CURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A)

Tamaño: px
Comenzar la demostración a partir de la página:

Download "CURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A)"

Transcripción

1 Unversdad de la Repúblca, Facultad de Cencas Económcas y Admnstracón. ECONOMETRÍA II - CURSO 7 PRACTICO MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO A) Una nvestgacón sobre el mercado laboral de las mujeres en Uruguay ha prestado especal atencón al grado de dedcacón de la poblacón económcamente actva femenna. Así, se ha optado por modelzar econométrcamente la decsón de partcpar en forma de "tempo completo" o en "tempo parcal". Para ello se optó por ajustar un modelo logt cuya varable dependente fue precsamente una varable Y dcotómca (tempo completo=, tempo parcal=). Se pde A: Indcar que dferencas exsten entre un modelo logt y un modelo de probabldad lneal, especfcando ventajas y desventajas. Qué forma funconal tene la probabldad (P) en los modelos logt? y en el modelo probt? B) La estmacón arrojó los sguentes resultados (modelo logt) X ˆ β =.6 +.X+.X +.5X.87X (6.) (5.) (.7) (.7) (.9) X = educacón en años de estudo X = cantdad de menores de años en el hogar X = número de nactvos en el hogar X = categoría de la ocupacón (= sector públco, = sector prvado) Los valores entre paréntess corresponden al estadístco t. Por otra parte se sabe a) La log-verosmltud del modelo estmado es ln L(β) = b) El número de observacones fue de 789 mujeres actvas. c) El R de Efran fue de.56 d) Al estmar el msmo modelo pero úncamente con la constante la log-verosmltud es ln(l)=-5.. e) Las medas muestrales de las varables son 7,8 = X ;,7 = X ; = X ;,8 = X Se pde B:. Qué método se utlza para estmar este tpo de modelos?. Qué meddas de bondad de ajuste puede calcular en base a los resultados antes ncludos?. Qué puede afrmar respecto a la mportanca de la varables X, X, X en la decsón de las mujeres de partcpar tempo completo? Defna el efecto parcal de la varable X y obtenga alguna medda del msmo. Cómo construría un ntervalo de confanza para ese efecto parcal?

2 EJERCICIO A partr de una encuesta de marketng sobre consumo de bebdas detétcas se observó que de personas encuestadas, (57 mujeres y hombres), el 6% prefería esta categoría de bebdas a las tradconales. Esta preferenca resultó ser sensblemente superor entre las consumdoras mujeres, de las 57 encuestadas, 5 responderon afrmatvamente. Contraramente, entre los encuestados de sexo masculno, sólo 8 manfestaron preferrlas. Para analzar este comportamento partcular se especfcó el modelo econométrco sguente P(Y = SEXO )= F ( SEXO, a,a ) = + exp (- ( a + a SEXO ) Y = s el ndvduo prefere las bebdas detétcas, en el caso contraro. SEXO = s sexo femenno, s sexo masculno, Se estmaron por el método de máxma verosmltud los parámetros del modelo anteror, y después un modelo restrngdo, a =, obtenendo los resultados sguentes: [] Modelo sn restrccón coef. Varable Estm. Err.Std. a Constante -.8. a SEXO.65.8 ln(l(a))= [] Modelo con restrccón a = coef Varable Estm. Err.Std. b Constante.5.7 Se pde:. Analzar los resultados de la estmacón en [] explctando el valor del estadístco para la prueba de sgnfcacón de los coefcentes, la sgnfcacón estadístca y la nterpretacón de los estmadores.. Calcular ln[b ] para el modelo [] y contrastar la hpótess nula a =.. Mostrar que el modelo bnaro es ntrínsecamente heteroscedástco. Explctar los problemas de estmacón y de formulacón que se presentan cuando se estma un modelo de probabldad lneal.. Qué otra estratega de estmacón sería más razonable utlzar en este caso? EJERCICIO Para estmar la partcpacón de la fuerza de trabajo de las mujeres casadas se propone el sguente modelo nlf = β + β nwfenc + β educ + β exp er + β exp er + β age + β kdslt β kdsge6 nlf = s partcpa de la fuerza de trabajo nwfenc Ingreso del cónyuge educ Educacón en años exper Experenca laboral en años expersq Experenca laboral en años al cuadrado age Edad en años kdslt6 Cantdad de hjos menores de 6 años de edad kdsge6 Cantdad de hjos entre 6 y 8 años de edad Se estman los modelos lneal logt y probt 7 + u

