Cuadernos del CIMBAGE ISSN: Facultad de Ciencias Económicas Argentina
|
|
- María Rosa Jiménez Robles
- hace 7 años
- Vistas:
Transcripción
1 Cuadernos del CIMBAGE ISSN: Facultad de Cencas Económcas Argentna García, María del Carmen; Koegel, Llana; Rapell, Cecla UNA APLICACIÓN DE MODELOS MULTIVARIADOS PARA DATOS LONGITUDINALES: EVALUACIÓN DEL COMPORTAMIENTO DE INDICADORES DEL MERCADO LABORAL Cuadernos del CIMBAGE, núm 4, 0, pp -6 Facultad de Cencas Económcas Buenos Ares, Argentna Dsponble en: Cómo ctar el artículo Número completo Más nformacón del artículo Págna de la revsta en redalycorg Sstema de Informacón Centífca Red de Revstas Centífcas de Amérca Latna, el Carbe, España y Portugal Proyecto académco sn fnes de lucro, desarrollado bajo la ncatva de acceso aberto
2 Cuadernos del CIMBAGE Nº 4 (0) -6 UNA APLICACIÓN DE MODELOS MULTIVARIADOS PARA DATOS LONGITUDINALES: EVALUACIÓN DEL COMPORTAMIENTO DE INDICADORES DEL MERCADO LABORAL María del Carmen García, Llana Koegel, Cecla Rapell Insttuto de Investgacones Teórcas y Aplcadas de la Escuela de Estadístca Facultad de Cencas Económcas y Estadístca Unversdad Naconal de Rosaro Bvard Oroño 6, º Pso-Rosaro-000-Argentna mgarcía@fceconunreduar, lkoegel@fceconunreduar, crapell@rosarogovar Recbdo 4 de novembre de 0, aceptado 4 de febrero de 0 Resumen En nvestgacones socales frecuentemente se realzan medcones de múltples varables respuestas a lo largo del tempo a dos o más grupos de undades La modelacón conjunta de varas varables respuestas es convenente en muchas stuacones sobre la modelacón de las msmas en forma separada Los datos longtudnales multvarados surgen cuando un conjunto de dferentes respuestas se mde repetdamente en el tempo sobre una msma undad Resulta de nterés para tales datos conocer cómo la evolucón de una respuesta está relaconada con la evolucón de otra respuesta y/o cómo la asocacón entre las dstntas respuestas evolucona con el tempo Para modelar tanto la correlacón entre las medcones repetdas de una varable respuesta dada como la correlacón entre las medcones de todas las respuestas en una determnada ocasón, se propuseron dferentes estrategas de modelacón conjunta de varables Una de ellas consste en ajustar un modelo con una estructura de covarancas especal usando la notacón producto Kronecker ; la otra es modelar ntroducendo efectos aleatoros, es decr, usando un modelo mxto En este trabajo se presenta una aplcacón de la metodología para el ajuste de modelos multvarados con el objetvo de explcar la evolucón conjunta de las varables tasas de actvdad y desocupacón, para varos aglomerados de la Repúblca Argentna durante el tercer trmestre 006 y el cuarto trmestre 008 Palabras clave: datos longtudnales multvarados, modelos mxtos, tasa de desocupacón, tasa de actvdad
3 García et al /Cuadernos del CIMBAGE Nº 4 (0) -6 AN APPLICATION OF MULTIVARIATE MODELS FOR LONGITUDINAL DATA: THE PERFORMANCE ANALYSIS OF LABOUR MARKET INDICATORS María del Carmen García, Llana Koegel, Cecla Rapell Insttuto de Investgacones Teórcas y Aplcadas de la Escuela de Estadístca Facultad de Cencas Económcas y Estadístca Unversdad Naconal de Rosaro Bvard Oroño 6, º Pso-Rosaro-000-Argentna mgarcía@fceconunreduar, lkoegel@fceconunreduar, crapell@rosarogovar Receved November 4 th 0, accepted February 4 th 0 Abstract Measurements of multple varable responses over tme to two or more groups of unts are frequently carred out n socal researches In many stuatons, the jont modelng of several varable responses s more convenent than the modelng of responses separately Multvarate longtudnal data arse when a set of dfferent responses s measured repeatedly over tme on the same unt It s of nterest to such data to know how the evoluton of a response s related to the evoluton of another response and/or how the assocaton between the dfferent responses evolves over tme Dfferent strateges of jont modelng of varables were proposed to model both the correlaton between repeated measurements of a gven varable response and the correlaton between measurements of all responses on a partcular occason One of these strateges conssts of adjustng a model wth a specal covarance structure usng the "Kronecker product" notaton Another strategy s to model by ntroducng random effects, e by usng a mxed model Ths paper presents an applcaton of the methodology for the adjustment of multvarate models, wth the purpose of explanng the jont evoluton of the actvty and unemployment rate varables for varous agglomerates of the Argentne Republc durng the thrd quarter of 006 and the fourth quarter of 008 Keywords: multvarate longtudnal data, mxed models, unemployment rate, actvty rate
