Economía Aplicada. Causalidad y Experimentos Sociales. Departmento de Economía Universidad Carlos III de Madrid
|
|
- Julia Ruiz Vázquez
- hace 6 años
- Vistas:
Transcripción
1 Economía Aplicada Causalidad y Experimentos Sociales Departmento de Economía Universidad Carlos III de Madrid
2 Outline 1 Resultados Potenciales y Causalidad 2 Efectos del tratamiento 3 El Estimador de Diferencias El Estimador de Diferencias y ATE El Estimador de Diferencias en Medias y ATT 4 Exogeneidad 5 Ejemplo
3 Resultados Potenciales y Causalidad El problema básico En economía muchas veces estamos interesados en estudiar el efecto de una poliítica o un programa en cierta variable de interés El programa o política es lo que llamamos tratamiento La variable de interés es el resultado Nos interesa determinar el efecto causal del tratamiento en el resultado: el efecto del tratamiento Ejemplos de Tratamientos y Resultados: Hospitalización y Estado de Salud, Salario Mínimo y Horas de Trabajo, Entrenamiento y Empleo, Educación e Ingresos, Tamaño de la Clase y Nivel Educativo, Servicio Militar e Ingresos. Denir claramente tratamiento y resultados. 1 / 25
4 Resultados Potenciales y Causalidad Ejemplo Supongamos que el gobierno establece un programa de entrenamiento para desempleados de larga duración ¾Es razonable evaluar si la política fue exitosa mirando los niveles de desempleo de quienes recibieron entrenamiento una vez terminado el programa? Para quienes recibieron el entrenamiento observamos los efectos de participar, pero no observamos los efectos de no participar Para quienes no recibieron el entrenamiento no observamos los efectos de participar, sino que observamos los efectos de no participar 2 / 25
5 Resultados Potenciales y Causalidad Deniciones Resultados potenciales y 0 : resultado sin tratamiento (situación laboral no habiendo recibido entrenamiento, o estado de salud de un individuo que no fue al hospital) y 1 : resultado con tratamiento (situación laboral luego del entrenamiento, o estado de salud luego de ir al hospital) Nos gustaría conocer y 1 y 0 : el efecto del tratamiento para cada individuo, pero: un individuo no puede existir en ambos estados: los participantes no pueden ser simultáneamente no participantes! no observamos a la vez y 1 e y 0 3 / 25
6 Resultados Potenciales y Causalidad Más deniciones Participación { 1 si recibe tratamiento D = 0 si no recibe tratamiento Resultados observados { y = y 1 si D=1 y 0 si D=0 y = y 1 D + y 0 (1 D) 4 / 25
7 Efectos del tratamiento Efectos del tratamiento No es posible calcular el efecto causal individual: ningún individuo puede estar en dos estados de participación al mismo tiempo Sin embargo, es posible estimar El efecto medio del tratamiento esperado para un individuo tomado al azar de la población de participantes y no participantes (Efecto Promedio del Tratamiento o Average Treatment Eect: ATE) El efecto medio del tratamiento para el grupo de participantes (Efecto Promedio del Tratamiento en los Tratados o Average Eect of Treatment on the Treated: ATT) 5 / 25
8 Efectos del tratamiento Efecto Promedio del Tratamiento (ATE) α ATE = E[y 1 ] E[y 0 ]: efecto promedio en la población α ATE nos dice el efecto del programa para un individuo sacado al azar de la población puede interpretarse como efecto causal en el sentido de que es el mejor predictor del resultado del programa sin tener más información el verdadero efecto del programa para ciertos individuos puede en realidad ser muy diferente del efecto medio en la población 6 / 25
9 Efectos del tratamiento Efecto Promedio del Tratamiento en los Tratados (ATT) Efecto Promedio del Tratamiento en los Tratados α ATT = E[y 1 D = 1] E[y 0 D = 1] podemos querer conocer el efecto medio en aquellos individuos que recibieron el tratamiento (por ejemplo aquéllos que tomaron los cursos de entrenamiento) necesitamos conocer y en ausencia de tratamiento 7 / 25
10 El Estimador de Diferencias El Estimador de Diferencias Estimador de diferencias ˆd = Ê[y D = 1] Ê[y D = 0] donde: Ê[y D = 1] = 1 N1 Ê[y D = 0] = 1 N0 y i : Resultado medio de los tratados D=1 y i : Resultado medio de los no tratados D=0 ¾Resulta útil la simple comparación de promedios para tratados y no tratados? Por ejemplo comparar las tasas de desempleo promedio para entrenados y no entrenados, o el estado de salud promedio para hospitalizados y no hospitalizados. 8 / 25
11 El Estimador de Diferencias Propiedades Asintóticas Ley de Grandes Números plim(ˆd) = E[y D = 1] E[y D = 0] = d Teorema Central del Límite ) N 1 a 2 (ˆd d N(0, AsyVar) 9 / 25
