Espacialidad y sus retos
|
|
- José Plaza Rivero
- hace 7 años
- Vistas:
Transcripción
1 Espacialidad y sus retos Daniel A. Rodríguez, Ph.D. University of North Carolina, Chapel Hill danrod@unc.edu Resumen de temas Introducción a la autocorrelación espacial Diagnóstico Visual (variograma, rezagos residuales) Estadístico (I de Moran, C de Geary, Multiplicadores de Lagrange) Opciones para incorporar autocorrelación espacial Modelo de error espacial Modelo de rezago espacial 1
2 Relaciones espaciales Primera ley de la geografía de Tobler Observaciones que están más cercanas (en el espacio) son más parecidos entre si, que observaciones que están más alejadas Fuente: Wilson 2008 Autocorrelación espacial Definición formal Observaciones exhiben autocorrelación espacial si sabiendo el valor de un parámetro de interés en un sitio permite la predicción del mismo parámetro en otro sitio Necesitamos información sobre la localización de nuestras observaciones Geografía importa! 2
3 Por qué ocurre? 1. Dependencia espacial Correlación espacial Lo que explica una observación (la causa) en algún sitio, también explica observaciones en sitios contiguos Estatus socio-económico, cobertura policial y seguridad Por qué ocurre? Causalidad espacial Algo un algún sitio causa o explica observaciones contiguas Falta de mantenimiento y seguridad Solución: estimar modelos que tengan esto en cuenta 3
4 Por qué ocurre? 2. Interacción espacial Cambio de régimen en el espacio (promedio y dispersión varían) Movimiento de información, personas o bienes explican el fenómeno Apertura de líneas de transporte masivo y seguridad Mercado inmobiliario cambia por barrio Solución: Utilizar variables tipo dummy para estabilizar el proceso Ejemplos Seguridad Precios del suelo Calidad de la vivienda Concentración de la pobreza Demanda por vivienda específica De interés social, de lujo, o nueva Calidad ambiental y polución Muestras de aire y agua 4
5 Cuál es la consecuencia de la dependencia espacial de datos? Supuestos de regresión lineal sobre error Está distribuido normalmente y es homoskedástico Se supone que está distribuido normalmente por el teorema del limite central (porque la variable dependiente Y viene de una muestra aleatoria, y el error no está relacionado con ninguna variable independiente) Puede generar sesgo en los parámetros (debido a la falta de independencia) y errores estándares pequeños (heteroskedasticidad) Reduce tamaño efectivo de la muestra Ejemplos teóricos Fuente: Layne, tomado de Wilson
6 Opciones prácticas Controlar por el efecto que genera la autocorrelación espacial Econometría espacial Evitarlo Diseño muestral Resumen de temas Introducción a la autocorrelación espacial Diagnóstico Visual (variograma, rezagos residuales) Estadístico (I de Moran, C de Geary, Multiplicadores de Lagrange) Opciones para incorporar autocorrelación espacial Modelo de error espacial Modelo de rezago espacial 6
7 Cómo se diagnostica? Visualmente, inspeccionando residuales Variograma Gráficas de residuos contra los propios datos pero desplazados (o rezagados) en el espacio Tests estadísticos de los residuales I de Moran Tests de multiplicadores de Lagrange (LM) robustos Variograma Se calcula para los residuales de una regresión lineal (Y-Y hat ) También se puede calcular para la variable dependiente (Y) y variables independientes (X) si se quiere como método descriptivo Para un rango del rezago h, el variograma se define como la diferencia media cuadrada de los valores que tienen una separación dentro de ese rango 7
8 Rezagos espaciales Un rezago espacial es una variable que promedia los valores de observaciones vecinas Valor de cada vecina es multiplicado por un peso y el producto sumado El rango h en el variograma define cuales observaciones vecinas se tienen en cuenta Matriz de proximidad Es una función que define como están distanciados espacialmente los datos Clave para la estimación de rezagos espaciales Suponga que tiene 6 observaciones, y sabe sus localizaciones en el espacio (lat y long) La manera mas sencilla de mostrar distancias es con una tabla de 6 x 6 (también llamada matriz) 8
9 Matriz de proximidad ID Resume 30 pares de puntos (6 x 5) Distancia entre una observación y ella misma es 0 Es una tabla o matriz simétrica Se usa para construir los rezagos Matriz de proximidad ID Definamos rezagos h (arbitrarios), y contemos cuantos pares hay para cada h h # de pares