4 García et al / Cuadernos del CIMBAGE Nº 4 (0) -6 3 INTRODUCCIÓN En nvestgacones socales resulta frecuente realzar medcones de múltples varables respuestas a lo largo del tempo a dos o más grupos de undades La modelacón conjunta de los perfles longtudnales multvarados, en muchas stuacones, es necesara o tene ventajas adconales sobre la modelacón de las dferentes respuestas en forma separada Los datos longtudnales multvarados surgen cuando un conjunto de dferentes respuestas sobre la msma undad se mde repetdamente en el tempo Resulta de nterés para tales datos conocer cómo la evolucón de una respuesta está relaconada con la evolucón de otra respuesta y/o cómo la asocacón entre las dstntas respuestas evolucona con el tempo El análss de ese tpo de datos, comparado con el análss longtudnal unvarado, resulta más complcado debdo a la exstenca de correlacón tanto entre las meddas tomadas en dferentes tempos como entre las varables respuestas Varos autores proponen dferentes estrategas para la modelacón conjunta de varables Una de ellas consste en ajustar un modelo con una estructura de covarancas especal usando la notacón producto Kronecker y la otra, en modelar ntroducendo efectos aleatoros; es decr, usando un modelo mxto Ambos métodos, medante un enfoque algo dferente, permten modelar la correlacón entre las medcones repetdas de una varable respuesta dada y la correlacón entre las medcones de todas las respuestas en una determnada ocasón En este trabajo se presenta una aplcacón de la metodología para el ajuste de modelos multvarados con el objetvo de explcar la evolucón conjunta de las varables tasa de actvdad y desocupacón, a partr de nformacón sumnstrada por la Encuesta Permanente de Hogares relevada por el Insttuto Naconal de Estadístca y Censos (INDEC), para dferentes aglomerados desde el tercer trmestre de 006 hasta el cuarto de 008 MODELOS CONJUNTOS PARA DATOS LONGITUDINALES MULTIVARIADOS Se consdera para cada undad p varables respuestas meddas en n ocasones (j=,, n ) La matrz de las respuestas de la undad es p Y = [ Y, Y,, Y ] p dmensón n x y = [ ε, ε, ε ], =,,N, donde cada, k Y, k=,,p, es de ε es la matrz de errores
5 4 García et al /Cuadernos del CIMBAGE Nº 4 (0) -6 aleatoros de dmensón n x p Al utlzar el operador vec, que coloca en fla los elementos de una matrz, se obtene el vector pn x ' ' y [ ] p' = vec( Y ) = Y, Y,, Y y e = vec( ε ), donde ε tene p columnas, sendo la k-ésma el error de la k-ésma característca Se presentan dos modelos que se pueden utlzar para analzar datos longtudnales multvarados Modelos con matrz de covarancas producto Kronecker Este modelo permte especfcar la matrz de covarancas del error dentro de cada undad de estudo, y así examnar las correlacones ntra y entre varables El modelo lneal para el vector pn x de las respuestas de la undad, * y = X β + e, () * X es una matrz bloque dagonal Cada uno de los p bloques contene las matrces Xk de dmensón (pn x q), de las varables explcatvas para cada una de las p varables respuestas, k=,, p β es un vector (q x ) de parámetros denomnados efectos fjos e es el vector de errores aleatoros, que se supone ndependente, y normalmente dstrbudo con meda cero y matrz de covarancas Ω Entonces, d * y ~ N ( X β, Ω) () pn La estmacón de Ω no es posble cuando el número de undades es menor o gual a pn Para evtar este problema, se asume alguna estructura de covaranca para Ω Esta matrz se puede expresar medante la notacón denomnada producto Kronecker, sendo la forma de la msma, Ω pnxpn = V Σ, pxp nxn donde V y Σ son matrces defndas postvas y es el producto drecto La matrz V representa la matrz de covarancas entre todas las varables respuestas de una undad en una ocasón dada Esta matrz se supone que no depende de una ocasón partcular y es la msma para todas las ocasones La matrz Σ representa la matrz de covarancas entre las medcones repetdas realzadas sobre una
