Modelo de regresión lineal simple
|
|
- Enrique Cristián Naranjo Peña
- hace 8 años
- Vistas:
Transcripción
1 Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos mediane = f ( X ) () Si consideramos que la relación f, que liga con X, es lineal, enonces () se puede escribir así: = β + β X () Como quiera que las relaciones del ipo anerior raramene son exacas, sino que más bien son aproximaciones en las que se han omiido muchas variables de imporancia secundaria, debemos incluir un érmino de perurbación aleaoria, u, que refleja odos los facores disinos de X -que influyen sobre la variable endógena, pero que ninguno de ellos es relevane individualmene. Con ello, la relación quedaría de la siguiene forma: Modelo de regresión simple = β + β X + u (3) La expresión anerior refleja una relación lineal, y en ella sólo figura una única variable explicaiva, recibiendo el nombre de relación lineal simple. El calificaivo de simple se debe a que solamene hay una variable explicaiva. Supongamos ahora que disponemos de observaciones de la variable (,,, ) y de las correspondienes observaciones de X ( X, X,, X ). Si hacemos exensiva (3) a la relación enre observaciones, endremos el siguiene conjuno de ecuaciones: = β+ βx+ u = β + β X + u = β + β X + u El sisema de ecuaciones (4) se puede escribir abreviadamene de la forma siguiene: = β+ β X + u =,,, (5) (4) I-
2 El objeivo principal de la regresión es la deerminación o esimación de β y β a parir de la información conenida en las observaciones de que disponemos. Esa esimación se puede llevar a cabo mediane diversos procedimienos. A coninuación se analizan en dealle algunos de los méodos posibles. Ineresa, en primer lugar, realizar una aproximación inuiiva a diferenes crierios de ajuse. Para ello se uiliza la represenación gráfica de las observaciones ( X, ), con =,,...,. Si la relación lineal de dependencia enre y X fuera exaca, las observaciones se siuarían a lo largo de una reca (véase la figura ). En ese caso, las esimaciones más adecuadas de β y β de hecho, los verdaderos valores serían, respecivamene, la ordenada en el origen y la pendiene de dicha reca. Figura Pero si la dependencia enre y X es esocásica, enonces, en general, las observaciones no se alinearán a lo largo de una reca, sino que formarán una nube de punos, como aparece en la figura. En ese caso, podemos conemplar las esimaciones de β y β como la ordenada en el origen y la pendiene de una reca próxima a los punos. Así, si designamos mediane β y β las esimaciones de β y β, respecivamene, la ordenada de la reca para el valor X vendrá dada por = β + β X (6) El problema que enemos planeado es, pues, hallar unos esimadores β y β ales que la reca que pasa por los punos ( X, ) se ajuse lo mejor posible a los punos ( X, ). Se denomina error o residuo a la diferencia enre el valor observado de la variable endógena y el valor ajusado, es decir, I-
3 u = = β β X (7) eniendo en cuena el concepo de residuo se analizan a coninuación diversos crierios de ajuse. Figura Un primer crierio consisiría en omar como esimadores β y β aquellos valores que hagan la suma de odos los residuos an próxima a cero como sea posible. Con ese crierio la expresión a minimizar sería la siguiene: u (8) = El problema fundamenal de ese méodo de esimación radica en que los residuos de disino signo pueden compensarse. al siuación puede observarse gráficamene en la figura 3, en la que se represenan res observaciones alineadas, ( X, ), ( X, ) y ( X3, 3), ales que 3 = X X X X 3 Si se ajusa una reca que pase por los res punos, cada uno de los residuos omará el valor cero, de forma que = u = 0 Dicho ajuse se podría considerar ópimo. Pero ambién es posible que 3 u 0 = = haciendo girar en cualquier senido la reca si dejamos fijo ( X, ), como muesra la figura, debido a que u 3 = u. Ese sencillo ejemplo nos muesra que ese crierio no es apropiado para la esimación de β y β, debido a. I-3
4 que, para cualquier conjuno de observaciones, exisen infinias recas que lo saisfacen. Ora forma de eviar la compensación de residuos posiivos con negaivos consise en omar los valores absoluos de los residuos. En ese caso se minimizaría la siguiene expresión: u (9) = Figura 3 Desgraciadamene, aunque los esimadores así obenidos ienen algunas propiedades ineresanes, su cálculo es complicado, requiriendo la resolución de un problema de programación lineal o la aplicación de un procedimieno de cálculo ieraivo. Un ercer méodo consise en minimizar la suma de los cuadrados de los residuos, es decir, S = u (0) Los esimadores obenidos con arreglo al crierio expresado en (0) se denominan mínimo-cuadráicos, y gozan de cieras propiedades esadísicas deseables, que se esudian poseriormene. Por ora pare, frene al primero de los crierios examinados, al omar los cuadrados de los residuos se evia la compensación de ésos, mienras que, a diferencia del segundo de los crierios, los esimadores mínimo-cuadráicos son sencillos de obener. Es imporane señalar que, desde el momeno en que omamos los cuadrados de los residuos, esamos penalizando más que proporcionalmene a los residuos grandes frene a los pequeños (si un residuo es el doble que oro, su cuadrado será cuaro veces mayor), lo que caraceriza ambién a la esimación mínimo-cuadráica frene a oros posibles méodos. = I-4
5 . Obención de los esimadores mínimo-cuadráicos A coninuación se expone el proceso para la obención por mínimos cuadrados de los esimadores β y β. El objeivo es minimizar la suma de los cuadrados de los residuos (S). Para ello, en primer lugar expresamos S en función de los esimadores β y β : ( β β ) () = S = X Para minimizar S, derivamos parcialmene respeco a β y β : S = ( β β X ) β = S = ( ) β β X X () β = Los esimadores mínimo-cuadráicos se obienen igualando las aneriores derivadas a cero: ( β β X ) = 0 = Operando, se iene que β βx X (3) = ( ) = 0 = β + β X = = X = β X + β X = = = (4) Las ecuaciones (4) se denominan ecuaciones normales de la reca de regresión. Resolviendo ese sisema, según puede verse en el recuadro adjuno, a parir de () se obiene de forma inmediaa el esimador de β : = = β ( )( X X) = ( X X) (5) I-5
6 Resolución del sisema de ecuaciones (4) Dividiendo la primera ecuación normal en (4) por se obiene: donde = β + β X (6) = = X = = X De acuerdo con la anerior expresión se obiene β = β X (7) Susiuyendo β en la segunda ecuación normal (4) se ienen que X = ( βx) X + βx = = = X X = β X XX = = = = (8) Por ora pare, ( )( X X ) = ( X X X + X ) = = = X X X + X = = = = = = = X X X+ X = X X = = X X = X XX + X = = ( ) ( ) X XX X X XX XX = = = = = = + = + = = = X X X eniendo en cuena (9) y (0), enonces (8) se puede expresar así: (9) (0) ( )( X X) = β ( X X) () = = I-6
