SCORING DE SEVERDIDAD (LGD) PROPUESTA DE UNA METODOLOGIA PARA CALCULAR LA TASA DE RECUPERCIÓN (Tr) Y LA SEVERDIDAD (LGD) DE UNA OPERACIÓN DE CREDITO
|
|
- Aurora Redondo Navarrete
- hace 5 años
- Vistas:
Transcripción
1 SCORING DE SEVERDIDAD (LGD) PROPUESTA DE UNA METODOLOGIA PARA CALCULAR LA TASA DE RECUPERCIÓN (Tr) Y LA SEVERDIDAD (LGD) DE UNA OPERACIÓN DE CREDITO 1
2 1. Consideremos una cartera de créditos de una IMFs que entraron en incumplimiento durante el periodo El número de créditos es de Los datos de que se disponen de cada crédito son los siguientes: 2
3 3
4 4
5 5
6 6
7 7
8 8 RECUPERA COST RECUPERA DUR VENTAS INGRESOS ACTIVOS VALOR ETTI VAR ECONOM SECTOR Z _ 0,46 _ 0,053 _ 0,017 _ 0,033 _ 0,09 _ 0,114 0, = + Z e AJUSTADA TR + = 1 1 ) ( + = = Z e AJUSTADA TR LGD ) ( 1 MODELO MATEMATICO
9 RESULTADOS DEL MODELO MATEMATICO Estadísticos descriptivos TASA_RECUPERA SECTOR_ECONOM VAR_ETTI VALOR_ACTIVOS INGRESOS_VENTAS DUR_RECUPERA COST_RECUPERA Desviación Media típ. N,5042, ,6797, ,0578, ,6286 5, ,9464 5, ,0559 1, ,1603,
10 Correlaciones Correlación de Pearson Sig. (unilateral) N TASA_ SECTOR_ VALOR_ INGRESOS_ DUR_ COST_ RECUPERA ECONOM VAR_ETTI ACTIVOS VENTAS RECUPERA RECUPERA TASA_RECUPERA 1,000,283 -,004,629,327 -,132 -,150 SECTOR_ECONOM,283 1,000 -,020,085,130 -,058 -,163 VAR_ETTI -,004 -,020 1,000,015,148 -,050 -,603 VALOR_ACTIVOS,629,085,015 1,000,116 -,002 -,054 INGRESOS_VENTAS,327,130,148,116 1,000,268 -,208 DUR_RECUPERA -,132 -,058 -,050 -,002,268 1,000,041 COST_RECUPERA -,150 -,163 -,603 -,054 -,208,041 1,000 TASA_RECUPERA.,000,342,000,000,000,000 SECTOR_ECONOM,000.,022,000,000,000,000 VAR_ETTI,342,022.,070,000,000,000 VALOR_ACTIVOS,000,000,070.,000,410,000 INGRESOS_VENTAS,000,000,000,000.,000,000 DUR_RECUPERA,000,000,000,410,000.,000 COST_RECUPERA,000,000,000,000,000,000. TASA_RECUPERA SECTOR_ECONOM VAR_ETTI VALOR_ACTIVOS INGRESOS_VENTAS DUR_RECUPERA COST_RECUPERA Resumen del modelo b Modelo 1 Estadísticos de cambio R cuadrado Error típ. de la Cambio en Sig. del Durbin- R R cuadrado corregida estimación R cuadrado Cambio en F gl1 gl2 cambio en F Watson,739 a,546,546,21581, , ,000 2,023 a. Variables predictoras: (Constante), COST_RECUPERA, DUR_RECUPERA, VALOR_ACTIVOS, SECTOR_ECONOM, INGRESOS_VENTAS, VAR_ETTI b. Variable dependiente: TASA_RECUPERA 10
11 ANOVA b Modelo Suma de cuadrados gl Media cuadrática F Sig. 1 Regresión 565, , ,318,000 a Residual 470, ,047 Total 1035, a. Variables predictoras: (Constante), COST_RECUPERA, DUR_RECUPERA, VALOR_ACTIVOS, SECTOR_ECONOM, INGRESOS_VENTAS, VAR_ETTI b. Variable dependiente: TASA_RECUPERA Modelo 1 (Constante) SECTOR_ECONOM VAR_ETTI VALOR_ACTIVOS INGRESOS_VENTAS DUR_RECUPERA COST_RECUPERA Coeficientes no estandarizados a. Variable dependiente: TASA_RECUPERA Coeficientes estandarizad os Coeficientes a Intervalo de confianza para B al 95% Límite B Error típ. Beta t Sig. Límite inferior superior,082,010 8,161,000,062,102 Correlaciones Orden cero Parcial Semiparcial Estadísticos de colinealidad Tolerancia,114,005,166 23,912,000,105,123,283,231,160,929 1,076 -,090,006 -,119-14,007,000 -,102 -,077 -,004 -,138 -,094,619 1,615,033,000,577 85,169,000,032,033,629,646,571,980 1,020,017,000,290 39,983,000,016,018,327,370,268,855 1,170 -,053,002 -,201-28,523,000 -,057 -,049 -,132 -,273 -,191,908 1,101 -,460,042 -,095-10,937,000 -,542 -,377 -,150 -,108 -,073,595 1,680 FIV 11
