Tema 1 : INTRODUCCIÓN

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

Download "Tema 1 : INTRODUCCIÓN"

Transcripción

1 Introduccón a la Econometría Tema 1: ITRODUCCIÓ Tema 1 : ITRODUCCIÓ 1.1 Análss de datos bdmensonales. Cuando estudamos un enómeno con dos característcas observables que creemos puedan tener relacón o cuando analzamos la posble relacón entre dos enómenos dstntos se denomna varable bdmensonal al conunto de pares de valores (X,Y) en que se puede concretar una observacón conunta cualquera. Así tenemos que del enómeno sonomía de los ndvduos se puede observar conuntamente las característcas altura y peso de cada ndvduo, del enómeno mercado de un ben lo aríamos con las característcas preco y cantdad o, tambén, podríamos relaconar el enómeno ngreso amlar con el enómeno educacón observando conuntamente las característcas salaro y años de estudo. En todos estos casos se dene una varable bdmensonal (X,Y). Se llama varable estadístca bdmensonal a una coleccón de observacones conuntas de (X,Y), que una vez ordenadas da lugar a lo que llamamos dstrbucón bdmensonal de recuencas que podemos representar de las sguentes ormas: 1) Con observacones agrupadas por recuencas: [ (, y ) ; n ] 1,..., 1,..., donde (, y ) representa a cualquer par observado n veces de la varable (X,Y). n es la recuenca absoluta conunta, cumpléndose que: sendo el número total de observacones. 1 1 n ) Con observacones sn agrupar: (, y ) 1,..., que descrbe la sere completa de valores observados, repetdos o no. Esta será la orma que abtualmente utlzaremos para representar los pares de valores obtendos. ótese que en el prmer caso tenemos que utlzar dos subíndces y, mentras que en el segundo sólo tenemos que utlzar un subíndce. Se denomnan dstrbucones margnales a las dstrbucones undmensonales que resultan de consderar por separado cada una de las dos varables que orman la varable bdmensonal. Dstrbucones condconadas son las dstrbucones undmensonales que surgen al ar un valor de una de las varables (condconante) y consderar la dstrbucón de los valores de la otra (condconada), sempre que acompañen al únco valor de la varable condconante. Se observa que: - al condconar reducmos el número de elementos de la dstrbucón al arnos eclusvamente en los que cumplen una determnada condcón denda por un valor concreto de la otra varable. - el número total de dstrbucones condconadas es +. 1

2 Departamento de Estadístca e Investgacón Operatva II (Métodos de Decsón) En el Apéndce de este Tema se repasan las dencones y epresones de los momentos en una dstrbucón bdmensonal, a partr de la orma que consdera los datos agrupados según su recuenca conunta, ncluyendo algunas demostracones báscas. Para el caso en que la dstrbucón bdmensonal se presente como el conunto de pares (, y ) con 1,...,, entonces los momentos respecto al orgen se epresarán de la sguente orma: a rs y r s y y a10 a y a 0 a 0 a11 1 y Y los momentos con respecto a las medas: m rs r s ( - ) ( y - y) ( - ) 1 m S 0 y m S 0 ( y - y) y - y 1 - Sendo la covaranza gual a: m S 11 y ( - ).( y - y) 1 1 y -.y Se dce que la varable Y es ndependente de la varable X cuando las dstrbucones condconadas de Y/X (una para cada valor de ) son guales entre sí. Análogamente, decmos que la varable X es ndependente de la varable Y cuando las dstrbucones condconadas de X/Yy (una para cada valor de ) son guales entre sí e guales a su vez a la dstrbucón margnal de la varable X. Se puede observar que cuando se da la ndependenca en un sentdo se da tambén en el otro, sendo la ndependenca recíproca. La condcón necesara y sucente de ndependenca estadístca en el caso de observacones agrupadas por recuencas es: 1,..., 1,..., n.. n n.. Esta dencón de ndependenca es muy egente y dícl de cumplr en la práctca, aunque los enómenos que representen las varables X e Y no tengan nnguna relacón entre sí. El alumno ya la a utlzado en la Teoría de la Inerenca Estadístca para la construccón del test χ de ndependenca. S X e Y son ndependentes se verca que:

3 Introduccón a la Econometría Tema 1: ITRODUCCIÓ a y. y.... y. a. a s las varables son ndependentes a 11 a 10.a y por tanto la covaranza: S y a 11 - a 10.a a 10.a - a 10.a 0 S las varables son ndependentes la covaranza toma el valor cero. Pero el recíproco no sempre es certo, es decr: s la covaranza es cero no podemos asegurar que las varables sean ndependentes. Se dce que la varable Y depende unconalmente de la varable X s para cada valor que toma X le corresponde un únco valor y a la Y. La dstrbucón condconada de Y/X esta ormada por ese valor únco y con recuenca no nula, sendo su meda gual a ese valor y su varanza gual a cero. Análogamente se denría la dependenca unconal de X respecto de Y. S se cumple en los dos sentdos se dce que la dependenca unconal es recíproca o bunívoca. Lo abtual, en el campo de la estadístca aplcada, es que trabaemos con varables cuyo grado de dependenca esté comprenddo entre la ndependenca y la dependenca unconal. De tal orma que los métodos estadístcos tratarán de cuantcar ese grado de dependenca, de estudar la orma unconal más adecuada y de medr la nluenca que una de las varables pudera tener sobre la otra. Aspectos que se tratan en el estudo del modelo de regresón lneal smple. S nos encontramos en el caso en que las recuencas conuntas necesaramente an de ser untaras porque nngún valor de la X n de la Y se repte, como cuando se recogen en una tabla las cras anuales de consumo y renta, evdentemente dcas varables no son ndependentes, mentras que aparentemente se puede pensar que este una dependenca unconal bunívoca dado que a cada valor observado de la X le corresponde un únco valor observado de la Y. Sn embargo, lo que ocurre, generalmente, en estos casos es una lmtacón de normacón que no nos permte tener más de un par observado dstnto, ben porque los datos sean temporales e rrepetbles, o ben porque los datos sendo de corte transversal corresponden a varables de tpo contnuo sn posbldad práctca de repetcón (eemplo: gastos santaros e mpuestos pagados por 500 amlas españolas elegdas al azar). En este últmo caso se puede agrupar los datos de cada una de las varables por ntervalos y construr una tabla de correlacón determnando las cras de las recuencas conuntas correspondentes, mentras que en el otro caso, admtendo que no son ndependentes, tampoco podemos aceptar que esta una dependenca unconal, a no ser que reconozcamos el carácter determnsta del enómeno que estemos estudando. Recordemos que la covaranza es una medda del grado de asocacón lneal entre las dos varables X e Y: 3

4 Departamento de Estadístca e Investgacón Operatva II (Métodos de Decsón) y ( - ) < 0 ( y-y ) > 0 ( - ) ( y-y ) >0 > 0 II I y III IV - < y -y < - > 0 y-y< 0 ( ) 0 ( ) 0 ( ) ( ) Como se puede ver en esta gura, que supone una relacón crecente o postva entre las varables, cuanto más cerca de la línea recta magnara que pasa por el punto (,y) estén los puntos observados abrá más puntos pertenecentes a los cuadrantes I y III, donde los sumandos que determnan la covaranza son postvos y tendrán más mportanca en su cálculo que los puntos de los cuadrantes II y IV donde abrá menos. En el caso de una relacón lneal perecta no abrá puntos en estos cuadrantes y los térmnos de la covaranza serán todos postvos. S la relacón uese decrecente o negatva la covaranza tomaría un valor negatvo. Luego, cuanto mayor sea el valor absoluto de la covaranza mayor será el grado de relacón o asocacón lneal entre las varables. S la covaranza es postva la relacón es crecente o en el msmo sentdo, s la covaranza es negatva la relacón es decrecente o en sentdo contraro. S la covaranza tomase el valor cero, aunque no podamos armar que las varables son ndependentes, el grado de relacón lneal es nulo. 1. Concepto de modelo. El modelo econométrco. Un modelo es una representacón smplcada de la realdad y lo ace utlzando epresones smbólcas por medo de un conunto de relacones matemátcas. Un modelo económco representa a un enómeno económco de orma smplcada y en térmnos matemátcos. Se puede decr que un modelo económco es la epresón matemátca de una determnada teoría económca. Un modelo econométrco es aquel modelo económco que contene las especcacones necesaras para su aplcacón empírca. Incorpora varables aleatoras permtendo el uso de los métodos de la nerenca estadístca a partr de los datos observados sobre las magntudes ncludas en el propo modelo. Un modelo econométrco es un conunto de relacones matemátcas que representa las dependencas e nluencas entre dversas magntudes económcas ncorporadas al 4

