Análisis comparativo de la siniestralidad en el seguro de automóviles según el grado de cobertura *
|
|
- Claudia Murillo Naranjo
- hace 8 años
- Vistas:
Transcripción
1 Análss comparatvo de la snestraldad en el seguro de automóvles según el grado de cobertura * Melgar Hraldo, María del Carmen mcmelhr@upo.es Ordaz Sanz, José Antono jaordsan@upo.es Departamento de Economía, Métodos Cuanttatvos e Hstora Económca Unversdad Pablo de Olavde RESUMEN En el seguro de automóvles, las dferencas en la snestraldad según las garantías de que dsfruta el asegurado puede ser un ndcatvo de la exstenca de nformacón asmétrca. A nvel empírco parece evdencarse que, a mayor grado de cobertura, mayor es la probabldad de sufrr algún snestro. Las razones de este hecho pueden resdr tanto en problemas de seleccón adversa como de resgo moral. Pero además de ello, en la ocurrenca de snestros pueden ntervenr otra sere de característcas, relatvas a la pólza, al vehículo, o ncluso al propo asegurado. En este trabajo se pretende determnar cuáles son estos factores, para cada grado de cobertura consderado, así como realzar un análss comparatvo entre los msmos para comprobar s concden o s, por el contraro, cada tpo de cobertura muestra sus propos factores o característcas determnantes de la snestraldad. Para llevar a cabo este estudo, se utlzará nformacón procedente de una entdad aseguradora prvada española junto con un modelo de eleccón dscreta bnara de tpo probt, donde la varable a explcar recogerá la ocurrenca o no de snestros. Palabras claves: Seguro de automóvles; snestraldad; grado de cobertura; probt. Clasfcacón JEL (Journal Economc Lterature): C25, G22. Área temátca: Aspectos cuanttatvos del fenómeno económco. * Este trabajo ha recbdo ayuda del Mnstero de Educacón y Cenca y FEDER (Proyecto SEJ /ECON). XV Jornadas de ASEPUMA y III Encuentro Internaconal 1
2 Melgar Hraldo, María del Carmen; Ordaz Sanz, José Antono 1. INTRODUCCIÓN Las característcas ntrínsecas del mercado del seguro de automóvles han propcado que se converta en el centro de muchas nvestgacones centífcas encamnadas a contrastar empírcamente la valdez de certos resultados teórcos que se dan en presenca de nformacón asmétrca. Los artículos poneros de Boyer y Donne (1989) y de Puelz y Snow (1994) y, más tarde, los de Donne et al. (1999) y Chappor y Salané (2000) consttuyen algunas referencas mprescndbles en este sentdo. En ellos, se comprueba que a medda que aumenta el grado de cobertura del asegurado, tambén lo hace su snestraldad. Este hecho puede dervarse, por una parte, de que el conductor, sabedor de su tendenca a tener snestros, contrate una cobertura más elevada; surge entonces lo que se conoce como seleccón adversa. Pero por otra parte, tambén pudese ser que el asegurado, al sentrse protegdo por su nvel de cobertura elegdo, tuvese una acttud al conducr descudada; en este caso, estaríamos ante problemas de resgo moral. Melgar et al. (2005) y Ordaz y Melgar (2006) llegan a esta msma conclusón con datos españoles. Estos trabajos plantean, sn embargo, un objetvo más amplo: la determnacón de los factores que se muestran sgnfcatvos al estmar la snestraldad. Para ello, en el prmero se analza el número de snestros declarados a través de modelos de recuento o count data, mentras que en el segundo de los estudos ctados se estma la probabldad de ocurrenca de algún snestro, medante un modelo de eleccón dscreta bnara. El trabajo actual tene como prncpal objetvo comparar las varables que resultan más relevantes al estmar, para cada nvel de cobertura consderado, la probabldad de que el asegurado sufra o no snestros. Utlzaremos para ello datos proporconados por una compañía aseguradora prvada española y aplcaremos un modelo de eleccón