Técnicas Cuantitativas para el Management y los Negocios
|
|
- Clara Cruz Sánchez
- hace 8 años
- Vistas:
Transcripción
1 Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar 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 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 detalles9. 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 detallesTema 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 detallesMultiple 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 detalles10. 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 detallesDIPLOMADO 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 detallesDetergente 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 detallesEJERCICIOS 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 detallesEl 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 detallesREGRESION 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 detallesINDICE 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 detallesGráfico 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 detallesExperimentos 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 detallesPROGRAMA 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 detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesInferencia 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 detallesAnálisis 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 detallesUNIDAD 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 detallesCorrelación 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 detallesSERIES 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 detallesCLAVE: 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 detallesMultiple 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 detallesPruebas 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 detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detalles-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 detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesPRUEBA 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 detallesDESCRIPCIÓN 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 detallesAplicación 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 detallesANÁLISIS 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 detallesCurso 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 detallesUniversitat 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 detallesMétodos 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 detallesPalabras 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 detallesCAPÍTULO 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 detallesASOCIACIÓN 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 detallesCapítulo 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 detallesCapítulo 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 detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesGRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES
GRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES Prof. Rosario Martínez Verdú TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES 1. Distribuciones bidimensionales de frecuencias y diagrama
Más detallesESTADÍSTICA SEMANA 4
ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...
Más detallesTrabajo 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 detallesProcesamiento de información para la investigación utilizando el programado Excel recopilados. Los participantes rán en
Procesamiento de información para la investigación utilizando el programado Excel recopilados. Los participantes rán en Julio E. Rodríguez Torres el Joel uso O. Lucena de Excel. Quiles Centro para la Excelencia
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesModelos estadísticos aplicados en administración de negocios que generan ventajas competitivas
Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas Videoconferencias semana de estadística Universidad Latina, Campus Heredia Costa Rica Universidad del Valle
Más detallesPronósticos 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 detallesAplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Más detallesANEXO 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 detallesPONTIFICIA 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 detallesCapítulo 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 detallesSERIES 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 detallesMULTICOLINEALIDAD 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 detallesRegresión 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 detallesUNIVERSIDAD 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 detallesb)no es posible hacer modelo debido a que el tipo de vidrio es una variable categorica
a) Analysis of Variance for Light output, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Glass type 5865 5865 753 6.37. Temperature 97335 97335 98567 695.6. Glass type*temperature 955 955
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detallesESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta
Más detallesTEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I)
VARIABLES Variable: característica de cada sujeto (cada caso) de una base de datos. Se denomina variable precisamente porque varía de sujeto a sujeto. Cada sujeto tiene un valor para cada variable. El
Más detallesSe 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 detallesCapítulo 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 detalles1 Ejemplo de análisis descriptivo de un conjunto de datos
1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos
Más detallesUNIVERSIDAD 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 detallesII. ANÁLISIS DE SISTEMAS DE MEDICIÓN
II. ANÁLISIS DE SISTEMAS DE MEDICIÓN INTRODUCCIÓN Siempre que registramos o medimos los resultados de un proceso nos encontramos con cierta variación en los datos obtenidos. Esta variación puede provenir
Más detallesUNED. 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 detalles2.1 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 detallesUso 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 detallesEstadística; 3º CC. AA. Examen final, 4 de septiembre de 2009
Estadística; 3º CC. AA. Examen final, 4 de septiembre de 2009 Apellidos Nombre: Grupo: DNI. (5 puntos) Se observa la variable Porcentaje de masa boscosa perdida anualmente en 0 provincias elegidas al azar
Más detallesConsidere la tasa de nacimiento (B) como la variable respuesta y la actividad económica de las mujeres (W) como variable regresora.
ESTADISTICA (Q) - Ejercicio de regresión - Junio 2010 El archivo tasa_nacimiento.sx contiene datos de tasas de nacimiento y otras variables para 26 naciones. Fuente: Statistical Abstract of the United
Más detallesESTADISTICA 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 detallesPRESENTACIÓN, 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 detallesUNIVERSIDAD AUTÓNOMA DE MADRID DPTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I HOJA 2. Problemas
UNIVERSIDAD AUTÓNOMA DE MADRID DPTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I HOJA 2 Problemas 1. Supongamos que se dispone de una muestra de n = 5 individuos, con la que se quiere estudiar
Más detallesMÓDULO 2: TRATAMIENTO DE DATOS CON HOJA DE CÁLCULO. Tema 6: Análisis Estadístico de Datos. Leire Aldaz, Begoña Eguía y Leire Urcola
MÓDULO 2: TRATAMIENTO DE DATOS CON HOJA DE CÁLCULO Leire Aldaz, Begoña Eguía y Leire Urcola Índice del tema Introducción Herramientas para Análisis Complemento EZAnalyze INTRODUCCIÓN Las aplicaciones que
Más detallesMEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL
MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación
Más detallesT R A B A J O D E I N V E S T I G A C I O N D E O P E R A C I O N E S I
UNIVERSIDAD SAN MARTIN DE PORRES FACULTAD DE INGENIERIA Y ARQUITECTURA T R A B A J O D E I N V E S T I G A C I O N D E O P E R A C I O N E S I A N A L I S I S D E P R O N Ó S T I C O S F O R E C A S T
Más detallesTécnicas 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 detallesFundamentos 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 detallesTEMA 5 ESTUDIOS CORRELACIONALES.