7 A su vez β se obiene a ravés de la relación (7). Es decir, β = β X () Dividiendo numerador y denominador (5) por se iene que = ( )( X X) cov( X, ) β = = var( X ) ( X X) = De acuerdo con (3), la esimación de β se obiene dividiendo la covarianza muesral de X e por la varianza muesral de X. Dado que la varianza de X no puede ser negaiva, el signo de β será el mismo que el de la covarianza muesral de X e. 3. Propiedades descripivas en la regresión lineal simple Las propiedades que se exponen a coninuación son propiedades derivadas exclusivamene de la aplicación del méodo de esimación por mínimos cuadrados al modelo de regresión lineal simple, en el que se incluye como primer regresor el érmino independiene.. La suma de los residuos mínimo-cuadráicos es igual a cero: (3) Demosración. u = 0 (4) = Por definición de residuo u = = β β X =,,, (5) Si sumamos para las observaciones, se obiene: u = = β β X (6) = = = = = Por ora pare, la primera ecuación del sisema de ecuaciones normales (4) es igual a I-7
8 = β + β X (7) = = Al comparar (6) y (7), se concluye que necesariamene debe cumplirse (4). Obsérvese que, al cumplirse (4), se cumplirá ambién que y, al dividir por, enemos = (8) = = = (9). La reca de regresión pasa necesariamene por el puno (, X ). Demosración. En efeco, dividiendo por la ecuación (7) se obiene: = β + β X (30) 3. La suma de los producos cruzados enre la variable explicaiva y los residuos es igual a 0, es decir, Demosración. ux = 0 (3) = En efeco, ux = ( β β X) X = 0 = = (3). Para llegar a (3) se ha enido en cuena la segunda ecuación normal de 4. La suma de los producos cruzados enre los valores ajusados y los residuos es igual a 0, es decir, Demosración. u = 0 (3) = En efeco, si se iene en cuena (7) resula que I-8
9 u = u ( β + β X ) = β u + β u X = 0 = = = = Para llegar a (3) se ha enido en cuena las propiedades descripivas y 3. 4 Medidas de la bondad del ajuse. Coeficiene de deerminación Una vez que se ha realizado el ajuse por mínimos cuadrados, conviene disponer de algún indicador que permia medir el grado de ajuse enre el modelo y los daos. En el caso de que se haya esimado varios modelos alernaivos podría uilizarse medidas de ese ipo, a las que se denomina medidas de la bondad del ajuse, para seleccionar el modelo más adecuado. Exisen en la lieraura economérica numerosas medidas de la bondad del ajuse. La más conocida es el coeficiene de deerminación, al que se designa por R o R cuadrado. Como se verá en oro momeno, esa medida ienen algunas limiaciones, aunque es válida para comparar modelos de regresión lineal simple. El coeficiene de deerminación se basa en la descomposición de la varianza de la variable endógena, a la que denominaremos varianza oal. Vamos a ver a coninuación como se obiene esa descomposición. De acuerdo con (7) = + u (33) Resando a ambos miembros, se iene que = + u (34) Si elevamos al cuadrado ambos miembros se obiene que es decir, ( ) ( ) = u + (35) ( ) ( ) ( u u ) = + (36) Sumando ambos miembros de la expresión anerior de a, se iene ( ) ( ) ( = + u u ) (37) = = = = Ahora bien, puede verse que el ercer érmino del segundo miembro de (37) es I-9
10 ( ) (38) u = u u = 0 = = = de acuerdo con (3) y (4). Por lo ano, (37) queda reducida a ( ) ( ) = + u = = = (39) Debe recalcarse que para se cumpla que (38) es igual a 0 es necesario uilizar la relación (4), que a su vez esá asociada a la primera ecuación normal de la reca, es decir, a la ecuación correspondiene al érmino independiene. Si en modelo no hay érmino independiene, enonces en general no se cumplirá la descomposición obenida en (39). Si en la expresión (39) dividimos ambos miembros por, se obiene que ( ) ( ) u = = = = + Por lo ano, la varianza oal de la variable endógena se descompone en dos pares: varianza explicada por la regresión o varianza de los valores ajusados y varianza residual. Es decir, Varianza oal = varianza "explicada" + varianza residual A parir de la descomposición anerior, el coeficiene de deerminación se define como la proporción de la varianza oal explicada por la regresión. Su expresión es la siguiene: (40) R = = = ( ) ( ) Alernaivamene, y de forma equivalene, de acuerdo con (39) el coeficiene de deerminación se puede definir como menos la proporción no explicada por la regresión, es decir, como (4) El primer érmino del segundo miembro de (40) es la varianza de, ya que, de acuerdo con (9), se verifica que = I-0
11 R = = = u ( ) Los valores exremos del coeficiene de deerminación son: 0, cuando la varianza explicada es nula, y,cuando la varianza residual es nula, es decir, cuando el ajuse es perfeco 5 Hipóesis esadísicas del modelo I Hipóesis sobre la forma funcional Los elemenos del modelo ienen la siguiene relación enre sí: (4) = β + β X + u (43) La relación enre el regresando, los regresores y la perurbación aleaoria es lineal. El regresando y los regresores pueden ser cualquier función de la variable endógena o de las variables predeerminadas, respecivamene, siempre que enre regresando y regresores se manenga una relación lineal, es decir, el modelo sea lineal en los parámeros. El carácer adiivo de la perurbación aleaoria garaniza su relación lineal con el reso de los elemenos. II Hipóesis sobre la perurbación aleaoria La perurbación aleaoria u es una variable aleaoria no observable con las siguienes propiedades: a) La esperanza maemáica de la perurbación aleaoria u es cero. E( u ) = 0 =,,, (44) Se adopa aquí el supueso de que los efecos individuales de las variables incluidas en el érmino de perurbación ienden a compensarse por érmino medio. En cualquier caso, aun suponiendo que los efecos individuales no se compensasen exacamene y, por ano, su valor esperado fuese disino de cero, dicho valor podría ser acumulado en el érmino consane del modelo de regresión, con lo cual se podría manener esa hipóesis sin ningún problema. Por esa razón, si el modelo iene érmino consane, es imposible deslindar a poseriori la pare esricamene correspondiene al coeficiene independiene del modelo, de la pare proveniene de la media de la perurbación aleaoria del modelo. Así, pues, ésa seria una hipóesis no conrasable empíricamene. b) Las perurbaciones aleaorias son homoscedásicas E u = = (45) ( ),,, I-
