ANÁLISIS FACTORIAL. Autor: Ramón Mahía Casado
|
|
- Manuel Robles Sandoval
- hace 7 años
- Vistas:
Transcripción
1 ANÁLISIS FACTORIAL Autor: Ramón Mahía Casado
2
3 .- IDEA CONCEPTUAL BÁSICA - () Parte de un conjunto amplo de varables que presentan nterrelacones mportantes.. - () se asume que las relacones exsten porque las varables son manfestacones comunes de factores no "observables" de forma drecta...y - (3) se pretende llegar a un cálculo de esos factores: - (a)- resumendo nformacón - (b)- clarfcando las relacones entre ellas y - (c) sn pérdda excesva de nformacón..- DEFINICIÓN - () Proporcona la estructura nterna, las dmensones subyacentes, el transformado de un conjunto amplo de varables, elaborando una estructura más smple, con menos dmensones, que proporcone la msma nformacón y permta globalzar así el entendmento del fenómeno. - () Smplfca la modelzacón convrtendo, por elmnacón de redundancas expresadas en altas correlacones entre varables, un amplo conjunto de varables en factores "estructurales". 3.- DIFERENCIAS CON OTRAS TÉCNICAS - No es una técnca de dependenca (no hay seleccón a pror de dependente y exógenas), es una Técnca de Interdependenca - No es una técnca de agrupacón: Aunque puede aplcarse con fnes de agrupacón sobre matrces de correlacones entre objetos/sujetos (Factoral Q), lo habtual es su aplcacón sobre matrces de correlacones entre varables (Factoral R). 37
4 4.- MODELO FACTORIAL EXPLORATORIO (Un ejemplo): Se desea extrapolar de la provnca al muncpo, un modelo de regresón explcatvo del nvel de renta dsponble funcón de una sere de manfestacones de esa renta. Para ello, se parte de un amplo conjunto de varables provncales y para los muncpos españoles. Recaudacón de los dstntos mpuestos drectos e ndrectos Tasa de paro y actvdad Generacón neta de empleo Klómetros de carreteras de cada tpo en servcos Klómetros de línea férrea en servco Número de vehículos de dstntos tpos por habtante Líneas telefóncas por cada 00 habtantes Camas hosptalaras por cada 000 habtantes Empresas creadas y cerradas en el año Índce de precos al consumo Índce de precos ndustrales Índce de comerco al por menor Lcencas fscales conceddas.etc Con el fn de poder abordar con grados de lbertad sufcente la estmacón del modelo de renta, la nformacón relatva a estas varables se ntenta resumr en tres factores, sn perder excesva nformacón y logrando una ncorrelacón muy convenente. El factoral arrojó tres factores cuyos sgnfcados se asocaron a: Factor : Factor de renta y rqueza personal - famlar Factor : Factor de salud y desarrollo del mercado laboral Factor 3: Factor de desarrollo nfraestructural 5.- MODELO FACTORIAL CONFIRMATORIO (ejemplo): Se desea medr la capacdad de abstraccón, analítca y memora de los alumnos. Se observaron 0 notas de cada alumno de un determnado grupo de estudantes unverstaros. Entre estas notas, o al menos entre algunas de ellas, se observan correlacones 37
5 elevadas que, en certa medda, provenen de apttudes globales del alumno que no se observan drectamente: Nota en álgebra Nota en cálculo Nota en estadístca Nota en derecho mercantl Nota en derecho laboral Nota en contabldad fnancera y de socedades Nota en análss de costes Nota en comuncacón comercal Nota en actuarales Nota en econometría Un análss factoral permtó que la nformacón relatva a estas varables se resumese en tres úncos factores de fondo, sn pérdda excesva de nformacón y logrando, de nuevo, una ncorrelacón muy convenente. Cada uno de estos tres factores se nterpretó como: F - Factor de CAPACIDAD DE ABSTRACCIÓN F3 - Factor de MEMORIA F4 - Factor de CAPACIDAD ANÁLÍTICA Independentemente de estos tres factores relaconados con grupos de varables (notas) se dentfcó, claro está, una factor común que podríamos llamar ntelgenca en general y un factor específco para cada asgnatura (su propa dfcultad y componentes de tpos aleatoro relatvos a las dstntas formas de evaluacón). 6.- MODELO FACTORIAL TEÓRICO X j = a F j + a F j + a 3 F 3j + + d U j X j = Valor normalzado de la varable para el sujeto j Nota en Matemátcas () del alumno (j) F j = Valor del Factor para el sujeto j Valor del factor CAPACIDAD DE ABSTRACCIÓN del alumno j a = Relacón entre varable y factor 373
