Estadística Aplicada a la Educación

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

Download "Estadística Aplicada a la Educación"

Transcripción

1 Esadísica Aplicada a a la la Educación Esadísica Aplicada a la Educación Tuor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 014/15 migdaza@madridsur.uned.es 1

2 014/ La Esadísica en el proceso de invesigación pedagógica empírica. Problema, hipóesis / objeivos, variables y daos. Niveles de medida Organización de los daos. análisis exploraorio de daos. Reducción de daos. Medidas descripivas básicas y represenaciones gráficas. Medidas individuales. Relación enre variables. Las correlaciones. La regresión. Aplicaciones de la correlación: fiabilidad y validez de las medida. Modelos esadísicos y probabilidad. La curva normal de probabilidades. Los baremos o normas. Muesreo. Aplicaciones. Esimación de parámeros. Errores de esimación. Inroducción al conrase de hipóesis: la prueba para el conrase de medias en los diseños de dos grupos.

3 7.1 Inroducción. 7. El concepo de correlación. 7.3 El coeficiene de correlación y su inerpreación. 7.4 El coeficiene de correlación de Pearson (r). 7.5 El coeficiene de correlación ordinal de Spearman (r s ). 7.6 El coeficiene de coningencia (C). 7.7 El Coeficiene de correlación biserial-punual (r bp ). 7.8 Oros coeficienes de correlación. 7. RELACIÓN ENTRE VARIABLES. LAS CORRELACIONES. LA REGRESIÓN. 014/15 3

4 VIDEOCLASE: Esadísica bivariada: Las Medidas de relación. hps:// 9&hashDaae7ea483ba6abb091775a0a59785f /15 4

5 7.1 Inroducción. Esadísica Aplicada a la Educación Al hacer invesigación en educación nos ineresará en muchas ocasiones conocer la posible relación enre o más variables. (por ejemplo e Y) En ese capíulo esudiaremos: Las relaciones enre las variables que inervienen en el proceso educaivo: correlación Las posibilidades y limiaciones de la predicción de punuaciones en una variable, conociendo los valores de ora: regresión Esudiaremos los coeficienes de correlación más imporanes en el campo educaivo: El coeficiene de correlación de Pearson (r) El coeficiene de correlación ordinal de Spearman (r s ) El coeficiene de coningencia (C) El coeficiene de correlación biserial-punual (r bp) 014/15 5

6 7. El concepo de correlación. La correlación nos indica la endencia de dos o más conjunos de daos a variar de forma conjuna. Para cuanificar la inensidad de la correlación conamos con el coeficiene de correlación que nos mide el índice de covariación o variación conjuna de dos o más series de daos Por ejemplo, podemos esar ineresados en conocer qué variables esán correlacionadas con el rendimieno académico: iempo de esudio, moivación, nivel de uso de los recursos ecnológicos, ec De esa manera, podemos decidir sobre qué variables inervenir para mejorar dicho rendimieno. Las siuaciones suscepibles de ser analizadas de manera correlacional son esencialmene: Esudiar la relación enre o más variables medidas en un mismo grupo de sujeos (lo más habiual) Esudiar la relación enre o más grupos de individuos en una sola variable. Esudiar el caso de una misma variable medida en dos momenos disinos en una misma muesra (p.ej.: fiabilidad como esabilidad) 014/15 6

7 7. El concepo de correlación. En el análisis de la correlación enre variables, eniendo en cuena la inensidad y el senido de la relación, se pueden dar las siguienes siuaciones ilusradas mediane un diagrama de dispersión. RELACIÓN PERFECTA POSITIVA ( función ) Valor cuaniaivo /15 7 RELACIÓN IMPERFECTA POSITIVA (habiual en el campo educaivo) Valor cuaniaivo enre 0 y +1

8 7. El concepo de correlación. En el análisis de la correlación enre variables, eniendo en cuena la inensidad y el senido de la relación, se pueden dar las siguienes siuaciones ilusradas mediane un diagrama de dispersión. RELACIÓN PERFECTA NEGATIVA ( función ) Valor cuaniaivo /15 8 RELACIÓN IMPERFECTA NEGATIVA (habiual en el campo educaivo) Valor cuaniaivo enre 0 y -1

9 7. El concepo de correlación. En el análisis de la correlación enre variables, eniendo en cuena la inensidad y el senido de la relación, se pueden dar las siguienes siuaciones ilusradas mediane un diagrama de dispersión. RELACIÓN NULA O AUSENCIA DE RELACIÓN ( Esa ausencia de relación se da cuando dos variables son independienes una de la ora ) Valor cuaniaivo 0 014/15 9

10 7.3 El coeficiene de correlación simple y su inerpreación. El coeficiene de correlación nos mide el valor de la covariación o variación conjuna de dos series de daos. El valor de ese coeficiene nos marca la exisencia de una relación direca de variables (valores posiivos) o inversa (valores negaivos). Es decir, los valores cuaniaivos del coeficiene se siúan enre +1 y -1 Cómo inerprear los valores de esos coeficienes? 1. El ipo de variables que se relacionan: hay esudios aneriores que indiquen correlaciones similares?. La variabilidad del grupo: la correlación iende a aumenar con la variabilidad del grupo. Ane coeficienes de correlación iguales, el alcanzado en el grupo más homogéneo es de más inensidad. 3. La finalidad a la que se desina el coeficiene: fiabilidad (>0,85) o validez (>0,60) 014/15 10

11 7.3 El coeficiene de correlación simple y su inerpreación. Valor del coeficiene Enre 0,00 y + o - 0,0 Enre 0,1 y + o - 0,40 Enre 0,41 y + o - 0,70 Enre 0,71 y + o - 0,90 Enre 0,91 y + o - 1 Inerpreación Correlación muy baja, indifefrene, despreciable. Correlación baja. Correlación media, marcada, noable. Correlación ala, elevada, fuere Correlación muy ala, muy elevada Coeficiene de Deerminación (d) Coeficiene de correlación (r) al cuadrado por 100 d r * 100 (Se inerprea como el porcenaje de la varianza de una variable explicada por la ora) La inerpreación de los coeficienes de correlación se suele complear con su significación esadísica. Se raa de poder afirmar que la correlación enre variables es real y no se puede explicar por efeco del azar. 014/15 11

12 014/15 1

13 7.3 El coeficiene de correlación simple y su inerpreación. N Caegórica Coef. Coningencia (C) Dicoómica NOMINAL ORDINAL INTERVALO RAZÓN Caegórica Dicoómica Dicoomizada Dicoomizada 0 Spearman (r s ) I R Coef. Biserial- Punual r bp Pearson (r) La elección de los diferenes coeficienes de correlación depende del nivel de medida y de la caegoría de las variables 014/15 13

14 7.4 El coeficiene de correlación de Pearson (r). Las dos variables son cuaniaivas y medidas a nivel de inervalo (y además se disribuyen normalmene) r xy n Y Y [ ( ) ] n n Y ( Y ) [ ] Punuaciones Direcas r xy n x x y y Punuaciones Diferenciales 014/15 14

15 7.4 El coeficiene de correlación de Pearson (r). nº de páginas Tema Y nº pregunas en examen Y T T 6 1 T4 14 T5 0 3 T6 14 T7 T8 6 1 T9 4 3 T10 T Suma /15 15