12 Esa hipóesis indica que odas las perurbaciones aleaorias ienen la misma varianza. Es decir, la varianza de las perurbaciones aleaorias del modelo es consane y, por ano, independiene del iempo o de los valores de las variables predeerminadas. Dicha hipóesis es conrasable empíricamene mediane diversos conrases esadísicos basados en los residuos mínimocuadráicos. Asimismo, hay que señalar que, en deerminadas siuaciones, esa hipóesis resula poco plausible, sobre odo cuando se rabaja con daos de core ransversal, es decir, con observaciones sobre diferenes unidades muesrales referidas a un mismo momeno del iempo. Si no se cumple esa hipóesis, se dice que las perurbaciones son heeroscedásicas. c) Las perurbaciones aleaorias con disinos subíndices son independienes enre sí. E( uu ) = 0 s (46) s Es decir, las perurbaciones correspondienes a disinos momenos del iempo o a disinas unidades muesrales no esán correlacionadas enre si. Ese supueso, al igual que el anerior, es conrasable a poseriori. La ransgresión del mismo se produce con basane frecuencia en los modelos en los que se uilizan daos de series emporales, es decir, observaciones realizadas a inervalos regulares de iempo. d) La perurbación aleaoria iene una disribución normal mulivariane Dado que la perurbación aleaoria recoge un conjuno amplio de variables, omiidas del modelo de regresión, que son independienes enre si y ambién del conjuno de regresores, por el eorema cenral del limie se puede suponer que el vecor de perurbaciones aleaorias iene una disribución normal mulivariane. Las cuaro hipóesis formuladas sobre las perurbaciones aleaorias se pueden expresar de forma conjuna como ~ (0, ) donde NID indica que son normales e independienes. u NID (47) III Hipóesis sobre el regresor X a) Las observaciones de X son fijas en repeidas muesras De acuerdo con esa hipóesis, los disinos regresores del modelo oman los mismos valores para diversas muesras del regresando. Ése es un supueso fuere en el caso de las ciencias sociales, en el que es poco viable experimenar. Los daos se obienen por observación, y no por experimenación. Para que dicho supueso se cumpliera, los regresores deberían ser suscepibles de ser conrolados por pare del invesigador. Es imporane señalar que los resulados que se I-
13 obienen uilizando ese supueso se manendrían prácicamene idénicos si supusiéramos que los regresores son esocásicos, siempre que inrodujéramos el supueso adicional de independencia enre los regresores y la perurbación aleaoria. Ese supueso alernaivo se puede formular así: a*) La variable X se disribuye independienemene de la perurbación aleaoria En desarrollos poseriores se adopará el supueso de que se cumple la hipóesis a). b) El regresor X no coniene errores de observación o de medida Ésa es una hipóesis que raramene se cumple en la prácica, ya que los insrumenos de medición en economía son escasamene fiables (piénsese en la muliud de errores que es posible comeer en una recogida de información, mediane encuesa, sobre los presupuesos familiares). Aunque es difícil enconrar insrumenos para conrasar esa hipóesis, la nauraleza del problema y, sobre odo, la procedencia de los daos uilizados pueden ofrecer evidencia favorable o desfavorable a la hipóesis enunciada. IV Hipóesis sobre los parámeros β y β son consanes Si no se adopa esa hipóesis el modelo de regresión sería muy complicado de manejar. En odo caso, puede ser acepable posular que los parámeros del modelo se manienen esables en el iempo (si no se raa de períodos muy exensos) o en el espacio (si esá relaivamene acoado). 6 Propiedades probabilísicas del modelo Aleaoriedad del modelo Dado que u es aleaoria, ambién la variable endógena será una variable aleaoria por ser una función lineal de la perurbación aleaoria, como se deduce del modelo de regresión lineal (43). Cuando realizamos una esimación por mínimos cuadrados con daos reales, esamos suponiendo que exise un mecanismo de generación de daos - el modelo de regresión - que ha deerminado los valores observados de la variable endógena. Así, cuando realizamos una esimación en un modelo de regresión lineal simple, al como el modelo (43), esamos suponiendo que los valores observados por el invesigador de la variable endógena (,,..., ) han sido generados por dicha relación que coniene unos parámeros ( β y β ) desconocidos para el invesigador, una variable explicaiva (X) con valores conocidos y una perurbación aleaoria u cuyos valores son desconocidos. El invesigador supone que los valores de la perurbación aleaoria han sido I-3
14 generados por una disribución normal con media 0 y varianza, ambién desconocida. Así pues, el invesigador no observa direcamene el proceso de generación de daos, sino los resulados finales de ese proceso, es decir, los valores observados de :,,...,. Precisamene, aplicando el méodo de mínimos cuadrados (a esos daos y a los daos de la variable explicaiva), lo que se persigue es realizar esimaciones de los parámeros del modelo ( β, β y ), que son desconocidos para el invesigador. Con objeo de comprender mejor el proceso que acabamos de describir, es conveniene inverir los papeles, generando el propio invesigador los valores que oma la variable endógena. Cuando se generan los daos de forma arificial, se dice que se esá realizando un experimeno de Monecarlo. Ese nombre proviene del famoso casino de la Cosa Azul debido a que en esos experimenos se realizan exracciones de números aleaorios, lo que en definiiva es análogo al resulado del lanzamieno de una bola en la rulea de un casino. En la realización de un experimeno de Monecarlo se pare del supueso de que es conocido ano el mecanismo de generación de daos, como los valores de los parámeros. Aleaoriedad de los esimadores Los esimadores β y β son ambién variables aleaorias pueso que son función de las variables aleaorias. En efeco, ( X X)( ) ( X X) ( X X) = = = β = = ( X X) ( X X) = = = = = ( X ( X X ) X ) En el desarrollo anerior se ha enido en cuena que (48) En Economería Aplicada (páginas 60 a 66) puede verse como se generan números aleaorios uniformes y normales mediane ruinas informáicas. Por ora pare, en las páginas 49 a 53 (caso 3.) se realiza un experimeno de Monecarlo con una hipoéica función de consumo. I-4
15 ( X X) = ( X X) = X X = [ X X ] = 0 = = = Denominando = ( X ( X X ) X ) = c enonces el esimador β se puede expresar de la siguiene forma: β = c (49) Si se adopa el supueso III a), que implica que la variable X es no aleaoria, enonces de la expresión anerior se deduce que β es una combinación lineal de la variable. = Los coeficienes c ienen las siguienes propiedades: c = 0 (50) = En efeco, cx = (5) = = = ( X X) X X X X c = = = = 0 = = ( X X) ( X X) ( X X) = = = ( X X) X ( X X)( X X) ( X X) = = = ( X X) ( X X) ( X X) = = = cx = = = = Vamos a expresar a ahora el esimador β en función de las perurbaciones aleaorias. eniendo en cuena (49) y (43) resula que β = c ( β + β X + u ) = I-5