3 Varable dependente nlf MPL () () Logt () Probt () nwfenc educ exper expersq age kdslt kdsge _cons Número de Observacones Porcentaje correctamente predcho Log de la verosmltud Pseudo R-cuadrado... () Los errores estándar estmados para los coefcentes fguran en letra tálca. () Los errores estándar están corregdos por heteroescedastcdad. Se pde:. Cuáles son las varables que determnan la decsón de las mujeres de partcpar en el mercado de trabajo según el Modelo de Probabldad Lneal? y según los Modelos Probt y Logt? depende esta conclusón de los datos partculares de este problema?. Cómo explca la dferenca entre las estmacones de los coefcentes del Modelo de Probabldad Lneal y del Modelo Probt? Qué consecuenca tene esta dferenca en la estmacón de los efectos parcales?. Cómo explca la dferenca entre las estmacones de los coefcentes del Modelo Logt y del Modelo Probt? Qué consecuenca tene esta dferenca en la estmacón de los efectos parcales?. Cuál de los tres modelos elegría para estmar el efecto que tene un año de educacón adconal en la probabldad de que una mujer con años de educacón partcpe en el mercado de trabajo? (se sabe que el promedo de años de educacón en la muestra es de. años). 5. Modfcaría su respuesta en. s le djeran que estmara el efecto para una mujer con 5 años de educacón. EJERCICIO Se desea explcar los determnantes de que llevan a los trabajadores de una rama a sndcalzarse o no, para lo cual se estma un modelo logt sguente en base a una encuesta a 595 trabajadores (valores de t entre paréntess) Y = EXP EDU -. 8SEX + 8. OCUP + (. ) (. 5) (. 9) (. 85). MANUF +. 7 ESTCIV LUGRES (. 96) (. 68) (. ) Y varable bnara con s el trabajador está sndcalzado en caso contraro.

4 EXP EDU SEX OCUP MANUF ESTCIV LUGRES experenca en años en el trabajo. años de educacón. varable bnara con = mujer y = hombre varable bnara con = ocupacones manuales y = no manuales. varable bnara con = rama ndustral manufacturera, = otro caso. varable bnara con = casado o undo y otro caso. varable bnara con = resdenca en Montevdeo y en el resto. Se sabe además que a) El logartmo de la funcón de verosmltud en la estmacón anteror dó -.7. b) El pseudo R de McFadden fue calculado en.. c) El logartmo de la funcón de verosmltud de la estmacón sn consderar las varables LUGRES n MANUF fue -.. Se pde:. Indque cómo calcularía el efecto parcal de la varable LUGRES (en qué sentdo y cuánto cambaría la probabldad de sndcalzarse de un trabajador que se muda a Montevdeo).. Realce un contraste de Razón de Verosmltud (al 5%) para la hpótess de que las varables LUGRES y MANUF son sgnfcatvas conjuntamente, ndcando claramente hpótess nula, regón crítca y decsón tomada. Escrba la forma y descrba todos los elementos del estadístco que utlzaría s qusera utlzar un contraste de Wald para realzar esta prueba. EJERCICIO 5 Se realza en una cudad un estudo de los factores explcatvos de la decsón de los consumdores por selecconar el crédto más barato antes de hacer una compra. Al respecto se observa que el consumdor no sempre hace una búsqueda preva y así muchas veces no compara entre crédtos del proveedor o bancaros. Para modelzar el problema se consderan las sguentes varables FUENTE ALTOC ANTES TAMANO INGRESO RECHANT RECHHOY SANCION LUGAR varable ndcadora con = s el consumdor selecconó el crédto más barato. ndcadora = el consumdor ncurró en altos costos al buscar el crédto más barato ndcadora = el consumdor utlzó prevamente la fuente de crédto elegda. tamaño del crédto en una escala de a 6, en orden crecente. ngreso del consumdor. ndcadora = el consumdor tuvo rechazos anterores a solctudes de crédto ndcadora = el consumdor es rechazado en esta solctud de crédto ndcadora = el consumdor teme a las sancones por ncumplmento ndcadora = el consumdor vve en la cudad del otorgante A los efectos de estmar la probabldad condconal de decsón de selecconar o no el crédto más barato de plaza, se plantea el sguente modelo logt

