Ing. MSc. Luis Fernando Restrepo Gómez
|
|
- María Ángeles Moreno Carrasco
- hace 6 años
- Vistas:
Transcripción
1 Ing. MSc. Luis Fernando Restrepo Gómez
2 Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables. Estático Determinístico Dinámico Probabilístico Lote + Construcciones * Factor de Comercialización Indirecto (CAPM - Capital Asset Pricing Model) Directo (R/i)
3 Introducción a la Valuación Masiva ETAPAS PARA VALORACIÓN MASIVA
4 Introducción a la Valuación Masiva ETAPAS PARA VALORACIÓN MASIVA
5 Introducción a la Valuación Masiva ETAPAS PARA VALORACIÓN MASIVA
6 La Econometría en la Valuación TRATAMIENTO DE DATOS X INFERENCIA ESTADÍSTICA
7 La Econometría en la Valuación TRATAMIENTO DE DATOS X INFERENCIA ESTADÍSTICA Promedio de la Muestra Estimador Población Promedio μ Muestra X y S Se Infiere μ para la Población a partir de la muestra Desviación Estándar de la Muestra Estimador Intervalo de Confianza Donde n: Tamaño de la muestra Z: Nivel de confianza (68% = 1.64; 95%= 1.96; 99% = 2.56) s: Desviación estándar B: Precisión o error máximo admitido (1%; 2%; 3%; 5%; 10%) Límite Inferior Límite Superior
8 La Econometría en la Valuación EXPLICACIÓN DEL MERCADO MEDIANTE MODELO DE REGRESIÓN LINEAL SIMPLE
9 La Econometría en la Valuación RECOLECCIÓN Y TABULACIÓN DE LOS DATOS MUESTRA
10 La Econometría en la Valuación ANÁLISIS EXPLORATORIO DE LOS DATOS Resumen Estadístico para P. U Recuento 11 No pertenece a la Zona Homogénea N 9 del INCORA Resolución 041/96 Outlier Promedio 53, Desviación Estándar Coeficiente de Variación 55, % Mínimo 23, Máximo 217, Rango 193, Sesgo Estandarizado 4.06 Curtosis Estandarizada 6.39 CV >> 15%
11 Introducción a la Valuación Masiva ANÁLISIS EXPLORATORIO DE LOS DATOS Esta tabla muestra los estadísticos de resumen para Precio Unitario. Incluye medidas de tendencia central, medidas de variabilidad y medidas de forma. De particular interés aquí son el sesgo estandarizado y la curtosis estandarizada, las cuales pueden utilizarse para determinar si la muestra proviene de una distribución normal. Valores de estos estadísticos fuera del rango de -2 a +2 indican desviaciones significativas de la normalidad, lo que tendería a invalidar cualquier prueba estadística con referencia a la desviación estándar. En este caso, el valor de sesgo estandarizado y de la curtosis estandarizada no se encuentran dentro del rango esperado para datos provenientes de una distribución normal.
12 Introducción a la Valuación Masiva TABULACIÓN DE LOS DATOS MUESTRA DEPURADA Dato Área Precio Unitario 1 5, m² 27, $ 2 6, m² 29, $ 3 10, m² 59, $ 4 9, m² 26, $ 5 10, m² 58, $ 6 6, m² 24, $ 7 6, m² 23, $ 8 15, m² 46, $ 9 2, m² 41, $
13 Introducción a la Valuación Masiva ANÁLISIS EXPLORATORIO DE LOS DATOS Resumen Estadístico para P. U Recuento 9.00 Promedio 37, Mediana 29, Moda Media Geométrica 35, Media Recortada 5% 36, Varianza 208,211, Desviación Estándar 14, Coeficiente de Variación 39 % Error Estándar 4, Mínimo 23, Máximo 59, Rango 35, Sesgo Estandarizado 0.86 Curtosis Estandarizada 0.80?