16 (5) = β c + β c X + cu = β + cu = = = = Para llegar al resulado final se ha enido en cuena (50) y (5). Análogamene, β = β X = β + β X + u β X = β + u X( β β ) u X cu = = = β + (53) EJEMPLO Esimación de la función de consumo con series simuladas Con el mismo modelo que el caso 3. de Economería Aplicada, en un experimeno de Monecarlo al que denominaremos Exp., hemos generado 0 series de consumo (CONS) a parir de la relación: CONS = + 0,85 RENDIS + u (54) donde RENDIS es la rena disponible y la perurbación u se disribuye con media 0 y desviación ípica. (La única variación con respeco al caso 3. es que en dicho caso la desviación ípica de la perurbación es,.) Aplicando mínimos cuadrados uilizando cada una de las muesras generadas de consumo y de la muesra dada de la variable RENDIS (Véase cuadro 3. de Economería Aplicada ), se han esimado (véase cuadro ) los parámeros β y β del modelo: CONS = β + β RENDIS + u (55) I-6
17 CUADRO Resulados Exp. Desviación ípica de las perurbaciones: Consane ( = ) Desviación ípica de la muesra de RENDIS: Consane ( S RENDIS =.905) Núm. muesra β β β Desviaciones ípicas eóricas β Desviaciones ípicas esimadas R Media β β CONS RENDIS Figura 4. Reca de regresión eórica (razo coninuo) y esimada en la muesra del Exp. (razo disconinuo) En la figura 4, además de la nube de punos, se han represenado la reca de regresión eórica (en razo coninuo) y la reca de regresión esimada con los daos de la muesra. Como puede verse, la reca ajusada esá muy próxima a la reca eórica. Insesgadez de los coeficienes Una propiedad deseable en un esimador es que sea insesgado, es decir, que su media eórica coincida con el parámero que raa de esimar. Veamos I-7
18 concreamene, y de forma analíica, si se verifica esa propiedad en los esimadores β y β. omando esperanza maemáica en (5) y (53), y eniendo en cuena la hipóesis a), se obiene que E( β) = E β + cu = E( β) + ce ( u) = β = = (56) E( β ) E β = + u Xcu E( ) E( u) X ce ( u) = β + = β (57) = = = = Por lo ano, β y β son esimadores insesgados de los parámeros β y β respecivamene. Cuando se esá rabajando con series reales no se conocen los valores de los parámeros; por ello, no se puede calcular la diferencia enre esimación y parámero correspondiene a una muesra en concreo. Sin embargo, si el esimador es insesgado sabemos que si esimáramos el modelo con un gran número de muesras, enonces la media de las esimaciones obenidas esaría muy próxima a los parámeros que se raa de esimar. Si un esimador no cumple esa propiedad, se dice que es un esimador sesgado. La diferencia enre el valor esperado del esimador y el esimador se denomina sesgo. EJEMPLO (coninuación) Esimación de la función de consumo con series simuladas Como en un experimeno de Monecarlo se conocen los parámeros, se pueden calcular los sesgos que se han comeido en la esimación. Así, los sesgos comeidos en la esimación con la muesra, según muesra el cuadro, son los siguienes: Sesgo ordenada: β, 000,993 0,993 β = = Sesgo pendiene: β 0,850 0,803 0, 047 β = = Los resulados aneriores esán deerminados en pare por el azar, es decir, por la exracción concrea de las perurbaciones aleaorias. Ahora bien, si hacemos varias exracciones y obenemos la media de odas las esimaciones obenidas, enonces los sesgos serán en general menores que en una muesra en concreo. Así, la media de las 0 esimaciones realizadas, según puede verse en el cuadro son las siguienes: 0 β j j= = =,803 β 0 I-8
19 0 β j j= = = 0,858 β 0 Los sesgos que se obienen para esos valores medios son los siguienes: Sesgo ordenada: β, 000,803 0,97 β = = Sesgo pendiene: β 0,850 0,858 0, 008 β = = Examinando los resulados del cuadro, en relación a esos sesgos medios, puede observarse que únicamene en la muesra 8 se obiene un sesgo menor para la pendiene (0,003), mienras que en la muesra 6 el sesgo de la esimación de la ordenada es igual en valor absoluo al correspondiene sesgo medio. Precisión de los coeficienes Ora propiedad deseable de un esimador es que sea preciso, es decir, que la función de densidad se encuenre lo más concenrada posible en orno al valor medio. Una medida de esa precisión la suminisra la varianza (o la desviación ípica) del esimador. La varianza del esimador β es la siguiene E( β β ) = = β = ( X X ) La demosración de (58) puede verse en el recuadro adjuno. (58) Denominando S x a la varianza muesral de X, es decir, ( X X ) = S x = la varianza de β se puede expresar del siguiene modo (59) E( (60) S x β β ) = = β I-9
20 Demosración de (58) De acuerdo con (5) se iene que β β = cu Elevando al cuadrado ambos miembros de la expresión anerior, y aplicando el operador esperanza se obiene = = E( β β) E cu = = E cu + ccuu = ceu ( ) + cceuu ( ) = = eniendo en cuena las hipóesis II b) y II c) se obiene ( ) X X c = ( X X) = = = = = ( X X ) = De forma análoga se obiene la varianza del esimador β : X X E( β β) = = + = β + Sx ( X X) = (6) Por ora pare, puede demosrarse que los esimadores mínimo cuadráicos, son esimadores ópimos, es decir, son los que iene menor varianza denro de la clase de esimadores lineales e insesgados. Por ello, suele decirse de los esimadores mínimo-cuadráicos que son ELIO (Esimadores Lineales Insesgados y Ópimos). De acuerdo con (60) y (6) las desviaciones ípicas de los esimadores vendrán dadas por β = (6) S x I-0
21 β X = + Sx (63) Como puede verse en (6), la desviación ípica de β es direcamene proporcional a la desviación ípica de las perurbaciones e inversamene proporcional a la raíz cuadrada del amaño de la muesra y a la desviación ípica muesral de la variable explicaiva. En la expresión (63), depende la desviación ípica de β depende de esos mismos facores y, además, de la media de la variable explicaiva. Al ser desconocida la varianza de las perurbaciones ( ), las varianzas de los esimadores de los coeficienes de regresión son ambién desconocidas. Por ello es necesario esimarla. El esimador insesgado de la varianza de las perurbaciones en el modelo de regresión lineal simple viene dado por u = = (64) A la desviación ípica esimada de la perurbación ( ) se le suele conocer ambién con la denominación de error ípico de regresión. Si en las varianzas eóricas de los esimadores (expresiones (60) y (6)) se susiuye la varianza de las perurbaciones por el esimador (64), se obienen las varianzas esimadas de los esimadores: β = (65) S x X β = + (66) S x Análogamene, las desviaciones ípicas esimadas de los esimadores vendrán dadas por = β (67) S x X = + β Sx (68) I-