16 7.4 El coeficiene de correlación de Pearson (r). r xy n Y Y [ ( ) ] n n Y ( Y ) [ ] Punuaciones Direcas Y Y Y T T T T T T T T T T Suma r xy [ 10(484) (0) ] [ 10(53) (1) ] 01 0,47 45,68 10(404) 0 1 nº de páginas Tema Y nº pregunas en examen 014/15 16

17 7.4 El coeficiene de correlación de Pearson (r). r xy x x y y Punuaciones Diferenciales Y xi-m yyi-ym x y xy T , 1,9 38,44 3,61-11,78 T 6 1 5,8-1,1 33,64 1,1-6,38 T4 14-6, -0,1 38,44 0,01 0,6 T , 0,9 0,04 0,81-0,18 T6 14-6, -0,1 38,44 0,01 0,6 T7 1,8-0,1 3,4 0,01-0,18 T ,8-1,1 33,64 1,1-6,38 T ,8 0,9 14,44 0,81 3,4 T10 1,8-0,1 3,4 0,01-0,18 T , -1,1 0,04 1,1 0, Suma ,6 8,9-0, Media 0,,1 r xy ( 0,) 03,6 8,9 0, 0,4745 4,56 014/15 nº de páginas Tema Y nº pregunas en examen 17

18 7.4 El coeficiene de correlación de Pearson (r). Propiedades a) El coeficiene de correlación de Pearson se encuenra comprendido enre los valores -1 y 1. b) En el caso de que r xy valga 1, endrá que cumplirse que para oda pareja de valores, sus punuaciones ípicas son iguales: z x z y. En el polo opueso, es decir, si r xy vale -1, enonces se cumple que para odo par de valores, las punuaciones ípicas son iguales pero de disino signo: z x -z y. Por ano si z x z y, enonces r xy 1 Z x Z y Z x ( Z x Z x ) rxy y podremos escribir n n n (ya que, de acuerdo con las propiedades de las punuaciones ípicas, la media de las punuaciones ípicas vale 0, y que la varianza de la punuaciones z para una variable vale 1). c) La ransformación lineal de las variables no modifica el valor del coeficiene de correlación, aunque sí podría cambiar su signo. Es decir, si calculamos la correlación enre las variables e Y, el valor de ésa será, en valor absoluo, el mismo que obengamos enre la variable a+b, donde a y b son consanes. 014/15 18 r xy n Y Y [ ( ) ] n n Y ( Y ) [ ]

19 7.5 El coeficiene de correlación ordinal de Spearman (r s ) Las variables son cuaniaivas pero sólo puede garanizarse un nivel de medida ordinal r s 6 D 1 n( n 1) Para calcular ese coeficiene, debemos ransformar las punuaciones direcas obenidas con el insrumeno en rangos. Se suele comenzar asignando el rango o posición 1 a la punuación más ala, la siguiene endrá el rango, la siguiene el 3 de al manera que el úlimo rango que se asigne debe coincidir con el número de sujeos de la muesra. Ojo!: En aquellos casos en que exisan varias punuaciones direcas coincidenes, la asignación del rango se realiza calculando el promedio de las posiciones que ocupan. El crierio de asignación de rangos debe ser el mismo para ambas variables 014/15 19

20 7.5 El coeficiene de correlación ordinal de Spearman (r s ) Medir la relación enre la alla en cm y el número de hermanos r alura hermanos Y D n( n 1) 014/15 0 r s 6 D 1 n( n 1) alura hermanos Y Rango () Rango (Y) D D ,5-11,5 13, ,5-3,5 1, ,5-5,5 30, ,5 0,5 0, ,5 1,5, ,5-3,5 1, ,5 0,5 0, ,5 6,5 4, (13 1) s 1 r s ,8544 0,1456

21 7.5 El coeficiene de correlación ordinal de Spearman (r s ) Propiedades a) El coeficiene de correlación de Spearman se encuenra siempre comprendido enre los valores -1 y 1. Es decir, -1 < r s < 1. b) Cuando odos los sujeos se siúan en el mismo pueso para la variable y para la variable Y, el valor de r s es 1. Si ocupan valores opuesos, es decir, al primer sujeo en le corresponde el úlimo lugar en Y, al segundo en le corresponde el penúlimo en Y, ec., enonces el valor de r s es -1. c) El coeficiene r s es un caso paricular de r xy, pueso que se calcula a parir de ése, por aplicación del coeficiene de Pearson a valores ordinales considerados como punuaciones. Por ello, al aplicar la fórmula de r xy a los valores de dos series de rangos, obendríamos el mismo resulado que con la fórmula de r s. d) Si calculamos el coeficiene de correlación de Pearson enre dos variables e Y, y el coeficiene de correlación de Spearman para las mismas punuaciones pero ransformadas en rangos, ambos coeficienes se aproximan en valor según aumena el número de sujeos n. 014/15 1 r s 6 D 1 n( n 1)

22 7.5 El coeficiene de correlación ordinal de Spearman (r s ) Si ambas variables ienen el mismo orden Y Rango(x) Rango(y) di di n 10 C. Spearman 1 014/15 r s 6 D 1 n( n 1)

23 7.5 El coeficiene de correlación ordinal de Spearman (r s ) Si ambas variables ienen el orden inverido Y Rango(x) Rango(y) di di n 10 C. Spearman -1 r s 6 D 1 n( n 1) 014/15 3

24 7.5 El coeficiene de correlación ordinal de Spearman (r s ) Si ambas variables no ienen relación Y Rango(x) Rango(y) di di n 10 C. Spearman 0, /15 4 r s 6 D 1 n( n 1)

25 7.6 El coeficiene de coningencia (C). Para hallar el grado de asociación enre variables nominales (caegóricas) χ C n + χ χ f e f G g 1 c 1 f f C f c ( f o f e f e ) 014/15 5 En el caso de variables nominales o aribuos, se suele hablar de grado de asociación (no de grado de correlación ). Se uiliza en aquellos supuesos en que se recogen daos de variables clasificadas en caegorías. Así, las ablas de coningencia reflejan una asignación de sujeos a grupos y caegorías en cada una de las variables.

26 7.6 El coeficiene de coningencia (C). Medir la relación enre el Color de Pelo y el Color de Ojos Color Ojos Color Pelo Azul Gris/Verde Negro/Pardo Rubio Casaño Negro Pelirrojo 7 8 f e f f f f c Color Pelo Rubio Casaño Negro , Color Ojos Azul Gris/Verde Negro/Pard o , 19,65 5, ,4 178,33 48, ,34 83,16, Pelirrojo ,0 7,85, /15 6

27 7.6 El coeficiene de coningencia (C). Color Pelo Color Ojos Azul Gris/Verde Negro/Pardo Rubio 44,74 14,39 3,67 Casaño 10,76 3,69 5,14 Negro 8,89 8,66 16,90 Pelirrojo 0,00 0,00 0,01 Χ 156,86 χ f G C ( fo fe) e f g 1 c 1 f f f c f e C χ C n + χ 156, ,86 156, ,86 0,368 k C 0, k min k 3 { Filas, Columnas} C 0, C [ 0, 0'816] 0.368/ relación de nivel medio enre las dos variables color del PELO y color de los OJOS 014/15 7

