EVOLUCIÓN DE DOS ÍNDICES BURSÁTILES Y DEL PRECIO DEL PETÓLEO EN ECONOMÍAS ABIERTAS EN CICLOS DE EXPANSIÓN-CRISIS EN EL PERÍODO 2003:1-2010:5.

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "EVOLUCIÓN DE DOS ÍNDICES BURSÁTILES Y DEL PRECIO DEL PETÓLEO EN ECONOMÍAS ABIERTAS EN CICLOS DE EXPANSIÓN-CRISIS EN EL PERÍODO 2003:1-2010:5."

Transcripción

1 EVOLUCIÓN DE DOS ÍNDICES BURSÁTILES Y DEL PRECIO DEL PETÓLEO EN ECONOMÍAS ABIERTAS EN CICLOS DE EXPANSIÓN-CRISIS EN EL PERÍODO 2003:1-2010:5. En este trabajo realizo un estudio entre las variables, con datos mensuales, de los índices bursátiles en dos países de distintos continentes, el IBEX 35 y el DOW JONES, de España y EE.UU. respectivamente. También, trato de verificar la teoría económica de que en los mercados de valores existe información perfecta a nivel mundial debido a la globalización, al considerarse muy sensibles a las noticias y las crisis, como la inmobiliaria que se inició en EE.UU. a principios del 2007 y luego al crisis financiera, un año y medio más tarde. Esta última se extendió por todo el planeta en cuestión de horas, desatando el pánico vendedor de mercado en mercado durante varios meses. También se estudia la evolución del precio del petróleo (barril Brent en $ USA) en relación a estos índices. Un buen termómetro para analizar los ciclos de la economía, pueden ser los índices bursátiles y el precio del petróleo. Si en los índices bursátiles, se reflejan por anticipado los resultados y expectativas de las empresas; en el precio del petróleo representa la demanda esperada de energía de las empresas para la producción de bienes y servicios. En este trabajo, se trata de verificar la hipótesis de la interconexión entre los mercados, con las correlaciones entre los dos índices bursátiles, como ya antes he dicho, y el precio del petróleo. En el trabajo, en el modelo uniecuacional, analizo el índice bursátil ibex35, como variable dependiente o endógena, con respecto al Dow Jones, como variable independiente o exógena. En el modelo multiecuacional simultáneo, serán el ibex35 como dependiente, y el Dow Jones y precio del barril Brent como independientes e instrumentales. Para finalizar, en el modelo de series de tiempo, contrasto la cointegración entre el ibex35 y Dow Jones para comprobar si existe equilibrio a largo plazo. Empiezo analizando la correlación entre el IBEX35 con respecto al DOW JONES desde enero de 2003, hasta mayo de 2010 con datos originales de la TABLA1. Según el modelo MCO: I = α + βd + vt Donde: I = Ibex35 y D = dow_j

2 TABLA 1 obs IBEX35 DOW_J obs IBEX35 DOW_J 2003M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M

3 2006M M M M FIGURA 1 IBEX35 con respecto a DOW_J (con ajuste mínimo-cuadrático) Y = -5,34e ,49X IBEX DOW_J En la figura 1 se aprecia la pendiente positiva del ibex35 en función del Dow Jones, confirmando inicialmente que mercados están internacionalizados. Cuando sube el Dow Jones, también lo hace el ibex35. En el cuadro 1 el coeficiente de determinación, = 0,75 lo cual nos dice que el 75% de la evolución del ibex35, estaría explicada por Dow Jones. El coeficiente de correlación es R = 0,86. El estadístico t-student es de 16,5, nos indica que se rechaza H(0):β=0 a cualquier nivel, Siendo significativo el contraste individual de /s.

4 CUADRO 1 Modelo 8: estimaciones MCO utilizando las 89 observaciones 2003: :05 Variable dependiente: IBEX35 Variable Coeficiente Desv. típica Estadístico t valor p const -5338,28 970,662-5,4996 <0,00001 *** DOW_J 1, , ,5016 <0,00001 *** Media de la var. dependiente = 10508,4 Desviación típica de la var. dependiente. = 2694,78 Suma de cuadrados de los residuos = 1,54735e+008 Desviación típica de los residuos = 1333,63 R 2 = 0, R 2 corregido = 0, Grados de libertad = 87 Estadístico de Durbin-Watson = 0, Coef. de autocorr. de primer orden. = 0, Log-verosimilitud = -765,688 Criterio de información de Akaike = 1535,38 Criterio de información Bayesiano de Schwarz = 1540,35 Criterio de Hannan-Quinn = 1537,38 Existe un problema, ya que el estadístico D-W es de tan solo 0,09 lo que implica existencia de autocorrelación. Para solucionar este problema, añadimos primeras diferencias a las variables.