5 LOGIT // Dependent Varable s FUENTE SMPL range: - Number of observatons: Convergence acheved after teratons VARIABLE COEFFICIENT STD. ERROR T-STAT. -TAIL SIG. C ALTOC ANTES TAMANO INGRESO.67E-5.9E RECHANT RECHHOY SANCION LUGAR Log lkelhood Cases wth FUENTE = 7 Cases wth FUENTE = 9 LOGIT // Dependent Varable s FUENTE Date: / Tme: 9: SMPL range: - Number of observatons: Convergence acheved after teratons VARIABLE COEFFICIENT STD. ERROR T-STAT. -TAIL SIG. C Log lkelhood Cases wth FUENTE = 7 Cases wth FUENTE = 9 Se pde:. Estme la probabldad de que una persona que no tuvo costos elevados de búsqueda, que utlzó la actual fuente de préstamo prevamente, con un monto solctado de crédto en una escala de, con $5 de ngreso, sn antecedentes de rechazos prevos n actuales, sn temores a sancones y vvendo en la cudad del proveedor de crédto, haya selecconado el crédto más barato.. Calcule una medda de bondad de ajuste del modelo logt estmado.. Plantee la forma de la funcón de verosmltud en el modelo logt. EJERCICIO 6 Sean z y z varables contnuas y d una varable dummy. Consdere el sguente modelo Probt P ( y = z, z ) = Φ( α + δ z + γ z + γ z ) Se pde :. Escrba los efectos parcal de z y z.. Consdere ahora una especfcacón dferente del modelo, ncluyendo la varable dummy d P ( y = z, z,d ) = Φ( α + zδ + γ z + γ d + γ z d ) Se pde :. Escrba el efecto parcal de z.. Escrba el efecto parcal de d. Cómo lo estmaría? 5

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Estadística con R. Modelo Probabilístico Lineal

Estadística con R. Modelo Probabilístico Lineal Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

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 detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 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 detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

Tutorial para la estimación de modelos Logit y Probit en Easyreg. Julio César Alonso C.

Tutorial para la estimación de modelos Logit y Probit en Easyreg. Julio César Alonso C. Tutoral para la estmacón de modelos Logt y Probt en Easyreg Julo César Alonso C. No. 19 Juno de 2009 APUNTES DE ECONOMÍA ISSN 1794-029X No. 19, Juno de 2009 Edtor Julo César Alonso C. jcalonso@ces.edu.co

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta

Más detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 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 detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04

Más detalles

Variables Dummy (parte I)

Variables Dummy (parte I) Varables Dummy (parte I) Fortno Vela Peón Unversdad Autónoma Metropoltana fvela@correo.xoc.uam.mx Octubre, 2010 19/10/2010 Méxco, D. F. 1 Introduccón Algunas de las varables son por su naturaleza propa

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C

Más detalles

Solución Taller No. 10 Econometría II Prof. Bernal

Solución Taller No. 10 Econometría II Prof. Bernal Solucón Taller No. 0 Econometría 2007 II Prof. Bernal. a. El modelo que hay que estmar es el sguente: partcpa = B + B edad _ nno + B genero _ nno + B * edad _ mama + B secundara + B casada + B trabaja

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 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 detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

1.Variables ficticias en el modelo de regresión: ejemplos.