10 Variograma Para un rango de rezago h, el variograma se define como la diferencia media cuadrada de los valores que están separados en ese rango Usualmente para valores estandarizados (normal estándar) h # de pares Promedio de diferencias Variograma Se grafica h (eje X) contra el promedio de diferencias (eje Y) Variograma empirical del residuales Umbral o sill Valor Gama RANGO Distancia (km) 10
11 Variograma otro ejemplo Fuente: SAS Gráficas de residuales Recorderis: Gráficas de residuos vs. Xs para detectar heteroskedasticidad Sugerencia es similar aquí utilizar residuales para diagnosticar problema Residuales vs. residuales rezagados Es decir graficar el valor de cada residual i vs. un valor promedio de residuales vecinos 11
12 Ejemplo: grafica de residuales Matriz de contigüidad ID Matriz de contigüidad Definamos con un 1 los rezagos si los vecinos están a una distancia h de 3km o menos, o sino 0 12
13 Matriz de contigüidad ID Definamos con un 1 los rezagos si los vecinos están a una distancia h de 7km o menos, o sino 0 Matriz de contigüidad Hay otras maneras de definir contigüidad 1/Distancia ID
14 Matriz de contigüidad Hay otras maneras de definir contigüidad 1/Distancia 2 ID Matriz de contigüidad Hay otras maneras de definir contigüidad K-vecinos mas cercanos ID
15 Grafica de residuales Normal estandar de los residuales Matriz de contiguidad, banda de 7km Matriz de contiguidad estandarizada, banda de 7km Objetivo: crear rezago de residuales, con la matriz de contigüidad estandarizada y los residuales Multiplicar cada residual i por la fila i de la matriz de contigüidad estandarizada Normal estandar de los residuales Grafica de residuales Matriz de contiguidad estandarizada, banda de 7km Para observación 1: * * * * * *0 = 0 15
16 Normal estandar de los residuales Grafica de residuales Matriz de contiguidad estandarizada, banda de 7km Observación 2: * * * * * *0.33 = Grafica de residuales Normal estandar de los residuales Matriz de contiguidad estandarizada, banda de 7km Observación 3: * * * * * *0.33 =
17 Grafica de residuales Ejemplo: grafica de residuales 17
18 Ejemplo: grafica de residuales Repetir mismo ejercicio pero con un rezago de banda de 5km Matriz de contiguidad estandarizada, banda de 5km 18
19 Resumen de temas Introducción a la autocorrelación espacial Diagnóstico Visual (variograma, rezagos residuales) Estadístico (I de Moran, C de Geary, Multiplicadores de Lagrange) Opciones para incorporar autocorrelación espacial Modelo de error espacial Modelo de rezago espacial Tests estadísticos para diagnosticar autocorrelación espacial I de Moran para los residuales Valores entre 1 y -1 1 significa autocorrelación positiva Valores cercanos similares -1 significa autocorrelación negativa Valores lejanos similares 0 significa que no hay autocorrelación 19
20 Tests estadísticos para diagnosticar autocorrelación espacial I de Moran para los residuales Tests global de autocorrelación Calculado con software (stata, SAS, GeoDa, Matlab) Significancia estadística determinada en relación a una distribución aleatoria hipotética Qué tan desviada está nuestra muestra en comparación a una que no tiene autocorrelación espacial? Fotheringham, A. S., C. Brunsdon, and M. Charlton Quantitative Geography: Perspectives on Spatial Data Analysis. London, UK: Sage. Tests estadísticos para diagnosticar autocorrelación espacial C de Geary para los residuales Valores entre 0 y 2 1 significa que no hay autocorrelación espacial Mayor que 1 indica autocorrelación positiva Menor que 1 indica autocorrelación negativa Geary, R The contiguity ratio and statistical mapping. The Incorporated Statistician 5:
21 Tests estadísticos para diagnosticar autocorrelación espacial Tests de multiplicadores de Lagrange Robustos y no robustos Sugiero utilización de los tests robustos En Stata, GeoDA, R Determinan qué tipo de ecuación espacial se debe utilizar Anselin, L., A. K. Bera, R. Florax, and M. J. Yoon Simple diagnostic tests for spatial dependence. Regional Science and Urban Economics 26: Resumen de temas Introducción a la autocorrelación espacial Diagnóstico Visual (variograma, rezagos residuales) Estadístico (I de Moran, C de Geary, Multiplicadores de Lagrange) Opciones para incorporar autocorrelación espacial Modelo de error espacial Modelo de rezago espacial 21
