los valores de la variable respuesta. DES CRIP TIVO INFE REN CIAL Modelos: Regresión Lineal Simple y Múltiple Regresión Logística Otros modelos Mag. María del Carmen Romero 5

6 Segundo cuatrimestre - 4 Lineal Simple general: donde Y y = β + βx + ε i = + βx i β + ε X: variable independiente Y: variable dependiente β y β son los parámetros de regresión β : valor promedio de Y cuando X = β : cambio esperado en Y por unidad de cambio en X ε : término de error aleatorio i En una muestra, la línea de predicción: Yˆ = b + bx b y b se denominan coeficientes de regresión Si se cumplen algunos supuestos, b y b serán estimadores de los verdaderos parámetros poblacionales β y β Mag. María del Carmen Romero 6

7 Segundo cuatrimestre - 4 Cómo se estiman los parámetros? Método de Mínimos Cuadrados Salida InfoStat Mag. María del Carmen Romero 7

8 Segundo cuatrimestre - 4 Salida Minitab Regression Analysis The regression equation is Ventas = -7,5 + 5 Publicidad Predictor Coef StDev T P Constant -7,5,5 -,99,5 Publicidad 5,,64 9,7 <, R-Sq = 9% R-Sq(adj) = 89% Analysis of Variance Source DF SS MS F P Regression 47,5 47,5 84,6 <, Publicidad 47,5 47,5 84,6 <, Residual Error 9 6,5,94 Total 74, Regression Analysis The regression equation is Ventas = -7,5 + 5 Publicidad Coeficientes de Regresión Predictor Coef StDev T P Constant -7,5,5 -,99,5 Publicidad 5,,64 9,7 <, R-Sq = 9% R-Sq(adj) = 89% b : estimación del valor promedio para Y (Ventas) cuando X (Publicidad) = b : estimación del incremento del valor promedio de Y (Ventas) por un incremento en unidad en X (Publicidad) Mag. María del Carmen Romero 8

9 Segundo cuatrimestre Ventas ,9,,,,3,4,5,6,7,8,9, Publicidad Ventas PRED_Ventas Ventas = -7,5 + 5 Publicidad Medidas de Variación Sumas de Cuadrados SST: Suma Total de Cuadrados SST = ( Y Y) SSR: Suma de Cuadrados de la Regresión o Variación explicada SSR SSE: Suma de Cuadrados del Error o Variación no explicada SSE SST = SSR + SSE Cuadrado medio = Suma cuadrados / gl = ( Yˆ Y) = ( Y Ŷ) Mag. María del Carmen Romero 9

10 Segundo cuatrimestre - 4 Analysis of Variance Medidas de Variación Sumas de Cuadrados Source DF SS MS F P Regression 47,5 47,5 84,6 <, Publicidad 47,5 47,5 84,6 <, Residual Error 9 6,5,94 Total 74, SST: Suma Total de Cuadrados SST SSR: Suma de Cuadrados de la Regresión o Variación explicada SSE: Suma de Cuadrados del Error o Variación no explicada SST = SSR + SSE SSR SSE = ( Y Y) = ( Yˆ Y) = ( Y Ŷ) Medidas de Variación Coeficiente de determinación r r Variación explicada (SSR) = = Variación total (SST) Variación no explicada (SSE) = = Variación total (SST) ( Yˆ Y) ( Y Y) ( Y Yˆ ) ( Y Y) Mide la proporción de la variación en Y que se explica por la variable independiente X en el modelo de regresión (porcentaje de la variación de Y que se explica por la variabilidad en X). Mag. María del Carmen Romero

11 Segundo cuatrimestre - 4 Medidas de Variación Coeficiente de determinación Regression Analysis The regression equation is Ventas = -7,5 + 5 Publicidad Predictor Coef StDev T P Constant -7,5,5 -,99,5 Publicidad 5,,64 9,7 <, R-Sq = 9% R-Sq(adj) = 89% El 89% de la variación en las Ventas se explica por la variabilidad en la Publicidad. El % de la variación restante se debe a factores diferentes a los que se contabilizan con el modelo de regresión lineal. Objetivos Representar la dependencia lineal de una variable respuesta (dependiente), respecto a una o más variables explicativas (independientes). Hacer inferencias acerca de la relación lineal entre las variables de la población y predecir los valores de la variable respuesta. DES CRIP TIVO INFE REN CIAL Para hacer inferencias es necesario verificar supuestos Mag. María del Carmen Romero

12 Segundo cuatrimestre - 4 Algunos ejemplos de inferencias : Pronosticar las Ventas en función de los gastos en Publicidad teniendo en cuenta la confiabilidad en los pronósticos. Probar si los coeficientes de la regresión son significativos. Realizar inferencias acerca de la relación lineal entre las variables. Inferencias Prueba t para la pendiente: ˆ β β t= S( ˆ β ) Se utiliza para probar la Hipótesis de que la pendiente de la línea de regresión es significativamente y poder determinar, de esta manera, la existencia de una relación lineal significativa entre las variables X e Y. The regression equation is Ventas = -7,5 + 5 Publicidad Predictor Coef StDev T P Constant -7,5,5 -,99,5 Publicidad 5,,64 9,7 <, Mag. María del Carmen Romero