5 Introduccón a la Econometría Tema 1: ITRODUCCIÓ modelo por medo de varables, que suelen representar a las posbles observacones muestrales de dcas varables, y podrán ser aleatoras. Un modelo econométrco tambén recoge certas característcas del enómeno que se estuda por medo de parámetros, cuyo valor desconocdo deberá estmarse aplcando el correspondente método estadístco, y suele ntroducr certas varables aleatoras denomnadas perturbacones aleatoras o térmnos de error, no observables, que representan al conunto de posbles causas e nluencas no ncludas en el modelo. La ormulacón del modelo se ace, abtualmente, a partr del contendo de una determnada teoría económca que se pretende contrastar empírcamente. 1.3 Eemplo 1: La uncón de Consumo eynesana La teoría económca en que se basa este modelo podemos recogerla drectamente de la obra de Keynes: La ley pscológca undamental en que podemos basarnos con entera conanza, tanto a pror partendo de nuestro conocmento de la naturaleza umana como de la eperenca, consste en que los ombres están dspuestos, por regla general y en promedo, a aumentar su consumo a medda que su ngreso crece, aunque no tanto como el crecmento de su ngreso. Esto quere decr que s C es el monto del consumo e Y el ngreso (ambos meddos en undades de salaro), ΔC tene el msmo sgno que dc ΔY, pero es de menor magntud, es decr, es postvo y menor que la undad. ( pág. dy 96)... la satsaccón de las necesdades prmaras nmedatas de un ombre y su amla es un motvo más uerte que los relatvos a la acumulacón... Estas razones mpulsarán cas sempre a aorrar mayor proporcón del ngreso cuando el ngreso real aumenta ( pág. 97 )... (Teoría general de la ocupacón, el nterés y el dnero, J.M. Keynes) Es decr, s C es el consumo prvado y R es la renta dsponble, epresados en precos constantes (o delactados) se denen las sguentes pótess del modelo: 1º) C depende de R. Por tanto, s se escoge la orma lneal para epresar la relacón entre C y R el modelo económco queda: C α + βr º) La propensón margnal al consumo está comprendda entre cero y uno: dc 0 < < 1 d R al ser dc dr β esto supone que 0 < β < 1. 3º) La propensón margnal al consumo debe ser menor que la propensón meda: dc < dr α + β R De aquí se deduce que β < β R < α + β R α > 0 R C R 5

