MODELOS DE ELECCIÓN BINARIA
|
|
- María Rosario Villanueva Escobar
- hace 8 años
- Vistas:
Transcripción
1 MODELOS DE ELECCIÓN BINARIA Econometría I UNLP
2 Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos representar la ocurrenca del evento medante un ndcador bnaro que es gual a 1 s el evento ocurre (éxto) y 0 s no ocurre (fracaso). Denotemos a esta varable dependente bnara como Y. Econometría I 2011 Modelos de Eleccón Bnara - 2 -
3 Algunos ejemplos: Modelos de empleo: Y = 1 s el ndvduo trabaja 0 en caso contraro Performance de entdades fnanceras: Y = 1 s el banco quebró 0 en caso contraro Desercón escolar: Y = 1 s el chco abandonó la escuela 0 en caso contraro Econometría I 2011 Modelos de Eleccón Bnara - 3 -
4 Un modelo de eleccón bnara (o de respuesta bnara) es un modelo de la probabldad de ocurrenca del evento denotado por Y, condconal en un conjunto de varables explcatvas ncludas en el vector (kx1) p Prob(Y =1 ) para = 1,, N Ejemplos: Probabldad que un ndvduo esté empleado dado su nvel educatvo y su experenca laboral preva. Probabldad que un banco quebre dada la composcón de su cartera. Probabldad que un chco deje la escuela dada su edad y las característcas socoeconómcas y demográfcas de su famla. Econometría I 2011 Modelos de Eleccón Bnara - 4 -
5 Importante notar Como Y toma sólo los valores 1 y 0, la dstrbucón de Y condconal en es Bernoull. Entonces, s denotamos Prob(Y =1 ) p Pr(Y = 0 ) 1 p Y por lo tanto: E[Y ]= 1 p + 0 (1 p ) = p Esperanza condconal de Y V[Y ]= p (1 p ) Varanza condconal de Y Econometría I 2011 Modelos de Eleccón Bnara - 5 -
6 El modelo lneal de probabldad Cómo especfcamos la forma funconal de Pr(Y =1 )? Una alternatva sería adoptar una forma funconal lneal: Prob(Y =1 )= K K = Modelo Lneal de Probabldad (MLP) Notar: o E[Y ]= p = = K K Los parámetros pueden ser estmados por MCO, regresando Y en. o V[Y ]= p (1 p ) = (1- ) Heterocedastcdad. o Pr ob( Y = 1 ) k = k El coefcente concde con el efecto margnal. Econometría I 2011 Modelos de Eleccón Bnara - 6 -
7 Lmtacones del MLP: 1- Genera predccones ncoherentes con una probabldad: Vmos que s Y es una varable bnara la esperanza condconal de Y es una probabldad (E[Y ]=p), entonces debería darse que 0 E[Y ] 1. En el MLP, E[Y ]=. Los estmadores MC de pueden tomar cualquer valor. Por lo general, para certos valores de el MLP genera predccones cuyos valores caen fuera del rango admsble para una probabldad (negatvos o mayores que uno). Econometría I 2011 Modelos de Eleccón Bnara - 7 -
8 2- Predce efectos margnales constantes Pr ob( Y = 1 ) k = k El efecto margnal del regresor k-ésmo sobre la Prob(Y=1 ) vene dado por k, que es una magntud constante ndependentemente del valor ncal de x k. Aumentos sucesvos de x k provocarían sempre el msmo cambo en la probabldad, lo que eventualmente llevaría a probabldades negatvas (s k <0) o mayores que uno (s k >0). Para un modelo coherente de la probabldad de certo fenómeno esperaríamos efectos margnales que varíen con el valor de x k. Econometría I 2011 Modelos de Eleccón Bnara - 8 -
9 Modelos no lneales de probabldad: Logt y Probt Ante estos problemas del MLP, proponemos el sguente modelo no lneal Prob(Y ) = p = F ( K K ) = F( ) para = 1,, N en donde F(.) satsface las sguentes propedades: F(- ) = 0 F( ) = 1 f(z) df(z)/dz>0 Notar: estas propedades son satsfechas por cualquer funcón de dstrbucón acumulada. el MLP corresponde a F( )=, que no está acotada entre 0 y 1. Las varables afectan la probabldad sólo a través del índce lneal. Econometría I 2011 Modelos de Eleccón Bnara - 9 -
10 Econometría I 2011 Modelos de Eleccón Bnara Dos modelos no lneales alternatvos PROBIT LOGIT F(.) es la dst. acumulada Normal estándar F(.) es la dstrbucón acumulada Logístca = = Φ π ) ( ) ( z dz e F 1 ) ( ) ( e e F + = = Λ Notar que las correspondentes funcones de densdad venen dadas por 2 ) ( ) ( ) ( π φ e f = = y (.)] (.)[1 ) (1 ) ( ) ( 2 Λ = Λ + = = λ e e f