13 Segundo cuatrimestre - 4 Inferencias Prueba F: Varianza explicada F f Varianza no explicada F = MSR MSE = ( Yˆ Y) /( k ) ( Y Yˆ ) /( n k) Donde k es el número de variables independientes y n es el tamaño de la muestra. Se utiliza para probar la Hipótesis de que el modelo planteado es bueno. Analysis of Variance Source DF SS MS F P Regression 47,5 47,5 84,6 <, Publicidad 47,5 47,5 84,6 <, Residual Error 9 6,5,94 Total 74, Inferencias Estimación del intervalo de confianza para β : b ± t n Sb Donde S b es el desvío estándar. Además, pueden realizarse las siguientes estimaciones: Intervalo de confianza para la media Y (dado un valor de X) Intervalo de predicción (para una respuesta individual) Existe una mayor variación al predecir un valor individual que al estimar el valor de la media. Mag. María del Carmen Romero 3

14 Segundo cuatrimestre - 4 Supuestos = β + βx + ε Y LINEALIDAD La relación entre las variables es lineal. INDEPENDENCIA DE ERRORES Los términos de error son independientes entre sí. NORMALIDAD Los errores presentan una distribución normal para cada valor de X. IGUAL VARIANZA (HOMOCEDASTICIDAD) La varianza de los errores es constante para todos los valores de X. Supuestos Análisis Residual Se definen dos tipos de residuos: Residuos respecto a la media Y Y Residuos respecto a los valores ajustados e i = Y i Yˆ i Mag. María del Carmen Romero 4

15 Segundo cuatrimestre - 4 Supuestos - LINEALIDAD Gráfico: Residuos vs. X Si el modelo lineal es apropiado un patrón Si el modelo lineal no es apropiado patrón (relación) no existe existe Supuestos - LINEALIDAD 4 3 RES Precio. Mag. María del Carmen Romero 5

16 Segundo cuatrimestre - 4 Supuestos - INDEPENDENCIA DE ERRORES Herramientas para detectar autocorrelación: Gráfico: Residuos en el orden o secuencia en la cual se recolectaron los datos. Estadístico de Durbin-Watson Supuestos - INDEPENDENCIA DE ERRORES Residuals Versus the Order of the Data (response is Ventas) 4 3 Residual Observation Order Mag. María del Carmen Romero 6

17 Segundo cuatrimestre - 4 Supuestos - NORMALIDAD Gráfico: Residuos vs. Valores teóricos normales El análisis de regresión es robusto a la falta de normalidad Normal Probability Plot of the Residuals (response is Ventas) Normal Score Residual Supuestos - HOMOCEDASTICIDAD Gráfico: Residuos vs. Predichos Permite observar si hay diferencias en la variabilidad de los residuos para los diferentes valores de X. Residuals Versus the Fitted Values (response is Ventas Y) 4 3 Residual Fitted Value Mag. María del Carmen Romero 7

18 Segundo cuatrimestre - 4 Supuestos Residual Model Diagnostics Normal Plot of Residuals I Chart of Residuals Residual Residual - 3.SL=9.4 X=-5.7E-5-3.SL= Normal Score Observation Number Histogram of Residuals Residuals vs. Fits Frequency Residual Residual Fit lineal múltiple Y β + β X + β X β + ε = X k k donde X, X,, X k : variables independientes Y: variable dependiente β, β,, β k son los parámetros de regresión β : valor promedio de Y cuando X i = β : cambio esperado en Y por unidad de cambio en X manteniendo constantes las demás variables independientes. β k : cambio esperado en Y por unidad de cambio en X k manteniendo constantes las demás variables independientes. ε : término de error aleatorio Mag. María del Carmen Romero 8

19 Segundo cuatrimestre - 4 En una muestra, la línea de predicción: ˆ Y = b + bx + b X b X k k b, b, b,, b k se denominan coeficientes de regresión Si se cumplen algunos supuestos serán estimadores de los verdaderos parámetros poblacionales β, β, β,, β k Supuestos: Se agrega el supuesto de no multicolinealidad Situaciones en las cuales algunas de las variables independientes tienen una alta correlación entre sí. Incluir en el modelo aquellas variables que tengan una alta correlación con la variable respuesta y una baja correlación con las variables ya incluidas en el modelo. Mag. María del Carmen Romero 9

20 Segundo cuatrimestre - 4 Consideraciones Finales: En todos los casos, concluir sobre la bondad de ajuste del modelo (cuán bien el modelo describe la variabilidad de la variable dependiente. Si se realizan inferencias, no olvidar validar los supuestos. Mag. María del Carmen Romero