22 Pasos a seguir Estimar modelo mínimos cuadrados Diagnosticar multicolinealidad, heteroskedasticidad y dependencia espacial Si es necesario, usar econometria espacial Pasos para diagnosticar y remediar autocorrelación espacial Fuente: GeoDA Workbook 22
23 Ejemplo Información de ciudad de Columbus, Ohio Seguridad f(ingresos y valor de propiedad) Seguridad (hurtos vehiculares y robos a viviendas por 1000 residentes) Diagnóstico de residuales Pedazo de matriz de contigüidad, estandarizada 23
24 Ejemplo Descripción espacial de variables Ejemplo Diagnóstico de autocorrelación 24
25 Si hay autocorrelación, qué hacer? Dos posibilidades Modelo de error espacial Modelo de rezago espacial Modelo de error espacial W es una matriz espacial de pesos (o de contigüidad, estandarizada) Error f(error vecinos) Implica que el error estándar estimado es mas bajo de lo que realmente es Sesgo a mostrar significancia, cuando no la hay 25
26 Modelo de rezago espacial W es una matriz espacial de pesos (o de contigüidad, estandarizada) Implicaciones Posible sesgo en coeficientes estimados (en cualquier dirección no se sabe a priori) El error estándar estimado puede ser mas bajo de lo que realmente es (sesgo a mostrar significancia, cuando no la hay) De nuevo el ejemplo de la seguridad en Columbus Diagnóstico de autocorrelación 26
27 Ejemplo Ejemplo -comparación 27
28 Ejemplo --Bogotá Examinar efecto de expansiones del BRT en propiedades que ya tenían acceso al BRT Efecto de red, o indirecto Economía urbana sugiere que las mejoras en accesibilidad se capitalizan en el valor del suelo Efectos de red 28
29 Bogotá Troncal, Fase 1 (12/99) Transmilenio: Avenida Caracas Fuente: TransMilenio S.A. Bogotá Troncal, Fase 2 Av. Americas (02/03) Transmilenio: Avenida de Las Americas Fuente: TransMilenio S.A. 29
30 Datos Incluir propiedades residenciales a 1 km del troncal 2,976 propiedades residenciales en venta entre 2000 & 2006 Variable dependiente, precio al que se ofrece Variables independientes de interés Con servicio de troncal a 1km? Seis variables dummy: Atributos Estructurales Atributos de Vecindarios Año de venta (variables dummy, 01-06) = 1 si predio tenía troncal antes de 2003 y fue anunciado en el año 200X Controles = 0 si no 30
31 Datos Incluir propiedades residenciales a 1 km del troncal 2,976 propiedades residenciales en venta entre 2000 & 2006 Variable dependiente, precio al que se ofrece Resultados OJO: Hacer doble click en tabla para mirarla en WORD 31
32 Anuncio extension Inauguración extension Anuncio extension Inauguración extension 32
33 Libros recomendados Anselin, L Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic. Bivand, R.S., E.J. Pebesma, and V. Gómez-Rubio Applied spatial data analysis with R. New York, NY: Springer. 33
Curso: MODELOS ECONOMÉTRICOS ESPACIALES DE CORTE TRANSVERSAL Y DATOS DE PANEL
Curso: MODELOS ECONOMÉTRICOS ESPACIALES DE CORTE TRANSVERSAL Y DATOS DE PANEL Coro Chasco Yrigoyen Profesora de Economía Aplicada Directora del Grupo de Investigación ECONRES Universidad Autónoma de Madrid
Más detallesDr. Fidel Ulin Montejo M.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto 2004 Fecha de última actualización: Julio 2010
PROGRAMA DE ESTUDIO Análisis de Regresión Programa Educativo: Licenciatura en Actuaría Área de Formación : Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos:
Más detallesDiplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López
Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesCoordenadas Principales de Matrices de Proximidad (Principal Coordinates of Neighbor Matrices) PCNM
Coordenadas Principales de Matrices de Proximidad (Principal Coordinates of Neighbor Matrices) PCNM Implementación de PCNM en QEco La rutina de Coordenadas Principales de Matrices de Proximidad (PCNM)
Más detallesEstadística Inferencial. Sesión 11. Regresión y correlación múltiple
Estadística Inferencial Sesión 11. Regresión y correlación múltiple Contextualización En la sesión anterior se presentó la regresión lineal simple y se mostró su uso en la obtención de una ecuación de
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesExamen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida.
