Regresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Regresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16"

Transcripción

1 Regresión Lineal Rodrigo A. Alfaro 2009 Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

2 Contenidos 1 Regresiones Lineales Regresión Clásica Paquetes estadísticos 2 Estadísticos de Ajuste Global 3 Variables Especiales Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

3 Regresiones Lineales Regresión Clásica Regresión Lineal Clásica: Introducción Suponemos que E(Y X ) = α + βx, por lo que estimamos un modelo como y i = α + βx i + u i Asumimos que u i tiene media cero y varianza finita σ 2. Si se cuenta con n datos, es equivalente a decir que se cuenta con n ecuaciones y sólo 2 incógnitas (α y β). La generalización de la matriz inversa resulta ser el estimador de Mínimos Cuadrados Ordinarios (MCO). Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

4 Regresiones Lineales Regresión Clásica Regresión Lineal Clásica: Estimación Siendo a y b los estimadores de α y β como siguen a = x b x y b = [ n i=1(x i x) 2] 1 [ n i=1 (x i x)(y i ȳ) Una versión simplificada del modelo puede ser obtenida si consideramos: (1) ỹ i = y i ȳ, y (2) x i = x i x, para los cuales tenemos ] ỹ i = β x i + ũ i b = n i=1 x iỹ i n i=1 x 2 i Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

5 Regresiones Lineales Regresión Clásica Regresión Lineal Clásica: Estimación Los estimadores MCO a y b pueden ser obtenidos por los métodos anteriormente mencionados. Si se asume u i N(0, σ 2 ) la función de probabilidad conjunta depende de α, beta y σ 2. Al resolver el problema obtenemos como estimadores de α y β los valores a y b. El Método de Momentos también entrega el mismo resultado que MCO. Los momentos relevantes son E(u i ) = 0 y E(x i u i ) = 0. El primero es obvio en el sentido de que en promedio el modelo no debe equivocarse. El segundo es algo más complejo y tiene relación con el hecho de que el error no contiene información de la variable X. En otras palabras el error se genera pese a que conocemos X. Formalmente esto es E(u i x i ) = 0 pero dicha restricción es muy general, por tanto E(x i u i ) = 0 es una adaptación simplificada. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

6 Regresiones Lineales Regresión Clásica Regresión Lineal Clásica: Estimación En el caso general un supuesto importante es independencia de las observaciones. Esto es que E(u i u j ) = 0 para todo i j, es decir el error que se comente para un individuo o empresa no se repite en otra empresa. Entendemos a Y como variable dependiente o explicada y a X como independiente o explicativa. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

7 Regresiones Lineales Regresión Clásica Regresión Lineal Clásica: CAPM En el modelo CAPM y i representa el exceso de retorno del activo i durante un período determinado de tiempo y x i representa el exceso de retorno del mercado durante el mismo período. Si se asume el exceso de retorno del mercado como exógenos entonces el estimador b representa la sensibilidad del activo i con respecto al mercado. El parámetro β puede descomponerse como β = σ xy σx 2 = ρ σ ( ) ( ) y yi xi E = ρ σ x σ y σ x Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

8 Regresiones Lineales Regresión Clásica Regresión Lineal Clásica: CAPM Notamos que β y ρ están relacionados. En particular, si los datos están normalizados, ˆβ será un estimador de ρ. Para el modelo CAPM esto tiene mayor significancia en sentido que el beta del mercado es la correlación del activo con el mercado, ajustado por un ratio de volatilidades. Si la correlación es perfecta entonces β captura la diferencia en riesgo con respecto al mercado. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

9 Regresiones Lineales Regresión Clásica Regresión Lineal Clásica: Bonos Suponga que se cuenta con una serie de precios de bonos que pagan cupones a diferentes madureces (m). Utilizando la fórmula de valor presente tenemos que P m = D 1 C 1 + D 2 C D m C m Para un número considerable de bonos n > m, podemos estimar por MCO los parámetros D k. Reconocemos que D k = (1 + Y kt ) k, por lo que con los parámetros estimados podemos recoger la curva de factores de descuento de flujos. Por construcción dicha curva es cero-cupón. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

