Regresión Binomial Negativa
|
|
- Dolores Blázquez Rivas
- hace 7 años
- Vistas:
Transcripción
1 Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado relacona Y con una o más varables predctoras X, que pueden ser cuanttatvas o categórcas. El procedmento ajusta un modelo usando máxma verosmltud o mínmos cuadrados ponderados. La seleccón de varables por pasos es una opcón. Se realzan pruebas de razón de verosmltud para probar la sgnfcanca de los coefcentes del modelo. El modelo ajustado puede grafcarse y generarse predccones a partr del msmo. Se dentfcan y grafcan resduos atípcos. Este procedmento es smlar al procedmento Regresón Posson, excepto se permte que la varanza condconal de Y sea mayor que la meda. Así que es útl para conteos que están sobredspersos comparados con los de un proceso Posson. StatFolo de Ejemplo: Negbn reg.sgp Datos de Ejemplo El archvo crabs.sf6 contene un conjunto de datos de un estudo de cangrejos herradura, presentado por Agrest (2002). Los datos conssten de nformacón sobre n = 173 cangrejos herradura hembra. A contnuacón se muestra una parte de los datos: Satelltes Wdth Se desea relaconar el número de Satelltes (satéltes - cangrejos machos que resden cerca) con el Wdth (ancho) del caparazón de los cangrejos hembra by StatPont, Inc. Regresón Bnomal Negatva - 1
2 Ingreso de Datos La caja de dálogo del ngreso de datos solcta nformacón sobre las varables de entrada: Varable Dependente: varable numérca que contene los n valores de la varable dependente y. Y debe consstr de conteos enteros no negatvos. (Tamaños de Muestra): tamaño de muestra opconal t correspondente a cada cuenta. S no se especfca, todos los t se gualan a 1. Factores Cuanttatvos: columnas numércas que contenen los valores de cualesquera factores cuanttatvos a ser ncludos en el modelo. Factores Categórcos: columnas numércas o no numércas que contenen los nveles de cualesquera factores a ser ncludos en el modelo. Seleccón: seleccón de un subgrupo de datos. Modelo Estadístco El modelo estadístco asumdo para los datos es que los valores de la varable dependente Y sguen una dstrbucón bnomal negatva de la forma p ( Y ) Γ( Y + α ) α Y Γ( + 1) Γ( α ) α + μ = α 2006 by StatPont, Inc. Regresón Bnomal Negatva - 2 Y μ, μ > 0, α 0 (1) 1 α + μ
3 donde la meda μ es el producto de λ, la tasa a la cual ocurren los eventos, y el perodo de muestreo t de acuerdo con E(Y) = μ = λ t (2) La varanza de Y está dada por Var(Y) = μ + α μ 2 (3) S α = 0, dstrbucón bnomal negatva se reduce a la dstrbucón Posson. Se supone además que la tasa se relacona con las varables predctoras a través de una funcón de enlace log-lneal de la forma ( λ ) = β + β X + β X β X k k log 0 2 (4) Resumen del Análss El Resumen del Análss presenta una tabla que muestra el modelo estmado y las pruebas de sgnfcanca para los coefcentes del modelo. A contnuacón se muestra una salda típca: Regresón Bnomal Negatva - Satelltes Varable dependente: Satelltes Factores: Wdth Modelo Estmado de Regresón (Máxma Verosmltud) Error Razón de Momos Parámetro Estmado Estandar Estmada CONSTANTE Wdth Alpha Análss de Desvacón Fuente Desvacón Gl Valor-P Modelo Resduo Total (corr.) Porcentaje de desvacón explcado por el modelo = Porcentaje ajustado = Pruebas de Razón de Verosmltud Factor Ch-Cuadrada Gl Valor-P Wdth Alpha Análss de Resduos Estmacón n 173 CME MAE MAPE ME MPE Valdacón 2006 by StatPont, Inc. Regresón Bnomal Negatva - 3