1.Variables ficticias en el modelo de regresión: ejemplos. J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes

Más detalles

TEMA 4. Modelos para Datos Censurados y de Selección Muestral.

TEMA 4. Modelos para Datos Censurados y de Selección Muestral. TEMA 4. Modelos para Datos Censurados y de Seleccón Muestral. Profesor: Pedro Albarrán Pérez Unversdad de Alcante. Curso 2010/2011. Contendo 1 Introduccón 2 Modelo Tobt Introduccón Estmacón por Máxma Verosmltud

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

Solución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal

Solución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B

Más detalles

Examen Final de Econometría Grado

Examen Final de Econometría Grado Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón

Más detalles

Tema 4 MODELOS CON DATOS DE RECUENTO

Tema 4 MODELOS CON DATOS DE RECUENTO ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 Tema 4 MODELOS CON DATOS DE RECUENTO 1. Datos de recuento: ejemplos 2. Por qué utlzamos modelos específcos para datos de recuento? 3. Modelo Posson 4. Modelo

Más detalles

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones

Más detalles

Técnicas de Análisis de Datos de Elección n Discreta

Técnicas de Análisis de Datos de Elección n Discreta Técncas de Análss de Datos de Eleccón n Dscreta Sub-Gerenca de Investgacón GPR Vernes, 07 de abrl de 0006 Gerenca de Polítcas Regulatoras - GPR Organsmo Supervsor de Inversón Prvada en Telecomuncacones

Más detalles

Lección 4. Ejercicios complementarios.

Lección 4. Ejercicios complementarios. Introduccón a la Estadístca Grado en Tursmo Leccón 4. Ejerccos complementaros. Ejercco 1 (juno 06). La nformacón relatva al mes de enero sobre los ngresos (X) y los gastos (Y), expresados en mles de euros,

Más detalles

Tema 7: Regresión Logística p. 1/1

Tema 7: Regresión Logística p. 1/1 Tema 7: Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco http://www.sc.ehu.es/sg/ Tema 7: Regresón Logístca

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Factores que inciden en la probabilidad de pobreza: una propuesta metodológica para la Región Metropolitana de Santiago

Factores que inciden en la probabilidad de pobreza: una propuesta metodológica para la Región Metropolitana de Santiago Factores que ncden en la probabldad de pobreza: una propuesta metodológca para la de Santago Santago, novembre de 2011 Índce Índce Introduccón 1. Descrpcón del modelo 2. Los datos 3. Resultados de estmacón

Más detalles

Modelo de Regresión Lineal Múltiple. Heterocedasticidad. Dr. Víctor Aguirre

Modelo de Regresión Lineal Múltiple. Heterocedasticidad. Dr. Víctor Aguirre Modelo de Regresón Lneal Múltple. Heterocedastcdad. Dr. Víctor Agurre Propósto Estudar el caso en que la varanza condconal de Y dado no sea constante. Veremos Porqué sucede? Consecuencas sobre el EMC Deteccón.

Más detalles

Medidas de Variabilidad

Medidas 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 detalles

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte

Análisis 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 detalles

USOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES

USOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES Unversdad de San Andrés Departamento de Economía Econometría Semestre de otoño USOS Y ETENSIONES DEL MODELO LINEAL CON K VARIABLES Marana Marchonn marana@depeco.econo.unlp.edu.ar Varables explcatvas bnaras

Más detalles

MODELOS PARA DATOS DE RECUENTO

MODELOS PARA DATOS DE RECUENTO ECONOMETRÍA III Curso 2008/09 MODELOS PARA DATOS DE RECUENTO Profesores: Víctor J. Cano Fernández y M. Carolna Rodríguez Donate Dpto. de Economía de las Instrtucones, Estadístca Económca y Econometría

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

La actividad laboral de las mujeres casadas y el desempleo de sus cónyuges Resumen

La actividad laboral de las mujeres casadas y el desempleo de sus cónyuges Resumen La actvdad laboral de las mujeres casadas y el desempleo de sus cónyuges Resumen En este trabajo, se busca analzar la actvdad de las mujeres que vven en pareja y, en partcular, determnar en qué medda el

Más detalles

Regresión múltiple k k

Regresión múltiple k k Métodos de Regresón Estadístca Ismael Sánchez Borrego Regresón múltple El modelo de regresón múltple es la extensón a k varables explcatvas del modelo de regresón smple estudado en el apartado anteror.

