Examen Final de Econometría Grado

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

Download "Examen Final de Econometría Grado"

Transcripción

1 Examen Fnal de Econometría Grado 17 de Mayo de horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón que se solcta en los recuadros anterores y lea con atencón las nstruccones de la págna sguente. Pregunta 1 A B C En blanco Pregunta 2 A B C En blanco Pregunta 3 A B C En blanco Pregunta 4 A B C En blanco Pregunta 5 A B C En blanco Pregunta 6 A B C En blanco Pregunta 7 A B C En blanco Pregunta 8 A B C En blanco Pregunta 9 A B C En blanco Pregunta 10 A B C En blanco Pregunta 11 A B C En blanco Pregunta 12 A B C En blanco Pregunta 13 A B C En blanco Pregunta 14 A B C En blanco Pregunta 15 A B C En blanco Pregunta 16 A B C En blanco Pregunta 17 A B C En blanco Pregunta 18 A B C En blanco Pregunta 19 A B C En blanco Pregunta 20 A B C En blanco Correctas Incorrectas En blanco Puntuacón - 1 -

2 INSTRUCCIONES El examen consta de 20 preguntas de tpo test. Señale su respuesta a cada pregunta con bolígrafo, tachando con un aspa una y sólo una caslla por pregunta en la plantlla de la págna 1; s tacha más de una caslla en una pregunta, se consderará que su respuesta a dcha pregunta es ncorrecta; s desea dejar alguna pregunta sn responder, tache con un aspa la caslla "En blanco" correspondente. Una respuesta correcta vale +2 puntos, una ncorrecta 1 punto, y una en blanco 0 puntos. La nota del examen se obtene dvdendo la puntuacón total entre 4. No desgrape estas hojas. No rellene las casllas de la últma línea de la págna 1. Utlce el espaco en blanco de las págnas sguentes para efectuar operacones. No utlce durante el examen nngún papel adconal a estas hojas grapadas. EL EXAMEN DURA UNA HORA Y CUARTO - 2 -

3 Pregunta 1. En el modelo de regresón lneal múltple, un contraste de sgnfcacón conjunta de varos parámetros: A) No admte que alguno de los parámetros consderados en la hpótess nula sea dstnto de cero. B) No puede llevarse a cabo utlzando un estadístco F calculado a partr de certas sumas de cuadrados de resduos. C) Tene asocado un nvel de sgnfcacón margnal (p-valor ó p-value) que sempre puede calcularse a partr de una dstrbucón t de Student. Pregunta 2. En el modelo de regresón lneal múltple, la hpótess de ausenca de multcolnealdad exacta requere que: A) La varable dependente no sea una combnacón lneal exacta de las seres de datos sobre las varables explcatvas. B) Las varables explcatvas sean lnealmente ndependentes entre sí. C) La covaranza muestral entre cada par de varables explcatvas sea dstnta de cero. Pregunta 3. En relacón con el modelo lneal general Y = Xb + U, donde E [ U] = 0 y Var[ U] = s2w con W ¹ I, ndque cuál de las afrmacones sguentes es FALSA: A) El estmador MCO de b es nsesgado 2-1 B) La matrz de covaranzas del estmador MCO de b es s ( XX ) C) La matrz de covaranzas del estmador MCO de b NO es s 2-1 ( XX ) Pregunta 4. El conjunto formado por 20 observacones anuales sobre el Producto Interor Bruto español desde 1981 hasta 2000, es: A) Un proceso estocástco heterocedástco B) Una sere temporal anual C) Un proceso estocástco estaconal Pregunta 5. Indque cuál de las hpótess del modelo lneal general, entre las que se ctan a contnuacón, es necesara para asegurar la nsesgadez del estmador MCO de los parámetros b : A) Las perturbacones del modelo no presentan autocorrelacón - 3 -