10 Regresiones Lineales Paquetes estadísticos Paquetes Estadísticos Los modelos presentados pueden ser estimados fácilmente con el uso de un computador. Utilizando el complemento de Excel Análisis Estadístico se puede generar un reporte sobre la regresión lineal. EViews: software especializado para Series de Tiempo. De uso interactivo, cuenta con una basta literatura que apoya como usarlo. Una versión alternativa es EasyReg. SPSS: utilizado en varias ciencias sociales es interactivo y con formato profesional de resultados. Stata: útil para el manejo de bases de datos, análisis de panel y series de tiempo. Tiene la ventaja de tener open-code por lo que existe varias rutinas compartidas por los usuarios. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

11 Estadísticos de Ajuste Global Estadísticos de Ajuste Global La primera revisión del resultado está en corroborar si los signos y magnitudes de los coeficientes son coherentes con el modelo económico y/o financiero. Los test t o alternativamente los intervalos de confianza entregan una señal sobre la distribución de los coeficientes. Un intervalo de confianza que cambia de signo siempre va asociado a un bajo valor t y es señal que el parámetro podría ser en teoría cero aunque en la práctica el estimador es distinto de cero. Las magnitudes son también relevantes. Es posible que la pregunta esté asociada a una escala. Por ejemplo, al analizar el crecimiento del producto se observa que el gasto público tiene un impacto de Si las variables están en porcentajes esta cifra se conoce como elasticidad y dice que el aumento del 10% del gasto público genera un aumento del 0.02% del producto. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

12 Estadísticos de Ajuste Global Estadísticos de Ajuste Global Un estadístico que resume el ajuste de los datos es el R 2. La experiencia es necesaria para saber si este valor es aceptable o no. Sentido común indica que si R 2 = 0 entonces el modelo está malo y/o los datos no corresponden y R 2 = 1 indica que algo obvio está ante nuestros ojos, aunque a veces no es tan obvio. EL problema del R 2 es que aumenta cuando se agrega una nueva variable al modelo, aunque esta contribuya poco a reducir el error. El R 2 ajustado es la solución al problema anterior aunque la penalización por las variables extras es algo arbitrario. Cuando se trabaja con datos en el tiempo (series de tiempo) hay que tener mayor cuidado en el análisis motivo por el cual revisaremos ese material en la próxima parte del curso. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

13 Estadísticos de Ajuste Global Estadísticos de Ajuste Global Existen 2 problemas asociados a los errores: autocorrelación y heterocedasticidad. El primero de ellos corresponde a una serie de tiempo y lo estudiaremos en detalle más adelante. EL segundo fue estudiado en extenso a través del caso de MC Generalizados. Sin embargo, los resultados no fueron muy satisfactorios. Hoy en día dicho problema se ha mostrado que tiene poco efecto en los coeficientes y algo de efecto en la inferencia. Por ello se ha desarrollado inferencia robusta. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

14 Variables Especiales Variables Dummies Se llama variable dummy si una X toma valores 0 ó 1 solamente. Por ejemplo X pertenece al sector eléctrico, o X es casado, o X trabaja de forma independiente, etc. Si X está en la ecuación NO SE PUEDE agregar Z no pertenece al sector eléctrico, o Z no es casado, etc. La interacción de variables dummies con otras del modelo permite calcular efectos diferenciadores entre grupos. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

15 Variables Especiales Variables Colineales Si X está en la regresión y tengo Z que es muy similar a X, es decir que su correlación es elevada, entonces X podría colinear con Z. Al usar X y Z puedo perder el efecto buscado dado que ambas variables buscan explicar lo mismo. Usualmente si se cuenta con X y Z se opta por una de ellas o se combinan. En el caso de las dummies anteriormente presentado, X y Z tienen una correlación perfecta de -1. La decisión es dejar solo una de ellas. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

