Las variables que influyen en la decisión de compra

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

Download "Las variables que influyen en la decisión de compra"

Transcripción

1 Las variables que influyen en la decisión de compra Con este informe, se busca determinar la relación que existe entre la decisión de compra y la comparación con el precio de la última compra. Además, definir la relación que existe entre la decisión de compra y la comparación con el precio promedio de mercado público y dilucidar si existe un umbral de decisión respecto de los precios comparados CENABAST 18 febrero 2015

2 Las variables que influyen en la decisión de compra, CENABAST Resumen Antecedentes: El proceso de compra para cada fármaco en su fase final enfrenta la evaluación por parte de un comité que adjudica (Comisión de Adquisiciones). En dicha evaluación se consideran distintas dimensiones, siendo las comparaciones de precios una de ellas sobre la cual se basa la decisión de adjudicar o desertar un proceso licitatorio. Objetivos: 1) Determinar la relación que existe entre la decisión de compra y la comparación con el precio de la última compra. 2) Determinar la relación que existe entre la decisión de compra y la comparación con el precio promedio de mercado público. 3) Determinar si existe un umbral de decisión respecto de los precios comparados. Métodos: Tomando como base el registro de licitaciones del año 2013, se categorizó cada licitación en estado adjudicada y desierta, explorando los motivos de esta decisión usando métodos estadísticos. Resultados: De un total de 572 licitaciones analizadas, hubo 471 adjudicadas, 101 no adjudicadas (desiertas con oferente) y 130 desiertas (sin oferente). En el grupo de adjudicadas, el porcentaje de variación de la licitación adjudicada respecto al precio de mercado público y última compra fue de % y -0.71% respectivamente. En el grupo de las no adjudicadas, el porcentaje de variación de la licitación no adjudicada respecto al precio de mercado público y última compra fue de % y 91.56% respectivamente. Además, a través del umbral de decisión se muestra que sobre el 5% (de variación respecto a mercado público) y de 14% (de variación respecto a la última compra), las licitaciones tienden a no ser adjudicadas. Conclusiones: Acorde a lo esperado, variaciones negativas se asocian a adjudicación ya que reflejan menores precios. Por otra parte, variaciones positivas se asocian a no adjudicación ya que reflejan precios mayores que la última licitación y que el mercado público.

3 Introducción El proceso de compra de la CENABAST, al igual que el de otras instituciones públicas, aunque de mayor complejidad, consta de varias etapas y se ejecuta a través de mercado público. Luego las ofertas son evaluadas en aspectos administrativos, técnicos y comerciales, construyendo un cuadro resumen de evaluación de las ofertas presentadas, el que considera la comparación de precios respecto a la última compra efectuada y respecto del precio promedio de mercado público, todo lo cual es presentado a la Comisión de Adquisiciones. La Comisión analiza las ofertas comparando el precio ofertado del producto con el precio de la última compra (UC) efectuada por CENABAST y con el precio promedio del mismo producto en Mercado Público (MP) para decidir si adjudica o no la licitación evaluada. A través de esta investigación se pretende estudiar el impacto de cada una de estas comparaciones en las decisiones de adquisición de las licitaciones de medicamentos de la CENABAST para el año Primero se realiza un análisis descriptivo del total de las licitaciones de medicamentos realizadas por la CENABAST el año Finalmente, utilizando técnicas estadísticas, se presenta (de forma gráfica) un umbral de adquisición, el cual basado en los datos de variaciones de los precios promedio de la última compra y de los precios de mercado público, muestra cual es la probabilidad de adjudicación (o de rechazo) para las licitaciones evaluadas en el comité CENABAST. Métodos El total de licitaciones correspondiente al periodo 2013 fue filtrado, eliminando aquellas licitaciones para las cuales no se tenía información de la variación de precios. Estas fueron agrupadas según su estado en: adjudicadas y no adjudicadas, luego se profundiza en las últimas, clasificándolas según la cantidad de oferentes (con o sin oferentes). En el caso de aquellas con oferentes, los motivos por los cuales fueron desertadas son identificados y catalogados en: precio ofertado es mayor que el precio promedio obtenido de mercado público o el precio ofertado es mayor que el precio de la compra anterior y no cumplimiento de bases técnicas y/o administrativas. Las licitaciones desiertas (aquellas sin oferentes n=130) no fueron consideradas en estudio, debido a que no existe la posibilidad de adjudicar. Para las licitaciones adjudicadas se estimó el porcentaje de variación del precio ofertado respecto del precio de mercado público y de la última compra para todas las licitaciones del periodo estudiado. La fórmula utilizada para calcular esta variación fue la siguiente: %MP = Precio Mercado publico Precio ofertado 1 %MP = porcentaje de variación del precio ofertado respecto del precio promedio en mercado público. %UC = Precio ofertado Precio ultima compra 1 %UC = porcentaje de variación del precio ofertado respecto del precio de la última compra efectuada por CENABAST. Precio ofertado = Mejor precio ofertado de la licitación evaluada que cumple con las especificaciones técnicas. Las variaciones porcentuales negativas indican que el precio ofertado en la licitación evaluada es más conveniente para CENABAST comparado con los precios de referencia (de mercado público y de la última compra). En cambio las variaciones porcentuales positivas indican que el precio ofertado es mayor que los precios de referencia considerados en la decisión. Esta relación es representada mediante un gráfico de dispersión y mediante una representación bicolor lineal de creación propia. Como medida de centralidad, se calculó el promedio simple del porcentaje de variación de la licitación adjudicada/no adjudicada respecto al precio de mercado público y la última compra. El umbral de decisión es explorado a través de una regresión logística múltiple, utilizando un software estadístico, en la cual la variable dependiente es la decisión de adjudicación, ya que es de naturaleza binominal (adjudicar o no adjudicar) y las variables independientes son las variaciones porcentuales de los precios de mercado público y de la última compra. Con la información obtenida de esta regresión, se crea un gráfico de contornos (o niveles), el cual mediante colores indica la probabilidad de adjudicación o no en base al

4 porcentaje de variación del precio promedio de mercado público y el de la última compra. Resultados El total de licitaciones analizadas del año 2013 corresponde a 1174, luego el primer filtro elimina 6 que estaban excluidas (2 licitaciones de alginato calcio puro y una de bolsa de papel porque no cumplían puntaje mínimo, una licitación de alcohol etílico por ser más cara que el precio de MP de la misma empresa, una licitación por un trocar para punción espinal y otra por efedrina sulfato que no indican motivo de exclusión), luego se eliminan 596, por no presentar información en la variación de los precios, obteniéndose un subtotal de 572 licitaciones las cuales fueron consideradas en este estudio. El promedio del porcentaje de variación promedio del precio ofertado respecto del precio de mercado público y la última compra fue de 3,33% y de 15,58% respectivamente. Del total (n=572) existen 471 licitaciones adjudicadas y 101 licitaciones no adjudicadas (con oferentes). En el grupo de las adjudicadas, el porcentaje de variación promedio de la licitación adjudicada respecto al precio de mercado público y la última compra fue de 26,33% y de 0,71% respectivamente. En el grupo de las no adjudicadas, el porcentaje de variación promedio de la mejor oferta presentada respecto al precio de mercado público y la última compra fue de 103,94% y de 91,56% respectivamente. La figura 1 muestra las licitaciones adjudicadas (en verde) y las licitaciones no adjudicadas (en rojo y rosado) ordenadas según el porcentaje de variación del precio de mercado público (fila superior) y de la última compra (fila inferior). Los porcentajes de variación, respecto de mercado público, van desde 61,0% a 265,3% y referente al precio de la última compra van desde 33,96 a 455,0%. Según lo esperado sobre cierto porcentaje positivo de variación la frecuencia de rechazo aumenta y lo mismo sucede con la frecuencia de adquisición (verde) que aumenta en la medida que el porcentaje de variación se hace más negativo. Existen algunas licitaciones fuera del rango, pero al profundizar en estas se descubre que son las licitaciones excluidas (motivos mencionados) o precio mayor que MP o UC. Figura 1: Licitaciones adjudicadas/no adjudicadas. La figura 2, la cual fue construida considerando el total de licitaciones (n=1174), muestra la relación entre el porcentaje de variación respecto a mercado público y la última compra, desagregado para las licitaciones adjudicadas y no adjudicadas (Desiertas). En este caso cada punto representa una licitación y sus variaciones porcentuales. Primero, se destaca a primera vista la mayor cantidad de licitaciones adjudicadas versus las desiertas. Segundo, en el grupo de las adjudicadas se aprecia la concentración de licitaciones en el cuadrante inferior izquierdo, el cual indica que ambas variaciones son negativas lo cual indica que el precio ofertado es más conveniente que el promedio del precio de MP y de la última compra. Pasando al cuadrante inferior derecho, éste indica que la variación respecto de MP es más conveniente, pero la variación respecto de la última compra no lo es. Aquellas que están en el cuadrante superior izquierdo presentan un porcentaje de variación positiva para MP y negativa para la última compra. Esta situación comparada con su inversa muestra que más licitaciones fueron adjudicadas bajo una variación positiva para la última compra, al contrario menos licitaciones fueron adjudicadas frente a variaciones negativas para MP. Las licitaciones ubicadas en el cuadrante superior derecho (n=39), el cual representa las variaciones positivas para ambas comparaciones, responden a situaciones especiales, tales como relicitaciones en su mayoría y otras no indica motivo. Respecto a las desiertas, a pesar de su dispersión, se puede observar su concentración en el cuadrante superior derecho (el menos conveniente para la CENABAST), sin embargo contrario a lo pensado existen algunas licitaciones desiertas en el resto de los cuadrantes. Aquellas licitaciones (n=6) ubicadas en el cuadrante inferior izquierdo, las cuales

5 basados en sus variaciones porcentuales negativas debiesen ser adjudicadas, sin embargo están desiertas, corresponden a aquellas 6 licitaciones eliminadas en el proceso de filtrado. 89,86%, lo cual es un excelente indicador. Como el modelo es capaz de predecir casi en un 90% de las veces correctamente el resultado de las licitaciones en base a los porcentajes de las variaciones, se utilizaron estos resultados (la probabilidad de que una licitación fuera adjudicada basados en el porcentaje de variación del precio promedio del mercado público y en el precio de la última compra) como datos para realizar un gráfico de contornos (o niveles), el cual se muestra en la figura 3, a continuación. Figura 2: Distribución de licitaciones ADJ Coef. Std. Err z P> z [95% conf. Interval] mp -7,57 0,89-8,4 0,000-9,3-5,8 uc -1,09 0,46-2,3 0,019-2,0-0,1 cons 1,29 0,16 8,1 0,000 0,98 1,61 Pseudo R 0,46 LR chi2 (2) 247,57 Tabla 1: Resultados regresión logística múltiple. El análisis de regresión logística (tabla 1) indica que las variaciones de precio, si inciden en la probabilidad de adjudicación de una licitación (correlacionadas). Además indica que si ambas variaciones son positivas influirán negativamente en la posibilidad de adjudicar una licitación. Esto concuerda con lo sucedido en la Comisión de Adquisiciones, ya que si los precios de mercado público o el de la última compra son significativamente mayores, generalmente la licitación no será adjudicada (exceptuando situaciones especiales, como relicitaciones). Este tipo de análisis regresivo (ver resultados completos en anexo 1), cuenta con medidas que permiten estimar la bondad de ajuste del modelo (esto es si el modelo arroja información confiable), en este caso es el Pseudo R2 y el porcentaje de resultados correctamente clasificados. El primero indica el porcentaje de variación de la variable dependiente que puede ser explicado por las variables independientes. En este caso fue de 46,16%, lo cual es un alto porcentaje. El segundo indica, aplicado a nuestro modelo, cuantas licitaciones basado en las variaciones clasificó correctamente en adjudicadas y no adjudicadas. El resultado es Figura 3: Gráfico de contornos. En la figura 3 se muestra, según clave de colores, la probabilidad de que una licitación sea adjudicada basada en la variación del porcentaje de los precios (mercado público y última compra). Este gráfico indica que se tiende a adjudicar o se es más flexible frente a las alzas en los precios de la última compra a que aquellas de mercado público. En otras palabras es más probable (rojo) que se adjudique una licitación en la cual el precio de la última compra sea mayor a que si el precio promedio de mercado público lo fuese. Al contrario, es muy poco probable (azul) que una licitación sea adjudicada si el precio de mercado público es mayor que el ofertado. Discusión Sorprende la cantidad de licitaciones desiertas (n=130) (sin oferentes) que incluso sobrepasa a la cantidad de licitaciones no adjudicadas (n=101). Es posible que esta situación sea un indicador de una falta de proveedores en el mercado para cierto tipo de medicamentos o también una falta de interés de los proveedores de trabajar con CENABAST. Otra situación interesante de discutir es el caso de aquellas licitaciones que siendo el

6 precio de MP y de UC más alto que el precio ofertado igualmente fueron adjudicadas. Estos casos, en su mayoría, corresponden a relicitaciones. Licitaciones que en primera instancia se declararon desiertas y luego fueron publicadas nuevamente. Se estima que esta situación podría ser analizada en mayor profundidad a modo de analizar el motivo de las relicitaciones y proponer medidas para la disminución de éstas. Conclusiones La principal conclusión de este estudio tiene relación con la decisión de adjudicar. Según lo mostrado en la figura 2, se observa una tendencia a adjudicar más fácilmente a aquellas licitaciones que presenten una mayor variación respecto de la última compra que respecto del precio promedio del mercado público. Dicho de otro modo, la variable de precio promedio de mercado público tiende a ser más influyente que la comparación con el precio de la última compra al momento de adjudicar. Esta situación se puede entender porque es esperable que los precios de los productos aumenten de un periodo a otro, al contrario de lo que sucede con la comparación con el precio del mercado público ya que este es tomado con datos del mismo periodo. Además uno de los objetivos de CENABAST es agregar demanda para disminuir los costos al sistema público de salud. Al comprar a un precio mayor que el promedio transado en mercado público, no se estaría cumpliendo este objetivo. Es relevante descubrir y analizar los motivos por los cuales se genera el gran número de licitaciones no adjudicadas (n=101), sin oferentes (n=130) y relicitadas (n=39) que genera el proceso de compras para generar medidas que disminuyan esta cantidad. A futuro se debiese realizar un nuevo estudio que incluya el periodo 2014 con el propósito de analizar si existen cambios significativos en los resultados. de CENABAST: M. Victoria Hurtado; Tania Ponce; Arturo Avendaño y Rubén Rojas.

7 Anexo 1 Resultados análisis regresión logística múltiple. logit res_binario var_mp var_uc Iteration 0: log likelihood = Iteration 1: log likelihood = Iteration 2: log likelihood = Iteration 3: log likelihood = Iteration 4: log likelihood = Iteration 5: log likelihood = Iteration 6: log likelihood = Logistic regression Number of obs = 572 LR chi2(2) = Prob > chi2 = Log likelihood = Pseudo R2 = res_binario Coef. Std. Err. z P> z [95% Conf. Interval] var_mp var_uc _cons Note: 7 failures and 0 successes completely determined.. sum plogit Variable Obs Mean Std. Dev. Min Max plogit mfx Marginal effects after logit y = Pr(res_binario) (predict) = variable dy/dx Std. Err. z P> z [ 95% C.I. ] X var_mp var_uc estat classification Logistic model for res_binario True Classified D ~D Total Total Classified + if predicted Pr(D) >=.5 True D defined as res_binario!= 0 Sensitivity Pr( + D) 97.66% Specificity Pr( - ~D) 53.92% Positive predictive value Pr( D +) 90.71% Negative predictive value Pr(~D -) 83.33% False + rate for true ~D Pr( + ~D) 46.08% False - rate for true D Pr( - D) 2.34% False + rate for classified + Pr(~D +) 9.29% False - rate for classified - Pr( D -) 16.67% Correctly classified 89.86%

El efecto estabilizador de CENABAST en los precios de mercado de los fármacos transados en el Sistema Público.

El efecto estabilizador de CENABAST en los precios de mercado de los fármacos transados en el Sistema Público. El efecto estabilizador de CENABAST en los precios de mercado de los fármacos transados en el Sistema Público. Exploración de los efectos que tiene en un determinado período de tiempo las decisiones que

Más detalles

Odds = = e. UD1: El modelo de regresión logística 1. 1 e

Odds = = e. UD1: El modelo de regresión logística 1. 1 e RE2. Regresión logística binaria, multinomial, de Poisson y binomial negativa Curso 204/5 Solución resumida de la prueba de evaluación Unidad didáctica (D) La regresión logística puede utilizarse en cualquiera

Más detalles

En cada una de las tablas de esta sección se incluyen también los comandos de Stata con los cuales se obtuvo la información.

En cada una de las tablas de esta sección se incluyen también los comandos de Stata con los cuales se obtuvo la información. Apéndice 1. Tablas y Anexos En cada una de las tablas de esta sección se incluyen también los comandos de Stata con los cuales se obtuvo la información. Esta es la tabla de correlaciones entre variables

Más detalles

Universidad de la República, Facultad de Ciencias Económicas y Administración.

Universidad de la República, Facultad de Ciencias Económicas y Administración. Universidad de la República, Facultad de Ciencias Económicas y Administración. ECONOMETRIA II- CURSO 2010 Practica 5 MODELOS DE VARIABLE DEPENDIENTE TRUNCADA CENSURADA, MODELOS DE SELECTIVIDAD, MODELOS

Más detalles

Estimación de una función de gasto en alimentos

Estimación de una función de gasto en alimentos Base de datos http://www.principlesofeconometrics.com/poe4/poe4stata.htm Definición de variables http://www.principlesofeconometrics.com/poe4/data/def/food.def food.def food_exp income Obs: 40 food_exp

Más detalles

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA 1º El investigador especifica el modelo siguiente: EXAMEN PARCIAL DE ECONOMETRIA I Se le pide estimar el modelo por el método

Más detalles

Factores que condicionan la Probabilidad de Cotizar a las pensiones de Retiro en México. Resumen

Factores que condicionan la Probabilidad de Cotizar a las pensiones de Retiro en México. Resumen Factores que condicionan la Probabilidad de Cotizar a las pensiones de Retiro en México Marco Hernando Albarrán Núñez 1 Resumen El presente trabajo intenta mostrar evidencia empírica de los determinantes

Más detalles

EJERCICIOS CAPITULO 9. GUJARATI-PORTER (2010)

EJERCICIOS CAPITULO 9. GUJARATI-PORTER (2010) EJERCICIOS CAPITULO 9. GUJARATI-PORTER (2010) 9.21 a) clear edit tsset year list +-------------------------------+ year savings income dum ------------------------------- 1. 1970 61 727.1 0 2. 1971 68.6

Más detalles

Solución Taller No. 5 Econometría II Prof. Bernal

Solución Taller No. 5 Econometría II Prof. Bernal Solución Taller No. 5 Econometría - 7 II Prof. Bernal. a. Los resultados de la estimación son los siguientes (no hay que olvidar que las variables precio hay que transformarlas a logaritmos):. gen lpreciov

Más detalles

Beatriz Sánchez Reyes. 22 de septiembre de 2010

Beatriz Sánchez Reyes. 22 de septiembre de 2010 Regresión cuantílica Beatriz Sánchez Reyes 22 de septiembre de 2010 Índice Definición de cuantil Regresión cuantílica - Estimación - Inferencia Regresión mediana (Ejemplo) Regresión cuartílica (Ejemplo)

Más detalles

Yearly analysis Confidence interval ci ch4

Yearly analysis Confidence interval ci ch4 Data obtained from the statistical program stata: Yearly analysis Confidence interval ci 243 49.80329 1.063871 47.70766 51.89892 sum,d ------------------------------------------------------------- Percentiles

Más detalles

Anexo Ñ. Modelos sintéticos complejos (econométricos) por estamentos de la encuesta convivencial institucional 1. ASPECTOS METODOLÓGICOS

Anexo Ñ. Modelos sintéticos complejos (econométricos) por estamentos de la encuesta convivencial institucional 1. ASPECTOS METODOLÓGICOS Anexo Ñ. Modelos sintéticos complejos (econométricos) por estamentos de la encuesta convivencial institucional 1. ASPECTOS METODOLÓGICOS Como Instrumento metodológico para contestar a la pregunta de investigación,

Más detalles

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO IV ANALISIS DE LOS DATOS

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO IV ANALISIS DE LOS DATOS CAPÍTULO IV ANALISIS DE LOS DATOS 4.1 DESCRIPCIÓN DE LOS DATOS Como ya se mencionó anteriormente, el tamaño de la población con la que se está trabajando es de 149 observaciones, 69 de ellas presentan

Más detalles

EVALUACIÓN DE IMPACTOS EN HIDROCARBUROS, MEDIANTE LA ECONOMETRÍA. M.Sc. Carlos I. Palomares Palomares Gerente de Operaciones GPSAC

EVALUACIÓN DE IMPACTOS EN HIDROCARBUROS, MEDIANTE LA ECONOMETRÍA. M.Sc. Carlos I. Palomares Palomares Gerente de Operaciones GPSAC EVALUACIÓN DE IMPACTOS EN HIDROCARBUROS, MEDIANTE LA ECONOMETRÍA M.Sc. Carlos I. Palomares Palomares Gerente de Operaciones GPSAC Problema Es evidente, según los entendidos, que desde la década pasada,

Más detalles

Análisis de la evolución y tendencia de las tasas de hepatitis A en Chile desde a 2002

Análisis de la evolución y tendencia de las tasas de hepatitis A en Chile desde a 2002 Rev Chil Salud Pública CIFRAS DE HOY Análisis de la evolución y tendencia de las tasas de hepatitis A en Chile desde 197 5 a 2002 GABRIEL CA V ADAOJ, ROSA MONT AÑOOJ, SERGIO AL V ARADOOl, MARÍA TERESA

Más detalles

Distribución de precios: Selección de una medida de centralidad

Distribución de precios: Selección de una medida de centralidad Distribución de precios: Selección de una medida de centralidad El proceso de compras de CENABAST consta de varias etapas. Una de las principales, es la comparación de los precios ofertados y el precio

Más detalles

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción

Más detalles

Análisis Segmento Municipalidades

Análisis Segmento Municipalidades Análisis Segmento Municipalidades Análisis de la participación del segmento Municipalidades en la compra de fármacos, desde la perspectiva de los montos involucrados, las programaciones a través de Cenabast,

Más detalles

Introducción a los modelos de elección discreta

Introducción a los modelos de elección discreta Introducción a los modelos de elección discreta Manuel Barrón 21 de Junio de 2010 1 Conjunto de alternativas Los modelos de elección discreta describen las elecciones de los agentes sobre un conjunto de

Más detalles

Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A

Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs

Más detalles

TEORÍAS MODELOS DATOS EMPÍRICOS

TEORÍAS MODELOS DATOS EMPÍRICOS LA ESTADÍSTICA APLICADA ES LA REPRESENTACIÓN DE LA REALIDAD CON MODELOS PROBABILÍSTICOS. ES UNA DISCIPLINA DE LAS MATEMÁTICAS APLICADAS EN CONSTANTE DESARROLLO Y EVOLUCIÓN. CÓMO SE CONSTRUYEN LOS MODELOS

Más detalles

VI. Percepción de los Beneficiarios de la Vertiente Apoyo a la Palabra

VI. Percepción de los Beneficiarios de la Vertiente Apoyo a la Palabra VI. Percepción de los Beneficiarios de la Vertiente Apoyo a la Palabra Con el objeto de evaluar la percepción de los beneficiarios de la vertiente Apoyo a la Palabra del Programa Opciones Productivas con

Más detalles

GEOESTADÍSTICA APLICADA

GEOESTADÍSTICA APLICADA UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS 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 detalles

Modelos de elección discreta Aplicaciones en ordenador

Modelos de elección discreta Aplicaciones en ordenador Modelos de elección discreta Aplicaciones en ordenador Román Salmerón Gómez Para ilustrar cómo abordar el análisis de Modelos de elección discreta con el software econométrico Gretl resolveremos el siguiente

Más detalles

Estimar efectos parciales con margins

Estimar efectos parciales con margins Estimar efectos parciales con margins David M. Drukker Director of Econometrics Stata 2010 Spanish Stata Users Group meeting Madrid September 2010 1 / 31 Información general Esta charla muestra como usar

Más detalles

Demanda de los servicios TIC en hogares de República Dominicana. Fabricio Gómez Mazara, Msc Miembro del Consejo Directivo INDOTEL

Demanda de los servicios TIC en hogares de República Dominicana. Fabricio Gómez Mazara, Msc Miembro del Consejo Directivo INDOTEL Demanda de los servicios TIC en hogares de República Dominicana Fabricio Gómez Mazara, Msc Miembro del Consejo Directivo INDOTEL El estudio fue realizado en base al módulo de telecomunicaciones de la Encuesta

Más detalles

Evidencia empírica sobre la teoría de la demanda de educación superior en América Latina: un estudio sobre el caso del Caribe Colombiano.

Evidencia empírica sobre la teoría de la demanda de educación superior en América Latina: un estudio sobre el caso del Caribe Colombiano. Evidencia empírica sobre la teoría de la demanda de educación superior en América Latina: un estudio sobre el caso del Caribe Colombiano. Juan Carlos Miranda Morales Director Centro de Investigaciones

Más detalles

Ejercicio 1 (20 puntos)

Ejercicio 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 detalles

6. RESULTADOS. 6.1 Modelo Probit Ordenado

6. RESULTADOS. 6.1 Modelo Probit Ordenado 6. RESULTADOS Este capítulo muestra los resultados obtenidos aplicando la metodología correspondiente del modelo (Modelo Probit Ordenado y MCO) mencionada en el capitulo anterior con el fin de comprobar

Más detalles

Análisis Estadístico. Dra. Adela Del Carpio Rivera Doctor En Medicina

Análisis Estadístico. Dra. Adela Del Carpio Rivera Doctor En Medicina Análisis Estadístico Dra. Adela Del Carpio Rivera Doctor En Medicina ANTE LA GRAN CANTIDAD DE INFORMACIÓN Debemos saber discernir entre: Cuál es la información que necesitamos Si el estudio tiene real

Más detalles

Sesión 8 - Modelos con datos de conteo

Sesión 8 - Modelos con datos de conteo Sesión 8 - Modelos con datos de conteo Manuel Barrón 5 de Julio de 2010 1 El modelo de regresión de Poisson 1.1 Estimación e inferencia En algunos contextos querremos analizar situaciones en las que el

Más detalles

Muestreo e inferencia

Muestreo e inferencia Images created with STATA software. 1 Muestreo e inferencia Calidad de los datos y las mediciones Razones para hablar de muestreo Formación académica de la población Comprender los datos que se van a utilizar

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4) OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos

Más detalles

MODELO VAR ARGENTINA

MODELO VAR ARGENTINA MODELO VAR ARGENTINA 1.-INTRODUCCIÓN Argentina es una de las economías más grandes de América Latina. En los últimos años, Argentina priorizó promover un desarrollo económico con inclusión social. El país

Más detalles

Estadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...

Estadística 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 detalles

Estadística I Examen Final - 19 de junio de Nombre:... Grupo:...

Estadística 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 detalles

Modelos ordinales en gretl

Modelos ordinales en gretl Modelos ordinales en gretl Microeconomía Cuantitativa R. Mora Departmento of Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 4 Introduction El Probit ordenado y la estimación

Más detalles

Estadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada

Estadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada Estadística Descriptiva Bivariada En el aspecto conceptual, este estudio puede ser generalizado fácilmente para el caso de la información conjunta de L variables aunque las notaciones pueden resultar complicadas

Más detalles

UNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez ldbello@saludpublica.udea.edu.co Facultad Nacional de Salud Pública Héctor Abad Gómez www.leondariobello.com www.ciemonline.info/moodle

Más detalles

CLAVE Lab 11 - Regresión Lineal Simple y Polinomial

CLAVE Lab 11 - Regresión Lineal Simple y Polinomial Escala común CLAVE Lab 11 - Regresión Lineal Simple y Polinomial 1. A mano, construya los siguientes gráficos: a. Grafique la línea recta correspondiente a la ecuación y 2x 1 b. Grafique la línea recta

Más detalles

Análisis y explicación del cambio espacial. Joaquín Bosque Sendra Depart. De Geografía Universidad de Alcalá

Análisis y explicación del cambio espacial. Joaquín Bosque Sendra Depart. De Geografía Universidad de Alcalá Análisis y explicación del cambio espacial Joaquín Bosque Sendra Depart. De Geografía Universidad de Alcalá Índice de temas SIG y tiempo de calendario Medición del cambio espacial Modelos de análisis del

Más detalles

Modelación estadística: La regresión lineal simple

Modelación 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 detalles

Eficacia de las Tutorías del Centro de Apoyo al Estudiante (CAE): Resultados y Notas Técnicas Por: Fernando Vázquez Calle * y José A.

Eficacia de las Tutorías del Centro de Apoyo al Estudiante (CAE): Resultados y Notas Técnicas Por: Fernando Vázquez Calle * y José A. Introducción Por más de una década el Centro de Apoyo al Estudiante (CAE) de la Universidad de Puerto Rico en Cayey viene ofreciendo servicios de tutoría académica en aproximadamente 20 cursos diferentes,

Más detalles

Diagnósticos regresión

Diagnósticos regresión Diagnósticos regresión de Cox Víctor Abraira Unidad de Bioestadística Clínica. IRYCIS 1 Diagnósticos de regresión Se trata de evaluar lo adecuado del modelo. Hay tres aspectos: Asunciones Bondad de ajuste

Más detalles

T4. Modelos con variables cualitativas

T4. Modelos con variables cualitativas T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad

Más detalles

Capítulo 5 RESULTADOS. En el siguiente cuadro se muestra la estadística descriptiva de los datos

Capítulo 5 RESULTADOS. En el siguiente cuadro se muestra la estadística descriptiva de los datos Capítulo 5 RESULTADOS 5.1 Estadística descriptiva En el siguiente cuadro se muestra la estadística descriptiva de los datos obtenidos en la aplicación de las encuestas. Cuadro 8. Estadística de muestreo

Más detalles

... *Elasticidad ingreso del gasto en electricidad (Modelo Restringido). reg lviv ling

... *Elasticidad ingreso del gasto en electricidad (Modelo Restringido). reg lviv ling ---- ---------------------------------------- log: C:\datos\docencia\econIccee\practicas2009\chowlog log type: text opened on: 17 Sep 2009, 17:58:52 use "$ruta\chowdta", clear * crear variable logaritmo

Más detalles

Cálculos de Regresión Logística en R, Caso de una covariable.

Cálculos de Regresión Logística en R, Caso de una covariable. Cálculos de Regresión Logística en R, Caso de una covariable. Carga de datos (Tabla 1.1, Hosmer-Lemeshow): CH=read.table( CHDAGE.txt,header = T) attach(ch) Gráfico de Dispersión: plot(age,chd,xlab= Edad,

Más detalles

Documento de Trabajo. Debo inscribir más de 22 créditos?

Documento de Trabajo. Debo inscribir más de 22 créditos? Documento de Trabajo Debo inscribir más de 22 créditos? Rodrigo Navia Carvallo 2004 El autor es Ph.D in Economics, Tulane University, EEUU. Máster of Arts in Economics, Tulane University, EEUU. Licenciado

Más detalles

Multiple Linear Regression

Multiple 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 detalles

Ejercicio 1(10 puntos)

Ejercicio 1(10 puntos) ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa

Más detalles

Contrastando Hipótesis después de la Estimación Probit

Contrastando Hipótesis después de la Estimación Probit Contrastando Hipótesis después de la Estimación Probit Microeconomía Cuantitativa R. Mora Departmento of Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 El modelo Probit

Más detalles

Estimación del Probit Ordinal y del Logit Multinomial

Estimación del Probit Ordinal y del Logit Multinomial Estimación del Probit Ordinal y del Logit Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 Introducción El

Más detalles

SOLUCION TALLER 1 SOLUCION PUNTO 1. - Función de producción cuadrática. Se espera que: >0 porque x2 es un insumo de producción

SOLUCION TALLER 1 SOLUCION PUNTO 1. - Función de producción cuadrática. Se espera que: >0 porque x2 es un insumo de producción SOLUCION TALLER 1 SOLUCION PUNTO 1 - Función de producción cuadrática Se espera que: >0 porque x1 es un insumo de producción >0 porque x2 es un insumo de producción

Más detalles

Anexo 2.1 Variables analizadas en el estudio

Anexo 2.1 Variables analizadas en el estudio ANEXO 2 89 Anexo 2.1 Variables analizadas en el estudio Variables que definen la estructura de la empresa NOMBRE VARIABLE DESCRIPCIÓN Describe si la sociedad es Sociedad Anónima =1, SOC Tipo de Sociedad

Más detalles

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19. UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.15 ECONOMETRÍA 2 Econometría.weebly.com Wilhem.weebly.com Ejercicio 19.15 Considérese

Más detalles

Regresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.

Regresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11. Regresión Lineal Simple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2

Más detalles

Modelos para la predicción del cambio espacial. Joaquín Bosque Sendra Depart. De Geografía Universidad de Alcalá

Modelos para la predicción del cambio espacial. Joaquín Bosque Sendra Depart. De Geografía Universidad de Alcalá Modelos para la predicción del cambio espacial Joaquín Bosque Sendra Depart. De Geografía Universidad de Alcalá Índice de temas SIG y tiempo de calendario Medición del cambio espacial Modelos de análisis

Más detalles

Tabla de Ilustraciones

Tabla de Ilustraciones 2 Contenido I. INTRODUCCIÓN... 7 II. METODOLOGÍA... 8 III. INDICADORES DE CONTEXTO... 9 1. Datos Generales... 9 2. Matrícula y Vacantes... 12 1. Titulados... 14 3. Planes vigentes... 15 4. Planes vigentes

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Estadística Descriptiva Es una etapa de la metodología estadística,

Más detalles

Ejemplo de Regresión Lineal Simple

Ejemplo 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 detalles

Vicente D. Estruch y José L. Cort

Vicente D. Estruch y José L. Cort Análisis comparativo entre ecuaciones predictivas del peso en función de la talla en atún rojo, Thunnus thynnus (L.). Documento de trabajo (julio, 2014) Vicente D. Estruch y José L. Cort Estudio de validación

Más detalles

HIDROLOGÍA. CALSE 10: Precipitación Parte III. Julián David Rojo Hdz. I.C. Msc. Recursos Hidráulicos

