LADE/LADE-DER. 229, , , , , ,333 y. 3 i 1. y ij /3
|
|
- Óscar Montero Peña
- hace 5 años
- Vistas:
Transcripción
1 LADE/LADE-DER CURSO 2005/2006 EXAMEN DE ESTADÍSTICA II 04 de septiembre de 2006 PROBLEMAS (tiempo: 1 hora 40 minutos) 1. PROBLEMA 1 Una empresa de máquinas tragaperras tiene que decidir entre 3 posibles localizaciones (L1, L2 o L3) para una de sus máquinas. Para ver en que sitio juegan más personas coloca durante una semana una máquina en cada uno de las 3 localizaciones. El número de personas (y) que juega en cada una de las 3 localizaciones en la semana es: Lunes Martes Miércoles Jueves Viernes Sábado Domingo y i L ,143 L ,714 L ,286 y j 229, , , , , ,333 y 253,381 7 donde y i j1 y ij /7 3 y j i1 y ij /3 3 y i1 7 j1 y ij /21 Empleando este conjunto de datos se ha estimado un modelo de análisis de varianza de un factor (la localización) obteniéndose los siguientes resultados: ANOVA Table for usuarios by localizacion Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Between groups 4421, ,62 0,19 0,8282 Within groups , , Total (Corr.) ,0 20 Se pide: a. Plantee el modelo para estudiat la influencia de la localización sobre el número de personas que juega en la máquina tragaperras. En base a la tabla ADEVA anterior qué se puede decir sobre el efecto de la localización sobre el número de usuarios de la máquina tragaperras? Sea y ij el número de usuarios de la máquina tragaperras situada en la localización i el día j. El modelo será: y ij i u ij con i 1,...,3, j 1,...,7 y siendo i el promedio de usuarios de la máquina en la localización i y u ij perturbaciones aleatorias. Suponemos que u ij son variables aleatorias que se distribuyen independientemente N0, 2. Empleando la tabla ADEVA que se proporciona en el enunciado se puede contrastar la hipótesis nula H 0 : de que la localización no influye en el número medio de ususarios de la máquina tragaperras. Como F 0,19 y con un p valor 0,8282 no podemos rechazar la hipótesis nula. b. Plantee un modelo de dos factores teniendo en cuenta tanto la localización como el 1
2 día de la semana. Calcule la tabla ADEVA correspondiente. En este nuevo modelo contraste si la localización afecta al número medio de usuarios de la máquina 0,05. Sea y ij el número de usuarios de la máquina tragaperras situada en la localización i el día j. El modelo será: y ij i j u ij con i 1,...,3, j 1,...,7 y siendo el promedio de usuarios de la máquina, i el efecto incremental de la localización i con respecto al nivel medio, j el efecto incremental debido al día j y u ij perturbaciones aleatorias. Suponemos que u ij son variables aleatorias que se distribuyen independientemente N0, 2 y que i 0y j 0. Para obtener la tabla ADEVA necesitamos la Variabilidad Explicada por el día (la Variabilidad Explicada por la localización y la Variabilidad Total las tenemos en la tabla ADEVA del modelo de un factor). Los efectos incrementales serán: j y j y : 1 24, , , , , 7 2 VEdia 3 j j ,486 Tabla ADEVA: Fuente SC gl Varianza F Localización 4421, ,62 194,66 Día , , ,36 Residual 136, ,356 Total Como F 194,66 F 2,12;0,05 3,89 rechazamos la hipótesis nula H 0 : de que la localización no influye en el número medio de ususarios de la máquina tragaperras. c. Obtiene las mismas conclusiones en el apartado a) y en el b) respecto al efecto de la localización? A qué se debe el resultado obtenido? En el modelo sólo con el factor localización no se rechaza la hipótesis nula de que la localización no afecta al número de usuarios. La inclusión del factor día produce una enorme reducción de la Variabilidad no explicada o residual lo que nos permite captar las diferencias entre localizaciones. Por ello en el modelo de 2 factores se rechaza la hipótesis nula de que la localización no afecta al número de usuarios de la máquina. d. Al estimar el modelo de dos factores con Statgraphics se ha obtenido la siguiente tabla: 2
3 Multiple Range Tests for usuarios by dia Method: 95,0 percent Bonferroni dia Count LS Mean Homogeneous Groups M 3 133,0 X D 3 158,333 X J 3 215,333 X L 3 229,333 X X 3 254,667 X V 3 337,333 X S 3 445,667 X Contrast Difference +/- Limits D - J *-57,0 10,5664 D - L *-71,0 10,5664 D - M *25, ,5664 D - S *-287,333 10,5664 D - V *-179,0 10,5664 D - X *-96, ,5664 J - L *-14,0 10,5664 J - M *82, ,5664 J - S *-230,333 10,5664 J - V *-122,0 10,5664 J - X *-39, ,5664 L - M *96, ,5664 L - S *-216,333 10,5664 L - V *-108,0 10,5664 L - X *-25, ,5664 M - S *-312,667 10,5664 M - V *-204,333 10,5664 M - X *-121,667 10,5664 S - V *108,333 10,5664 S - X *191,0 10,5664 V - X *82, ,5664 * denotes a statistically significant difference. Existen diferencias significativas en el número medio de usuarios de la máquina tragaperras según el día de la semana? Hay algun día de la semana en que se utilice especialmente la máquina? Empleando la tabla ADEVA del apartado b) como F 3063,36 F 6,12;0,05 3 rechazamos la hipótesis nula H 0 : dequeeldíadelasemanano influye en el número medio de ususarios de la máquina tragaperras. De los resultados de la tabla anterior se puede concluir que existen diferencias significativas en el número medio de usuarios de cada día de la semana cuando se comparan dos a dos. El día de la semana en que el número medio de usuarios es mayor es el sábado. 2. En una editorial quieren hacer un estudio de las variables que influyen en las ventas de un libro. Para ello estudian el modelo y 0 1 x 1 2 x logx 2 4 x 3 5 logx 4 u donde toman el número de libros vendidos y (en miles de libros) de autores no-nóveles y hacen la regresión en función de: x 1 número de páginas del libro. x 2 número de libros vendidos en la última novela de ese autor. x 3 edad del autor. x 4 gasto en publicidad en miles de euros. x 5 tipo de novela (0novela histórica, 1 novela fantástica, 2novela policiaca, 3novela de amor, 4 otro tipo de novela) 3
4 Tomando 37 observaciones de los libros publicados el año anterior, se ha obtenido el siguiente modelo estimado, donde la cantidad entre paréntesis es la desviación típica del parámetro estimado. y x x logx x logx s 2 R R a. Es significativo el parámetro 0? cómo se interpreta que sea negativo? Solución: t 0 0 s que es claramente significativo, por lo que rechazamos que 0 0. Esto es debido a que la población no es representativa de los valores de las variables explicativas cercanos al cero, no hay muestras con 0 libros vendidos, autores con 0 años, novelas de 0 páginas,... b. Para estudiar la importancia del número de páginas se estudia el modelo alternativo: y logx x logx s 2 R R Son individualmente significativos los parámetros relativos al número de páginas? Son significativos de forma conjunta? Solución: t 1 t 2 1 s s ambos parámetros no son significativos, por lo que no podemos rechazar que sean cero. Para realizar el contraste conjunto H 0 : sabemos que R F 2 nr R 2 r /r 1 R 2 nr /n k 1 F r,nk1 por lo que /2 F / como F 2,31, , rechazamos H 0 y las dos variables son conjuntamente significativas. c. Interpretar el resto de los parámetros del modelo. Estudiar si son significativos o no. 4
5 Solución: t 3 t 4 t 5 3 s s s Las tres variables influyen de forma positiva en el número de ejemplares vendidos, aunque la edad del autor no parece ser una variable significativa. Cuando la última novela vendida por el autor aumenta un 1% sus ventas, y el resto de las variables permanece constante, la novela actual aumenta en promedio unidades su número de ventas. Cuando el autor aumenta en una unidad sus años, y el resto de las varaibles permanece constante, las ventas de la novela aumenta en unidades. Finalmente, cuando se aumenta en un 1% el gasto en publicidad de la novela, las ventas de la novela aumentan en 9.75 d. Si queremos estudiar si el tipo de novela es significativo o no, explicar qué modelo debemos estudiar describiendo las nuevas variables. cuál debe ser la variable de referencia si estoy interasada en saber si las ventas son distintas para las novelas hitóricas y las novelas fantásticas? Solución: Debemos definir las variables 1 novela histórica z 1 0 no es novela histórica z 2 z 3 z 4 1 novela fantástica 0 no es novela fantástica 1 novela policiaca 0 no es novela policiaca 1 otro tipo de novela distinta de las anteriores 0 un tipo de novela como las anteriores El modelo que se debe estudiar es y 0 1 x 1 2 x logx 2 4 x 3 5 logx 4 1 z 1 2 z 2 3 z 3 u tomando como valor de referencia "otro tipo de novela". Si lo que queremos es ver si hay diferencia entre z 1 y z 2, debemos tomar como valor de referencia z 1, estudiar el modelo 5
6 y 0 1 x 1 2 x logx 2 4 x 3 5 logx 4 2 z 2 3 z 3 z 4 4 u y ver si el parámetro 2 es significativo. La otra alternativa es tomar como valor de referencia z 2, estimar el modelo y 0 1 x 1 2 x logx 2 4 x 3 5 logx 4 1 z 1 3 z 3 z 4 4 u y ver si el parámetro 1 es significativo 6
Estadística 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 detallesEXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos)
EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) PROBLEMA 1 Se quiere comparar la cantidad de energía necesaria para realizar 3 ejercicios o actividades: andar, correr y montar en bici.
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más 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 detallesCALENDARIO AÑO 2016 PICO Y PLACA AUTOMOVILES SERVICIO ESPECIAL PICO Y PLACA TAXIS
JULIO VIERNES 1 9 7-8 7-8 5-6 1-3-5-7-9 SABADO 2 8 9-0 9-0 7-8 NO APLICA DOMINGO 3 NO APLICA NO APLICA NO APLICA NO APLICA NO APLICA LUNES 4 FESTIVO FESTIVO FESTIVO FESTIVO FESTIVO MARTES 5 1 3-4 3-4 1-2
Más detallesCALENDARIO AÑO 2016 PICO Y PLACA AUTOMOVILES SERVICIO ESPECIAL PICO Y PLACA TAXIS
ENERO VIERNES 1 FESTIVO FESTIVO FESTIVO FESTIVO FESTIVO SABADO 2 3 7-8 7-8 5-6 NO APLICA DOMINGO 3 NO APLICA NO APLICA NO APLICA NO APLICA NO APLICA LUNES 4 4 9-0 9-0 7-8 NO APLICA MARTES 5 5 1-2 1-2 9-0
Más detallesRelación 3 de problemas
ESTADÍSTICA II Curso 2016/2017 Grado en Matemáticas Relación 3 de problemas 1. La Comunidad de Madrid evalúa anualmente a los alumnos de sexto de primaria de todos los colegios sobre varias materias. Con
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detallesPrimera práctica de REGRESIÓN.
Primera práctica de REGRESIÓN. DATOS: fichero practica regresión 1.sf3 1. Objetivo: El objetivo de esta práctica es aprender cuándo se puede utilizar el análisis de regresión. En la primera parte se presentan
Más detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
Más detallesAplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas
Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento Centro 1 Estadística e Investigación
Más detallesBioestadística. Curso Práctica: La recta de regresión
Bioestadística. Curso 2012-2013 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. El diagrama de dispersión 2 3. Covarianza 4 4. Coeciente de correlación
Más detallesANALISIS DE LA ESTATURA
ANALISIS DE LA ESTATURA OBJETIVO El objetivo de este trabajo es realizar un estudio de la de distintos individuos. DATOS Se realizan los distintos análisis de regresión simple, así como el análisis de
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 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 detallesUNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO
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 detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
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 detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesECONOMETRÍA I. Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación
ECONOMETRÍA I Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA
Más detallesEstadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...
Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes
Más detallesMá M s á ter e Se S c e tor o Fa F r a ma m c a éu é t u ico Es E tad a í d stica a ap a l p icad a a d Teresa Villagarcía
Máster Sector Farmacéutico Estadística aplicada Teresa Villagarcía Indice Probabilidad intuitiva Distribución normal Estimación de la normal Intervalos de confianza Contraste de hipótesis: Una media Dos
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 detallesEstadística II Ejercicios Tema 4
Estadística II Ejercicios Tema 4 1. Los siguientes datos muestran la estatura (en cm.) y el peso (en Kg.) para una muestra de cinco alumnos de una clase: estatura (cm.) peso (Kg.) 154 60 158 62 162 61
Más detallesEstadística. Examen Final. Convocatoria extraordinaria 26 de junio de 2017 Nombre Grupo Número de Examen
Estadística. Examen Final. Convocatoria extraordinaria 26 de junio de 2017 Nombre Grupo Número de Examen 1. La probabilidad de que un determinado componente dure más de 50 meses es 0.6. Cuántos componentes
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesEstadística. Examen Final. Convocatoria extraordinaria 26 de junio de 2017 Nombre Grupo Número de Examen
Estadística. Examen Final. Convocatoria extraordinaria 26 de junio de 2017 Nombre Grupo Número de Examen 1. La probabilidad de que un determinado componente dure más de 50 meses es 0.6. Cuántos componentes
Más detallesEstadística II Curso 2010/11. Guión de la Práctica 2 El modelo de regresión lineal y su tratamiento en Statgraphics
Estadística II Curso 2010/11 Guión de la Práctica 2 El modelo de regresión lineal y su tratamiento en Statgraphics 1. Contenidos de la práctica - Introducción - El modelo de regresión lineal simple o Estimación
Más detallesManual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University.
Manual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University. Estadísticas con MegaStat AgeCat Gender Seconds 1 2
Más detallesDepartamento de Estadística e Investigación Operativa Aplicadas y Calidad. Licenciado en Administración y Dirección de Empresas A.D.E. - U.P.V.
Departamento de Estadística e Investigación Operativa Aplicadas y Calidad Licenciado en Administración y Dirección de Empresas A.D.E. - U.P.V. ECONOMETRÍA CONVOCATORIA ORDINARIA - 18/01/2007 NOMBRE Y APELLIDOS
Más detallesPrácticas Tema 5. Ampliaciones del Modelo lineal básico
Prácticas Tema 5. Ampliaciones del Modelo lineal básico Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 5.1. Se ha examinado la evolución reciente de las ventas de
Más detallesProblemas deestadísticaii Cuaderno II: Regresión Multiple
Problemas deestadísticaii Cuaderno II: Regresión Multiple Ingeniería Industrial. Curso 2000/2001 1. Se realizanlas regresiones lineales: bx 1 = b 0+ b 1x 2 R 2 =0:99 by= b 0 + b 1 x 1 R 2 =0:8 (a) Indicar
Más detallesEJERCICIOS DE REPASO ESTADÍSTICA 2018
residuos EJERCICIOS DE REPASO ESTADÍSTICA 2018 1.- En la siguiente tabla se muestran los resultados de un ensayo clínico para estudiar la confiabilidad de una prueba sanguínea de embarazo realizado en
Más detallesEjemplo de análisis de la Varianza (ANOVA).
Ejemplo de análisis de la Varianza (ANOVA). temp TVBN 1 18,3 1 15,92 1 18,71 1 17,92 1 15,66 1 17,14 1 15,21 1 19,92 1 17,61 1 13,43 2 11,7 2 12,87 2 11,77 2 12,23 2 13,62 2 13,24 2 14,02 2 13,66 2 12,27
Más detallesCALIFICACION: - P C: precio medio de los productos sustitutivos existentes en el mercado en euros.
6 + 10 + 3 = 19 CALIFICACION: Ventasgdt Una empresa que produce una marca de detergente líquido desea contar con un modelo para planificar su producción, estimar las necesidades de materias primas y de
Más detallesEJERCICIOS SOBRE CONTRASTE DE HIPÓTESIS
EJERCICIOS SOBRE CONTRASTE DE HIPÓTESIS 1. Qúe propiedad o propiedades caracterizan a una distribución normal tipificada frente a una distribución normal cualquiera? a. El área bajo su función de densidad
Más detallesEstadística. Convocatoria extraordinaria. Junio de Nombre. Titulación Grupo
Estadística. Convocatoria extraordinaria Junio de 2015 Nombre. Titulación Grupo Pregunta 1 (0.5 puntos) Histogram 1 Boxplot A Density 0.0 0.3 0.6 0 2 4 6 8 0 2 4 6 Histogram 2 Boxplot B Density 0.00 0.15-2
Más detallesEjemplo de análisis de la Varianza (ANOVA).
Ejemplo de análisis de la Varianza (ANOVA). temp TVBN temp TVBN temp TVBN 1 18,3 2 11,7 3 16,64 1 15,92 2 12,87 3 17,83 1 18,71 2 11,77 3 19,01 1 17,92 2 12,23 3 17,33 1 15,66 2 13,62 3 17,06 1 17,14 2
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región
Más detallesAl nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).
A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos
Más detallesCAPÍTULO 5. Proyecciones de las Fuentes de Empleo Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes
CAPÍTULO 5 Proyecciones de las Fuentes de Empleo 5.1. Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes de Empleo a Nivel Nacional. Para la proyección de las fuentes de empleo
Más detallesANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes
ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar
Más detallesEjemplo 6.2. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejemplo 6.2 Inferencia en el Modelo de Regresión Lineal General Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 6.2 Inferencia
Más detallesTema 8: Contrastes de hipótesis
Tema 8: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para
Más detallesDiseño completamente aleatorizado: análisis de la varianza con un solo factor.
Tema 4 Diseño de experimentos Introducción. Qué es el diseño experimental? Diseño completamente aleatorizado: análisis de la varianza con un solo factor. Diseño en bloques aleatorizados. Diseño factorial
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 detallesEstadística II Ejercicios Tema 2
Estadística II Ejercicios Tema 2 1. Una empresa farmacéutica está preocupada por controlar el nivel de impurezas en uno de sus productos; su objetivo es que la concentración de las impurezas no supere
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesExamen de Introducción a la Econometría
NOMBRE GRUPO MODELO 1 DNI: Firma: Examen de Introducción a la Econometría 18 de junio de 2009 Sólo una respuesta es válida. Debe justificar la respuesta de cada pregunta en el espacio que se le proporciona.
Más detallesTema 2 Análisis de la varianza multifactorial
Tema 2 Análisis de la varianza multifactorial Tratamos de explicar el comportamiento de una variable aleatoria (variable respuesta) debido a la influencia de varios factores (variables explicativas) Definición
Más detallesGUIÓN TEMA 3. CONTRASTE DE HIPÓTESIS EN EL MRL Contrastes de hipótesis en el MRL
ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 011/1 GUIÓN TEMA 3. CONTRASTE DE HIPÓTESIS EN EL MRL Los procedimientos clásicos de contrastes de hipótesis
Más detallesEjemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejemplo 7.1 Heterocedasticidad Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 7.1. Heterocedásticidad 1 / 22 Enunciado.
Más detallesFecha Segundo Cuarto Sexto Octavo
PRIMER ORDINARIO Lunes 23 de Martes 24 de BASE DE Miércoles 25 de Jueves 26 de Viernes 27 de SEGUNDO ORDINARIO Lunes 23 de Martes 24 de BASE DE Miércoles 25 de Jueves 26 de Viernes 27 de TERCER ORDINARIO
Más detallesUniversidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007
Tipo de examen: 1 Universidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007 TIEMPO: 2 HORAS Y 30 MINUTOS Instrucciones: ANTES DE EMPEZAR
Más detallesEconometría 2. Modelos no estacionarios y contrastes de raíz unitaria = 0 8. (0 4) 1 +, (0 2 ), y valores críticos
Econometría 2 Modelos no estacionarios y contrastes de raíz unitaria 1. Cuál de las siguientes afirmaciones es verdadera? (a) Un proceso I(1) es un camino aleatorio; (b) Un camino aleatorio es un ruido
Más detallesCALIFICACION: 287,33 218, sí 1 sí 1. Se especifica el siguiente modelo de regresión para el precio de las viviendas: G i =
6 + 5 = 11 CALIFICACION: PARTE 1 (6 puntos) Una empresa inmobiliaria desea conocer los determinantes del precio de la vivienda en una ciudad de tamaño medio Para ello recoge información sobre las siguientes
Más detallesEstadística Inferencial
Estadística Inferencial Contrastes de Hipótesis para Diferencias de medias y de proporciones ( ( Si H 0 es Verdadera entonces: ( Si H 0 es Verdadera entonces podemos estimar p con: 1 Para probar H 0 usamos
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesDepartamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff
Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff Tema 5 Modelos de dos factores-tratamiento. Se continua trabajando
Más detalles1 El Análisis de Varianza
1 El Análisis de Varianza Objetivo: Explicar (controlar las variaciones de una v.a. Y continua (numérica, mediante factores (variables cualitativas que definen categorías que controlamos (no aleatorios.
Más detallesEstadística. Convocatoria ordinaria
Estadística. Convocatoria ordinaria Nombre Número de Examen Titulación... Grupo... Este examen puntúa sobre 20 puntos Problema 1. En un grupo de familias, un 10% ha cambiado de coche y también ha cambiado
Más detallesEXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos:
EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de 2004 Nombre y Apellidos: PRIMERA PARTE: Preguntas tipo test (sólo debe marcarse una en cada caso): 1. En el Modelo Básico de Regresión
Más detallesPrácticas Tema 4: Modelo con variables cualitativas
Prácticas Tema 4: Modelo con variables cualitativas Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 4.1- Se dispone de información sobre 16 familias sobre
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
Más detallesTécnicas de Inferencia Estadística II. Tema 2. Contrastes de hipótesis en poblaciones normales
Técnicas de Inferencia Estadística II Tema 2. Contrastes de hipótesis en poblaciones normales M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 2. Contrastes
Más detallesFebrero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detalleslog Y = log + v log K + (1 )v log L 1=2 log(1 )v[log(k=l)] 2 + U = log K + 2 log L + 3 [log(k=l)] 2 + U;
Universidad Carlos III de Madrid Econometría Examen Final, Convocatoria Extraordinaria, Curso 2014-2015. Duración del examen: 2 horas. Nota importante: Alguna información contenida en las salidas es redundante.
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 15 de mayo de 2013
UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 15 de mayo de 2013 Apellidos Nombre N o lista Grupo El fichero datos 15m.sgd contiene información sobre las siguientes variables:
Más detallesEJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos
ECONOMETRÍA EJERCICIO T1 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta 1 A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta
Más detallesIntervalos de confianza con STATGRAPHICS
Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 11 - Junio - 2.010 SOLUCIONES Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que,
Más detallesEconometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de Pr (N (0, 1) > 1, 282) = 0, 10
Econometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de 2014 Instrucciones para la realización del examen: Dispone de 2 horas y media para responder al examen La evaluación consta
Más detallesTema 9: Introducción al problema de la comparación de poblaciones
Tema 9: Introducción al problema de la comparación de poblaciones Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema
Más detallesUniversidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Segunda Prueba Parcial Lapso 7-746 /6 Universidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: 6-6 - 6 Fecha: --8 MODELO DE RESPUESTAS Objetivos 5 al 8 OBJ 5
Más detallesPráctica 4 EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables
EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables Marco elementos atípicos: b) Obtener la recta de regresión y comprobar
Más detallesEstadística I Examen Final - 19 de junio de Nombre:... Grupo:...
Estadística I Examen Final - 19 de junio de 2009 Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. La siguiente tabla muestra las distribuciones
Más detallesTema 7. Contrastes no paramétricos en una población
Tema 7. Contrastes no paramétricos en una población Resumen del tema 7.1. Introducción a la Estadística Inferencial. Estimación de parámetros Como ya sabemos, la Estadística estudia los métodos científicos
Más detallesUNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A)
TIEMPO: 2 HORAS Instrucciones: UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A) 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de Econometria
Más detallesLAB 13 - Análisis de Covarianza - CLAVE
LAB 13 - Análisis de Covarianza - CLAVE Se realizó un experimento para estudiar la eficacia de un promotor de crecimiento en terneros en lactación. Se usaron cuatro dosis de la droga (0, 2.5, 5 y 7.5 mg).
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesINTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA condicional en que!! sea verdadero hipótesis nula H :!!.5%.5%! -.96sd! -sd!! +sd! +.96sd Si el nivel de significación es 5%, la estimación obtenida (círculo pequeño) no nos permitiría
Más detallesDistribuciones de parámetros conocidos
10.3. CONTRASTE DE BONDAD DE AJUSTE PARA DISTRIBUCIONES265 350 300 observaciones esperado(x) 250 Frecuencias esperadas 200 150 100 Frecuencias observadas 50 0 55 60 65 70 75 80 85 90 Figura 10.2: En los
Más detallesESTADISTICA AVANZADA. Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman)
ESTADISTICA AVANZADA Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman) Factor Análisis de la Variancia El análisis de varianza One Way es una generalización de la Prueba t para mas
Más detallesEstadística. Convocatoria ordinaria. 23 de mayo de Nombre Grupo.. Titulación.Número de Examen..
Estadística Convocatoria ordinaria. 23 de mayo de 2017 Nombre Grupo.. Titulación.Número de Examen.. Ejercicio 1 Se dispone de un test para detectar la presencia de contaminantes en una materia prima. Hay
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesPráctica de contraste de hipótesis
Grados en Ingeniería en Tecnologías Industriales, Ingeniería Eléctrica, Ingeniería en Electrónica Industrial y Automática e Ingeniería Mecánica Práctica de contraste de hipótesis Esta práctica tiene dos
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 7 Problema 1. Tengamos el siguiente ANOVA obtenido en una investigación con N 15 donde se estudia la relación entre autoeficacia percibida (X y el rendimiento
Más detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente
Más detallesTécnicas de Inferencia Estadística II. Tema 1. Contrastes de hipótesis
Técnicas de Inferencia Estadística II Tema 1. Contrastes de hipótesis M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 1. Contrastes de hipótesis Contenidos
Más detallesaceptar o rechazar evidencia hipótesis nula y la hipótesis alternativa enunciado que se probará "no hay efecto" o "no hay diferencia"
PRUEBA DE HIPOTESIS Técnica estadística que se sigue para decidir si rechazamos o no una hipótesis estadística en base a la información de la muestra. Es una afirmación de lo que creemos sobre una población.
Más detallesEstadística I Solución Examen Final - 28 Mayo de 2009
Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas
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 detallesSegundo Examen Parcial
Nombre: Segundo Examen Parcial AGRO 6600 2010 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
Más detallespuede afirmar, con un nivel de significación de 0.01, que la media de la población es de 40
Soluciones: 7. El diámetro de unos ejes sigue una distribución normal de media desconocida y desviación típica 2 mm. Se toma una muestra de tamaño 25 y se obtiene un diámetro medio de 36 mm. Se puede afirmar,
Más detallesPráctica de INTERVALOS DE CONFIANZA
Práctica de INTERVALOS DE CONFIANZA 1.- Objetivo de la práctica El objetivo de esta práctica es familiarizarse con la estimación por intervalos, el concepto de intervalo de confianza y su aplicación en
Más detalles