12 Diagnósticos de colinealidad a Modelo 1 Dimensión Proporciones de la varianza Indice de SECTOR_ VALOR_ INGRESOS_ DUR_ COST_ Autovalor condición (Constante) ECONOM VAR_ETTI ACTIVOS VENTAS RECUPERA RECUPERA 4,422 1,000,00,01,00,01,01,02,00 a. Variable dependiente: TASA_RECUPERA 1,079 2,024,00,00,48,00,04,00,01,621 2,669,00,04,05,01,38,26,01,450 3,136,00,06,06,00,46,55,00,262 4,106,00,74,00,06,07,14,04,135 5,731,01,00,08,76,03,02,19,031 11,915,98,15,31,16,01,01,75 Estadísticos sobre los residuos a Valor pronosticado Valor pronosticado tip. Error típico del valor pronosticado Valor pronosticado corregido Residuo bruto Residuo tip. Residuo estud. Residuo eliminado Residuo eliminado estud. Dist. de Mahalanobis Distancia de Cook Valor de influencia centrado a. Variable dependiente: TASA_RECUPERA Desviación Mínimo Máximo Media típ. N -,2047 4,1265,5042, ,998 15,317,000 1, ,003,049,005, ,2062 4,2655,5043, ,12650,63225,00000, ,487 2,930,000 1, ,806 2,933,000 1, ,26551, ,00006, ,969 2,934,000 1, , ,730 5,999 11, ,000 1,392,000, ,000,053,001,
13 13
14 14
15 TR y LGD EN MUESTRA DE ESTIAMCION TASA DE RECUPERACION (MUESTRA ESTIMACIÓN) 120,00% TR (AJUSTADA) 100,00% 80,00% 60,00% 40,00% 20,00% 0,00% 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 120,00% TR (REAL) 15
16 16
17 TR Curva de regresión ajustada 100% TR (AJUSTADA) 80% 60% 40% 20% 0% 0% 20% 40% 60% 80% 100% TR TR (AJUSTADA) Pronóstico TR (AJUSTADA) 17
18 TR y LGD EN MUESTRA DE VALIDACION 18
19 RECOVERY RISK The next Challenge in Credit Risk Managment Riskbooks 2005 How to Measure Recoveries and Provisions on Bank Lending: Methodology and Empirical Evidence Jean Dermine and Cristina Neto de Carvallo INSEAD, Universidad Católica Protuguesa 1. BASE DE DATOS DE CREDITOS DE BANCO COMERCIAL PORTUGUES (BCP) 2. CONTIENE 10,000 PRESTAMOS A CONCEDIDOS A PYMES EN EL PERIDO DE JUNIO DE 1995 A DICIEMBRE DE TODAS LAS EMPRESAS PERTENCEN A LA ZONA SUR DE PORTUGAL Y A LISBOA CON UN VOLUME DE NEGOCIO SUPERIOR A 2.5 MILLONES DE EUROS 4. CONTIENE 374 PRESTAMOS EN INCUMPLMIENTO CON SUS CORRESPONDIENTES REGISTROS DE INFORMACIÓN REFERENTES A SU PROCESO DE RECUPERACIÓN 19
20 Distribución de préstamos por sectores en la cartera del BCP y en el Sistema Bancario de Portugal 20
21 21
22 22
23 23
24 24
25 MODELO MATEMATICO Z = + 1,65 0,58 LOAN_SIZE 0,16 PERSONAL_GARANTEE... 1,81 TRANSPORT 1,27 OTHER_SERVICES ( Z = xβ ) xβ e TR = f = e = e e xβ LGD = 1 TR ( AJUSTADA) = 1 f ( Z = xβ ) = 1 e e xβ = 1 e e xβ 1 1 TR( AJUSTADA) = LGD = 1 TR( AJUSTADA) = 1 1 Z Z + e 1+ e 25
26 26
27 Tasa Marginal de Recuperación en el mes n-ésimo (Después del incumplimiento) 27
28 Tasa Acumulada de Recuperación (Ponderada y No Ponderada) en el mes n-ésimo después del incumplimiento 28
Regresión. Notas. Página 1 13-DEC :24:11. Salida creada Comentarios
REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) R ANOVA COLLIN TOL CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT P504 /METHOD=ENTER P505 P506
Más detallesSPSS Aplicación práctica: Base de datos del HATCO
Aplicación práctica: Base de datos del HATCO Datos: observaciones de variables obtenidos desde encuentas a clientes de un distribuidor industrial. Variables de interés en la aplicación: Percepciones de
Más detallesMÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO
MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO Resultados obtenidos por los hombres ganadores de las medallas de oro en salto de longitud y salto de altura en las olimpiadas desde
Más detallesUNA APROXIMACIÓN AL VALOR DEL SUELO HABITACIONAL EN LA CIUDAD DE HERMOSILLO, SONORA. Ing. Minerva Hernández Gutiérrez Dr. Jesús Quintana Pacheco