16 Variables Especiales Variables Endógenas En el caso de que x i sea endógena debemos resolver un problema de ecuaciones simultáneas.... ambas variables son endógenas. Un método tradicional es MCO en 2 etapas (2SLS).... la idea es que se resuelve para x, luego se utiliza el resultado en la ecuación con y. No existe un test que detecte endogeneidad, sólo correlación (débil) con el error. 2SLS está disponible en la mayoría de los paquetes estadísticos y econométricos. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

T2. El modelo lineal simple

T2. El modelo lineal simple T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de

Más detalles

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso

Más detalles

Tema 10: Introducción a los problemas de Asociación y Correlación

Tema 10: Introducción a los problemas de Asociación y Correlación Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación

Más 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

Diplomado en Estadística Aplicada

Diplomado en Estadística Aplicada Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad

Más detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. Tema 4 Regresión lineal simple ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del

Más detalles

Errores de especificación

Errores de especificación CAPíTULO 5 Errores de especificación Estrictamente hablando, un error de especificación es el incumplimiento de cualquiera de los supuestos básicos del modelo lineal general. En un sentido más laxo, esta

Más detalles

MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.

MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez. MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse

Más 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

Econometría de series de tiempo aplicada a macroeconomía y finanzas

Econometría de series de tiempo aplicada a macroeconomía y finanzas Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo

Más detalles

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión

Más detalles

CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES

CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no

Más detalles

Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas

Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Mínimos Cuadrados en 2 Etapas 2 Mínimos Cuadrados en 2 Etapas El método de Mínimos Cuadrados

Más detalles

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8. UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía

Más 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

Prácticas Tema 6. Modelos de ecuaciones simultáneas

Prácticas Tema 6. Modelos de ecuaciones simultáneas Prácticas Tema 6. Modelos de ecuaciones simultáneas Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 6.1- La oferta agregada de determinado producto agrícola (QS)

Más detalles

Introducción a la Estadística Aplicada en la Química

Introducción a la Estadística Aplicada en la Química Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00

Más detalles

Econometría III Examen. 29 de Marzo de 2012

Econometría III Examen. 29 de Marzo de 2012 Econometría III Examen. 29 de Marzo de 2012 El examen consta de 20 preguntas de respuesta múltiple. El tiempo máximo es 1:10 minutos. nota: no se pueden hacer preguntas durante el examen a no ser que sean

Más 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

Guía docente 2007/2008

Guía docente 2007/2008 Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación

Más 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

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos econométricos dinámicos uniecuacionales

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos econométricos dinámicos uniecuacionales ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos econométricos dinámicos uniecuacionales Introducción: Hemos estudiado modelos de tipo: y t = φ 0 + p i=1 φ iy t i + q j=0 θ jɛ t j y t = β x t +

Más detalles

ENUNCIADOS DE PROBLEMAS

ENUNCIADOS DE PROBLEMAS UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:

Más detalles

TEMA 3: Contrastes de Hipótesis en el MRL

TEMA 3: Contrastes de Hipótesis en el MRL TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12

Más detalles

MÓDULO 1: GESTIÓN DE CARTERAS

MÓDULO 1: GESTIÓN DE CARTERAS MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta

Más detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA SISTEMA UNIVERSIDAD ABIERTA PROGRAMA DE INTRODUCCIÓN A LA ECONOMETRÍA

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA SISTEMA UNIVERSIDAD ABIERTA PROGRAMA DE INTRODUCCIÓN A LA ECONOMETRÍA UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ECONOMÍA SISTEMA UNIVERSIDAD ABIERTA PROGRAMA DE INTRODUCCIÓN A LA ECONOMETRÍA Área: Métodos Cuantitativos QUINTO SEMESTRE Carácter: Obligatorio HORA/SEMANA/SEMESTRE

Más detalles

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado. NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido

Más detalles

Obligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo

Obligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo Carta descriptiva Datos de identificación Programa Nombre de la asignatura Tipo de Asignatura Maestría en Economía Aplicada Econometría I Ciclo Primer semestre Obligatoria Optativa Extracurricular Curso

Más detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición... Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................

Más detalles

Tema 5. Muestreo y distribuciones muestrales

Tema 5. Muestreo y distribuciones muestrales 1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución

Más detalles

INDICE. Prólogo a la Segunda Edición

INDICE. Prólogo a la Segunda Edición INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.

