Ciudad de Guatemala, 2013
|
|
- Juan Francisco Castro Gil
- hace 5 años
- Vistas:
Transcripción
1 Ciudad de Guatemala,
2 Sesión 6 Amenazas y análisis Sebastián Galiani galiani@econ.umd.edu University of Maryland & J-PAL 2
3 Clases (Profesores) Agenda Actividades en Grupo (Todos) Trabajo en Grupo (Prof. Asistentes) Lunes 10 Martes 11 Miércoles 12 Jueves 13 Viernes 14 Introducción Proyecto en Grupo Ejercicio 1 Clase 7. Aspectos Operativos. Presentaciones Finales Clase 1. Qué es una evaluación? Caso de Estudio 2 Clase 5. Muestreo y tamaño de muestra.. Proyecto en Grupo Presentaciones Finales Caso de Estudio 1 Clase 2. Resultados, Indicadores y Midiendo Impacto. Clase 3. Por qué aleatorizar? Clase 4. Cómo aleatorizar? Ejercicio 2 Clase 8. Evaluación aleatoria de principio. a fin. Ceremonia de Clausura Caso de Estudio 3 Proyecto en Grupo Almuerzo cierre Proyecto en Grupo Clase 6. Amenazas y Análisis. Proyecto en Grupo 3
4 Índice 1. Introducción 2. Validez interna 1. Desgaste 2. Externalidades 3. Cumplimiento imperfecto 3. Análisis de resultados: ITT y TOT 4
5 1.INTRODUCCIÓN 5
6 Introducción Habíamos hablado de problemas de inferencia causal con relación a la atribución de un impacto medible a cierto programa o intervención. Resolvemos este problema por medio de la introducción de un diseño experimental. En esta presentación hablaremos a fondo de las amenazas al diseño experimental. 6
7 2.VALIDEZ INTERNA 7
8 1. Introducción a las Evaluaciones Experimentales La validez interna se refiere a la posibilidad de interpretar los resultados de una evaluación experimental de manera causal. Tres amenazas: Desgaste. Externalidades. Cumplimiento imperfecto al protocolo. 8
9 2.1 DESGASTE 9
10 Suponga que después de aleatorizar, unas personas en su muestra desaparecen. Es un problema? 1. Los grupos no son comparables 2. Incrementa el tamaño muestral 3. 1 y 2 4. En realidad, no es un problema 0% 0% 0% 0%
11 Desgaste: Ejemplo Suponga que algunos niños no van a la escuela porque deben ayudar a sus padres con trabajo en el hogar. Usted inicia un programa de subsidios condicionados a la asistencia escolar en la comunidad y desea evaluar su impacto sobre: Asistencia Escolar Desempeño Académico de los Estudiantes
12 Si mide el impacto sobre asistencia escolar observando la asistencia de cada niño a la escuela en un día escogido al azar, está midiendo el impacto verdadero, lo está subestimando o sobreestimando? 1. Impacto verdadero. 2. Subestimando. 3. Sobreestimando. 0% 0% 0%
13 Puntaje observado en prueba académica si todos los niños asistieran a la escuela. Antes del Tratamiento T C Después del Tratamiento T C
14 Puntaje observado en prueba académica si todos los niños asistieran a la escuela. Antes del Tratamiento Después del Tratamiento T C Promedio T C
15 Puntaje observado en prueba académica si todos los niños asistieran a la escuela Antes del Tratamiento Después del Tratamiento T C Promedio T C Diferencia: 0 Diferencia: 2
16 Qué sucede si no todos los niños asistían a la escuela y el programa afecta la asistencia de los niños en el grupo de tratamiento? Antes del Tratamiento Después del Tratamiento T C ausente ausente Promedio T C 22 ausente Diferencia: 0 Diferencia: -0,5
17 Desgaste Qué hacer? Destine recursos al seguimiento de los participantes después de dejar del programa. Compruebe que no sea diferente en tratamiento y control. Es eso suficiente? Compruebe también que no esté correlacionado con observables. Trate de limitar el alcance del sesgo.
18 2.2 EXTERNALIDADES 18
19 Qué más podría fallar? No es parte de la Evaluación Población Total Població n objetivo Muestra Evaluación Asignación aleatoria Tratamiento Grupo de Tratamient o Grupo de Control
20 Qué más podría fallar? No es parte de la Evaluación Población Total Població n objetivo Muestra Evaluación Asignación aleatoria Tratamiento Grupo de Tratamient o Grupo de Control
21 Aislando externalidades Suponga que decide asignar de manera aleatoria vacunas anti varicela dentro de las escuelas: Suponga que la vacuna limita la transmisión de la enfermedad, qué problemas genera esto para la evaluación? Suponga que las externalidades son locales. Cómo podemos medir el impacto total?