22 EJEMPLO (coninuación) Esimación de la función de consumo con series simuladas En el cuadro se recogen ambién los resulados obenidos en las 0 muesras del Exp. para, y. β β Con objeo de ver la influencia que ienen y S RENDIS en las desviaciones de los esimadores, hemos realizado los experimenos y 3. En el experimeno se uiliza el mismo modelo que en el experimeno pero la varianza de la perurbaciones uilizada ha sido disina en cada una de las muesras. En concreo, en las 5 muesras generadas, según puede verse en el cuadro, se han asignado a de forma sucesiva los valores, 3, 4 y 5. Como puede observarse, excepo en el caso de que =, los esimadores obenidos esán muy alejados de los valores de los parámeros. Se comprueba ambién que según va creciendo, lo va haciendo ambién su esimador, aunque, como es previsible, de una forma menos uniforme que el parámero. En la figura 5 se ha represenado la reca de regresión verdadera y la correspondiene a esimación con la muesra 5, donde =5. Como puede comprobarse esán muy alejadas enre sí ambas recas. En el experimeno 3 se uiliza el mismo modelo que en el experimeno y ambién la misma la varianza de la perurbaciones. Sin embargo hemos uilizado 5 muesras disinas de la variable X. Las 5 muesras se caracerizan por ener la misma media (,4), pero una desviación ípica muesral de X variable, con valores que oscilan, según puede verse en el cuadro 3, enre,905 de la muesra (igual que en el experimeno ) y 0,90 de la muesra 5. Como puede observarse, las desviaciones ípicas de los esimadores crecen de forma drásica a medida que disminuye la desviación ípica muesral de la variable explicaiva. CUADRO Resulados Exp. Desviación ípica de las perurbaciones: Variable Desviación ípica de la muesra de RENDIS: Consane ( S RENDIS =.905) Núm β muesra β Desviaciones ípicas eóricas β β Desviaciones ípicas esimadas Media β β R I-
23 CONS RENDIS Figura 5. Reca de regresión eórica (razo coninuo) y esimada en la muesra 5 del Exp. (razo disconinuo) En la figura 6 se ha represenado la reca de regresión verdadera y la correspondiene a esimación con la muesra 5, donde S RENDIS =0,90. Como puede comprobarse en ese caso ambién esán muy alejadas enre sí ambas recas. CUADRO 3 Rena disponible (RENDIS) uilizada en el Exp. 3 RENDIS RENDIS RENDIS3 RENDIS4 RENDIS Media Desviación ípica I-3
24 CUADRO 4 Resulados Exp. 3 Desviación ípica de las perurbaciones: Consane ( = ) Desviación ípica de la muesra de RENDIS: Variable Desviaciones ípicas eóricas Núm β muesra β SRENDIS β β Desviaciones ípicas eóricas β β R Media CONS RENDIS5 Figura 6. Reca de regresión eórica (razo coninuo) y esimada en la muesra 5 del Exp. 3 (razo disconinuo) I-4
25 7 Principios generales del Conrase de hipóesis El conrase de hipóesis permie realizar inferencias acerca de parámeros poblacionales uilizando daos provenienes de una muesra. Para realizar conrases de hipóesis en esadísica, en general, hay que realizar los siguienes pasos: ) Esablecer una hipóesis nula y una hipóesis alernaiva relaivas a los parámeros de la población. ) Consruir un esadísico para conrasar las hipóesis formuladas. 3) Definir una regla de decisión para deerminar si la hipóesis nula debe ser, o no, rechazada en función del valor que ome el esadísico consruido. Formulación de la hipóesis nula y de la hipóesis alernaiva En la regresión lineal simple vamos a realizar conraes individuales sobre los coeficienes del modelo de regresión. La formulación de la hipóesis nula se realiza mediane una igualdad, que revise la siguiene forma: H β = β (69) * 0 : i i * donde β i es un valor prefijado por el invesigador. Para formular la hipóesis alernaiva se uilizan, según los casos, los operadores "desigualdad", "mayor que" o "menor que". Por ano, las res alernaivas de hipóesis alernaivas que consideraremos son las siguienes: ah ) : β β bh ) : β > β ch ) : β < β (70) * * * 0 i i 0 i i 0 i i El caso a) dará lugar a un conrase de colas, mienras que en los casos b) y c) el conrase correspondiene será de una sola cola. Consrucción del esadísico de conrase Para realizar el conrase se raa de buscar un esadísico que enga una disribución conocida. La disribución del esadísico dependerá en buena medida de los supuesos que se esablezcan en el modelo. De acuerdo con la hipóesis del modelo de regresión lineal simple II d), la perurbación u sigue una disribución normal. Dado que β y β se obienen como combinación lineal de u, seguirán a su vez una disribución normal, es decir,, β N β Sx (7) I-5
26 , X β N β + Sx o alernaivamene, si ipificamos, endremos que (7) β β N(0,) (73) S β β X + S x x N(0,) Supongamos que deseamos realizar un conrase sobre el coeficiene β. En concreo, supongamos que deseamos conrasar la siguiene hipóesis nula ((69) frene a la hipóesis alernaiva a) de (70)). Si es ciera la H 0, se verificará que (74) β β S * x N(0,) (75) El problema que se nos planea es que no se puede calcular el esadísico anerior porque no se conoce cuando rabajamos con daos reales. Cuando se susiuye por su esimador, enonces el esadísico anerior se disribuye como una con -k grados de liberad, es decir, * β β k (76) S x La dispersión de una de Suden es mayor que en una N(0,), aunque la dispersión va disminuyendo a medida que aumenan los grados de liberad, verificándose que: n N(0,) (77) n Así pues, cuando el número de grados de liberad de una de Suden iende hacia infinio converge hacia una disribución N(0,). En el conexo del conrase de hipóesis, si crece el amaño de la muesra, ambién lo harán los grados de liberad. Eso implica que para amaños grandes (por ejemplo, para muesras con un amaño superior a 60) se puede uilizar, de forma prácicamene I-6
27 equivalene, la disribución normal para conrasar hipóesis, aún cuando no se conozca la varianza poblacional. Conviene recordar que una con n grados de liberad iene la siguiene relación con una F de grado de liberad en el numerador y n grados de liberad en el denominador: n = ± F,n (78) Una variable F oma siempre valores posiivos, mienras que una variable, que iene una función de densidad simérica, puede omar valores posiivos y negaivos. Obsérvese que a cada valor de una F le corresponden dos valores (uno posiivo y oro negaivo) en una. La disribución del esadísico uilizado en el conrase incorpora la H 0, es decir, se consruye bajo el cumplimieno de la hipóesis nula. Regla de decisión para el conrase 3 3 Véase página 57 y siguienes de Economería Aplicada I-7
3 Aplicaciones de primer orden
CAÍTULO 3 Aplicaciones de primer orden 3.2. Modelo logísico El modelo de Malhus iene muchas limiaciones. or ejemplo, predice que una población crecerá exponencialmene con el iempo, que no ocurre en la
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesPROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesY t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.
ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS Dada la dependencia de la velocidad con la posición en un movimieno recilíneo mosrada por la siguiene gráfica, deerminar la dependencia con
Más detallesTécnicas cualitativas para las Ecuaciones diferenciales de primer orden: Campos de pendientes y líneas de fase
Lección 5 Técnicas cualiaivas para las Ecuaciones diferenciales de primer orden: Campos de pendienes y líneas de fase 5.. Técnicas Cualiaivas Hasa ahora hemos esudiado écnicas analíicas para calcular,
Más detallesTEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas
Más detallesACTIVIDADES UNIDAD 7: Funciones elementales
ACTIVIDADES UNIDAD 7: Funciones elemenales 1. La facura del gas de una familia, en sepiembre, fue de 4,8 euros por 1 m 3, y en ocubre, de 43,81 por 4 m 3. a) Escribe la función que da el impore de la facura
Más detallesTEMA I: FUNCIONES ELEMENTALES
TEMA I: FUNCIONES ELEMENTALES. Función Logarimo Todos conocemos la definición de logarimo en base b, siendo b un número enero posiivo disino de. u = log b x x = b u y la propiedad fundamenal log b (xy)
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesLas derivadas de los instrumentos de renta fija
Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
Más detallesNota Técnica Índice de Tipo de Cambio Efectivo Real Multilateral con ponderadores móviles
Noa Técnica Índice de Tipo de Cambio Efecivo Real Mulilaeral con ponderadores móviles 1. Inroducción: La presene noa écnica preende inroducir y explicar al público el Índice de Tipo de Cambio Efecivo Real
Más detallesMtro. Horacio Catalán Alonso
ECONOMETRIA TEORÍA DE LA COINTEGRACIÓN Mro. I. REGRESIÓN ESPURÍA Y X Dos series que presenan camino aleaorio. Si ambas series se consideran en una modelo economérico. Y = Y -1 + u u N(0,s 2 u) X =X -1
Más detallesMATEMATICAS I FUNCIONES ELEMENTALES. PROBLEMAS
1º) La facura del gas se calcula a parir de una canidad fija y de un canidad variable que se calcula según los m 3 consumidos (el precio de cada m 3 es consane). El impore de la facura de una familia,
Más detallesEcuaciones diferenciales, conceptos básicos y aplicaciones
GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos
Más detallesMACROECONOMIA II. Grado Economía 2013-2014
MACROECONOMIA II Grado Economía 2013-2014 PARTE II: FUNDAMENTOS MICROECONÓMICOS DE LA MACROECONOMÍA 3 4 5 Tema 2 Las expecaivas: los insrumenos básicos De qué dependen las decisiones económicas? Tipo de
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesTest. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos
Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar
Más detallesTema 5: Diferenciabilidad: Aplicaciones
Prof. Susana López 1 UniversidadAuónomadeMadrid Tema 5: Diferenciabilidad: Aplicaciones 1 Funciones compuesas y Regla de la cadena Recordemos que la regla de la cadena para funciones de una sola variable
Más detallesPráctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
Más detallesPROBLEMAS RESUELTOS 1 (continuidad, derivabilidad y diferenciabilidad de funciones de varias variables)
Funciones de varias variables. PROBLEMAS RESUELTOS 1 (coninuidad, derivabilidad y diferenciabilidad de funciones de varias variables) PROBLEMA 1 Esudiar la coninuidad de la función: xy ( xy, ) (,) x +
Más detallesFunciones exponenciales y logarítmicas
89566 _ 0363-00.qd 7/6/08 09:30 Página 363 Funciones eponenciales y logarímicas INTRODUCCIÓN En esa unidad se esudian dos funciones que se aplican a numerosas siuaciones coidianas y, sobre odo, a fenómenos
Más detallesMaster en Economía Macroeconomía II. 1 Problema de Ahorro-Consumo en Horizonte Finito
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 1 - Soluciones 1 Problema de Ahorro-Consumo en Horizone Finio Considere un problema de ahorro-consumo sobre un horizone finio
Más detalles3. Matrices y álgebra matricial
Marices y álgebra maricial Repasaremos algunos concepos básicos de la eoría maricial Nos cenraremos en aspecos relacionados con el álgebra lineal, la inversión y la diagonalización de marices Veremos algunas
Más detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
Más detallesUD: 3. ENERGÍA Y POTENCIA ELÉCTRICA.
D: 3. ENEGÍA Y OENCA ELÉCCA. La energía es definida como la capacidad de realizar rabajo y relacionada con el calor (ransferencia de energía), se percibe fundamenalmene en forma de energía cinéica, asociada
Más detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesINSTITUTO NACIONAL DE PESCA
INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y
Más detallesFUNCIONES VECTORIALES CON DERIVE.
FUNCIONES VECTORIALES CON DERIVE. Las operaciones de cálculo de Dominio, adición susracción, muliplicación escalar y vecorial de funciones vecoriales, se realizan de manera similar a las operaciones con
Más detallesUNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temístocles Montás
UNA APROXIMACION A LA SOSTENIBILIDAD FISCAL EN REPUBLICA DOMINICANA Juan Temísocles Monás Puede el comporamieno acual de la políica fiscal sosenerse sin generar una deuda pública que crezca sin límie?
Más detallesSolución: El sistema de referencia, la posición del cuerpo en cada instante respecto a dicha referencia, el tiempo empleado y la trayectoria seguida.
1 Qué es necesario señalar para describir correcamene el movimieno de un cuerpo? El sisema de referencia, la posición del cuerpo en cada insane respeco a dicha referencia, el iempo empleado y la rayecoria
Más detalles= Δx 2. Escogiendo un sistema de referencia común para ambos móviles x A
Ejemplos de solución a problemas de Cinemáica de la parícula Diseño en PDF MSc. Carlos Álvarez Marínez de Sanelices, Dpo. Física, Universidad de Camagüey. Carlos.alvarez@reduc.edu.cu Acividad # C1. Un
Más detalles01 Ejercicios de Selectividad Matrices y Sistemas de Ecuaciones
01 Ejercicios de Selecividad Marices y Sisemas de Ecuaciones Ejercicios propuesos en 009 1- [009-1-A-1] a) [1 5] En un comercio de bricolaje se venden lisones de madera de res longiudes: 090 m, 150 m y
Más detallesTEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS
TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detallesEl comportamiento del precio de las acciones
El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre
Más detallesMaster en Economía Macroeconomía II. 1 Learning by Doing (versión en tiempo discreto)
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 4 - Soluciones 1 Learning by Doing (versión en iempo discreo) Considere una economía cuyas preferencias, ecnología, y acumulación
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesTEMA: FUNCIONES: Cuadrantes 3 er cuadrante, x 0, 4º cuadrante, x 0,
TEMA: FUNCIONES: ÍNDICE:. Inroducción.. Dominio y recorrido.. Gráficas de funciones elemenales. Funciones definidas a rozos. 4. Coninuidad.. Crecimieno y decrecimieno, máimos y mínimos. 6. Concavidad y
Más detallesRE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005
RESULTADOSEDUCATIVOS RE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005 FÓRMULA RE01 NOMBREdelINDICADOR Diferencia del loro promedio
Más detallesConstrucción de señales usando escalones y rampas
Consrucción de señales usando escalones y rampas J. I. Huircán Universidad de La Fronera March 3, 24 bsrac Se planean méodos para componer y descomponer señales basadas en escalones y rampas. Se de ne
Más detallesDEPARTAMENTO DE QUÍMICA ANALÍTICA Y TECNOLOGÍA DE ALIMENTOS
DEPARTAMETO DE QUÍMICA AALÍTICA Y TECOLOGÍA DE ALIMETOS FUDAMETOS DE AÁLISIS ISTRUMETAL. 7º RELACIÓ DE PROBLEMAS..- Las susancias A y B ienen iempos de reención de 6.4 y 7.63 min, respecivamene, en una
Más detalles1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA
hp://www.vinuesa.com 1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA 1.1.- INTRODUCCIÓN Los filros de pila consiuyen una clase de filros digiales no lineales. Un filro de pila que es usado
Más detallesPráctica 2: Análisis en el tiempo de circuitos RL y RC
Prácica 2: Análisis en el iempo de circuios RL y RC Objeivo Esudiar la respuesa ransioria en circuios serie RL y RC. Se preende ambién que el alumno comprenda el concepo de filro y su uilidad. 1.- INTRODUCCIÓN
Más detallesUNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA
UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral
Más detallesCapítulo 4 Sistemas lineales de primer orden
Capíulo 4 Sisemas lineales de primer orden 4. Definición de sisema lineal de primer orden Un sisema de primer orden es aquel cuya salida puede ser modelada por una ecuación diferencial de primer orden
Más detallesLa transformada de Laplace
Capíulo 8 La ransformada de Laplace 8.. Inroducción a las ransformadas inegrales En ese aparado aprenderemos un méodo alernaivo para resolver el problema de valores iniciales (4.5.) y (x) + py (x) + qy(x)
Más detallesLA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR
1 LA VELOCIDAD DE CIRCULACION DE DINERO EN EL ECUADOR José Luis Moncayo Carrera 1 Ec. Manuel González 2 RESUMEN El presene documeno iene como objeivo, presenar la aplicación de écnicas economéricas en
Más detallesIndicadores demográficos METODOLOGÍA
Indicadores demográicos METOOLOGÍA 1. Objeivos y uilidades El objeivo de esa operación esadísica es la obención de una serie de indicadores descripivos de la siuación demográica de Galicia, con la que
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS.
