Relación de los IPC históricos de transporte alimentación y combustibles para el caso colombiano
|
|
- Esther Martín López
- hace 6 años
- Vistas:
Transcripción
1 XXVI Simposio Internacional de Estadística 2016 Sincelejo, Sucre, Colombia, 8 al 12 de Agosto de 2016 Relación de los IPC históricos de transporte alimentación y combustibles para el caso colombiano Poster Julian Alonso Cárdenas 1,a, Luis Jorge Garcia 1,b 1 Departamento de Estadística, Facultad de Ciencias, Universidad Nacional de Colombia, Bogotá, Colombia Resumen El IPC por la definición dada por el Departamento Administrativo Nacional de Estadística (DANE 2009), es un indicador que mide la variación de precios de una canasta de bienes y servicios representativos del consumo de los hogares del país. La importancia de este indice radica en que comprime toda la información sobre muchos de los items de la canasta familiar, tanto globalmente como para cada clase de gasto 1 que se tiene dentro del mercado. Este indice es calculado mensualmente y sus orígenes vienen remontados a los años 50, pero la metodología vigente para el calculo del indice se estableció desde el año 2009 y en base a esta información se toman muchas decisiones por parte tipo económico de entidades publicas como privadas. La idea de este estudio planteado es buscar la relación entre los cálculos marginales del IPC para las canastas de bienes de combustibles (desde la canasta general de vivienda), transportes y alimentación. Por relación se va entender el buscar la dinámica implícita conjunta de estos tres indices, buscar la estructura que tiene esta relación e incluso encontrar predicciones para cada uno de los indices teniendo en cuenta la información histórica para cada uno de los indices. Para lograr este objetivo se buscará un modelo de índole estadístico que permita entender conjuntamente los movimientos de estos índices. En virtud de esto se hará uso de las bondades del análisis de series de tiempo multivariadas, que tienen como objetivo describir la relación en determinado lapso de una serie de variables. Este tipo de modelos nos brindara instrumentos para identificar un modelo que pueda darnos a entender la relación entre los tres índices. Por consiguiente que el ajuste de este modelo nos ayude a comprender la estructura de esta relación y sus características mas importantes y como ya se indicó hallar predicciones para períodos futuros de cada uno de los índices haciendo uso de toda la información que se dispone. La información que se utilizara es el calculo de este indice hecho por el Departamento Administrativo Nacional de Estadística (DANE) para cada uno de las canastas de bienes de interés en este estudio, teniendo en cuenta ademas que el DANE cambió la metodología del cálculo para este índice desde el año Por lo tanto, el periodo muestral que se va a contemplar es el comprendido entre el mes de enero del año 2009 hasta julio de 2016, teniendo cada valor del índice en periodos mensuales igualmente espaciados, lo cual es requerido para utilizar los métodos que se van a usar para alcanzar los objetivos planteados. a Estudiante pregrado estadística. juacardenasca@unal.edu.co b Estudiante pregrado estadística. ljgarciac@unal.edu.co 1 Último nivel de desagregación del IPC en Colombia. 1
2 2 Julian Alonso Cárdenas & Luis Jorge Garcia Metodología Para encontrar la relación dinámica existente entre los índices analizados a través del tiempo se usa un método del análisis de series de tiempo multivariadas conocido como análisis de cointegración, el cual pretende encontrar una relación de equilibrio entre las variables analizadas, donde los cambios a través del tiempo de una de ellas dependen de los desvíos de dicha relación, lo que quiere decir que las variables en estudio tendrán una tendencia estocástica común. A continuación se exponen los términos mas importantes. Modelos VAR Cointegrados Sea {Y t } un proceso estocástico k-dimensional tal que: Y t = ν + A 1 Y t 1 + A 2 Y t A p Y t p + U t Donde t Z, ν R k, A 1,, A p son matrices reales kxk y {U t } RB(0, Σ u ). Entonces decimos que {Y t } es un proceso VAR(P ), notado {Y t } V AR(P ). Sea {Y t } V AR(P ), {Y t }. Tal proceso se dice que es estable si I k A 1 z A