6 Departamento de Estadístca e Investgacón Operatva II (Métodos de Decsón) El modelo econométrco correspondente se obtene rerendo las varables C y R a los nstantes temporales de observacón e ntroducendo las varables que representan a los térmnos de error o perturbacones aleatoras. Modelo econométrco: C t α + βr t + u t para t 1,,..., C t : Consumo prvado delactado del perodo t R t : Renta dsponble delactada del perodo t α y β : parámetros ut : Varable aleatora denomnada perturbacón aleatora Es evdente que s prescndmos de u t y susttumos C t y R t por sus valores observados la ecuacón C t α + βr t no se cumplrá de orma eacta, para unos valores os de α y β, en los perodos consderados. Las varables u t representan todas las demás causas que aectan al consumo, derentes del nvel de renta, y no están ncludas en el modelo, ntroducendo la aleatoredad en el msmo y pudendo, así, aplcar métodos de nerenca estadístca para la estmacón de los parámetros α y β. Las pótess sobre los valores de los parámetros ( 0 < β <1 y α > 0 ) deberán ser aceptadas o recazadas estadístcamente utlzando alguno de los métodos de contrastes de pótess que nos proporcona la Inerenca Estadístca. A partr de este prmer eemplo se pueden deducr las sguentes característcas sobre los elem entos que consttuyen un modelo econométrco: - Cada magntud que relacona un modelo se representa por una varable que puede tomar cualquer valor dentro de un conunto establecdo. A la varable que representa a la magntud que el modelo ntenta analzar estudando las posbles causas de sus varacones se la denomna varable endógena (tambén: dependente o eplcada) y a las que representan esas posbles causas y, por tanto, sus varacones nluyen sobre la varable endógena se las denomna varables eógenas (tambén: ndependentes o eplcatvas). En el eemplo 1 la varable endógena es C, que representa al consumo prvado del perodo a precos constantes, y la únca varable eógena es R, que representa a la renta dsponble del perodo tambén a precos constantes. - Las varables u t, que, como ya se a dco antes, contenen a todas las causas e nluencas sobre la varable endógena no representadas por las varables eógenas n por los parámetros, recben el nombre de perturbacones aleatoras. Al ser el valor de los parámetros desconocdo serán varables no observables o latentes. 6

7 Introduccón a la Econometría Tema 1: ITRODUCCIÓ - Los datos que generan las varables observables pueden ser: Seres temporales: las observacones se realzan en dstntos perodos de tempo. Datos de seccón cruzada o de corte transversal: cuando corresponden a dstntos ndvduos o amlas o empresas pero reerdos al msmo perodo de tempo. Datos de panel: supone una combnacón de los anterores al obtenerse los datos sobre un msmo conunto de ndvduos(o amlas o empresas) en dstntos perodos de tempo. En nuestro eemplo los datos son seres temporales: C t y R t representan, respectvamente, a las cras delactadas del consumo prvado y de la renta dsponble en un país o regón determnada correspondentes al perodo de tempo t. - Al realzarse las observacones temporalmente podemos dstngur entre varable sn retardos, smbolzada por X t, que recoge el valor que toma la varable X en el perodo t y varable retardada, smbolzada por X t-, que representa al valor que tomó la varable X perodos antes del perodo t. En el eemplo las varables son sn retardos. - S el modelo se dene, como en nuestro eemplo, por medo de una únca ecuacón se denomna modelo unecuaconal, y s necesta de dos ecuacones o más modelo multecuaconal. - S los datos son de seccón cruzada o s son seres temporales pero todas las varables ncludas en el modelo aparecen sn retardos, el modelo se denomna estátco y s aparecen, en alguna ecuacón del modelo, varables retardadas el modelo recbe el nombre de dnámco en el sentdo que ntentará captar el comportamento en el tempo de las varables mplcadas. - S la orma en que ntervenen varables y parámetros en cada una de las ecuacones que denen el modelo es lneal respecto a los parámetros, es decr, se puede epresar como una combnacón lneal en que los coecentes son los parámetros y los elementos de la combnacón son las varables orgnales o alguna transormacón de las msmas, se dce que el modelo es lneal, mentras que en cualquer otro caso será un modelo no lneal. - Los parámetros son magntudes que permanecen constantes durante la realzacón completa del enómeno. Aectan a las varables, como coecentes, marcando su eecto o peso en la relacón y pueden tener nterpretacón económca. En el eemplo 1 los parámetros son α y β, sendo β la propensón margnal al consumo y α el denomnado consumo autónomo. 7