28 7.6 El coeficiene de coningencia (C). Propiedades a) El coeficiene de coningencia C esá comprendido enre 0 y 1. Es decir, 0 < C < 1. En ese caso, no endría senido hablar de coeficienes negaivos o posiivos. El signo suele indicar que las variables consideradas varían en una misma dirección o en dirección opuesa. Cuando rabajamos con variables nominales, no es posible hablar de incremenos o decremenos en el valor de las mismas, pueso que enre las modalidades de ese ipo de variables no se dan ni siquiera relaciones de orden. Por ora pare, el coeficiene C presena el valor 0 cuando la relación enre las variables es nula, pero nunca alcanza el valor 1. El máximo que puede alcanzar C depende del número de filas y columnas. b) El coeficiene C indica la inensidad de la relación, pero no cuáles son las modalidades de ambas variables que ienden a darse conjunamene. La relación se esablece enre aquellas modalidades correspondienes a la fila y la columna de celdas con frecuencia esperada superior a la frecuencia observada. c) El valor de C depende del número de filas y de columnas de la abla de coningencia consruida para su cálculo. Por ese moivo, no son comparables dos valores de C obenidos para una misma pareja de variables, salvo en el caso en que correspondan a ablas de las mismas dimensiones. d) El coeficiene de coningencia C no es comparable a oros coeficienes de correlación, ales como r xy de Pearson o r s de Spearman. Valores similares en C y en cualquiera de esos coeficienes no endrían que indicar un similar grado de correlación enre las parejas de variables implicadas en cada caso. 014/15 8 χ C n + χ

29 7.7 El Coeficiene de correlación biserial-punual (r bp ). Enre una variable cuaniaiva (coninua o discrea) y ora auénicamene dicoómica r r bp bp p p S S q p q p q Cuando buscamos el grado de relación que se manifiesa enre una variable cuaniaiva, coninua o discrea, y ora auénicamene dicoómica, debemos recurrir al coeficiene biserial-punual 014/15 9

30 7.7 El Coeficiene de correlación biserial-punual (r bp ). Comprobar la relación enre el rendimieno académico de los esudianes de Maemáicas (Secundaria), medido con prueba objeiva (50 íems) y el sexo. Punos Inervalo Femenino Masculino Toal TOTAL /15 30 r r bp bp p p S S q p q p q

31 7.7 El Coeficiene de correlación biserial-punual (r bp ). Inervalo fp fq f i ifp ifq if if TOTAL Medias 3,80 7,93 5,9 p q f f p q i i f f f p q q p ,80 7,93 i 5,9 f 014/15 31 S S i f f n p n nq q n p ,488 0,51 f i f 10,45

32 7.7 El Coeficiene de correlación biserial-punual (r bp ). Inervalo fp fq f i ifp ifq if if TOTAL Medias 3,80 7,93 5,9 S S i f f n p n n q n q p ,488 0,51 f i f 10,45 r r bp bp p p S S q p q p q r bp r bp 3,80 5,9 10,45 3,80 7,93 10,45 0,488 0,51 0,0 0,488 0,51 0,0 014/15 3

33 7.7 El Coeficiene de correlación biserial-punual (r bp ). Propiedades S p q rbp p q S a) Se demuesra que el coeficiene r bp es resulado de aplicar el coeficiene de correlación de Pearson al caso en que una de las variables iene carácer dicoómico. b) El valor de r bp no puede ser mayor que 1 ni menor que -1 Es decir, se cumple -1 < r bp < 1. Cuano mayor sea la disancia enre la media de los sujeos que presenan la primera modalidad y la media del oal de sujeos, más próximo a 1 ó -1 será el coeficiene de correlación que obengamos. c) Un coeficiene de correlación posiivo indicará que a punuaciones alas de corresponde perenecer a la caegoría cuya proporción es p, mienras que a punuaciones bajas de corresponde perenecer a la caegoría cuya proporción es q. Un coeficiene negaivo deberá ser inerpreado en senido conrario, es decir, a punuaciones alas de correspondería la caegoría cuya proporción es q, y a punuaciones bajas aquélla cuya proporción es p. r bp p p q 014/15 33

34 7.8 Oros coeficienes de correlación. 014/15 34

35 7.8.1 El coeficiene PHI (Φ) Enre variables dicoómicas (excepcionalmene se puede usar con variables dicoomizadas) φ B C A D ( A + B)( A + C)( C + D)( B + D) Ca. 1 Ca. Toal Ca. 1 (A) (B) Ca. (C) (D) Toal 014/15 35

36 7.8.1 El coeficiene PHI (Φ) Comprobar la relación enre la perenencia a un cenro de enseñanza (Público o Privado) y la respuesa dada a un íem (Verdadero/Falso). Público Privado TOTAL Falso 39(A) 9(B) 68 Verdadero 64(C) 55(D) 119 TOTAL φ B C A D ( A + B)( A + C)( C + D)( B + D) φ B C A D ( A + B)( A + C)( C + D)( B + D) ,3 0, /15 36

37 7.8.1 El coeficiene PHI (Φ) Propiedades φ a) El coeficiene φ es un caso paricular de r xy, pueso que se calcula a parir de ése, por aplicación del coeficiene de Pearson a una serie de valores de carácer dicoómico. b) El coeficiene de correlación φ se encuenra comprendido enre los valores -1 y 1. Es decir, -1 < φ < 1. Ese coeficiene de correlación será posiivo cuando cb sea mayor que ad. En ese caso, exise una relación enre las dos variables en el senido de que los sujeos que presenan el valor 0 en la variable ienden a presenar el valor 0 ambién en Y, y sujeos que presenan el valor 1 en ienden al valor 1 en la variable Y. Por el conrario, el coeficiene será negaivo cuando cb sea menor que ad. En al siuación, predominan los sujeos siuados en las casillas correspondienes a las frecuencias a y d. Es decir, exise relación enre presenar el valor 0 en y presenar el valor 1 en Y. De forma recíproca, exise relación enre presenar el valor 1 en y el valor 0 en la variable Y. c) El valor de φ será 1 cuando odos los sujeos que presenan la modalidad 1 en presenan la modalidad 1 en Y, y odos los sujeos con 0 en obienen 0 en Y. El valor de φ será -1 cuando odos los sujeos que presenan la modalidad 1 en presenan la modalidad 0 en Y, y odos los sujeos con 0 en obienen 1 en Y 014/15 37 B C ( A + B)( A + C)( C + D)( B + D) A D

38 7.8. El coeficiene de correlación eracórico (r ) Enre variables cuaniaivas y coninuas (por razones de la invesigación se dicoomizan) r B A C D 180 r cos B C A D + A D 014/15 38 Md(y) - + Toal + (A) (B) Md(x) - (C) (D) Toal

39 7.8. El coeficiene de correlación eracórico (r ) Comprobar la relación enre las punuaciones alcanzadas en maemáicas () y una prueba de razonamieno maemáico (y) Esudianes Md Punuación en Maemáicas Prueba de Razonamieno ( x) Esudianes Punuación en Maemáicas 4,5 Prueba de Razonamieno Md ( y) Para calcular la Mediana de la variable Y /15 39 Como hay 0 GRADO daos EN la EDUCACIÓN Media esá enre SOCIAL la - posición 10 y la posición 11 50

40 7.8. El coeficiene de correlación eracórico (r ) Esudianes Punuación en Maemáicas -Mdx signo Punuación Prueba de Razonamieno Y-Mdy signo Esudianes en -Mdx signo Maemáicas Prueba de Y-Mdy signo Razonamieno 1 1-3, , , , , , , , , , , , , , , , , , , , Md(y) - + Toal + 3(A) 7(B) 10 Md(x) - 7(C) 3(D) 10 Toal B C r r 5,44 A D ,44 esá enre 5,389 y 5,595 0,59 r 180 A D cos cos r cos cos(54) 0, B C + A D /15 40