p z p = 0 en z 1 Sea {Y t } un proceso estocastico k-dimensional. {Y t } es integrado de orden d, si { d Y t } es estable y { d 1 Y t } no lo es. Notado como {Y t } I(d) De aquí se puede comprobar que para que un proceso sea cointegrado debe ser inestable, en consecuencia es una de las hipótesis a verificar sobre el modelo. Sea {Y t } I(d). {Y t } es cointegrado si existe una combinación lineal de {Y t }, digamos {cy t }, que es integrado de orden menos que d, donde c R k. Llamemos al proceso k-dimensional {Y t } V AR(P ), cointegrado de rango r, con r k, si: Y t = ν + A 1 Y t 1 + A 2 Y t A P Y t P + U t Y t = ν ΠY t 1 + F 1 Y t F p 1 Y t p+1 + U t Tal que, la matriz: Π = I k A 1 A P, tiene rango r y además, Π = HC. Donde C es llamada la matriz de cointegración y H la matriz de pesos. Para el ajuste del modelo se tendrán en cuenta las cuatro etapas de ajuste de un modelo estadístico de la siguiente manera:
3 XXVI Simposio Internacional de Estadística Identificación: Orden de integración: Para verificar la existencia de cointegración el primer paso es probar estadísticamente con una prueba de raíz unitaria de Dickey-Fuller, es importante comprobar que las series sean NO estacionarias y trabajar sobre las mismas sin necesidad de diferenciar. Las pruebas marginales a cada serie se presentan a continuación: Serie marginal Valor crítico Estadística T - Serie en niveles Estadística T- Serie diferenciada Alimentos Transporte Vivienda Los resultados anteriores apoyan la hipótesis que el proceso en forma multivariada es integrado de orden 1, I(1). Orden del proceso autorregresivo: Para seleccionar el orden autorregresivo, hacemos uso de los criterios AIC, BIC y HQ; con base en estos resultados se decide seleccionar p = 2. Orden AR AIC BIC HQ * * * Orden de cointegración: La prueba de selección de orden de cointegración proporcionada por el software CATS es el siguiente: r Valor Propio Traza Frac95 P-valor Para la hipótesis nula H 0 : r = r 0 vs H a : r 0 < r r 1 no rechazamos para r = 1, entonces el orden de cointegración en este caso es 1. Estimación Modelo en forma VAR: En la sección anterior se determinó que {Y t } V AR(2) de acuerdo a: A t A t A t 2 u 1t Y t = B t = B t B t 2 + u 2t V t V t V t 2 u 3t
4 4 Julian Alonso Cárdenas & Luis Jorge Garcia Modelo en forma de corrección de errores La estimación de este modelo es: u 1t Y t = Y t Y t 1 + u 2t u 3t La descomposición de la matriz Π = HC queda determinada por: H = C = [ ] Donde el espacio de cointegración de las variables estará dado por el conjunto generado por la fila de la matriz de cointegración (C). Verificación: Las pruebas de verificación del modelo VAR(2) cointegrado se hacen sobre el proceso de residuales estimados resultante del ajuste del modelo. Tal proceso debe reflejar las siguientes características: El proceso multivariado de residuales será homocedástico y en consecuencia los procesos marginales también lo serán. El proceso debe ser un proceso de ruido blanco multivariado. El proceso debe cumplir con ser gaussiano multivariadamente. Por último, se debe comprobar que el proceso es inestable. Cada una de las pruebas estadísticas necesarias para verificar estos supuestos se efectuaron. Las pruebas utilizadas fueron las siguientes: Si hablamos de homocedastidad del proceso utilizamos la prueba CusumSquare, una prueba de tipo gráfica que nos muestra si existen cambios bruscos en la varianza de cada uno de los procesos marginales. Podemos estar tranquilos ya que cada uno de los procesos marginales cumple esta característica. Ahora si vamos a comprobar la blanquitud del proceso multivariado recurrimos a (Hosking 1981) con una variante de la prueba Q para blanquitud, pero en este caso multivariada. De igual manera el proceso de residuales pasa a cabalidad esta prueba. Por otro lado cada uno de los procesos marginales cumple con ser Gaussiano, esto se comprobó a través de la prueba Jarque-Bera, que puede ser consultada en (de Rivera 2005). Multivariadamente las pruebas son muy estrictas, en consecuencia el proceso no cumplió con este requisito. Por último, hay que decir que se comprobó que el proceso fuera inestable, lo cual fue evidente a través de la segunda definición dada en este artículo.