Más detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El Impacto de las Remesas en el PIB y el Consumo en México, 2015 El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

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 detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

EJERCICIOS. 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. 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 detalles

truncación inferior en el punto a=25 es igual a El grado de truncación es del

truncación inferior en el punto a=25 es igual a El grado de truncación es del ECONOMETTRÍ ÍA III II.. Cuurrssoo 22000022- -0033 (f( f cchheer roo: : ccuueesst t oonneess lleecccc l 33) ) CUESTTI IONES SOBRE LLA LLECCI IÓN 33: : MODELLOS DE VARIABLLE DEPENDIENTTE LLI IMITTADA 1.

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 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 detalles

Figura 1

Figura 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 detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

TODO ECONOMETRIA. Variables cualitativas

TODO ECONOMETRIA. Variables cualitativas TODO ECONOMETRIA Varables cualtatvas Índce Defncón de las varables dummy (o varables fctcas) Regresón con varables explcatvas dummy Varables dummy S queremos estudar s los hombres ganan más que las mujeres,

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más detalles

Relación 2: Regresión Lineal.

Relación 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 detalles

RECETA ELECTRÓNICA: IMPACTO SOBRE EL GASTO FARMACEÚTICO

RECETA ELECTRÓNICA: IMPACTO SOBRE EL GASTO FARMACEÚTICO RECETA ELECTRÓNICA: IMPACTO SOBRE EL GASTO FARMACEÚTICO Introduccón Dseño del estudo Especfcacón del modelo Resultados Introduccón Dseño del estudo Especfcacón del modelo Resultados Introduccón: Esquema

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

Más detalles

CAPÍTULO 6 TRATAMIENTO DE ASPECTOS CUALITATIVOS. USO DE VARIABLES FICTICIAS EN REGRESIÓN

CAPÍTULO 6 TRATAMIENTO DE ASPECTOS CUALITATIVOS. USO DE VARIABLES FICTICIAS EN REGRESIÓN Fchero: captulo 6 CAPÍTULO 6 TRATAMIENTO DE ASPECTOS CUALITATIVOS. USO DE VARIABLES FICTICIAS EN REGRESIÓN. TIPOLOGÍA DE LOS MODELOS DE REGRESIÓN CON VARIABLES CUALITATIVAS Los aspectos cualtatvos, meddos

Más detalles

Boletín de la Tendencia Laboral del Desarrollo Humano

Boletín 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 detalles

Modelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.

Modelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit. Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: 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 detalles

1 + e z. 1 + e. 1 + e = 1 0 2

1 + e z. 1 + e. 1 + e = 1 0 2 Tema 7. Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco Euskal Herrko Unbertstatea 7. Introduccón En

Más detalles

e i para construir el modelo econométrico que se escribe a continuación:

e i para construir el modelo econométrico que se escribe a continuación: 5.3 Especfcacón del modelo empírco Para este análss se formló n modelo econométrco de seccón crzada, porqe las observacones corresponden a las característcas de las personas encestadas en n msmo período

Más detalles

Tema 5: PROBLEMAS EN LA ESTIMACIÓN DEL MODELO DE REGRESIÓN LINEAL SIMPLE

Tema 5: PROBLEMAS EN LA ESTIMACIÓN DEL MODELO DE REGRESIÓN LINEAL SIMPLE Introduccón a la Econometría Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO DE REGRESIÓ LIEAL SIMPLE. Problemas en la especfcacón del modelo. La prmera etapa de

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco

Más detalles

TEMA 5: MODELOS DE REPARTO MODAL - LOGIT BINARIO

TEMA 5: MODELOS DE REPARTO MODAL - LOGIT BINARIO TEMA 5: MODELOS DE REPARTO MODAL - LOGIT BINARIO Datos de Agrest (pp.305) relatvas a accdentes en el estado de Mane (EEUU) durante 1991. Son un total de 68694 accdentes de coche, los datos se clasfcan

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

4) Ahora elaboremos la tabla de distribución de frecuencias: TABLA DE DISTRIBUCIÓN DE FRECUENCIAS DE LOS PESOS DE LOS ESTUDIANTES MERU CALIDAD.