14 La Econometría en la Valuación ANÁLISIS EXPLORATORIO DE LOS DATOS En este caso, el valor de sesgo estandarizado y de la curtosis estandarizada se encuentran dentro del rango esperado para datos provenientes de una distribución normal. (menores que +/- 2) Lo anterior, permite presumir que se puede obtener el valor unitario mediante inferencia estadística a través de la construcción de un modelo, que explique de manera adecuada el comportamiento del mercado
15 La Econometría en la Valuación EXPLICACIÓN DEL MERCADO MEDIANTE MODELO DE REGRESIÓN LINEAL SIMPLE Ecuación
16 La Econometría en la Valuación REGRESIÓN LINEAL SIMPLE P.U. VS ÁREA Variable dependiente: Variable independiente: Tipo Lineal: Precio Unitario Área Lote Y = a + b*x Coeficiente de Correlación 0.48 R-cuadrada 22.65% R-cuadrado (ajustado para g.l.) 11.61% Error estándar del est. 13, Error absoluto medio 10, Mínimos Cuadrados Estándar Estadístico Parámetro Estimado Error T Valor-P Intercepto Pendiente Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P Modelo E E Residuo E E8 Total (Corr.) E9 8 > 0.05 Fischer - Snedecor
17 La Econometría en la Valuación INTERPRETACIÓN DE RESULTADOS DE LA REGRESIÓN Significancia Global del Modelo Se comienza con el análisis del coeficiente de determinación, que indica el grado de precisión alcanzado del modelo. El coeficiente de determinación R 2 indica el % de la variación del precio unitario, que es explicada por las variables incluidas en el modelo. Ajuste del Modelo A través de la prueba ANOVA, (Análisis de la Varianza) y utilizando la Distribución de Fischer Snedecor (F), se constata la validez del modelo al rechazar o aceptar H 0 al nivel del 5%. Significancia de los Parámetros del Modelo La significancia individual de un parámetro se admite cuando la variable influye en la formación de los precios (con un nivel de confianza superior al 95% a través del estadístico t* se rechaza H 0, caso contrario, la variable no es significativa).
18 La Econometría en la Valuación ANÁLISIS DE RESULTADOS DE LA REGRESIÓN La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre Precio Unitario y Área Lote. La ecuación del modelo ajustado es Precio Unitario = 22, * Área Lote Puesto que el valor-p en la tabla ANOVA es mayor o igual a 0.05, no hay una relación estadísticamente significativa entre Precio Unitario y Área Lote con un nivel de confianza del 95.0% ó más. El Coef de Determinación R² indica que el modelo ajustado explica 22.65% de la variabilidad en Precio Unitario. (Muy Baja) El Coef de Correlación es igual a 0.48, indicando una relación relativamente débil entre las variables. La desviación estándar de los residuos es 13,566 Ejemplo Aplicación
19 La GeoEstadística en la Valuación TRATAMIENTO DE DATOS X ECONOMETRÍA ESPACIAL
20 La GeoEstadística en la Valuación TRATAMIENTO DE DATOS X ECONOMETRÍA ESPACIAL
21 La GeoEstadística en la Valuación PRIMER ESTUDIO DE INFERENCIA ESPACIAL
22 La GeoEstadística en la Valuación EVOLUCIÓN DE LA GEOESTADÍSTICA Explorando Datos, concluyó que no bastaba con el análisis de la varianza ANOVA para explicar el fenómeno sobre la Concentración de ORO, y consideraba necesario incluir el análisis de la distancia entre los datos observados. Surge entonces el concepto de la Geoestadística A partir de las propuestas y estudios de Krige, desarrolló la teoría de las variables regionalizadas (TVR)
23 La GeoEstadística en la Valuación ANÁLISIS DE CORRELACIÓN ESPACIAL No hay Dependencia Espacial Hay Dependencia Espacial
24 Los Datos más cercanos entre sí se parecen. La GeoEstadística en la Valuación ANÁLISIS DE CORRELACIÓN ESPACIAL No hay Dependencia Espacial Hay Dependencia Espacial