Examen de Grado Sección de Econometría Agosto 2015 Pregunta 1. (40 puntos). Suponga que estamos interesados en determinar cuáles características del colegio y/o del hogar determinan el resultado de una
Más detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detallesAnálisis de Series de Tiempo
CURSO REGIONAL SOBRE HOJA DE BALANCE DE ALIMENTOS, SERIES DE TIEMPO Y ANÁLISIS DE POLÍTICA MSc. Sandra Hernández sandra.hernandezro@gmail.com Sede Subregional de la CEPAL en México Ciudad de México, del
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesCoeficiente de Correlación
Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesCurso de nivelación Estadística y Matemática
Modelo de Curso de nivelación Estadística y Matemática Pruebas de hipótesis, y Modelos ARIMA Programa Técnico en Riesgo, 2017 Agenda Modelo de 1 2 Asociación Medidas de asociación para variables intervalo
Más detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
Más detallesECONOMETRÍA ESPACIAL. Tradicionalmente en la ciencia regional, los estudios econométricos convencionales han
ECONOMETRÍA ESPACIAL Tradicionalmente en la ciencia regional, los estudios econométricos convencionales han analizado las unidades espaciales (p.e. municipios, estados) como islas independientes asumiendo
Más detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesAnálisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.
Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesLa econometría : una mirada de pájaro
La econometría : una mirada de pájaro Contenido Objetivo Definición de Econometría Modelos determinista y estocástico Metodología de la econometría Propiedades de un modelo econométrico Supuestos de un
Más detallesMÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.
MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción
Más detallesIntroducción Climatología y variabilidad climática (espacial y temporal). Datos climáticos. Revisión sobre el concepto de probabilidad.
Nombre de la Asignatura: Análisis Estadístico de Datos Climáticos Créditos: 10 Docentes responsables: Ciencias) Álvaro Díaz (F. Ingeniería) y Mario Bidegain (F. Objetivo de la asignatura: Desarrollar en
Más detallesRegresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16
Regresión Lineal Rodrigo A. Alfaro 2009 Rodrigo A. Alfaro (BCCh) Regresión Lineal 2009 1 / 16 Contenidos 1 Regresiones Lineales Regresión Clásica Paquetes estadísticos 2 Estadísticos de Ajuste Global 3
Más detallesTODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)
TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) NOTA IMPORTANTE - Estas notas son complementarias a las notas de clase del primer semestre correspondientes a los temas de Regresión
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesEjercicio de econometría espacial o regional
APÉNDICE C Ejercicio de econometría espacial o regional De acuerdo a los trabajos de Vilalta (2003) y Aroca, Bosch y Maloney (2005), que se mencionan en el capítulo de evidencia empírica, llegan a la conclusión
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesINDICE. Introducción Capitulo uno. La idea nace un proyecto de investigación Como se originan las investigaciones? 2 Resumen Conceptos básicos
INDICE Introducción Capitulo uno. La idea nace un proyecto de investigación 1 1.1. Como se originan las investigaciones? 2 Resumen 6 Ejemplo 7 Capitulo dos. El planteamiento del problema objetivos, preguntas