Análisis de Regresión y Correlación con MINITAB

Análisis de Regresión y Correlación con MINITAB Análisis de Regresión y Correlación con MINITAB Primeras definiciones y conceptos de la regresión El análisis de la regresión es una técnica estadística que se utiliza para estudiar la relación entre variables

Más detalles

9. REGRESIÓN LINEAL. Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ

9. REGRESIÓN LINEAL. Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 9. REGRESIÓN LINEAL Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Ejemplo Ejemplo 3.23. El dueño de una empresa que vende carros desea determinar

Más detalles

Multiple Linear Regression

Multiple Linear Regression Multiple Linear Regression Aniel Nieves-González Abril 2013 Aniel Nieves-González () Time Series Abril 2013 1 / 15 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por

Más detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009 Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis

Más detalles

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11 Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales

Más detalles

10. DISEÑOS EXPERIMENTALES

10. DISEÑOS EXPERIMENTALES 10. DISEÑOS EXPERIMENTALES Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Diseños Experimentales de Clasificación Simple En un diseño experimental

Más detalles

Gráfico de Dispersión de Notas en la Prueba 1 versus Notas en la Prueba Final Acumulativa de un curso de 25 alumnos de Estadística en la UTAL

Gráfico de Dispersión de Notas en la Prueba 1 versus Notas en la Prueba Final Acumulativa de un curso de 25 alumnos de Estadística en la UTAL 0. Describiendo relaciones entre dos variables A menudo nos va a interesar describir la relación o asociación entre dos variables. Como siempre la metodología va a depender del tipo de variable que queremos

Más detalles

Análisis de Regresión

Análisis de Regresión Análisis de Regresión Diplomado en Lean Six Sigma Objetivo 1.Identificar problemas que incluyan una Y continua y una X continua 2. Entender la diferencia entre regresión lineal y no lineal 3. Ajustar modelos

Más detalles

El Análisis de la Regresión a través de SPSS

El Análisis de la Regresión a través de SPSS El Análisis de la Regresión a través de SPSS M. D olores M artínez M iranda Profesora del D pto. E stadística e I.O. U niversidad de G ranada Referencias bibliográficas. Hair, J.F., Anderson, R.E., Tatham,

Más detalles

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO Estadística Superior CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. REGRESIÓN LINEAL SIMPLE Y MÚLTIPLE 1.1. Regresión lineal simple 1.2. Estimación y predicción por intervalo en regresión lineal

Más detalles

Inferencia estadística Módulo de regresión lineal simple

Inferencia estadística Módulo de regresión lineal simple DOCUMENTOS DE INVESTIGACIÓN Facultad de Administración No. 147, ISSN: 0124-8219 Noviembre de 2013 Inferencia estadística Módulo de regresión lineal simple Diego Fernando Cardona Madariaga Javier Leonardo

Más detalles

CAPÍTULO 10 DISEÑOS EXPERIMENTALES

CAPÍTULO 10 DISEÑOS EXPERIMENTALES CAPÍTULO 10 DISEÑOS EXPERIMENTALES 10.1 Diseños Experimentales de Clasificación Simple En un diseño experimental de clasificación simple, se trata de comparar varios grupos generalmente llamados Métodos

Más detalles

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3 Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características

Más detalles

Uso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo

Uso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo CAPÍTULO 5. FASE DE MEJORA Definir Medir Analizar Mejorar Controlar 5.1 Introducción En la fase de Análisis se identificaron las causas de variación. En esta fase se utilizará el diseño de experimentos

Más detalles

Multiple Linear Regression

Multiple Linear Regression Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente

Más detalles

PROGRAMA ANALITICO Y DE EXAMENES FINALES

PROGRAMA ANALITICO Y DE EXAMENES FINALES PROGRAMA ANALITICO Y DE EXAMENES FINALES UNIVERSIDAD NACIONAL DE LA RIOJA Carrera: Ingeniería Agropecuaria. Ordenanza: RCF Número 271/98 - RR 46/80 Asignatura: Estadística Aplicada Curso: Segundo Cuatrimestre:

Más detalles

REGRESION simple. Correlación Lineal:

REGRESION simple. Correlación Lineal: REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)

Más detalles

Palabras Claves. Fecha de recepción 03/03/2014 Fecha de aceptación del artículo 02/05/2014

Palabras Claves. Fecha de recepción 03/03/2014 Fecha de aceptación del artículo 02/05/2014 APLICACIÓN DE LA REGRESIÓN LINEAL ES UN PROBLEMA DE NUTRICIÓN Diego Fernando Cardona Madariaga 1 Javier Leonardo González Rodríguez 2 Miller Rivera Lozano 3 Edwin Hernán Cárdenas Vallejo 4 Fecha de recepción

Más detalles

Aplicación de la regresión lineal en un problema de pobreza Application of linear regression on the problem of poverty