6 García et al / Cuadernos del CIMBAGE Nº 4 (0) -6 5 undad y una varable respuesta, que tene la msma estructura para todas las varables Supone que para todas las varables respuestas la estructura de correlacón entre las medcones repetdas es la msma, y que la covaranca entre todas las respuestas no depende del tempo y es constante para todas las ocasones La matrz Σ, para una varable respuesta dada, puede tener cualquer estructura ncluso ser no estructurada Las dos estructuras más utlzadas son smetría compuesta (SC), que asume que todas las medcones repetdas están equcorrelaconadas, no dependendo de la separacón entre las ocasones de medda; o autorregresva de orden (AR()) para la cual la correlacón dsmnuye cuando aumenta la separacón entre las ocasones Este modelo presenta varas lmtacones: una correlacón común ntra varable para las dferentes varables, una correlacón constante ntra varable para varables meddas en la msma ocasón y ocasones de medda equespacadas Modelos con efectos aleatoros: Modelo lneal mxto multvarado Se modela la asocacón entre las dstntas respuestas utlzando efectos aleatoros En lugar de modelar la varacón dentro de una undad como en los modelos con sólo efectos fjos, los modelos mxtos asumen que los coefcentes de regresón son una muestra aleatora de alguna poblacón y permten modelar varacones entre undades Estos modelos descrben la evolucón meda de una respuesta determnada utlzando una funcón de tempo y se ntroducen los llamados efectos aleatoros para representar las desvacones específcas de la undad de esta evolucón promedo En un enfoque común de modelado utlzando modelos mxtos se suponen efectos aleatoros para cada respuesta e mponendo una dstrbucón multvarada sobre los msmos, las dferentes varables están asocadas Este enfoque tene muchas ventajas y es aplcable en una ampla varedad de stuacones La expresón del modelo mxto multvarado (Shah, Lard y Schoenfeld, 997) para la undad es de la forma donde * * y = X β + Z γ + e, =,,N, () * * X y Z son matrces bloque dagonal Cada uno de los p bloques contene las matrces X k y Z k, de dmensón (pn x q) y (pn x r)
7 6 García et al /Cuadernos del CIMBAGE Nº 4 (0) -6 respectvamente, de las varables explcatvas para cada una de las p varables respuestas, k=,, p β es un vector (q x ) de parámetros denomnados efectos fjos γ es un vector (r x ) cuyas componentes se denomnan efectos aleatoros e es una matrz (pn x pn ) de errores dentro de cada undad Generalmente se asume que, d ~ pn d ~ r e N ( 0, R ) y γ N ( 0, D) Además, se supone que sendo e dos undades dstntas, las componentes de error están no correlaconadas y no asocadas con los efectos aleatoros, cov( e, e' ) = 0, cov( γ, γ ') = 0 y cov( e, γ ) = 0 La matrz de covarancas D contene tanto la covaranca entre los efectos aleatoros dentro de una respuesta dada como la covaranca entre los efectos aleatoros de las dstntas varables respuestas La matrz R tene una estructura específca para reflejar la correlacón entre las medcones repetdas S no se hacen supuestos sobre la forma de la estructura de covarancas para cada fla y columna de ε, los parámetros de covarancas de R serán numerosos para ser estmados correctamente Además, s se sospecha la exstenca de una estructura, utlzarla conduce a una estmacón e nferenca más efcente Generalmente se consdera que los vectores flas de ε son ndependentes y tenen dstrbucón ( 0, Σ), sendo Σ pxp una matrz con estructura arbtrara En este caso, la Var(e) tene estructura Σ I, con I una matrz dentdad de dmensón n La ndependenca de las flas mplca que cada columna de ε se dstrbuya normalmente con meda 0 y matrz de covarancas σ kk I, para k=,,p La estmacón de los parámetros β y σ y los elementos de D y Ω se realza mnmzando la funcón objetvo, menos dos veces el logartmo de la funcón de verosmltud (l=- log(l), sendo L la funcón de verosmltud) medante el algortmo de Newton-Raphson N p 3 APLICACIÓN En este trabajo se presenta una aplcacón de la metodología para evaluar el comportamento del mercado laboral a partr de nformacón
