Tema 8: Heteroscedasticidad
|
|
- José Manuel Herrero Torregrosa
- hace 6 años
- Vistas:
Transcripción
1 Tema 8: Heteroscedastcdad Máxmo Camacho Máxmo Camacho Econometría I - ADE+D / - Tema 8
2 Heteroscedastcdad Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema : El modelo de regresón lneal r Tema 3: El método MCO r Tema 4: Propedades de la estmacón MCO r Tema 5: Inferenca y predccón Bloque II: Extensones al modelo lneal clásco r Tema 6: Multcolnealdad r Tema 7: Varables fctcas r Tema 8: Heteroscedastcdad r Tema 9: Endogenedad Máxmo Camacho Econometría I - ADE+D / - Tema 8
3 Descrpcón de la clase Introduccón a la heteroscedastcdad El método MCO bajo heteroscedastcdad ELI, no óptmo El método MCG ELIO Deteccón de heteroscedastcdad: gráfcos y contrastes Métodos práctcos de estmacón de modelos con heteroscedastcdad Conclusones Máxmo Camacho Econometría I - ADE+D / - Tema 8 3
4 . Introduccón.. Ejemplo de clase Imagnemos que en una regón (Calforna) los responsables de educacón queren estudar notas en 4 colegos. Datos en 998 Notas Y Rato estudantes por profesor X (REP) Porcentaje de alumnos que no hablan ben el doma X (PNI) Porcentaje de alumnos que pueden pedr ayuda para comedor X 3 (PAC) Cómo estmamos esta relacón? Modelo lneal clásco Máxmo Camacho Econometría I - ADE+D / - Tema 8 4
5 . Introduccón.. Supuestos del modelo lneal clásco Suponemos relacón lneal entre las ables Y β + β X β X + ε k k Y Xβ + ε Y χ ' β + ε Supuestos Exogenedad débl E ( ε χ ) E( ε ) Muestras aleatoras E ( ε χ ) E( ε ) E( ε ε ) E( ε ) E( ε ) j j j Momentos cuartos fntos ( ) <, < E( X ) <,..., < E( X ) < < E ε k No multcolnealdad exacta X,..., X n no son lnealmente dependentes Normaldad ε X ~ N Homoscedastcdad ( ε X ) Máxmo Camacho Econometría I - ADE+D / - Tema 8 5
6 . Concepto de heteroscedastcdad.. Defncón Dremos que en un modelo exste heteroscedastcdad cuando ( ε ) X ( ε X ) ( ε X ) ( ε X ) ( ε X ) n V En el modelo poblaconal Notas f(y/x5) Homoscedastcdad f(y/x) f(y/x5) Notas f(y/x5) Heteroscedastcdad f(y/x) f(y/x5) REP REP Máxmo Camacho Econometría I - ADE+D / - Tema 8 6
7 . Concepto de heteroscedastcdad.. Defncón Qué ocurre con los datos de nuestro ejemplo? ( X 9.6) Una vez conocdo el valor de X, la dspersón de Y es mayor entorno a la meda de X que para valores muy grandes o muy pequeños de X m ( ε X ) λ X Intucón económca: r Colegos con bajo (alto) REP son buenos (malos) y sus alumnos sacan altas (bajas) notas r En los colegos con REP en torno a la meda hay de todo y la dspersón de notas es mayor notas Yˆ X Rato estudante-profesor Máxmo Camacho Econometría I - ADE+D / - Tema 8 7
8 . Concepto de heteroscedastcdad.. Defncón Ejemplos económcos donde puede exstr heteroscedastcdad Ventas de la empresa en funcón del tamaño r Las pequeñas empresas venden poco todas, entre las grandes hay más dspersón Vehículos en la famla en funcón de la renta r Las famlas pobres consumen poco todas, entre las rcas hay más dspersón Dvdendos a repartr entre acconstas en funcón del benefco r Las empresas con pocos benefcos tenen poco que repartr, entre las que tenen altos benefcos hay más dspersón En seres temporales tambén ocurre r Desde los 8s hay menos volatldad en las seres macroeconómcas Máxmo Camacho Econometría I - ADE+D / - Tema 8 8
9 3. El método MCG 3.. Consecuencas sobre MCO MCO sgue sendo ELIO? β ( X ' X ) X ' Y β + ( X ' X ) X ' ε ( ε X ) V ˆ MCO Parece claro que EL no hay problema Qué ocurre con la nsesgadez? Usando a E ( ˆ β X ) β + ( X ' X ) X ' E( ε X ) β ( ˆ ) ( ) β X X ' X X ' VX ( X ' X ) Pero, sgue sendo óptmo? r Teorema de Gauss-Markov. S un estmador * β cumple a más r Para cualquer otro ELI ~ β A'Y r Se cumple que r Entonces β MCO c, ~ ( c' β ) ( c' ˆ β ) * ya no es óptmo porque es ELI pero no cumple Máxmo Camacho Econometría I - ADE+D / - Tema 8 9