8 Departamento de Estadístca e Investgacón Operatva II (Métodos de Decsón) 1.4 Etapas del trabao econométrco. I. ESPECIFICACIÓ Teoría económca Matemátcas Estadístca matemátca Eemplo 1: C t α + βr t + u t para t 1,,..., II. ESTIMACIÓ Inerenca estadístca (estmacón) Teoría económca Eemplo 1: estmadores de α y β: α * y β * C t * α * + β * R t III. VERIFICACIÓ Inerenca estadístca (contrastes de pótess) Teoría económca Eemplo 1: H o : β 0 H 0 : β 1 H o : α 0 H 1 : β 0 H 1 : β < 1 H 1 : α > 0 IV. APLICACIÓ Puede ser, por eemplo, predccón: Métodos estadístcos Teoría económca Eemplo 1: S R t+ R 0 C p t+ α * + β * R 0 8

9 Introduccón a la Econometría Tema 1: ITRODUCCIÓ EJERCICIOS PROPUESTOS 1.1 Las alturas (en cm.) y los pesos (en g.) de 40 mueres, elegdas al azar entre las que orman un determnado colectvo, an sdo: Alturas: X Pesos: Y X Y X Y X Y X Y º: Calcule las medas y las varanzas de las dstrbucones margnales de alturas y pesos. º: Elabore la tabla de correlacón de la dstrbucón bdmensonal, establecendo para cada varable 6 ntervalos de ampltud gual a 5. 3º: Calcule, a partr de la tabla construda en el apartado anteror, las medas y varanzas margnales, comparándolas con las obtendas en el prmer apartado. 4º: Obtenga las medas de las ses dstrbucones de recuencas de los pesos condconadas a las alturas. 1. Las calcacones obtendas por 3 alumnos, elegdos al azar entre los asstentes a un determnado Curso de especalzacón, en el eamen prevo de ngreso ( X ) y en el eamen nal ( Y ), an resultado ser : X Y X Y X Y X Y º: Calcule las medas y las varanzas de las dos dstrbucones margnales. º: Elabore la tabla de recuencas de la dstrbucón bdmensonal. 3º: Calcule la covaranza. 4º: Calcule las medas y las varanzas de las ses dstrbucones de Y condconadas a los dstntos valores que puede tomar la X. 9

10 Departamento de Estadístca e Investgacón Operatva II (Métodos de Decsón) 1.3 Tenendo en cuenta los datos anuales de la Renta Dsponble y del Consumo Prvado, ambos epresados en mles de mllones de dólares de 000, de la economía de Estados Undos durante el perodo de 1960 a 004: Renta dsponble (mles de mllones de $ de 000) Consumo prvado (mles de mllones de $ de 000) Año Renta dsponble (mles de mllones de $ de 000) Consumo prvado (mles de mllones de $ de 000) Año Renta dsponble (mles de mllones de $ de 000) Consumo prvado (mles de mllones de $ de 000) Año Fuente: Economc Report o te Presdent 1º: Calcule las medas y las varanzas de las varables Renta dsponble y Consumo prvado, así como su covaranza. º: Cuáles serían los valores de las medas y las varanzas de las dstrbucones del Consumo prvado condconadas a los dstntos valores de la Renta dsponble?. 1.4 Calcule las medas, las varanzas y la covaranza de las varables X e Y s los datos los conocemos de las sguentes ormas: A) 15 ; X 70 ; X 554 ; Y 84 ; Y 56,5 ; X Y 1340 B) 15 ; Y t 84 ; (Y t - Y ) 56,1 ; (Y t - Y )(X t - X ) -17 X t 70 ; (X t - X ) 68 C) 15 ; a ; a 5,6 ; a 0 369, ; a 0 35,1 ; a