5 FIGURA2 d_ibex35 con respecto a d_dow_j (con ajuste mínimo-cuadrático) 1500 Y = 17,7 + 1,06X d_ibex d_dow_j CUADRO 2 Modelo 2: estimaciones MCO utilizando las 88 observaciones 2003: :05 Variable dependiente: d_ibex35 Variable Coeficiente Desv. típica Estadístico t valor p const 17, ,0821 0,4522 0,65223 d_dow_j 1, , ,9133 <0,00001 *** Media de la var. dependiente = 49,7227 Desviación típica de la var. dependiente. = 561,324 Suma de cuadrados de los residuos = 1,14942e+007 Desviación típica de los residuos = 365,586 R 2 = 0, R 2 corregido = 0, Grados de libertad = 86 Estadístico de Durbin-Watson = 1,85482 Coef. de autocorr. de primer orden. = 0, Log-verosimilitud = -643,187 Criterio de información de Akaike = 1290,37 Criterio de información Bayesiano de Schwarz = 1295,33 Criterio de Hannan-Quinn = 1292,37

6 En la figura 2, vemos cómo ahora la pendiente es más plana. En el cuadro 2 se aprecia el estadístico D-W es de 1,85 lo cual supone la ausencia de autocorrelación, ya que está fuera los valores de indeterminación (1,61, 1,70). El estadístico t-student, sigue siendo alto, 10, 91 si bien el = 0,58 es notablemente más bajo. Ahora, el coeficiente de determinación, = 0,58 lo cual nos dice que el 58 % de la evolución del ibex, estaría explicada por Dow Jones. El coeficiente de correlación R = 0,76. También el estadístico t-student es de 10,91, por lo tanto, se rechaza H(0):β=0, es decir, dow-jones influye sobre el ibex35. El modelo queda con la siguiente ecuación: I = 17, ,05736 D + vt La conclusión en este modelo MCO es que los mercados parece ser que están internacionalizados, y que existe información perfecta en los mercados de valores. En este apartado, ahora analizo un modelo de ecuaciones simultánea por MC2E, donde se va a contrastar la relación del ibex35 entre el Dow Jones y el precio del petróleo del barril Brent en primeras diferencias de las variables. TABLA2. El modelo de a estimar es el siguiente: I = a1p + a2d + ut P = b1i + b2d + vt Matricialmente: I = α11p + β11d+µt I = α21p + β21d+µt Donde: I = ibex35 P = p_oil D = dow_j

7 TABLA 2 obs d_ibex35 d_dow_j d_p_oil obs d_ibex35 d_dow_j d_p_oil 2003M01 NA NA NA 2006M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M M

8 2006M M M M M M CUADRO 3 Modelo 12: estimaciones MC2E utilizando las 88 observaciones 2003: :05 Variable dependiente: d_ibex35 Instrumentos: ninguno Variable Coeficiente Desv. típica Estadístico t valor p const 14, ,8573 0,3608 0,71822 d_dow_j 1, , ,4706 <0,00001 *** d_p_oil 7, , ,5263 0,12693 Media de la var. dependiente = 49,7227 Desviación típica de la var. dependiente. = 561,324 Suma de cuadrados de los residuos = 1,11876e+007 Desviación típica de los residuos = 362,793 Estadístico F (2, 85) = 61,6355 (valor p < 0,00001) Estadístico de Durbin-Watson = 1,80122 Coef. de autocorr. de primer orden. = 0, Criterio de información de Akaike = 1290 Criterio de información Bayesiano de Schwarz = 1297,43 Criterio de Hannan-Quinn = 1292,99 Analizando el CUADRO 3 vemos que el estadístico t-student solo es significativo en el caso del Dow Jones, al igual que en el anterior modelo de MCO. Caso contrario es el precio del petróleo, en el que se acepta la hipótesis nula H(0):β=0, ya que el valor empírico es 1,53 < 2,35 valor crítico para el 95%, así que no es significativo el p_oil sobre el ibex35. La F de Snedekor para la signicatividad conjunta de la regresión, con un valor de 61,6, se rechaza la hipótesis nula H(0):β=β =0, por lo que se determina, que la regresión conjunta es relevante. El estadístico D-W = 1,80 verifica ausencia de autocorrelación, al estar fuera del intervalo de indeterminación (1,59; 1,73). Paso ahora al otro modelo, que es el análisis de series temporales, el modelo de cointegración. En la figura 3 se pueden ver la evolución del ibex35 y el Dow Jones desde 2003 donde se ve con claridad que no son estacionarias, ya que se aprecian los ciclos. La recuperación desde la crisis del 2003, hasta la crisis actual.