10 3. El método MCG 3.. MCG es óptmo Busquemos un estmador óptmo: un ELI que cumpla ( ε X ) V Como V es smétrca y defnda postva, sempre exste P tal que PVP ' I P' P V Pre-multplquemos el modelo orgnal por P Cumple? PY PXβ + Pε * * * * ( ε X ) PVP' I X β + ε Por Gauss-Markov, aplcar MCO al modelo con estrella es óptmo Y ˆ β MCG * * * * ( X ' X ) X ' Y ( X' V X ) X' V Y Máxmo Camacho Econometría I - ADE+D / - Tema 8
11 Máxmo Camacho Econometría I - ADE+D / - Tema 8 Dvdr el modelo orgnal por la desvacón típca y aplcar MCO al corregdo Cómo es P? El modelo corregdo será r Observacón : damos más peso a observacones con menor anza (más precsas) Este modelo es homoscedástco MCO da ELIO 3. El método MCG 3.3. Una forma fácl de aplcar MCG ' P P V n V n P PXβ Pε PY + k k X X Y ε β β β ( ) X X ε ε
12 3. El método MCG 3.3. Una forma fácl de aplcar MCG Ejemplo: heteroscedastcdad provocada por agregacón de datos Supongamos que queremos estmar consumo regonal en funcón de renta regonal Y + βx β + ε Los datos son medas de los muncpos de la regón Y y n n ε n u X x Incluso aunque u sea homoscedásco caso que n n para todo Cómo estmamos? MCO al modelo corregdo ( X ) u n ( ε X ) u, ε es heteroscedástco salvo en el n n Y n + β β n X + n ε Máxmo Camacho Econometría I - ADE+D / - Tema 8
13 3. El método MCG 3.4. Dstrbucón del estmador Esperanza y anza ˆ β MCG ( X' V X ) X' ε β + V ( ˆ β X ) β + ( X' V X ) X' V E( ε X ) β E MCG V λ Ω ( ˆ β X ) ( X ' V X ) X ' V ( X ) X ( X' V X ) ( X' V X ) ( X' Ω X ) MCG ε λ Dstrbucón: por smltud a los capítulos estudados para MCO S suponemos normaldad ˆ β MCG X ~ N β (,( X ' V ) ) X S tenemos muestras grandes aunque no supongamos ˆ β X d MCG N β (,( X ' V X ) ) Contrastes F * ( R ˆ β )' ( ( ˆ ) ') ( ˆ MCG r R βmcg R RβMCG r) d Fq, q Máxmo Camacho Econometría I - ADE+D / - Tema 8 3
14 4. Métodos para detectar la heteroscedastcdad 4.. Métodos gráfcos Gráfco de los datos con recta de regresón MCO notas Yˆ X Cuadrado de resduos versus ables explcatvas Rato estudante-profesor 4 y y x m E REP x Máxmo Camacho Econometría I - ADE+D / - Tema 8 4
15 4. Métodos para detectar la heteroscedastcdad 4.. Métodos estadístcos Contraste de Whte: s hay hetero la anza será funcón de las explcatvas Calcula un estmador de la anza: cuadrado de resduos de MCO en Y β + β X β X + ε k k e Regresa e sobre una constante, las explcatvas, sus cuadrados y los productos cruzados sn que se repta nnguno y obtene R. ( q número de regresores aparte de la constante) e + α j X j + ω j X j + j j j p< j α δ X X + ε jp j p R Contrasta H : homo H a : hetero nr χ q Nuestro ejemplo nr 4*. 8.4 > χ, hetero χ q,α Máxmo Camacho Econometría I - ADE+D / - Tema 8 5
16 4. Métodos para detectar la heteroscedastcdad 4.. Métodos estadístcos Contraste de Glesjer: s hetero anza será funcón una able (explcatva) Calcula un estmador de la desvacón típca: valor absoluto de resduos de MCO en Y β + β X β X + ε k k e Regresa e sobre una acón de la able causante de hetero e h + αx α + ε r h ±, ±.5, ± funcones más usuales (crtcable) r Nos quedamos con h * para el que se produzca más rechazo en contraste sgnfcatvdad α Contrastar H : homo H : hetero t * ˆ ( ˆ α α vâr ) t a α En nuestro caso * eˆ.46 > t REP (.49) (95.48) t α,. 5 hetero Máxmo Camacho Econometría I - ADE+D / - Tema 8 6
17 4. Métodos para detectar la heteroscedastcdad 4.. Métodos estadístcos Contraste de Goldfeld-Quandt: s hetero funcón monótona de able (explcatva) Reordenamos datos de forma crecente en X Y ˆ ˆ c X Dvdmos la muestra en tres y dejamos c ( /3 crtcable) datos centrales sn utlzar Estmamos anza en ambos extremos y las comparamos H : homo Ha : hetero ˆ ˆ ~ F n, K n K En nuestro caso ˆ ˆ < F38,. 38. homo? r No srve porque la anza no se relacona con REP de forma monótona Máxmo Camacho Econometría I - ADE+D / - Tema 8 7