TEMA 5 ESTUDIOS CORRELACIONALES. 1. INTRODUCCIÓN. 2. CONCEPTO DE CORRELACIÓN. 3. CASOS EN LOS QUE SE UTILIZA LA INVESTIGACIÓN CORRELACIONAL. 4. LIMITACIONES DE LOS ESTUDIOS CORRELACIONALES 1 1. INTRODUCCIÓN.
Más detallesEstadística para las Ciencias Administrativas
Estadística para las Ciencias Administrativas Tercera edición LINCOLN L. CHAO California State University Long Beach, California Traducción JOSÉ MARÍA CASTAÑO Exjefe del Departamento de Matemáticas Universidad
Más detallesPrincipios de Estadística. Intro. En R. Ejercicios
Leonardo Collado Torres y María Gutiérrez Arcelus Licenciatura en Ciencias Genómicas, UNAM www.lcg.unam.mx/~lcollado/index.php www.lcg.unam.mx/~mgutierr/index.php Cuernavaca, México Febrero - Junio, 2009
Más detallesTÉCNICO 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 detallesPrecio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales.
Series Temporales Introducción Una serie temporal se define como una colección de observaciones de una variable recogidas secuencialmente en el tiempo. Estas observaciones se suelen recoger en instantes
Más detallesPronósticos. Pronósticos y gráficos Diapositiva 1
Pronósticos Pronósticos Información de base Media móvil Pronóstico lineal - Tendencia Pronóstico no lineal - Crecimiento Suavización exponencial Regresiones mediante líneas de tendencia en gráficos Gráficos:
Más detallesRegresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.
Regresión Lineal Simple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2
Más detallesFACULTAD DE INGENIERÍAS Y ARQUITECTURA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL : INFERENCIA ESTADÍSTICA SILABO
SILABO I. DATOS GENERALES CARRERA PROFESIONAL : INGENIERÍA INDUSTRIAL CÓDIGO CARRERA PRO. : 17 ASIGNATURA : CÓDIGO DE ASIGNATURA : 1704-17214 N DE HORAS TOTALES : 4 HORAS SEMANALES N DE HORAS TEORÍA :
Más detallesCURSO: INTRODUCCION A PRONOSTICOS
MANAGEMENT CONSULTORES CURSO: INTRODUCCION A PRONOSTICOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail:mgm_consultas@mgmconsultores.com.ar
Más detallesRegresión 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 detallesSemana de dieta (X) 1 2 3 4 5 Peso en Kg (Y) 88.5 87 84 82.5 79
. Una persona se somete a una dieta de adelgazamiento durante cinco semanas. A continuación se detalla su peso al término de cada una de esas semanas: Semana de dieta X) 2 3 4 Peso en Kg Y) 88. 87 84 82.
Más detallesSolución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2
Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesEjemplo de Regresión Lineal Simple
Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3
Más detallesCapítulo 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 detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013
Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013 N o lista Grupo El fichero datos 17m.sgd contiene información sobre los 327 vuelos comerciales
Más detallesDepartamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN CIENCIAS EMPRESARIALES ESTADÍSTICA
ESCUELA UIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA E CIECIAS EMPRESARIALES ESTADÍSTICA Ejercicios Resueltos AÁLISIS ESTADÍSTICO DE DOS VARIABLES Y RE- GRESIÓ LIEAL SIMPLE Curso 6-7 Curso 6-7 1)
Más detalles320514 - APTM - Análisis de Procesos Textiles y de Mercados
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 320 - EET - Escuela de Ingeniería de Terrassa 714 - ETP - Departamento de Ingeniería Textil y Papelera MÁSTER UNIVERSITARIO
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detalles4. MODELO DE REGRESIÓN LINEAL. En muchos problemas hay dos o más variables relacionadas, y el interés se centra en
4. MODELO DE REGRESIÓN LINEAL 4.1 INTRODUCCIÓN En muchos problemas hay dos o más variables relacionadas, y el interés se centra en modelar y explorar esta relación. Por ejemplo, en un proceso químico el
Más detallesAnálisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias
Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía
Más detalles