6 Relacón entre las Matemátcas y la CAPACIDAD DE ABSTRACCIÓN F j = Valor del Factor para el sujeto j Valor del factor MEMORIA del alumno j a = Relacón entre varable y factor Relacón entre las Matemátcas y la MEMORIA d U j = Parte aleatora ndependente de los factores: Donde: - D es la/s partculardad/es de la nota en Matemátcas - Uj es la forma en que esa peculardad afecta al alumno j. (P.ej. d puede hacer referenca a la concentracón que se requere en un examen de matemátcas y Uj a la capacdad de concentracón del alumno): S los factores están normalzados (esperanza núla y varanza untara) y son ndependentes los unos de los otros pueden obtenerse los sguentes resultados: A) a k SERÁ EL COEFICIENTE DE CORRELACIÓN SIMPLE ENTRE LA VARIABLE Y EL FACTOR k : a k = N j X j F kj - Cargas factorales: Coefcentes báscos para determnacón contendo conceptual de los factores en análss exploratoro. - Matrz de cargas: Se denomna así a la matrz que recoge las cargas entre todas las varables orgnales y la seleccón fnal de factores. B) LA VARIANZA DE LA VARIABLE OBSERVADA PUEDE DESCOMPONERSE EN UNA PARTE EXPLICADA POR LOS FACTORES COMUNES AL RESTO DE VARIABLES Y OTRA EXPLICADA POR EL FACTOR ESPECÍFICO: 374
7 Var ( X ) = m k = a k + d - Comunaldad: Uno de los térmnos más cláscos del análss factoral expresa la parte de cada varable (su varabldad) que puede ser explcada por los factores comunes a todas ellas. - Especfcdad: Es el térmno opuesto a comunaldad ya que expresa la parte específca de cada varable que escapa a los factores comunes. C) EL COEFICIENTE DE CORRELACIÓN ENTRE DOS VARIABLES DEPENDERÁ EXCLUSIVAMENTE DE LA FORMA EN QUE AMBAS VARIABLES COMPARTAN FACTORES COMUNES: Cov ( X X s ) = m k = a k a sk 7.- PASOS A COMPLETAR 7..- SELECCIÓN DE VARIABLES Dmensón conceptual: Varables en relacón con el fenómeno de análss. Aún en el caso de un análss exploratoro, tener claro el modelo factoral teórco ayuda a la seleccón conceptual de las msmas. "Basura dentro - Basura Fuera" Dmensón técnca: () Deben ser métrcas, aunque se admte la presenca (no generalzada) de fctcas (0,). () Un número elevado no garantza un mejor análss, es más, debe optarse por la mnmzacón del número ncal. (3) Las correlacones son la base del planteamento. 375
8 3.A) Deben exstr altas correlacones en general para encontrar factores comunes. 3.B) Todas deben presentar, al menos, alguna relacón fuerte: varables asladas del resto constturán factores aslados SELECCIÓN DE LA MUESTRA Ampltud: Cuanto mayor rato observacones/varables, mejor. (receta: Nº observacones 5 veces mayor que el de varables). Una rato reducda aumenta las posbldades de encontrar correlacones espuras, propas de la muestra, no de la poblacón general. Heterogenedad: Evdente pero a veces se olvda: una muestra de objetos/sujetos homogénea no contene nformacón EXTRACCIÓN DE FACTORES: Nos refermos al cálculo analítco de los factores a partr de las varables orgnales. La extraccón mplcará: () Decdr el método analítco - matemátco de cálculo de los msmos..a) Factoral por componentes prncpales: El análss explora toda la varanza de cada varable: la común al resto, la específca y la debda a errores de observacón. - Recomendable para reduccón de datos - Recomendable en conjuntos con varanza común elevada.b) Factoral Común: El análss explora sólo la parte común al resto, de la varanza de cada varable. - Recomendable en análss confrmatoro de dmensones latentes (objetvo de reduccón en º plano) 376