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS. Una parícula se muee en la dirección posiia del eje X, de modo que su elocidad aría según la ley = α donde α es una consane. Teniendo en cuena que en el
Más detallesDispositivos semiconductores
Deparameno de Telecomunicaciones Disposiivos semiconducores 3 Inroduccion Veremos los disposiivos semiconducores más básicos: los diodos. Veremos las variables más comunes de esos semiconducores; El diodo
Más detalles2 El movimiento y su descripción
El movimieno y su descripción EJERCICIOS PROPUESTOS. Una malea descansa sobre la cina ransporadora de un aeropuero. Describe cómo ve su movimieno un pasajero que esá: parado en la misma cina; en una cina
Más detallesGuías y tutoriales/compresores/winrar
g coordinación de uoriales: Graciela Sosisky exo: Horacio Marínez Philipps edición: Gabriela Tenner diseño: CAFE Guías y uoriales/compresores/winrar Los orígenes de ese programa se remonan a las experiencias
Más detallesMETODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001
METODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001 Insiuo Nacional de Esadísica y Censos (INDEC) Dirección
Más detallesMEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA
MEDICIÓ N DEL VALOR ECONÓ MICO AGREGADO: INVERSIÓ N RECUPERADA Y VALOR AGREGADO IRVA (Borrador) Ignacio Vélez-Pareja Deparameno de Adminisración Universidad Javeriana, Bogoá, Colombia Abril de 2000 Resumen
Más detallesSistemade indicadores compuestos coincidentey adelantado julio,2010
Sisemade indicadores compuesos coincideney adelanado julio,2010 Sisema de Indicadores Compuesos: Coincidene y Adelanado SI REQUIERE INFORMACIÓN MÁS DETALLADA DE ESTA OBRA, FAVOR DE COMUNICARSE A: Insiuo
Más detallesKeywords: seguro de vida, provisión matemática, probabilidad, función de distribución, solvencia, value at risk, VAT, valor actual neto, VAN.
El seguro de vida como variable aleaoria. Cómo calcular su función de disribución. Nieo Ranero, Armando Universiy of Valencia, Spain Do. Maemáicas Económico Empresarial, Edificio Deparamenal Orienal, Av.
Más detallesTema 3. El modelo neoclásico de crecimiento: el modelo de Solow-Swan
Tema 3. El modelo neoclásico de crecimieno: el modelo de Solow-Swan Inroducción Esquema El modelo neoclásico SIN progreso ecnológico a ecuación fundamenal del modelo neoclásico El esado esacionario Transición
Más detallesJ.1. Análisis de la rentabilidad del proyecto... 3
Esudio de la implanación de una unidad produciva dedicada a la Pág 1 abricación de conjunos soldados de aluminio J.1. Análisis de la renabilidad del proyeco... 3 J.1.1. Desglose del proyeco en coses ijos
Más detallesSolución y criterios de corrección. Examen de mayores de 25 años. 2012. Matemáticas aplicadas a las ciencias sociales.
Solución y crierios de corrección. Examen de mayores de años.. Maemáicas aplicadas a las ciencias sociales. BLOQUE A En un cenro de ocio hay salas de cine: A, B y. A una deerminada sesión han acudido personas.
Más detallesFoundations of Financial Management Page 1
Foundaions of Financial Managemen Page 1 Combinaciones empresarias: decisiones sobre absorciones y fusiones de empresas Adminisración financiera UNLPam Faculad de Ciencias Económicas y Jurídicas Profesor:
Más detallesIndicadores de actividad del sector servicios Base 2000
ndicadores de acividad del secor servicios Base Noa meodológica Los ndicadores de cividad del ecor ervicios (), elaborados por el NE, ienen como objeivo medir la evolución a coro plazo de la acividad de
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de varias variables. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C.
Maemáicas 1 1 EJERCICIOS RESUELTOS: Funciones de varias variables Elena Álvarez Sáiz Dpo. Maemáica Aplicada C. Compuación Universidad de Canabria Ingeniería de Telecomunicación Ejercicios: Func. varias
Más detallesTema 4: Fuentes y generadores
Tema 4: Fuenes y generadores Fuenes de alimenación: : convieren ensión ac en ensión dc E. Mandado, e al. 995 Generadores de funciones: Fuene de señal calibrada y esable Aplicaciones: obención de respuesa
Más detallesMetodología de cálculo del diferencial base
Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros
Más detallesMÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO
MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO EUSKAL ESTATISTIKA ERAKUNDEA INSTITUTO VASCO DE ESTADISTICA Donosia-San Sebasián, 1 01010 VITORIA-GASTEIZ
Más detallesCORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN
CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN Auores: Alicia Vila (avilag@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Ana López (alopezra@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu), MAPA CONCEPTUAL Definición
Más detallesdomótico Extras 2.1 Unidad de control 2.2 Dispositivos de entrada 2.4 Electrodomésticos domóticos 2.5 Medios de comunicación en redes domésticas
2 Elemenos de un sisema domóico Conenidos 2.1 Unidad de conrol 2.2 Disposiivos de enrada 2.3 Acuadores 2.4 Elecrodomésicos domóicos 2.5 Medios de comunicación en redes domésicas 2.6 Tecnologías aplicadas
Más detallesRepresentación gráfica de curvas en forma paramétrica x a(t sent) 1.- Representar la curva dada por
Represenación gráfica de curvas en forma paramérica x a( sen) 1.- Represenar la curva dada por, siendo a > 0. y a(1 cos).- Emparejar cada curva con su gráfica ì ì x = a) ï x = í b) ï ì í ï c) ï x = - sen
Más detallesLÍNEAS DE FASES. Fig. 1. dx (1) dt se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden definida en Ω.