5 XXVI Simposio Internacional de Estadística Uso En la fase de uso del modelo, se planean hacer predicciones 8 pasos adelante, teniendo en cuenta la teoría del mejor predictor lineal, así mismo, para cada serie se calcula el intervalo de predicción haciendo uso del error cuadrado medio del predictor h pasos adelante, como se muestra a continuación: Figura 1: Predicción 8 pasos adelante serie A t Figura 2: Predicción 8 pasos adelante serie B t
6 6 Julian Alonso Cárdenas & Luis Jorge Garcia Figura 3: Predicción 8 pasos adelante serie V t Es evidente ver que para cada una de las series se mantiene la tendencia que se observo en el periodo muestral y se estabiliza alrededor del quinto o sexto horizonte de predicción en todos los casos. Es evidente ver que los intervalos de predicción crecen de una manera descontrolada, pero en este tipo de modelos se recomienda no predecir muchos pasos adelante en virtud de que la medida de incertidumbre asociada a las predicciones crece rápidamente. Por lo demás las primeras predicciones, hablando de los dos o tres primeros pasos de predicción son los importantes y a medida que vaya surgiendo nueva información ir actualizando el modelo para hacer mas fiable los demás horizontes de predicción. Conclusiones La relación de cointegración entre las tres variables que fueron trabajadas, sacan a la luz que el comportamiento dinámico de estos indices es conjunto a lo largo del tiempo. Como se puede ver en (Lütkepohl 2005) la idea que refleja la cointegración es un equilibrio a largo plazo entre las variables analizadas con un término de error que será interpretado como el desequilibrio de la relación existente en cada punto del tiempo. La hipótesis desarrollada durante este escrito fue la de la existencia de una relación entre estos indices y por medio de las bondades de la cointegración se encontró tal relación. La relación encontrada se mostró anteriormente, pero siguiendo el enfoque de (Johansen 1988), al hacer uno de los coeficientes igual a 1 (para nuestro caso la variable que representa al indice de alimentos) lo que se conoce como ecuación de cointegración es la siguiente: A t = 6.576B t 3.050V t + ϵ t donde ϵ t representa las desviaciones del sistema de equilibrio en cada punto del tiempo. Esta ecuación muestra que el indice de los alimentos se ve ampliamente influenciado de manera directa por el de transporte y se ve inversamente influenciado por el de vivienda, que recordemos, contiene la información del precio de combustibles. Si se pretende analizar esta relación descrita por la ecuación anterior, en particular se puede decir que el indice de alimentos sube si el indice de transporte sube, y por otro lado el indice de alimentos sube si el indice de vivienda baja; todo lo anterior bajo el sistema de equilibrio descrito por el modelo encontrado. Naturalmente, si el precio en los transportes sube el precio de los alimentos también lo va a hacer, lo que concuerda por la ideas que se apoyan en el modelo. Mientras que contrario a lo que se pensaría, la relación entre los indices de alimentos y vivienda fue inversa. Es un hecho bastante curioso, pero simplemente puede deberse a la agregación que hay del indice de combustibles dentro del indice de vivienda y otro productos o servicios que estén calculados dentro de este indice pueden perturbar esta relación.
7 XXVI Simposio Internacional de Estadística Referencias DANE (2009), Metodología Indice de Precios al Consumidor, DANE-Departamento Administrativo Nacional de Estadística, Bogotá-Colombia. de Rivera, D. P. S. (2005), Análisis de series temporales, Alianza Editorial. Hosking, J. (1981), Equivalent forms of the multivariate portmanteau statistic, Journal of the Royal Statistical Society. Series B (Methodological) pp Johansen, S. (1988), Statistical analysis of cointegration vectors, Journal of economic dynamics and control 12(2), Lütkepohl, H. (2005), New introduction to multiple time series analysis, Springer Science & Business Media.
Econometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Modelos multivariantes estacionarios: VAR(p). La dependencia temporal. La causalidad en el sentido de Granger. La estimación de los modelos VAR. Profesora:
Más detallesCurso de Predicción Económica y Empresarial Edición 2004
Curso de Predicción Económica y Empresarial www.uam.es/predysim Edición 2004 UNIDAD 3: MODELOS ARIMA La identificación del modelo a partir de la fac y facp Tal y como se ha señalado, para identificar el
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 detallesMODELOS DE SERIES DE TIEMPO 1. Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros.