Aplicación de la regresión lineal en un problema de pobreza Application of linear regression on the problem of poverty Aplicación de la regresión lineal en un problema de pobreza Application of linear regression on the problem of poverty Diego Fernando Cardona Madariaga * Javier Leonardo González Rodríguez ** Miller Rivera

Más detalles

Trabajo de Matemáticas y Estadística Aplicadas

Trabajo de Matemáticas y Estadística Aplicadas Licenciatura en Ciencia Ambientales Matemáticas y Estadística aplicada Prof. Susana Martín Fernández POLITÉCNICA Trabajo de Matemáticas y Estadística Aplicadas GUIÓN 1: Estadística descriptiva Tipo 1 1-

Más detalles

Método de cuadrados mínimos

Método 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 detalles

EJERCICIOS PROPUESTOS - ANÁLISIS DE REGRESION MULTIPLE

EJERCICIOS PROPUESTOS - ANÁLISIS DE REGRESION MULTIPLE EJERCICIOS PROPUESTOS - ANÁLISIS DE REGRESION MULTIPLE. En un estudio diseñado para analizar l efect de añadir avena a la dieta estadounidense tradicional, se dividieron aleatoriamente l individu en d

Más detalles

PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx

PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx Octubre, 2011 Introducción Un supuesto básico del modelo es la existencia de una relación lineal entre la variable

Más detalles

CAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS. El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de

CAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS. El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de CAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de respuesta que se había definido, la cual es la diferencia

Más detalles

MULTICOLINEALIDAD Y OBSERVACIONES ATÍPICAS

MULTICOLINEALIDAD Y OBSERVACIONES ATÍPICAS MULTICOLINEALIDAD Y OBSERVACIONES ATÍPICAS Autores: Renatas Kizys (rkizys@uoc.edu), Ángel Alejandro Juan Pérez (ajuanp@uoc.edu). ESQUEMA DE CONTENIDOS Detección de multicolinealidad Presencia de multicolinealidad

Más detalles

Correlación entre variables

Correlación entre variables Correlación entre variables Apuntes de clase del curso Seminario Investigativo VI Por: Gustavo Ramón S.* * Doctor en Nuevas Perspectivas en la Investigación en Ciencias de la Actividad Física y el Deporte

Más detalles

Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16

Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16 3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una

Más detalles

DESCRIPCIÓN ESPECÍFICA

DESCRIPCIÓN ESPECÍFICA DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: Análisis estadístico de datos. total: 45 HORAS. Objetivo General: Analizar la conformidad

Más detalles

Capítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal

Capítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal Capítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal Introducción El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre variables. Se

Más detalles

Regresión lineal múltiple

Regresión lineal múltiple . egresión lineal múltiple egresión lineal múltiple. Introducción. En el tema anterior estudiamos la correlación entre dos variables y las predicciones que pueden hacerse de una de ellas a partir del conocimiento

Más detalles

SERIES TEMPORALES. Autores: Manuel Terrádez (mterradez@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu) Series Temporales. Análisis de la tendencia

SERIES TEMPORALES. Autores: Manuel Terrádez (mterradez@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu) Series Temporales. Análisis de la tendencia SERIES TEMPORALES Autores: Manuel Terrádez (mterradez@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu) ESQUEMA DE CONTENIDOS Medias móviles Series Temporales Análisis de la serie Análisis de la tendencia Método

Más detalles

Regresión de Poisson

Regresión de Poisson Regresión de Poisson -- Si la estructura de los errores es realmente de Poisson, entonces: devianza residual / grados de libertad residuales = 1 si el cociente es mayor que 1 estamos ante el fenómeno (incómodo)

Más detalles

Universitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011

Universitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011 Econometría I Examen Final 1 Universitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011 Este examen consta de un total de 50 puntos.

Más detalles

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:

Más detalles

PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS HUMANAS ESCUELA DE GEOGRAFIA PROGRAMA DE CURSO

PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS HUMANAS ESCUELA DE GEOGRAFIA PROGRAMA DE CURSO PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS HUMANAS ESCUELA DE GEOGRAFIA PROGRAMA DE CURSO 1. DATOS INFORMATIVOS 1.1 ASIGNATURA: ESTADISTICA II 1.2 NIVEL CUARTO y SEGUNDO 1.3 NÚMERO

Más detalles

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida Por: Prof. Elena del C. Coba Encuestas y estudios aplicados al VIH/sida Definir la fuente de los datos: Datos

Más detalles

Métodos de promedios. Diplomado en Gestión Estratégica de las Finanzas Públicas MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS

Métodos de promedios. Diplomado en Gestión Estratégica de las Finanzas Públicas MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS La estimación o proyección de ingresos futuros puede llevarse a cabo mediante diferentes métodos estadísticos de extrapolación, entre ellos: sistema

Más detalles

Servicio de Medicina Interna. Hospital Universitario Virgen Macarena. Sevilla

Servicio de Medicina Interna. Hospital Universitario Virgen Macarena. Sevilla DOCUWEB FABIS Dot. úm 0702005 Cómo realizar paso a paso un contraste de hipótesis con SPSS para Windows: (III) Relación o asociación y análisis de la dependencia (o no) entre dos variables cuantitativas.