4 B) Las perturbacones del modelo no presentan heterocedastcdad C) Las perturbacones del modelo tenen esperanza nula Las preguntas 6 a 9 se corresponden con el sguente enuncado: En la tabla Modelo 1 se presentan los resultados de la estmacón de una funcón de consumo de gasolna (en mllones de dólares de 1995) usando datos anuales desde 1960 hasta Dcho modelo relacona el consumo de gasolna en logartmos [LOG(G)] con las sguentes varables explcatvas: Pg, un índce de precos de la gasolna, Y la renta dsponble en térmnos per cápta (en mles de dólares), Pnc un índce de precos de coches nuevos, Puc un índce de precos de coches usados y Ppt un índce de precos del transporte públco. Modelo 1: MCO, usando las observacones (T = 36) Varable dependente: LOG(G) Coefcente Desv. Típca Estadístco t Valor p Constante < Pg Y e < Pnc Puc Ppt Meda de la vble. dep D.T. de la vble. dep R-cuadrado R-cuadrado corregdo F(5, 30) Valor p (de F) < Log-verosmltud Crtero de Akake Crtero de Schwarz Crtero de HQ Pregunta 6: De acuerdo con los resultados del Modelo 1: A) Todos los parámetros estmados, exceptuando la constante, son elastcdades e ndvdualmente sgnfcatvas al 1%. B) Todos los parámetros estmados, exceptuando la constante, son semelastcdades e ndvdualmente sgnfcatvas al 10%. C) Dada la nformacón dsponble, es posble calcular la desvacón típca resdual estmada por MCO

5 Pregunta 7: De acuerdo con los resultados del Modelo 1, el contraste de la hpótess nula conjunta de que los coefcentes asocados a las varables Pnc, Puc y Ppt son todos nulos (utlce todos los decmales dsponbles para sus cálculos): A) Se puede llevar a cabo usando un estadístco F, sendo el valor del msmo gual a B) Se puede llevar a cabo usando un estadístco F, pero no hay nformacón sufcente para calcular el valor del estadístco. C) Se puede llevar a cabo usando un estadístco F que segurá una dstrbucón F con 5 grados de lbertad en el numerador y 30 grados de lbertad en el denomnador. Pregunta 8. De acuerdo con los resultados obtendos en el Modelo 1 (utlce todos los decmales dsponbles para sus cálculos): A) S dsmnuye en 1 punto el Indce de precos de los coches nuevos (Pnc), se espera una dsmnucón del Consumo de gasolna (G) de un 12.69% aproxmadamente. B) S aumenta en 1 punto el Indce de precos de los coches nuevos (Pnc), se espera una dsmnucón del Consumo de gasolna (G) de un % aproxmadamente. C) S dsmnuye en 1 punto el Indce de precos de los coches nuevos (Pnc), se espera un aumento del Consumo de gasolna (G) de un 12.69% aproxmadamente. Pregunta 9. Con el fn de detectar un problema de multcolnealdad, se han calculado a contnuacón los factores de nflacón de varanza (VIF) para todos los regresores ncludos en el Modelo 1. Factores de nflacón de varanza (VIF) Pg Y

6 Pnc Puc Ppt donde VIF j = 1/(1 - R j 2 ), sendo 2 R j el coefcente de determnacón de la regresón que relacona la varable explcatva j-ésma en funcón de las demás varables explcatvas del modelo. De acuerdo con esta nformacón: A) Las varables más colneales con el resto son los Indces de precos Pnc, Puc y Ppt. B) Las varables menos colneales con el resto son los Indces de precos Pnc, Puc y Ppt. C) No puede haber multcolnealdad de grado, ya que todos los regresores del Modelo 1 (salvo la constante) son conjuntamente sgnfcatvos ncluso al 1% de sgnfcacón. Pregunta 10. Suponga que para un modelo de regresón del tpo Y = b1 + b2x2 + b3x3 + U se sabe que la matrz X T X es dagonal y los tres elementos de su dagonal prncpal son 100, 280 y 460, respectvamente. Además, se sabe que la meda muestral de la varable Y es 5. La predccón puntual de la varable Y suponendo que el modelo tene térmno constante y que el valor de las varables explcatvas fuera X = X = : A) Es gual a 5 B) No puede calcularse con la nformacón dsponble C) Es gual a 1 Las preguntas 11 a 15 se referen al enuncado sguente: Las ventas de una empresa de prendas de moda (VENTAS) dependen de un índce de capacdad de compra de los clentes (ICAPC) y de un ndcador de confanza en los productos de la empresa (ICONF). Asmsmo, se pensa que las ventas pueden ser estaconales, lo que quere decr que la relacón de dependenca entre VENTAS, ICAPC e ICONF puede cambar en funcón de qué trmestre se esté consderando. En las Tablas 1, 2 y 3 se muestran tres modelos estmados por MCO, en donde Y=LOG(VENTAS), X1=LOG(ICAPC), X2=LOG(ICONF) y D2, D3 y D4 son varables bnaras (dummy) trmestrales que toman valor uno en los correspondentes trmestres (segundos, terceros y cuartos, respectvamente) y cero en el resto de los casos. Utlce todos los decmales de las Tablas 1,2 y 3 para realzar sus cálculos