11 Introduccón a la Econometría Tema 1: ITRODUCCIÓ APÉDICE Los momentos en una dstrbucón bdmensonal. La covaranza. Sea la dstrbucón bdmensonal de recuencas [ (, y ) ; n ] 1,..., 1,...,, denmos el momento de orden (r,s) respecto al orgen como : a rs 1 1 y n r s 1 1 y r s Se deduce que a y a y ya que 1 a 0 y a 0 y a 0 y y a 1 0 y Así msmo ya que 1 y 1 1 y Por tanto, s uno de los elementos del par (r,s) se anula, el momento resultante es el correspondente en la dstrbucón margnal. El momento de orden (1,1) o momento producto es: a 11 y 1 1 Denmos el momento de orden (r,s) respecto a las medas como : m rs r s ( - ) ( y - y) 1 1 Con demostracones análogas a las utlzadas en los momentos respecto al orgen se obtene que: 10 0 m 0 ( - ) S a 0 - a 0 - a10 1 m ( y - y) S a - y a - 0 m 0 y 0 0 a 1 m Se dene la covaranza como: 11

12 Departamento de Estadístca e Investgacón Operatva II (Métodos de Decsón) COV(X, Y) m ( - ) ( y - y) 11 Sy 1 1 para el cálculo en uncón de los momentos respecto al orgen: S y m 11 a 11 - a 10.a S y ( - ) ( y - y) ( y - y - y +.y) (sumatoro de una suma suma de sumatoros) 1 y y 1 - y y 1 (tenendo en cuenta los resultados anterores y que ΣΣ 1 ) a 11 - a - ya10 +.y a11 - a10a - a a10 + a10a a11 - a10a 1 Transormacones lneales en una dstrbucón bdmensonal. Sea la varable (X,Y) de la que a partr de su dstrbucón bdmensonal de recuencas se obtenen los momentos : a a y m S m S m S 10 0 S realzamos las transormacones lneales: 0 y X a + bx Y c + dy 11 y los momentos en la dstrbucón de recuencas de la nueva varable (X,Y ) serían: a' 10 ' a + b a' y' c + dy m' 0 S' b S m' 0 Sy' d Sy Para las desvacones típcas: S ' bs S y' d S y Para la covaranza: Demostracón: S ' y' m' 11 S'y' bdsy ( ' ' ) ( y' y' ) ( a + b a b) ( c + dy c dy) 1 1 b ( ) d( y y ). bd( ) ( y y) bdsy

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

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. 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 detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: 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 detalles

Relaciones entre variables

Relaciones 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 detalles

TEMA 4. TRABAJO Y ENERGIA.

TEMA 4. TRABAJO Y ENERGIA. TMA 4. TRABAJO Y NRGIA. l problema undamental de la Mecánca es descrbr como se moverán los cuerpos s se conocen las uerzas aplcadas sobre él. La orma de hacerlo es aplcando la segunda Ley de Newton, pero

Más detalles

Medidas de centralización

Medidas 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 detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos 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 detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. 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 detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 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 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

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

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS 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 detalles

LECTURA 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 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 detalles

3. VARIABLES ALEATORIAS.

3. 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 detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 MECANICA Y FLUIDOS: Calorimetría 8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS

Más detalles

TEMA 10: ESTADÍSTICA

TEMA 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 detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN 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 detalles

Introducción al riesgo de crédito

Introducción 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 detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 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 detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De 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 detalles

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar

Más detalles

REGRESION Y CORRELACION

REGRESION 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 detalles

Tema 4: Variables aleatorias

Tema 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 detalles

Correlación y regresión lineal simple

Correlación 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 detalles

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

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

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

Descripción de una variable

Descripción 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 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

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: 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 detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección 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 detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 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 detalles

Tema 1: Análisis de datos unidimensionales

Tema 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 detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más 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

Análisis de Regresión y Correlación

Análisis 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 detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS 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 detalles

Modelos unifactoriales de efectos aleatorizados

Modelos 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 detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

PRUEBAS 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 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 detalles

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

VARIABLE 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 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

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 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 detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 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 detalles

Medidas de Tendencia Central y de Variabilidad

Medidas 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 detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS 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 detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 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 detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

UNIVERSIDAD DE SONORA

UNIVERSIDAD DE SONORA UNIVERSIDAD DE SONORA Dvsón de Cencas Exactas y Naturales Departamento de Matemátcas Estadístca Aplcada a las Lcencaturas: Admnstracón, Contaduría e Inormátca Admnstratva. Fascículo II: Estadístca Descrptva