Más detallesEXPANSIÓN N URBANA DISCONTINUA ANALIZADA DESDE EL ENFOQUE DE ACCESIBILIAD TERRITORIAL APLICACIÓN N A SANTIAGO DE CHILE
Universidad Politécnica de Cataluña Departamento de Construcciones Arquitectónicas I Centro de Políticas del Suelo y Valoraciones Master oficial en Gestión y Valoración Urbana Proyecto de Tesis de Master
Más detallesAnálisis de Datos y Métodos Cuantitativos para la D.T. VI versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magister en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la D.T. VI versión MGM Antofagasta, Junio de 2013 Profesor: Fernando
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesEstadística Espacial en Ecología del Paisaje
Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesTema VII. La predicción de variables
7.1. La ecuación lineal de regresión: - Variable dependiente e independiente (fijas ó aleatorias):. Fijas (modelo I de regresión). Aleatorias (modelo II; más complejo) - Objetivo predictivo (básico en
Más detalles: Andrea Canals/ Catalina Canals Año Académico : 2017 P R O G R A M A
1 ASIGNATURA : Estadística Requisito : Matemática 2 Profesores : Andrea Canals/ Catalina Canals Año Académico : 2017 Carácter : Semestral Clases Teóricas : 3 horas Ayudantía : 1,5 horas P R O G R A M A
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesEstá Afectando el Impuesto Predial el Precio de la Vivienda en Bogotá? Un Análisis Basado en la Econometría Espacial. Ignacio Lozano y Diana Ricciulli
Está Afectando el Impuesto Predial el Precio de la Vivienda en Bogotá? Un Análisis Basado en la Econometría Espacial Ignacio Lozano y Diana Ricciulli VI Jornadas Iberoamericanas de Financiación Local.
Más detallesRegresión lineal simple y correlación
Regresión lineal simple y correlación Regresión y Correlación Los análisis de regresión y correlación nos mostrarán cómo determinar tanto la naturaleza como la fuerza de una relación entre dos variables.
Más detallesUniversidad Nacional Autónoma de México Facultad de Psicología
Universidad Nacional Autónoma de México Facultad de Psicología PROGRAMA DE ASIGNATURA Nombre de la asignatura Clave Semestre Estadística Inferencial 0186 4 Número de créditos 8 Horas teoría 4 Horas práctica
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesECONOMETRIA ORDEN DE INTEGRACIÓN N Y RAÍCES UNITARIAS. Mtro. Horacio Catalán Alonso
ECONOMETRIA ORDEN DE INTEGRACIÓN N Y RAÍCES UNITARIAS Mtro. Horacio Catalán Alonso Orden de Integración ORDEN DE INTEGRACIÓN Econometría (1) X t = X t-1 + u t Como: E(u t ) = 0 y la Var(u t ) = 2 constante
Más detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
Más detallesObligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo
Carta descriptiva Datos de identificación Programa Nombre de la asignatura Tipo de Asignatura Maestría en Economía Aplicada Econometría I Ciclo Primer semestre Obligatoria Optativa Extracurricular Curso
Más detallesUNIVERSIDAD NACIONAL DE PIURA ESCUELA DE POSTGRADO PROGRAMA DE MAESTRÍA EN CIENCIAS ECONÓMICAS
UNIVERSIDAD NACIONAL DE PIURA ESCUELA DE POSTGRADO PROGRAMA DE MAESTRÍA EN CIENCIAS ECONÓMICAS CURSO: MÉTODOS CUANTITATIVOS TÓPICO 5: ECONOMETRÍA: MODELO DE REGRESIÓN LINEAL GENERAL Econ. SEGUNDO A. CALLE
Más detallesRegresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.