1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Abordaremos en este capítulo el modelo de regresión lineal múltiple, una vez que la mayor parte de las

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES

VARIABLES ESTADÍSTICAS BIDIMENSIONALES VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes

Más detalles

Tema 5. Muestreo y distribuciones muestrales

Tema 5. Muestreo y distribuciones muestrales Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:

Más detalles

Inferencia y Especificación en Modelos de Ecuaciones Simultáneas

Inferencia y Especificación en Modelos de Ecuaciones Simultáneas Inferencia y Especificación en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contenidos 1 Inferencia con estimadores de información limitada Contrastes de restricciones con

Más detalles

Prueba de Hipótesis. Para dos muestras

Prueba de Hipótesis. Para dos muestras Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de

Más detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.

Más detalles

Teorema Central del Límite (1)

Teorema Central del Límite (1) Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico

Más detalles

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN

Más detalles

Regresión Lineal Múltiple

Regresión Lineal Múltiple Universidad Nacional Agraria La Molina 2011-2 Efectos de Diagnósticos de Dos predictores X 1 y X 2 son exactamente colineales si existe una relación lineal tal que C 1 X 1 + C 2 X 2 = C 0 para algunas

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.

Más detalles

Regresión y Correlación

Regresión y Correlación Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios

Más detalles

Ejercicio 1 (20 puntos)

Ejercicio 1 (20 puntos) ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada

Más detalles

Econometria de Datos en Paneles

Econometria de Datos en Paneles Universidad de San Andres Agosto de 2011 Porque paneles? Ejemplo (Cronwell y Trumbull): Determinantes del crimen y = g(i), y = crimen, I = variables de justicia criminal. Corte transversal: (y i, I i )

Más detalles

FINANZAS CORPORATIVAS

FINANZAS CORPORATIVAS FINANZAS CORPORATIVAS RIESGO Y RENDIMIENTO JOSÉ IGNACIO A. PÉREZ HIDALGO Licenciado en Ciencias en la Administración de Empresas Universidad de Valparaíso, Chile TOMA DE DECISIONES Certeza: resultado real

Más detalles

TEMA 2: Propiedades de los estimadores MCO

TEMA 2: Propiedades de los estimadores MCO TEMA 2: Propiedades de los estimadores MCO Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 2: Pdades de los estimadores MCO Curso

Más detalles

3. Correlación. Introducción. Diagrama de dispersión

3. Correlación. Introducción. Diagrama de dispersión 1 3. Correlación Introducción En los negocios, no todo es el producto, pueden existir factores relacionados o externos que modifiquen cómo se distribuye un producto. De igual manera, la estadística no

Más detalles

ECONOMETRÍA I. Tema 5: Análisis de regresión múltiple con información cualitativa

ECONOMETRÍA I. Tema 5: Análisis de regresión múltiple con información cualitativa ECONOMETRÍA I Tema 5: Análisis de regresión múltiple con información cualitativa Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA

Más detalles

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables

Más detalles

Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto

Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta

Más detalles

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................

Más detalles

Modelos elección discreta y variable dependiente limitada

Modelos elección discreta y variable dependiente limitada Modelos elección discreta y variable dependiente limitada Profesor: Graciela Sanroman Facultad de Ciencias Económicas y Administración Año 2010 Modelos multinomiales Los modelos multinomiales son aquellos

Más detalles

Variables Dependientes Limitadas

Variables Dependientes Limitadas Variables Dependientes Limitadas Muestras Truncadas y Censuradas: revisión En algunos casos las variables dependientes pueden estar limitadas en su rango. Ejemplos típicos son las limitaciones por la forma

Más detalles

Unidad IV Introducción a la Regresión y Correlación

Unidad IV Introducción a la Regresión y Correlación Unidad IV Introducción a la Regresión y Correlación Última revisión: 25-0ctubre-2009 Elaboró: Ing. Víctor H. Alcalá-Octaviano Página 48 IV.1 Conceptos fundamentales Antología de Probabilidad y Estadística

Más detalles

UNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:

UNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos: UNIDAD Nº4 TEORÍA DE REGRESIÓN Y CORRELACIÓN 1.- Teoría de Regresión.- En términos de estadística los conceptos de regresión y ajuste con líneas paralelas son sinónimos lo cual resulta estimar los valores

Más detalles

Econometría Universidad Carlos III de Madrid Soluciones Examen Final 27 de Mayo de 2013

Econometría Universidad Carlos III de Madrid Soluciones Examen Final 27 de Mayo de 2013 Econometría Universidad Carlos III de Madrid Soluciones Examen Final 27 de Mayo de 2013 1. [6 puntos/sobre 10] Estamos interesados en estudiar el impacto del tamaño de la familia (número de hijos) en la

Más detalles

Percepción de los Precios por Parte de los Hogares: El caso de la Electricidad en el Perú

Percepción de los Precios por Parte de los Hogares: El caso de la Electricidad en el Perú Percepción de los Precios por Parte de los Hogares: El caso de la Electricidad en el Perú Luis Bendezú Medina Universidad de Chile Diciembre 2007 Contenido Introducción Modelo Teórico Implementación Empírica

Más detalles

Tema 3: Análisis de datos bivariantes

Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta

Más detalles

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de

Más detalles

T6. Modelos multiecuacionales

T6. Modelos multiecuacionales T6. Modelos multiecuacionales Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Los modelos multiecuacionales: SUR y SEM 2 Modelos

Más detalles

Solución de sistemas lineales

Solución de sistemas lineales Solución de sistemas lineales Felipe Osorio http://www.ies.ucv.cl/fosorio Instituto de Estadística Pontificia Universidad Católica de Valparaíso Marzo 31, 2015 1 / 12 Solución de sistemas lineales El problema

Más detalles

Examen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida.

Examen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida. Examen de Grado Sección de Econometría Agosto 2015 Pregunta 1. (40 puntos). Suponga que estamos interesados en determinar cuáles características del colegio y/o del hogar determinan el resultado de una

Más detalles

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Pruebas selectivas para el ingreso en el Cuerpo Superior de Estadísticos del Estado. Orden ECC/1517/2015, de 16 de Julio (BOE 27/07/2015).

Más detalles

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos: 15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo

Más detalles

Determinación del tamaño de muestra (para una sola muestra)

Determinación del tamaño de muestra (para una sola muestra) STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto

Más detalles

MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1

MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1 MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA

Más detalles

Modelos de ecuaciones simultáneas

Modelos de ecuaciones simultáneas CAPíULO 13 Modelos de ecuaciones simultáneas Hasta ahora hemos estudiado el modelo lineal general uniecuacional, que relaciona una variable dependiente con una combinación lineal de varias variables independientes

Más detalles

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Regresión con autocorrelación

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Regresión con autocorrelación ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Regresión con autocorrelación Introducción: Consideramos la regresión y t = β 0 + β 1 x 1t + + β k x kt + + β K x Kt + u t = β x t + u t con las hipótesis

Más detalles

Funciones de Regresión No Lineales (SW Cap. 6)

Funciones de Regresión No Lineales (SW Cap. 6) Funciones de Regresión No Lineales (SW Cap. 6) Todo anteriormente ha sido lineal en las X s La aproximación de que la función de regresión es lineal puede ser satisfactoria para algunas variables pero

Más detalles

Variables estadísticas bidimensionales: problemas resueltos

Variables estadísticas bidimensionales: problemas resueltos Variables estadísticas bidimensionales: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO

Más detalles

Coeficiente de Correlación

Coeficiente de Correlación Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las

Más detalles

PROGRAMA DE ASIGNATURA Prosecución de estudios en Economía Segundo semestre de 2016

PROGRAMA DE ASIGNATURA Prosecución de estudios en Economía Segundo semestre de 2016 PROGRAMA DE ASIGNATURA Prosecución de estudios en Economía Segundo semestre de 2016 ECONOMETRIA I Asignatura Carrera Ingeniería Comercial Código 351472 Créditos 7 SCT Tbjo. Directo: 6 hrs. pedag. Tbjo.

