CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
|
|
|
- Milagros Pereyra Pérez
- hace 10 años
- Vistas:
Transcripción
1 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
2 Regresón con varables predctoras cualtatvas A veces algunas de las varables predctoras a consderar son cuanttatvas y otras cualtatvas. Ejemplos de varables cuanttatvas son: años de experenca, años de educacón, edad, etc. Ejemplos de varables cualtatvas son: sexo del empleado, estado cvl, jerarquía del empleado, etc. Edgar Acuña Analss de Regreson 2
3 Tpos de Varables cualtatvas Varable dummy o varable bnara Varables nomnales Varables ordnales Edgar Acuña Analss de Regreson 3
4 Nota: En un problema de regresón debe haber por lo menos una varable predctora cuanttatva. S todas las varables predctoras fueran cualtatvas entonces el problema se converte en uno de dseños expermentales. Edgar Acuña Analss de Regreson 4
5 Regresón con una sola varable Dummy Consderemos un modelo de regresón con una sola varable cualtatva A y una varable cuanttatva X. Es decr, Yβ 0 +β X+β 2 A + ε (* Consderemos los casos: S A0, Y β 0 + β X + ε S A, Y (β 0 + β 2 + β X + ε Es decr que el modelo (* consdera que las pendentes de ambas lneas son guales. El valor estmado de β 2 representa el cambo promedo en la varable de respuesta al cambar el valor de la varable dummy. Edgar Acuña Analss de Regreson 5
6 S se desea comparar las pendentes de las línea de regresón de los dos grupos se puede usar una prueba de t smlar a la prueba de comparacón de dos medas y asumendo que hay homogenedad de varanza. Tambén se puede usar una prueba de F parcal o probando la hpótess Ho: β30 en el sguente modelo Yβ0+βA+β2X+β3AX +e Cuando la hpótess nula no es rechazada se concluye que la pendente de regreson de ambos grupos son guales. S no hubera gualdad de varanza de los dos grupos, habra que usar una prueba de t aproxmada smlar al problema de Behrens-Fsher. Aquí se usa una t con grados de lbertad aproxmados Edgar Acuña Analss de Regreson 6
7 Comparar Lneas de Regresón para Varos Grupos Supongamos que se tene una varable predctora contnua X para explcar el comportamento de Y en tres grupos. Surgen tres modelos de regresón: Y β 0 +β X+ ε Yβ 02 +β 2 X+ ε Yβ 03 +β 3 X+ ε Para relaconar las lneas de regresón hay que ntroducr 3 varables dummy para dentfcar los grupos G, G2, y G3 y 3 varables adconales ZGX, Z2G2X, y Z3G3X. Edgar Acuña Analss de Regreson 7
8 Posbles modelos a Las lneas se ntersecten en un punto cualquera, ya que tendrían dferente ntersecto y pendente. b Las lneas sean paralelas (homogenedad de pendentes. c Las lneas tengan el msmo ntercepto pero dstnta pendentes (homogenedad de nterceptos. d Las tres lneas concdan. Edgar Acuña Analss de Regreson 8
9 Prueba de hpótess H o : el modelo satsface b o c o d versus H a : el modelo satsface a Se usa una prueba de F parcal dada por F m [(SSE m -SSE a /(gl m -gl a ]/[SSE a /gl a ] Donde m, representa los modelos b,c, o d. grados de lbertad. La F parcal se dstrbuye como una F con (gl m -gl a, gl a Edgar Acuña Analss de Regreson 9
![]/[SSE a /gl a ] Donde m, representa los modelos b,c, o d. grados de lbertad.](/docs-images/44/1768678/images/page_9.jpg "La F parcal se dstrbuye como una F con (gl m -gl a, gl a Edgar Acuña Analss de")
10 Regresón Logístca La varable de respuesta Y es una del tpo bnaro y que se tene p varables predctoras x s (aleatoras Se tene una muestra de tamaño nn +n 2, con n observacones de la clase C y n 2 observacones de la clase C 2. La varable predctora Y se defne como 0 y para cada clase. Edgar Acuña Analss de Regreson 0
11 La Curva Logístca Funcon de dstrbucón logístca F ( x ( + e x Edgar Acuña Analss de Regreson
12 Suposcón en el Modelo Logístco Sea f(x/c (,2 la funcón de densdad del vector aleatoro p-dmensonal x en la clase C, en el modelo logístco se asume que: log( f ( x / C f ( x / C 2 α + β'x Donde, β es un vector de p parámetros y α representa el ntercepto. Edgar Acuña Analss de Regreson 2
13 Edgar Acuña Analss de Regreson 3 Odds Rato Sea pp(y/x la probabldad a posteror de que Y sea gual a para un valor observado de x Se defne la razón de apuestas (odds rato como: Donde: π representa la probabldad a pror de que Y pertenezca a la clase C. / ( / ( ( 0 / ( 0} { ( / ( } { 2 2 C f C f f y f Y P f y f Y P p p x x x x x x π π
14 Transformacón logt Tomando logartmos se tene log( p p π log( π + log Luego con la suposcon se tene que: log( Equvalentemente, 2 p p f ( x / C f ( x / C Edgar Acuña Analss de Regreson 4 2 α + β ' x exp( α + β' x p + exp( α + β' x
15 Cumplmento de la suposcon del modelo S las varables x en cada clase se dstrbuyen normalmente con medas u, u 2 y matríz de covaranza Σ entonces se satsface la suposcón dado que: log( Donde f ( x / C f ( x / C 2 α (u u 2 ' Σ (u + u 2 / 2 (u -u 2 ' Σ - (x-/2(u +u 2 β (u ' u2 Σ La suposcón tambén para otros tpos de dstrbucones dstntas de la normal multvarada tales como dstrbucones de Bernoull, y mezclas de éstas. Edgar Acuña Analss de Regreson 5
16 Estmacón del modelo logístco Método de Máxma Verosmltud Dada una observacón x, las probabldades de que ésta pertenezca a las clases C y C2 son : exp( α + β ' x P( C / x + exp( α + β ' x P( C2 / x P( C / x + exp( α + β ' x Consderando una muestra de tamaño nn +n 2 y un parámetro bnomal p gual a exp( α + β' x /( + exp( α + β' x la funcón de verosmltud es de la forma L( α, β n exp( a + x 'β + exp( α + x 'β Edgar Acuña Analss de Regreson 6 j n + n + exp( α + x j 'β La solucon de la equacon de verosmltud es solo numerca
17 Otra forma de estmar los parámetros α y β Consderamos la regresón lneal múltple de logt( pˆ versus x,x 2,,x p luego su varanza será aproxmadamente: pˆ Var[ln( ] [ pˆ p ( ] p p( n As se llega a un problema donde la varanza no es constante y se puede usar mínmos cuadrados ponderados con pesos w (x n pˆ (x(- pˆ (x para estmar los parámetros α y β del modelo logístco. 2 Edgar Acuña Analss de Regreson 7 p n p ( p
18 Meddas de Confabldad del Modelo Cuantfcan el nvel de ajuste del modelo al conjunto de datos: La Devanza El Pseudo-R 2 El Crtero de Informacón de Akake (AIC La Prueba de Bondad de Ajuste de Hosmer- Lemeshov. Edgar Acuña Analss de Regreson 8
19 La Devanza Es smlar a la suma de cuadrados del error de la regresón lneal. S la varable de respuesta Y no está grupada se tene que: n n D 2{ log( pˆ + log( p } y : y : 0 D tene una dstrbucón J-Cuadrado con (n-p-gl. S D es mayor que una J-Cuadrado con (n-p-gl para un nvel de sgnfcacón dado entonces el modelo logístco no es confable. Edgar Acuña Analss de Regreson 9
20 El Pseudo-R 2 Es smlar al R 2 de la regresón lneal se defne por: Pseudo R 2 ( Devanza 00% Devanza. Nula Donde la DevanzaNula es la devanza consderando solamente el ntercepto y se dstrbuye como una J-Cuadrado con (n-gl. Para hallar la DevanzaNula se hace una regresón logístca consderando que hay una sola varable predctora cuyos valores son todos unos. Edgar Acuña Analss de Regreson 20
21 El Crtero de Informacón de Akake (AIC Determna s un modelo es mejor que otro. Esta dado por: AICD+2(p+ Donde, p es el número de varables predctoras. Un modelo es mejor que otro s su AIC es más pequeño. Edgar Acuña Analss de Regreson 2
22 La Prueba de Bondad de Ajuste de Hosmer-Lemeshov. Se aplca cuando los datos son dados en forma agrupada y se defne por g 2 ( O n' p C n' p ( p Donde g es el número de grupos, n' es el número de observacones en el -ésmo grupo O es la suma de las y s en el -ésmo grupo y p es el promedo de las p en el -ésmo grupo. Edgar Acuña Analss de Regreson 22
23 Estadstcas Influencales para regresón logístca Resduales de Pearson es smlar al resdual estudentzado usado en regresón lneal r ( y representa el número de veces que y entre las m repetcones de X, de lo contraro m para todo. Resduales de Devanza Esta dado por: s y 0 y s y Una D observacón log( pˆ será anormal D s el resdual ˆ 2 log( p de devanza es 2 mayor que 2 en valor absoluto, entonces la observacón correspondente es anormal. y m m pˆ Edgar Acuña Analss de Regreson 23 pˆ pˆ
24 Uso de la regresón logístca en Clasfcacón: La forma mas facl de dscrmnar es consderar que s p>0.5 la obervacón pertenece a la clase que uno está nteresado. Otros metodos son: Plotear el porcentaje de obervacones que poseen el evento que han sdo correctamente clasfcadas (Senstvdad versus dstntos nveles de probabldad y el porcentajes de observacones de la otra clase que han sdo correctamente clasfcadas (especfdad versus los msmos nveles de probabldad anterormente usados, en la msma gráfca. La probabldad que se usará para clasfcar las observacones se obtenen ntersectando las dos curvas. Edgar Acuña Analss de Regreson 24
25 Ejemplo Interseccon de las curvas de senstvdad y de especfcdad para hallar el p-optmo 00 Senstvdad 50 Este es el p-optmo Especfcdad Las gráfcas de los dos métodos aparecen en la sguente fguras y embos caso el p-óptmo a usarse es p0.3 Edgar Acuña Analss de Regreson 25
26 La curva ROC Usar la curva ROC (Recever Operatng Characterstc Curva. En este caso se grafca la senstvdad versus (-especfdad00%, y se coge como el p deal aquel que está más cerca a la esquna superor zquerda, osea al punto (00,0. Edgar Acuña Analss de Regreson 26
27 Ejemplo de curva ROC Edgar Acuña Analss de Regreson 27
De 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
Pruebas 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 : =
MODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
EXPERIMENTACIÓN 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
Tema 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
Análisis 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
Guía de ejercicios #1
Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje
Estadística con R. Modelo Probabilístico Lineal
Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S
Relaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
CAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Histogramas: 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:
OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS
P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la
Capitalización 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
Tema 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
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
REGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Inferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
12-16 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
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
TEMA 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
Tema 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...............................................................