41 7.8. El coeficiene de correlación eracórico (r ) B C r r 5,44 A D ,44 esá enre 5,389 y 5,595 0,59 014/15 41

42 7.8. El coeficiene de correlación eracórico (r ) Propiedades B C A D a) El coeficiene r puede valer más que 1 ó menos que -1. Ese coeficiene de correlación será posiivo cuando cb sea mayor que ad. En al caso, exise una relación enre las dos variables en el senido de que los sujeos que presenan el valor 0 en la variable ienden a presenar el valor 0 ambién en Y, y sujeos que presenan el valor 1 en ienden al valor 1 en Y. Por el conrario, el coeficiene será negaivo cuando cb sea menor que ad. En al siuación, predominan los sujeos siuados en las casillas correspondienes a las frecuencias a y d. Es decir, exise relación enre presenar el valor 0 en y presenar el valor 1 en Y. De forma recíproca, exise relación enre presenar el valor 1 en y cl valor 0 en Y. b) Si una de las cuaro frecuencias de la abla de disribución conjuna es nula, el coeficiene de correlación eracórica endrá un valor r l ó r -l. Si a ó d adopan el valor 0, endremos que en cb/ad, el denominador es 0, y por ano el cociene iende a infinio. La abla 11 asigna, en ese caso, un coeficiene r l. Si b ó c adopan el valor 0, endremos que en ad/cb, el denominador se hace 0, y consecuenemene el cociene iende a infinio. La abla 11 asigna ahora un coeficiene r -l. c) Para un mismo conjuno de daos, se cumple que r vale aproximadamene (3/)φ. Esa aproximación es ano mejor cuano más próximos se encuenren a la mediana los punos de dicoomización de ambas variables y cuando r es menor o igual a /15 4 r 180 r cos B C + A D A D

43 Esadísica Aplicada a la Educación 014/ Coeficiene de correlación biserial (r b ) Enre una variable cuaniaiva, coninua o discrea y ora dicoomizada. y p S r p b y q p S r q p b

44 7.8.3 Coeficiene de correlación biserial (r b ) Relación enre las punuaciones en una prueba de rendimieno (40 íems) y el nivel de inegración de los esudianes de secundaria Prueba de rendimieno Inegrado (p) No Inegrado (q) Toal TOTAL /15 44

45 7.8.3 Coeficiene de correlación biserial (r b ) Inervalo fp fq f i ifp ifq if if TOTAL r Medias,50 18,94 1,08 p 0,60 q 0,40 S 8,67 P0,60 área mayor q0,40 área menor y0,3857 (ver abla) r b p p rb S y,50 1,08 8,67 0,60 0,3857 0,55 014/15 45

46 7.8.3 Coeficiene de correlación biserial (r b ) Inervalo fp fq f i ifp ifq if if TOTAL r Medias,50 18,94 1,08 p 0,60 q 0,40 S 8,67 P0,60 área mayor q0,40 área menor y0,3857 (ver abla) r b p q p q rb S y,50 18,94 8,67 0,60 0,40 0,3857 0,55 014/15 46

47 7.8.3 Coeficiene de correlación biserial (r b ) r P0,60 área mayor q0,40 área menor y0,3857 (ver abla) 014/15 47

48 NOMINAL ORDINAL INTERVALO RAZÓN Caegórica Dicoómica Dicoomizada N Caegórica Coef. Coningencia (C) Dicoómica Coef. PHI (Φ) Dicoomizada Coef. Teracórico (r ) 0 Spearman (r s ) I R Coef. Biserial- Punual r bp Coef. biserial (r b ) Pearson (r) 014/15 48

49 7.9 La regresión lineal simple. Elevando al cuadrado el coeficiene de correlación obenemos el coeficiene de deerminación, que permie conocer el porcenaje de varianza comparida. Eso hace posible que se puedan esimar los valores de una variable conociendo los valores en la ora: regresión lineal simple La reca de regresión (Y a + b) nos permie llevar a cabo la predicción o esimación de los valores en una variable (variable crierio) a parir del conocimieno de los valores en la ora variable (variable predicora), con la que maniene una ala correlación. 014/15 49

50 7.9 La regresión lineal simple. Y T T 6 1 T4 14 T5 0 3 T6 14 T7 T8 6 1 T9 4 3 T10 T Suma 0 1 y 0,099x + 4,104 T y 0,099(30) + 4, /15 50

51 014/15 51

52 014/15 5

53 Resumen Concepo de correlación. Relación Perfeca Posiiva. Relación Imperfeca Posiiva. Relación Perfeca Negaiva. Relación Imperfeca Negaiva. Coeficiene de Coningencia. Coeficiene de Correlación Biserial-punual Coeficiene PHI Coeficiene de Correlación Teracórico Coeficiene de Correlación Biserial. Regresión Lineal Simple. Covariación. Coeficiene de Correlación de Pearson. Coeficiene de Correlación Ordinal de Spearman. 014/15 53

54 Fe de erraas Esadísica Aplicada a la Educación 014/15 54

55 Esadísica Aplicada a a la la Educación PREGUNTAS Exámenes aneriores 014/15 55

56 014/15 56

57 014/15 57

58 014/15 58

59 014/15 59

60 014/15 60

PRÁCTICA 2: Ejercicios del capítulo 4

PRÁCTICA 2: Ejercicios del capítulo 4 PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para

Más detalles

Métodos de Previsión de la Demanda Datos

Métodos de Previsión de la Demanda Datos Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco

Más detalles

CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN

CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN Auores: Alicia Vila (avilag@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Ana López (alopezra@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu), MAPA CONCEPTUAL Definición

Más detalles

Modelo de regresión lineal simple

Modelo de regresión lineal simple Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Análisis Esadísico de Daos Climáicos SERIES TEMPORALES I Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Monevideo, Uruguay 2011 CONTENIDO Esudio de las series emporales en Climaología.

Más detalles

Técnicas cualitativas para las Ecuaciones diferenciales de primer orden: Campos de pendientes y líneas de fase

Técnicas cualitativas para las Ecuaciones diferenciales de primer orden: Campos de pendientes y líneas de fase Lección 5 Técnicas cualiaivas para las Ecuaciones diferenciales de primer orden: Campos de pendienes y líneas de fase 5.. Técnicas Cualiaivas Hasa ahora hemos esudiado écnicas analíicas para calcular,

Más detalles

PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce

PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce Economería I. DADE Noas de Clase PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce (rafael.dearce@uam.es) INTRODUCCIÓN Una vez lograda una expresión maricial para la esimación de los parámeros

Más detalles

D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero

D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESOS ESTOCÁSTICOS Un proceso esocásico «Z» considera «n» variables aleaorias, Z n, en momenos de iempo sucesivos, cada una de esas «n» variables

Más detalles

Facultad de Ciencias del Mar. Curso 2007/08 11/07/08

Facultad de Ciencias del Mar. Curso 2007/08 11/07/08 Esadísica Convocaoria de Junio Faculad de Ciencias del ar. Curso 007/08 /07/08 El galludo (Squalus egalops) es una especie de iburón de aguas empladas a ropicales, que habia la plaaforma coninenal exerior

Más detalles

ECONOMETRÍA EMPRESARIAL II ADE

ECONOMETRÍA EMPRESARIAL II ADE 4 Bernardí Cabrer Economería Empresarial II Tema 8 ECONOMETRÍA EMPRESARIAL II ADE TEMA 8 MODELOS LINEALES SIN ESTACIONALIDAD I ( Modelos regulares 4 Bernardí Cabrer Economería Empresarial II Tema 8 8.