11 Gráfcamente: la altura de las curvas mde la probabldad que ocurra el evento correspondente a Y=1 para cada valor posble del índce lneal. Probt vs. Logt Prob(Y=1 b) b probt logt Econometría I 2011 Modelos de Eleccón Bnara
12 Cómo nterpretar los modelos no lneales de probabldad? El efecto margnal de la varable x k es el cambo en la probabldad de Y=1 ante un cambo margnal en la varable x k. Formalmente: p x k = F( x k ) = k f ( ) Dado que f (.) >0 sempre, el sgno del efecto concde con el del coefcente k, por lo tanto el sgno del coefcente es nterpretable pero no su magntud. Al térmno f (.) se lo suele llamar factor de escala. El efecto margnal de x k no es constante, depende del punto donde se la evalúe (del valor que se fje para cada una de las varables explcatvas ). Econometría I 2011 Modelos de Eleccón Bnara
13 Econometría I 2011 Modelos de Eleccón Bnara Los efectos relatvos comparan los efectos margnales de dos varables explcatvas. Por ejemplo, para las varables x k y x j, el efecto relatvo vene dado por: j k j k j k f f x p x p = = ) ( ) ( Notar: Los efectos relatvos no dependen del valor de las Los efectos relatvos son constantes
14 El efecto margnal de varables bnaras no puede obtenerse dervando. Supongamos que el modelo de probabldad vene dado por: [ Y = 1, d ] = F( δ d ) Pr K K donde d toma úncamente los valores 0 y 1 (por ejemplo, d puede ndcar el sexo del ndvduo) El efecto de d sobre la probabldad de Y se obtene hacendo: [ Y = 1, d = 1] Pr[ Y = 1, d = 0] Pr = F( K K + δ ) F( K 1 K ) que tambén depende del valor que tomen todas las varables. Econometría I 2011 Modelos de Eleccón Bnara
15 Qué valores de las usamos para computar los efectos margnales? Una posbldad: evaluar la dervada en las medas muestrales de las varables. Problema: la meda de las varables explcatvas bnaras no tene ntucón. Otra alternatva es evaluar el efecto margnal para la varable explcatva bnara = 1, por ejemplo, y las demás varables en sus valores medos. El valor que se fje para las varables dependerá del nterés del analsta y del problema en cuestón. Econometría I 2011 Modelos de Eleccón Bnara
16 Logt o Probt? S z es logístca, V[z]=π 2 /3 Defnamos w = z / (π 2 /3) 1/2. Luego, V[w]=1. Se puede mostrar que la dstrbucón de w (logístca reescalada) es muy smlar a la normal estándar. En general, los coefcentes que se estman a partr del modelo Logt exceden a los del Probt en (π 2 /3) 1/2 1.8, es decr: L 1.8 P Elegr cualquera de las dos especfcacones Pero las comparacones entre ambas serán váldas sólo s se reescalan los coefcentes. Econometría I 2011 Modelos de Eleccón Bnara
17 Gráfcamente: Probt vs. Scaled-Logt Prob(Y=1 b) b probt scaled_logt Econometría I 2011 Modelos de Eleccón Bnara
18 Ejemplo: Evaluacón de metodología de enseñanza Motvacón Analzar s una nueva metodología ddáctca resulta efcaz o no en la enseñanza de la economía. Referencas: Ejemplo 19.1 del lbro Análss Econométrco Tercera edcón de Wllam H. Greene. Muestra Muestra de 32 alumnos de un estudo realzado por Spector and Mazzeo (1980). Ver archvo green.dta Econometría I 2011 Modelos de Eleccón Bnara
19 El modelo Varable dependente bnara: MEJORA: = 1 s el alumno mejoró la nota y 0 s no lo hzo. Varables explcatvas: CM: meda de las calfcacones pasadas del alumno. NP: nota del alumno en un examen prevo al perodo de aprendzaje. PSI: varable bnara que vale 1 s el alumno estudó con el nuevo método ddáctco y 0 s estudó con el método vejo. Econometría I 2011 Modelos de Eleccón Bnara
20 Datos: Econometría I 2011 Modelos de Eleccón Bnara