MODELOS DE SERIES DE TIEMPO 1 Introducción Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros. Originalmente tuvieron como objetivo hacer predicciones. Descomposición
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Metodología Box-Jenkins Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es un resumen/modificación de la documentación elaborada
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más 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 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 detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo
Más detallesDiplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López
Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,
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 detallesINSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesEconometría dinámica y financiera
Econometría dinámica y financiera Introducción a la econometría financiera. Modelos ARCH Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Introducción Los modelos que hemos visto son lineales
Más detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo Estacionarias (Multivariadas) Carlos Capistrán Carmona ITAM 1 Principios de Pronóstico. 2 Pruebas de Hipótesis. 3 Estimación
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS NO AGRUPADOS MATERIAL DIDACTICO SOLO VISION ASIGNATURA QUE CORRESPONDE: ESTADISTICA
Más detallesDIPLOMADO EN MODELOS ECONOMÉTRICOS DINÁMICOS. Coordinador: M.F. Esperanza Sainz López
INSTITUTO TECNOLÓGICO AUTONOMO DE MÉXICO DIPLOMADO EN MODELOS ECONOMÉTRICOS DINÁMICOS Coordinador: M.F. Esperanza Sainz López Objetivo general: Presentar al alumno algunos modelos cuya estructura dinámica
Más detallesECONOMETRIA ORDEN DE INTEGRACIÓN N Y RAÍCES UNITARIAS. Mtro. Horacio Catalán Alonso
ECONOMETRIA ORDEN DE INTEGRACIÓN N Y RAÍCES UNITARIAS Mtro. Horacio Catalán Alonso Orden de Integración ORDEN DE INTEGRACIÓN Econometría (1) X t = X t-1 + u t Como: E(u t ) = 0 y la Var(u t ) = 2 constante
Más detallesLA COINTEGRACIÓN EN SERIES DE TIEMPO, UNA APLICACIÓN A LA RELACIÓN ENTRE EL PIB Y EL NIVEL DE EXPORTACIONES EN COLOMBIA
LA COINTEGRACIÓN EN SERIES DE TIEMPO, UNA APLICACIÓN A LA RELACIÓN ENTRE EL PIB Y EL NIVEL DE EXPORTACIONES EN COLOMBIA Rios S. Omar A. Universidad del Valle, Facultad de Ingeniería, Escuela de Estadística
Más detallesCRONOGRAMA DE LA ASIGNATURA TRABAJO DEL ALUMNO DURANTE LA SEMANA. Elegir el proyecto empírico que se va a realizar durante el curso.
1 1 Características de los datos económicos de series temporales. Procesos estocásticos y series temporales. Estacionareidad y ergodicidad. Función de autocorrelación simple (FAC) y parcial (PAC). (Marcar
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 detallesCointegración del Índice de Precios al Consumidor y Liquidez monetaria ( ). Venezuela.
Cointegración del Índice de Precios al Consumidor y Liquidez monetaria (1997-211). Venezuela. Informe Técnico. PC LC/FT. 2 de Octubre 212 Jhoner Perdomo Karen Tizado Resumen En la búsqueda de una variable
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
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 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 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 detallesGuía breve de análisis de series temporales unidimensionales con Gretl
Guía breve de análisis de series temporales unidimensionales con Gretl 1. Pasos a seguir 1. Representación de la serie temporal (Variable Gráfico de series temporales). 2. Serie temporal no estacionaria
Más detallesMetodología para la generación y evaluación de políticas de operación en sistemas de recursos hídricos. Aplicación a un sistema de México
Metodología para la generación y evaluación de políticas de operación en sistemas de recursos hídricos. Aplicación a un sistema de México Índice general Resumen...vii Resum... ix Summary... xi Índice de
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Modelos VAR recursivos. Modelos univariantes dinámicos: los modelos de retardos autoregresivos distribuídos (ADL).Multiplicadores de impacto y de largo Profesora:
Más detallesIntención de compra en internet y el gasto de los hogares
ANÁLISIS MACROECONÓMICO Intención de compra en internet y el gasto de los hogares Yalina Crispin De manera similar al indicador de Intención de Compra de Departamentos en Lima (ver Informe aquí) se ha
Más detallesCOMENTARIOS AL LIBRO ECONOMETRÍA CON APLICACIONES de Eduardo Loría
Hermosillo Sonora, otoño de 2007. COMENTARIOS AL LIBRO ECONOMETRÍA CON APLICACIONES de Eduardo Loría Francisco Cienfuegos Velasco Es un honor para mí presentar el Libro del Dr. Eduardo Loría, presente
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesEstadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística II Ingeniería Industrial INB - 0408 4 0 8 2.- HISTORIA DEL PROGRAMA
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
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 detallesUNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:
UNIDAD Nº4 TEORÍA DE REGRESIÓN Y CORRELACIÓN 1.- Teoría de Regresión.- En términos de estadística los conceptos de regresión y ajuste con líneas paralelas son sinónimos lo cual resulta estimar los valores
Más detallesRepresentación en el espacio de estado. Sistemas Control Embebidos e Instrumentación Electrónica UNIVERSIDAD EAFIT
Representación en el espacio de estado Representación en espacio de estado Control clásico El modelado y control de sistemas basado en la transformada de Laplace, es un enfoque muy sencillo y de fácil
Más detallesSERIES TEMPORALES. Isabel Molina Peralta. Departamento de Estadística Universidad Carlos III de Madrid. Roland Fried
SERIES TEMPORALES Isabel Molina Peralta Departamento de Estadística Universidad Carlos III de Madrid Roland Fried Department of Statistics Technique University of Dormund 1 CONTENIDO 0. Introducción. 1.