Más detalles

Experimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría

Experimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría Experimeno 3 Análisis del movimieno en una dimensión Objeivos. Esablecer la relación enre la posición y la velocidad de un cuerpo en movimieno 2. Definir la velocidad como el cambio de posición en un inervalo

Más detalles

1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...

1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos... Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones

Más detalles

Las señales pueden ser también, señales continuas o señales alternas.

Las señales pueden ser también, señales continuas o señales alternas. INSIUO ÉCNICO SLESINO LORENZO MSS ema 1: CONCEPOS PRELIMINRES LLER DE MEDICIONES Conenido: Concepo de señal elécrica. Valores caracerísicos de las señales elécricas: Frecuencia (período, Fase, Valor de

Más detalles

Estadística de Vivienda Libre

Estadística de Vivienda Libre Esadísica de Vivienda Libre Meodología Subdirección General de Esadísicas Madrid, febrero de 2012 Índice 1 Inroducción 2 Objeivos 3 Ámbios de la esadísica 3.1 Ámbio poblacional 3.2 Ámbio geográfico 3.3

Más detalles

DERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9

DERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9 EREHOS ÁSIOS E PRENIZJE Reconoce el significado de los eponenes racionales posiivos negaivos uiliza las lees de los eponenes. Por ejemplo: 7 7 7+ 7 7 7 7 7 0 Realiza conversiones de unidades de una magniud

Más detalles

6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA

6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas

Más detalles

TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.

TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales. T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas

Más detalles

UNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temístocles Montás

UNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temístocles Montás UNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temísocles Monás Puede el comporamieno acual de la políica fiscal sosenerse sin generar una deuda pública que crezca sin límie?

Más detalles

Modelos de Ajuste Nominal Incompleto. Por Agustín Casas, UdeSa. Diego Hofman, Princeton. Analía Olgiati, BID. Javier DiFiori, Morgan Stanley

Modelos de Ajuste Nominal Incompleto. Por Agustín Casas, UdeSa. Diego Hofman, Princeton. Analía Olgiati, BID. Javier DiFiori, Morgan Stanley Modelos de Ajuse Nominal Incompleo Por Agusín Casas, UdeSa. Diego Hofman, Princeon. Analía Olgiai, BID. Javier DiFiori, Morgan Sanley JEL CLASS: E12 - Keynes; Keynesian; Pos-Keynesian E13 - Neoclassical

Más detalles

Aplicaciones de la Probabilidad en la Industria

Aplicaciones de la Probabilidad en la Industria Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de

Más detalles

1-Características generales del movimiento

1-Características generales del movimiento 1-Caracerísicas generales del movimieno La pare de la física que se encarga de esudiar los movimienos de los cuerpos se llama Cinemáica. 1.1-Sisema de referencia, posición y rayecoria. Decimos que un cuerpo

Más detalles

4. INDICADORES DE RENTABILIDAD EN CERTIDUMBRE

4. INDICADORES DE RENTABILIDAD EN CERTIDUMBRE Evaluación de Proyecos de Inversión 4. INDICADORES DE RENTABILIDAD EN CERTIDUMBRE La generación de indicadores de renabilidad de los proyecos de inversión, surge como respuesa a la necesidad de disponer

Más detalles

Dispositivos semiconductores

Dispositivos semiconductores Deparameno de Telecomunicaciones Disposiivos semiconducores 3 Inroduccion Veremos los disposiivos semiconducores más básicos: los diodos. Veremos las variables más comunes de esos semiconducores; El diodo

Más detalles

Cobertura de una cartera de bonos con forwards en tiempo continuo

Cobertura de una cartera de bonos con forwards en tiempo continuo Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................

Más detalles

CURVAS PLANAS, ECUACIONES PARAMETRICAS Y COORDENADAS POLARES 2.1 CURVAS PLANAS Y ECUACIONES PARAMETRICAS

CURVAS PLANAS, ECUACIONES PARAMETRICAS Y COORDENADAS POLARES 2.1 CURVAS PLANAS Y ECUACIONES PARAMETRICAS CURVAS PLANAS, ECUACIONES PARAMETRICAS Y COORDENADAS POLARES.1 CURVAS PLANAS Y ECUACIONES PARAMETRICAS Hasa ahora conocemos la represenación de una grafica mediane una ecuación con dos variables. En ese

Más detalles

Solución: El sistema de referencia, la posición del cuerpo en cada instante respecto a dicha referencia, el tiempo empleado y la trayectoria seguida.

Solución: El sistema de referencia, la posición del cuerpo en cada instante respecto a dicha referencia, el tiempo empleado y la trayectoria seguida. 1 Qué es necesario señalar para describir correcamene el movimieno de un cuerpo? El sisema de referencia, la posición del cuerpo en cada insane respeco a dicha referencia, el iempo empleado y la rayecoria

Más detalles

Ecuaciones diferenciales, conceptos básicos y aplicaciones

Ecuaciones diferenciales, conceptos básicos y aplicaciones GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos

Más detalles

Circuitos para observar la descarga y carga de un capacitor.

Circuitos para observar la descarga y carga de un capacitor. IUITO Objeivo Enconrar el comporamieno de la diferencia de poencial en función del iempo, (), enre los exremos de un capacior cuando en un circuio se carga y cuando se descarga el capacior. INTODUION onsidere

Más detalles

UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA

UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral

Más detalles

GUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME

GUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME INSTITUTO NACIONAL Deparameno de Física Coordinación Segundo Medio 06. GUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME NOMBRE: CURSO: Caracerísica general de M.R.U: Si una parícula se mueve en la dirección del

Más detalles

Matemática financiera

Matemática financiera UNDAD 2 Maemáica financiera L a necesidad de efecuar numerosos y complicados cálculos dio origen a los logarimos. Los más usados son los logarimos neperianos, llamados así en honor de John Neper (156 1617),

Más detalles

TEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)

TEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004) EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas

Más detalles

TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS

TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores

Más detalles

Capítulo 4 Sistemas lineales de primer orden

Capítulo 4 Sistemas lineales de primer orden Capíulo 4 Sisemas lineales de primer orden 4. Definición de sisema lineal de primer orden Un sisema de primer orden es aquel cuya salida puede ser modelada por una ecuación diferencial de primer orden

Más detalles

Funciones trigonométricas

Funciones trigonométricas 0 Funciones rigonoméricas Tenemos en el plano R² la circunferencia C de radio con cenro (0,0. En ella disinguimos el puno (,0, que es el puno de inersección dec con el semieje de las x posiivas. Si pariendo

Más detalles

Tema 3. Circuitos capacitivos

Tema 3. Circuitos capacitivos Inroducción a la Teoría de ircuios Tema 3. ircuios capaciivos. Inroducción... 2. Inerrupores... 3. ondensadores... 2 3.. Asociación de capacidades.... 5 ondensadores en paralelo... 5 ondensadores en serie...

Más detalles

Ejemplo. Consideremos el sistema de retraso unitario dado por

Ejemplo. Consideremos el sistema de retraso unitario dado por Tema 2: Descripción de Sisemas - Pare I - Virginia Mazzone Inroducción Los sisemas que esudiaremos, ienen alguna enrada y alguna salida, 1. Suponemos que si aplicamos una enrada obenemos una salida única.