4 La salda ncluye: STATGRAPHICS Rev. 4/25/2007 Resumen de los Datos: un resumen de los datos que fueron ngresados. Modelo Estmado de Regresón: estmacones de los coefcentes del modelo de regresón, con errores estándar y las razones de momos estmadas. Las razones de momos se calculan a partr de los coefcentes del modelo βˆ por medo de razón de momos = ( βˆ ) j j exp (5) La razón de momos representa el ncremento porcentual en el momo de los eventos por undad de ncremento en X. Análss de Desvacón: descomposcón de la desvacón de los datos en un componente explcado (Modelo) y un componente no explcado (Resduo). La Desvacón compara la funcón de verosmltud de un modelo con el valor más grande que puede alcanzar la funcón de verosmltud, de tal forma que un modelo perfecto tendría una desvacón gual a 0. Hay tres renglones en la tabla: 1. Total (corr.) la desvacón de un modelo que contene úncamente un térmno constante, δ(β 0 ). 2. Resduo la desvacón que queda después de haber ajustado el modelo. 3. Modelo la reduccón en la desvacón debda a las varables predctoras, δ(β 1,β 2,,β k β 0 ), gual a la dferenca entre los otros dos componentes. El Valor de P para el Modelo prueba s el añadr las varables predctoras reduce sgnfcatvamente la desvacón comparada con un modelo que contene sólo un térmno constante. Un Valor de P pequeño (menor de 0.05 s se trabaja con un nvel de sgnfcanca del 5%) ndca que el modelo ha reducdo sgnfcatvamente la desvacón y es así útl para predecr a Y. El Valor de P para el térmno Resduo prueba s hay una falta de ajuste sgnfcatva,.e., s puede haber un modelo mejor. Un Valor de P pequeño ndca que una desvacón sgnfcatva queda aún en los resduos, así que puede haber un mejor modelo. Porcentaje de Desvacón el porcentaje de desvacón explcada por el modelo, calculada por medo de ( β1, β 2,..., β k β 0 ) δ ( β ) 2 δ R = (6) 0 Es smlar a una estadístca R cuadrada en regresón múltple, en que va de 0% a 100%. Tambén se calcula una desvacón ajustada con R ( β1, β 2,..., β k β 0 ) δ ( β ) 2 δ 2 adj 0 p = (7) 2006 by StatPont, Inc. Regresón Bnomal Negatva - 4
5 donde p es gual al número de coefcentes en el modelo ajustado, ncluyendo al térmno constante. Es semejante a la estadístca R-cuadrada ajustada en que compensa el número de varables en el modelo. Pruebas de Razón de Verosmltud una prueba de sgnfcanca para cada efecto en el modelo ajustado, y para el parámetro bnomal negatvo α. Las pruebas para los efectos comparan la funcón de verosmltud del modelo completo con la del modelo en el cual sólo el efecto ndcado ha sdo removdo. Valores de P pequeños ndcan que el modelo ha mejorado sgnfcatvamente por el efecto correspondente. La prueba para α compara el modelo ajustado contra un modelo de regresón Posson, correspondente a α = 0. Un Valor de P pequeño para esa prueba ndca que los datos están sgnfcatvamente sobredspersos (la varanza es mayor que la meda). Análss de Resduos s un subgrupo de flas en la hoja de datos han sdo excludas del análss usando el campo Selecconar en la caja de dálogo de ngreso de datos, el modelo ajustado se usa para hacer predccones de los valores de Y para estas flas. Esta tabla muestra estadístcas sobre los errores de predccón, defndos por e = μˆ (8) y Se ncluyen el cuadrado medo del error (CME), el error absoluto medo (EAM), el error porcentual absoluto medo (EPAM), el error medo (EM), y el error porcentual medo (EPM). Estas estadístcas de valdacón pueden ser comparadas con las estadístcas del modelo ajustado para determnar qué tan ben el modelo predce las observacones fuera de los datos usados para ajustarlo. El modelo ajustado para los datos del ejemplo es ( Wdth) ˆ λ = exp + (9) La regresón explca un poco más del 8% de la desvacón de un modelo con sólo una constante. El Valor de P para Wdth es muy pequeño, ndcando que es un predctor sgnfcatvo de Satelltes. La meda y varanza de Satelltes están dadas por: ( Wdth) E( Satelltes) = ˆ μ = exp (10) ( ˆ μ ) Var ( Satelltes) = ˆ μ + (11) Además, el Valor de P para Alpha es muy pequeño, ndcando que hay sobredspersón sgnfcatva, así que un modelo Posson no sería apropado para estos datos by StatPont, Inc. Regresón Bnomal Negatva - 5