18 5. Solucón a la heteroscedastcdad 5.. El estmador MCGF En las aplcacones práctcas rara vez conoceremos V No podemos aplcar MCG Solucón: estmar V y usarla en las fórmulas de MCG ˆ β MCGF ( X Vˆ ' X ) X ' Vˆ Y Cómo afecta la estmacón de V? La estmamos de forma consstente S conocemos la estructura de la anza: ejemplo ( ε ) χ ' α X 4 Estmamos el modelo orgnal por MCO y obtenemos e 4 Regresamos MCO e sobre X y estmamos α 4 La usamos para corregr el modelo y aplcamos MCO al corregdo (MCGF) Y β χ ' ˆ α Y + β χ ' ˆ α X βk χ ' ˆ α X k + u χ ' ˆ α S pensamos que depende lnealmente de una able: Glesjer Entonces ˆ βmcgf ˆ β MCG vâr( ˆ βmcgf X ) ( ˆ βmcg X ) Los contrastes t * y F * en grandes muestras se pueden aplcar Máxmo Camacho Econometría I - ADE+D / - Tema 8 8
19 5. Solucón a la heteroscedastcdad 5.. El estmador MCGF Normalmente no conocemos las estructura de la anza No podremos asegurar que obtenemos estmacones de la anza sean consstentes Nada asegura que MCGF tenda al óptmo (MCG) ˆ βmcgf ˆ β MCG pero vâr( ˆ βmcgf X ) ( ˆ βmcg X ) Podemos tener anzas muy grandes En nuestro ejemplo: usamos Glesjer para estmar MCGF MCO Notas ˆ REP (9.46) (.47) MCGF Notas ˆ REP (9.67) (.48) Máxmo Camacho Econometría I - ADE+D / - Tema 8 9
20 5. Solucón a la heteroscedastcdad 5.. El estmador de Whte Whte propone estmar MCO (ELI y consstente) ( X ' X ) X ' Y ˆ MCO β Pero tenemos que estmar su anza de forma consstente Sabemos que ( ˆ ) ( ' ) ' ( ) ( ' β X X X X X X X X ) MCO ε ( ε X ) n Tenemos que estmar consstentemente sn hacer supuestos sobre la estructura de la anza 4 Estmamos el modelo orgnal por MCO y obtenemos e 4 Susttumos e por En nuestro ejemplo MCO Notas ˆ REP (9.46) (.47) Whte Notas ˆ REP (.36) (.5) Máxmo Camacho Econometría I - ADE+D / - Tema 8
21 6. Qué hemos aprenddo? Heteroscedastcdad: anza no constante MCO ELI y consstente pero no óptmo MCG ELIO Cómo detectar la heteroscedastcdad? Métodos gráfcos Métodos estadístcos: Whte, Glesjer, Goldfeld-Quandt g Cómo resolver heteroscedastcdad? S conocemos estructura de anza: MCGF (ELI) y es asntótcamente óptmo S no conocemos estructura de anza: MCO (ELI) con anza de Whte Máxmo Camacho Econometría I - ADE+D / - Tema 8
Tema 6: Multicolinealidad
Tema 6: Multcolnealdad Máxmo Camacho Máxmo Camacho Econometría I - ADE+D / - Tema 6 Multcolnealdad h Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema : El modelo de regresón
Más detallesTema 7: Variables Ficticias
Tema 7: Varables Fctcas Máxmo Camacho Máxmo Camacho Econometría I - ADE+D /2 - Tema 7 Varables fctcas Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema 2: El modelo de regresón
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 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 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 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 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 detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más 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 detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecunddad y su relacón con varables socoeconómcas, demográfcas y educatvas aplcando el Modelo de Regresón
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesRegresión 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 detallesDISTRIBUCION DE RENDIMIENTOS: APLICACIONES
DISTRIBUCION DE RENDIMIENTOS: APLICACIONES Puntos a desarrollar Como es el modelo de dstrbucon normal de los rendmentos Como se puede utlzar para hacer predccones futuras sobre precos de actvos Como se