dscreta bnara de tpo probt, donde la varable a explcar tomará el valor 1 ó 0 según el asegurado haya sufrdo algún snestro o no, respectvamente. Tras esta ntroduccón, en la Seccón 2 se expone el modelo que se va a emplear para llevar a cabo las estmacones ndcadas. A contnuacón, se analzan en la Seccón 3 los resultados obtendos, descrbendo prevamente las prncpales característcas de los datos de que dsponemos. Termnamos con unas breves conclusones en la Seccón 4 y las Referencas Bblográfcas en la Seccón 5, a la que sgue un Anexo que recoge la defncón de las varables utlzadas en el análss. 2 XV Jornadas de ASEPUMA y III Encuentro Internaconal
3 Análss comparatvo de la snestraldad en el seguro de automóvles según el grado de cobertura 2. METODOLOGÍA: EL MODELO PROBIT Los modelos de eleccón dscreta bnara, como el probt, resultan apropados cuando la varable endógena toma sólo dos valores, el 0 y el 1, para reflejar cada una de las dos úncas posbles stuacones que se pueden dar. En el presente estudo, se trata de la ocurrenca o no de algún snestro para cada asegurado. Así, s la varable endógena se denota por Y para el caso del ndvduo, su valor vendrá dado de manera que: Y = 1 s la pólza regstra la ocurrenca de algún snestro 0 en caso contraro S suponemos que la varable Y depende de un conjunto de varables explcatvas X, de modo que: Y = F( β ) + ε, [1] X donde ε representa la habtual perturbacón aleatora, que cumple las condcones de ser rudo blanco; entonces partendo del supuesto de que [ ] 0 E ε =, se llega a: X [ Y X ] E [ F( X β ) X ] + E [ ε X ] F( X β ) E = =, [2] Por otra parte, s se calcula la esperanza condconada de Y en térmnos de probabldad, entonces: de donde se deduce que: [ Y X ] 1 P( Y = 1 X ) + 0 P( Y = 0 X ) = P( Y 1 X ) E = =, [3] [ Y X ] F( X ) = P( Y 1 X ) E = β =. [4] Por tanto, la aplcacón de este modelo se traduce en la asgnacón de certa probabldad condconal de que Y = 1, que denotaremos por P ; es decr: P ( Y = 1 X ) = P = F( X β ) ; [5] y, tenendo en cuenta que la varable Y toma úncamente los valores 1 y 0: P( Y = 0 X ) = 1 P = 1 F( X β ). [6] En defntva, el modelo estma la probabldad de que la pólza del vehículo del ndvduo regstre la ocurrenca de algún snestro: Y ˆ = Pˆ = F( X ˆ) β. [7] El planteamento expuesto hasta el momento es común a todos los modelos de eleccón dscreta bnara. El modelo probt se caracterza por utlzar como funcón F la funcón de dstrbucón correspondente a una normal estándar: Φ. Así: XV Jornadas de ASEPUMA y III Encuentro Internaconal 3
4 Melgar Hraldo, María del Carmen; Ordaz Sanz, José Antono Z F ( X β ) = Φ( X β ) = Φ( Z ) = φ( s) ds, [8] 1 2 donde: φ ( s) = e [9] 1/ 2 (2π ) es la funcón de densdad de la dstrbucón normal y s es una varable muda de ntegracón con meda cero y varanza 1. En cuanto a la nterpretacón de los parámetros estmados por el modelo, éstos no determnan drectamente el efecto margnal de las varacones de las varables exógenas X k sobre la probabldad (como ocurrría en un modelo lneal). No obstante, su sgno y magntud sí resultan ndcatvos del sentdo del cambo y de la mportanca relatva de dchas varacones. 1 Respecto a la estmacón del modelo, ésta se va a llevar a cabo medante el método de máxma verosmltud, que proporcona estmadores consstentes y asntótcamente efcentes. Para contrastar la sgnfcatvdad ndvdual de cada parámetro (y, en consecuenca, de la varable explcatva correspondente), se emplea el test de Wald, cuyo estadístco, z, sgue una dstrbucón normal tpfcada. En cuanto a la evaluacón de la bondad del ajuste, en este tpo de modelos se han desarrollado meddas específcas, tales como el R 2 de McFadden, que oscla entre 0 y 1 (aunque su nterpretacón no resulta drectamente comparable con la del R 2 del modelo