12 El Estimador de Diferencias El Estimador de Diferencias y ATE ¾Es el Estimador de Diferencias un buen estimador de α ATE? ¾Bajo qué condiciones el estimador ˆd es un estimador consistente de α ATE? Intuición si las dos poblaciones, los tratados y los no tratados, son similares en términos de resultados, entonces la comparación de medias parece adecuada si los tratados son esencialmente diferentes de los no tratados en relación a los resultados, tendremos sesgo de selección por ejemplo, si los participantes en el programa de entrenamiento asisten porque son quienes más se beneciarán del programa, entonces ˆd probablemente sobreestimará los efectos positivos de los programas de entrenamiento 10 / 25
13 El Estimador de Diferencias El Estimador de Diferencias en Medias y ATT ¾Es el Estimador de Diferencias en Medias un buen estimador de α ATT? ¾Bajo qué condiciones ˆd es un estimador consistente de α ATT? Intuición si tratados y no tratados son similares en relación a los resultados en ausencia de tratamiento, entonces los resultados promedio de los no tratados serán una buena estimación del (inobservable) resultado promedio en los tratados en ausencia de tratamiento. sin embargo, si el tratamiento resulta de decisiones individuales, puede sueceder que individuos con bajo y 0 elijan el tratamiento con mayor probabilidad que aquellos individuos con alto y 0 (individuos con mala salud es más probable que se hospitalicen que individuos con buena salud). 11 / 25
14 El Estimador de Diferencias El Estimador de Diferencias en Medias y ATT d y α ATT d = E[y D = 1] E[y D = 0] = E[y 1 D = 1] + { E[y 0 D = 1] + E[y 0 D = 1]} E[y 0 D = 0] = {E[y 1 D = 1] E[y 0 D = 1]} + E[y 0 D = 1] E[y 0 D = 0] por lo tanto: d = α ATT + E[y 0 D = 1] E[y 0 D = 0] La diferencia observada en el resultado promedio entre tratados y no tratados (d) se compone de dos términos: el efecto del tratamiento en los tratados y un sesgo de selección. 12 / 25
15 El Estimador de Diferencias El Estimador de Diferencias en Medias y ATT d = α ATT + E[y0 D = 1] E[y0 D = 0] E[y 0 D = 1] = E[y 0 D = 0] plim(ˆd) = α ATT tratados y no tratados son similares en ausencia de tratamiento por ejemplo, implicaría que hospitalizados y no hospitalizados tienen estados de salud similares antes de ir al hospital E[y 0 D = 1] E[y 0 D = 0] plim(ˆd) α ATT esto sucede si tratados son diferentes respecto a y en ausencia de tratamiento por ejemplo, si las tasas de desempleo de los tratados son más altas sin tratamiento, ˆd probablemente subestimará los efectos positivos del programa en los tratados 13 / 25
16 El Estimador de Diferencias El Estimador de Diferencias en Medias y ATT Un Modelo Simple y 1 = E[y 1 ] + v 1 y 0 = E[y 0 ] + v 0 v 1 : ganancias personales de recibir tratamiento (desviación respecto a la media) v 0 : ganancias personales de no recibir tratamiento y 1 y 0 = E[y 1 ] E[y 0 ] + v 1 v 0 = α ATE + v 1 v 0 donde v 1 v 0 es la ganancia personal de recibir tratamiento 14 / 25
17 El Estimador de Diferencias El Estimador de Diferencias en Medias y ATT d y α ATT Condicionando la ecuación anterior para D = 1 obtenemos E[y 1 y 0 D = 1] = α ATE + E[v 1 v 0 D = 1] α ATT = α ATE + E[v 1 v 0 D = 1] Si los individuos pueden elegir si participar del tratamiento, es de esperar que las personas con expectativas de mayores ganancias participen más y por tanto E[v 1 v 0 D = 1] > 0 15 / 25
18 Exogeneidad Asignación Aleatoria (1/3) En un experimento controlado, el tratamiento es asignado aleatoriamente en la población En ese caso, y 1 e y 0 son independientes de la participación D E[y 1 D = 1] = E[y 1 D = 0] = E[y 1 ] E[y 0 D = 1] = E[y 0 D = 0] = E[y 0 ] Entonces, la simple diferencia de medias d d = E[y D = 1] E[y D = 0] = E[y 1 ] E[y 0 ] = α ATE un estimador consistente de α ATE es la diferencia entre los resultados promedio de tratados y no tratados: ȳ 1 ȳ 0 16 / 25
19 Exogeneidad Asignación Aleatoria (2/3) de manera similar puede probarse que d = α ATT Recordemos que: d = α ATT + E[y 0 D = 1] E[y 0 D = 0] Dado que con asignación aleatoria, E[y 0 D = 1] = E[y 0 D = 0] d = α ATT Por tanto, la asignación aleatoria elimina el sesgo de selección plim(ˆd) = d = α ATE = α ATT 17 / 25
20 Exogeneidad Asignación Aleatoria (3/3) Si la asignación es aleatoria, los individuos no eligen si reciben el tratamiento Parece entonces razonable pensar que E[v1 v0 D = 1] = 0 Por lo tanto de nuevo α ATE = α ATT 18 / 25
21 Exogeneidad Experimentos Aleatorios 1/2 denir la población de interés (elegible) necesitamos un contrafactual (grupo de comparación, no tratado, de control...), que nos indique qué hubiera pasado en ausencia del programa (o política o intervención) entonces, del grupo de individuos elegibles, podemos asignar aleatoriamente quienes participan en el programa (excluidos) los excluidos serán en promedio, un adecuado grupo de control para comparar con los participantes 19 / 25
22 Exogeneidad Experimentos Aleatorios 2/2 idealmente la única diferencia entre ambos grupos es la participación en el programa en esos casos podremos estimar d via MCO, sin necesidad de controlar por ninguna otra variable que no sea la del tratamiento ya que si encontramos resultados diferentes para ambos grupos, podemos suponer que las diferencias se deben al programa. Recordar el caso de un modelo con una variable articial D: Y = β 0 + β 1 D + u E(Y D = 0) = β 0 E(Y D = 1) = β 0 + β 1 20 / 25
23 Exogeneidad Un buen contrafactual 1/2 Queremos saber si ciertos insumos (fertilizantes) utilizados mejoran la producción. Podríamos comparar granjeros que utilizan fertilizantes con los que no. Entonces si encontramos que los primeros tienen mayor rendimiento, ¾Podemos concluir que el uso de fertilizantes incrementa la producción? ¾Son los grupos similares? ¾Son los granjeros que no usan fertilizantes un buen contrafactual? 21 / 25
24 Exogeneidad Un buen contrafactual 2/2 ¾Son los individuos que no participan del programa de entrenamiento un buen contrafactual? ¾Es el mismo individuo después del programa un buen contrafactual? Para saber el efecto del tamaño de la clase en el rendimiento escolar ¾Son los niños que acuden a colegios con clases de pocos alumnos por clase un buen contrafactual de los que acuden a colegios con muchos alumnos por clase? 22 / 25
25 Ejemplo Ejemplo - NSW 1/3 El programa NSW fue diseñado en los EEUU a mitad de los 70 para proveer entrenamiento a mujeres con problemas de empleo. El programa garantizaba 12 meses de empleo. Para ser elegibles las mujeres debían haber estado desempleadas al menos 3 de los últimos 6 meses, haber recibido ayuda de la seguridad social en los últimos 3 años y no tener niños menores de 6 años. Las mujeres que aplicaron al programa(todas elegibles), fueron asignadas aleatoriamente a un grupo de tratamiento o de control. Todas las mujeres que aplicaron, tratadas o no, fueron entrevistadas al inicio y después de implantado el programa cada nueve meses. 23 / 25
26 Ejemplo Ejemplo - NSW 2/3 La gura, tomada de Ham y LaLonde (1996) en Econometrica, muestra los efectos del programa. Gracias a la randomización, una simple comparación de medias en las tasas de empleo de ambos grupos fue suciente para estimar los efectos del programa. 24 / 25
27 Ejemplo Ejemplo - NSW 3/3 El archivo ex_nsw contiene información sobre el programa NSW. La variable treat es el indicador del tratamiento. La variable re78 representa los ingresos en 1978, nuestra variable de interés. Estime el efecto medio del tratamiento en los ingresos en Contrastar la hipótesis nula de que el efecto del tratamiento es cero. Tenemos información sobre la edad de las personas. ¾Qué esperaría observar si considerara la variable edad como resultado de interés y estimara el efecto del tratamiento en la edad? Contrastar la hipótesis nula de que el efecto del tratamiento es cero. 25 / 25
Economía Aplicada. ¾Es importante el tamaño de la clase? Un experimento controlado
Economía Aplicada ¾Es importante el tamaño de la clase? Un experimento controlado Basado en (1999), Experimental Estimates of Education Production Functions, QJE Outline 1 La Idea 2 Proyecto STAR Detalles
Más detallesAgro 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 detallesESTADÍSTICA. 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 detallesTeorema 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 detallesINTERPRETACIÓN 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 detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesEstadística 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 detallesEVALUACIÓN DE IMPACTO DEL PREESCOLAR EN EL RENDIMIENTO DEL PRIMER CICLO DE LA EDUCACIÓN ESCOLAR BÁSICA. Informe Preliminar
EVALUACIÓN DE IMPACTO DEL PREESCOLAR EN EL RENDIMIENTO DEL PRIMER CICLO DE LA EDUCACIÓN ESCOLAR BÁSICA Informe Preliminar Diciembre, 2009 Contenido Antecedentes La Muestra Datos utilizados Aspecto/Dimensiones
Más detallesb.- Realiza las comparaciones múltiples mediante los métodos LSD, Bonferroni y Tuckey.
Ejercicio 1: Se someten 24 muestras de agua a 4 tratamientos de descontaminación diferentes y asignados al azar. Para cada muestra se mide un indicador de la calidad del agua ( cuanto más alto es el indicador,
Más detallesMétodos de Pareo FN1. Fernanda Ruiz Nuñez Noviembre, 2006 Buenos Aires
Métodos de Pareo FN1 Fernanda Ruiz Nuñez Noviembre, 2006 Buenos Aires Slide 1 FN1 Fernanda Nunez, 11/17/2006 Asignación aleatoria vs. Selección en observables Supuesto bajo asignación aleatoria: Y (1),
Más detallesEJERCICIOS. Curso: Estadística. Profesores: Mauro Gutierrez Martinez Christiam Miguel Gonzales Chávez. Cecilia Milagros Rosas Meneses
EJERCICIOS Curso: Estadística Profesores: Mauro Gutierrez Martinez Christiam Miguel Gonzales Chávez. Cecilia Milagros Rosas Meneses 1. Un fabricante de detergente sostiene que los contenidos de las cajas
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
Más detallesTema 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 detallesEstimación del Probit Ordinal y del Logit Multinomial
Estimación del Probit Ordinal y del Logit Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 Introducción El
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesINFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesEstadística Convocatoria de Junio Facultad de Ciencias del Mar. Curso 2009/10 28/06/10
1. El Indice Climático Turístico (ICT), definido por Mieczkowski en 1985 es un índice que toma valores en una escala de 0 a 100 y tiene como objetivo valorar la calidad que ofrece el clima de una región
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesEl Algoritmo E-M. José Antonio Camarena Ibarrola
El Algoritmo E-M José Antonio Camarena Ibarrola Introducción Método para encontrar una estimación de máima verosimilitud para un parámetro ѳ de una distribución Ejemplo simple 24 Si tiene las temperaturas
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 12. Contraste de hipótesis. Introducción. Introducción
Curso de Estadística Aplicada a las Ciencias Sociales Tema 12. Contraste de (Cap. 22 del libro) Tema 12. Contraste de 1. Tipos de 2. La nula y la Ejercicios Tema 12, Contraste de 2 En muchas investigaciones
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detallesHoja de Ejercicios 4 Variables Instrumentales y MC2E. Modelos de ecuaciones simultáneas
Hoja de Ejercicios 4 Variables Instrumentales y MC2E. Modelos de ecuaciones simultáneas ECONOMETRÍA I. UC3M 1. [W 15.1] Considere un modelo simple para estimar el efecto de disponer de un ordenador personal
Más detallesTema 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 detallesBIOESTADISTICA ( ) Evaluación de pruebas diagnósticas. 1) Características del diseño en un estudio para evaluar pruebas diagnósticas.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Evaluación de pruebas diagnósticas CONCEPTOS CLAVE 1) Características del diseño en un estudio para evaluar pruebas
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesLa inflación, la inflación esperada y la tasa de paro: La curva de Phillips original y sus mutaciones
La inflación, la inflación esperada y la tasa de paro: La curva de Phillips original y sus mutaciones Macroeconomía II Licenciatura en ADE Prof. Ainhoa Herrarte Mayo de 2005 La inflación, la inflación
Más detallesFORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA
FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA TÍTULO DE LA PONENCIA: Efectos de Corto Plazo del uso de Computadoras en el Hogar Evidencia Experimental del Piloto OLPC en Casa AUTOR: Diether Beuermann,
Más detallesPRUEBA DE HIPÓTESIS DE UNA MUESTRA PARA PROPORCIONES J UA N J O S É H E R NÁ N D E Z O C A ÑA
PRUEBA DE HIPÓTESIS DE UNA MUESTRA PARA PROPORCIONES J UA N J O S É H E R NÁ N D E Z O C A ÑA PROPORCIONES n es una razón entre el número de éxitos y bservaciones re al número de éxitos y n al de, la proporción
Más detallesHoja de Ejercicios 4 Análisis de regresión con información cualitativa
Hoja de Ejercicios 4 Análisis de regresión con información cualitativa Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería
Más detallesCAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Más detalles3. 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 detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesTema 8. Las inversiones y su selección. La rentabilidad de las inversiones
Tema 8. Las inversiones y su selección. La rentabilidad de las inversiones - Tipos de inversiones - Variables fundamentales que definen un plan de inversión - Rentabilidad esperada y requerida. - Riesgo
Más detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
Más detallesProblemas de VC para EDVC elaborados por C. Mora, Tema 4
Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,
Más detallesEconometría Aplicada UCEMA Evaluación de Impacto Económico de Programas-Análisis básico de los efectos de tratamiento
Econometría Aplicada UCEMA Evaluación de Impacto Económico de Programas-Análisis básico de los efectos de tratamiento Introducción La metodología para el estudio de impacto económico trata de cuantificar
Más detallesTEMA 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 detallesPATRONES DE DISTRIBUCIÓN ESPACIAL
PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de
Más detallesECONOMETRÍA 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 detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más detallesMétodos 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 detallesIN INVESTIGACIÓN DE MERCADOS Diseño de la investigación Investigación causal. André Carboni Semestre primavera 2012
IN5625 - INVESTIGACIÓN DE MERCADOS Diseño de la investigación Investigación causal André Carboni Semestre primavera 2012 Estamos aquí Definición del problema Desarrollo del enfoque Formulación del diseño
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesPodemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para
VII. Pruebas de Hipótesis VII. Concepto de contraste de hipótesis Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detallesDeterminación 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 detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesVariables aleatorias continuas
Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un
Más detallesLa evaluación de las políticas de ciencia y tecnología
La evaluación de las políticas de ciencia y tecnología Andrés López (CENIT) Simposio Internacional "Políticas tecnológicas y desarrollo en América Latina CEPAL, Santiago de Chile, 6-7 de diciembre de 2007.
Más detallesProblemas Prueba de significación de la hipótesis nula Vicente Manzano-Arrondo, 2013
Problemas Prueba de significación de la hipótesis nula Vicente Manzano-Arrondo, 2013 Ejercicios resueltos En los dos casos que siguen resuelven cada decisión estadística mediante tres procedimientos: intervalo
Más detallesINFERENCIA 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 detallesDistribución Muestral.
Distribución Muestral jujo386@hotmail.com Uno de los objetivos de la Estadística es tratar de inferir el valor real de los parámetros de la población Por ejemplo Cómo podríamos asegurar que una empresa
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesEconometria 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 detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesTEST DE HIPÓTESIS. Ejemplo: vamos a analizar los resultados de 5 Servicios de Neonatología de una
TEST DE HIPÓTESIS Ejemplo: vamos a analizar los resultados de 5 Servicios de Neonatología de una provincia según un indicador: mortalidad de recién nacidos con peso 1.000 gr. Supongamos, como ejemplo,
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesAplicación 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 detallesUna Mirada a la Efectividad de los Profesores en Chile
Una Mirada a la Efectividad de los Profesores en Chile Bernardo Lara, Stanford University Alejandra Mizala, Universidad de Chile Andrea Repetto, Universidad Adolfo Ibáñez 15 de Junio, 2010 Rol esencial
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Probabilidad Conceptos como probabilidad, azar, aleatorio son tan viejos como la misma civilización. Y es que a diario utilizamos el concepto de probabilidad: Quizá llueva mañana
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesContrastes de hipótesis. 1: Ideas generales
Contrastes de hipótesis 1: Ideas generales 1 Inferencia Estadística paramétrica población Muestra de individuos Técnicas de muestreo X 1 X 2 X 3.. X n Inferencia Estadística: métodos y procedimientos que
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detalles1 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 detalles1. En 1958 A.W. Phillips publicó un artículo que dio justificación empírico a una parte importante de la economía keynesiana.
1 VII. La Curva de Phillips A. Cuál es? 1. En 1958 A.W. Phillips publicó un artículo que dio justificación empírico a una parte importante de la economía keynesiana. 2. El trabajo mostró una relación negativa
Más detallesMarzo 2012
Marzo 2012 http:///wpmu/gispud/ Para determinar la carga transferida a través del tiempo a un elemento, es posible hacerlo de varias formas: 1. Utilizando la ecuación de carga, evaluando en los tiempos
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesPruebas de Hipótesis H0 : μ = 6 H1 : μ 6 α = 0.05 zα/2 = 1.96 (6-1,96 0,4 ; 6+1,96 0,4) = (5,22 ; 6,78) 5,6 Aceptamos la hipótesis nula H 0 2.
Pruebas de Hipótesis 1. Se sabe que la desviación típica de las notas de cierto examen de Matemáticas es,4. Para una muestra de 6 estudiantes se obtuvo una nota media de 5,6. Sirven estos datos para confirmar
Más detallesInferencia causal y métodos quasi-experimentales
Inferencia causal y métodos quasi-experimentales DAVID EVANS BANCO MUNDIAL iegovern Impact Evaluation Workshop Istanbul, Turkey January 27-30, 2015 : #iegovern Esta presentación adapta varios diapositivas
Más detallesINSTITUCIÓN UNIVERSITARIA ESUMER
INSTITUCIÓN UNIVERSITARIA ESUMER UNIDAD DE ESTUDIOS EMPRESARIALES Y DE MERCADEO ESPECIALIZACIÓN GERENCIA DE PROYECTOS MÓDULO NO 2 EVALUACIÓN FINANCIERA DEL PROYECTO GUÍAS DEL CURSO - CLASE NO 3 OBJETIVOS
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesECONOMÍA Y POLITICAS TURISTICAS Unidad VII: EL CRECIMIENTO ECONOMICO Y EL DESARROLLO
ECONOMÍA Y POLITICAS TURISTICAS Unidad VII: EL CRECIMIENTO ECONOMICO Y EL DESARROLLO Prof.: Lic. Eliana Arcoraci El crecimiento económico está vinculado con el análisis de largo plazo de una economía;
Más detallesEL CHILE QUE VIENE: EMPLEO Y TRABAJO DE LA MUJER
SEMINARIO EXPANSIVA EL CHILE QUE VIENE: EMPLEO Y TRABAJO DE LA MUJER Pilar Romaguera Centro de Economía Aplicada (CEA) Universidad de Chile Santiago, 1 de Septiembre 2005 CHILE: UN MERCADO LABORAL EN TRANSICIÓN
Más detallesJ. Ignacio García Pérez Curso 2011-2012 EVALUACIÓN MICROECONOMÉTRICA DE POLÍTICAS PÚBLICAS
EVALUACIÓN MICROECONOMÉTRICA DE POLÍTICAS PÚBLICAS J. IGNACIO GARCÍA PÉREZ U. Pablo de Olavide CURSO 2011-2012 INDICE DEL CURSO 1. Descripción del problema de evaluación causal 2. Estudios experimentales
Más detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesPrueba de hipótesis Por Tevni Grajales
Prueba de hipótesis Por Tevni Grajales Antes de entrar en el tema de esta sección, quisiera que me permitieran hacer un breve repaso de algunas de las cosas que hemos considerado en temas anteriores, como
Más detallesExamen 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 detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 4, Opción B Reserva 1, Ejercicio 4, Opción B Reserva, Ejercicio
Más detallesCómo llevar a cabo un trabajo empírico
Cómo llevar a cabo un trabajo empírico p. Cómo llevar a cabo un trabajo empírico Plantear una pregunta Revisar la literatura existente Recopilación de los datos Análisis econométrico Redactar los resultados
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesGRÁFICOS DE CONTROL. Datos tipo atributo
GRÁFICOS DE CONTROL Datos tipo atributo SELECCIÓN DE LOS GRÁFICOS DE CONTROL Total GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Por unidad Los gráficos p, 100p y u difieren de los gráficos
Más detallesEsta proposición recibe el nombre de hipótesis
Pruebas de hipótesis tesis. Refs: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua, Apuntes de Estadística, Dr. Pedro Juan Rodríguez Esquerdo, Departamento de Matemáticas,
Más detalles