22 Sin externalidades Alumno Tratamiento Resultado (Vacuna) 1 Sí Sin varicela 2 No Sin varicela 3 Sí Sin varicela 4 No Con varicela 5 Sí Sin varicela 6 No Con varicela
23 Sin externalidades Alumno Tratamiento Resultado (Vacuna) 1 Sí Sin varicela 2 No Sin varicela 3 Sí Sin varicela 4 No Con varicela 5 Sí Sin varicela 6 No Con varicela Tratamiento Sí No Resultado 0% con varicela 67% con varicela
24 Sin externalidades Tratamiento Sí No Resultado 0% con varicela 67% con varicela Efecto del tratamiento: -67%
25 Con externalidades Alumno Tratamiento Resultado (Vacuna) 1 Sí Sin varicela 2 No Sin varicela 3 Sí Sin varicela 4 No Sin varicela 5 Sí Sin varicela 6 No Con varicela
26 Con externalidades Alumno Tratamiento Resultado (Vacuna) 1 Sí Sin varicela 2 No Sin varicela 3 Sí Sin varicela 4 No Sin varicela 5 Sí Sin varicela 6 No Con varicela Tratamiento Sí No Resultado 0% con varicela 33% con varicela
27 Con externalidades Tratamiento Sí No Resultado 0% con varicela 33% con varicela Efecto del tratamiento: -33%
28 2.2 CUMPLIMIENTO IMPERFECTO 28
29 Cumplimiento imperfecto Población Objetivo No es parte de la Evaluacion Qué puedes hacer? Los puedes cambiar? No! Muestra de Evaluación Selección Aleatoria Grupo de tratamiento Grupo de Control Participantes Ausencias No Participan Control tratado
30 Cumplimiento imperfecto Población Objetivo No es parte de la Evaluacion Qué puedes hacer? Los puedes cambiar? No! Muestra de Evaluación Selección Aleatoria Grupo de tratamiento Grupo de Control Participantes Ausencias No Participan Control tratado
31 Cumplimiento imperfecto Població n Objetivo No es parte de la Evaluación Muestra Evaluación Asignación Aleatoria Puedes comparar los grupos originales Grupo en Tratamiento Grupo en Control Participante s Ausentes No Participan Crontrol - tratado
32 Qué hacemos para calcular este efecto?
33 3. ANÁLISIS DE RESULTADOS 33
34 Análisis de resultados Cómo corregir incumplimiento? Imaginemos una campaña de vacunación en aldeas. 78% de las personas en aldeas tratamiento reciben vacuna.
35 Análisis de resultados Qué hacer? Comparar los resultados de los vacunados y no vacunados?
36 Se pueden comparar los resultados de los vacunados con los de los no vacunados? 1. Sí 2. No 3. No sé 0% 0% 0%
37 Cuáles grupos se pueden comparar? Aldeas Tratamiento (Vacunas) Aldeas Control (Sin Vacunas) Vacunado No Vacunado No Vacunado
38 Cuál es la diferencia entre los dos grupos aleatorios? Aldeas Tratamiento Aldeas Control 1: Vacunado no infectado 2: Vacunado no infectado 3: Vacunado infectado 5: No vacunado infectado 6: No vacunado no infectado 7: No vacunado infectado 8: No vacunado infectado 4: No vacunado infectado
39 Intención de Tratar (ITT) Aldeas Tratamiento Aldeas Control 50% infectado 75% infectado
40 Intención de Tratar (ITT) E (Y Asignado=1) = resultado promedio entre los individuos de aldeas asignadas a tratamiento E (Y Asignado=0) = resultado promedio entre los individuos de aldeas asignadas a control. ITT = E(Y Asignado=1) E(Y Asignado=0) ITT = 50% - 75% = -25 puntos porcentuales
41 Intención de Tratar (ITT) Qué mide la intención de tratar? " Cuál es el impacto promedio de ofrecer el tratamiento a un grupo poblacional determinado? Es un impacto causal siempre y cuando la asignación aleatoria es válida y no hay amenazas a la integridad del experimento
42 Qué pasa si estamos interesados en el efecto de recibir el tratamiento entre quienes lo reciben? Debemos ajustar el ITT para tener en cuenta que no todos los asignados reciben el tratamiento Cómo lo hacemos? 42
43 Qué pasa si estamos interesados en el efecto de recibir el tratamiento entre quienes lo reciben? Debemos ajustar el ITT para tener en cuenta que no todos los asignados reciben el tratamiento. Cómo lo hacemos? La asignación aleatoria ya no es suficiente para identificar el impacto del tratamiento sobre los tratados. Necesitamos asumir que la asignación al tratamiento no tiene un impacto directo sobre el resultado. 43
44 Estimación de TOT: Vacunación Bajo este supuesto, podemos estimar TOT a a partir de cuatro cantidades que conocemos: 1. E(Y Asignado=1) 2. E(Y Asignado=0) 3. Pr ( Vacunado Asignado=1) 4. Pr ( Vacunado Asignado=0)
45 Estimación de TOT E(Y Asignado=1) E(Y Asignado=0) Pr (Vacunado Asignado=1) - Pr (Vacunado Asignado=0)
46 TOT no es siempre adecuado Ejemplo: Enviamos aleatoriamente al 50% del personal de la UFM una carta de advertencia acerca de la temporada de gripe, incentivándolos a que se vacunen. De quienes reciben la carta, el 50% se vacunan (en control nadie obtiene vacunas).