Más detalles

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD. Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables

Más detalles

Capítulo 18. Análisis de regresión lineal: El procedimiento Regresión lineal. Introducción

Capítulo 18. Análisis de regresión lineal: El procedimiento Regresión lineal. Introducción Capítulo 18 Análisis de regresión lineal: El procedimiento Regresión lineal Introducción El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre variables.

Más detalles

Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación.

Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación. EJEMPLO 1 Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación. DIETA1 DIETA2 DIETA3 DIETA4 62 63 68 56 60 67 66 62 63 71 71

Más detalles

Measurement System Analysis 3rd. Editión. P. Reyes / Mayo 2003

Measurement System Analysis 3rd. Editión. P. Reyes / Mayo 2003 Measurement System Analysis 3rd. Editión P. Reyes / Mayo 2003 1 Posibles Fuentes de la Variación del Proceso Variación del proceso, observado Variación del proceso, real Variación de la medición Variación

Más detalles

Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante

Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Capítulo 15 Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven para evaluar el efecto

Más detalles

UNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año

UNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año UNIVERSIDAD DEL SALVADOR PROGRAMA UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria DIVISIÓN / COMISIÓN: Primer Año TURNO: Único OBLIGACIÓN ACADÉMICA: ESTADÍSTICA Y DISEÑO

Más detalles

Tema 3: El modelo de regresión lineal múltiple

Tema 3: El modelo de regresión lineal múltiple Econometría 1 curso 2009-2010 Tema 3: El modelo de regresión lineal múltiple Genaro Sucarrat (Departamento de Economía, UC3M) http://www.eco.uc3m.es/sucarrat/ Recordamos: El modelo de regresión lineal

Más detalles

Pronósticos Por Lic. Gabriel Leandro, MBA http://www.auladeeconomia.com

Pronósticos Por Lic. Gabriel Leandro, MBA http://www.auladeeconomia.com Pronósticos Por Lic. Gabriel Leandro, MBA http:// 1.1. Necesidad de pronosticar Entorno altamente incierto La intuición no necesariamente da los mejores resultados Mejorar la planeación Competitividad

Más detalles

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple

Pronósticos, 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 detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES Pág. 1 de 16 TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Control estadístico del proceso 2. Competencias Administrar

Más detalles

UCM. Autores: Juan E. Tettamanti Xin Jing [ANÁLISIS DE VARIABLES DE POSIBLE INFLUENCIA EN EL PRECIO DE LAS ACCIONES DE ALUAR]

UCM. Autores: Juan E. Tettamanti Xin Jing [ANÁLISIS DE VARIABLES DE POSIBLE INFLUENCIA EN EL PRECIO DE LAS ACCIONES DE ALUAR] UCM Autores: [ANÁLISIS DE VARIABLES DE POSIBLE INFLUENCIA EN EL PRECIO DE LAS ACCIONES DE ALUAR] Madrid, 27 de Abril de 2013 Página1 Í ndice Introducción... 2 Análisis... 2 Contrastación de Hipótesis...

Más detalles

ANEXO USO DEL PROGRAMA GIVE-WIN Y PC-GIVE

ANEXO USO DEL PROGRAMA GIVE-WIN Y PC-GIVE ANEXO USO DEL PROGRAMA GIVE-WIN Y PC-GIVE Para la realización de la presente tesis se utilizó una versión demostrativa del paquete computacional llamado Versión 2.10 de febrero del año 2002. Este software

Más detalles

UNIVERSIDAD NACIONAL DE SAN MARTIN

UNIVERSIDAD NACIONAL DE SAN MARTIN UNIVERSIDAD NACIONAL DE SAN MARTIN DOCTORADO EN CIENCIAS POLÍTICAS Métodos de Investigación Cuantitativos Agustín Salvia Programa El propósito central del curso es ofrecer un panorama introductorio a la

Más detalles

PRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS

PRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS UNIVERSIDAD DE LOS ANDES FACULTAD DE ODONTOLOGIA MERIDA EDO. MERIDA PRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS Mérida, Febrero 2010. Integrantes: Maria A. Lanzellotti L. Daniela Paz U. Mariana

Más detalles

UNED. DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 8] Análisis de Regresión Lineal Simple y Múltiple

UNED. DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 8] Análisis de Regresión Lineal Simple y Múltiple 011 UNED DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 8] Análisis de Regresión Lineal Simple y Múltiple 1 Índice 8.1 Introducción... 3 8. Objetivos... 4 8.3 Análisis de Regresión Simple... 4 8.3.1

Más detalles

PROGRAMA DE ESTUDIOS. : Investigación en Psicología II.