25 La GeoEstadística en la Valuación VARIOGRAMA EXPERIMENTAL Gráfico de γ (h) versus h, siendo Donde: γ (h): Semivarianza estimada N: numero pares de puntos Z (x i ): puntos muestrales H: distancia entre pares de puntos
26 La GeoEstadística en la Valuación EJEMPLO D = 1 D = D = 1 Las cosas que están más cerca son más parecidas, pues su varianza espacial es más pequeña 3 D = D = 2 8 D = D = 2 8
27 La GeoEstadística en la Valuación ALGUNOS TIPOS DE SEMIVARIOGRAMA Esférico Exponencial Lineal Gaussiano
28 La GeoEstadística en la Valuación MODELO ESPACIAL DE AVALÚO Donde: Z(x): m(x): ɛ ɛ Valor en la posición X = (Este, Norte) Características Estructurales y Económicas Macro Locativas Variación Regionalizada dependiente (Características Micro Locativas) Error aleatorio
29 La GeoEstadística en la Valuación KRIGEAJE RESIDUAL INTERACTIVO Donde: λ i : Representa los pesos o ponderaciones de Krigeaje obtenidos por optimización dinámica en función de la estructura del dependencia espacial definida por el Variograma
30 La GeoEstadística en la Valuación SISTEMAS DE ANÁLISIS ESPACIAL
31 La GeoEstadística en la Valuación
32 La GeoEstadística en la Valuación
33 La Econometría en la Valuación ANÁLISIS DE RESULTADOS DE LA REGRESIÓN DATOS Datos D (km) A (ha) PU ($/m2) 1 0,00 10,00 3,00 2 1,00 20,00 2,00 3 1,00 30,00 1,00 4 2,00 15,00 1,00 5 1,00 5,00 3,00 Resumen de los Resultados en Excel. Considerándose: Variable dependiente el precio unitario por m² de superficie Variables independientes el área en ha (A) y la distancia al centro urbano en Kilómetros (D) Estadísticas de la Regresión Coeficiente de correlación múltiple 0.97 Coeficiente de determinación R R 2 ajustado 0.87 Error típico 0.35 Observaciones 5 ANÁLISIS DE VARIANZA (ANOVA) Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión Residuos Total 4 4 Variables Coeficientes Error típico Estadístico t Probabilidad P % Intercepción % D (km) % A (ha) %
34 La Econometría en la Valuación Cual es El poder de explicación del modelo y cual es su debida interpretación El poder de explicación del modelo está cuantificado numéricamente en una escala porcentual por el coeficiente de determinación del mismo (R²) Estadísticas de la Regresión Coeficiente de determinación R Para la muestra en estudio es de 0.94, es decir que el 94 % de la variabilidad observada en los precios unitarios de los terrenos es explicada por la ecuación obtenida mediante la regresión lineal.
35 La Econometría en la Valuación El Análisis de significancia global del modelo Del Análisis de la Varianza (ANOVA), se evalúa La Significancia del modelo pues en este reporte de la ANOVA se obtiene el valor crítico de F mediante la denominada prueba F (de Fisher) o de Snedecor. ANÁLISIS DE VARIANZA (ANOVA) Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión Del resultado de Excel, en este caso fue de , lo que permite rechazar la Hipótesis Nula con un nivel de confianza del % (100% %) en la cual, se parte del supuesto de que todos los parámetros del modelo son iguales a cero.
36 La Econometría en la Valuación Análisis de Significancia Individual de los parámetros Del reporte de Excel se evalúa La significancia individual de los parámetros mediante el Valor Probabilidad (Valor-p) que indica el nivel de error asociado al parámetro correspondiente. Variables Coeficientes Error típico Estadístico t Valor -p P % Intercepción % D (km) % A (ha) % Luego, es factible rechazar la Hipótesis Nula de que: El atributo Distancia es cero, con un error del 8.38 % El atributo Área es cero, con un error del 6.51 % Lo cual indica que esos errores son aceptables, (para un Nivel de confianza del 90%) pues para cada variable el valor p es inferior a 10%.