47 TOT no es siempre adecuado Supongamos que la incidencia de gripe en el grupo tratado cae 35% en relación al grupo control TOT: (-0,35) / (0,5-0) = -0,70 Representa el impacto causal de la vacuna de la gripe sobre los vacunados? Qué efecto podría tener carta en sí?
48 Sesión 6 GRACIAS Sebastián Galiani galiani@econ.umd.edu University of Maryland & J-PAL A 48
49 A Mañana: Proyecto en Grupo Clase 7: Aspectos Operativos 49
Inferencia Causal: Amenazas al diseño experimental y análisis de datos. Juan Saavedra RAND Coorporation
Inferencia Causal: Amenazas al diseño experimental y análisis de datos Juan Saavedra RAND Coorporation Contexto del Curso 1. Introducción a las Evaluaciones de Impacto 2. Teoría de Cambio e Indicadores
Más detallesCiudad de Guatemala, 2013
Ciudad de Guatemala, 2013 1 Clase 3 Por qué aleatorizar? D i e g o A y c i n e n a d i e g o a a @ u f m. e d u Centro Vernon Smith de Economía Experimental Universidad Francisco Marroquín 2 Clases (Profesores)
Más detallesManejo de amenazas. a la evaluación y el análisis de datos. Dean Karlan Abdul Latif Jameel Poverty Action Lab. povertyactionlab.
Manejo de amenazas a la evaluación y el análisis de datos Dean Karlan Abdul Latif Jameel Poverty Action Lab povertyactionlab.org Una buena estrategia de evaluación es necesaria. pero no suficiente Aún
Más detallesCurso Ejecutivo de Evaluación de Impacto
LUNES 10 DE JUNIO 8:30 AM 9:00 AM 0:30 9:00 AM 10:00 AM 1:00 Introducción al Curso Bienvenida e introducción de participantes. Anne Thibault 10:00 AM 10:30 AM 0:30 10:30 AM 11:45 AM 1:15 Clase 1: Qué es
Más detallesCiudad de Guatemala, 2013
Ciudad de Guatemala, 2013 1 Clase 3 Por qué aleatorizar? Diego Aycinena diegoaa@ufm.edu Centro Vernon Smith de Economía Experimental Universidad Francisco Marroquín 2 Clases (Profesores) Horario Actividades
Más detallesCiudad de Guatemala, 2013
Ciudad de Guatemala, 2013 1 Sesión 4 Cómo aleatorizar? X i m e n a P e ñ a xpena@uniandes.edu.co @ximena_pena Universidad de los Andes 2 Clases (Profesores) H o r a r i o Actividades en Grupo (Todos) Trabajo
Más detallesDesafíos después del diseño
Desafíos después del diseño Jeanne Lafortune Profesora Afiliada J-PAL LAC Profesora Asociada Pontificia Universidad Católica de Chile Propiedad intelectual El contenido de la siguiente clase es propiedad
Más detallesGlosario de Vocabulario
Glosario de Vocabulario Asignación Aleatoria: Procedimiento por el cual los miembros de la población elegible para participar en un programa son asignados al grupo de tratamiento o al de control en base
Más detallesCumplimiento. Introducción. Desgaste. Externalidades. Análisis
Amenazas a la Validez y Dean Karlan Professor of Economics Yale University dean.karlan@yale.edu 2 Objetivos de aprendizaje Al final de esta presentación se espera que el participante pueda: 1. Entender
Más detallesInferencia causal. Francisco Gallego PUC Chile y J-PAL Santiago, 9 de abril de 2013
Inferencia causal Francisco Gallego PUC Chile y J-PAL Santiago, 9 de abril de 23 Mapa I. Motivación II. Evaluación de Impacto y Contrafactual III. Análisis causal IV. Análisis causal y Efectos Tratamiento
Más detallesInferencia causal y métodos quasi-experimentales
Inferencia causal y métodos quasi-experimentales DAVID EVANS BANCO MUNDIAL iegovern Impact Evaluation Workshop Istanbul, Turkey January 27-30, 2015 : #iegovern Esta presentación adapta varios diapositivas
Más detallesClase de Métodos 1: Inferencia Causal y Métodos Cuasi-Experimentales. Sveta Milusheva DIME, World Bank
Clase de Métodos 1: Inferencia Causal y Métodos Cuasi-Experimentales Sveta Milusheva DIME, World Bank Conceptos Importantes Indicadores de Resultados (Outcomes): Lo que observamos, medimos y queremos afectar
Más detallesPor qué aleatorizar? Dan Levy. Profesor Afiliado J-PAL Senior Lecturer in Public Policy Harvard Kennedy School
Por qué aleatorizar? Dan Levy Profesor Afiliado J-PAL Senior Lecturer in Public Policy Harvard Kennedy School Propiedad intelectual El contenido de la siguiente clase es propiedad del Abdul Latif Jameel
Más detallesEstudios Aleatorizados. Francisco Gallego PUC Chile y J-PAL Santiago, 9 de abril de 2013
Estudios Aleatorizados Francisco Gallego PUC Chile y J-PAL Santiago, 9 de abril de 2013 1 Mapa I. Recapitulando II. Motivación III. Estudios Aleatorios Bietápicos IV. Otros Estudios Aleatorios I. Con muestra
Más detallesJPAL101SPAx Evaluación de Impacto de Programas Sociales Programa del Curso Francisco Gallego Marc Shotland Mayo, Descripción del curso