LÍNEAS DE FASES E. SÁEZ Sea el dominio Ω R R y la función F : Ω R. F R Ω Una epresión de la forma Fig. 1 d (1) = F(,), o bien, ẋ = F(,) se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden
Más detalles6. ALGEBRAS DE BOOLE
6.1. Relaciones de orden Relación de orden Se llama relación de orden sobre un conjuno A a cualquier relación R enre sus elemenos que verifica las siguienes res propiedades: 1. Refleiva: ara, para cualquier
Más detallesRESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES
RESOLUCIÓN 34-03 SOBRE COMISIONES DE LAS ADMINISTRADORAS DE FONDOS DE PENSIONES CONSIDERANDO: Que el arículo 86 de la Ley 87-01 de fecha 9 de mayo de 2001, que crea el Sisema Dominicano de Seguridad Social,
Más detallesAnálisis de inversiones y proyectos de inversión
Análisis de inversiones y proyecos de inversión Auora: Dra. Maie Seco Benedico Índice 5. Análisis de Inversiones 1. Inroducción. 2. Crierios para la valoración de un proyeco. 3. Técnicas de valoración
Más detallesCiclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú
Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
Más detallesFÍSICA. PRUEBA ACCESO A UNIVERSIDAD +25 TEMA 8. Corriente eléctrica
FÍSC. PUEB CCESO UNESDD +5 TEM 8. Corriene elécrica Una corriene elécrica es el desplazamieno de las cargas elécricas. La eoría aómica acual supone ue la carga elécrica posiiva esá asociada a los proones
Más detallesTema 5 El Transistor MOS
FUNAMENTO FÍCO Y TECNOLÓGCO E LA NFORMÁTCA Tema 5 El Transisor MO Agusín Álvarez Marquina Esrucura física y polarización del ransisor nmo de acumulación (ource= Fuene) G (Gae= Puera) (rain= renador) (+)
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesEstadística de Valor Tasado de Vivienda
Esadísica de Valor Tasado de Vivienda Meodología Subdirección General de Esudios y Esadísicas Madrid, enero de 2016 Índice 1 Inroducción 2 Objeivos 3 Ámbios de la esadísica 3.1 Ámbio poblacional 3.2 Ámbio
Más detallesControl de un péndulo invertido usando métodos de diseño no lineales
Conrol de un péndulo inverido usando méodos de diseño no lineales F. Salas salas@caruja.us.es J.Aracil aracil@esi.us.es F. Gordillo gordillo@esi.us.es Depo de Ingeniería de Sisemas y Auomáica.Escuela Superior
Más detallesCuadernillo de Apuntes de Matemáticas III. M. en C.Luis Ignacio Sandoval Paéz
Cuadernillo de Apunes de Maemáicas III M. en C.Luis Ignacio Sandoval Paéz Índice Unidad I vecores. Definición de un vecor en R, R (Inerpreación geomérica), y su n generalización en R.. Operaciones con
Más detallesTema 1: La autofinanciación
Tema : La auofinanciación.. Concepo y ipos de auofinanciación..2. La amorización de los elemenos parimoniales.3. Los beneficios reenidos.4. Venajas e inconvenienes de la auofinanciación irección Financiera
Más detallesFísica 2º Bach. Tema: Ondas 27/11/09
Física º Bach. Tema: Ondas 7/11/09 DEPARTAMENTO DE FÍSICA E QUÍMICA Nombre: Problemas [6 PUNTOS: 1 / APARTADO] 1. Una onda ransversal se propaga en el senido negaivo de las X con una velocidad de 5,00
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesCAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN
Fichero: capiulo 5 CAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN. INTRODUCCION. TIPOS DE PRUEBAS DE VALIDACIÓN DE LOS RESULTADOS DE
Más detallesSu viaje hasta El Cabrito LISTA DE COMPROBACIÓN
Su viaje hasa El Cabrio INFORMACIÓN SOBRE EL TRANSCURSO DEL VIAJE El viaje hasa El Cabrio sigue siendo una pequeña "avenura" porque la pequeña isla canaria de La Gomera no cuena con un aeropuero inernacional
Más detalles4. INDICADORES DE RENTABILIDAD EN CERTIDUMBRE
Evaluación de Proyecos de Inversión 4. INDICADORES DE RENTABILIDAD EN CERTIDUMBRE La generación de indicadores de renabilidad de los proyecos de inversión, surge como respuesa a la necesidad de disponer
Más detallesNORMAS TÉCNICAS PARA EL CÁLCULO DE LOS ÍNDICES DE ESTRATEGIA SOBRE ACCIONES DE SOCIEDAD DE BOLSAS, S.A.
NORMAS TÉCNICAS PARA EL CÁLCULO DE LOS ÍNDICES DE ESTRATEGIA SOBRE ACCIONES DE SOCIEDAD DE BOLSAS, S.A. ÍNDICE BBVA INVERSO X3 ÍNDICE ITX INVERSO X3 ÍNDICE SAN INVERSO X3 ÍNDICE TEF INVERSO X3 ÍNDICE BBVA
Más detallesFÍSICA. Centro Educativo de Nivel Secundario Nº 451 Anexo Universidad Tecnológica Nacional. Dirección de Capacitación No Docente.
Cenro Educaivo de Nivel Secundario Nº 45 Anexo Universidad Tecnológica Nacional Dirección de Capaciación No Docene Dirección General de Culura y Educación Provincia de Buenos Aires FÍSICA Segundo Año Unidad
Más detallesCAPÍTULO 3: INFILTRACIÓN
27 CAPÍTULO 3: INFILTRACIÓN 3.1 DEFINICIÓN El agua precipiada sobre la supericie de la ierra, queda deenida, se evapora, discurre por ella o penera hacia el inerior. Se deine como inilración al paso del
Más detallesDERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9
4 Reconoce el significado de los eponenes racionales posiivos negaivos uiliza las lees de los eponenes. Por ejemplo: 7 7 7 + 7 4 7 7 7 7 40 ( 7 / ) / 7 / / 7 /0 0 7,... Uiliza la noación cienífica para
Más detallesPRÁCTICA 4 TEMA 6: SERIES TEMPORALES
PRÁCTICA 4 TEMA 6: SERIES TEMPORALES En las prácicas aneriores se habían analizado observaciones de variables de ipo ransversal (por ejemplo, obenidas para diferenes municipios). Llamaremos Serie Temporal
Más detallesSu viaje hasta Hotel Finca El Cabrito LISTA DE COMPROBACIÓN
Su viaje hasa Hoel Finca El Cabrio INFORMACIÓN SOBRE EL TRANSCURSO DEL VIAJE El viaje hasa El Cabrio sigue siendo una pequeña "avenura" porque la pequeña isla canaria de La Gomera no cuena con un aeropuero
Más detallesFUNCIONES DE PROPORCIONALIDAD
UNIDAD 2 PROPORCIONALIDAD. FUNCIONES DE PROPORCIONALIDAD 1.- INTRODUCCIÓN Continuamente hacemos uso de las magnitudes físicas cuando nos referimos a diversas situaciones como medida de distancias (longitud),
Más detalles{ 3} Nota. La raíz no impone condiciones al dominio por ser de índice impar.
. Esudia el dominio de las siguienes unciones: a ( : Función Racional, el dominio son odos los números reales ecepo los que anulen el denominador. R / 0 : 0 : : ± [ ( ] { } R ± { } b ( : Función Racional,
Más detallesLa Conducción de la Política Monetaria del Banco de México a través del Régimen de Saldos Acumulados
La Conducción de la Políica Monearia del Banco de México a ravés del Régimen de Saldos Acumulados INDICE I. INTRODUCCIÓN...2 II. LA OPERACIÓN DEL BANCO DE MÉXICO EN EL MERCADO DE DINERO...3 II.1. ETIVOS
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
Más detalles