6 Opcones de Análss Modelo: orden del modelo a ser ajustado. Los modelos de prmer orden ncluyen solo efectos prncpales. Los modelos de segundo orden ncluyen efectos cuadrátcos para los factores cuanttatvos e nteraccones de dos factores entre todas las varables. Inclur Constante: S no se marca esta opcón, el térmno constante β 0 será omtdo del modelo. Ajustar: especfca s todas las varables ndependentes especfcadas en caja de dálogo del ngreso de datos deben ser ncludas en el modelo fnal, o s se debe aplcar una seleccón por pasos de las varables. La seleccón por pasos ntenta encontrar un modelo parsmonoso que contenga sólo varables sgnfcatvas estadístcamente. Un ajuste por Pasos haca Adelante comenza sn varables en el modelo. Un ajuste por Pasos haca Atrás comenza con todas las varables en el modelo. P-para-Introducr - En un ajuste por pasos, las varables entrarán al modelo en un paso dado s sus valores de P son menores o guales al valor especfcado de P-para-Introducr. P-para-Elmnar - En un ajuste por pasos, las varables serán removdas del modelo en un paso dado s sus valores de P son mayores que el valor especfcado de P-para-Elmnar. Pasos Max: máxmo número de pasos permtdos cuando se lleva a cabo un ajuste por pasos. Mostrar: s se muestran los resultados en cada paso cuando se lleva a cabo un ajuste por pasos. Exclur: Presone este botón para exclur efectos del modelo. Se mostrará una caja de dálogo: 2006 by StatPont, Inc. Regresón Bnomal Negatva - 6
7 Haga doble clc sobre un efecto para moverlo del campo Inclur al campo Exclur o para regresarlo. Gráfca del Modelo Ajustado El Gráfca del Modelo Ajustado muestra la tasa meda estmada ˆ λ ( X ) versus cualquer varable predctora, mantenendo constantes las otras varables. 15 Gráfca del Modelo Ajustado con ntervalos de confanza del 95.0% 12 Satelltes Wdth Se ncluyen en el gráfco los límtes de confanza para λ(x). El número medo estmado de satéltes (Satelltes) aumenta de un bajo número de aproxmadamente 1 en anchos (Wdth) pequeños a más de una docena en anchos grandes by StatPont, Inc. Regresón Bnomal Negatva - 7
8 Opcones de Ventana STATGRAPHICS Rev. 4/25/2007 Factor: seleccona el factor a grafcar en el eje horzontal. Bajo y Alto: especfca el rango de valores para el factor selecconado. Mantener: valores en los que se mantendrán fjos los factores no selecconados. Nvel de Confanza: porcentaje usado para los límtes de confanza. Poner en 0 para omtr los límtes by StatPont, Inc. Regresón Bnomal Negatva - 8
9 Observados Versus Predchos El gráfco Observados versus Predchos muestra los valores observados de Y en el eje vertcal y los valores medos predchos μˆ en el eje horzontal. 15 Gráfca de Satelltes 12 observado predcho S el modelo ajusta ben, los puntos deben estar esparcdos aleatoramente alrededor de la línea dagonal. Predccones El modelo de regresón ajustado puede usarse para predecr el resultado de nuevas muestras cuyas varables predctoras son dadas. Por ejemplo, suponga que se desea una predccón para un cangrejo con Wdth = Se puede agregar una nueva fla a la hoja de datos con 30.3 en la columna Wdth, pero la entrada para Satelltes se dejaría en blanco. La ventana de Predccones mostraría entonces: Predccones para Satelltes Observado Ajustado LC Inferor 95.0% LC Superor 95.0% Fla para Predccón para Predccón La tabla muestra el valor ajustado μˆ, junto con ntervalos de confanza aproxmados del 95% by StatPont, Inc. Regresón Bnomal Negatva - 9
10 Opcones de Ventana STATGRAPHICS Rev. 4/25/2007 Mostrar: muestra Todos los Valores (predccones para todas las flas en la hoja de datos), o Sólo Pronóstcos (predccones para las flas con valores faltantes para Y). Nvel de Confanza: porcentaje usado para los ntervalos de confanza. Intervalos de Confanza La ventana Intervalos de Confanza muestra el error de estmacón potencal asocado con cada coefcente en el modelo, así como para las razones de tasas. Intervalos de confanza del 95.0% para los estmados de los coefcentes Error Parámetro Estmado Estándar Límte Inferor Límte Superor CONSTANTE Wdth Intervalos de confanza del 95.0% para la razón de tasas Parámetro Estmado Límte Inferor Límte Superor Wdth Opcones de Ventana Nvel de Confanza: nvel porcentual para los ntervalos de confanza by StatPont, Inc. Regresón Bnomal Negatva - 10