4) Ahora elaboremos la tabla de distribución de frecuencias: TABLA DE DISTRIBUCIÓN DE FRECUENCIAS DE LOS PESOS DE LOS ESTUDIANTES MERU CALIDAD. APELLIDOS Y NOMBRES:... EJERCICIO: Se han regstrado dferentes pesos de los alumnos del segundo grado de una Insttucón Educatva en klogramos. 40 41 42 50 40 48 41 43 39 40 47 46 49 49 50 39 50 48 42 45

Más detalles

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A Prueba de Inferenca Estadístca y Contraste de Hpótess 8 de octubre de 01 GRUPO A 1.- Se ha observado un ángulo cnco veces, obtenéndose los sguentes valores: Se pde: 65º5 ; 65º33 ; 65º3 ; 65º8 ; 65º7 a)

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA

FORMULARIO 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 detalles

INTEGRACIÓN DE CENSOS Y ENCUESTAS DE HOGARES DIRECCIÓN GENERAL DE ESTADÍSTICA, ENCUESTAS Y CENSOS PARAGUAY

INTEGRACIÓN DE CENSOS Y ENCUESTAS DE HOGARES DIRECCIÓN GENERAL DE ESTADÍSTICA, ENCUESTAS Y CENSOS PARAGUAY 253 INTEGRACIÓN DE CENSOS Y S DE HOGARES DIRECCIÓN GENERAL DE ESTADÍSTICA, S Y CENSOS PARAGUAY 254 Integracón de Censos y Encuestas de Hogares ANTECEDENTES Con el Censo del 82 se elaboró (en 1991) un Mapa

Más detalles

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. 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 detalles

Efectos fijos o aleatorios: test de especificación

Efectos 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 detalles

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3. EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las

Más detalles

6 Impacto en el bienestar de los beneficiarios del PAAM

6 Impacto en el bienestar de los beneficiarios del PAAM 6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda

Más detalles

Configuraciones de la participación laboral de las parejas en grandes aglomerados urbanos argentinos

Configuraciones de la participación laboral de las parejas en grandes aglomerados urbanos argentinos Confguracones de la partcpacón laboral de las parejas en grandes aglomerados urbanos argentnos Verónca Herrero Insttuto de Economía y Fnanzas -4-27 Facultad de Cencas Económcas Unversdad Naconal de Córdoba

Más detalles

14. Contrastes no paramétricos

14. Contrastes no paramétricos 14. Contrastes no paramétrcos 1 Contrastes no paramétrcos En la leccón anteror nos hemos ocupado de contrastes paramétrcos. Determnábamos la plausbldad de certas hpótess sobre los valores de parámetros

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

Donde y representa la altura de los estudiantes y x la media de las alturas de sus padres

Donde y representa la altura de los estudiantes y x la media de las alturas de sus padres Regresón smple y múltple 1. A partr de la sguente tabla de datos, Y 4 5 7 1 X 1 4 5 6 Estmar la regresón Y = +X + Solucón Basta calcular, Y X y x x y x 4 1-3 -3 9 9 5 4-0 0 0 7 5 0 1 0 1 1 6 5 10 4 Suma

Más detalles

Modelo de Variables Instrumentales

Modelo de Variables Instrumentales Modelo de Varables Instrumentales Contraste de endogenedad El estmador de MCE es menos efcente que el de MCO cuando las varables explcatvas son exógenas. Las estmacones de MCE pueden tener errores estándar

