Modelo de Regresión Lineal
|
|
- Samuel Martín Vega
- hace 5 años
- Vistas:
Transcripción
1 Modelo de Regresión Lineal Supuestos del modelo Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012
2 Introducción Y = β 0 + β 1 X + ε Supuestos: Correcta especificación del modelo E(ε) = 0 E(Y j ) = β 0 + β 1 X Homogeneidad de varianza en los errores V ar(ε j ) = σ 2 V ar(y j ) = σ 2 ; No correlación de los errores Cov(ε i, ε j ) = 0 Distribución normal de los errores j = 1, 2,..., n i j ε Normal(0, σ 2 )
3 Introducción El éxito en del ajuste de un modelo de regresión y la validez de los hallagos y conclusiones obtenidas, dependen de lo razonable de las simplificaciones asociadas con los modelos usados, es decir, de los supuestos del modelo. La importancia de realizar procedimientos conducentes a validar los supuestos, radica fundamentalmente en que ellos inciden en las cualidades de los estimadores de mínimos cuadrados (Behar, 2003). Para esto hay dos enfoques: Enfoque Gráfico Enfoque pruebas formales (pruebas de hipótesis)
4 Correcta especificación del modelo Razones: E(ε j ) 0 E(Y ) β 0 + β 1 X 1 Planteamiento equivocado de la relación entre Y y X (tratar un modelo no lineal como si fuera lineal) 2 Omisión de variables relevantes Nota: La suma de los residuales siempre es igual a cero; sin importar si el modelo está bien o mal especificado.
5 y Correcta especificación del modelo Caso donde se cumple el supuesto: Figura: Gráfico de y vs x Figura: Gráfico de residuales vs y ajustados Residuales x y^
6 Correcta especificación del modelo Caso donde no se cumple el supuesto: Figura: Gráfico de y vs x x y Figura: Gráfico de residuales vs y ajustados y^ Residuales
7 Homogeneidad de varianza en los errores Homocedasticidad se refiere al supuesto de que la variable dependiente (Y ) presenta una distribución con igual varianza en todo el rango de valores de la variable independiente (X). Figura: Homocedasticidad vs Heterocedasticidad
8 Homogeneidad de varianza en los errores Homocedasticidad se refiere al supuesto de que la variable dependiente (Y ) presenta una distribución con igual varianza en todo el rango de valores de la variable independiente (X). Figura: Homocedasticidad vs Heterocedasticidad Si no se cumple este supuesto los estimadores dejan de ser óptimos y las pruebas estadísticas (ANOVA, pruebas t) e intervalos de confianza pierden validez (altera el nivel de confianza)
9 y Homogeneidad de varianza en los errores Caso donde se cumple el supuesto: Figura: Gráfico de y vs x Figura: Gráfico de residuales vs y ajustados Residuales x y^
10 Homogeneidad de varianza en los errores Caso donde no se cumple el supuesto: Figura: Gráfico de y vs x x y Figura: Gráfico de residuales vs y ajustados y^ Residuales
11 No correlación de los errores Cov(ε i, ε j ) 0 Si no se cumple este supuesto los estimadores dejan de ser óptimos y las pruebas estadísticas (ANOVA, pruebas t) e intervalos de confianza pierden validez (altera el nivel de confianza). En las situaciones en las que se pueda garantizar que las observaciones y i, constituyen una muestra aleatoria (independientes e idénticamente distribuidas), no existirá correlación de los errores, es decir, que es posible controlar este aspecto, algunas ocasiones, con base en el procedimiento de selección de la muestra (Behar, 2003). El incumplimiento de este supuesto puede ocurrir cuando las observaciones se toman como se secuencia en el tiempo.