PROGRAMA DE ESTUDIOS. : Investigación en Psicología II. PROGRAMA DE ESTUDIOS A. ANTECEDENTES GENERALES Nombre de la asignatura Carácter de la asignatura Pre requisitos Co requisitos Créditos Ubicación dentro del plan de estudio Número de clases por semana Número

Más detalles

Reformas impositivas y crecimiento económico. César Pérez López Instituto de Estudios Fiscales (cesar.perez@ief.minhap.es)

Reformas impositivas y crecimiento económico. César Pérez López Instituto de Estudios Fiscales (cesar.perez@ief.minhap.es) Reformas impositivas y crecimiento económico César Pérez López Instituto de Estudios Fiscales (cesar.perez@ief.minhap.es) Nuria Badenes Pla Instituto de Estudios Fiscales (nuria.badenes@ief.minhap.es)

Más detalles

ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson

ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;

Más detalles

Cómo obtener un Modelo de Regresión Logística Binaria con SPSS

Cómo obtener un Modelo de Regresión Logística Binaria con SPSS Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo obtener un Modelo de Regresión Logística Binaria con SPSS Vanesa Berlanga-Silvente y Ruth Vilà-Baños Fecha de presentación:

Más detalles

-Género: no nos ha quedado claro cómo influye este parámetro en el gasto en ocio, si positiva o negativamente.

-Género: no nos ha quedado claro cómo influye este parámetro en el gasto en ocio, si positiva o negativamente. INTRODUCCIÓN En este trabajo estudiamos el gasto en ocio de la población, escogiendo una muestra al azar. Realizando encuestas hemos recogido información de 125 personas, las variables que hemos visto

Más detalles

Escuela Superior de Ingenieros de San Sebastián Universidad de Navarra GUÍA DE MINITAB 14

Escuela Superior de Ingenieros de San Sebastián Universidad de Navarra GUÍA DE MINITAB 14 Escuela Superior de Ingenieros de San Sebastián Universidad de Navarra GUÍA DE MINITAB 14 GUÍA DE MINITAB 14-2- PRÓLOGO Esta pequeña guía, se ha desarrollado con el objeto de completar la información aportada

Más detalles

2.1 SIMULADOR DE NEGOCIOS DE LA UNIVERSIDAD DE CARNEGIE MELLON

2.1 SIMULADOR DE NEGOCIOS DE LA UNIVERSIDAD DE CARNEGIE MELLON 2.1 SIMULADOR DE NEGOCIOS DE LA UNIVERSIDAD DE CARNEGIE MELLON El simulador de negocios es una herramienta de aprendizaje basada en ambientes virtuales de entrenamiento que recrean situaciones competitivas

Más detalles

ANÁLISIS DISCRIMINANTE

ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente

Más detalles

Minitab Training. Blackberry&Cross es aliado oficial de Minitab Inc., en Centroamérica, así como aliado y comercializador de BBCross Learning Center.

Minitab Training. Blackberry&Cross es aliado oficial de Minitab Inc., en Centroamérica, así como aliado y comercializador de BBCross Learning Center. Minitab Training Minitab Statiscal Software, Quality Companion, sus logotipos, marcas y demás símbolos distintivos son propiedad de Minitab Inc. Blackberry&Cross, su logotipo, y demás símbolos distintivos

Más detalles

Curso Comparabilidad de resultados

Curso Comparabilidad de resultados Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación

Más detalles

Técnicas Multivariadas Avanzadas

Técnicas Multivariadas Avanzadas Regresión lineal Universidad Nacional Agraria La Molina 2014-2 Regresión lineal Regresión lineal simple Estimando los coecientes Evaluando la precisión de los coecientes estimados Evaluando la precisión

Más detalles

CURSO MINERÍA DE DATOS AVANZADO

CURSO MINERÍA DE DATOS AVANZADO CURSO MINERÍA DE DATOS AVANZADO La minería de datos (en inglés, Data Mining) se define como la extracción de información implícita, previamente desconocida y potencialmente útil, a partir de datos. En

Más detalles

APÉNDICE B ANOVA para las salsas comerciales

APÉNDICE B ANOVA para las salsas comerciales APÉNDICE B ANOVA para las salsas comerciales ANOVA de una vía para Densidad de salsas comerciales One-way ANOVA: Densidad versus Marca Marca 3 8727.7 2909.2 41.22 0.000 Error 8 564.6 70.6 Total 11 9292.4

Más detalles

ACTIVIDAD 5: Correlación y Regresión Lineal

ACTIVIDAD 5: Correlación y Regresión Lineal Actividad 5: Correlación y Regresión Lineal ACTIVIDAD 5: Correlación y Regresión Lineal CASO 5-1: RELACIONES ENTRE VARIABLES A continuación se muestran cuatro variables y seis valores (observaciones) asociados

Más detalles

TEMA 1. Introducción al análisis empírico de variables económicas.