21 Estmacón del Modelo Lneal de Probabldad por MCO. regress mejora cm np ps Source SS df MS Number of obs = F( 3, 28) = 6.65 Model Prob > F = Resdual R-squared = Adj R-squared = Total Root MSE = mejora Coef. Std. Err. t P> t [95% Conf. Interval] cm np ps _cons NOTA: no se pueden nterpretar los estadístcos t porque el modelo es heterocedástco (se ve en las sguentes clases). Econometría I 2011 Modelos de Eleccón Bnara
22 El efecto del pasado académco sobre la probabldad de mejora, según el MLP Los alumnos con mayores calfcacones promedo en el pasado (CM) tenen mayor probabldad de mejorar con la nueva metodología de enseñanza. Dada la especfcacón lneal del modelo este efecto es constante: la probabldad de mejorar aumenta en 0.46 (aprox.) ndependentemente del tpo de alumno. Econometría I 2011 Modelos de Eleccón Bnara
23 Problema: predccones ncoherentes con una probabldad 1 Predccón de probabldad - MLP Observacón Econometría I 2011 Modelos de Eleccón Bnara
24 Estmacón del modelo Probt. probt mejora cm np ps Probt estmates Number of obs = 32 LR ch2(3) = Prob > ch2 = Log lkelhood = Pseudo R2 = mejora Coef. Std. Err. z P> z [95% Conf. Interval] cm np ps _cons Econometría I 2011 Modelos de Eleccón Bnara
25 Predccones de probabldad del Probt 1 Predccón de probabldad - mod Observacón Econometría I 2011 Modelos de Eleccón Bnara
26 Probt: efectos margnales I CM = meda, NP = meda, PSI = meda: Coefcentes Meda B Efectos margnales CM NP PSI Dstrbucón normal estand Factor de escala Ver archvo nterpretacon_probt.xls Econometría I 2011 Modelos de Eleccón Bnara
27 Probt: efectos margnales II (1) CM = meda, NP = meda, PSI = 0: Coefcentes Meda B Efectos margnales CM NP PSI Dstrbucón normal estand Factor de escala (2) CM = meda, NP = meda, PSI = 1: Coefcentes Meda B Efectos margnales CM NP PSI Dstrbucón normal estand Factor de escala EFECTO MARGINAL PARA LA DUMMY PSI Econometría I 2011 Modelos de Eleccón Bnara
28 Estmacón del modelo Logt. logt mejora cm np ps Logt estmates Number of obs = 32 LR ch2(3) = Prob > ch2 = Log lkelhood = Pseudo R2 = mejora Coef. Std. Err. z P> z [95% Conf. Interval] cm np ps _cons Efectos margnales Msmo procedmento que con modelo Probt. Ver archvo nterpretacon_logt.xls Econometría I 2011 Modelos de Eleccón Bnara
29 El efecto del pasado académco sobre la probabldad de mejora, según el modelo Probt El efecto es postvo y sgnfcatvo al 5%, gual que lo era en el MLP Pero la magntud del coefcente no es nterpretable. El efecto margnal depende del valor de todas las varables explcatvas. Para un alumno que en el pasado tuvo una calfcacón meda de 3, que obtuvo nota en el examen prevo y que estudó con el nuevo método, la probabldad predcha de mejorar es de Cómo camba esta probabldad a medda que aumenta la calfcacón meda (CM)? - De 3.0 a 3.2 puntos De 3.2 a 3.4 puntos De 3.4 a 3.6 puntos De 3.6 a 3.8 puntos De 3.8 a 4.0 puntos Econometría I 2011 Modelos de Eleccón Bnara
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 detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesEstadística 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 detallesSolución 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 detallesTécnicas de Análisis de Datos de Elección n Discreta
Técncas de Análss de Datos de Eleccón n Dscreta Sub-Gerenca de Investgacón GPR Vernes, 07 de abrl de 0006 Gerenca de Polítcas Regulatoras - GPR Organsmo Supervsor de Inversón Prvada en Telecomuncacones
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesUSOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES
Unversdad de San Andrés Departamento de Economía Econometría Semestre de otoño USOS Y ETENSIONES DEL MODELO LINEAL CON K VARIABLES Marana Marchonn marana@depeco.econo.unlp.edu.ar Varables explcatvas bnaras
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesModelos 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 detallesANEXOS. 1) Modelo Probit.
ANEXOS 1) Modelo Probit. Estos modelos pertenecen a los modelos de respuesta binaria 1, es decir, la variable dependiente es una variable dicotómica, donde toma 1 para indicar el éxito en la variable de
Más detallesVariables Dummy (parte I)
Varables Dummy (parte I) Fortno Vela Peón Unversdad Autónoma Metropoltana fvela@correo.xoc.uam.mx Octubre, 2010 19/10/2010 Méxco, D. F. 1 Introduccón Algunas de las varables son por su naturaleza propa
Más detallesCURSO 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 detalles1 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 detallestruncación 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 detallesEjemplo: 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 detalles1.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 detallesRelaciones 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 detallesInvestigación 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 detallesREGRESION 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 detallesModelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.
Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesAnálisis 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 detallesFigura 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 detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesMODELOS PARA DATOS DE RECUENTO
ECONOMETRÍA III Curso 2008/09 MODELOS PARA DATOS DE RECUENTO Profesores: Víctor J. Cano Fernández y M. Carolna Rodríguez Donate Dpto. de Economía de las Instrtucones, Estadístca Económca y Econometría
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesInstituto 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 detallesDEFINICIÓN DE INDICADORES
DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesExamen Final de Econometría Grado
Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesFísica I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto
ísca I Apuntes complementaros al lbro de teto TRABAJO y ENERGÍA MECÁNICA Autor : Dr. Jorge O. Ratto Estudaremos el trabajo mecánco de la sguente manera : undmensonal constante Tpo de movmento varable bdmensonal
Más detallesAspectos 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 detallesTÉCNICAS DE MEDICIÓN ECONÓMICA
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA PATPRO XXIX VERSIÓN TÉCNICAS DE MEDICIÓN ECONÓMICA. Econ. M. Sc. Lus A. Rosales García PIURA, JULIO 2012 2 PARTE I: MODELOS DE ELECCIÓN DISCRETA Y VARIABLE
Más detallesCURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A)
Unversdad de la Repúblca, Facultad de Cencas Económcas y Admnstracón. ECONOMETRÍA II - CURSO 7 PRACTICO MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO A) Una nvestgacón sobre el mercado laboral
Más detallesLicenciatura 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 detallesCAPÍTULO 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 detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detallesMuestra: 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 detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesProblemas 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 detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesTema 7: Regresión Logística p. 1/1
Tema 7: Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco http://www.sc.ehu.es/sg/ Tema 7: Regresón Logístca
Más detallesTema 4 MODELOS CON DATOS DE RECUENTO
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 Tema 4 MODELOS CON DATOS DE RECUENTO 1. Datos de recuento: ejemplos 2. Por qué utlzamos modelos específcos para datos de recuento? 3. Modelo Posson 4. Modelo
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesMaestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto
Maestría en Economía Facultad de Cencas Económcas Unversdad Naconal de La Plata TESIS DE MAESTRIA ALUMNO Laura Carella TITULO Educacón unverstara: medcón del rendmento académco a través de fronteras de
Más detallesFE 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 detallesEJERCICIO 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 detallesXLVII Reunión Anual. Noviembre de 2012
ANALES ASOCIACION ARGENTINA DE ECONOMIA POLITICA XLVII Reunón Anual Novembre de 2012 ISSN 1852-0022 ISBN 978-987-28590-0-8 EXPLICACIÓN DE LAS DECISIONES DE COMPRA DE ALCOHOL Y TABACO DE LOS HOGARES SANTAFESINOS
Más detallesTema 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 detallesImages created with STATA software. Regresión múltiple. Por qué controlar?
Images created wth STATA software. Regresón múltple Por qué controlar? Ejemplo de la smpatía de Gore Supongamos: La smpatía de Gore está en funcón de la de Clnton y no drectamente en funcón del partdo.
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesEfectos 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 detalles1.-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 detallesUniversitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011
Econometría I Examen Final 1 Universitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011 Este examen consta de un total de 50 puntos.
Más detallese 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 detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesPyE_ 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 detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 2) CAPÍTULO II.-ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA.- DISTRIBUCIONES DE FRECUENCIAS DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA . DISTRIBUCIÓN
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesMª 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 detallesMedidas 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 detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detalles) 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 detallesModelo 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 detallesDISTRIBUCIONES 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 detallesAnálisis de la actividad femenina y la fecundidad en España mediante modelos de elección discreta
Análss de la actvdad femenna y la fecunddad en España medante modelos de eleccón dscreta Aurora Alonso-Antón, Ana Fernández-Sanz y Vrgna Rncón-Dez Lecturas de Economía - No. 82. Medellín, enero-juno 2015
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesEXAMEN 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 detallespara cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood
Más detallesSolución 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 detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesEL MODELO DE REGRESIÓN LINEAL SIMPLE
Unversdad Carlos III de Madrd César Alonso ECONOMETRIA EL MODELO DE REGRESIÓN LINEAL SIMLE Índce 1. Relacones empírcas y teórcas......................... 1 2. Conceptos prevos................................
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesTutorial para la estimación de modelos Logit y Probit en Easyreg. Julio César Alonso C.
Tutoral para la estmacón de modelos Logt y Probt en Easyreg Julo César Alonso C. No. 19 Juno de 2009 APUNTES DE ECONOMÍA ISSN 1794-029X No. 19, Juno de 2009 Edtor Julo César Alonso C. jcalonso@ces.edu.co
Más detallesTema 7: Variables Ficticias
Tema 7: Varables Fctcas Máxmo Camacho Máxmo Camacho Econometría I - ADE+D /2 - Tema 7 Varables fctcas Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema 2: El modelo de regresón
Más detalles, x es un suceso de S. Es decir, si :
1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
Más detallesEJERCICIOS. 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 detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detalles17/02/2015. 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 detalleses un vector de p covariables correspondientes al mismo individuo i, i 1,,n.
5. Modelos de regresón En el análss de tempos de falla, es común suponer que el resgo de presentar la falla está en funcón de una sere de covarables o varables explcatvas nherentes a cada ndvduo. Es decr,
Más detallesTODO 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 detallesIMPACTO DEL MICROCRÉDITO SOBRE LA POBREZA DEL INGRESO: UN ESTUDIO EN MERCADOS DE CRÉDITO URBANOS EN MÉXICO. Miguel Niño Zarazúa *
IMPACTO DEL MICROCRÉDITO SOBRE LA POBREZA DEL INGRESO: UN ESTUDIO EN MERCADOS DE CRÉDITO URBANOS EN MÉXICO Mguel Nño Zarazúa Resumen Este estudo presenta una estmacón del mpacto del mcrocrédto sobre la
Más detallesH 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 detallesCAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales
CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesUn 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 detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra 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
Más detallesFactores que inciden en la probabilidad de pobreza: una propuesta metodológica para la Región Metropolitana de Santiago
Factores que ncden en la probabldad de pobreza: una propuesta metodológca para la de Santago Santago, novembre de 2011 Índce Índce Introduccón 1. Descrpcón del modelo 2. Los datos 3. Resultados de estmacón
Más detalles