Más detalles

CESMA BUSINESS SCHOOL

CESMA 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 detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

Capitalización y descuento simple

Capitalización 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 detalles

1.- Una empresa se plantea una inversión cuyas características financieras son:

1.- Una empresa se plantea una inversión cuyas características financieras son: ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES. Departamento de Economía Aplcada (Matemátcas). Matemátcas Fnanceras. Relacón de Problemas. Rentas. 1.- Una empresa se plantea una nversón cuyas característcas

Más detalles

VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES

VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación 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 detalles

T. 9 El modelo de regresión lineal

T. 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 detalles

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1 odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas

Más detalles

4 Contraste de hipótesis en el modelo de regresión múltiple

4 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 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

Electricidad y calor

Electricidad y calor Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage:  Algunas definiciones Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD 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 detalles

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos

Bloque 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 detalles

Mecánica Clásica ( Partículas y Bipartículas )

Mecánica Clásica ( Partículas y Bipartículas ) Mecánca lásca ( Partículas y Bpartículas ) Alejandro A. Torassa Lcenca reatve ommons Atrbucón 3.0 (0) Buenos Ares, Argentna atorassa@gmal.com Resumen Este trabajo consdera la exstenca de bpartículas y

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología

Más detalles

Matemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato

Matemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA

Más detalles

Regresión Lineal Simple y Correlación

Regresión 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 detalles

Física I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto

Física I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto ísca I Apuntes complementaros al lbro de teto TRABAJO y ENERGÍA MECÁNICA Autor : Dr. Jorge O. Ratto Estudaremos el trabajo mecánco de la sguente manera : undmensonal constante Tpo de movmento varable bdmensonal

Más detalles

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c. Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una

Más detalles

PREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )

PREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES ) TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES

Más detalles

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS 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 detalles

Economía de la Empresa: Financiación

Economía 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 detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría 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 detalles

CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN COLOMBIA *

CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN COLOMBIA * CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN * INTRODUCCIÓN Helmuth Yesd Aras Gómez ** Álvaro Hernando Chaves Castro *** El efecto de la educacón sobre el desarrollo económco tradconalmente

Más detalles

Regresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy

Regresión 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 detalles

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media 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 detalles

www.fisicaeingenieria.es

www.fisicaeingenieria.es 2.- PRIMER PRINCIPIO DE LA TERMODINÁMICA. 2.1.- Experencas de Joule. Las experencas de Joule, conssteron en colocar una determnada cantdad de agua en un calorímetro y realzar un trabajo, medante paletas

Más detalles

Glosario básico. de términos estadísticos

Glosario básico. de términos estadísticos Glosaro básco de térmnos estadístcos Lma, mayo de 2006 CREDITOS Dreccón y Supervsón Lupe Berrocal de Montestruque Drectora Técnca del Centro de Investgacón y Desarrollo Responsable del documento Hermna

Más detalles

La adopción y uso de las TICs en las Microempresas Chilenas

La adopción y uso de las TICs en las Microempresas Chilenas Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas

Más 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

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

Regresión y correlación simple 113

Regresión 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 detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis de error y tratamiento de datos obtenidos en el laboratorio Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a

Más detalles

En un mercado hay dos consumidores con las siguientes funciones de utilidad:

En un mercado hay dos consumidores con las siguientes funciones de utilidad: En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 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 detalles

GUIA DE ALCANCE FINANCIERO CAE OPERACIONES DE CRÉDITO HIPOTECARIO

GUIA DE ALCANCE FINANCIERO CAE OPERACIONES DE CRÉDITO HIPOTECARIO INTRODUCCIÓN La ley 2.555 publcada el día 5 de dcembre de 211 y que entró en vgenca el día 4 de marzo de 212, que modca la ley 19.496 Sobre Proteccón de los Derechos de los Consumdores (LPC, regula desde

Más detalles

Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.

Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2. Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles