6 Heteroscedasticidad
|
|
- María Concepción Magdalena Montero Correa
- hace 6 años
- Vistas:
Transcripción
1 6 Heteroscedastcdad Defncón casas de heteroscedastcdad Defncón: la varanza de la pertrbacón no es constante. Casas: a natraleza de la relacón entre las varables Ejemplo : relacón gasto-renta; Hogares con ngresos más bajos tenen na dspersón de gasto famlar en benes servcos más peqeña. a transformacón de varables S tenemos acceso a los agregados de las observacones orgnales. S tenemos nformacón sobre promedos de las varables orgnales. Estas transformacones generan na pertrbacón con varanza non constante, a pesar de na pertrbacón homoscedastca en los datos orgnales. C sería más nefcente s la varanza es m dferente entre los grpos. Ejemplo: datos de las dversas Comndades tónomas. a omsón de varables relevantes donde v v correcta estmada v tendrá na varanza qe depende de el varable omtda, 3, var v 3 3. Solcón: Reformlar el modelo especfcado! Recerda qe el modelo con varables omtdas no sólo es nefcente pero tambén nconsstente.
2 Contrastes de heteroscedastcdad. la hpótess nla es homoscedastcdad.. la constrccón está basada en los resdos de la estmacón por C sn consderar la posble heteroscedastcdad. Goldfeld-Qandt Pede ser útl cando la heteroscedastcdad depende de na únca varable. rdena las varables según los valores de la varables posblemente case la heteroscedastcdad. Elmna p observacones centrales de la mestra ordenada para crear dos mestras de déntco tamaño, n n p /. a recomendacón es elmnar apro. p / 3. 3 Haz dos regresones por C calcla VE e e / n VE e e / n K. 4 El estadístco de contraste es: VE H : GQ F[ n, n ] VE H : K donde se spone qe la segnda mestra tene la varanza maor. GQ se compara con el valor crítco en la dstrbcón F con n, n ] grados de lbertad. Bresch-Pagan [ Pede ser útl cando la heteroscedastcdad depende de na fncón de varables.
3 Estma el modelo orgnal por C para consegr los resdos. e Constre la varable g qe se tlzará como varable dependente n e en la regresón alar, g... z pz p v, donde las varables eplcatvos son todos las varables eógenos del modelo orgnal qe peda tener na nflenca en la varanza no constante del térmno de pertrbacón. Estma el modelo alar por C calcla VE VE g g Z Z Z g g Z Z Z Z g. 3 El estadístco de contraste es: VE H : BP χ [ p ] H : f Z BP se compara con el valor crítco en la dstrbcón lbertad. χ con [ ] p grados de Una versón modfcado Koener Bassett, 98 es estmar la regresón alar, e z... z v, donde e es el cadrado de los resdos del modelo Whte orgnal. p p VEm BP m χ [ p ] m e n e m H : H : f Z VE m Z Z Z Z, donde e, e,..., en, es na n colmna de s. e e / n.,,...n. BPm se compara con el valor crítco en la dstrbcón χ con [ p ] grados de lbertad. Bajo normaldad los dos contrastes tenen la msma dstrbcón asntótca, pero VE pede ser más potente en stacones cando esto no este cmpldo. m Pede ser útl cando la heteroscedastcdad depende de na fncón de varables. Estma el modelo orgnal por C para consegr los resdos. os resdos cadrados se tlzan con varable endógena en na regresón alar con p / regresores: n térmno ndependente, las varables eógenas del modelo orgnal, el cadrado de las varables eógenas orgnales los prodctos por pares de esas varables: e j j j j j j s, t γ v. 3 El estadístco de contraste es: s, t s t
4 H : W χ [ p ] R H : f Z donde R es el coefcente de determnacón de la regresón alar. W se compara con el valor crítco en la dstrbcón lbertad. χ con [ ] p grados de ota: S rechazamos la hpótess nla, pede ser por casa de na especfcacón erróneas en el modelo qe da la consecenca de heteroscedastcdad. Por ejemplo, na varable tene n efecto non lneal, o ha nteraccones, qe no estén ncldas. Despés qe el contraste rechaza la hpótess nla, el contraste no ndca qe debemos hacer. Estmacón por CG: ínmo cadrados ponderados. Estmador mínmo cadrátco generalzado CG. CG var Ω CG donde : Ω s CG Ω e Ω e n CG es lneal, nsesgado óptmo EI. Bajo el spesto de normaldad s dstrbcón mestral es:, Ω. CG ecestamos conocer la matrz Ω. Qe forma tene la heteroscedastcdad o atocorrelacón? S no se sabe: Ha qe estmar Ω. Cando sepamos Ω se pedo transformar el modelo C con pertrbacones no esfércas para obtener n modelo con pertrbacón esférca. Se pede aplcar C al modelo transformado.,, donde : E Ω, E I, Ha qe elegr la matrz de transformacón,, para qe Ω I así, Ω.. través de n hpótess sobre la fncón de heteroscedastcdad o atocorrelacon. Ejemplo: heteroscedastcdad: sponemos qe la varanza depende de na varable eplcatva.
5 . través de fncones más complcadas. a etapa: Estmar los parámetros de la fncón heteroscedastca para obtener de los elementos de Ω. a etapa: plca los formlas del estmador CG. [Comparacón entre el estmador C CG.] étodos de estmacón en presenca de heteroscedastcdad; Pertrbacón conocda: En este caso la pertrbacón depende de forma monótona de algnas varables eógenas, se tlzan las sgentes hpótess. j j v 3 Ejemplos: la estrctra de la varanza para es la matrz, Ω,,, E el caso de transformacón de varables, agregadas, Ω R E 3 el caso de transformacón de varables, promedos, Ω R E / / /
6 Con esta nformacón, para ejemplo se defna la matrz para transformar el modelo. Ω,,, / / / Recerda qe Ω.,,, / / / [Estmador de mínmos cadrados ponderados] n n w w Donde, w. bservacones con varanza más peqeña tene n peso mas elevada en la smatora así tambén en s nflenca en el estmador. Para ejemplo se defna la matrz para transformar el modelo. Ω R / / / Recerda qe Ω. R / / / Para ejemplo 3 se defna la matrz para transformar el modelo.
7 Ω R Recerda qe Ω. R Pertrbacón desconocda: a etapa: Estmar los parámetros de la fncón de la varanza. Estmar por C la regresón alar v e, donde e representa los resdos de la estmacón C del modelo orgnal, sn tener en centa la posble heteroscedastcdad. El resltado de la regresón alar defna Ω, Ω tambén. Ω,,, Ω / / /,,, / / /,,, a etapa: plca las formlas del estmador CG, es decr estmar la relacón por C.
8 ,... atrz de varanza, covaranza robsto Whte En algnos casos es dfícl a pror efectar spestos para el comportamento de la fncón heteroscedástca. Es posble tlzar la estmacón pntal C, corrgendo la estmacón de s varanza. var Ω Ω C Ω se pede estmar a través de e e e. donde [ ] Ω e representan los resdos de la estmacón C, ss cadrados se tlzan para apromar los elementos desconocdos para Ω.
coηomετría Capítulo 1: Introducción Amparo Sancho Guadalupe Serrano Bernardí Cabrer coηomετría
coηomετría Capítlo : Introdccón Amparo Sancho Gadalpe Serrano Bernardí Cabrer coηomετría Becaros: Fernando Pascal, Carlos Salvador, Joan Crespo Capítlo Introdccón Qé es n modelo econométrco? Qé son los
Más detalles6. ANALISIS DE COLUMNAS DE DESTILACION
69 6. AALISIS DE COLUMAS DE DESTILACIO 6.1. ITRODUCCIO Una colmna de destlacón smple es na ndad compesta de n conjnto de etapas de eqlbro con n solo almento y dos prodctos, denomnados destlado y fondo.
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesCAPÍTULO 2 FORMULACIÓN DEL PROBLEMA DE CONTACTO MECÁNICO
CAPÍULO. FORMULACIÓN DEL PROBLEMA DE CONACO CAPÍULO FORMULACIÓN DEL PROBLEMA DE CONACO..- EL MÉODO DE LOS ELEMENOS FINIOS El método de los elementos fntos se basa en la dscretzacón de n sstema real, es
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesHETEROSCEDASTICIDAD. Eco. Douglas C. Ramírez V. 1) INTRODUCCIÓN
HETEROSCEDASTICIDAD Eco. Douglas C. Ramírez V. 1) INTRODUCCIÓN Las propedades de los estmadores mínmos cuadrátcos de los coefcentes de regresón dependen de las propedades del termno de perturbacón del
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesDEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL
DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DISEÑO MECÁNICO PRÁCTICA Nº 4 METROLOGÍA Y CALIDAD. CALIBRACIÓN DE UN PIE DE REY Metrología y Caldad. Calbracón de n pe de rey. INDICE 1. OBJETIVOS
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesUSOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES
Unversdad de San Andrés Departamento de Economía Econometría Semestre de otoño USOS Y ETENSIONES DEL MODELO LINEAL CON K VARIABLES Marana Marchonn marana@depeco.econo.unlp.edu.ar Varables explcatvas bnaras
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesEJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Más detallesEJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:
EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n
Más detallesLA MEDIA GEOMÉTRICA, COMO PRINCIPIO DE CÁLCULO DE PRIMAS
LA MEDIA GEOMÉTRICA, COMO PRINCIPIO DE CÁLCULO DE PRIMAS Crstna Lozano-Colomer Departamento de Métodos Canttatvos Unversdad Pontfca de Comllas (ICADE). clozano@cee.pcomllas.es José L. Vlar-Zanón Departamento
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesRegresión Cuantílica o Quantile Regression
Regresón Cuantílca o Quantle Regresson A. Cameron and P. rved, (005), Macroeconometrcs, Methods and Applcatons, Cambrdge Unversty Press. R. Koenker, (005), Quantle Regresson, Econometrc Socety Monographs
Más detallesESTIMACIÓN DE LA INCERTIDUMBRE DE LA DETERMINACIÓN DE LA DENSIDAD DEL AIRE
ESIMACIÓN DE LA INCEIDUMBE DE LA DEEMINACIÓN DE LA DENSIDAD DEL AIE Ls O. Becerra, Ignaco Hernández, María E. Gardado Centro Naconal de Metrología, Dsón de Metrología de Masa y Densdad km 4,5 Carretera
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesContrastes sobre elasticidades en el modelo de producción frontera. Un enfoque metodológico
E STUDIOS DE ECONOMÍA APLICADA VOL. - 3, 0 0 3. P ÁGS. 45-466 Contrastes sobre elastcdades en el modelo de prodccón frontera. Un enfoqe metodológco DIOS PALOMARES, R. Efco. Grpo de Efcenca y prodctvdad
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detalles6 Impacto en el bienestar de los beneficiarios del PAAM
6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda
Más detallesLos vectores y sus operaciones
lasmatematcase Pedro Castro rtega Los ectores y ss operacones Un ector qeda determnado por dos pntos, el orgen, y el extremo Un ector qeda completamente defndo a traés de tres elementos: módlo, dreccón
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detallesRegresión Binomial Negativa
Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado
Más detallesSuponga que el consumo (Y) y el ingreso (X) para los últimos 4 años (en millones de pesos) son los siguientes:
Introduccón a la Econometría VII. MODELO LINEAL SIMPLE, MLS: EJERCICIOS RESUELTOS: 9 ANÁLISIS DE REGRESIÓN Y CORRELACIÓN APLICADO A LA ECONOMÍA MEXICANA, CON MÉTODOS COMPLEMENTARIOS Y/O DIFERENTES 9 VII.
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detalles1.Variables ficticias en el modelo de regresión: ejemplos.
J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes
Más detallesConsumo de un estudiante granadino
Consumo de un estudante granadno Trabajo de Econometría 3º de GADE, grupo C María Teresa Penado García Ana Isabel Béjar Pérez Marna Herrero López ÍNDICE Introduccón y varables escogdas para realzar el
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecunddad y su relacón con varables socoeconómcas, demográfcas y educatvas aplcando el Modelo de Regresón
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesTema 4 MODELOS CON DATOS DE RECUENTO
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 Tema 4 MODELOS CON DATOS DE RECUENTO 1. Datos de recuento: ejemplos 2. Por qué utlzamos modelos específcos para datos de recuento? 3. Modelo Posson 4. Modelo
Más detallesLOS INGRESOS EN LA ALDEA DE JACOB: DEL MODELO INGENUO AL MODELO SIMPLE * RESUMEN
LOS INGRESOS EN LA ALDEA DE JACOB: DEL MODELO INGENUO AL MODELO SIMPLE * Dedcado a n reencentro con BEC. Carlos E. Castellar P. ** RESUMEN En este docmento es resltado de la nteraccón entre nvestgacón
Más detallesCAPÍTULO 3 DIAGNÓSTICOS DE REGRESIÓN
CAPÍTULO 3 DIAGNÓSTICOS DE REGRESIÓN Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson 1 3.1 Outlers, puntos de leverage
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesCAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS
CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos
Más detallesMETODOS DE ESTIMACION PARA DATOS LONGITUDINALES CON IN- FORMACIÓN FALTANTE
Octavas Jornadas "Investgacones en la Facultad" de Cencas Económcas y Estadístca, novembre de 2003 Garca, María del Carmen Blaconá, María Teresa Insttuto de Investgacones Teórcas y Aplcadas, de la Escuela
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesObjetivos. Contenidos. Cátedra I Estadística II Autor I Gerardo Heckmann
ANALISIS DE ASOCIACION ENTRE VARIABLES. REGRESION Objetvos Presentar el modelo de regresón lneal smple como herramenta para estmar medas condconales y predecr los valores de una varable en funcón de la
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesIntroducción a los Modelos de Pronósticos
Introduccón a los Modelos de Pronóstcos Dra. Fernanda Vllarreal Unversdad Naconal del Sur- Departamento de Matemátca Septembre 2016 - fvllarreal@uns.edu.ar Introduccón Planeacón del futuro, un aspecto
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesVisión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
Más detallesCURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A)
Unversdad de la Repúblca, Facultad de Cencas Económcas y Admnstracón. ECONOMETRÍA II - CURSO 7 PRACTICO MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO A) Una nvestgacón sobre el mercado laboral
Más detallesMétodos de Apareamiento (Matching)
Impact Evaluaton Sesón n Técnca T VI: Métodos de Apareamento (Matchng) Lma, 2009 Departamento de Desarrollo Humano Fondo Español para Evaluacón de Impacto En el caso de asgnacón aleatora Supuesto asgnacón
Más detallesDepartamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011
Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesTALLER INTERNACIONAL CREANDO RECOLECCIÓN Y ANÁLISIS DE DATOS. Lima Feb, Análisis Econométrico
TALLER INTERNACIONAL CREANDO CAPACIDAD NACIONAL EN LA RECOLECCIÓN Y ANÁLISIS DE DATOS Lma 9-3 Feb, 007 Análss Econométrco Análss de Regresón La regresón es la técnca estadístca más etendda y se utlza para
Más detallesLECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesCARACTERIZACIÓN DE UNA BOBINA DE FIBRA ÓPTICA PARA SER UTILIZADA COMO PATRÓN DE REFERENCIA EN LA CALIBRACIÓN DE
CARACTERIZACIÓN DE UNA BOBINA DE FIBRA ÓPTICA PARA SER UTILIZADA COMO PATRÓN DE REFERENCIA EN LA CALIBRACIÓN DE OTDRs EN LA ESCALA DE LONGITUD A 550 nm J. C. Bermúdez, M. A. López, W. Schmd Centro Naconal
Más detallesMétodo cuantitativos de análisis gráfico
Ejemplos Ejerccos Msceláneas Evaluacón Método cuanttatvos de análss gráfco Método de cuadrados mínmos. Regresón lneal. Funcón χ. Obtencón de los parámetros de un modelo. Correlacón lneal. Incertdumbre
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesDESCOMPOSICIÓN EN REGRESIÓN LINEAL: UN NUEVO MÉTODO PARA ANÁLISIS DE DETERMINANTES Y TOMA DE DECISIONES
RESUMEN INVESTIGACIÓN & DESARROLLO, No. 7: 5 4 (007) ISSN 1814-6333 DESCOMPOSICIÓN EN REGRESIÓN LINEAL: UN NUEVO MÉTODO PARA ANÁLISIS DE DETERMINANTES Y TOMA DE DECISIONES Ernesto Cupé C. Centro de Investgacones
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA.
ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. SEGUNDA PARTE. (TRABAJO PRESENTADO EN EL CONGRESO DE LA SOCIEDAD ARGENTINA DE ESTADISTICA)
Más detallesOPERACIONES BÁSICAS. (Notas de clase) Separadores flash
OPERACIONE BÁICA (Notas de clase eparadores flash Profesor Asocado Andrés oto Agüera Curso 2003-2004 Operacones Báscas Balances de matera y energía Caracteracón del estado de equlbro termodnámco de un
Más detallesScientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia
Scenta Et Technca ISSN: 0122-1701 scenta@utp.edu.co Unversdad Tecnológca de Perera Colomba OSPINA GUTIÉRREZ, LUZ MARÍA; ZAPATA RAMÍREZ, GEISON ALEXIS; RODAS RENDON, PAULA ANDREA PRUEBA DE NO LINEALIDAD
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesFacultad de Ciencias Económicas Universidad de Buenos Aires. Fronteras de Eficiencia Estocásticas:
Fronteras de Efcenca Estocástcas Págna 0 Semnaro de Integracón y Apllcacón: Lcencatura en Economíía Facultad de Cencas Económcas Unversdad de Buenos Ares Fronteras de Efcenca Estocástcas: Comparacón Internaconal
Más detallesRiesgos Proporcionales de Cox
Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los
Más detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesDemanda por Autopistas Concesionadas en Chile: Una Aplicación del Método SUR y Datos de Panel
Demanda por Atopstas Concesonadas en Chle: Una Aplcacón del Método SUR y Datos de Panel Rodrgo Saens Navarrete*, Germán Lobos Andrade** * Lcencado en Admnstracón, Lcencado en Economía, Ingenero Comercal
Más detallesTema 6: Multicolinealidad
Tema 6: Multcolnealdad Máxmo Camacho Máxmo Camacho Econometría I - ADE+D / - Tema 6 Multcolnealdad h Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema : El modelo de regresón
Más detallesMétodos de Apareamiento
Human Development Network Latn Amerca and the Carbbean Regon Spansh Impact Evaluaton Trust fund Sesón n Técnca T VI: Métodos de Apareamento Karen Macours Karen Macours Managua, 5 Marzo 2008 En el caso
Más detallesTurbulent Kinetic Energy
VI. Trblent Knetc Energy Andrew S. Kowalsk Profesor Contratado Doctor Departamento de Físca Aplcada Unersdad de Granada andyk@gr.es Bblografía mcrometeorológca Stll; Capítlo 5. (TKE) LA ENERGÍA CINÉTICA
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesBloque 2 Análisis de circuitos alimentados en corriente continua. Teoría de Circuitos
Bloque Análss de crcutos almentados en corrente contnua Teoría de Crcutos . Métodos sstemátcos de resolucón de crcutos : Método de mallas Métodos sstemátcos de resolucón de crcutos Permten resolver los
Más detallesDiferencias salariales entre el sector público y privado español: un modelo de switching
ESTADÍSTICA ESPAÑOLA Vol. 40, Núm. 143, 1998, págs. 167 a 193 Dferencas salarales entre el sector públco y prvado español: n modelo de swtchng por CECILIA ALBERT VERDÚ y GLORIA MORENO RAYMUNDO Departamento
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesUNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES
UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES EL PROGRAMA ESTADÍSTICO R Y UNA APLICACIÓN EN ECONOMETRÍA y TESIS PROFESIONAL Como requsto parcal para obtener el título de: LICENCIADO EN
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesApéndice F - Método de cuadrados mínimos análisis avanzado
Apéndce F - Método de cuadrados mínmos análss avanzado Método de cuadrados mínmos. Regresón lneal. Funcón χ. Obtencón de los parámetros de un modelo. Incertdumbre de los parámetros de un ajuste. Bondad
Más detallesEcuaciones diferenciales ordinarias
Ecuacones derencales ordnaras Motvacón Las ecuacones que se componen de una uncón desconocda de sus dervadas son llamadas ECUACIONES DIFERENCIALES ales ecuacones desempeñan un papel mportante en ngenería
Más detallesRegresión lineal en química analítica
Regresón lneal en uímca analítca Alejandro C. Olver Departamento de Químca Analítca, Facultad de Cencas Bouímcas y Farmacéutcas, Unversdad Naconal de Rosaro, Supacha 5, Rosaro (S00LRK), Argentna. E-mal:
Más detallesModelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.
Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detalles