TEMA 1. Introducción al análisis empírico de variables económicas. TEMA 1. Introducción al análisis empírico de variables económicas. Profesor: Pedro Albarrán Pérez Universidad de Alicante. Curso 2010/2011. Contenido 1 Datos Económicos Introducción Tipos de Datos. Tratamiento

Más detalles

Métodos Estadísticos Multivariados

Métodos Estadísticos Multivariados Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre

Más detalles

REGRESIÓN LINEAL Variable dependiente Y Variable independiente X Ejemplo

REGRESIÓN LINEAL Variable dependiente Y Variable independiente X Ejemplo REGRESIÓN LINEAL El Análisis de Regresión, en una versión simple, es una metodología estadística que permite analizar la relación entre una variable Y (dependiente, explicada, respuesta ó endógena) y otra

Más detalles

Pruebas de. Hipótesis

Pruebas de. Hipótesis Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar

Más detalles

ESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO

ESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO ESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO INTRODUCCION A continuación se presenta un modelo sobre las ventas de autos de pasajeros en Estados Unidos. Se debe recordar que Estados Unidos posee

Más detalles

Mejoramiento de Procesos por medio de toma de decisiones basada en datos con MINITAB (Complemento)

Mejoramiento de Procesos por medio de toma de decisiones basada en datos con MINITAB (Complemento) Mejoramiento de Procesos por medio de toma de decisiones basada en datos con MINITAB (Complemento) Simbología en este documento En este documento se hará uso de diferente nomenclatura. Por ejemplo: FILE

Más detalles

REGRESIÓN LINEAL MÚLTIPLE

REGRESIÓN LINEAL MÚLTIPLE REGRESIÓN LINEAL MÚLTIPLE.- Planteamiento general....- Métodos para la selección de variables... 5 3.- Correlaciones parciales y semiparciales... 8 4.- Multicolinealidad en las variables explicativas...

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones

Más detalles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO

Más detalles

UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS

UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS I. INTRODUCCIÓN Y MANEJO DE DATOS MANUAL DE SPSS 1 MASTER CALIDAD TOTAL 1/ INTRODUCCIÓN Las aplicaciones de la Estadística en la

Más detalles

6 Sexta. 6.1 Parte básica. Unidad Didáctica "REGRESIÓN Y CORRELACIÓN"

6 Sexta. 6.1 Parte básica. Unidad Didáctica REGRESIÓN Y CORRELACIÓN 352 6 Sexta Unidad Didáctica "REGRESIÓN Y CORRELACIÓN" 6.1 Parte básica 353 6.1.1 Introducción Regresión es una palabra un tanto rara. La utilizan los biólogos, los médicos, los psicólogos... y suena como

Más detalles

ESCUELA COLOMBIANA DE INGENIERÍA

ESCUELA COLOMBIANA DE INGENIERÍA ESCUELA COLOMBIANA DE INGENIERÍA ASIGNATURA: ESTADÍSTICA DEPARTAMENTO: MATEMÁTICAS PLANES DE ESTUDIO: CÓDIGO: Mnemónico ESTI Numérico 1. OBJETIVOS GENERALES Desarrollar habilidades para organizar, representar

Más detalles

T. 5 Inferencia estadística acerca de la relación entre variables

T. 5 Inferencia estadística acerca de la relación entre variables T. 5 Inferencia estadística acerca de la relación entre variables 1. El caso de dos variables categóricas 2. El caso de una variable categórica y una variable cuantitativa 3. El caso de dos variables cuantitativas

Más detalles

6. Análisis de la regresión: análisis gráfico

6. Análisis de la regresión: análisis gráfico 6. Análisis de la regresión: análisis gráfico 6.1. Introducción El papel de SPSS en el análisis de regresión consiste en proporcionar herramientas para representar nubes de puntos, para calcular los parámetros

Más detalles

Ejemplos del Suplemento 1 resueltos con Minitab

Ejemplos del Suplemento 1 resueltos con Minitab O1 Ocho pasos para el desarrollo de una investigación Ejemplos del Suplemento 1 resueltos con Minitab O2 Tabla de Contenido Prueba de Normalidad... 3 Regresión Lineal... 7 Prueba t... 10 Prueba Z... 13

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A

Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs

Más detalles

2. El Modelo de Regresión Lineal Simple

2. El Modelo de Regresión Lineal Simple Tema 2 El Modelo de Regresión Lineal Simple 2-1 2. El Modelo de Regresión Lineal Simple Problema de mínimos cuadrados. Estimadores mínimos cuadrados ˆβ 0, ˆβ 1, y s 2. Estimadores de máxima verosimilitud