9 En la figura 4 se observa al aplicar primeras diferencias, donde pueden ya resultar estacionarias. FIGURA IBEX35 DOW_J

10 FIGURA d_ibex35 d_dow_j CUADRO 4 Modelo 1: estimaciones MCO utilizando las 86 observaciones 2003: :05 Variable dependiente: d_d_ibex35 Variable Coeficiente Desv. típica Estadístico t valor p const 40, ,2296 0,6807 0,49798 d_ibex35_1-0, , ,2020 <0,00001 *** d_d_ibex35_1 0, , ,9640 0,33783 Media de la var. dependiente = -6,51744 Desviación típica de la var. dependiente. = 696,9 Suma de cuadrados de los residuos = 2,55088e+007 Desviación típica de los residuos = 554,378 R 2 = 0, R 2 corregido = 0, Estadístico F (2, 83) = 25,6612 (valor p < 0,00001) Estadístico de Durbin-Watson = 1,97026 Coef. de autocorr. de primer orden. = 0, Log-verosimilitud = -663,837 Criterio de información de Akaike = 1333,67 Criterio de información Bayesiano de Schwarz = 1341,04 Criterio de Hannan-Quinn = 1336,64

11 CUADRO 5 Modelo 4: estimaciones MCO utilizando las 86 observaciones 2003: :05 Variable dependiente: d_d_dow_j Variable Coeficiente Desv. típica Estadístico t valor p const 29, ,7593 0,6995 0,48622 d_dow_j_1-0, , ,3439 <0,00001 *** d_d_dow_j_1 0, , ,2103 0,22959 Media de la var. dependiente = 3,67198 Desviación típica de la var. dependiente. = 497,207 Suma de cuadrados de los residuos = 1,29484e+007 Desviación típica de los residuos = 394,975 R 2 = 0, R 2 corregido = 0, Estadístico F (2, 83) = 25,8478 (valor p < 0,00001) Estadístico de Durbin-Watson = 1,94574 Coef. de autocorr. de primer orden. = 0, Log-verosimilitud = -634,681 Criterio de información de Akaike = 1275,36 Criterio de información Bayesiano de Schwarz = 1282,72 Criterio de Hannan-Quinn = 1278,32 Contrastamos ahora la estacionaridad de las dos series donde, arriba, en el cuadro 4 puede verse los estadísticos t = -6,20 cayendo a la izquierda del valor crítico τ, por lo tanto se rechaza la hipótesis nula H(0):δ=0, aceptándose la hipótesis alternativa, H(1):δ<0, por lo tanto el ibex35 es estacionario, integrado de orden 1. I(1). La otra variable, también, en el cuadro 5, puede verse cómo el estadístico t = -6,34, cayendo también a la izquierda del valor crítico τ, por lo tanto, se rechaza la hipótesis nula H(0):δ=0, aceptándose la hipótesis alternativa, H(1):δ<0, con lo que el dow jones, también es estacionario de orden 1.

12 CUADRO 6 Modelo 3: estimaciones MCO utilizando las 86 observaciones 2003: :05 Variable dependiente: d_d_rs1 Variable Coeficiente Desv. típica Estadístico t valor p const -1, ,1117-0,0422 0,96646 d_rs1_1-1, , ,7215 <0,00001 *** d_d_rs1_1 0, , ,6904 0,49190 Media de la var. dependiente = -11,9891 Desviación típica de la var. dependiente. = 560,307 Suma de cuadrados de los residuos = 1,38582e+007 Desviación típica de los residuos = 408,615 R 2 = 0,48068 R 2 corregido = 0, Estadístico F (2, 83) = 38,4122 (valor p < 0,00001) Estadístico de Durbin-Watson = 1,92454 Coef. de autocorr. de primer orden. = 0, Log-verosimilitud = -637,6 Criterio de información de Akaike = 1281,2 Criterio de información Bayesiano de Schwarz = 1288,56 Criterio de Hannan-Quinn = 1284,16 En el cuadro 6 también se aprecia que las discrepancias de la regresión, también son estacionarias, integradas de orden 1. I(1), ya que el estadístico t-student = -6,72 quedando también a la izquierda del valor crítico. se rechaza la hipótesis nula de raíces unitarias, H(0):δ=0 aceptándose la hipótesis alternativa, H(1):δ<0 La conclusión, es que el modelo es válido y el ibex35 y el Dow Jones están cointegradas, confirmando el equilibrio a largo plazo; si bien es cierto que este modelo está sujeto a criticismos, por considerarse un modelo en el que se basa en los valores empíricos, y no está sujeto a teoría económica alguna. Se analiza ahora el ibex35 a través del modelo ARIMA.

13 CUADRO 7 Función de autocorrelación para IBEX35 RETARDO FAC FACP Estad-Q. [valor p] 1 0,9628 *** 0,9628 *** 85,3191 [0,000] 2 0,9146 *** -0, ,1880 [0,000] 3 0,8678 *** 0, ,1024 [0,000] 4 0,8203 *** -0, ,2150 [0,000] 5 0,7660 *** -0, ,7924 [0,000] 6 0,7072 *** -0, ,5934 [0,000] 7 0,6543 *** 0, ,8804 [0,000] 8 0,5990 *** -0, ,7501 [0,000] 9 0,5438 *** -0, ,6877 [0,000] 10 0,4871 *** -0, ,0088 [0,000] 11 0,4403 *** 0, ,1411 [0,000] 12 0,3935 *** -0, ,4274 [0,000] 13 0,3467 *** -0, ,2402 [0,000] 14 0,3013 *** -0, ,0438 [0,000] 15 0,2599 ** 0, ,4347 [0,000] 16 0,2173 ** -0, ,6734 [0,000] 17 0,1753 * 0, ,1283 [0,000] FIGURA6 FAC de IBEX ,96/T^0, retardo FACP de IBEX ,96/T^0, retardo