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más 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 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 detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesMODELOS DE ELECCIÓN 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 detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesAnálisis 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 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 detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesUna Reformulación de la Mecánica Clásica
Una Reformulacón de la Mecánca Clásca Antono A Blatter Lcenca Creatve Commons Atrbucón 30 (2015) Buenos Ares Argentna Este trabajo presenta una reformulacón de la mecánca clásca que es nvarante bajo transformacones
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesLECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detalles3. Algunos modelos estadísticos
3. Algunos modelos estadístcos Con las herramentas computaconales a nuestra dsposcón, en las sguentes seccones se revsarán algunos de los modelos estadístcos más usados en la práctca y la forma de hacer
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más 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 detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesJuegos estáticos con información completa
Teoría de las decsones y de los juegos. Tema : Juegos estátcos con nformacón completa Juego en forma normal g = ( N={,,,n},(S,,S n ), (u,,u n ) ) N conjunto de jugadores, œ N (fnto) S, conjunto de estrategas
Más detallesRegresión Cuantílica o Quantile Regression
Regresón Cuantílca o Quantle Regresson A. Cameron and P. rved, (005), Macroeconometrcs, Methods and Applcatons, Cambrdge Unversty Press. R. Koenker, (005), Quantle Regresson, Econometrc Socety Monographs
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 detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detalles1 x 11 x 12... x 1p y 1 2 x 21 x 22... x 2p y 2 : n x n1 x n2... x np y n
4. Análss de regresón lneal múltle En caítulos anterores tratamos el análss de regresón smle que trata de relaconar una varable exlcatva cuanttatva con una varable resuesta cuanttatva. Todos los elementos
Más detallesPrograma de Asesor Financiero (PAF) Nivel I
Programa de Asesor Fnancero (PAF) Nvel I MÓDULO 1_Fundamentos de la Inversón SOLUCIÓN_CUESTIONARIOS DEL LIBRO Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO Capítulo 4: TIPOS DE INTERÉS Y RENTABILIDAD Capítulo
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detalles4 Contraste de hipótesis en el modelo de regresión múltiple
4 Contraste de hpótess en el modelo de regresón múltple Ezequel Urel Unversdad de Valenca Versón: 9-13 4.1 El contraste de hpótess: una panorámca 1 4.1.1 Formulacón de la hpótess nula y de la hpótess alternatva
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA.
ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. SEGUNDA PARTE. (TRABAJO PRESENTADO EN EL CONGRESO DE LA SOCIEDAD ARGENTINA DE ESTADISTICA)
Más detallesRegresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy
Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema
Más detallesRegresión lineal en química analítica
Regresón lneal en uímca analítca Alejandro C. Olver Departamento de Químca Analítca, Facultad de Cencas Bouímcas y Farmacéutcas, Unversdad Naconal de Rosaro, Supacha 5, Rosaro (S00LRK), Argentna. E-mal:
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesi=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1
CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de
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 detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesESTADÌSTICA INFERENCIAL
DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA ADMINISTRACIÓN DE EMPRESAS ESTADÌSTICA INFERENCIAL MÓDULO EN REVISIÓN DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA
Más detallesTeoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios
Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.