1 DEFINICIONES PREVIAS Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. Correlación: es la cuantificación del grado de relación existente
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesTítulo del curso Análisis de datos socio-económicos espaciales
MASTER EN ECONOMÍA Y ORGANIZACIÓN DE EMPRESAS Curso 16-17 Programa con Mención de Calidad otorgada por el Ministerio de Educación y Ciencia Título del curso Análisis de datos socio-económicos espaciales
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detallesRelación lineal (densidad)
Relación lineal (densidad) Laboratorio de Física: 1210 Unidad 1 Temas de interés. 1. Relación lineal. 2. Relaciones directamente proporcionales. 3. Ajuste de tendencia lineal por el método de cuadrados
Más detallesIgnacio J. Cruz Rodríguez. Universidad Nacional Autónoma de México
LOS DETERMINANTES DE LOS MÁRGENES PRECIO COSTO EN EL AUTOTRANSPORTE MEXICANO: UN ENFOQUE DE ECONOMETRÍA ESPACIAL Ignacio J. Cruz Rodríguez Universidad Nacional Autónoma de México Resumen: Con técnicas
Más detallesUniversidad Autónoma de Sinaloa
Universidad Autónoma de Sinaloa Facultad de Ciencias Sociales Licenciatura en Economía Programa de estudios Asignatura: ECONOMETRÍA II Clave: Eje de formación: Básica Créditos: 8 EFBCII Área de Conocimiento:
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesUNA PROPUESTA PARA LA MAXIMIZACIÓN DE LA ESTADÍSTICA Q K
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 45 a 57 UNA PROPUESTA PARA LA MAXIMIZACIÓN DE LA ESTADÍSTICA Q K JOSÉ A. JIMÉNEZ M.* Resumen En este artículo mediante el método de los
Más detallesEl Modelo de Regresión Lineal
ECONOMETRÍA I El Modelo de Regresión Lineal Dante A. Urbina CONTENIDOS 1. Regresión Lineal Simple 2. Regresión Lineal Múltiple 3. Multicolinealidad 4. Heterocedasticidad 5. Autocorrelación 6. Variables
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesPLAN DE ESTUDIOS (PE): Licenciatura en Actuaría. ÁREA: Economía. ASIGNATURA: Econometría I CÓDIGO: ACTM-254 CRÉDITOS: 4.
PLAN DE ESTUDIOS (PE): Licenciatura en Actuaría ÁREA: Economía ASIGNATURA: CÓDIGO: ACTM-254 CRÉDITOS: 4 FECHA: Enero 2018 1 1. DATOS GENERALES Nivel Educativo: Licenciatura. Nombre del Plan de Estudios:
Más detalles5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
Más detallesUniversidad de Puerto Rico Recinto de Río Piedras Facultad de Ciencias Naturales Departamento de Matemáticas
1 Universidad de Puerto Rico Recinto de Río Piedras Facultad de Ciencias Naturales Departamento de Matemáticas Título: Introducción a la Estadística con Computadoras Codificación: MATE 3026 Número de horas
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesSesión 3: Análisis Exploratorio de Datos Espaciales (AEDE): Técnicas básicas
Sesión 3: Análisis Exploratorio de Datos Espaciales (AEDE): Técnicas básicas Profesora: Coro Chasco Yrigoyen Universidad Autónoma de Madrid 17 a 21 de mayo, 2010 2010, Coro Chasco Yrigoyen Índice del Curso
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
Más detallesDIPLOMADO EN MODELOS ECONOMÉTRICOS DINÁMICOS. Coordinador: M.F. Esperanza Sainz López
INSTITUTO TECNOLÓGICO AUTONOMO DE MÉXICO DIPLOMADO EN MODELOS ECONOMÉTRICOS DINÁMICOS Coordinador: M.F. Esperanza Sainz López Objetivo general: Presentar al alumno algunos modelos cuya estructura dinámica
Más detallesANÁLISIS DE REGRESIÓN N LINEAL
ANÁLISIS DE REGRESIÓN N LINEAL Varias partes tomadas de Julio H. Cole "Nociones de Regresión Lineal" en Enciclopedia Multimedia Virtual de Economía EMVI. http://eumed.net/cursecon/medir/index.htm Análisis
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesANÁLISIS DE DATOS. Jesús García Herrero
ANÁLISIS DE DATOS Jesús García Herrero ANALISIS DE DATOS EJERCICIOS Una empresa de seguros de automóviles quiere utilizar los datos sobre sus clientes para obtener reglas útiles que permita clasificar