Más detalles

GEOMETRÍA. Matemática - EL MAESTRO EN CASA PIRÁMIDE. Pirámide cuadrangular: su base es un cuadrado (4 lados), al igual que sus caras

GEOMETRÍA. Matemática - EL MAESTRO EN CASA PIRÁMIDE. Pirámide cuadrangular: su base es un cuadrado (4 lados), al igual que sus caras Maemáica - EL MAESTRO EN CASA PIRÁMIDE Una pirámide es un poliedro cuya superficie esá formada por una base que es un polígono cualquiera y caras laerales riangulares que confluyen en un vérice que se

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:

Más detalles

DERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9

DERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9 4 Reconoce el significado de los eponenes racionales posiivos negaivos uiliza las lees de los eponenes. Por ejemplo: 7 7 7 + 7 4 7 7 7 7 40 ( 7 / ) / 7 / / 7 /0 0 7,... Uiliza la noación cienífica para

Más detalles

2 El movimiento y su descripción

2 El movimiento y su descripción El movimieno y su descripción EJERCICIOS PROPUESTOS. Una malea descansa sobre la cina ransporadora de un aeropuero. Describe cómo ve su movimieno un pasajero que esá: parado en la misma cina; en una cina

Más detalles

Metodología de cálculo del diferencial base

Metodología de cálculo del diferencial base Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros

Más detalles

Tema 3. El modelo neoclásico de crecimiento: el modelo de Solow-Swan

Tema 3. El modelo neoclásico de crecimiento: el modelo de Solow-Swan Tema 3. El modelo neoclásico de crecimieno: el modelo de Solow-Swan Inroducción Esquema El modelo neoclásico SIN progreso ecnológico a ecuación fundamenal del modelo neoclásico El esado esacionario Transición

Más detalles

Test. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos

Test. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar

Más detalles

IGEP Tema 2. Leyas financieras básicas: estudio usando aplicaciones informáticas.

IGEP Tema 2. Leyas financieras básicas: estudio usando aplicaciones informáticas. IGEP Tema 2. Leyas financieras básicas: esudio usando aplicaciones informáicas. onenido. apial financiero... 2. Leyes financieras: capialización y descueno...4 2. Leyes de capialización...4 2.2 Leyes de

Más detalles

MACROECONOMÍA II ADE GRUPOS 20 Y 21 (ECTS) FECHA DE ENTREGA: Martes 11 de Mayo de 2010 Práctica nº 5: Hoja de problemas sobre Tipos de cambio

MACROECONOMÍA II ADE GRUPOS 20 Y 21 (ECTS) FECHA DE ENTREGA: Martes 11 de Mayo de 2010 Práctica nº 5: Hoja de problemas sobre Tipos de cambio MACROECONOMÍA II ADE GRUPOS 20 Y 21 (ECTS) FECHA DE ENTREGA: Mares 11 de Mayo de 2010 Prácica nº 5: Hoja de problemas sobre Tipos de cambio 1. A parir de los siguienes daos sobre el ipo de cambio nominal

Más detalles

ENSEÑAR ESTADÍSTICA BIDIMENSIONAL EN ESO Y BACHILLERATO

ENSEÑAR ESTADÍSTICA BIDIMENSIONAL EN ESO Y BACHILLERATO Enseñar ESTADÍSTICA BIDIMENSIONAL en ESO y Bachillerao ENSEÑAR ESTADÍSTICA BIDIMENSIONAL EN ESO Y BACHILLERATO Abel Marín - Rosana Álvarez García (*) Como ya hemos señalado en un arículo anerior, "la enseñanza

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de varias variables. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C.

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de varias variables. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Maemáicas 1 1 EJERCICIOS RESUELTOS: Funciones de varias variables Elena Álvarez Sáiz Dpo. Maemáica Aplicada C. Compuación Universidad de Canabria Ingeniería de Telecomunicación Ejercicios: Func. varias

Más detalles

DERIVACIÓN BAJO EL SIGNO INTEGRAL. 1. Hallar el punto del intervalo [0,2] en el que la función =

DERIVACIÓN BAJO EL SIGNO INTEGRAL. 1. Hallar el punto del intervalo [0,2] en el que la función = DERIVACIÓN BAJO EL SIGNO INTEGRAL. Hallar el puno del inervalo [,] en el que la función F () d alcanza su valor mínimo. El mínimo de una función se alcanza en los punos donde su primera derivada es nula

Más detalles

RE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005

RE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005 RESULTADOSEDUCATIVOS RE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005 FÓRMULA RE01 NOMBREdelINDICADOR Diferencia del loro promedio

Más detalles

Análisis de inversiones y proyectos de inversión

Análisis de inversiones y proyectos de inversión Análisis de inversiones y proyecos de inversión Auora: Dra. Maie Seco Benedico Índice 5. Análisis de Inversiones 1. Inroducción. 2. Crierios para la valoración de un proyeco. 3. Técnicas de valoración

Más detalles

MACROECONOMIA II. Grado Economía 2013-2014

MACROECONOMIA II. Grado Economía 2013-2014 MACROECONOMIA II Grado Economía 2013-2014 PARTE II: FUNDAMENTOS MICROECONÓMICOS DE LA MACROECONOMÍA 3 4 5 Tema 2 Las expecaivas: los insrumenos básicos De qué dependen las decisiones económicas? Tipo de

Más detalles

Las derivadas de los instrumentos de renta fija

Las derivadas de los instrumentos de renta fija Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa

Más detalles

CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS

CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS Dada la dependencia de la velocidad con la posición en un movimieno recilíneo mosrada por la siguiene gráfica, deerminar la dependencia con

Más detalles

TEMA 1: SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS.

TEMA 1: SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS. TEMA : SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS. RELACIÓN DE PROBLEMAS. Pon un ejemplo, cuando sea posible, de un sisema de dos ecuaciones con res incógnias que sea: a) Compaible deerminado b)

Más detalles

Capítulo 5 Sistemas lineales de segundo orden

Capítulo 5 Sistemas lineales de segundo orden Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d

Más detalles

Departamento de Ingeniería Hidráulica y M.A. de la U.P.V HIDROGRAMA UNITARIO

Departamento de Ingeniería Hidráulica y M.A. de la U.P.V HIDROGRAMA UNITARIO Deparameno de Ingeniería Hidráulica y M.A. de la U.P.V. 6 6.- HIDROGRAMA UNITARIO Deparameno de Ingeniería Hidráulica y M.A. de la U.P.V. 63 PROBLEMA RESUELTO 1 El HU de una cuenca para una lluvia de 1

Más detalles

Y t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.

Y t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables. ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés

Más detalles

MATEMÁTICAS II. x x x d) ( ) b) Como el grado del numerador y del denominador son iguales, hay que empezar por hacer la división.