Más detalles

INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos

INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

Variables estadísticas bidimensionales

Variables estadísticas bidimensionales Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO

Más detalles

Modelo clásico de regresión lineal normal (MCRLN)

Modelo clásico de regresión lineal normal (MCRLN) Capítulo 4 Modelo clásico de regresión lineal normal (MCRLN) La llamada teoría clásica de la inferencia estadística consta de dos ramas, a saber: estimación y pruebas de hipótesis. Hasta el momento hemos

Más detalles

PROBABILIDAD Y ESTADÍSTICA. Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE

PROBABILIDAD Y ESTADÍSTICA. Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE PROBABILIDAD Y ESTADÍSTICA Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE 4.1 Regresión lineal simple y curvilínea 4.1.1 Variable dependiente e independiente 4.1.2 Ecuación de regresión 4.1.2.1 Aplicación

Más detalles

Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México

Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel

Más detalles

El Modelo de Regresión Simple

El Modelo de Regresión Simple El Modelo de Regresión Simple Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso 2007/08 C Velasco

Más detalles

Hipótesis en el modelo de regresión lineal por Mínimos Cuadrados Ordinarios

Hipótesis en el modelo de regresión lineal por Mínimos Cuadrados Ordinarios Hipótesis en el modelo de regresión lineal por Mínimos Cuadrados Ordinarios Apellidos, nombre Chirivella González, Vicente (vchirive@eio.upv.es) Departamento Centro Estadística e Investigación Operativa

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA 1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI

Más detalles

ECONOMETRÍA I. Tema 3: El Modelo de Regresión Lineal Múltiple: estimación

ECONOMETRÍA I. Tema 3: El Modelo de Regresión Lineal Múltiple: estimación ECONOMETRÍA I Tema 3: El Modelo de Regresión Lineal Múltiple: estimación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 45

Más detalles

UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA FACULTAD DE INGENIERÍA (UNIDAD MEXICALI) COORDINACIÓN DE INGENIERÍA INDUSTRIAL

UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA FACULTAD DE INGENIERÍA (UNIDAD MEXICALI) COORDINACIÓN DE INGENIERÍA INDUSTRIAL CARRERA PLAN DE CLAVE NOMBRE DE LA ESTUDIO ASIGNATURA ASIGNATURA ING. INDUSTRIAL 97-2 4139 CASOS DE SIMULACIÓN PRÁCTICA No. LABORATORIO DE CASOS DE SIMULACIÓN DURACIÓN (HORAS) 7 NOMBRE DE LA PRÁCTICA RESULTADOS

Más detalles

Análisis de Regresión Múltiple: Inferencia

Análisis de Regresión Múltiple: Inferencia Análisis de Regresión Múltiple: Inferencia Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso

Más detalles

Estimación de ecuaciones estructurales

Estimación de ecuaciones estructurales Estimación de ecuaciones estructurales Consideremos la oferta de mano de obra de las trabajadoras casadas que ya forman parte del mercado laboral. Escribimos el salario ofrecido en función de las horas

Más detalles

CURSO ECONOMETRÍA BÁSICA MULTISOFTWARE

CURSO ECONOMETRÍA BÁSICA MULTISOFTWARE CURSO ECONOMETRÍA BÁSICA MULTISOFTWARE El objetivo de este curso es la presentación de las técnicas econométricas básicas, tanto clásicas como modernas, y su tratamiento con las herramientas más adecuadas

Más detalles

Prueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14

Prueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14 Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca

Más detalles

Módulo de Estadística

Módulo de Estadística Módulo de Estadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton

Más detalles

Motivación. Motivación PRONOSTICOS DE DEMANDA

Motivación. Motivación PRONOSTICOS DE DEMANDA 4 PRONOSTICOS DE DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para pronosticar las ventas a partir de datos observados.

Más detalles

Estadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos.

Estadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística II Ingeniería Industrial INB - 0408 4 0 8 2.- HISTORIA DEL PROGRAMA

Más detalles

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más

Más detalles

Estadísticas Pueden ser

Estadísticas Pueden ser Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más

Más detalles