12 No correlación de los errores Para observar si hay problemas de correlación de los errores se hace un gráfico de residuales vs tiempo de medición. Figura: Correlación positiva Tiempo Residuales Figura: Correlación negativa Tiempo Residuales
13 Normalidad de los errores Se supone que cada observación viene de una distribución normal centrada verticalmente en cada nivel (x i ) del modelo asumido. (σ 2 ) se asume igual para cada distribución normal Y X = x N(xβ, σ 2 ) ˆβ N(β, σ 2 (X X) 1 ) La normalidad de los errores permite la estimación por intervalos de confianza no sólo para los coeficientes de regresión, sino también para la predicción. Permite el planteamiento de pruebas de hipótesis sobre los parámetros del modelo. Cuando los errores no son normales, los intervalos y las pruebas de hipótesis no son exactas y pueden llegar a ser inválidas (Behar, 2003).
14 Normalidad de los errores Caso donde se cumple el supuesto: Figura: Histograma de los residuales residuales densidad Figura: qq-plot de los residuales Normal Q Q Plot Theoretical Quantiles Sample Quantiles
15 Normalidad de los errores Caso donde no se cumple el supuesto: Figura: Histograma de los residuales residuales densidad Figura: qq-plot de los residuales Normal Q Q Plot Theoretical Quantiles Sample Quantiles
16 Algunas pruebas formales Homocedasticidad: Prueba de Goldfeld-Quant, prueba de White. Incorrelación de los errores: (correlación temporal) Prueba de Durbin-Watson, prueba de rachas. Normalidad de los errores: Prueba de Shapiro-Wilks, prueba de Anderson-Darling. Algunos de estos supuestos se pueden corregir por medio de transformaciones en algunas de las variables (y o x). Otras solución al incumplimiento de los supuestos es el uso de mínimos cuadrados generalizados.
17 Bibliografía Behar, R. (2003). Validación de supuestos en el modelo de regresión. Serie Monografías, Universidad del Valle, Cali, vol. 1 edition. Draper, N. and Smith, H. (1998). Applied regression analysis. John Wiley & Sons, New York, 3 edition. Montgomery, D.C. Peck, E. and Vinning, G. (2002). Introducción al análisis de regresión lineal. CECSA, Mexico, 3 edition. Rawlings, J. O., Pantula, S., and Dickey, D. (1998). Applied Regression Analyisis: A Research Tool. Springer-Verlag, New York, 2 edition.
Modelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Más detallesDr. Fidel Ulin Montejo M.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto 2004 Fecha de última actualización: Julio 2010
PROGRAMA DE ESTUDIO Análisis de Regresión Programa Educativo: Licenciatura en Actuaría Área de Formación : Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos:
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 detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesMÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.
MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción
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 detallesDISEÑO EXPERIMENTAL Biología, 2º Ciclo Profesores: Mauro Santos y Hafid Laayouni PROGRAMA TEÓRICO
DISEÑO EXPERIMENTAL Biología, 2º Ciclo 2005-2006 Profesores: Mauro Santos y Hafid Laayouni PROGRAMA TEÓRICO Tema 1 Introducción Diseño experimental e inferencia estadística: las dos caras de una misma
Más detallesEl Modelo de Regresión Lineal
ECONOMETRÍA I El Modelo de Regresión Lineal Dante A. Urbina CONTENIDOS 1. Regresión Lineal Simple 2. Regresión Lineal Múltiple 3. Multicolinealidad 4. Heterocedasticidad 5. Autocorrelación 6. Variables
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesFundamentos del Análisis Econométrico. Dante A. Urbina
Fundamentos del Análisis Econométrico Dante A. Urbina Qué es la Econometría? Etimológicamente Econometría significa medición de la economía. En ese contexto, la Econometría es la aplicación de métodos
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
Más detallesTabla de Contenido. iii
Tabla de Contenido Índice de tablas... iv Índice de ilustraciones... viii 1 Introducción... 1 1.1 Objetivos... 1 1.1.1 Objetivos específicos... 2 1.2 Alcances... 2 1.3 Motivación... 2 2 Antecedentes...