JPAL101SPAx Evaluación de Impacto de Programas Sociales Programa del Curso Francisco Gallego Marc Shotland Mayo, 2015 1. Descripción del curso El curso Evaluación de Impacto de Programas Sociales de J-
Más detallesEconomía Aplicada. Causalidad y Experimentos Sociales. Departmento de Economía Universidad Carlos III de Madrid
Economía Aplicada Causalidad y Experimentos Sociales Departmento de Economía Universidad Carlos III de Madrid Outline 1 Resultados Potenciales y Causalidad 2 Efectos del tratamiento 3 El Estimador de Diferencias
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 detallesCALENDARIO CURSO TÉCNICOS DEPORTIVOS 1ª SEMANA ( DEL 4 AL 9 DE JULIO) SESIONES LUNES 4 MARTES 5 MIÉRCOLES 6 JUEVES 7 VIERNES 8 SÁBADO 9
CALENDARIO CURSO TÉCNICOS DEPORTIVOS 1ª SEMANA ( DEL 4 AL 9 DE JULIO) SESIONES LUNES 4 MARTES 5 MIÉRCOLES 6 JUEVES 7 VIERNES 8 SÁBADO 9 INAUGURACIÓN DEL CURSO CALENDARIO CURSO TÉCNICOS DEPORTIVOS 2ª SEMANA
Más detallesInterpretación de estudios clínicos fase III para apoyar la toma de decisiones Vaccinology Ciro de Quadros 2016
Interpretación de estudios clínicos fase III para apoyar la toma de decisiones Vaccinology Ciro de Quadros 2016 Dra. M Teresa Valenzuela B. Vice Decana Investigación y Postgrado Facultad de Medicina Universidad
Más detallesPor qué aleatorizar Cuándo aleatorizar Cómo aleatorizar Pasos claves Respuesta a críticas
Agenda 2 Professor Dean Karlan Professor of Economics Yale University (Ph.D. Massachusetts Institute of Technology) Dean Karlan está afiliado al Bureau for Research and Economic Analysis of Development
Más detallesMétodos Experimentales
Métodos Experimentales DAVID EVANS BANCO MUNDIAL iegovern Impact Evaluation Workshop Istanbul, Turkey January 27-30, 2015 : #iegovern Esta presentación adapta varios diapositivas del Strategic Impact Evaluation
Más detalles02 de septiembre de 2013-06 de septiembre de 2013
02 de septiembre de 2013-06 de septiembre de 2013 2 lunes 3 martes 4 miércoles 5 jueves 6 viernes 1 17/04/2013 10:23 09 de septiembre de 2013-13 de septiembre de 2013 9 lunes 10 martes 11 miércoles 12
Más detallesCómo construir un grupo de comparación adecuado para medir resultados:
TALLER DE EVALUACIÓN DE IMPACTO Cómo construir un grupo de comparación adecuado para medir resultados: Buenos y malos contrafactuales Andrés Ham Universidad de Illinois Urbana-Champaign 4 de Abril de 2017
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 detallesMétodos Experimentales & No-experimentales I
Métodos Experimentales & No-experimentales I Alessandro Maffioli Taller de evaluación de impacto de programas de ciencia, tecnología e innovación 17-18 de Junio 2014, Ciudad de México Efectividad en el
Más detallesPrincipales diseños de investigación
Principales diseños de investigación Estudios Experimentales Estudios Observacionales El investigador posee la facultad de asignar la intervención El investigador no asigna la intervención Investigación
Más detallesEvaluación Aleatoria de Principio a Fin -Servicio País en Educación- Ryan Cooper J-PAL LAC
Evaluación Aleatoria de Principio a Fin -Servicio País en Educación- Ryan Cooper J-PAL LAC Contexto del Curso 1. Introducción a las Evaluaciones de Impacto 2. Teoría de Cambio e Indicadores 3. Por qué
Más detallesCiudad de Guatemala, 2013
Ciudad de Guatemala, 2013 1 Ejercicio 1 La mecánica de la aleatorización y el balance estadístico. Thomas Vargas tvargas@povertyactionlab.org thomasvargasc J-PAL LAC 2 Objetivos Mostrar el proceso de aleatorización
Más detallesEvaluando Impactos: Midiendo el Impacto
Evaluando Impactos: Midiendo el Impacto Taller: Evaluacion de Impacto en Salud Pública Managua, Nicaragua 12-14 febrero 2009 Human Development Network Latin America and the Caribbean Region Sustainable
Más detallesPoder estadístico. Francisco Gallego. Director Científico J-PAL LAC Profesor Asociado Pontificia Universidad Católica de Chile
Poder estadístico Francisco Gallego Director Científico J-PAL LAC Profesor Asociado Pontificia Universidad Católica de Chile Propiedad intelectual El contenido de la siguiente clase es propiedad del Abdul
Más detalles15 de septiembre de 2014-19 de septiembre de 2014
15 de septiembre de 2014-19 de septiembre de 2014 15 lunes 16 martes 17 miércoles 18 jueves 19 viernes 1 14/04/2014 12:37 22 de septiembre de 2014-26 de septiembre de 2014 22 lunes 23 martes 24 miércoles
Más detallesIntroducción a Métodos No Experimentales
Introducción a Métodos No Experimentales Adriana Camacho, Universidad de los Andes Medellín, Mayo 12 de 2016 Importancia de las evaluaciones de impacto La evaluación de impacto puede ayudar a tomar decisiones
Más detallesPor qué aleatorizar?