Más detallesFinanzas para Mercadotecnia
Finanzas para Mercadotecnia FINANZAS PARA MERCADOTECNIA 1 Sesión No.8 Nombre: De tendencias en series de cifras o valores, variaciones, índices Contextualización Las tendencias son elementos que se consideran
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 detallesSéptima Entrega. New Workfile Daily (5 days week) 1:1:1991 a 2:16:1998. File Import Read Text Lotus Excel
Prácticas de la asignatura Series Temporales Séptima Entrega 1 Modelos de heterocedasticidad condicional A partir de la decada de los 80, muchos investigadores se han dedicado al estudio de modelos no
Más detallesLeonidas Cuenca, Julio Flores. Daniel Morales XXXXX
EL ÍNDICE DE CONFIANZA DEL CONSUMIDOR O Y PROYECCIONES O DE CORTO PLAZO DEL CONSUMO PRIVADO EN EL PERÚ Leonidas Cuenca, Julio Flores Daniel Morales XXXXX Lima, octubre 2011 EL XXXX ÍNDICE DE CONFIANZA
Más detallesCampo Magnético en un alambre recto.
Campo Magnético en un alambre recto. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se hizo pasar
Más detallesBoletín técnico Bogotá D.C., 17 de junio de 2016
Boletín técnico Bogotá D.C., 17 de junio de Índice de Costos de la Educación Superior - ICES Primer semestre * Introducción. Resultados semestrales. Resultados anuales. Resultados por carácter de la institución.
Más detallesCarrera: COT Participantes Representante de las academias de Contaduría de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística administrativa II Licenciatura en Contaduría COT-0426 2-3-7 2.- HISTORIA
Más detallesContenidos Programáticos
Página 1 de 6 FACULTAD: CIENCIAS ECONÓMICAS Y EMPRESARIALES PROGRAMA: ADMINISTRACIÓN DE EMPRESAS DEPARTAMENTO DE: ADMINISTRACIÓN CURSO: ESTADISTICA I CÓDIGO: 157011 ÁREA: BÁSICA REQUISITOS: CORREQUISITO:
Más detallesTratamiento de Riesgo Avanzado de Carteras
t Tratamiento de Riesgo Avanzado de Carteras Dossier Comercial Departamento Comercial Febrero 2012 2 T Edificio RD Sistemas TRAC Dossier Comercial Versión 2.0 Valencia, 560 4º 08026 BARCELONA Calle Margarita
Más detallesEl Movimiento Browniano en la modelización del par EUR/USD
MÁSTER UNIVERSITARIO EN DIRECCIÓN FINANCIERA Y FISCAL TESINA FIN DE MÁSTER El Movimiento Browniano en la modelización del par EUR/USD Autor: José Vicente González Cervera Directores: Dr. Juan Carlos Cortés
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 detallesMODELOS DE ECUACIONES SIMULTANEAS
Universidad de Murcia Workshop Grupo de computación paralela 15 de Diciembre de 2010 1 Modelos de Ecuaciones Simultáneas. 2 3 4 Conceptos previos. La regresión lineal es un método matemático que modeliza
Más detallesCAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS
CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular
Más detallesMáster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Más detallesGRAFICA DE UNA FUNCIÓN POLINOMIAL
GRAFICA DE UNA FUNCIÓN POLINOMIAL Sugerencias para quien imparte el curso Asegurarse de que los alumnos manejan los conceptos vistos, tales como concavidad, máximo y mínimo, función positiva y negativa,
Más detallesCointegración El caso bivariado
Cointegración El caso bivariado Definición: La serie Y t es integrada de orden d (denotada I(d)) si al menos debe ser diferenciada d veces para que sea estacionaria. Ejemplos: 1. El proceso random walk
Más detallesCarrera: ADT Participantes Representante de las academias de Administración de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Estadística administrativa II Licenciatura en Administración ADT-0427 2-3-7 2.-