Econometría. 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 [email protected] Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Riesgos Proporcionales de Cox
Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los
Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Probabilidad 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
Diseño y Análisis de Experimentos en el SPSS 1
Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecunddad y su relacón con varables socoeconómcas, demográfcas y educatvas aplcando el Modelo de Regresón
Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública
Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos
DEFINICIÓN 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.
ACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Problemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
TERMODINÁMICA AVANZADA
ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón
Correlación 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
Economía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)
Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco
Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
COMPARADOR CON AMPLIFICADOR OPERACIONAL
COMAADO CON AMLIFICADO OEACIONAL COMAADO INESO, COMAADO NO INESO Tenen como msón comparar una tensón arable con otra, normalmente constante, denomnada tensón de referenca, dándonos a la salda una tensón
EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Regresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN [email protected] [email protected] Regresón lneal El
REGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C
Examen 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
Clase 25. Macroeconomía, Sexta Parte
Introduccón a la Facultad de Cs. Físcas y Matemátcas - Unversdad de Chle Clase 25. Macroeconomía, Sexta Parte 12 de Juno, 2008 Garca Se recomenda complementar la clase con una lectura cudadosa de los capítulos
Mª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: [email protected] Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Tema 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
TEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
MÉTODOS PARA PROBAR NUMEROS
Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular
Estadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Trabajo 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..
Variables Dummy (parte I)
Varables Dummy (parte I) Fortno Vela Peón Unversdad Autónoma Metropoltana [email protected] Octubre, 2010 19/10/2010 Méxco, D. F. 1 Introduccón Algunas de las varables son por su naturaleza propa
Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó
Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor
TERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
2.2 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
MATERIAL Y MÉTODOS. Se utilizó el listado de códigos que Caminal estableció para España, a los cuales se
MATERIAL Y MÉTODOS Fuentes de nformacón Los datos de hosptalzacón se obtenen del Conjunto Mínmo de Datos de Egresos Hosptalaros del Seguro Públco de Salud Costarrcense (SPSC) y las proyeccones de poblacón
INTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)
LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN
PUBLICACIONES DE 4º CURSO
PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal
Modelos 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)
1.1 Ejercicios Resueltos Tema 1
.. EJERCICIOS RESUELTOS TEMA. Ejerccos Resueltos Tema Ejemplo: Probarque ++3+ + n 3 + 3 +3 3 + + n 3 n (n +) Ã n (n +)! - Para n es certa, tambén lo comprobamos para n, 3,... ( + ) + 3 (+) supuesto certa
TEMA 5: MODELOS DE REPARTO MODAL - LOGIT BINARIO
TEMA 5: MODELOS DE REPARTO MODAL - LOGIT BINARIO Datos de Agrest (pp.305) relatvas a accdentes en el estado de Mane (EEUU) durante 1991. Son un total de 68694 accdentes de coche, los datos se clasfcan
Equilibrio termodinámico entre fases fluidas
CAPÍTULO I Equlbro termodnámco entre fases fludas El conocmento frme de los conceptos de la termodnámca se consdera esencal para el dseño, operacón y optmzacón de proyectos en la ngenería químca, debdo
1.Variables ficticias en el modelo de regresión: ejemplos.
J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes
Tema 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
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
MATEMÁTICA DE LAS OPERACIONES FINANCIERAS I
MATEMÁTICA DE LAS OPERACIONES FINANCIERAS I CURSO 0/04 PRIMERA SEMANA Día 7/0/04 a las 6 horas MATERIAL AUXILIAR: Calculadora fnancera DURACIÓN: horas. a) Captal fnancero aleatoro: Concepto. Equvalente
MODELOS DE ÁRBOL DE REGRESIÓN BAYESIANO: UN ESTUDIO DE CASO.
REVISTA INVESTIGACIÓN OPERACIONAL VOL., 3, No., 09-5, 00 MODELOS DE ÁRBOL DE REGRESIÓN BAYESIANO: UN ESTUDIO DE CASO. O. Juárez* y E.Castells** *Facultad de Matemátca. Unversdad Autónoma de Guerrero. Méxco.
EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.