Más detallesEconometría 1. Karoll GOMEZ Segundo semestre 2017
Econometría 1 Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 II. El modelo de regresión lineal Esperanza condicional I Ejemplo: La distribución de los salarios
Más detallesAnálisis de la Varianza
Análisis de la Varianza El Análisis de la Varianza -ANOVA- es una herramienta del área de la inferencia estadística, utilizada en las investigaciones científico-técnicas. Objetivo: probar hipótesis referidas
Más detallesUnidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de
Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80
Más detallesEconometría 1. Karoll GOMEZ Segundo semestre 2017
Econometría 1 Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 II. El modelo de regresión lineal Esperanza condicional I Ejemplo: La distribución de los salarios
Más detallesJavier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo
Javier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo 30/10/2013 Modelos Lineales de Regresión Índice 1. Planteamiento de modelo Caso práctico 2. Estimación y
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 detallesContenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN HORAS SEMANA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN PROGRAMA DE ASIGNATURA SEMESTRE:6 (SEXTO) Estadística
Más detallesEstadistica II. Carrera: INB Diseñar e implantar sistemas y procedimientos para la toma de decisiones.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadistica II Ingeniería Industrial INB-9329 4-0-8 2.- UBICACIÓN DE LA ASIGNATURA
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO
SIP-30 INSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN DE POSGRADO FORMATO GUÍA PARA REGISTRO DE ASIGNATURAS Hoja 1 de 3 I. DATOS DEL PROGRAMA Y LA ASIGNATURA 1.1 NOMBRE
Más detallesÍNDICE PRESENTACIÓN 1 I. INTRODUCCIÓN A LA ECONOMETRÍA... 4 CURRICULUM I.1. 4 Definición... I.2
ÍNDICE Pags. PRESENTACIÓN 1 I. INTRODUCCIÓN A LA ECONOMETRÍA... 4 CURRICULUM I.1 4 Definición... I.2 4 Propósito... 1.3 Evolución y Perspectivas de la Econometría... 4 1.4 Los Modelos Macroeconómicos más
Más detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA PROGRAMA DE ESTUDIO Estadística Aplicada P85 /P75 /P95 08 Asignatura Clave Semestre Créditos Ciencias Básicas División Matemáticas
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 detallesPROGRAMA DE CURSO. Código Nombre MA3402 Estadística Nombre en Inglés Statistics SCT Requisitos. DIM Resultados de Aprendizaje
> < ; U Q R ;?C: VT 2 +D :?CB J B > > ; S6D :? < ;? ; C?C : >? ; W( U C > X?2 > R+DE?C : < > ; ; 9 : : R > ; Y < > < ; U Q R ;?C: VT 2 +D :?C B J B > > ; S6D :? < ;? ; C?C : >? ; W( U C > X?2 > R+DE?C
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 15 de octubre de 2008 ESTADÍSTICA
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
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 detallesEconometría de Económicas Ejercicios para el tema 2 y 3
Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción
Más detallesObligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo
Carta descriptiva Datos de identificación Programa Nombre de la asignatura Tipo de Asignatura Maestría en Economía Aplicada Econometría I Ciclo Primer semestre Obligatoria Optativa Extracurricular Curso
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Ciencias. Plan de estudios de la Licenciatura en Actuaría. Modelos Lineales
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Ciencias Plan de estudios de la Licenciatura en Actuaría Modelos Lineales Clave 0861 Modalidad Semestre 7 u 8 Créditos 10 Área Campo de conocimiento
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesTEMA 2: Propiedades de los estimadores MCO
TEMA 2: Propiedades de los estimadores MCO Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 2: Pdades de los estimadores MCO Curso
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesMicroeconometría. Karoll GOMEZ Segundo semestre 2017
Microeconometría Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 Generalidades: 3 horas a la semana por 16 semanas. Horario clases: Miercoles de 2pm-5pm. Inicio
Más detallesGuía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA.
Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA. Debe ser resuelta a mano, citar bibliografía (no usar internet). Términos clave 1. Ceteris Paribus 2. Grado de libertad 3.