TRADUCIENDO LA INVESTIGACIÓN EN ACCIÓN Por qué aleatorizar? Sebastian Galiani Washington University in St. Louis Abdul Latif Jameel Poverty Action Lab TRADUCIENDO LA INVESTIGACIÓN EN ACCIÓN I El Problema
Más detallesPrimera evaluación de impacto del Programa Presidencial de Salud, Educación y Nutrición Bono 10,000 en zonas rurales de la República de Honduras
Primera evaluación de impacto del Programa Presidencial de Salud, Educación y Nutrición Bono 10,000 en zonas rurales de la República de Honduras I. Descripción del programa El Programa Bono 10,000 es una
Más detallesMétodos Cuantitativos
Presenta: Olán Inferencia estadística Parámetros y estadísticos Una población o universo es una colección o totalidad de posibles individuos, objetos o medidas de interés sobre lo que se hace un estudio.
Más detallesPráctica 2. Hipótesis de investigación
Práctica 2. Hipótesis de investigación Teniendo en cuenta los resultados de la investigación anterior, un segundo equipo de investigadores diseña un nuevo fármaco para aumentar la extroversión. Han introducido
Más detallesGLOSARIO Actividad. productos insumos Análisis de costo-benefi cio. evaluación de impacto
GLOSARIO Los términos definidos en el glosario están en negrita. Actividad. Medidas adoptadas o trabajo realizado para generar productos específicos. Implica la movilización de insumos tales como recursos
Más detallesTécnico Superior en Producción y Administración Rural - 1er Año
Marzo Lunes Martes Miercoles Jueves Viernes Sabado 1 2 3 4 5 12 14 15 16 1 1 1 25 26 2 2 30 Economía de la Prod. 31 Economía de la Prod. Abril 1 2 4 5 6 Economía de la Prod. Economía de la Prod. Práctica
Más detallesCOMO MEDIR LA EFICACIA DE LOS CENTROS DE JUSTICIA DE LAS MUJERES
COMO MEDIR LA EFICACIA DE LOS CENTROS DE JUSTICIA DE LAS MUJERES Virginia Martínez-Weiss Oaxaca, Mayo 4 de 2012 La meta de hoy Proporcionar a los participantes las herramientas para que en el ejercicio
Más detallesCONCEPTOS BÁSICOS DE ESTADÍSTICA
CONCEPTOS BÁSICOS DE ESTADÍSTICA Jorge M. Galbiati Riesco La Estadística está constituida por un conjunto de métodos de análisis de datos que pueden agruparse en tres categorías: La Estadística Descriptiva,
Más detallesLa Evaluación de Impacto
La Evaluación de Impacto Ana Balsa Universidad de Montevideo Argentina SEMIDE Noviembre 2017 Kahoot.it Ingresar PIN Ingresar apodo Qué es una evaluación de impacto? Enfoque tradicional: basado en insumos,
Más detallesImplementando una evaluación: Recolección de datos, desgaste y posibles problemas a evitar
TRADUCIENDO LA INVESTIGACIÓN EN ACCIÓN Implementando una evaluación: Recolección de datos, desgaste y posibles problemas a evitar Juan Esteban Saavedra Abdul Latif Jameel Poverty Action Lab povertyactionlab.org
Más detallesAprendiendo de la Experiencia: Un Par de Comentarios
Aprendiendo de la Experiencia: Un Par de Comentarios José Ignacio Cuesta Poverty Action Lab (J-PAL) jcuesta@povertyactionlab.org La Presentación Me interesa tocar 2 puntos: 1. Ev. de Procesos y Ev. de
Más detalles2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
Más detallesNUEVA ENCUESTA NACIONAL DE HOGARES 2010 Descripción de los principales resultados
NUEVA ENCUESTA NACIONAL DE HOGARES 2010 Descripción de los principales resultados La Encuesta Nacional de Hogares, al igual que la anterior Encuesta de Hogares de Propósitos Múltiples que se realizó entre
Más detallesECONOMIA APLICADA. Introducción: Datos Económicos
ECONOMIA APLICADA Introducción: Datos Económicos Introducción ¾De qué trata la Economía Aplicada? En general Queremos relacionar los instrumentos de toma de decisiones económicas con los resultados de
Más detallesMECÁNICA CAMPAÑA. Forma de seleccionar al ganador de los premios instantáneos