7 Pregunta 11. De acuerdo con los resultados de la Tabla 1, la estmacón del térmno constante: A) Es gual a para los prmeros trmestres B) Es gual a para los segundos trmestres C) Es gual a para los cuartos trmestres Pregunta 12. De acuerdo con los resultados de la Tabla 1, la estmacón de la elastcdad de las ventas: A) Con respecto a ICONF, es gual a para los prmeros trmestres B) Con respecto a ICAPC es gual a para los segundos trmestres C) Con respecto a ICONF, es gual a para los segundos trmestres Pregunta 13. De acuerdo con los resultados de la Tabla 2, la dferenca esperada entre el logartmo de las ventas en los cuartos trmestres y el logartmo de las ventas en los prmeros trmestres (para los msmos valores de ICAPC e ICONF en ambos trmestres): A) Se estma en pero no es sgnfcatva n squera al 10% B) Se estma en y es sgnfcatva ncluso al 1% C) Se estma en pero no es sgnfcatva al 1% Pregunta 14. De acuerdo con los resultados de las Tablas 1 y 2, el estadístco F para el contraste de que la elastcdad de las ventas con respecto a ICAPC es la msma en todos los trmestres, a la vez que la elastcdad de las ventas con respecto a ICONF tambén es la msma en todos los trmestres: A) Es gual a B) Es gual a C) No puede calcularse con la nformacón dsponble Pregunta 15. De acuerdo con los resultados de las Tablas 2 y 3, el estadístco F para el contraste de que el logartmo de las ventas no presenta estaconaldad (es decr, no depende específcamente del trmestre al que se referan dchas ventas): A) Es gual a B) No puede calcularse con la nformacón dsponble C) Es gual a

8 Tabla 1 Varable dependente: Y Muestra: 1986:1 hasta 1992:4 (observacones ncludas: 28) Varable Coefcente Desv.típca Estadístco t p - valor Constante D D D X D2*X D3*X D4*X X D2*X D3*X D4*X Varable dependente: Y Suma de Cuadrados de Resduos = Tabla 2 Muestra: 1986:1 hasta 1992:4 (observacones ncludas: 28) Varable Coefcente Desv. típca Estadístco t p - valor Constante D D D X X Suma de Cuadrados de Resduos = R cuadrado =

9 Tabla 3 Varable dependente: Y Muestra: 1986:1 hasta 1992:4 (observacones ncludas: 28) Varable Coefcente Desv. típca Estadístco t p - valor Constante X X R cuadrado = Las preguntas 16 y 17 están referdas al sguente enuncado. Los cuatro gráfcos estandarzados de la Fgura 1 representan las transformacones ndcadas al pe de cada gráfco, referdas a 251 observacones mensuales sobre el Indce de Produccón Industral (IPI) en España desde enero de 1975 hasta novembre de Pregunta 16. Sabendo que ln IPIt = ln IPIt - ln IPI t- 1 y ln IPI = ln IPI -ln IPI, donde ln representa el logartmo neperano: 12 t t t-12 A) La sere ln IPI t es la tasa logarítmca de varacón ANUAL del IPI. B) La sere 12 ln IPIt es la tasa logarítmca de varacón ANUAL del IPI. C) La sere 12 ln IPIt es la tasa logarítmca de varacón MENSUAL del IPI. Pregunta 17. De acuerdo con las pautas que se observan en los cuatro gráfcos de la Fgura 1: A) La sere temporal ln IPI t es estaconara a pesar de su carácter estaconal. B) La sere temporal 12 ln IPIt no es estaconara porque fluctúa mucho alrededor de la meda. C) La sere temporal 12 ln IPIt no es estaconara n tampoco estaconal

10 Fgura 1 Pregunta 18. S en el modelo Y = Xb + U, las perturbacones U presentan autocorrelacón, la matrz de varanzas-covaranzas del estmador MCO de b : A) Puede estmarse adecuadamente utlzando el estmador de Whte B) Puede estmarse adecuadamente utlzando el estmador de Newey-West 2 T -1 C) Puede estmarse adecuadamente como sˆ ( X X) nsesgada habtual de la varanza del error., donde s 2 ˆ es la estmacón Pregunta 19. Se ha consderado el modelo de consumo: C 1 2RTA 3S U donde C es el consumo del ndvduo -ésmo, RTA es la renta bruta dsponble del ndvduo y S es una varable dcotómca que hace referenca al sexo del ndvduo, tomando valor 1 s es hombre y cero s es mujer. En los Modelos A y B se presentan