8 García et al / Cuadernos del CIMBAGE Nº 4 (0) -6 7 sumnstrada por la Encuesta Permanente de Hogares (EPH) relevada por el INDEC La nformacón relatva a los dferentes aglomerados relevada medante esa encuesta ofrece mportantes ventajas para el análss empírco de varables regstradas en la msma En este trabajo, resulta de nterés la modelacón conjunta de las varables tasa de actvdad (ACT) y tasa de desocupacón (DES) en el período tercer trmestre de 006 hasta el cuarto trmestre de 008 La tasa de actvdad se defne como el cocente entre la poblacón económcamente actva (personas que trabajan y personas que buscan trabajo) y la poblacón total, mentras que la de desocupacón es el cocente entre la poblacón que busca trabajo y la económcamente actva Se agruparon algunos de los aglomerados de acuerdo al número de habtantes: Grupo A (los aglomerados con más de habtantes) consttudo por Cudad Autónoma de Buenos Ares, Partdos del Gran Buenos Ares, Gran Mendoza, Gran Tucumán- Tafí Vejo, Gran Córdoba, Gran La Plata, Gran Rosaro, Mar del Plata-Batán Grupo B (los aglomerados con menos de habtantes) consttudo por San Lus- El Chorrllo, Bahía Blanca-Cerr, Gran Paraná, Gran Santa Fe, Río Cuarto, San Ncolás-Vlla Consttucón, Comodoro Rvadava-Rada Tll y Ushuaa-Río Grande Las respuestas se smbolzan Y = tasa de actvdad e Y = tasa de desocupacón Resulta de nterés conocer cómo evolucona con el tempo la asocacón entre las varables ACT y DES, y cómo están asocadas las evolucones de esas varables Los perfles promedo de las varables se presentan en el sguente gráfco: Respuesta Tempo ACT DES Gráfco 3 Perfles promedo para las varables tasas de actvdad y de desocupacón
9 8 García et al /Cuadernos del CIMBAGE Nº 4 (0) -6 En el grafco se observa que la trayectora de ambas varables es lneal y presenta un comportamento smlar en el tempo Los gráfcos 3 y 33 muestran el comportamento de las varables en los grupos de aglomerados Grupo A Grupo B Respuesta Respuesta Tempo ACT DES Tempo ACT DES Gráfco 3 Perfles ndvduales para las varables tasas de actvdad y de desocupacón por grupo Grupo A Grupo B Respuesta Respuesta Tempo ACT DES Tempo ACT DES Gráfco 33 Perfles promedo para las varables tasas de actvdad y de desocupacón por grupo La evolucón de cada respuesta se modela como una funcón lneal del tempo, permtendo que la ordenada y la tasa de cambo dferan entre varables y grupos Se evaluaron tres modelos: con estructura de covaranca usando la notacón producto Kronecker (modelo ) y con covaranca nducda por los efectos aleatoros en dos formulacones, unvarada (modelo 3) y bvarada (modelo ) El modelo 3 consdera a las dos varables respuestas ndependentes La comparacón entre los modelos se realza usando el crtero de nformacón de Akake (AIC),
10 García et al / Cuadernos del CIMBAGE Nº 4 (0) -6 9 que penalza el logartmo de la verosmltud ( log Lˆ ) restando el número de parámetros de cada modelo (s), AIC = loglˆ + s Modelo El modelo utlzado para las tasas de actvdad y de desocupacón del aglomerado en la ocasón j tene la expresón, Grupo A Y β β t ε 0 = + + j j j Y β β t ε = + + j 0 j j ε d Se supone, e = ~ N 0 ( 0, Ω) ε Los parámetros del modelo representan,,β0,β β 0 0, 0 Grupo B Y β β t ε 0 = + + j j j Y β β t ε 0 = + +, β las ordenadas de las varables ACT y DES para cada grupo,β,β, β β las pendentes de las varables ACT y DES para cada grupo Se ajusta el modelo propuesto, usando el procedmento MIXED del software SAS, utlzando dos estructuras de covaranca para Ω: arbtrara (UN) para V y smetría compuesta y autorregresva para Σ, cuya notacón es Ω=UN@CS y Ω=UN@AR() A partr del valor del crtero de Akake (AIC) (73 vs 04), se elge la prmera cuya forma estmada es j j j