MECÁNICA CAMPAÑA 1. Plan de premios: Todos los clientes compradores que registren su visita, a través de sus facturas con una compra de $10.000 pesos en adelante cada una, de cualquier tienda del Centro
Más detallesCiudad de Guatemala, 2013
Ciudad de Guatemala, 2013 1 Clase 5 Muestreo y tamaño de muestra Diego Aycinena diegoaa@ufm.edu Universidad Francisco Marroquín 2 Clases (Profesores) Horario Actividades en Grupo (Todos) Trabajo en Grupo
Más detallesMétodos de Diseño y Análisis de Experimentos
1 / 28 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM marzo 2018 Ideas básicas del diseño experimental Capítulo 4 de Analysis
Más detallesMÓDULOS DE EMPRENDIMIENTO FEBRERO. Fecha Temas Horario. La importancia de la imagen corporativa y el éxito de su empresa
FEBRERO Lunes 23 Martes 24 Contabilidad para emprendedores Miércoles 25 Como incrementar las ventas con un servicio al cliente Jueves 26 MARZO Lunes 16 Martes 17 Contabilidad para emprendedores Miércoles
Más detallesMUESTREO. Muestreo probabilístico (Aleatorio, Sistemático, estratificado, por conglomerados) y Muestreo no probabilístico Msc.
MUESTREO Muestreo probabilístico (Aleatorio, Sistemático, estratificado, por conglomerados) y Muestreo no probabilístico Msc. Lácides Baleta MUESTRA Una muestra es un subconjunto de casos o individuos
Más detallesCiudad de Guatemala, 2013
Ciudad de Guatemala, 2013 1 Sesión 4 Cómo aleatorizar? Ximena Peña xpena@uniandes.edu.co @ximena_pena Universidad de los Andes 2 Clases (Profesores) Horario Actividades en Grupo (Todos) Trabajo en Grupo
Más detallesProf. Angel Zambrano ENERO 2009 Universidad de Los Andes Escuela de Estadística
Prof. Angel Zambrano ENERO 009 Universidad de Los Andes Escuela de Estadística Muestreo: Es una metodología que apoyándose en la teoría estadística y de acuerdo a las características del estudio, indica
Más detallesApuntes de Estadística Curso 2017/2018 Esther Madera Lastra
1 1. MEDIA Y DESVIACIÓN TÍPICA DE DISTRIBUCIONES La media de un conjunto de datos se calcula sumando todos los datos y dividiendo entre el número de datos. La varianza de un conjunto de datos se calcula
Más detallesTema 1(parte 2): Introducción a la Estadística 1.1-1
1 Tema 1(parte 2): Introducción a la Estadística 1.1-1 Muestreo Muestra Es un subconjunto de la población. Objetivo del muestreo: El objetivo del muestreo es obtener la mayor cantidad de información posible
Más detallesDefiniciones. Herramientas de Evaluación en Proyectos de Innovación Social Santiago, del 23 de abril al 14 de mayo de 2014
Caso de Estudio 2. Transferencias Monetarias Condicionadas: El impacto sobre la salud de los niños Identificando el contrafactual con métodos no experimentales Este caso está basado en Paul Gertler, 2004.
Más detallesIntroducción a la Evaluación de Políticas Públicas
Introducción a la Evaluación de Políticas Públicas Rodolfo Stucchi Escuela de Verano sobre Economías Latinoamericanas 2013 CEPAL, Santiago de Chile, Agosto 2013 Rodolfo Stucchi (BID) Evaluación de Políticas
Más detallesEstudio de caso: Campañas Telefónicas para promover la vacunación infantil: Son eficaces?
Estudio de caso: Campañas Telefónicas para promover la vacunación infantil: Son eficaces? Este estudio de caso se basa en el documento titulado Comparaison de méthodes expérimentales et des méthodes de
Más detallesJ-PAL y Evaluaciones Experimentales. Ryan Cooper J-PAL Latinoamérica y el Caribe
J-PAL y Evaluaciones Experimentales Ryan Cooper J-PAL Latinoamérica y el Caribe Presentación J-PAL: Qué es, la misión y su importancia. En pos de la misión. Evaluación de Impacto en la práctica: Consideraciones
Más detallesMedición n de Impacto
Impact Evaluation SIEF- Fondo Español de Evaluacion de Impacto Medición n de Impacto Métodos de evaluación n de impacto Sebastián n Martínez Banco Mundial Nota: diapositivas preparadas por Sebastián Martínez.
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detallesHorario Máster Ingeniería Agronómica Curso 2015-2016 Primer Semestre
Horario Máster Ingeniería Agronómica Curso 2015-2016 Primer Semestre Semana 2: Del 21 al 25 de septiembre LUNES MARTES MIÉRCOLES JUEVES 24 VIERNES 25 Semana 3: Del 28 de septiembre al 2 de octubre LUNES
Más detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
Más detallesEstadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
Más detallesEstadística Clase 3. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase 3 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri 1. Pasos en un proceso estadístico 1. Plantear una hipótesis sobre una población.. Diseñar
Más detallesDiseño de Experimentos
Diseño de Experimentos Estudios experimentales vs observacionales Experimento vs Muestreo La palabra experimento se utiliza en un sentido preciso, implicando una investigación donde un sistema bajo estudio
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 3. Introducción al Diseño de Experimentos JAIME MOSQUERA RESTREPO QUE ES UN EXPERIMENTO? Pruebas o una serie de pruebas en las que se hacen cambios deliberados en las variables
Más detallesINTRODUCCION A DISEÑOS DE ESTUDIOS DE INVESTIGACIÓN
INTRODUCCION A DISEÑOS DE ESTUDIOS DE INVESTIGACIÓN Fernando Rubinstein Maestría de Efectividad Clínica Universidad de Buenos Aires Para que hacemos investigación? Para obtener datos de la realidad ( verdad
Más detallesLos Ensayos Clínicos (EC) son estudios epidemiológicos caracterizados por ser:
(678',26(3,'(0,2/Ï*,&26(;3(5,0(17$/(6 Contenido: 1. Ensayos Clínicos Características Diseño de estudio de cohortes y ensayos clínicos Selección de la muestra de estudio Grupos de estudio. Aleatorización.
Más detallesConceptos básicos de muestreo
Estadística: Recoger, analizar e interpretar datos a fin de obtener el máximo de información útil Propósito: Definir y reducir el nivel de incertidumbre, a fin de apoyar la toma de mejores decisiones Datos:
Más detallesNUEVOS CONTRATOS DE DERIVADOS DE ENERGÍA: MINI POWER
DE DERIVADOS 2 DE DERIVADOS MEFF lanza los derivados de energía con una unidad de registro de 100 KW (0,1 MW), acercando los derivados sobre energía a empresas y entidades consideradas como PYMES. Los
Más detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Pasos en un proceso estadístico. Inferencia Estadística 3. Estimación Puntual
Más detallesHorario 2º de Grado de Enfermería UAH Segundo semestre Curso académico Madrid Pabellón Docente Ramón y Cajal
1 Las clases y seminarios se realizarán en el edificio de Enfermería y Fisioterapia en Alcalá del 23 al 27 de enero de 2017 HORARIO Lunes 23 Martes 24 Miércoles 25 Jueves 26 Viernes 27 Salud Comunitaria
Más detallesTRADUCIENDO LA INVESTIGACIÓN EN ACCIÓN. Cómo aleatorizar? Francisco Gallego Abdul Latif Jameel Poverty Action Lab. povertyactionlab.
TRADUCIENDO LA INVESTIGACIÓN EN ACCIÓN Cómo aleatorizar? Francisco Gallego Abdul Latif Jameel Poverty Action Lab povertyactionlab.org Agenda del curso 1. Evaluaciones de impacto: Qué son? Por qué hacerlas?
Más detallesDISEÑO DE CUADRADOS LATINOS
DISEÑO DE CUADRADOS LATINOS a vimos que el diseño de bloques al azar, era el diseño apropiado cuando se conocía de antemano algún factor que fuera fuente de variabilidad entre las unidades experimentales.
Más detallesCómo aleatorizar? Claudia Martínez A. Universidad de Chile Abdul Latif Jameel Poverty Action Lab. povertyactionlab.org
TRADUCIENDO LA INVESTIGACIÓN EN ACCIÓN Cómo aleatorizar? Claudia Martínez A. Universidad de Chile Abdul Latif Jameel Poverty Action Lab povertyactionlab.org Agenda del curso 1. Evaluaciones de impacto:
Más detallesUnidad V: Estadística aplicada
Unidad V: Estadística aplicada 5.1 Inferencia estadística: Concepto, Estimación, Prueba de hipótesis La Inferencia Estadística es la parte de la estadística matemática que se encarga del estudio de los
Más detallesIN INVESTIGACIÓN DE MERCADOS Diseño de la investigación Investigación causal. André Carboni Semestre primavera 2012
IN5625 - INVESTIGACIÓN DE MERCADOS Diseño de la investigación Investigación causal André Carboni Semestre primavera 2012 Estamos aquí Definición del problema Desarrollo del enfoque Formulación del diseño
Más detallesIntroducción a la inferencia estadística
M. Wiper Estadística 1 / 15 Introducción a la inferencia estadística Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 15 Objetivo Introducir la distribución
Más detallesExamen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida.