14 CUADRO 8 Modelo 5: estimaciones ARMA utilizando las 89 observaciones 2003: :05 Variable dependiente: IBEX35 Variable Coeficiente Desv. típica Estadístico t valor p const 11847,1 534,418 22,1683 <0,00001 *** phi_1 0, , ,8906 <0,00001 *** theta_1 0, , ,6283 0,00858 *** Media de la var. dependiente = 10508,4 Desviación típica de la var. dependiente. = 2694,78 media de las innovaciones = -48,1201 Varianza de las innovaciones = Log-verosimilitud = -687,948 Criterio de información de Akaike = 1383,9 Criterio de información Bayesiano de Schwarz = 1393,85 Criterio de Hannan-Quinn = 1387,91 CUADRO 9 Función de autocorrelación de los residuos RETARDO FAC FACP Estad-Q. [valor p] 1 0,0109 0,0109 0,0110 [0,916] 2-0,0047-0,0048 0,0131 [0,993] 3-0,0065-0,0064 0,0171 [0,999] 4 0,0566 0,0567 0,3222 [0,988] 5 0,0531 0,0520 0,5943 [0,988] 6-0,0909-0,0921 1,4014 [0,966] 7 0,0564 0,0605 1,7155 [0,974] 8-0,0169-0,0219 1,7439 [0,988] 9 0,0575 0,0520 2,0780 [0,990] 10-0,1315-0,1279 3,8495 [0,954] 11 0,0296 0,0407 3,9405 [0,972] 12-0,0166-0,0339 3,9696 [0,984] 13-0,0112-0,0022 3,9828 [0,991] 14-0,0435-0,0461 4,1871 [0,994] 15 0,0288 0,0579 4,2781 [0,997] 16 0,0176-0,0199 4,3124 [0,998] 17-0,0750-0,0477 4,9458 [0,998] El correlograma de la figura 6, se asemeja a un AR(1). En el cuadro 8, se aprecian que los parámetros son significativos al 95% Apreciamos que en el cuadro 9 y en la figura 7, de la autocorrelación de las discrepancias, ninguno es significativamente distinto de cero, por lo que se considera ajustado el modelo.

15 FIGURA 7 FAC de los residuos ,96/T^0, retardo FACP de los residuos ,96/T^0, retardo

16 CONCLUSIONES - En este trabajo se puede aceptar lo siguiente: que hay información perfecta en los mercados de valores al considerar que existe correlación por MCO entre el ibex35 y el Dow Jones; que además están cointegrados según el modelo analizado. - Con el precio del petróleo no se puede decir lo mismo, al no existir correlación con el mercado de valores, lo cual resulta lógico; ya que existen países de otros continentes con gran demanda de petróleo que no se ven afectados por esta crisis. Por otro lado, estarían los especuladores negociando con los futuros sobre petróleo, las intervenciones de la OPEP, etc. Es decir, pertenece a otro mercado. NOTAS Los datos han sido recopilados de Internet, y van desde enero del 2003 hasta mayo de 2010; datos mensuales. RECOPILACIÓN FUENTES: para el precio del petróleo. 0&g=m para el ibex35 &g=m para el Dow Jones.

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelación con ARMA

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelación con ARMA ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelación con ARMA Método Box-Jenkins: Un libro que ha tenido una gran influencia es el de Box y Jenkins (1976): Time Series Analysis: Forecasting and

Más detalles

TEMA 4: Variables binarias

TEMA 4: Variables binarias TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables

Más detalles

MODELO ECONOMETRICO DE VENTA DE CAMIONETAS

MODELO ECONOMETRICO DE VENTA DE CAMIONETAS MODELO ECONOMETRICO DE VENTA DE CAMIONETAS Nombre: Evelyn Neira Cinthya Toledo Macarena Candia Fecha: 10 de Mayo 2012 Asignatura: Econometría Profesor: Pablo Quezada Introducción El mercado de vehículos

Más detalles

Series de Tiempo. Una Introducción

Series de Tiempo. Una Introducción Series de Tiempo. Una Introducción Series de Tiempo Muchas veces, sobretodo para realizar pronósticos, resulta conveniente no suponer un modelo explícito para que explique la variables de interés, sino

Más detalles

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

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

Más detalles

ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES

ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES El objetivo de este documento es ilustrar matemáticamente, y con un caso concreto, el problema de la identificación en

Más detalles

3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO

3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO Análisis estadístico 31 3. ANÁLII ETADÍTICO DE LA PRECIPITACIONE EN EL MAR CAPIO 3.1. ANÁLII Y MÉTODO ETADÍTICO UTILIZADO 3.1.1. Introducción Una vez analizado el balance de masas que afecta al mar Caspio

Más detalles

Aula Banca Privada. La importancia de la diversificación

Aula Banca Privada. La importancia de la diversificación Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual

Más detalles

GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias

GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 2011/12 GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias Bibliografía apartados : Greene, 8.2 A.F.Gallastegui:

Más detalles

- se puede formular de la siguiente forma:

- se puede formular de la siguiente forma: Multicolinealidad 1 Planteamiento Una de las hipótesis del modelo de regresión lineal múltiple establece que no existe relación lineal exacta entre los regresores, o, en otras palabras, establece que no

Más detalles

Métodos y Modelos Cuantitativos para la toma de Decisiones

Métodos y Modelos Cuantitativos para la toma de Decisiones Métodos y Modelos Cuantitativos para la toma de Decisiones David Giuliodori Universidad Empresarial Siglo 21 David Giuliodori (UE-Siglo 21) MMC 1 / 98 Índice: 1 Conceptos Generales 2 Enfoque Clásico Tendencia

Más detalles

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID ECONOMETRIA PRIMER PARCIAL 17 DE ENERO DE 2008 1.- A) La transformación estacionaria es SOLUCIONES

Más detalles

Grado en Finanzas y Contabilidad

Grado en Finanzas y Contabilidad Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 5.2 Estimadores de Variables Instrumentales La endogeneidad aparece

Más detalles

TIPO DE CAMBIO, TIPOS DE INTERES Y MOVIMIENTOS DE CAPITAL

TIPO DE CAMBIO, TIPOS DE INTERES Y MOVIMIENTOS DE CAPITAL TIPO DE CAMBIO, TIPOS DE INTERES Y MOVIMIENTOS DE CAPITAL En esta breve nota se intentan analizar las relaciones existentes en el sector español entre tipo de cambio, tasa de inflación y tipos de interés,

Más detalles

Empresarial y Financiero

Empresarial y Financiero Curso de Excel Empresarial y Financiero SESIÓN : REGRESIÓN Rosa Rodríguez Relación con el Mercado Descargue de yahoo.com los Datos de precio ajustado de cierre de las acciones de General Electric (GE),

Más detalles

Problemas de Probabilidad resueltos.

Problemas de Probabilidad resueltos. Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

Autor: M. en C. Miguel Ángel Martínez García

Autor: M. en C. Miguel Ángel Martínez García Instituto Politécnico Nacional Escuela Superior de Economía Sección de Estudios de Posgrado e Investigación Análisis de la Balanza Comercial a través de la función de exportaciones y la función de importaciones

Más detalles

Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos

Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos Test de hipótesis t de Student Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos HOMA Casos Válidos Perdidos Total N Porcentaje N Porcentaje

Más detalles

Econometría de Económicas

Econometría de Económicas Econometría de Económicas Apuntes para el tema 6 Curso 2004-2005 Profesoras Amparo Sancho Guadalupe Serrano Modelos de panel de datos Datos de Panel son aquellos que surgen de la observación de una misma

Más detalles

REGRESION simple. Correlación Lineal:

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

Más detalles

Procesos de Media Móvil y ARMA

Procesos de Media Móvil y ARMA Capítulo 4 Procesos de Media Móvil y ARMA Los procesos AR no pueden representar series de memoria muy corta, donde el valor actual de la serie sólo está correlado con un número pequeño de valores anteriores

Más detalles

Aplicaciones de Estadística Descriptiva

Aplicaciones de Estadística Descriptiva Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos

Más detalles

Estacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ

Estacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ Estacionalidad Qué es la estacionalidad? La estacionalidad es una componente que se presenta en series de frecuencia inferior a la anual (mensual, trimestral,...), y supone oscilaciones a corto plazo de

Más detalles

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

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

Más detalles

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

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

Más detalles

Instrucciones básicas de gretl

Instrucciones básicas de gretl 1 Instrucciones básicas de gretl En las prácticas de ordenador el objetivo es aprender el manejo de un software libre especialmente indicado y creado para el aprendizaje de la Econometría. Es un software

Más detalles

ANÁLISIS DEL MERCADO DE VALORES (3º GADE)

ANÁLISIS DEL MERCADO DE VALORES (3º GADE) ANÁLISIS DEL MERCADO DE VALORES (3º GADE) PARTE II: TEORÍAS Y TÉCNICAS DE EVALUACIÓN DE INVERSIONES. TEMA 7: ANÁLISIS TÉCNICO DE TÍTULOS DE RENTA VARIABLE ÍNDICE DE CONTENIDOS 7.1.- Tipos de gráficos 7.2.-

Más detalles

CAPÍTULO 4 ESTUDIO DE MERCADO. en el mercado. Por medio de la ley de la demanda, se determina que al subir el precio de un

CAPÍTULO 4 ESTUDIO DE MERCADO. en el mercado. Por medio de la ley de la demanda, se determina que al subir el precio de un CAPÍTULO 4 ESTUDIO DE MERCADO 4.1. DEMANDA DEL PROYECTO La demanda es la cantidad de bienes o servicios que los compradores intentan adquirir en el mercado. Por medio de la ley de la demanda, se determina