Más detallesecuadorencifras.gob.ec DICIEMBRE 2014
7 DICIEMBRE 2014 1 Resumen Ejecutivo En el presente documento se exhiben los resultados obtenidos en el cálculo de pobreza y desigualdad por ingresos a partir de la Encuesta Nacional de Empleo, Desempleo
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 detallesNombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)
Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Enero 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe que los
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 detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesPUEDEN SER UTILIZADOS LOS TIPOS FORWARD PARA MEJORAR LAS PREDICCIONES DE TIPOS DE INTERÉS FUTUROS? Giovana Muñoz Sagarvinaga
PUEDEN SER UTILIZADOS LOS TIPOS FORWARD PARA MEJORAR LAS PREDICCIONES DE TIPOS DE INTERÉS FUTUROS? Giovana Muñoz Sagarvinaga Trabajo de investigación 007/014 Master en Banca y Finanzas Cuantitativas Tutor:
Más detallesCarrera: COT Participantes Representante de las academias de Contaduría de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Matemáticas Administrativas Licenciatura en Contaduría COT-03-3-7.- HISTORIA DEL
Más detallesEstadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
Más detallesEL INGRESO Y/O EL GASTO COMO VARIABLES PARA MEDIR EL BIENESTAR DE LOS HOGARES FERNANDO MEDINA CEPAL
529 EL INGRESO Y/O EL GASTO COMO VARIABLES PARA MEDIR EL BIENESTAR DE LOS HOGARES FERNANDO MEDINA CEPAL 530 El ingreso y/o el gasto como variables para medir Criterios para la elección del indicador de
Más detallesMEDIDAS DE VARIABILIDAD
MEDIDAS DE VARIABILIDAD 1 Medidas de variabilidad Qué son las medidas de variabilidad? Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que tan dispersos o concentrados
Más detallesCo-movimientos del PIB, valor agregado agrícola e industrial del Cauca y otros departamentos.
Co-movimientos del PIB, valor agregado agrícola e industrial del Cauca y otros departamentos. Octubre de 2006 Julio César Alonso 1 jcalonso@icesi.edu.co 1 El autor agradece el invaluable apoyo en la investigación
Más detallesZ i
Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesDiferencia de la tasa de cambio
Ejemplo 1: Prueba de raíz unitaria de Dickey y Fuller Este ejemplo utiliza información del archivo erate1.wf1. Sea LO el logaritmo de la tasa de cambio oficial peso-dólar en Colombia para el período 197:1
Más detalles3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de Documento PDF.
3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de 2008. Documento PDF. 5. PROYECCIONES DE LA DEMANDA DE ENERGIA Estudio Prospectiva de la Demanda de Energía de República Dominicana Informe
Más detallesReporte de Pobreza por Ingresos JUNIO 2015
Reporte de Pobreza por Ingresos JUNIO 2015 1 Resumen Ejecutivo En el presente documento se exhiben los resultados obtenidos en el cálculo de pobreza y desigualdad por ingresos a partir de la Encuesta Nacional
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
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 detallesMINISTERIO DE EDUCACIÓN. Dirección de Educación Técnica y Profesional. Familia de especialidades:servicios. Programa: Estadística Matemática
MINISTERIO DE EDUCACIÓN Dirección de Educación Técnica y Profesional Familia de especialidades:servicios Programa: Estadística Matemática Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 9no.