UNA APROXIMACIÓN AL VALOR DEL SUELO HABITACIONAL EN LA CIUDAD DE HERMOSILLO, SONORA. Ing. Minerva Hernández Gutiérrez Dr. Jesús Quintana Pacheco Marzo, 2015 Valor Valor de uso: Grado de utilidad o aptitud
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 detallesRegresión. Notas. Página 1 30-NOV :15:34. Salida creada Comentarios
REGRESSION /MISSING MEANSUBSTITUTION /STATISTICS COEFF OUTS CI(95) R ANOVA COLLIN TOL CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT P1 /METHOD=ENTER P4 P6 P5 P1812 P9 P13 /SCATTERPLOT=(*ZPRED,P1)
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 detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más 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 detallesCurso online de Supervivencia y Regresión Lineal, Logística y de Cox 2018
MANUAL DE IDENTIDAD VSUAL CORPORATIVA PROGRAMA: Curso online de Supervivencia y Regresión Lineal, Logística y de Cox 2018 Departamento de Formación Médica Continuada (ICOMEM) SUPERVIVENCIA Y REGRESIÓN
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesAnálisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple
Análisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple El modelo predictivo utilizado para realizar el presente análisis es el de regresión lineal múltiple (RLM) 1. Resulta plausible la
Más detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
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 detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez. Facultad Nacional de Salud Pública Héctor Abad Gómez
UNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez Facultad Nacional de Salud Pública Héctor Abad Gómez La Regresión es una técnica estadística utilizadas para estimar (interpolar)
Más detallesTC-10. Introducción. Tecnología Constructiva
TC-0 DETERMINAR LA RELACIÓN ENTRE LOS PORCENTAJES DE POROSIDAD PERMEABLE Y AGUA ABSORBIDA DE UNA MUESTRA DE CONCRETO DETERMINADA CON LOS PARÁMETROS QUE SE OBTIENEN CON EL METODO DE ABSORCIÓN CAPILAR Salcedo,
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 detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
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 detallesProblema 1.- Tengamos las puntuaciones de X, las predichas y las residuales:
DISEÑO Y ANÁLISIS DE DATOS II. ENEO 6. Problema.- Tengamos las puntuaciones de X, las predichas y las residuales:.- Calcular la ecuación de regresión.- Correlación entre X e Y.- Por cada punto que aumenta
Más detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesPresenta: Arq. Karina Lilián Aranda González
UNIVERSIDAD DE SONORA DIVISIÓN DE INGENIERÍA POSGRADO EN CIENCIAS DE LA INGENIERÍA, INGENIERÍA CIVIL LÍNEAS TERMINALES CONSTRUCCIÓN Y VALUACIÓN ESTIMACIÓN DEL FACTOR DE LOCALIZACIÓN EN LA MANZANA EN VIVIENDA
Más detallesTEMA 3 Modelo de regresión simple
TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
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 detallesSOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
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 detallesRegresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
Más detallesTema VII. La predicción de variables
7.1. La ecuación lineal de regresión: - Variable dependiente e independiente (fijas ó aleatorias):. Fijas (modelo I de regresión). Aleatorias (modelo II; más complejo) - Objetivo predictivo (básico en
Más detallesUniversidad 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 detallesESPECIALIDAD POR COMPAÑÍA
BOMBEROS DE CHILE Bustamante Nº86 Providencia - Santiago ESPECIALIDAD POR COMPAÑÍA Estudio de carácter descriptivo y correlacional Carla Vera Mancilla Operaciones Bomberiles Santiago de Chile, Diciembre
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ
PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ FACULTAD DE CIENCIAS E INGENIERÍA MODELO PARA ESTIMAR IMPACTOS AMBIENTALES EN EL MOVIMIENTO DE TIERRAS EN OBRAS DE EDIFICACIONES Anexos DARIO SANTIAGO GUTIERREZ
Más detallesHerramientas para el Estudio de Mercado. Técnicas de Predicción.
Herramientas para el Estudio de Mercado Proyecciones Económicas Técnicas de Predicción. Profesor: Exaú Navarro Pérez Técnicas de Predicción. Introducción. Técnicas Elementales de Predicción. Modelo Econométrico.
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 detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PÁCTICA 8 Problema.- En una determinada investigación aplicada a una muestra de sujetos se estudia el efecto de las variables Ejercicio (horas al día), Edad
Más detallesIndica qué variables están correlacionadas y el signo de la correlación.
ACTIVIDAD DE CORRELACIÓ 1) Obtén la matriz correlaciones para las variables: - Costes totales (población total) en euros. - Calidad la farmacéutica. % fármacos con U.T.B. (sobre el total fármacos prescritos).
Más detallesPráctica7: Regresión Lineal Múltiple (4)
Práctica7: Regresión Lineal Múltiple (4) Para acabar con el problema de regresión analizaremos mediante una serie de ejemplos la trascendencia uencia que pueden tener en dicho análisis la presencia de
Más detalles1. Realice la prueba de homogeneidad de variancias e interprete los resultados.
1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis
Más detallesPráctica 6: Regresión Lineal Múltiple (3)
Práctica 6: Regresión Lineal Múltiple () En la práctica anterior vimos cómo se pueden diagnosticar diferentes violaciones de las condiciones del modelo de regresión a través del análisis gráfico de los
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 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 detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
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 detallesGUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
Más detallesAnálisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
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 detallesDISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 2016.
DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 016. Problema 1.- En una determinada investigación se estudia el efecto del tipo de ejercicio (, andar y ) y tipo de dieta (poca grasa y mucha grasa)
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesEXAMEN Prof. J. Calventus S., 19 julio de 2013
U. S. T. Psicología Estadística Inferencial EXAMEN Prof. J. Calventus S., 19 julio de 2013 NOMBRE: Puntaje: Nota: Para responder esta prueba podrá consultarse todo tipo de material escrito. Utiliza un
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 detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesLa distribucio n normal multivariante. Estadı stica II Tema 4: Regresio n mu ltiple. Ejemplos de densidades normales en dimensio n 2
La distribucio n normal multivariante El vector aleatorio X es normal (p-dimensional) con vector de medias µ y matriz de covarianzas Σ (notacio n: X N(µ, Σ)) si tiene densidad dada por: f (x) = Σ / (π)
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 detallesPráctica 10: Introducción a Modelos Lineales Generalizados.
Práctica : Introducción a Modelos Lineales Generalizados Esta última práctica está dedicada a estudiar brevememente algunos problemas que que se formalizan mediante un modelo similar al modelo lineal normal
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 detallesUNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS ECONÓMICAS
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS ECONÓMICAS INSTITUTO DE INVESTIGACIÓN DE LA FACULTAD DE CIENCIAS ECONÓMICAS INFORME FINAL DEL TEXTO TEXTO: ESTADÍSTICA DESCRIPTIVA APLICADA A LA ECONOMIA
Más detallesUna vez realizados estos procesos conviene verificar que han aparecido las dos nuevas variables (columnas) en el archivo de datos.
ECONOMETRÍA 09 PRACTICA 1: REPASO DE SPSS 1. Cuántas variables hay en el fichero? Y cuántas observaciones? Qué representa cada observación? Distingue entre variables cualitativas y cuantitativas. El fichero
Más detallesINFERENCIA ESTADÍSTICA CON EL SOFTWARE MINITAB
UNIVERSIDAD PRIVADA ALAS PERUANAS ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS INFERENCIA ESTADÍSTICA CON EL SOFTWARE MINITAB 15.0 E1) La tabla muestra el tiempo requerido, en días, para determinar auditorias
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
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 detallesCORRELACIONES SEMIPARCIALES Y PARCIALES MEDIANTES RESIDUOS
CORRELACIONES SEMIPARCIALES Y PARCIALES MEDIANTES RESIDUOS 1.- Introducción... 1.- Aproximación mediante la R cuadrado... 3.1.- Correlaciones semiparciales... 3.. - Correlaciones parciales... 3 3.- Aproximación
Más detallesGrado en NHyD 23 de junio de 2014
Estadística Aplicada Examen extraordinario Grado en HyD 23 de junio de 214 OTA: Explica y desarrolla tus respuestas usando las salidas de los anexos. En las preguntas de verdadero y falso indica qué gráficos
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesTEMA 3 ANÁLISIS DE VARIABLES ECONÓMICAS ESTADISTICA ECONÓMICA
TEMA 3 ANÁLISIS DE VARIABLES ECONÓMICAS ESTADISTICA ECONÓMICA ESTADÍSTICA DESCRIPTIVA Estudia las variables en sus valores actuales o pasados. Objetivo: Describir la realidad que se está estudiando, proponer
Más detallesPráctica 4: Regresión Lineal Múltiple (1).
Práctica : Lineal Múltiple () Esta práctica está dedicada a resolver un problema de Lineal sin atender a ninguna cuestión relativa al cumplimiento de los supuestos del modelo, a la presencia de valores
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 detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Supuestos del modelo Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Y = β 0 + β 1 X + ε Supuestos: Correcta especificación
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 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 detallesPsicometría (2º Cuatrimestre) Preguntas de exámenes TEMA 6: Validez en las inferencias (I)
Psicometría (2º Cuatrimestre) Preguntas de exámenes TEMA 6: Validez en las inferencias (I) 1.- Si el coeficiente de fiabilidad de un test es 0,64, su coeficiente de validez respecto a un criterio externo
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesRegresión Lineal Múltiple. Dr. Víctor Aguirre Torres, ITAM. Guión 12.
Regresión Lineal Múltiple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función del cambio simultáneo otras variables (x 1, x 2,..., x p ). y=variable dependiente (cuantitativa)
Más detallesMETODOLOGÍA PARA EL CONTROL DE LA CALIDAD DEL CAP AUTOMATICO ADOPTADA POR LA COMUNIDAD AUTÓNOMA DE ARAGÓN
METODOLOGÍA PARA EL CONTROL DE LA CALIDAD DEL CAP AUTOMATICO ADOPTADA POR LA COMUNIDAD AUTÓNOMA DE ARAGÓN El Departamento de Desarrollo Rural y Sostenibilidad del Gobierno de Aragón acorde con el plan
Más detallesTema 13B ESTE MATERIAL INCLUYE EL ANÁLISIS DE UN NUEVO EJERCICIO DE ANCOVA Y SUS SUPUESTOS
Tema 3B DISEÑOS CON VARIABLES COVARIADAS: continuación ESTE MATERIAL INCLUE EL ANÁLISIS DE UN NUEVO EJERCICIO DE ANCOVA SUS SUPUESTOS Mª Dolores Frías Navarro. Curso 008/00 Tabla Puntuaciones en Pretest
Más detalles4. Obtén las siguientes tablas de doble entrada para las variables Dispersión y Formación:
ACTIVIDAD DE INFERENCIA Y ASOCIACIÓN 1. Obtén los estadísticos descriptivos básicos y un intervalo de confianza del 95% para la media del coste en farmacia por habitante. A partir del resultado obtenido
Más detallesNombre de la División / Unidad o Facultad. Fecha: mes / día/ año
Nombre de la División / Unidad o Facultad Fecha: mes / día/ año Diseño de un modelo de evaluación de clientes y estimación de sumas aseguradas para el ramo de David Fernando Susa Bajonero Diego Fabián
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesIntervalos de confianza para los coeficientes de una regresión lineal.