MATEMÁTICAS II. x x x d) ( ) b) Como el grado del numerador y del denominador son iguales, hay que empezar por hacer la división. Albero Enero Conde Maie González Juarrero Inegral indefinida. Cálculo de primiivas Ejercicio Calcula la siguienes inegrales a) d b) d c) 6 d d) 3 d e) d 9 e a) Haciendo el cambio de variable d d. d d d

Más detalles

TEMA: FUNCIONES: Cuadrantes 3 er cuadrante, x 0, 4º cuadrante, x 0,

TEMA: FUNCIONES: Cuadrantes 3 er cuadrante, x 0, 4º cuadrante, x 0, TEMA: FUNCIONES: ÍNDICE:. Inroducción.. Dominio y recorrido.. Gráficas de funciones elemenales. Funciones definidas a rozos. 4. Coninuidad.. Crecimieno y decrecimieno, máimos y mínimos. 6. Concavidad y

Más detalles

COMPARACION DE PLANES DE PENSIONES DESDE LA PERSPECTIVA DEL INVERSOR

COMPARACION DE PLANES DE PENSIONES DESDE LA PERSPECTIVA DEL INVERSOR COMPARACION DE PLANES DE PENSIONES DESDE LA PERSPECTIVA DEL INVERSOR Monserra Guillén 1, Jens Perch Nielsen 2 y Ana M. Pérez-Marín 3 RESUMEN En ese rabajo se comparan res producos básicos de ahorro exisenes

Más detalles

Foundations of Financial Management Page 1

Foundations of Financial Management Page 1 Foundaions of Financial Managemen Page 1 Combinaciones empresarias: decisiones sobre absorciones y fusiones de empresas Adminisración financiera UNLPam Faculad de Ciencias Económicas y Jurídicas Profesor:

Más detalles

ECONOMÍA DE LA EMPRESA: INVERSIONES. Tema 1: Métodos de selección de inversiones en condiciones de certeza... 1

ECONOMÍA DE LA EMPRESA: INVERSIONES. Tema 1: Métodos de selección de inversiones en condiciones de certeza... 1 ECONOMÍA DE LA EMPRESA: INVERSIONES Tema 1: Méodos de selección de inversiones en condiciones de cereza.... 1 Tema : Cálculo de las variables de un proyeco de inversión.... 13 Tema 3: Valoración de las

Más detalles

DOCUMENTO DE TRABAJO. www.economia.puc.cl. Determinantes Económicos de la Fecundidad de Corto Plazo en Chile. Carla Castillo Laborde.

DOCUMENTO DE TRABAJO. www.economia.puc.cl. Determinantes Económicos de la Fecundidad de Corto Plazo en Chile. Carla Castillo Laborde. Insiuo I N S T Ide T Economía U T O D E E C O N O M Í A T E S I S d e M A G Í S T E R DOCUMENTO DE TRABAJO 2005 Deerminanes Económicos de la Fecundidad de Coro Plazo en Chile Carla Casillo Laborde. www.economia.puc.cl

Más detalles

ÁREA DE FÍSICA DE LA TIERRA SISMOLOGÍA E INGENIERÍA SÍSMICA (PRÁCTICAS)

ÁREA DE FÍSICA DE LA TIERRA SISMOLOGÍA E INGENIERÍA SÍSMICA (PRÁCTICAS) ÁREA DE FÍSICA DE LA TIERRA SISMOLOGÍA E INGENIERÍA SÍSMICA (PRÁCTICAS) Anexo VI Prácicas de Sismología e Ingeniería Sísmica PRACTICA 5. TRATAMIENTO DE ACELEROGRAMAS. 1. OBJETIVO Aprender a llevar a cabo

Más detalles

ALGUNOS PROBLEMAS DE SELECTIVIDAD PROPUESTOS EN 2013

ALGUNOS PROBLEMAS DE SELECTIVIDAD PROPUESTOS EN 2013 GEOMETRÍA (Selecividad ) ALGUNOS PROBLEMAS DE SELECTIVIDAD PROPUESTOS EN Aragón junio a) Pueden eisir vecores u v ales que u v u v = 8? Jusifica la respuesa b) Deermina odos los posibles vecores u = (a

Más detalles

Método desarrollado en el año de 1889, pero por su sencillez todavía se sigue utilizando.

Método desarrollado en el año de 1889, pero por su sencillez todavía se sigue utilizando. 1 3.2.1.1. Fórmula racional Méodo desarrollado en el año de 1889, pero por su sencillez odavía se sigue uilizando. Hipóesis fundamenal: una lluvia consane y uniforme que cae sobre la cuenca de esudio,

Más detalles

3 Aplicaciones de primer orden

3 Aplicaciones de primer orden CAÍTULO 3 Aplicaciones de primer orden 3.2. Modelo logísico El modelo de Malhus iene muchas limiaciones. or ejemplo, predice que una población crecerá exponencialmene con el iempo, que no ocurre en la

Más detalles

Introducción a la Estadística Empresarial. Capítulo 4.- Series temporales Jesús Sánchez Fernández

Introducción a la Estadística Empresarial. Capítulo 4.- Series temporales Jesús Sánchez Fernández Inroducción a la Esadísica Empresarial. Capíulo 4.- Series emporales CAPITULO 4.- SERIES TEMPORALES 4. Inroducción. Hasa ahora odas las variables que se han esudiado enían en común que, por lo general,

Más detalles

Luis H. Villalpando Venegas,

Luis H. Villalpando Venegas, 2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con

Más detalles

CAPÍTULO 5. INTEGRACIÓN DE FUNCIONES TRIGONOMÉTRICAS 5.1. Introducción 5.2. Cambios de variable 5.3. Transformación en sumas 5.4. Problemas resueltos

CAPÍTULO 5. INTEGRACIÓN DE FUNCIONES TRIGONOMÉTRICAS 5.1. Introducción 5.2. Cambios de variable 5.3. Transformación en sumas 5.4. Problemas resueltos CAPÍTULO 5. INTEGRACIÓN DE FUNCIONES TRIGONOMÉTRICAS 5.. Inroducción 5.. Cambios de variable 5.3. Transformación en sumas 5.4. Problemas resuelos 5.5. Inegración por recurrencia Capíulo 5 Inegración de

Más detalles

Tema 2. Modelos matemáticos de los sistemas físicos

Tema 2. Modelos matemáticos de los sistemas físicos Tema. Modelos maemáicos de los sisemas físicos Objeivos Definir modelo maemáico en el ámbio de la ingeniería de sisemas Conocer la meodología de modelado de sisemas físicos Reconocer un modelo lineal de

Más detalles

Lección 3. Curvas. 4. Curvas parametrizadas: ejemplos.

Lección 3. Curvas. 4. Curvas parametrizadas: ejemplos. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 011 1. 4. Curvas paramerizadas: ejemplos. La descripción más direca y flexible de una curva es una represenación paramérica. En lugar de considerar una de las coordenadas

Más detalles

METODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001

METODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001 METODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001 Insiuo Nacional de Esadísica y Censos (INDEC) Dirección

Más detalles

El comportamiento del precio de las acciones

El comportamiento del precio de las acciones El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre

Más detalles

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS 1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias

Más detalles

1.CINEMÁTICA. Movimiento Se define el movimiento como el cambio de posición de algo respecto a un sistema de referencia

1.CINEMÁTICA. Movimiento Se define el movimiento como el cambio de posición de algo respecto a un sistema de referencia Magniudes fundamenales Son las magniudes que se pueden medir direcamene 1.CINEMÁTICA Definiciones Reposo Se define como el no cambiar de posición respeco a un sisema de referencia. No hay ningún cuerpo

Más detalles

domótico Extras 2.1 Unidad de control 2.2 Dispositivos de entrada 2.4 Electrodomésticos domóticos 2.5 Medios de comunicación en redes domésticas

domótico Extras 2.1 Unidad de control 2.2 Dispositivos de entrada 2.4 Electrodomésticos domóticos 2.5 Medios de comunicación en redes domésticas 2 Elemenos de un sisema domóico Conenidos 2.1 Unidad de conrol 2.2 Disposiivos de enrada 2.3 Acuadores 2.4 Elecrodomésicos domóicos 2.5 Medios de comunicación en redes domésicas 2.6 Tecnologías aplicadas