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

La demanda de plazas en la licenciatura de Medicina en España

La demanda de plazas en la licenciatura de Medicina en España La demanda de plazas en la licenciatura de Medicina en España Estudio econométrico por Comunidades Autónomas de la demanda de plazas en las facultades de Medicina españolas para el curso 2006/2007 Asignatura:

Más detalles

Capítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal

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

Más detalles

Resultados del tercer trimestre del 2015

Resultados del tercer trimestre del 2015 Resultados del tercer trimestre del 2015 INDICADOR DE CONFIANZA DEL SECTOR DE LA HOSTELERÍA ESPAÑOLA UNIVERSIDAD NEBRIJA - FEHR Justificación y objetivos La hostelería es un importante sector para la economía

Más detalles

UNIVERSIDAD AUTÓNOMA DE MADRID DPTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I HOJA 2. Problemas

UNIVERSIDAD AUTÓNOMA DE MADRID DPTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I HOJA 2. Problemas UNIVERSIDAD AUTÓNOMA DE MADRID DPTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I HOJA 2 Problemas 1. Supongamos que se dispone de una muestra de n = 5 individuos, con la que se quiere estudiar

Más detalles

Precio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales.

Precio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales. Series Temporales Introducción Una serie temporal se define como una colección de observaciones de una variable recogidas secuencialmente en el tiempo. Estas observaciones se suelen recoger en instantes

Más detalles

NT8. El Valor en Riesgo (VaR)

NT8. El Valor en Riesgo (VaR) NT8. El Valor en Riesgo (VaR) Introducción VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la división RiskMetric de JP Morgan en 1994. es una manera de medir el riesgo

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

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

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

Más detalles

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

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

Más detalles

Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales

Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:

Más detalles

Curso de Forex-Análisis Técnico Básico- 1

Curso de Forex-Análisis Técnico Básico- 1 1 Introducción Hola y bienvenidos al Análisis Técnico Básico, en esta etapa vamos a aprender lo siguiente: Conceptos Básicos del Análisis Técnico Gráficos y Escalas Períodos de Tiempo Soportes y resistencias

Más detalles

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

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

Más detalles

Modelos vectoriales autoregresivos (VAR)

Modelos vectoriales autoregresivos (VAR) Modelos vectoriales autoregresivos (VAR) Alfonso Novales Universidad Complutense Noviembre 24 Preliminary version No citar sin permiso del autor @Copyright A.Novales 24 Contents Modelos VAR 2. Un modelo

Más detalles

3. Métodos para la evaluación de proyectos

3. Métodos para la evaluación de proyectos Objetivo general de la asignatura: El alumno analizará las técnicas de evaluación de proyectos de inversión para la utilización óptima de los recursos financieros; así como aplicar las técnicas que le

Más detalles

ANALISIS DE UN FONDO DE INVERSION MEDIANTE LA REGRESION Y LA GENERACION DE NUMEROS ALEATORIOS

ANALISIS DE UN FONDO DE INVERSION MEDIANTE LA REGRESION Y LA GENERACION DE NUMEROS ALEATORIOS V JORNADAS ASEPUMA ANALISIS DE UN FONDO DE INVERSION MEDIANTE LA REGRESION Y LA GENERACION DE NUMEROS ALEATORIOS Rodriguez Aviles, Rafael 1 1. Introducción El origen de esta comunicación está en una entrevista

Más detalles

CONTADORES A CERO!!!

CONTADORES A CERO!!! www.onda4.com CONTADORES A CERO!!! Buenos días! sábado, 01 de septiembre de 2012 Es 1 de septiembre. Comienza el curso 2012-2013. Es el punto de partida de las estadísticas que veremos dentro de un año.

Más detalles

ACCIONES Y OTROS TÍTULOS DE INVERSIÓN

ACCIONES Y OTROS TÍTULOS DE INVERSIÓN ACCIONES Y OTROS TÍTULOS DE INVERSIÓN TASAS EFECTIVAS DE RENDIMIENTO ANUAL Y MENSUAL: Es aquélla que se emplea en la compraventa de algunos valores en el Mercado Bursátil o Bolsa de Valores. Estas tasas

Más detalles

LA DESLOCALIZACIÓN INDUSTRIAL EN EUROPA EL FENÓMENO DEL OFFSHORING A ANÁLISIS INTRODUCCIÓN INTRODUCCIÓN

LA DESLOCALIZACIÓN INDUSTRIAL EN EUROPA EL FENÓMENO DEL OFFSHORING A ANÁLISIS INTRODUCCIÓN INTRODUCCIÓN LA 13 I. En los últimos años, la reestructuración industrial por la que atraviesa la industria europea se ha venido considerando uno de los principales desarrollos económicos de las últimas décadas. En

Más detalles

Capítulo 8. Tipos de interés reales. 8.1. Introducción

Capítulo 8. Tipos de interés reales. 8.1. Introducción Capítulo 8 Tipos de interés reales 8.1. Introducción A lo largo de los capítulos 5 y 7 se ha analizado el tipo de interés en términos nominales para distintos vencimientos, aunque se ha desarrollado más

Más detalles

SOLUCION EXAMEN PRIMERA PARTE (4 PUNTOS)

SOLUCION EXAMEN PRIMERA PARTE (4 PUNTOS) SOLUCION EXAMEN PRIMERA PARTE (4 PUNTOS) 1. El PIB de un país en el año t, se elevó a 100 u.m., evaluado a precios de ese año. En el año t+1, el PIB del mismo país ascendió a 150 u.m., valorado a precios

Más detalles

Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias

Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía

Más detalles

UNIVERSIDAD AUTÓNOMA DE MADRID DEPARTAMENTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I. Hoja de Problemas 3 Problemas

UNIVERSIDAD AUTÓNOMA DE MADRID DEPARTAMENTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I. Hoja de Problemas 3 Problemas UNIVERSIDAD AUTÓNOMA DE MADRID DEPARTAMENTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I Hoja de Problemas 3 Problemas 1. Considera el modelo de regresión con un solo regresor Y i = 0 + 1 X i

Más detalles

La evolución del suelo según su demanda

La evolución del suelo según su demanda Universidad de Salamanca La evolución del suelo según su demanda Sara del Pozo Calzada, Marta Álvarez Pérez y Víctor Juan Barrios Abstract: Este trabajo analiza algunos de los factores más relevantes de

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

Aplicación 3: Rendimiento y riesgo de los activos financieros: el modelo CAPM

Aplicación 3: Rendimiento y riesgo de los activos financieros: el modelo CAPM Aplicación 3: Rendimiento y riesgo de los activos financieros: el modelo CAPM Idea de las modernas t as de finanzas: Relacionar el riesgo y el rdto (esperado) de un activo Más concretamente: explicar el

Más detalles

INFORME DE COMERCIO EXTERIOR (Enero 2014)

INFORME DE COMERCIO EXTERIOR (Enero 2014) INFORME DE COMERCIO EXTERIOR (Enero 2014) 1. 2013: un buen año para el sector exterior La senda de crecimiento de la economía española, que ha ido acelerándose a lo largo del cuarto trimestre de 2013,

Más detalles

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES INECUACIONES NOTA IMPORTANTE: El signo de desigualdad de una inecuación puede ser,, < o >. Para las cuestiones teóricas que se desarrollan en esta unidad únicamente se utilizará la desigualdad >, siendo

Más detalles

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

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

Más detalles

Indicaciones específicas para los análisis estadísticos.

Indicaciones específicas para los análisis estadísticos. Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por

Más detalles

Creación del dinero bancario

Creación del dinero bancario Creación del dinero bancario Multiplicador bancario Oferta monetaria Agregados monetarios y dinero bancario Agregados monetarios Cuando se habla de dinero nos referimos normalmente a las monedas y billetes

Más detalles

Pruebas de. Hipótesis

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

Más detalles

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama. Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El

Más detalles

Guía Rápida de Gretl

Guía Rápida de Gretl Guía Rápida de Gretl Carlos J. Pérez Índice 1. Introducción 1 2. Gestión de Datos 1 3. Estadística Descriptiva 3 3.1. Estadísticos Univariantes..................... 4 3.2. Estadísticos Multivariantes....................

Más detalles

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector

Más detalles

Auditoría. 9 > Auditoría de cuentas a cobrar

Auditoría. 9 > Auditoría de cuentas a cobrar Auditoría. 9 > Auditoría de cuentas a cobrar Juan Carlos Mira Navarro Juan Carlos Mira Navarro 1 / 13 Auditoría. 9 > Auditoría de cuentas a cobrar 1 2 3 4 Procedimientos para verificar la existencia de

Más detalles

Equivalencia financiera

Equivalencia financiera Equivalencia financiera 04 En esta Unidad aprenderás a: 1. Reconocer la equivalencia de capitales en distintas operaciones financieras a interés simple. 2. Calcular a interés simple los vencimientos común

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

Tema 3: Diseño de experimentos

Tema 3: Diseño de experimentos Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 15 de noviembre de 2010 Índice Diseños con un factor 1 Diseños con un factor Comparación de dos medias Comparación de

Más detalles

Departamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN CIENCIAS EMPRESARIALES ESTADÍSTICA

Departamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN CIENCIAS EMPRESARIALES ESTADÍSTICA ESCUELA UIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA E CIECIAS EMPRESARIALES ESTADÍSTICA Ejercicios Resueltos AÁLISIS ESTADÍSTICO DE DOS VARIABLES Y RE- GRESIÓ LIEAL SIMPLE Curso 6-7 Curso 6-7 1)

Más detalles

MICROECONOMÍA II. PRÁCTICA TEMA II: Equilibrio parcial

MICROECONOMÍA II. PRÁCTICA TEMA II: Equilibrio parcial MICROECONOMÍA II PRÁCTICA TEMA II: Equilibrio parcial EJERCICIO 1 A) En equilibrio, la cantidad demandada coincide con la cantidad ofrecida, así como el precio de oferta y demanda. Por lo tanto, para hallar