11 0 García et al /Cuadernos del CIMBAGE Nº 4 (0) -6 ρˆ ρˆ σˆ σˆ Ωˆ = Vˆ Σˆ = Y Y Y σˆ σˆ Y Y Y ρˆ ρˆ Ωˆ = ρˆ ρˆ ρˆ ρˆ ρˆ El modelo supone que las dos varables comparten una correlacón común entre las medcones repetdas dada por Σ y las correlacones σ Y Y entre las varables ρ* = son las msmas en cada ocasón σ σ Y Y Los datos no muestran una fuerte correlacón postva entre las varables en cada ocasón ρ ˆ * = 0 44 La correlacón entre dos medcones consecutvas para las varables ACT y DES es ρ ˆ = Los parámetros estmados y la sgnfcacón de los msmos se presentan en la Tabla 3 Parámetro Varable Grupo Estmacón t Student p=pr> t β 0 ACT A <000 β 0 ACT B <000 β 0 DES A <000 β 0 DES B <0000 β ACT A β ACT B β DES A <000 β DES B Tabla 3 Estmacón y sgnfcacón de los parámetros
12 García et al / Cuadernos del CIMBAGE Nº 4 (0) -6 En ambos grupos el cambo promedo de las varables decrece levemente con el tempo, excepto en el Grupo B, donde el cambo promedo de la tasa de actvdad ncrementa en el tempo El coefcente correspondente a la tasa de desocupacón para el Grupo A es el únco que resulta sgnfcatvo (p<000) Tanto la tasa de desocupacón como la de actvdad se mantenen estables en el perodo estudado De esto se nfere que los grandes aglomerados (Grupo A) tenen una dsmnucón en la tasa de desocupacón que no fue acompañada de una varacón de la tasa de actvdad Sn embargo, en los pequeños aglomerados ambas se mantuveron estables Se comprueba que las pendentes de cada varable para ambos grupos son las msmas Exste evdenca para rechazar esa hpótess ( χ OBS = 0, p=00063) Modelo Se plantea el msmo modelo anteror para la parte meda Para modelar la covaranca se ntroducen efectos aleatoros El vector de los efectos fjos descrbe la evolucón promedo de las varables y el vector de los efectos aleatoros descrbe cómo el perfl del aglomerado se desvía del perfl promedo El modelo utlzado para la tasa de actvdad y tasa de desocupacón del aglomerado en la ocasón j tene la expresón Y Y Grupo A Grupo B j = β0 + β tj + γ0 + γ tj + εj Yj = β0 + β tj + γ0 + γ tj + εj j = β0 + β tj + γ0 + γ tj + εj Yj β0 + β tj + γ0 + γ tj + εj 0 γ 0, γ, γ, γ son efectos aleatoros para cada varable =,
13 García et al /Cuadernos del CIMBAGE Nº 4 (0) -6 Se supone que e 0 γ ε d γ d = ~ N0( 0, R), γ ~ N (, ) = ε 4 0 D, R= σ I, γ 0 γ σ σ σ σ γ 0 γ 0 γ γ 0 γ0 γ 0 γ σ σ σ σ = γγ γ γγ0 γγ D 0 σ σ σ σ γ γ γ γ γ γ γ σ σ σ σ γγ 0 γγ γγ0 γ La evolucón de cada respuesta se modela como una funcón lneal del tempo medante un modelo cuya pendente refleja el cambo promedo de la varable en el tempo Se obtuvo la sguente estmacón de σ, σˆ = 907 La matrz de covaranca de los efectos aleatoros (D) muestra cómo la evolucón de la varable ACT está asocada con la evolucón de la varable DES Los valores de las correlacones obtendos a partr de la matrz D se resumen en la sguente tabla Se observa: Ordenada ACT Ordenada ACT Pendente ACT Pendente ACT -075 Ordenada DES Ordenada DES Pendente DES Pendente DES Tabla 3 Matrz de correlacones estmada del modelo Una alta correlacón negatva entre la ordenada y pendente de la tasa de actvdad, ρˆ = 0 75 Los aglomerados que al γ γ 0 comenzo del estudo tenen una tasa de actvdad alta presentan en el tempo fuertes dsmnucones de la tasa de actvdad promedo Una alta correlacón negatva entre la ordenada de la tasa de actvdad y la pendente de la tasa de desocupacón,
14 ρˆ García et al / Cuadernos del CIMBAGE Nº 4 (0) -6 3 γ γ 0 = 0869 Cuando la tasa de actvdad es alta al comenzo del estudo, en promedo la tasa de desocupacón tene un fuerte descenso en el tempo Una alta correlacón entre las pendentes de las dos varables ndca fuerte correlacón entre las evolucones de ambas varables Ordenada y pendente de desocupacón correlaconadas negatvamente, ρˆ = γ γ 0 La tabla sguente presenta la estmacón de los parámetros y la sgnfcacón de los msmos Parámetro Varable Grupo Estmacón t Student p=pr> t β 0 ACT A <000 β 0 ACT B <000 β 0 DES A <000 β 0 DES B <000 β ACT A β ACT B β DES A <000 β DES B Tabla 33 Estmacón y sgnfcacón de los parámetros El patrón de cambo promedo de ambas varables decrece con el tempo para los dos grupos de aglomerados excepto en el Grupo B, donde el cambo promedo de la tasa de actvdad aumenta Esos cambos resultan no sgnfcatvos salvo para la tasa de desocupacón del Grupo A Se realzan pruebas de hpótess para comprobar s exsten dferencas entre grupos y pendentes, consderando un nvel de sgnfcacón de 005 Se comprueba que la evolucón de las respuestas no tene el msmo comportamento en los dos grupos ( χ OBS = 76, p=0065) y, además, las dos varables del Grupo A no tenen el msmo comportamento ( χ = 540, p=000) OBS