11 algunos resultados de la estmacón MCO de dos especfcacones dferentes del modelo ncal. Modelo A Varable dependente: Coefcente C Desvacón estmado típca Constante RTA S R cuadrado = 0.80 Modelo B Varable dependente: C RTA Coefcente estmado Desvacón típca Constante RTA S RTA R cuadrado = 0.86 Tenendo en cuenta esta nformacón, ndque cuál de las sguentes afrmacones es FALSA:

12 A) Independentemente de las propedades del térmno de error U, es preferble el Modelo B al Modelo A, ya que la bondad del ajuste es mayor en el Modelo B que en el A. B) S el térmno de error U es tal que su Modelo B que el Modelo A. var( U ) RTA, es preferble el C) S el térmno de error U es tal que su var( U ) RTA, el coefcente asocado a la renta bruta dsponble en el Modelo A se corresponde con el térmno constante del Modelo B. Pregunta 20. Indque cuál de las sguentes afrmacones es CIERTA: A) Para detectar observacones nfluyentes en un modelo de regresón estmado por MCO es sufcente analzar el gráfco de resduos resultantes. B) Sempre es necesaro elmnar las observacones nfluyentes en un modelo de regresón, ya que su presenca empeora la bondad del ajuste (o R cuadrado) del msmo. C) La presenca de unas pocas observacones nfluyentes en una regresón puede alterar sgnfcatvamente algunos resultados de la estmacón MCO. OPERACIONES

13 - 13 -

14 Examen Fnal de Econometría Grado 17 de Mayo de horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón que se solcta en los recuadros anterores y lea con atencón las nstruccones de la págna sguente. Pregunta 1 A B C En blanco Pregunta 2 A B C En blanco Pregunta 3 A B C En blanco Pregunta 4 A B C En blanco Pregunta 5 A B C En blanco Pregunta 6 A B C En blanco Pregunta 7 A B C En blanco Pregunta 8 A B C En blanco Pregunta 9 A B C En blanco Pregunta 10 A B C En blanco Pregunta 11 A B C En blanco Pregunta 12 A B C En blanco Pregunta 13 A B C En blanco Pregunta 14 A B C En blanco Pregunta 15 A B C En blanco Pregunta 16 A B C En blanco Pregunta 17 A B C En blanco Pregunta 18 A B C En blanco Pregunta 19 A B C En blanco Pregunta 20 A B C En blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más detalles

Lección 4. Ejercicios complementarios.

Lección 4. Ejercicios complementarios. Introduccón a la Estadístca Grado en Tursmo Leccón 4. Ejerccos complementaros. Ejercco 1 (juno 06). La nformacón relatva al mes de enero sobre los ngresos (X) y los gastos (Y), expresados en mles de euros,

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

1.Variables ficticias en el modelo de regresión: ejemplos.

1.Variables ficticias en el modelo de regresión: ejemplos. J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes

Más detalles

TODO ECONOMETRIA. Variables cualitativas

TODO ECONOMETRIA. Variables cualitativas TODO ECONOMETRIA Varables cualtatvas Índce Defncón de las varables dummy (o varables fctcas) Regresón con varables explcatvas dummy Varables dummy S queremos estudar s los hombres ganan más que las mujeres,

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

PUBLICACIONES DE 4º CURSO

PUBLICACIONES DE 4º CURSO PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal

Más detalles

Tema 2: El modelo clásico de regresión

Tema 2: El modelo clásico de regresión CURSO 010/011 Tema : El modelo clásco de regresón Aránzazu de Juan Fernández ECONOMETRÍA I ESQUEMA DEL TEMA Presentacón del modelo Hpótess del modelo Estmacón MCO Propedades algebracas de los estmadores

Más detalles

Estadística con R. Modelo Probabilístico Lineal

Estadística con R. Modelo Probabilístico Lineal Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

e i para construir el modelo econométrico que se escribe a continuación:

e i para construir el modelo econométrico que se escribe a continuación: 5.3 Especfcacón del modelo empírco Para este análss se formló n modelo econométrco de seccón crzada, porqe las observacones corresponden a las característcas de las personas encestadas en n msmo período

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

Solución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal

Solución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B

Más detalles

Regresión múltiple k k

Regresión múltiple k k Métodos de Regresón Estadístca Ismael Sánchez Borrego Regresón múltple El modelo de regresón múltple es la extensón a k varables explcatvas del modelo de regresón smple estudado en el apartado anteror.