11 Matrz de Correlacón La Matrz de Correlacón muestra estmacones de la correlacón entre los coefcentes estmados. Matrz de correlacón para los coefcentes estmados CONSTANTE Wdth CONSTANTE Wdth Esta tabla puede ser útl para determnar que tan ben se han separado unos de otros los efectos de las varables ndependentes. Resduos Atípcos Una vez que el modelo ha sdo ajustado, es útl estudar los resduos para determnar s exste algún valor atípco que debera ser removdo de los datos. La ventana Resduos Atípcos lsta todas las observacones que tenen resduos grandes atípcos. Resduos Atípcos para Satelltes Y Resduo Resduo de Fla Y Predcha Resduo Pearson Desvacón La tabla muestra: Fla el número de fla en la hoja de datos. Y el valor observado de Y. Y Predcha el valor ajustado μˆ. Resduo la dferenca entre los valores observado y predco, defndo por e = μˆ (12) y Resduo de Pearson un resduo estandarzado en el cual cada resduo es dvdo entre una estmacón de su error estándar: e = (13) ˆ μ ( 1+ ˆ α ˆ μ ) r 2006 by StatPont, Inc. Regresón Bnomal Negatva - 11
12 Resduo de Desvacón un resduo que mde la contrbucón de cada observacón a la desvacón de los resduos: ( y + ˆ α ) ln[ ( y + ˆ α )/( ˆ μ + ˆ α )] y d = sgn( r ) 2 y ln (14) ˆ μ La suma de los resduos de desvacón cuadrados es gual a la desvacón en el renglón de Resduos en la tabla del análss de desvacón. La tabla ncluye todas las flas para las cuales el valor absoluto del resdual de Pearson es mayor que 2.0. El presente ejemplo muestra 9 resduos que exceden 2.5, 2 de los cuales exceden 3.0. Gráfcas de Resduos Al gual que con todos los modelos estadístcos, es una buena práctca examnar los resduos. El procedmento Regresón Bnomal Negatva ncluye varos tpos de gráfcas de resduos, dependendo de las Opcones de Ventana. Gráfco de Dspersón versus Valor Predcho Este gráfco es útl para examnar resduos muy grandes. 5.1 Gráfca de Resduos Resduos de desvacón predcho Satelltes Autocorrelacones entre Resduos Este gráfco calcula la autocorrelacón entre resduos como una funcón del número de flas entre ellos en la hoja de datos by StatPont, Inc. Regresón Bnomal Negatva - 12
13 Autocorrelacones Resduales para Satelltes autocorrelacón retraso Esto sólo es relevante s los datos se colectaron secuencalmente. Cualquer barra extendéndose más allá de los límtes de probabldad ndcaría dependenca sgnfcatva entre resduos separados por el retraso ndcado. Opcones de Ventana Gráfco: el tpo de resduos a grafcar: 1. Resduos los valores observados menos los ajustados. 2. Resduos Pearson los resduos dvddos entre sus errores estándar estmados. 3. Resduos de Desvacón resduos escalados de tal forma que la suma de sus cuadrados es gual a la desvacón de los resduos by StatPont, Inc. Regresón Bnomal Negatva - 13
14 Tpo: el tpo del gráfco a crear. Se usa un Dagrama de Dspersón para probar curvatura. Se emplea una Gráfca de Probabldad Normal para determnar s los resduos del modelo provenen de una dstrbucón normal (no se espera normaldad en este procedmento). Se usa una Funcón de Autocorrelacón para probar dependenca entre resduos consecutvos. Grafcar Versus: para un Dagrama de Dspersón, la cantdad a grafcar en el eje horzontal. Número de Retrasos: para una Funcón de Autocorrelacón, el máxmo número de retrasos. Para grupos pequeños de datos, el número de retrasos grafcados puede ser menor que este valor. Nvel de Confanza: para una Funcón de Autocorrelacón, el nvel usado para crear los límtes de probabldad. Puntos Influyentes Cuando se ajusta un modelo de regresón, no todas las observacones tenen la msma nfluenca en la estmacón de los parámetros del modelo ajustado. Aquellos con valores atípcos de las varables ndependentes tenden a tener mayor nfluenca que los otros. La ventana Puntos Influyentes presenta cualquer