Más detalles

Capítulo 22. ESTIMACIÓN Y SIMULACIÓN DE SISTEMAS MULTIECUACIONALES

Capítulo 22. ESTIMACIÓN Y SIMULACIÓN DE SISTEMAS MULTIECUACIONALES Capítulo 22. ESTIMACIÓN Y SIMULACIÓN DE SISTEMAS MULTIECUACIONALES 22.1 SUPUESTOS EN LA ESTIMACIÓN DE MÚLTIPLE ECUACIONES... 956 22.2 ESTIMACIÓN DE MODELOS LINEALES DE ECUACIONES MÚLTIPLES... 958 TÉCNICAS

Más detalles

REGRESIÓN LINEAR COMO HERRAMIENTA DE PREDICCIÓN DE LOS ENSAYOS DE RESISTENCIA EN LA INDUSTRIA DE CELULOSA Y PAPEL

REGRESIÓN LINEAR COMO HERRAMIENTA DE PREDICCIÓN DE LOS ENSAYOS DE RESISTENCIA EN LA INDUSTRIA DE CELULOSA Y PAPEL XV INTERNATIONAL CONFERENCE ON INDUSTRIAL ENGINEERING AND OPERATIONS MANAGEMENT The Industrial Engineering and the Sustainable Development: Integrating Technology and Management. Salvador, BA, Brazil,

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I

Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................

Más detalles

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-15-4492-6252 Fax:

Más detalles

MODELOS DE CÁLCULO DE LA VOLATILIDAD *

MODELOS DE CÁLCULO DE LA VOLATILIDAD * MODELOS DE CÁLCULO DE LA VOLATILIDAD * Uno de los objetivos principales perseguidos en el análisis de series temporales es poder predecir de la manera más aproximada el comportamiento futuro que pueden

Más detalles

PROBABILIDAD Y ESTADISTICA II. Propósito del Curso : Al final del curso el estudiante: Ingeniería Ingeniería en Sistemas. Hardware

PROBABILIDAD Y ESTADISTICA II. Propósito del Curso : Al final del curso el estudiante: Ingeniería Ingeniería en Sistemas. Hardware UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: PROBABILIDAD Y ESTADISTICA II DES: Ingeniería Ingeniería en Sistemas Programa(s) Educativo(s):

Más detalles

ESTADÍSTICA FACULTAT D INFORMÀTICA APUNTS DE CLASSE PROF. LÍDIA MONTERO: TEMA 6: REGRESSIÓ LINEAL. SIMPLE I MÚLTIPLE

ESTADÍSTICA FACULTAT D INFORMÀTICA APUNTS DE CLASSE PROF. LÍDIA MONTERO: TEMA 6: REGRESSIÓ LINEAL. SIMPLE I MÚLTIPLE ESADÍSICA FACULA D INFORMÀICA APUNS DE CLASSE PROF. LÍDIA MONERO: EMA 6: REGRESSIÓ LINEAL. SIMPLE I MÚLIPLE AUORA: Lídia Montero Mercadé Departament d Estadística i Investigació Operativa Versió 1.0 Setembre

Más detalles

El futuro del tipo de cambio no es un pronóstico del TIPO DE CAMBIO SPOT

El futuro del tipo de cambio no es un pronóstico del TIPO DE CAMBIO SPOT PUNTO DE VISTA El futuro del tipo de cambio no es un pronóstico del TIPO DE CAMBIO SPOT HUGO ALARCÓN MADRID, HORTENCIA RUBIO ACOSTA, LUIS RAÚL SÁNCHEZ ACOSTA, RUBÉN TORRES MEDINA, SALVADOR LOZANO ACEVEDO

Más detalles

Kaizen Sigma Consulting. MINITAB Release 14 Software Estadístico CONTENIDO: PRESENTACION DE LOS PARTICIPANTES. Objetivo:

Kaizen Sigma Consulting. MINITAB Release 14 Software Estadístico CONTENIDO: PRESENTACION DE LOS PARTICIPANTES. Objetivo: MINITAB Release 14 Software Estadístico Objetivo: Optimizar el análisis de datos que caracterizan a un proceso, producto o servicio a través de las diferentes aplicaciones gráficas y estadísticas que presenta

Más detalles

SERIES DE TIEMPO INTRODUCCIÓN

SERIES DE TIEMPO INTRODUCCIÓN Clase Nº 5 SERIES DE TIEMPO INTRODUCCIÓN La forma más utilizada para el análisis de las tendencias futuras es realizar pronósticos. La función de un pronóstico de demanda de un bien, por ejemplo ventas

Más detalles

1 Introducción al SPSS

1 Introducción al SPSS Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)

Más detalles

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos.

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Mecánica MCM - 0531 3 2 8 2.- HISTORIA DEL

Más detalles

VI. CAPACIDAD DE PROCESOS

VI. CAPACIDAD DE PROCESOS V. Capacidad de Procesos V. CAPACDAD DE PROCESOS NTRODUCCÓN Una vez hayamos comprobado que el proceso está bajo control, estaremos interesados en saber si es un proceso capaz, es decir, si cumple con las

Más detalles