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3. EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

Examen Final de Econometría Grado

Examen Final de Econometría Grado Examen Fnal de Economería Grado 8 de Juno de 017 Hora: 15:30 Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Anes de empezar a resolver el examen, rellene TODA la nformacón que

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

Las hipótesis en las que vamos a basar el funcionamiento del Modelo Lineal General

Las hipótesis en las que vamos a basar el funcionamiento del Modelo Lineal General CAPÍULO. EL MODELO LINEAL GENERAL. Introduccón. Hpótess del modelo Las hpótess en las que vamos a basar el funconamento del Modelo Lneal General son las sguentes. Suponemos que tenemos una muestra de valores

Más detalles

Donde y representa la altura de los estudiantes y x la media de las alturas de sus padres

Donde y representa la altura de los estudiantes y x la media de las alturas de sus padres Regresón smple y múltple 1. A partr de la sguente tabla de datos, Y 4 5 7 1 X 1 4 5 6 Estmar la regresón Y = +X + Solucón Basta calcular, Y X y x x y x 4 1-3 -3 9 9 5 4-0 0 0 7 5 0 1 0 1 1 6 5 10 4 Suma

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 3: Procedimientos de Constrastación y Selección de Modelos Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

Modelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial

Modelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial Unversdad Austral de Chle Escuela de Ingenería Comercal ICPM050, Econometría Clase 03 Modelo Lneal Múltple Profesor: Carlos R. Ptta Econometría, Prof. Carlos R. Ptta, Unversdad Austral de Chle. Análss

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales: EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

a) DIAGRAMA DE DISPERSION

a) DIAGRAMA DE DISPERSION SIS 335 - A EJEMPLO.- Se ha recogdo datos de una localdad medante sendas encuestas sobre el consumo (Y) de productos de hogar y de la renta (X) de los consumdores consultados, obtenéndose los sguentes

Más detalles

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma

Más detalles

Erratas y modificaciones

Erratas y modificaciones Erratas y modfcacones Págna 39 Tabla fnal: Dce: Expermental T Debe decr: Expermental T Págna 40 Tabla comenzo: Dce: T 0 Debe decr: T Dce: 3 T Debe decr: 3 T Págna 05 Párrafo : Debe qutarse el acento de

Más detalles

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A Prueba de Inferenca Estadístca y Contraste de Hpótess 8 de octubre de 01 GRUPO A 1.- Se ha observado un ángulo cnco veces, obtenéndose los sguentes valores: Se pde: 65º5 ; 65º33 ; 65º3 ; 65º8 ; 65º7 a)

Más detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

Más detalles

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas

Más detalles

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón

Más detalles

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI)

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) 14.1. La Curva Característca de los ítems (CCI) 14.. Los errores típcos de medda 14.3. La Funcón de Informacón

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

CAPÍTULO 9 HETEROCEDASTICIDAD.

CAPÍTULO 9 HETEROCEDASTICIDAD. Fchero: captulo 9 nuevo.doc CAPÍTULO 9 HETEROCEDASTICIDAD.. CAUSAS MUESTRALES Y ESTRUCTURALES Como sabemos, la heterocedastcdad consste en que las observacones muestrales tenen varanzas del error dferentes

Más detalles

6 Heteroscedasticidad

6 Heteroscedasticidad 6 Heteroscedastcdad Defncón casas de heteroscedastcdad Defncón: la varanza de la pertrbacón no es constante. Casas: a natraleza de la relacón entre las varables Ejemplo : relacón gasto-renta; Hogares con

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

Más detalles

Tema 2.- Regresión lineal múltiple (I) Introducción 2.2. Especificación del modelo de regresión lineal múltiple. 2.3.

Tema 2.- Regresión lineal múltiple (I) Introducción 2.2. Especificación del modelo de regresión lineal múltiple. 2.3. Tema.- Regresón lneal múltple (I)... Introduccón.. Especfcacón del modelo de regresón lneal múltple..3. Estmacón de los parámetros del modelo por mínmos cuadrados..4. Interpretacón de la ecuacón de regresón..5.

Más detalles

CASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS)

CASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS) Caso 6: Calbrado para fosfato y predccón nversa 43 Caso 6 : Calbrado para fosfato y predccón nversa (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS) CASO PRÁCTICO Al hacer calbrados con

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: ANOVA (PARTE I)

HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: ANOVA (PARTE I) HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: Módulo 13 APUNTES DE CLASE Profesor: Arturo Ruz-Falcó Rojas Madrd, Mayo 009 Pág. 1 Módulo 13. HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS

Más detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El Impacto de las Remesas en el PIB y el Consumo en México, 2015 El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como

Más detalles

AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.

AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método

Más detalles

Regresión de Datos de Vida

Regresión de Datos de Vida Regresón de Datos de Vda Resumen El procedmento Regresón de Datos de Vda está dseñado para ajustar un modelo estadístco paramétrco relaconado con tempos de falla a una o más varables predctoras. Los predctores

Más detalles

IN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco

IN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco Departamento de Ingenería Industral Facultad de Cs. Físcas y Matemátcas Unversdad de Chle IN540: Métodos Estadístcos para economía y gestón Profesores: Marcelo Henríquez, Felpe Avlés Auxlares: José Mguel

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 1.- Variable aleatoria discreta (V2.1) Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO

Más detalles

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez Problema La sguente tabla epresa la estatura en cm. de soldados: Talla 5 56 60 6 68 6 80 8 88 Soldados 6 86 50 8 95 860 85 6 9 a) Haz un hstograma que represente la estatura en metros de los soldados.

Más detalles

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta. Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta

Más detalles

truncación inferior en el punto a=25 es igual a El grado de truncación es del

truncación inferior en el punto a=25 es igual a El grado de truncación es del ECONOMETTRÍ ÍA III II.. Cuurrssoo 22000022- -0033 (f( f cchheer roo: : ccuueesst t oonneess lleecccc l 33) ) CUESTTI IONES SOBRE LLA LLECCI IÓN 33: : MODELLOS DE VARIABLLE DEPENDIENTTE LLI IMITTADA 1.

Más detalles

Tema 5: PROBLEMAS EN LA ESTIMACIÓN DEL MODELO DE REGRESIÓN LINEAL SIMPLE

Tema 5: PROBLEMAS EN LA ESTIMACIÓN DEL MODELO DE REGRESIÓN LINEAL SIMPLE Introduccón a la Econometría Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO DE REGRESIÓ LIEAL SIMPLE. Problemas en la especfcacón del modelo. La prmera etapa de

Más detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

1.-Especificaciones lineales de las variables explicativas

1.-Especificaciones lineales de las variables explicativas Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

Tema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación

Tema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación Tema 5: Incumplmento de las Hpótess sobre el Térmno de Perturbacón TEMA 5: INCMPLIMIENTO DE LAS HIPÓTESIS SOBRE EL TÉRMINO DE PERTRBACIÓN 5.) Introduccón 5.) El Modelo de Regresón Lneal Generalzado 5.3)

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp STATGRAPHICS Rev. 9/4/2006 Comparacón de Tasas Resumen El procedmento Comparacón de Tasas esta dseñado para comparar las tasas observadas de un evento entre muestras. Este realza una prueba de dspersón

Más detalles

El modelo clásico de regresión

El modelo clásico de regresión CAPíTULO 3 El modelo clásco de regresón En el capítulo anteror hemos aplcado el algebra matrcal y la estadístca descrptva al modelo lneal general y = Xβ + u para encontrar el estmador de mínmos cuadrados

Más detalles

DISEÑO COMPLETAMENTE ALEATORIZADO

DISEÑO COMPLETAMENTE ALEATORIZADO DISEÑO COMPLETAMENTE ALEATORIZADO yj µ + τ + uj ; :,..., I ; j:,..., n µ : Meda general ; τ : Efecto del tratamento esmo u j : Errores expermentales HIPOTESIS DEL MODELO La meda sea cero: La varanza sea

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

Modelo de Regresión Lineal Múltiple. Heterocedasticidad. Dr. Víctor Aguirre

Modelo de Regresión Lineal Múltiple. Heterocedasticidad. Dr. Víctor Aguirre Modelo de Regresón Lneal Múltple. Heterocedastcdad. Dr. Víctor Agurre Propósto Estudar el caso en que la varanza condconal de Y dado no sea constante. Veremos Porqué sucede? Consecuencas sobre el EMC Deteccón.

Más detalles

Solución Taller No. 10 Econometría II Prof. Bernal

Solución Taller No. 10 Econometría II Prof. Bernal Solucón Taller No. 0 Econometría 2007 II Prof. Bernal. a. El modelo que hay que estmar es el sguente: partcpa = B + B edad _ nno + B genero _ nno + B * edad _ mama + B secundara + B casada + B trabaja

Más detalles

Estimación de incertidumbres en calibración de Osciladores

Estimación de incertidumbres en calibración de Osciladores Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

Más detalles