Examen de Grado Sección de Econometría Agosto 2015 Pregunta 1. (40 puntos). Suponga que estamos interesados en determinar cuáles características del colegio y/o del hogar determinan el resultado de una
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesESTUDIOS CLÍNICOS FASE III Vaccinology Ciro de Quadros 2015
ESTUDIOS CLÍNICOS FASE III Vaccinology Ciro de Quadros 2015 Dra. M Teresa Valenzuela B. Vice Decana Investigación y Postgrado Facultad de Medicina Universidad de los Andes Estudios Epidemiológicos Descriptivos
Más detallesVerificación de una hipótesis sobre una media
Sesión 14 Verificación de una hipótesis sobre una media Verificación de una hipótesis sobre una media Procedimiento de verificación de una hipótesis si el parámetro de interés es una media poblacional.
Más detallesIdeas básicas del diseño experimental
Ideas básicas del diseño experimental Capítulo 4 de Analysis of Messy Data. Milliken y Johnson (1992) Diseño de experimentos p. 1/23 Ideas básicas del diseño experimental Antes de llevar a cabo un experimento,
Más detallesAULAS DE INFORMÁTICA - (primer cuatrimestre) SEPTIEMBRE - OCTUBRE
AULAS DE INFORMÁTICA - (primer cuatrimestre) SEPTIEMBRE - OCTUBRE LUNES 28 MARTES 29 MIÉRCOLES 30 JUEVES 1 VIERNES 2 experimtales AULAS DE INFORMÁTICA - (primer cuatrimestre) - OCTUBRE LUNES 5 MARTES 6
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesRG 1 O X O Segundo, se aplica una Tercero, se administra el estímulo
1.3. DISEÑOS DE INVESTIGACIÓN Diseño se refiere al plan o estrategia concebida para obtener la información que se desea (Hernández, Fernández, & Baptista, Metodología de la Investigación, 2006, pág. 158).
Más detallesTemario. SEMANA 1 3 al 7 de Febrero. Expositor: Dr. C. Rodrigo E. Elizondo Omaña
Temario SEMANA 1 3 al 7 de Febrero Expositor: Dr. C. Rodrigo E. Elizondo Omaña 1. Bienvenida 2. Presentación del GIA 3. Líneas de investigación existentes 4. La investigación científica en el Departamento
Más detallesRESUMEN PROGRAMACIÓN ESTADÍSTICA II. 2. Calcular permutaciones, variaciones y combinaciones.
RESUMEN PROGRAMACIÓN ESTADÍSTICA II OBJETIVOS 1. Conocer las principales técnicas de recuento. 2. Calcular permutaciones, variaciones y combinaciones. 3. Conocer y aplicar el lenguaje de los sucesos y
Más detallesEvaluación de Impactos. Salvador Schiavon: Presidente
Evaluación de Impactos Salvador Schiavon: Presidente Capítulos 1. El Entorno Complejo a la Evaluación 2. La Dificultad de Evaluación de Impacto 3. Análisis y ejemplos de evaluaciones 4. La Determinante
Más detallesDos preguntas Variabilidad muestral Valor P Ejemplos Herramientas de Evaluación de Impacto e Innovación Social
Dos preguntas Variabilidad muestral Valor P Ejemplos Herramientas de Evaluación de Impacto e Innovación Social 23 de abril 14 de mayo 2014 Santiago, Chile Interpretación de datos Jeanne Lafortune Pontificia
Más detallesCURSO INTERNACIONAL. FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INVERSIÓN PÚBLICA Santiago de Chile, 24 de setiembre al 12 de octubre de 2012
CURSO INTERNACIONAL FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INVERSIÓN PÚBLICA Santiago de Chile, 24 de setiembre al 12 de octubre de 2012 Organización: Este curso es organizado por el Instituto Latinoamericano
Más detallesz es una variable estandarizada con media igual a cero y varianza igual a uno. (μ= 0, σ 2 =1)
z x z es una variable estandarizada con media igual a cero y varianza igual a uno. (μ= 0, σ =1) La distribución normal es una distribución continua, en forma de campana donde la media, la mediana y la
Más detallesInvestigación de Mercados Cuantitativa
Investigación de Mercados Cuantitativa Investigación Causal Conceptos Christian Cruz Castro 1. Definiciones 1) Variables Independientes o tratamientos: Son las variables o alternativas manipuladas (es
Más detallesDISEÑOS EPIDEMIOLÓGICOS MÓNICA CRISTINA LUNA B. MG. EPIDEMIOLOGIA
DISEÑOS EPIDEMIOLÓGICOS MÓNICA CRISTINA LUNA B. MG. EPIDEMIOLOGIA Por diseño de un estudio se entienden los procedimientos, métodos y técnicas mediante los cuales el investigador selecciona una población,
Más detallesEn escenarios de incertidumbre: Medir para tomar decisiones.
Seminario: En escenarios de incertidumbre: Medir para tomar decisiones. Jorge Manzi Director MIDE UC Por qué es central la medición y evaluación para las organizaciones? Usted se ha preguntado alguna vez?
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 4 Variables aleatorias Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las características de las variables aleatorias discretas y continuas.
Más detalles