15 4 García et al /Cuadernos del CIMBAGE Nº 4 (0) -6 Modelo 3 Se ajusta el modelo consderando que las dos varables respuestas están no correlaconadas El modelo y los supuestos expresados de una forma alternatva pero equvalente al anteror son Y Y e = X β + Z γ = X β + Z + γ e + e ~ N0(0, σ I 0 ) e ~ N0(0, σ I e e 0 γ ~ N( 0, D ) γ ~ N( 0, D ), donde los parámetros fueron defndos en () e [ ] ' ), y = Y,Y el vector de respuesta para el aglomerado =,,N sendo n =0 la dmensón de cada subsector En este modelo, cada aglomerado varía no sólo en su nvel de respuesta al comenzo del estudo sno tambén en térmnos de cambos de sus respuestas en el tempo La estmacón del msmo para cada grupo es Ŷ Ŷ AIC = 69 Grupo A Grupo B = t Ŷ = t = t Ŷ t =, La comparacón entre los modelos mxtos unvarado y bvarado (AIC=69 vs 556) muestra la ventaja de consderar una asocacón entre las dos varables Además, se puede observar que el modelo mxto fue mejor que el modelo que ncluye una estructura de smetría compuesta, modelada medante la notacón producto de Kronecker (AIC = 556 vs 73) El examen de resduos para comprobar el cumplmento de los supuestos muestra que el modelo mxto provee un ajuste adecuado del patrón de cambo de las respuestas en el tempo 4 CONSIDERACIONES FINALES En este trabajo, se consdera el problema de modelar la evolucón de varas varables respuestas en el tempo Se utlzan dos estrategas que
16 García et al / Cuadernos del CIMBAGE Nº 4 (0) -6 5 dferen en la caracterzacón de la estructura de covaranca Los modelos con estructura de covaranca producto Kronecker posbltan examnar las correlacones entre y dentro de las varables Sn embargo, presenta varas lmtacones: una correlacón común ntra varable para las dferentes varables y una correlacón constante ntra varable para varables meddas en la msma En la modelacón conjunta medante un modelo mxto multvarado, ambas trayectoras están vnculadas a través de la dstrbucón conjunta de los efectos aleatoros Los modelos con coefcentes aleatoros permten examnar correlacones entre las trayectoras de las varables en el tempo y obtener la evolucón de esas varables respuestas Con este enfoque, se pueden manejar datos no equespacados, varas varables respuestas y datos perddos En la aplcacón del ajuste de los modelos y su comparacón se puede conclur que: El modelo con estructura de covaranca producto Kronecker no muestra una fuerte correlacón postva entre las varables en cada ocasón, pero sí entre dos medcones consecutvas para ACT y DES Del análss se puede nferr que los grandes aglomerados tenen una dsmnucón en la tasa de desocupacón que no fue acompañada de una varacón de la tasa de actvdad Sn embargo, en los pequeños aglomerados ambas se mantenen estables El modelo mxto permte estmar la matrz de correlacones entre las pendentes ndvduales para cada varable y, de esta manera, determnar cómo la evolucón de la varable ACT está asocada con la evolucón de la DES Para estos datos se obtene una fuerte correlacón entre las evolucones de ambas varables Se observa que aquellos aglomerados con tasa de actvdad alta al comenzo del estudo presentan un patrón de cambo en la msma que dsmnuye en el tempo Además, cuando la tasa de actvdad es alta al comenzo del estudo, el cambo promedo de la tasa de desocupacón dsmnuye en el tempo Se comprueba que las dos varables en cada grupo tenen dferente comportamento Para este conjunto de datos el uso del modelo mxto resulta preferble a los otros modelos consderados
17 6 García et al /Cuadernos del CIMBAGE Nº 4 (0) -6 BIBLIOGRAFÍA Feuws, S; Verbeke, G (004) Jont modelng of multvarate longtudnal profles: ptfalls of the random-effects approach Statstcal n Medcne, vol 3, pp Galeck, A T (994) General class of covarance structures for two or more repeated factors n longtudnal data analyss Communcaton Statststcs-Theory Meth, vol 3, pp305-9 Lttell, R C; Mllken, GA; Stroup, WW; Wolfnger, RD (996) SAS System for Mxed Models, SAS Insttute, Cary, NC Nak, D R; Rao, S (00) Analyss of multvarate repeated Measures Data wth a Kronecker Product Structured Covarance Matrx Journal of Appled Statstcs, vol 8, pp9-05 SAS/IML Software: Usage and Reference Verson 6 (990) SAS Insttute Inc, Carry, NC Shah, A; Lard, N; Schoenfeld, D (997) A random-effects model for multple characterstcs wth possbly mssng data Journal of the Amercan Statstcal Assocaton, vol 9, pp775-9 Sy, J P; Taylor, J M; Cumberland, W G (997) A stochastc model for the analyss of bvarate longtudnal AIDS data Bometrcs, vol 53, pp54-55 Thébaut, R; Jacqmn-Gadda, H; Chêne, G; Leport, C; Commenges, D (00) Bvarate lnear mxed models usng SAS proc MIXED Computer Methods and Programmes n Bomedcne, vol 69, pp49-56
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más 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 detallesEVALUACIÓN DEL COMPORTAMIENTO DE LOS ESTIMADORES DE LOS PARÁMETROS DE UN MODELO NO LINEAL MIXTO. UNA COMPARACIÓN DE MÉTODOS DE ESTIMACIÓN
Chapella, Lucana Garca, María del Carmen Rapell, Cecla Castellana, Noela Koegel, Llana Insttuto de Investgacones Teórcas y Aplcadas, de la Escuela de Estadístca EVALUACIÓN DEL COMPORTAMIENTO DE LOS ESTIMADORES
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 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 detallesTrabajos. Uso de criterios de bondad de ajuste para seleccionar un modelo no lineal. Garcia, M.C. Rapelli, C.
Revsta FABICIB año 008 volumen PÁGS. 6 a 7 6 Trabajos Uso de crteros de bondad de ajuste para selecconar un modelo no lneal RECIBIDO: ACEPTADO: Garca, M.C. Rapell, C. Insttuto de Investgacones Teórcas
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 detallesEXPERIMENTOS ANIDADOS O JERARQUICOS NESTED
EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles
Más 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 detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesMETODOS DE ESTIMACION PARA DATOS LONGITUDINALES CON IN- FORMACIÓN FALTANTE
Octavas Jornadas "Investgacones en la Facultad" de Cencas Económcas y Estadístca, novembre de 2003 Garca, María del Carmen Blaconá, María Teresa Insttuto de Investgacones Teórcas y Aplcadas, de la Escuela
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 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 detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más 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 detallesTema 3: Procedimientos de Constrastación y Selección de Modelos
Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes
Más 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 detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
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 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 detallesFORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA
FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA TÍTULO DE LA PONENCIA: Heterogenedad en los perfles de ngreso y retornos a la educacón superor en el Perú AUTOR: Gustavo Yamada, Juan F. Castro y
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 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 detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
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 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 detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
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 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 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 detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesUniversitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia
Unverstas Scentarum ISS: 0-7483 revstascentfcasjaverana@gmal.com Pontfca Unversdad Javerana Colomba Aranda, Mosés; Molna, Fabo; Moreno, Vladmr EL PROBLEMA DEL CUMPLEAÑOS, UA GEERALIZACIÓ Unverstas Scentarum,
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesAlgunas aplicaciones del test del signo
43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.