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesRegresión ponderada y falta de ajuste
Capítulo 4 Regresión ponderada y falta de ajuste 4.1. Introducción En este capítulo se presentan la regresión ponderada y la prueba de falta de ajuste como un conjunto adicional de herramientas usadas
Más detallesEL PLAN DE ANALISIS. Patricio Suárez Gil Julio Alonso Lorenzo. La Fresneda, Asturias 2011 Programa MFyC
EL PLAN DE ANALISIS Patricio Suárez Gil Julio Alonso Lorenzo La Fresneda, Asturias 2011 Programa MFyC Qué es investigar? En esencia es RESPONDER PREGUNTAS FASES DE UN PROYECTO Formular una PREGUNTA Antecedente
Más detallesPROGRAMA DE ESTUDIO : UN SEMESTRE ACADÉMICO : TERCER AÑO, PRIMER SEMESTRE
PROGRAMA DE ESTUDIO A. Antecedentes Generales ASIGNATURA : Estadística CÓDIGO : IIM313A DURACIÓN : UN SEMESTRE ACADÉMICO PRE - REQUISITO : PROBABILIDADES CO REQUISITO : NO TIENE UBICACIÓN : TERCER AÑO,
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesAUTOCORRELACIÓN ESPACIAL. Preparado por: Dr. Manuel Fuenzalida-Díaz / Departamento de Geografía, Universidad Alberto Hurtado.
AUTOCORRELACIÓN ESPACIAL Preparado por: Dr. Manuel Fuenzalida-Díaz / mfuenzal@uahurtado.cl Departamento de Geografía, Universidad Alberto Hurtado. 0 TEMARIO Autocorrelación espacial 1.- La técnica de autocorrelación
Más detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesEstadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión
Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo
Más detallesInformación general. Obligatoria básica o de fundamentación X. Obligatoria profesional. Horas de trabajo independiente del estudiante
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura E S T A D I S T I C A Código 73210011 Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL PROGRAMA DE ESTUDIOS
SISTEMAS DE INFORMACIÓN GEOGRAFICA UNIDAD ACADÉMICA: CARRERA: ESPECIALIZACIÓN: FIMCM Licenciatura Turismo TIPO DE MATERIA: TEÓRICA PRÁCTICA 1. NOMBRE DE LA ASIGNATURA CÓDIGO MATERIA FMAR05066 SISTEMAS
Más detallesCAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como
Más detallesLectura No. 7. Contextualización. Nombre: Métodos de Análisis ANÁLISIS FINANCIERO 1
Análisis financiero ANÁLISIS FINANCIERO 1 Lectura No. 7 Nombre: Métodos de Análisis Contextualización Los diferentes métodos de análisis que se pueden utilizar para evaluar y, en su defecto, emitir un
Más detallesEstadísticas II. M. en E. M. Milagros Eugenia Faci. 15 de julio de 2010
2010 Estadísticas II M. en E. M. Milagros Eugenia Faci 15 de julio de 2010 2 Estadísticas II CONTENIDO UNIDAD III. CORRELACIÓN Y REGRESIÓN...3 III.1 CARACTERÍSTICAS DE UNA CORRELACIÓN...3 METODO DE MÍNIMOS
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesEconometría II. Hoja de Problemas 1
Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
Más detallesMotivación. Motivación PRONOSTICOS DE DEMANDA
4 PRONOSTICOS DE DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para pronosticar las ventas a partir de datos observados.
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesGUIA DOCENTE. Curso Académico Licenciatura Administración y Dirección de Empresas
GUIA DOCENTE Curso Académico 2012-2013 1. ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA 1.1. Datos de la asignatura Tipo de estudios Licenciatura Titulación Administración y Dirección de Empresas Nombre
Más detallesLECCIÓN PÚBLICA. Tema 4 Descripción bivariante de datos. Profa. María Fátima Dos Santos
LECCIÓN PÚBLICA Tema 4 Descripción bivariante de datos Profa. María Fátima Dos Santos 1 TEMARIO Variables nominales. Tablas de contingencia Relación entre variables dicotómicas Relación entre variables
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detalles