37 La Econometría en la Valuación Se puede Concluir lo siguiente del Modelo La ecuación del modelo se expresa así La interpretación del modelo en términos cualitativos y cuantitativos Cuando Distancia 1 Km y Área 1 ha se tendría De esta ecuación se puede inferir que el precio unitario por metro cuadrado disminuye en la medida en la que aumenta la distancia al centro y también disminuye en la medida en que el área del inmueble es mayor, esto coincide con lo que suele ocurrir típicamente en un mercado local.
38 La Econometría en la Valuación Además, esto se interpreta cuantitativamente de la manera siguiente: Para el precio unitario Y, para otro lote que esté a 2 Km del centro (incrementando la variable Distancia D en 1 Km) y manteniendo constante la variable Área A (CETERIS PARIBUS) es decir el área también de una Hectárea sería: Este valor respecto al anterior cuando el bien era de 1 hectárea y estaba a 1 kilometro de distancia es 2.21/3.04 = 72.7 % Es decir sufre una reducción (100% % ) del 27.3% por cada km
39 La Econometría en la Valuación En otras palabras El valor de este lote de una hectárea (1 ha) a 2 Km del centro, ve reducido su valor respecto de aquel que está a 1 Km de distancia y del mismo tamaño en un 27.3 % Por cada 1 km que varía la distancia al centro, el precio unitario por metro cuadrado de inmueble varía un 27.3 % (cuando aumenta la distancia se reduce el precio unitario y cuando disminuye la distancia se incrementa el precio unitario).
40 La Econometría en la Valuación Siguiendo la misma lógica en el análisis pero ahora manteniendo constante la variable Distancia D se puede interpretar la incidencia de la variable Distancia en la variable precio unitario. Es decir: 2.97/3.04 = 97.7 % Por cada 1 ha que varía el área, el precio unitario por metro cuadrado de inmueble varía un 2.3 % (cuando aumenta el área se reduce el precio unitario y cuando disminuye el área se incrementa el precio unitario).
41 La Econometría en la Valuación Retornar a Geoestadística Hacer Clic
ANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesUniversidad Nacional Autónoma de México Laboratorio de Cómputo Científico, F. C.
: Un Universidad Nacional Autónoma de México Laboratorio de Cómputo Científico, F. C. : Un presenta México D.F., a 23 de Septiembre de 2010. Historia : Un La estimación de mineral recobrable es muy importante
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesPROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más 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 detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesUNIVERSIDAD MARÍA AUXILIADORA UMA
CARRERA PROFESIONAL DE ENFERMERIA SÍLABO DE BIOESTADÍSTICA I. DATOS GENERALES: 1.1. Carreras profesionales : Enfermería 1.2. Semestre académico : 2015 - I 1.3. Ciclo : III 1.4. Pre-requisito : Matemática
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesINDICE Prefacio Como usar este libro Capitulo 1. Introducción Capitulo 2. Análisis exploratorio de los datos
INDICE Prefacio Como usar este libro Capitulo 1. Introducción 1 El comienzo de todo: determinación lo que se debe saber 2 Evaluación numérica de las unidades de observación con la ayuda de las escalas
Más detallesEstadística Inferencial. Sesión 11. Regresión y correlación múltiple
Estadística Inferencial Sesión 11. Regresión y correlación múltiple Contextualización En la sesión anterior se presentó la regresión lineal simple y se mostró su uso en la obtención de una ecuación de
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesQué es una regresión lineal?
Apéndice B Qué es una regresión lineal? José Miguel Benavente I. Introducción En varios capítulos de este libro se ocupan regresiones lineales y se afirma que el coeficiente de regresión indica cuánto
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
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 detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesCUERPO TÉCNICO, OPCION ESTADISTICA
CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA
Más detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesPráctica 3: Regresión simple con R
Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar
Más detallesTEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN
4.5.- En cuál de los siguientes casos se podría utilizar la varianza residual en lugar del coeficiente de determinación para medir la calidad del ajuste? Con el mismo conjunto de datos y dos ajustes distintos.