observacón que tenga gran nfluenca en el modelo ajustado: Puntos Influyentes para Satelltes Fla Leverage Leverage promedo de un solo punto = La tabla muestra todos los puntos con punto leverage alto. El punto leverage es una estadístca que mde cuán dstante está una observacón de la meda de las n observacones en el espaco de las varables ndependentes. Entre más grande el punto leverage, mayor el mpacto del punto en los valore ajustados ŷ. Los puntos son colocados en la lsta s su leverage es mayor de tres veces el de un punto promedo La observacón con el punto leverage más alto en los datos de ejemplo es la de la fla #141. Es más de 30 veces el leverage promedo, lo que sgnfca que tene una mayor nfluenca en el ajuste by StatPont, Inc. Regresón Bnomal Negatva - 14
15 Salvar Resultados Se pueden salvar los sguentes resultados en la hoja de datos: STATGRAPHICS Rev. 4/25/ Valores Predchos los valores ajustados λˆ t correspondentes a cada fla de la hoja de datos. 2. Límtes Inferores los límtes nferores de confanza para λˆ t. 3. Límtes Superores los límtes superores de confanza para λˆ t. 4. Resduos los resduos ordnaros. 5. Resduos Pearson los resduos estandarzados de Pearson. 6. Resduos de Desvacón los resduos de desvacón. 7. Leverages los puntos leverage para cada fla. Cálculos Sea μ = la meda estmada para los valores de las varables predctoras en la fla. Funcón de Verosmltud L Γ( y + α ) ( y + 1) Γ( α ) α n = α Γ + 1 = 1 α μ α μ + μ y para μ > 0, α 0 (15) Desvacón n ˆ y 1 y + α δ ( β α) = y ln ( y + α ) ln (16) = 1 ˆ μ ˆ μ + α Punto Leverage h { X ( X WX ) X } w = dag (17) p h = (18) n 2006 by StatPont, Inc. Regresón Bnomal Negatva - 15
Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
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 detallesRegresión Múltiple. Muestra StatFolio: multiple reg.sgp
Regresón Múltple Resumen El procedmento de Regresón Múltple está dseñado para construr un modelo estadístco descrbendo el mpacto de dos o más factores cuanttatvos X sobre una varable dependente Y. El procedmento
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 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 detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
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 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 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 detallesDiseño 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
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 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 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 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 detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
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 detallesUNIVERSIDAD 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
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
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 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 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 detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
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 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 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 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 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 detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
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 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 detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detalles7ª SESIÓN: Medidas de concentración
Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr
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 detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesCapítulo 12 CONTRASTES NO PARAMÉTRICOS
Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.
Más detallesRegresión lineal en química analítica
Regresón lneal en uímca analítca Alejandro C. Olver Departamento de Químca Analítca, Facultad de Cencas Bouímcas y Farmacéutcas, Unversdad Naconal de Rosaro, Supacha 5, Rosaro (S00LRK), Argentna. E-mal:
Más detalles4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.
4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
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 detallesComplementos al ABC: efectos dinámicos
Complementos al ABC: efectos dnámcos CAF - CEPAL P. Rozas & J. Rvera Buenos Ares, juno de 2008 Varables y fuentes de nformacón Encuesta de Hogares de dversos años de los países en estudo.- Bolva: Encuesta
Más detallesCAPÍTULO 3 DIAGNÓSTICOS DE REGRESIÓN
CAPÍTULO 3 DIAGNÓSTICOS DE REGRESIÓN Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson 1 3.1 Outlers, puntos de leverage
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
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 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 detallesCÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN COLOMBIA *
CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN * INTRODUCCIÓN Helmuth Yesd Aras Gómez ** Álvaro Hernando Chaves Castro *** El efecto de la educacón sobre el desarrollo económco tradconalmente
Más detallesAnálisis de Varianza no paramétricos
Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:
Más detalles1 x 11 x 12... x 1p y 1 2 x 21 x 22... x 2p y 2 : n x n1 x n2... x np y n
4. Análss de regresón lneal múltle En caítulos anterores tratamos el análss de regresón smle que trata de relaconar una varable exlcatva cuanttatva con una varable resuesta cuanttatva. Todos los elementos
Más detallesANÁLISIS EXPLORATORIO DE DATOS
ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesPORTAFOLIO DE TRES ACTIVOS FINANCIEROS
PORTAFOLIO DE TRES ACTIVOS FINANCIEROS Contendo:. Introduccón.. Fondos Mutuos. Rendmento y Resgo.. Parámetros estadístcos de un Portafolo de Tres Actvos. a) El Retorno de un Portafolo. b) El Resgo de un
Más detallesMÉTODOS 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
Más detallesPREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )
TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detallesRegresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy
Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema
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 detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesIncentivos económicos de las empresas a participar en acuerdos ambientales voluntarios: análisis del Programa de Industria Limpia
Gaceta de Economía Año 16, Número Especal, Tomo I Incentvos económcos de las empresas a partcpar en acuerdos ambentales voluntaros: análss del Programa de Industra Lmpa Vcente Ruíz 1, Marsol Rvera-Planter
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesCAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS
CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos
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 detallesDocumento de Trabajo No. 04/07 Junio Análisis de la Fertilidad a partir de las Encuestas de Hogares por Luis Fernando Lima
Documento de Trabajo No. 04/07 Juno 2007 Análss de la Fertldad a partr de las Encuestas de Hogares 1999-2004 por Lus Fernando Lma Análss de la Fertldad a partr de las Encuestas de Hogares 1999-2004 Resumen
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA.
ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. SEGUNDA PARTE. (TRABAJO PRESENTADO EN EL CONGRESO DE LA SOCIEDAD ARGENTINA DE ESTADISTICA)
Más detallesPROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)
ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón
Más detalles4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es
4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA
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 detallesEpidat 4: Ayuda de Regresión logística. Octubre REGRESIÓN LOGÍSTICA.
Epdat 4: Ayuda de Regresón logístca. Octubre 014. REGRESIÓN LOGÍSTICA Epdat 4: Ayuda de Regresón logístca. Octubre 014. ÍNDICE 11.0. Conceptos generales... 3 11.1. El modelo logístco... 4 11.. Cocente
Más detallesPRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)
SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero
Más detallesJordi Esteve Comas. Monográfico sobre inestabilidad financiera.