9 - Recomendable cuando las puntuacones factorales no son mportantes (no van a usarse); el método adolece de ndetermnacón de factores. () Selecconar el número de factores que son necesaros para captar una cantdad razonable de nformacón de los datos orgnales..a) Valor de los Autovalores o Raíces Latentes.B) Seleccón a pror (modelo teórco conocdo).c) Utldad práctca (conceptual) de los factores.d) % global varanza orgnal explcada.e) Contraste de caída en la comunaldad acumulada INTERPRETACIÓN Y ROTACIÓN: La matrz de cargas, factoral o de componentes relaconarán factores y varables para aproxmarnos a su sgnfcado. (Matrz de estructura: Matrz que contene los coefcentes de correlacón entre factores y varables orgnales. Para factores ortogonales concde con la de cargas). - A la hora de valorar s una carga expresa relacón o no (es sufcentemente elevada), deberemos ser tanto más exgentes cuanto: - Menor sea el tamaño muestral - Menos varables se ncluyan en el factoral - El factor analzado sea de los últmos extraídos S esta msón es dfícl, la rotacón elmna ambgüedades, ayudando a hacerlo: - Rotacones ortogonales (Varmax, Equamax, Cuartmax): Es conceptualmente menos realsta, pero maxmza la varanza "explcada" y, en ocasones, la ortogonaldad resulta útl. - Rotacones oblcuas (Oblmn): Es más realsta (es dfícl suponer ortogonaldad conceptualmente), suele ofrecer resultados más claros y además aporta nformacón sobre la relacón entre factores. 8.- DETALLE TÉCNICO 377
10 8..- ALGO MÁS SOBRE EL ANÁLISIS DE CORRELACIONES Trple condcón de análss: A.- En general, la mayor parte de las varables deben estar relaconadas de forma mportante B.- Todas las varables deben estar relaconadas con, al menos, otra del conjunto C.- Las correlacones parcales no ndcan presenca de factores subyacenetes comunes. Matrz Ant - Imagen: Matrz de correlacones parcales. Test de esfercdad de Bartlett: Test paramétrco basado en el determnante transformado de la matrz de correlacones: permte contrastar la doble hpótess de que los elementos de la dagonal prncpal de la matrz son la undad y el resto cero. Test Kaser Mayer Olkn: Rato senclla entre correlacones smples entre parcales + smples debe ser cercano a. La msma medda puede elaborarse para una sola varable atendendo sólo a sus relacones con el resto de varables (Test MAS ) ALGO MÁS SOBRE LA EXTRACCIÓN POR COMPONENTES PRINCIPALES (MARCO GENERAL) "P" varables ncales: X = [X, X...X p ] Construremos p componentes prncpales guados por: () funcón lneal de las varables orgnales, () que absorban el máxmo de varacón de las varables X y (3) que estén ncorrelaconados. Y j = Y = β ˆ X ˆ X ˆ j β j β X βˆ p X + ; j =,,..., n Y X X... X βˆ p Y X X... X p βˆ Y =. ; X =... ; βˆ = Y n X n X n... X pn βˆ p La varacón de la varable Y, será: Y Y = β ˆ S β donde S = X X pj 378
11 8.3.- DETALLE OBTENCIÓN ER Y º COMPONENTES PRINCIPALES Y = X βˆ El prmer componente es: Y Y β ˆ S βˆ... y debemos procurar que se maxmce: β ˆ' βˆ Para abordar el proceso debemos exgr: = ˆ'... por tanto al fnal: Max Z = β S β ( β β )... o sea: Z βˆ S βˆ ( S = S βˆ λˆ ˆ β λˆ I ) ˆ β λˆ = 0 = 0 βˆ = 0 Huyendo de la solucón trval tenemos: S ˆ I = 0 ˆ λˆ = ˆ' ˆ λ a partr de aquí, hallamos λˆ que susttuda en ) β 0 El segundo componente es: βˆ Y = X ˆ λˆ I = (... y de nuevo debemos procurar maxmzar: ' Y β β S nos da βˆ ˆ' ˆ Y = S... sujeto de nuevo a la β ˆ' βˆ = a la que ahora añadmos la ausenca de correlacón con el prmer componente: Y Y =0...o lo que es gual β ˆ' S βˆ = 0 que puede escrbrse tambén β ˆ' βˆ como = 0 Por tanto, la funcón a maxmzar queda: Max Z βˆ' = S βˆ λˆ ( ˆ ) ( ˆ βˆ' µ βˆ' β β tras hallar la prmera dervada y realzar una sere de reduccones, tenemos que: ) S ˆ λˆ βˆ β = 0 o sea... ( S ˆ I ) ˆ 0 λ β = 379
12 que se resuelve como para el er componente. 380
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesLicenciatura 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 detallesAspectos 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 detallesModelos 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 detallesCURSO 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 detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesMAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.
TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesEXAMEN 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 detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesEXAMEN 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 detallesEXAMEN 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 detallesExamen 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 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 detallesLección 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 detallesControl de la exactitud posicional por medio de tolerancias
Control de la exacttud posconal por medo de tolerancas Francsco Javer Arza López José Rodríguez-Av María Vrtudes Alba Fernández Plan Estatal de Investgacón Centífca y Técnca y de Innovacón 2013-2016. Ref.:
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesID:1627 APLICACIÓN DE LOS MULTIPLICADORES DE LAGRANGE EN LA SOLUCIÓN DE LA CORRELACIÓN CANÓNICA APLICADO A COSTOS DE CALIDAD EN SALUD
ID:67 APLICACIÓN DE LO MULTIPLICADORE DE LAGRANGE EN LA OLUCIÓN DE LA CORRELACIÓN CANÓNICA APLICADO A COTO DE CALIDAD EN ALUD Peguero Pérez, Rolando; Del Río Caballero, German; Leyva Peguero, Ylesy. Cuba
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesRegresión 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 detallesANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR
1 ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR Dela E. Montalvo Roca 1, Gaudenco Zurta Herrera 1 Ingenera en Estadístca Informátca Drector de Tess. M.Sc. en Matemátcas, Unversty of South
Más detallesTODO 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 detallesCAPÍTULO 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 detallesAnálisis cuantitativo aplicado al Comercio Internacional y el Transporte
Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón
Más 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 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 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 detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesExtracción de Atributos. Dr. Jesús Ariel Carrasco Ochoa Oficina 8311
Extraccón de Atrbutos Dr. Jesús Arel Carrasco Ochoa arel@naoep.mx Ofcna 8311 Contendo Introduccón PCA LDA Escalamento multdmensonal Programacón genétca Autoencoders Extraccón de atrbutos Objetvo Preprocesamento
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallese 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 detallesPrueba de Evaluación Continua
Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas
Más detallesRelación 2: Regresión Lineal.
Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el
Más detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más detallesTERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA
Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesModelo 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 detallesCLAVE - Laboratorio 1: Introducción
CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.
Más detallesTema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)
Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las
Más detallesLa Relación existente entre Gasto y Déficit Público en Latinoamérica ( )
La Relacón exstente entre Gasto y Défct Públco en Latnoamérca (1960-2004) XXV Encuentro de Economstas Banco Central de Reserva del Perú Rodolfo Baca Gómez- Sánchez Lma, Dcembre 2007 1 Resumen Estudar cómo
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesTema 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 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 detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesTema 6 El mercado de bienes y la función IS
Tema 6 El mercado de benes y la funcón IS Macroeconomía I Sánchez Curso 2008-09 Bblografía para preparar este tema Apuntes de clase Capítulo 5, Macroeconomía, O. Blanchard, pp. 81-100 Objetvo del tema
Más detallesInstituto 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 detallesEJERCICIOS: 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 detallesEspecialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Más detallesEnfoque de la dominancia para el análisis de la evolución de la pobreza entre 1988 y 2004
Enfoque de la domnanca para el análss de la evolucón de la pobreza entre 1988 y 2004 Juan Dego Trejos S. Lus Ángel Ovedo C. Insttuto de Investgacones en Cencas Económcas Unversdad de Costa Rca Hechos 30
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesEl 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 detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesEl impacto regional de la crisis en las remesas
El mpacto regonal de la crss en las remesas Segundo semnaro naconal de desarrollo: crss y análss regonal 27 de octubre, 2009, FES-Acatlán Marcos Valdva López Centro Regonal de Investgacones Multdscplnaras
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesCAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.
CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural serán las establecdas por la reglamentacón específca vgente o
Más detallesTema 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 detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesRegresión lineal y correlación lineal
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesCAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED
Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesPUBLICACIONES DE 4º CURSO
PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesInstituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012
Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE
Más detallesUn ejemplo de Análisis Factorial de Correspondencias
Estadístca Anàls de Dades (curs 001-00) Un ejemplo de Análss Factoral de Correspondencas Se trata de estudar la estructura de las ventas de una empresa que dstrbuye 10 productos en 8 mercados. Para ello
Más detallesIN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco
Departamento de Ingenería Industral Facultad de Cs. Físcas y Matemátcas Unversdad de Chle IN540: Métodos Estadístcos para economía y gestón Profesores: Marcelo Henríquez, Felpe Avlés Auxlares: José Mguel
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más 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 detallesEstas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.
UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detalles3. Análisis de Factores
3. Análss de Factores 3.. Introduccón y objetvos. El análss de factores es un procedmento estadístco que crea un nuevo conjunto de varables no correlaconadas entre sí, llamadas factores subyacentes o factores
Más detallesBoletín de la Tendencia Laboral del Desarrollo Humano
Boletín de la Tendenca Laboral del Desarrollo Humano Notas técncas AÑO 05 NÚMERO 6 PROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO MÉXICO Nota técnca Índce de Compettvdad Socal (cs) El cs es una medda
Más detallesMETODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 014 INSTITUTO NACIONAL DE ESTADÍSTICAS AÑO 016 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesEDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño
EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste
Más detallesVisión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
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 detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 013 INSTITUTO NACIONAL DE ESTADÍSTICAS 015 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR
Más detallesSe entiende por renta el cobro o el pago periódico motivado por el uso de un capital
Rentas Se entende por renta el cobro o el pago peródco motvado por el uso de un captal Desde el punto de vsta de las matemátcas fnanceras, se entende por renta una sucesón de captales dsponbles, respectvamente
Más detallesMétodo de reponderación aplicado en la EPA
Método de reponderacón aplcado en la EPA La Encuesta de Poblacón Actva (EPA), como cualquer otra encuesta a hogares, puede tener dstorsones en las estmacones que produce, debdo a una sere de causas lgadas
Más detallesBases Físicas del Medio Ambiente. Teoría de Errores (Programa de Prácticas)
Bases Físcas del Medo Ambente Teoría de Errores (Programa de Práctcas) Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas.
Más detallesTema 6 El mercado de bienes y la función IS
Tema 6 El mercado de benes y la funcón IS Macroeconomía I Prof. Anhoa Herrarte Sánchez Curso 2007-08 Bblografía para preparar este tema Apuntes de clase Capítulo 3, Macroeconomía, O. Blanchard Prof. Anhoa
Más detallesCAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D.
CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 0 Ing. Dego A. Patño G. M.Sc, Ph.D. Solucón de la Ecuacón de Estado Solucón de Ecuacones de Estado Estaconaras: Para el caso estaconaro (nvarante en el tempo),
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesDiseño de la Muestra. Introducción. Tipo de muestreo y estratificación
Dseño de la Muestra A Introduccón Sguendo las orentacones dadas por la Ofcna Estadístca de la Unón Europea (EUROSTAT) se a selecconado una muestra probablístca representatva de la poblacón de los ogares
Más detalles