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 detallesBoletín de la Tendencia Laboral del Desarrollo Humano
Boletín de la Tendenca Laboral del Desarrollo Humano Notas técncas AÑO 05 NÚMERO 6 PROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO MÉXICO Nota técnca Índce de Compettvdad Socal (cs) El cs es una medda
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009
METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal
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 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 detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detallesComparación de Tasas. Ejemplo StatFolio: comparerates.sgp
STATGRAPHICS Rev. 9/4/2006 Comparacón de Tasas Resumen El procedmento Comparacón de Tasas esta dseñado para comparar las tasas observadas de un evento entre muestras. Este realza una prueba de dspersón
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detallesCAPÍTULO 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 detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
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 detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesMidiendo la Asociación lineal entre dos variables
Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,
Más detallesMEMORIA TÉCNICA. Dinámica del agua en el suelo a través del contenido de humedad edáfica H Paoli y J Diez
MEMORIA TÉCNICA Dnámca del agua en el suelo a través del contendo de humedad edáfca H Paol y J Dez Análss estadístco: Lc. Ruben Cardoso 1. INTRODUCCIÓN El suelo es el recpente de donde las plantas extraen
Más detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
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 detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
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 detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesCyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.
CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesGERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que
Más detallesEstadistica No Parametrica
Estadstca No Parametrca CLASE 3 Pruebas Basadas en la Dstrbucon Bnomal JAIME MOSQUERA RESTREPO Bnomal Test La prueba bnomal es quzás la prueba mas antgua encontrada en al lteratura. Se encuentra asocada
Más detallesDpto. Física y Mecánica
Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesEl subestimado problema de la confusión residual. Héctor Lamadrid-Figueroa; Alejandra Montoya; Gustavo Ángeles
El subestmado problema de la confusón resdual Héctor Lamadrd-Fgueroa; Alejandra Montoya; Gustavo Ángeles El objetvo de la estmacón del efecto Establecer s exste una relacón causal entre una exposcón y
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 detallesTÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3
PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesRelación 2: Regresión Lineal.
Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el
Más detallesGUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia
GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal
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 detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:
Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).
Más detallesTema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales
Tema 9 Análss de la Varanza (ANOVA) Conceptos generales La técnca del Análss de la Varanza consste en descomponer la varabldad de una poblacón (representada por su varanza) en dversos sumandos según los
Más detallesDESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO
Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo
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 detallesCONTRASTES DE HIPÓTESIS EN DATOS DE PANEL
Contrastes de hpótess en datos de panel COTRASTES DE HIPÓTESIS E DATOS DE PAEL Cobacho Tornel Mª Belén Unversdad Poltécnca de Cartagena Bosch Moss Marano London School of Economcs RESUME Una de las prncpales
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesEspecialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesPRÁCTICA 11. AMPLIFICADOR OPERACIONAL I
PRÁCTICA 11. AMPLIFICADOR OPERACIONAL I 1. Objetvo El objetvo de esta práctca es el estudo del funconamento del amplfcador operaconal, en partcular de dos de sus montajes típcos que son como amplfcador
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 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 detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesEconomía 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
Más detallesCircuitos eléctricos en corriente continúa. Subcircuitos equivalentes Equivalentes en Serie Equivalentes en Paralelo Equivalentes de Thevenin y Norton
ema II Crcutos eléctrcos en corrente contnúa Indce Introduccón a los crcutos resstvos Ley de Ohm Leyes de Krchhoff Ley de correntes (LCK) Ley de voltajes (LVK) Defncones adconales Subcrcutos equvalentes
Más detallesAplicación de modelos multiniveles: meta análisis y meta regresión. Aplicación de modelos multinivel
Aplcacón de modelos multnveles: meta análss y meta regresón Shrkant I. Bangdwala, PhD Profesor ttular Departamento de Boestadístca Lma Peru 01 1 Aplcacón de modelos multnvel Podemos utlzar la metodología
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
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 detallesESTUDIOS LONGITUDINALES DE MEDIDAS REPETIDAS. MODELOS DE DISEÑO Y DE ANÁLISIS
Avances en Medcón, 5, 9 26 2007 ESTUDIOS LONGITUDINALES DE MEDIDAS REPETIDAS. MODELOS DE DISEÑO Y DE ANÁLISIS Resumen Jame Arnau Gras ** Unverstat de Barcelona, España Las estructuras de dseño, así como
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 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 detallesMetodología del Índice de Excedente Bruto Unitario de la Industria Exportadora (IEBU) 1
Metodología del Índce de Excedente Bruto Untaro de la Industra Exportadora (IEBU) 1 En forma general, el rato del Excedente Bruto de Explotacón por undad de costos para la ndustra exportadora para el período
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 detalles