Más detallesLicenciatura en Economía UC3M Econometría III, 2005/06 ECONOMETRÍA III. Licenciatura en Economía Universidad Carlos III de Madrid
ECONOMETRÍA III Licenciatura en Economía Universidad Carlos III de Madrid Segundo Cuatrimestre 2005/06 Profesor: Vincenzo Andrietti Despacho: 11.2.26 e-mail: vandriet@eco.uc3m.es HorasdeOficina: Lunes-Martes,
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Econometría
Ficha Técnica Titulación: Grado en Administración y Dirección de Empresas Plan BOE: BOE número 67 de 19 de marzo de 2014 Asignatura: Módulo: Análisis Económico Curso: Créditos ECTS: 6 Tipo de asignatura:
Más detallesDpto. Estadística e I.O. Facultad de Ciencias. Universidad de Granada. Fuentenueva s/n Granada. Francisco de Asís Torres Ruiz
GUIA DOCENTE DE LA ASIGNATURA MODELOS LINEALES Curso 2014-2015 (9/6/2014) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Estadística PROFESORES* 1 Modelos Lineales y Diseño de Experimentos 2º 4º 6 Obligatorio
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallescon los supuestos clásicos, uno de ellos es que ninguna de las variables X 1, X 2,, X K es
TEMA 2: EXTENSIONES DEL MODELO DE REGRESIÓN LINEAL MÚLTIPLE: MULTICOLINEALIDAD Y TRANSFORMACIONES LINEALES. Wooldridge: Capítulos 6 (apartado 6.1) y 7 Gujarati: Capítulos 9 (apartado 9.8), 10 y 12 1. MULTICOLINEALIDAD
Más detallesRegresión lineal múltiple multivariante. Regresión no lineal. Métodos especiales de regresión.
GUÍA DOCENTE DE LA ASIGNATURA MÉTODOS DE REGRESIÓN 1. Descriptores de la asignatura: Regresión lineal múltiple multivariante. Regresión no lineal. Métodos especiales de regresión. 2. Situación de la asignatura.
Más detallesRegresión con errores autocorrelacionados
Series de tiempo Gerardo Ortega Miguel Pluma Luis Osorio Johnatan García 09 de diciembre de 2013 Contenido 1 Introducción Idea intuitiva 2 Algoritmo 3 Propiedades de los estimadores 4 Estadístico de Durbin-Watson
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.5 Semana 4.5 Optativa Prácticas Semanas 72.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 19 de noviembre de 2008 INFERENCIA
Más detallesPlanificaciones Estadística Aplicada II. Docente responsable: BONOLI ESCOBAR MARIANO FELIPE. 1 de 5
Planificaciones 9130 - Estadística Aplicada II Docente responsable: BONOLI ESCOBAR MARIANO FELIPE 1 de 5 OBJETIVOS Transmitir al alumno los conocimientos necesarios para que puedan: - Trabajar con distintas
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 6. Validación de Supuestos JAIME MOSQUERA RESTREPO VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO Los procedimientos estudiados son validos únicamente bajo el cumplimiento de 4 supuestos
Más detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesGuía docente 2007/2008
Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación
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 detallesT3. El modelo lineal básico
T3. El modelo lineal básico Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Regresión lineal múltiple Planteamiento Hipótesis
Más detallesRegresión lineal simple
Regresión lineal simple Unidad 1 Javier Santibáñez IIMAS, UNAM jsantibanez@sigma.iimas.unam.mx Semestre 2018-2 Javier Santibáñez (IIMAS, UNAM) Regresión simple Semestre 2018-2 1 / 62 Contenido 1 Planteamiento
Más detallesUNA PROPUESTA PARA LA MAXIMIZACIÓN DE LA ESTADÍSTICA Q K
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 45 a 57 UNA PROPUESTA PARA LA MAXIMIZACIÓN DE LA ESTADÍSTICA Q K JOSÉ A. JIMÉNEZ M.* Resumen En este artículo mediante el método de los
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 Lugar
Más detallesConocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.
NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente
Más detallesEconometría I (LADE). Curso 2001/2002 PRÁCTICA 08
PRÁCTICA 08 HETEROCEDASTICIDAD Y NORMALIDAD En el fichero Datos08.wf1 tenemos la renta y consumo anual (en dólares) para 500 familias con el que se pretende estimar el siguiente modelo: C i = β + β R +
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesInfoStat. Software estadístico. Dagoberto Salgado Horta
InfoStat. Software estadístico InfoStat. Software estadístico Para recibir, sin cargo, una clave de activación estudiantil de InfoStat complete el siguiente formulario. La clave se le enviará por correo
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.
MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Abordaremos en este capítulo el modelo de regresión lineal múltiple, una vez que la mayor parte de las
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesMuestreo en Poblaciones Finitas
Información Adicional. Estimadores de Razón y Regresión 1/25 Muestreo en Poblaciones Finitas Información Adicional. Estimadores de Razón y Regresión José A. Mayor Gallego Departamento de Estadística e
Más detallesAnálisis de la Varianza (ANOVA).
{ H0 : µ = µ 2 = = µ p Análisis de la Varianza (ANOVA) Planteamiento del problema Se desea contrastar si las medias de p poblaciones independientes son todas iguales o si existen diferencias entre al menos
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 detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesIntroducción a la Econometría
1Econometría Introducción a la Econometría -Que es la econometría - Por que una disciplina aparte? -Metodología de la econometría Planeamiento de la teoría o hipótesis Especificación del modelo matemático
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
Más detallesREGRESIÓN LINEAL APLICADA.
DES: Ingeniería UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H FACULTAD INGENIERÍA Clave: 08USU4053W PROGRAMA DEL CURSO: NOMBRE DE LA MATERIA: REGRESIÓN LINEAL APLICADA. Programa(s) Educativo(s):
Más detalles1) Inferencia estadística
1) Inferencia estadística Programa sintético INFERENCIA ESTADÍSTICA Datos básicos Semestre Horas de teoría Horas de práctica Objetivos Horas trabajo adicional estudiante Créditos IV 1 2 1 4 El estudiante
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más 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 detallesDiseño de Experimentos. Diseños Factoriales
Diseño de Experimentos Diseños Factoriales Luis A. Salomón Departamento de Ciencias Matemáticas Escuela de Ciencias, EAFIT Luis A. Salomón (EAFIT) Inspira Crea Transforma Curso 2016 Índice 1 Introducción
Más detallesEjemplo de Regresión Lineal Simple
Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesESTADÍSTICA APLICADA A LA MEDICINA LABORAL
ESTADÍSTICA APLICADA A LA MEDICINA LABORAL ---oo--- II Curso 29/ Pedro Femia Marzo Bioestadística - Facultad de Medicina http://www.ugr.es/local/bioest Un esquema general de comparación de medias 2 Asumible
Más detallesCurso: 2º Créditos ECTS: 6 Tipo de asignatura: Obligatoria Tipo de formación: Teórico-Práctica
Ficha Técnica Titulación: Grado en Economía Plan BOE: BOE número 75 de 28 de marzo de 2012 Asignatura: Módulo: Instrumental Curso: 2º Créditos ECTS: 6 Tipo de asignatura: Obligatoria Tipo de formación:
Más detalles1.- DATOS DE LA ASIGNATURA. Estadística Avanzada. Nombre de la asignatura: Ingeniería Industrial. Carrera: OPF Clave de la asignatura: 3-2-5
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: (Créditos) SATCA 1 Estadística Avanzada Ingeniería Industrial OPF-1303 3-2-5 2.- PRESENTACIÓN Caracterización de la
Más detallesCarrera: Doctorado en Ingeniería. Facultad de Ciencias Agropecuarias, Ciencias de la Alimentación e Ingeniería. Características del curso
Doctorado en Ingeniería Carrera: Doctorado en Ingeniería Facultad de Ciencias Agropecuarias, e Ingeniería Mención: Común a las tres menciones Curso de Posgrado: Estadística y Diseño de Experimentos Carga
Más detallesINTRODUCCIÓN A REGRESIÓN LINEAL. Simple y Múltiple
1 INTRODUCCIÓN A REGRESIÓN LINEAL Simple y Múltiple 2 Introducción Aprendizaje Supervisado Predicción: estimar una función f(x) de forma que y = f(x) Donde Y puede ser: Número real: Regresión Categorías:
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesEstadística Diplomado
Diplomado HRB UNAM 1 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 Estimación por Intervalos Cantidades Pivotales
Más detalles