Más detallesMODELO VEC PARA EL ANÁLISIS DEL DESEMPLEO EN COLOMBIA PARA EL PERIODO COMPRENDIDO ENTRE ENERO DE 2011 A JUNIO DE 2016
1 MODELO VEC PARA EL ANÁLISIS DEL DESEMPLEO EN COLOMBIA PARA EL PERIODO COMPRENDIDO ENTRE ENERO DE 2011 A JUNIO DE 2016 LEIDY JOHANA GARCIA OSORNO DANIEL ALBERTO PATIÑO CASTRO FUNDACIÓN UNIVERSITARIA LOS
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 detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesTema 9: Estadística en dos variables (bidimensional)
Tema 9: Estadística en dos variables (bidimensional) 1. Distribución de frecuencias bidimensional En el tema anterior se han estudiado las distribuciones unidimensionales obtenidas al observar sólo un
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesJulio Deride Silva. 4 de junio de 2010
Curvas ROC y Regresión Lineal Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 4 de junio de 2010 Tabla de Contenidos Curvas ROC y Regresión Lineal
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesReporte de Pobreza y desigualdad. Junio 2016
Reporte de Pobreza y desigualdad Junio 2016 Reporte de Pobreza y Desigualdad Junio 2016 Elaborador por: Melody Serrano Revisado por: Lourdes Montesdeoca Directora de Innovación en Métricas y Metodologías
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 detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detalles3.6. Cómo identificar si una población es homógenea?
3.6. Cómo identificar si una población es homógenea? Muchas veces, en el estudio de un fenómeno físico, trabajamos con una población que parece homogénea a simple vista. Sin embargo, existen instrumentos
Más detallesIntroducción Climatología y variabilidad climática (espacial y temporal). Datos climáticos. Revisión sobre el concepto de probabilidad.
Nombre de la Asignatura: Análisis Estadístico de Datos Climáticos Créditos: 10 Docentes responsables: Ciencias) Álvaro Díaz (F. Ingeniería) y Mario Bidegain (F. Objetivo de la asignatura: Desarrollar en
Más detallesReporte de Pobreza y Desigualdad DICIEMBRE 2015
Reporte de Pobreza y Desigualdad DICIEMBRE 2015 1 Reporte de Pobreza y Desigualdad - Diciembre 2015 Dirección responsable de la información estadística y contenidos: Dirección de Innovación en Métricas
Más detallesLectura No. 7. Contextualización. Nombre: Métodos de Análisis ANÁLISIS FINANCIERO 1
Análisis financiero ANÁLISIS FINANCIERO 1 Lectura No. 7 Nombre: Métodos de Análisis Contextualización Los diferentes métodos de análisis que se pueden utilizar para evaluar y, en su defecto, emitir un
Más detallesMODELOS DE PRONÓSTICO CIMAT-MTY
PRONÓSTICOS CIMAT-MTY La unidad CIMAT-MTY desarrolla modelos de pronósticos que son útiles en la anticipación de distintas variables económicas que puedan resultar de interés. En este escrito pueden encontrarse
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 detallesA qué nos referimos con medidas de dispersión?
Estadística 1 Sesión No. 4 Nombre: Medidas de dispersión. Contextualización A qué nos referimos con medidas de dispersión? En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal
Más detallesPronóstico con Modelos ARIMA para los casos del Índice de Precios y Cotizaciones (IPC) y la Acción de América Móvil (AM)
Pronóstico con Modelos ARIMA para los casos del Índice de Precios y Cotizaciones (IPC) y la Acción de América Móvil (AM) Rosa María Domínguez Gijón Resumen este proyecto son el IPC y la acción de América
Más detallesLas escalas de equivalencia en la medición de la pobreza Síntesis de tesis de Maestría en Estadística, UCR. Nancy Pérez Valverde
Las escalas de equivalencia en la medición de la pobreza Síntesis de tesis de Maestría en Estadística, UCR Nancy Pérez Valverde Actualmente en Costa Rica, para delimitar los hogares pobres, el Instituto
Más detallesReporte de pobreza y desigualdad. Junio 2017
Reporte de pobreza y desigualdad Junio 2017 Reporte de pobreza y desigualdad Junio 2017 Dirección responsable de la información estadística y contenidos: Dirección de Innovación en Métricas y Metodologías
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 detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detallesMecanismos de transmision de la política monetaria a la renta fija en Colombia
2 Mecanismos de transmision de la política monetaria a la renta fija en Colombia Germán Aguirre Duran y Juan Andres Delgado Navarrete RESUMEN En este trabajo se realiza un Vector Autorregresivo (VAR) con
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detalles