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detalles3 CAPÍTULO III TRABAJO EMPÍRICO. Para toda evaluación cuantitativa generalmente se tiene uno que basar en
3 CAPÍTULO III TRABAJO EMPÍRICO. 3.1 Modelo Econométrico Para toda evaluación cuantitativa generalmente se tiene uno que basar en experiencias anteriores (Allard, 1980, p. 1). Las experiencias anteriores
Más detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
Más detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesRESULTADOS. 4.1 ADAPTABILIDAD DEL SISTEMA. Los resultados de adaptabilidad del sistema cromatografico se detallan en la tabla 4.1
IV. RESULTADOS. 4.1 ADAPTABILIDAD DEL SISTEMA. Los resultados de adaptabilidad del sistema cromatografico se detallan en la tabla 4.1 Ver gráficos en ANEXO 1 4.2 SELECTIVIDAD Placebo de excipientes: No
Más detallesTransformaciones de Potencia
Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Sexta clase: Programa Técnico en Riesgo, 2016 Agenda 1 2 de una vía 3 Pasos para realizar una prueba de hipótesis Prueba de hipotesis Enuncia la H 0 ylah 1,ademásdelniveldesignificancia(a).
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesINVESTIGACION TECNOLOGIA AGROINDUSTRIAL AZUCARERA
Ingenio Azucarero Guatemalteco Investigación Tecnológica Impacto de la aplicación de agua de imbibición, Extracción diluida y Pol % caña en el Pol de Bagazo Objetivo: 1. Evaluar estadísticamente si existe
Más detallesTaller Análisis de Datos Multinivel
Taller Análisis de Datos Multinivel Sergio R. Muñoz, Ph.D. CIGES & Departamento Salud Publica Facultad de Medicina Universidad de La Frontera munozs@ufro.cl 12-25 de Mayo, 2012 Datos Pacientes en clínicas
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detallesPresentación de la Asignatura. Estadística II. Prof. Sergio Jurado Chamorro
Presentación de la Asignatura Estadística II Prof. Sergio Jurado Chamorro Estadística II: La asignatura Contexto Enfoque Nivel matemático Conocimientos básicos Otro requerimientos Herramienta de apoyo
Más detallesEstadística Descriptiva II: Relación entre variables
Estadística Descriptiva II: Relación entre variables Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
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 detallesEspecialización en Métodos Estadísticos (EME) CURSO PROPEDÉUTICO ESTADÍSTICA BÁSICA
Especialización en Métodos Estadísticos (EME) CURSO PROPEDÉUTICO ESTADÍSTICA BÁSICA Enrique Rosales Ronzón, Patricia Díaz Gaspar, mayo 2015 Estadística??? Ciencia, Técnica, Arte Reunir, Organizar, presentar,
Más detallesCURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara
CURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara Descripción: Los temas de estadística propuestos corresponden con los conocimientos mínimos que un
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detalles1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7.
MODELO A Examen de Estadística Económica (2407) 20 de junio de 2009 En cada pregunta sólo existe UNA respuesta considerada más correcta. Si hay dos correctas deberá escoger aquella respuesta que tenga
Más detallesAnálisis de Datos y Métodos Cuantitativos para la D.T. VI versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magister en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la D.T. VI versión MGM Antofagasta, Junio de 2013 Profesor: Fernando
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesUniversidad de Salamanca - Escuela de Educación y Turismo
Universidad de Salamanca - Escuela de Educación y Turismo ! " # $ % $ & ' ( ) * ( +(, + ' -. '. ' - % $ / %.! '. " # $ % & & $ % # # $( #. 0 # (/ $. # % 0 1 # % ( # 0 # 0 1 # 0. (, (! " # # #. $ ($ ' 0
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detalles1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología
Exemple Examen Part II (c) Problema 1 - Solución. En un estudio sobre la elección de la carrera universitaria entre envió cuestionarios a una muestra aleatoria simple de estudiantes preguntando la carrera
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesESTADÍSTICA BASICA EN CONTROL DE CALIDAD
ESTADÍSTICA BASICA EN CONTROL DE CALIDAD El control estadístico de la calidad, aplica la teoría del muestreo estadístico, al estudio de las características de calidad. Pretende determinar la variabilidad,
Más detalles