Más detalles

1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA

1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA hp://www.vinuesa.com 1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA 1.1.- INTRODUCCIÓN Los filros de pila consiuyen una clase de filros digiales no lineales. Un filro de pila que es usado

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA Insrucor: Horacio Caalán TEORÍA DE COINTEGRACIÓN Efecos de las propiedades esocásicas de las series en un modelo de regresión

Más detalles

CAPÍTULO II. Conceptos de Confiabilidad

CAPÍTULO II. Conceptos de Confiabilidad CAPÍTULO II Concepos de Confiabilidad CAPÍTULO II CONCEPTOS DE CONFIABILIDAD Una de las áreas de ingeniería de confiabilidad es la modelación de la misma, debido a que los procesos en general se comporan

Más detalles

CAPÍTULO 3: INFILTRACIÓN

CAPÍTULO 3: INFILTRACIÓN 27 CAPÍTULO 3: INFILTRACIÓN 3.1 DEFINICIÓN El agua precipiada sobre la supericie de la ierra, queda deenida, se evapora, discurre por ella o penera hacia el inerior. Se deine como inilración al paso del

Más detalles

Tema 8: SERIES TEMPORALES

Tema 8: SERIES TEMPORALES Inroducción a la Economería Tema 8: ERIE TEMPORALE Tema 8: ERIE TEMPORALE. Concepo y componenes de una serie emporal. Definiremos una serie emporal como cualquier conjuno de N observaciones cuaniaivas

Más detalles

Estadística de Valor Tasado de Vivienda

Estadística de Valor Tasado de Vivienda Esadísica de Valor Tasado de Vivienda Meodología Subdirección General de Esudios y Esadísicas Madrid, enero de 2016 Índice 1 Inroducción 2 Objeivos 3 Ámbios de la esadísica 3.1 Ámbio poblacional 3.2 Ámbio

Más detalles

LÍNEAS DE FASES. Fig. 1. dx (1) dt se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden definida en Ω.

LÍNEAS DE FASES. Fig. 1. dx (1) dt se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden definida en Ω. LÍNEAS DE FASES E. SÁEZ Sea el dominio Ω R R y la función F : Ω R. F R Ω Una epresión de la forma Fig. 1 d (1) = F(,), o bien, ẋ = F(,) se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden

Más detalles

Aplicaciones del Ampli cador Operacional

Aplicaciones del Ampli cador Operacional Aplicaciones del Ampli cador Operacional J.I.Huircan Universidad de La Fronera January 6, 202 Absrac Exisen muchas aplicaciones con el Ampli cador Operacional (AO). El análisis en aplicaciones lineales

Más detalles

Observatorio * EL AUMENTO DEL IVA EN ESPAÑA: UNA CUANTIFICACIÓN ANTICIPADA DE SUS EFECTOS **

Observatorio * EL AUMENTO DEL IVA EN ESPAÑA: UNA CUANTIFICACIÓN ANTICIPADA DE SUS EFECTOS ** Revisa de Economía Aplicada E Número 53 (vol. XVIII), 2010, págs. 163 a 183 A Observaorio * EL AUMENTO DEL IVA EN ESPAÑA: UNA CUANTIFICACIÓN ANTICIPADA DE SUS EFECTOS ** GONZALO FERNÁNDEZ-DE-CÓRDOBA Universidad

Más detalles

UNIDAD IX. Técnicas de Suavización

UNIDAD IX. Técnicas de Suavización UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?

Más detalles

En el campo del control industrial se diferencian dos tipos de sistemas: MONITORIZACIÓN. Display S A L I D A. Alarmas S A L I D A

En el campo del control industrial se diferencian dos tipos de sistemas: MONITORIZACIÓN. Display S A L I D A. Alarmas S A L I D A MUESTREO DE SEÑALES Tipos de Señales de los Procesos Indusriales El ipo de señales usadas en conrol de procesos dependen del nivel en el que nos siuemos. Así, a nivel alo se uilizan señales de comunicación

Más detalles

Práctica 4: Sistemas telescópicos. Objeto próximo.

Práctica 4: Sistemas telescópicos. Objeto próximo. LABORATORO D ÓPTCA (ÓPTCA NSTRUMNTAL) CURSO 2009/10 Prácica 4: Sisemas elescópicos. Objeo próximo. 1 Objeivo de la prácica n esa prácica se comprueba que cuando el aneojo rabaja con jeos próximos, es necesario

Más detalles

PROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO

PROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.

Más detalles

Un algoritmo para la Planificación de Producción en un Sistema en Red de Fabricación basada en Sistemas Multiagente 1

Un algoritmo para la Planificación de Producción en un Sistema en Red de Fabricación basada en Sistemas Multiagente 1 X Congreso de Ingeniería de Organización Valencia, 7 y 8 de sepiembre de 2006 Un algorimo para la Planificación de Producción en un Sisema en Red de Fabricación basada en Sisemas Muliagene 1 Julio J. García-Sabaer

Más detalles

ESCUELA POLITÉCNICA NACIONAL

ESCUELA POLITÉCNICA NACIONAL ESCUELA POLIÉCNICA NACIONAL ESCUELA DE CIENCIAS DAOS AÍPICOS Y FALANES, ANÁLISIS DE INERVENCIÓN Y DESESACIONALIZACIÓN DE SERIES CRONOLÓGICAS. APLICACIONES A DAOS DE UNA EMPRESA DE VENA DIRECA PROYECO PREVIO

Más detalles

PRÁCTICA 3: Sistemas de Orden Superior:

PRÁCTICA 3: Sistemas de Orden Superior: PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se

Más detalles

y = log b x b y =x. ln(e x ) = x = e lnx.

y = log b x b y =x. ln(e x ) = x = e lnx. 5. FUNCIÓN LOGARÍTMICA La función logarímica de base b se define como la inversa de la función exponencial con base b. Es decir, el logarimo de base b de un número x es el exponene al cual debe elevarse

Más detalles

UD: 3. ENERGÍA Y POTENCIA ELÉCTRICA.

UD: 3. ENERGÍA Y POTENCIA ELÉCTRICA. D: 3. ENEGÍA Y OENCA ELÉCCA. La energía es definida como la capacidad de realizar rabajo y relacionada con el calor (ransferencia de energía), se percibe fundamenalmene en forma de energía cinéica, asociada

Más detalles

MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO

MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO EUSKAL ESTATISTIKA ERAKUNDEA INSTITUTO VASCO DE ESTADISTICA Donosia-San Sebasián, 1 01010 VITORIA-GASTEIZ

Más detalles

Tema 2. El modelo de Solow: La acumulación de capital físico.

Tema 2. El modelo de Solow: La acumulación de capital físico. Tema 2. El modelo de Solow: a acumulación de capial físico. 2.1 El modelo básico de Solow.... 2 2.2 El esado esacionario: el modelo de Solow como eoría de las diferencias de rena.... 7 2.3 a convergencia

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003

REVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003 REVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003 ADAPTACION DE LOS TIPOS DE INTERES DE INTERVENCION A LA REGLA DE TAYLOR. UN ANALISIS ECONOMETRICO Carlos Paeiro Rodríguez 1, Deparameno de Análisis

Más detalles

La transformada de Laplace

La transformada de Laplace Capíulo 8 La ransformada de Laplace 8.. Inroducción a las ransformadas inegrales En ese aparado aprenderemos un méodo alernaivo para resolver el problema de valores iniciales (4.5.) y (x) + py (x) + qy(x)

Más detalles