Intervalos de confianza para los coeficientes de una regresión lineal. Asumiendo que los errores del modelo de regresión lineal se distribuye en forma normal con media cero y varianza constante σ 2 y que
Más detalles1. Introducción. CEDEX - Curso de formación estadística. Práctica Cómo introducir datos en SPSS/PC?
Técnicas de análisis multivariante - I 9//oo5 CEDEX - Curso de formación estadística Práctica. Introducción En esta práctica trabajaremos con el fichero de datos pardals.xls que corresponde a un estudio
Más detallesResultados de los análisis estadísticos
Anexo IV Resultados de los análisis estadísticos Biometría Examen macroscópico Ciclo biológico Estructura poblacional Jornada cinegética Malas prácticas cinegéticas Determinación del sexo y la edad por
Más detallesU ED Tudela Psicometría. Tema 7
Psicometría (2º Cuatrimestre) Preguntas de exámenes TEMA 7: Validez en las inferencias (II) 1.- Si de los 150 aspirantes a un puesto de trabajo se seleccionan 60 y después de un periodo de entrenamiento
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesRegresión con efecto interactivo
4 Regresión con efecto interactivo. Introducción El modelo de regresión múltiple tratado previamente supone la independencia de efectos de las diferentes variables predictoras, En este sentido, es un modelo
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 detalles2. ESTADÍSTICA DESCRIPTIVA 15 Estadística descriptiva.. Variables aleatorias Descripción de variables cuantitativas
" INDICE PRÓLOGO... XXIII PREFACIO GUÍA DE LECTURA XXV XXIX 1. INTRODUCCIÓN A LA ESTADÍSTICA 1 1.1. Estadística 1 1.2. Historia 3 1.3. Población y muestra 4 1.4. Estadística aplicada 7 1.5. Aplicaciones
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 detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación
Más detalles5. MODELO PARA LA ESTIMACIÓN DE LA CAPACIDAD
5. MODELO PARA LA ESTIMACIÓN DE LA CAPACIDAD 5.. INDEPENDENCIA DELAS VARIABLES El primer paso a dar en la generación de un modelo estadístico que permita la estimación de la capacidad, es la correcta elección
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 detallesKIBBUTZ.ES. Si se pretende comprobar si la proporción de niños es igual a la de niñas en la población de la que proceden los datos:
Modelo C. Septiembre 015. No debe entregar los enunciados Fórmula de corrección: Aciertos (Errores / ) Material permitido: Formulario y cualquier tipo de calculadora en la que no se pueda introducir texto
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
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 detallesModelos de Calibración
Modelos de Calibración Resumen El procedimiento Modelos de Calibración esta diseñado para construir un modelo estadístico que describe la relación entre variables, X y Y, donde construir un modelo es construir
Más detallesRegresión ponderada y falta de ajuste
Capítulo 4 Regresión ponderada y falta de ajuste 4.1. Introducción En este capítulo se presentan la regresión ponderada y la prueba de falta de ajuste como un conjunto adicional de herramientas usadas
Más detallesConsejería de Agricultura, Pesca y Desarrollo Rural. Estudio de la elasticidad de la demanda de aceite de oliva virgen en los hogares españoles
Consejería de Agricultura, Pesca y Desarrollo Rural Estudio de la elasticidad de la demanda de aceite de oliva virgen en los hogares españoles Diciembre 013 Estudio de la elasticidad de la demanda de aceite
Más detalles