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

Trabajo de Matemáticas y Estadística Aplicadas

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

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

ESTUDIO DE LA ESTABILIDAD EN EL DOMINIO FRECUENCIAL

ESTUDIO DE LA ESTABILIDAD EN EL DOMINIO FRECUENCIAL ESTUDIO DE LA ESTABILIDAD EN EL DOMINIO FRECUENCIAL 1.-Introducción. 2.-Criterio de estabilidad de Nyquist. 3.-Estabilidad relativa. 3.1.-Margen de ganancia. 3.2.-Margen de fase. 4.-Estabilidad mediante

Más detalles

Macroeconomía II EAE 211B

Macroeconomía II EAE 211B Macroeconomía II EAE 211B Pontificia Universidad Católica de Chile Instituto de Economía Juan Ignacio Urquiza Primer Semestre 2012 Ciclos Económicos Esquema: Introducción a los ciclos: Rol de las rigideces

Más detalles

DISEÑO DE UN MODELO DE APROXIMACIÓN TRIMESTRAL PARA LA ECONOMÍA DE MADRID

DISEÑO DE UN MODELO DE APROXIMACIÓN TRIMESTRAL PARA LA ECONOMÍA DE MADRID DISEÑO DE UN MODELO DE APROXIMACIÓN TRIMESTRAL PARA LA ECONOMÍA DE MADRID Ana López Yigal Montejo Instituto L. R. Klein, UAM Junio 2000 RESUMEN El presente trabajo estudia la economía madrileña basándose

Más detalles

REGRESIÓN LINEAL MÚLTIPLE

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

Más detalles

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO

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

Más detalles

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

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

Más detalles

Parámetros y estadísticos

Parámetros y estadísticos Parámetros y estadísticos «Parámetro»: Es una cantidad numérica calculada sobre una población y resume los valores que esta toma en algún atributo Intenta resumir toda la información que hay en la población

Más detalles

Metodología. del ajuste estacional. Tablero de Indicadores Económicos

Metodología. del ajuste estacional. Tablero de Indicadores Económicos Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,

Más detalles

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

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

Más detalles

Unidad 6 Estudio gráfico de funciones

Unidad 6 Estudio gráfico de funciones Unidad 6 Estudio gráfico de funciones PÁGINA 96 SOLUCIONES Representar puntos en un eje de coordenadas. 178 Evaluar un polinomio. a) b) c) d) e) Escribir intervalos. a) b) c) 179 PÁGINA 98 SOLUCIONES 1.a)

Más detalles

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 Verón, Juan Antonio* ; Herrera, Carlos Gabriel*; Rodríguez, Norma Leonor** * Facultad de Tecnología y Ciencias Aplicada de la UNCa.

Más detalles

GRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES

GRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES GRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES Prof. Rosario Martínez Verdú TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES 1. Distribuciones bidimensionales de frecuencias y diagrama

Más detalles

ANÁLISIS DESCRIPTIVO CON SPSS

ANÁLISIS DESCRIPTIVO CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:

Más detalles

Análisis de Regresión y Correlación con MINITAB

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

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Práctica 5. Contrastes paramétricos en una población

Práctica 5. Contrastes paramétricos en una población Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media

Más detalles

ANEXO USO DEL PROGRAMA GIVE-WIN Y PC-GIVE

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

Más detalles

INSTITUTO SALVADOREÑO DEL SEGURO SOCIAL. Manual de Servicios En Linea Instituto Salvadoreño Del Seguro Social

INSTITUTO SALVADOREÑO DEL SEGURO SOCIAL. Manual de Servicios En Linea Instituto Salvadoreño Del Seguro Social Manual de Servicios En Linea Instituto Salvadoreño Del Seguro Social Preparado por : Instituto Salvadoreño de Seguro Social Dirigido a : Patronos inscritos Instituto Salvadoreño de Seguro Social Fecha

Más detalles

T. 5 Inferencia estadística acerca de la relación entre variables

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

Más detalles

Estudio del Mercado de Oficinas

Estudio del Mercado de Oficinas Estudio del Mercado de Oficinas Madrid y Barcelona: Resumen Ejecutivo 1er Semestre 2014 aguirrenewman.com 1.- La coyuntura general del mercado La tendencia positiva iniciada por la economía en la segunda

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

LÍMITES Y CONTINUIDAD DE FUNCIONES

LÍMITES Y CONTINUIDAD DE FUNCIONES Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos

Más detalles

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u

Más detalles

El impulso. y el PBI. en el Perú: 1992 2009. crediticio

El impulso. y el PBI. en el Perú: 1992 2009. crediticio análisis El impulso crediticio y el PBI en el Perú: 1992 2009 Erick Lahura* y Hugo Vega* *Especialistas en Investigación Económica del BCRP. erick.lahura@bcrp.gob.pe hugo.vega@bcrp.gob.pe La literatura

Más detalles

Circuito RC, Respuesta a la frecuencia.

Circuito RC, Respuesta a la frecuencia. Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se

Más detalles