Jord Esteve Comas Cclos, tendencas y estaconaldad en la bolsa española Monográfco sobre nestabldad fnancera. Quaderns de Polítca Econòmca. Revsta electrònca. 2ª época. Vol. 10, Mayo -Agosto 2005 Edta:
Más detallesDETERMINANTES DE FRAGILIDAD EN LAS EMPRESAS COLOMBIANAS. Oscar Martínez A. *
DETERMINANTES DE FRAGILIDAD EN LAS EMPRESAS COLOMBIANAS Oscar Martínez A. * Banco de la Repúblca, Colomba omartam@banrep.gov.co Resumen Una de las mayores amenazas para toda empresa es caer en un estado
Más detallesEstimación de la Demanda: Pronósticos
UNIVERSIDAD SIMON BOLIVAR Estmacón de la Demanda: Pronóstcos PS-4161 Gestón de la Produccón I 1 Bblografía Recomendada Título: Dreccón de la Produccón: Decsones Estratégcas. Capítulo 4: Prevsón Autores:
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 detallesCapítulo III Medidas de posición y de dispersión
Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento
Más detallesLIBRO DE PRÁCTICAS DEL SEGUNDO SEMESTRE ESTADISTICA II CURSO 2009 CONTENIDO
LIBRO DE PRÁCTICAS DEL SEGUNDO SEMESTRE ESTADISTICA II CURSO 009 CONTENIDO PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES... PRÁCTICA 0: ESTIMACIÓN PUNTUAL... 5 PRÁCTICA : ESTIMACIÓN POR INTERVALO...
Más detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesComparación 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
Más detallesOPERACIONES 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
Más detallesCORRELACION Y REGRESION
CORRELACION Y REGREION 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 detallesPrograma de Asesor Financiero (PAF) Nivel I
Programa de Asesor Fnancero (PAF) Nvel I MÓDULO 1_Fundamentos de la Inversón SOLUCIÓN_CUESTIONARIOS DEL LIBRO Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO Capítulo 4: TIPOS DE INTERÉS Y RENTABILIDAD Capítulo
Más detallesEQUILIBRIO LÍQUIDO VAPOR EN UN SISTEMA NO IDEAL
EQUILIBRIO LÍQUIDO VAPOR EN UN SISTEMA NO IDEAL OBJETIVO El alumno obtendrá el punto azeotrópco para el sstema acetona-cloroformo, calculará los coefcentes de actvdad de cada componente a las composcones
Más detalles4. PROBABILIDAD CONDICIONAL
. ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra
Más detallesCAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL
CAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL La estadístca descrptva en su uncón básca de reducr datos, propone una sere de ndcadores que permten tener una percepcón rápda de lo que ocurre en un enómeno. La
Más detallesMATERIAL 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
Más detallesC I R C U L A R N 2.133
Montevdeo, 17 de Enero de 2013 C I R C U L A R N 2.133 Ref: Insttucones de Intermedacón Fnancera - Responsabldad patrmonal neta mínma - Susttucón de la Dsposcón Transtora del art. 154 y de los arts. 158,
Más detallesUNIDAD 4. PRESUPUESTO DE VENTAS.
UNIDAD 4. PRESUPUESTO DE VENTAS. OBJETIVOS. 1. Dar a entender al estudante la mportanca prmordal del presupuesto de ngresos dentro de una empresa u organzacón. 2. Enseñar lo que realmente comprende un
Más detallesAnál de ere temporale Fernando Berzal, berzal@acm.org Anál de ere temporale Caracterítca de la ere temporale Vualzacón de ere temporale Fltrado de ere temporale Meda móvle Suavzado exponencal Técnca de
Más detallesGANTT, PERT y CPM INDICE
GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4
Más detallesLA RELACIÓN ENTRE EL DESARROLLO DE LA CUERNA DEL CORZO Y SU DENSIDAD ÓSEA SEGÚN LA EDAD, LA MORFOLOGÍA Y LA GENÉTICA
X Congreso Galego de Estatístca e nvestgacón de Operacóns Ourense, de novembro de 9 LA RELACÓN ENTRE EL DESARROLLO DE LA CUERNA DEL CORZO Y SU DENSDAD ÓSEA SEGÚN LA EDAD, LA MORFOLOGÍA Y LA GENÉTCA Raml
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 detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detalles