HIDROLOGÍA. CALSE 10: Precipitación Parte III. Julián David Rojo Hdz. I.C. Msc. Recursos Hidráulicos HIDROLOGÍA CALSE 10: Precipitación Parte III Julián David Rojo Hdz. I.C. Msc. Recursos Hidráulicos ANÁLISIS DE LLUVIAS INTENSAS CURVAS INTENSIDAD - FRECUENCIA - DURACION i m ktr ( c d ) n Para cada Tr

Más detalles

ANÁLISIS ESTADÍSTICO DE LAS PUNTUACIONES PARA ASCENSOS DOCENTES

ANÁLISIS ESTADÍSTICO DE LAS PUNTUACIONES PARA ASCENSOS DOCENTES ANÁLISIS ESTADÍSTICO DE LAS PUNTUACIONES PARA ASCENSOS DOCENTES - Informe sometido y presentado a la Junta Administrativa del RUM en su reunión ordinaria del día jueves de 20 enero de 2011. El informe

Más detalles

Análisis de algoritmos

Análisis de algoritmos Tema 03: Análisis temporal M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Caso de entrada Ejemplo 1 (Búsqueda lineal) Operación

Más detalles

Los resultados del modelo propuesto en el apartado anterior, se presentan en la tabla 6. Tabla 6. Resultados del modelo

Los resultados del modelo propuesto en el apartado anterior, se presentan en la tabla 6. Tabla 6. Resultados del modelo 4. Resultados e interpretación Los resultados del modelo propuesto en el apartado anterior, se presentan en la tabla 6. Tabla 6. Resultados del modelo Mujer Hombre 1 2 1 2 Formal Informal Formal Informal

Más detalles

Sección Teórica. , cuya información se presenta a continuación. Completar las celdas necesarias para responder a las preguntas 1 a 5.

Sección Teórica. , cuya información se presenta a continuación. Completar las celdas necesarias para responder a las preguntas 1 a 5. UNAM Facultad de Economía Licenciatura en Economía Examen parcial de Introducción a la Econometría Noviembre 10, 2015 AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA

Más detalles

Paola Adanari Ortega-Ceballos, M. en C., Macías- Carrillo Claudia, M. en C, García-Díaz Francisco Javier, LF, María Alejandra Terrazas- Meraz, Dr

Paola Adanari Ortega-Ceballos, M. en C., Macías- Carrillo Claudia, M. en C, García-Díaz Francisco Javier, LF, María Alejandra Terrazas- Meraz, Dr Paola Adanari Ortega-Ceballos, M. en C., Macías- Carrillo Claudia, M. en C, García-Díaz Francisco Javier, LF, María Alejandra Terrazas- Meraz, Dr Introducción La Organización Mundial de la Salud (OMS)

Más detalles

Economía Aplicada. Modelos con variables dependiente binarias. Departamento de Economía Universidad Carlos III de Madrid

Economía Aplicada. Modelos con variables dependiente binarias. Departamento de Economía Universidad Carlos III de Madrid Economía Aplicada Modelos con variables dependiente binarias Departamento de Economía Universidad Carlos III de Madrid Ver Stock y Watson (capítulo 11) 1 / 28 Modelos con variables dependiente binarias:

Más detalles

Backtesting de Reserva de Seguros

Backtesting de Reserva de Seguros Backtesting de Reserva de Seguros Por: Pedro Aguilar Beltrán Jorge Avendaño Estrada Septiembre de 2009 El Backtesting es un procedimiento técnico que consiste en validar la idoneidad, precisión y validez

Más detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

Técnicas de Minería de Datos

Técnicas de Minería de Datos Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.

Más detalles

Determinantes del embarazo en adolescentes y el impacto de este en los ejes fundamentales: ingreso y nivel educativo

Determinantes del embarazo en adolescentes y el impacto de este en los ejes fundamentales: ingreso y nivel educativo Determinantes del embarazo en adolescentes y el impacto de este en los ejes fundamentales: ingreso y nivel educativo Yenizer Alexandra Tafur-Bonilla*, Olga Lucia Barbosa-Campos**, Edwin Leonardo Méndez-Ortiz***

Más detalles

Proceso de Acreditación HRR Noviembre 2015 PROCEDIMIENTO DE ADQUISICIÓN DE MEDICAMENTOS EN HOSPITAL REGIONAL RANCAGUA

Proceso de Acreditación HRR Noviembre 2015 PROCEDIMIENTO DE ADQUISICIÓN DE MEDICAMENTOS EN HOSPITAL REGIONAL RANCAGUA PROCEDIMIENTO DE ADQUISICIÓN DE MEDICAMENTOS EN HOSPITAL REGIONAL RANCAGUA Página: 1 de 8 1.OBJETIVO Estandarizar el proceso de adquisición de medicamentos Regional Rancagua en Hospital 2. ALCANCE Aplica

Más detalles

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016 ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una

Más detalles

Reporte de resultados Becas Fondo Cesantía Solidario Año 2014

Reporte de resultados Becas Fondo Cesantía Solidario Año 2014 Becas Fondo Cesantía Solidario Año 2014 Unidad de Estudios, Servicio Nacional de Capacitación y Empleo Junio de 2016 Este reporte de resultados tiene como objetivo presentar la situación laboral previa

Más detalles

Tema 8. Análisis de dos variables Ejercicios resueltos 1

Tema 8. Análisis de dos variables Ejercicios resueltos 1 Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los

Más detalles

REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE

REGRESIÓN 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 detalles

ESTADÍSTICA - PROMOCIÓN 2006 TRABAJOS DE APLICACIÓN CON DATOS ROPÍOS

ESTADÍSTICA - PROMOCIÓN 2006 TRABAJOS DE APLICACIÓN CON DATOS ROPÍOS ESTADÍSTICA - PROMOCIÓN 2006 TRABAJOS DE APLICACIÓN CON DATOS ROPÍOS TRABAJO DE APLICACIÓN CON DATOS PROPIOS Nº 1 1.- Relevar datos de una variable cuantitativa de su interés (no menos de 0 datos). l.

Más detalles

Análisis de Tendencias de los indicadores en las Encuestas de Verificación Nacional Muestral

Análisis de Tendencias de los indicadores en las Encuestas de Verificación Nacional Muestral Análisis de Tendencias de los indicadores en las Encuestas de Verificación Nacional Muestral Introducción A partir de 1994, el Registro Federal de Electores ha llevado a cabo diversos ejercicios cuyo objetivo

Más detalles

Práctica 3: Regresión simple con R

Práctica 3: Regresión simple con R Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar

Más detalles

RESPUESTAS BREVES A LA PRÁCTICA 7

RESPUESTAS BREVES A LA PRÁCTICA 7 RESPUESTAS BREVES A LA PRÁCTICA 7 EJERCICIO 1 Las salidas que proporciona el programa son: Unweighted Least Squares Linear Regression of X Puntaje en Inteligencia Predictor Variables Coefficient Std Error

Más detalles

RESPUESTAS BREVES A LA PRÁCTICA 3

RESPUESTAS BREVES A LA PRÁCTICA 3 RESPUESTAS BREVES A LA PRÁCTICA 3 EJERCICIO 1 a) La medida más adecuada es la mediana por tratarse de la distribución de frecuencias de una variable cualitativa con valores jerarquizados. b) La moda de

Más detalles

PRUEBAS INFORMALES DE NORMALIDAD PARA UN CONJUNTO UNIVARIADO DE MEDICIONES.

PRUEBAS INFORMALES DE NORMALIDAD PARA UN CONJUNTO UNIVARIADO DE MEDICIONES. PRUEBAS INFORMALES DE NORMALIDAD PARA UN CONJUNTO UNIVARIADO DE MEDICIONES. La distribución normal es una de las distribuciones de muestreo más utilizadas en el trabajo estadístico. Si bien muchos datos

Más detalles

Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández

Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema

Más detalles

INTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A.

INTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A. INTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A. ESTUDIO PARA LA FIJACION DE TARIFAS DE LOS SERVICIOS AFECTOS A FIJACION TARIFARIA PRESTADOS POR INTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A. PERIODO 2010-2015

Más detalles

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.

Más detalles

CÓMO LEER EL ATLAS? FICHA DEL OCÉANO PACÍFICO Y DEL TERRITORIO MARÍTIMO NACIONAL FICHAS DE ZONAS GEOGRÁFICAS NATURALES

CÓMO LEER EL ATLAS? FICHA DEL OCÉANO PACÍFICO Y DEL TERRITORIO MARÍTIMO NACIONAL FICHAS DE ZONAS GEOGRÁFICAS NATURALES CÓMO LEER EL ATLAS? Para una correcta interpretación de la información que se presenta en este Atlas, a continuación se hace una descripción de las fichas y de cada una de sus partes. La información se

Más detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles

CORRELACION Y REGRESIÓN LINEAL

CORRELACION Y REGRESIÓN LINEAL LECCION Nº 5 CORRELACION Y REGRESIÓN LINEAL OBJETIVOS ESPECIFICOS Diferenciar los conceptos de correlación lineal, y regresión lineal. Determinar el índice o coeficiente de correlación en una distribución

Más detalles

Al momento de realizar los pliegos en el aplicativo USHAY la entidad contratante debe tener en cuenta lo siguiente:

Al momento de realizar los pliegos en el aplicativo USHAY la entidad contratante debe tener en cuenta lo siguiente: INSTRUCTIVO PARA EL USO DE LAS HERRAMIENTAS INFORMÁTICAS DE CONTRATACIÓN PÚBLICA CON LA AUTOMATIZACIÓN DE LAS RESOLUCIONES REFERENTES AL CÁLCULO DEL VALOR AGREGADO ECUATORIANO. El presente instructivo

Más detalles

MODELADO CALIBRACIÓN MULTIVARIADA

MODELADO CALIBRACIÓN MULTIVARIADA MODELADO CALIBRACIÓN MULTIVARIADA Calibración multivariada un método multivariado implica que: existe una dependencia múltiple de la variable x (independiente) y múltiples variables y (dependiente) el

Más detalles

MANUAL DE USO PROGRAMA SENSIBAR

MANUAL DE USO PROGRAMA SENSIBAR MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS

Más detalles

Estadística. Convocatoria ordinaria. Mayo de Nombre. Titulación Grupo

Estadística. Convocatoria ordinaria. Mayo de Nombre. Titulación Grupo Estadística. Convocatoria ordinaria Mayo de 2015 Nombre. Titulación Grupo Problema 1 (1.75 puntos) En una ciudad, el 40% de las personas son rubias, el 30% tiene los ojos azules y el 10% son rubios con

Más detalles

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ SEMESTRE 01 - TIPO 1 DURACIÓN MÁXIMA.5 HORAS 30 DE MAYO DE 01 NOMBRE Apellido paterno Apellido materno Nombre (s) Firma Problema 1 La siguiente tabla muestra la estimación de hundimientos de suelo en centímetros,

Más detalles

. gen princ=(faminc-ww*whrs)/1000. . probit lfp wa kl6 k618 we princ

. gen princ=(faminc-ww*whrs)/1000. . probit lfp wa kl6 k618 we princ UCEMA ECONOMETRIA APLICADA - Probit- El archivo MROZ.xls tiene datos de un un estudio clásico donde se trata de estimar una ecuación de salarios para mujeres. La primer etapa del estudio es determinar

Más detalles

Inseguridad pública y migración: un análisis a nivel hogar

Inseguridad pública y migración: un análisis a nivel hogar Inseguridad pública y migración: un análisis a nivel hogar Liliana Meza González Telésforo Ramírez García San Cristóbal de las Casas, Chiapas 14 de Noviembre de 2013 Objetivo del trabajo Indagar si la

Más detalles