Más detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesIntroducción al riesgo de crédito
Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta
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 detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesFacultad de Ciencias Económicas Universidad de Buenos Aires. Fronteras de Eficiencia Estocásticas:
Fronteras de Efcenca Estocástcas Págna 0 Semnaro de Integracón y Apllcacón: Lcencatura en Economíía Facultad de Cencas Económcas Unversdad de Buenos Ares Fronteras de Efcenca Estocástcas: Comparacón Internaconal
Más detallesINTERPRETACIÓN DE LOS PARÁMETROS DE UN MODELO BÁSICO DE REGRESIÓN LINEAL. Rafael de Arce Ramón Mahía Febrero de 2012
INTERPRETACIÓN DE LOS PARÁMETROS DE UN MODELO BÁSICO DE REGRESIÓN LINEAL Rafael de Arce Ramón Mahía Febrero de 0 Además de abordar en otras sesones y documentos los aspectos relatvos a la estmacón de los
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesTema 1. El Modelo de Regresión Lineal con Regresores Aleatorios.
ema El Modelo de Regresión Lineal con Regresores Aleatorios Introducción En este tema vamos a analizar las propiedades del modelo de regresión lineal con regresores aleatorios Suponer que los regresores
Más detallesPRES ENTACION. 1. Realizar el análisis estructural de las relaciones entre variables independientes y dependientes;
Introduccón a la Econometría PRES ENTACION La econometría como dscplna que forma parte de las matemátcas aplcadas, al utlzar conceptos matemátcos y estadístcos en la economía, ha resultado de gran utldad
Más detallesMétodos de Apareamiento
Human Development Network Latn Amerca and the Carbbean Regon Spansh Impact Evaluaton Trust fund Sesón n Técnca T VI: Métodos de Apareamento Karen Macours Karen Macours Managua, 5 Marzo 2008 En el caso
Más detallesEJERCICIOS RESUELTOS TEMA 2
EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;
Más detallesEjercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.
Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesRentas o Anualidades
Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesCapítulo III Medidas de posición y de dispersión
Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento
Más detallesINVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO
ESCUELA SUPERIOR POLITECNICA DEL LITORAL INSTITUTO DE CIENCIAS HUMANISTICAS Y ECONOMICAS INVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO Resumen: Las decsones de
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesJordi Esteve Comas. Monográfico sobre inestabilidad financiera.
Jord Esteve Comas Cclos, tendencas y estaconaldad en la bolsa española Monográfco sobre nestabldad fnancera. Quaderns de Polítca Econòmca. Revsta electrònca. 2ª época. Vol. 10, Mayo -Agosto 2005 Edta:
Más detallesUno de los determinantes distributivos más importantes es la política redistributiva del gobierno.
REDISTRIBUCION Uno de los determnantes dstrbutvos más mportantes es la polítca redstrbutva del goberno. o polítca trbutara o gasto socal o seguros socales o regulacones con fnes redstrbutvos Países dferen
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesTutorial sobre Máquinas de Vectores Soporte (SVM)
Tutoral sobre Máqunas de Vectores Soporte SVM) Enrque J. Carmona Suárez ecarmona@da.uned.es Versón ncal: 2013 Últma versón: 11 Julo 2014 Dpto. de Intelgenca Artcal, ETS de Ingenería Informátca, Unversdad
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
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 detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesTema 4. Esperanzas y función característica
CSA. Esperanzas y funcón característca 1 Tema 4. Esperanzas y funcón característca 1. ESPERANZA Y VARIANZA A menudo es nteresante resumr certas propedades de una VA y de su dstrbucón de probabldad en unos
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesExamen de Física-1, 1 Ingeniería Química Enero de 2011 Cuestiones (Un punto por cuestión).
Exmen de Físc-1, 1 Ingenerí Químc Enero de 211 Cuestones (Un punto por cuestón). Cuestón 1: Supong que conocemos l poscón ncl x y l velocdd ncl v de un oscldor rmónco cuy frecuenc ngulr es tmén conocd;
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesTEMA 6 AMPLIFICADORES OPERACIONALES
Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal
Más detalles