Más detalles

Material Docente de. Econometría. Curso Primera parte. Problemas y cuestiones

Material Docente de. Econometría. Curso Primera parte. Problemas y cuestiones Materal Docente de Econometría Curso 011-01. Prmera parte Problemas y cuestones Cuarto curso de Economía Cuarto curso de Admnstracón y Dreccón de Empresas Cuarto curso de Derecho y A.D.E Profesores: Jesús

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: 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 detalles

Análisis de la actividad femenina y la fecundidad en España mediante modelos de elección discreta

Análisis de la actividad femenina y la fecundidad en España mediante modelos de elección discreta Análss de la actvdad femenna y la fecunddad en España medante modelos de eleccón dscreta Aurora Alonso-Antón, Ana Fernández-Sanz y Vrgna Rncón-Dez Lecturas de Economía - No. 82. Medellín, enero-juno 2015

Más detalles

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas

Más detalles

Modelos de participación de mercado

Modelos de participación de mercado Modelos de partcpacón de mercado IN58B Ingenería de Marketng Ncolás Frts Manuel Reyes Maurco Ramírez Introduccón Por qué modelos de Partcpacón de Mercado (PM)? Se busca modelos en que puedan ntroducrse

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

Estimación de incertidumbres en calibración de Osciladores

Estimación de incertidumbres en calibración de Osciladores Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PANAMÁ H. R. Alvarez A., Ph. D.

UNIVERSIDAD TECNOLÓGICA DE PANAMÁ H. R. Alvarez A., Ph. D. Qué es capacdad? La cantdad de producto, sea este tangble o ntangble, que puede producrse bajo condcones dadas de operacón Las meddas relatvas al producto son normalmente utlzadas por organzacones enfocadas

Más detalles

Tema 2: El modelo clásico de regresión

Tema 2: El modelo clásico de regresión CURSO 010/011 Tema : El modelo clásco de regresón Aránzazu de Juan Fernández ECONOMETRÍA I ESQUEMA DEL TEMA Presentacón del modelo Hpótess del modelo Estmacón MCO Propedades algebracas de los estmadores

Más detalles

XLVII Reunión Anual. Noviembre de 2012

XLVII 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 detalles

LA RELACIÓN SALUD Y PRODUCTIVIDAD EN COSTA RICA

LA RELACIÓN SALUD Y PRODUCTIVIDAD EN COSTA RICA LA RELACIÓN SALUD Y PRODUCTIVIDAD EN COSTA RICA Gustavo Pcado (Caja Costarrcense del Seguro Socal) Juan Rafael Vargas (Unversdad de Costa Rca) Los prncpales ndcadores de salud en Costa Rca son comparables

Más detalles

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i ) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

1.-Especificaciones lineales de las variables explicativas

1.-Especificaciones lineales de las variables explicativas Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno

Más detalles

Capítulo III Metodología. El presente trabajo, trata de estimar el diferencial salarial sindical para el caso de México.

Capítulo III Metodología. El presente trabajo, trata de estimar el diferencial salarial sindical para el caso de México. Capítulo III Metodología El presente trabajo, trata de estmar el dferencal salaral sndcal para el caso de Méxco. Las metodologías a utlzar en la estmacón del modelo conssten en lo sguente 1 : Utlzar un

Más detalles

Regresión Binomial Negativa

Regresión Binomial Negativa 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

Más detalles

i = 1, 2,..., N Ecuación 1

i = 1, 2,..., N Ecuación 1 9 apítulo III. ANÁLISIS DE REGRESIÓN Este capítulo trata de dar una vsón general de las técncas de análss de regresón, en partcular de las utlzadas en casos donde las respuestas son cualtatvas. El análss

Más detalles

Regresión de Datos de Vida

Regresión de Datos de Vida Regresón de Datos de Vda Resumen El procedmento Regresón de Datos de Vda está dseñado para ajustar un modelo estadístco paramétrco relaconado con tempos de falla a una o más varables predctoras. Los predctores

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA 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

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma

Más detalles