lneal), el estadístco LR o razón de verosmltud y el pseudo-r 2 de predccón. Fnalmente, para la deteccón de la exstenca de posbles problemas de endogenedad en el modelo, aspecto muy usual en este tpo de análss, puede utlzarse el test de Hausman (1978). s 2 3. ANÁLISIS DE LOS RESULTADOS Los datos con los que se ha trabajado corresponden a clentes de una entdad aseguradora prvada española, durante el perodo comprenddo entre el 16 de juno de 2002 y el 15 de juno de La nformacón dsponble hace referenca a característcas del vehículo asegurado (tpo y uso), del ttular de la pólza (edad, sexo, 1 El procedmento a segur para el cálculo de los efectos margnales puede consultarse en Cabrer et al. (2001). 4 XV Jornadas de ASEPUMA y III Encuentro Internaconal
5 Análss comparatvo de la snestraldad en el seguro de automóvles según el grado de cobertura antgüedad del permso de conduccón y regón de resdenca), de la propa pólza (prma anual y grado de cobertura aseguradora), así como al número de snestros que ha declarado cada clente. Se han consderado tres grados de cobertura: - Grado bajo: ncluye úncamente las garantías oblgatoras por ley (responsabldad cvl, defensa y reclamacones, asstenca, y muerte e nvaldez); - Grado medo: contene además algunas garantías opconales como la rotura de lunas, ncendo, robo y/o la retrada del permso de conduccón; - Grado alto: cubre tambén los daños propos del vehículo. La dstrbucón de los asegurados analzados según el grado de cobertura elegda, se puede aprecar en la Gráfca 1. En ella se observa que el número de pólzas es menor conforme aumenta dcho grado: el 54,3% contrata el nvel más bajo, el 37,8% se decde por el nvel medo y úncamente el 7,9% dsfruta del nvel de cobertura más elevado. Gráfca 1. Dstrbucón de los asegurados, según grado de cobertura ,9% ,8% ,3% Grado bajo Grado medo Grado alto Para cada una de las tres submuestras obtendas, la Tabla 1 muestra el porcentaje que cada categoría de las dstntas varables consderadas en nuestro análss supone sobre el total, al gual que el porcentaje que sufre snestros, dentro de cada categoría. Globalmente, se puede ver que la snestraldad aumenta a medda que lo hace el grado de cobertura: el 16,1% de los clentes con el grado de cobertura bajo sufre snestros; este porcentaje ascende al 29,3% entre los que dsfrutan del grado medo; y alcanza el 39,4% para los asegurados que han contratado el grado alto. XV Jornadas de ASEPUMA y III Encuentro Internaconal 5
6 Melgar Hraldo, María del Carmen; Ordaz Sanz, José Antono Tabla 1. Dstrbucón de las categorías y de la snestraldad por varable, según grado de cobertura Varable Categoría Porcentaje sobre el total de cada submuestra Porcentaje con snestros, sobre el total de la categoría Grado bajo Grado Grado Grado alto Grado bajo medo medo Grado alto Tpo del vehículo asegurado Tursmofurgoneta 68,2% 94,2% 99,3% 20,8% 29,4% 39,4% Camón 0,1% 3,2% 0,3% 25,0% 25,1% 33,3% Autocar 0,1% 0,2% 0,1% 44,4% 53,8% 100,0% Cclomotor-moto 13,8% 0,5% 0,1% 7,0% 3,6% 50,0% Vehículo especal 17,8% 1,9% 0,2% 4,9% 32,1% 0,0% Uso del vehículo asegurado Partcular 73,3% 86,2% 93,2% 17,7% 29,9% 39,2% Profesonal 26,3% 12,7% 6,7% 11,6% 27,5% 42,5% Otros 0,4% 1,1% 0,1% 25,8% 3,3% 100,0% Edad del asegurado De 18 a 25 años 3,5% 2,5% 2,9% 19,6% 30,3% 25,7% De 26 a 45 años 35,1% 44,1% 51,3% 16,1% 29,3% 40,8% De 46 a 70 años 54,0% 50,3% 43,4% 16,4% 29,6% 38,9% De 71 años y más 7,4% 3,1% 2,4% 12,7% 23,2% 37,9% Experenca como conductor del asegurado Menos de 2 años 0,9% 0,4% 0,8% 37,5% 40,0% 10,0% 2 años y más 99,1% 99,6% 99,2% 15,9% 29,2% 39,7% Sexo del asegurado Hombre 87,1% 83,0% 78,1% 15,9% 28,8% 38,5% Mujer 12,9% 17,0% 21,9% 17,4% 31,8% 42,9% Regón de resdenca del asegurado Canaras 6,2% 2,4% 1,2% 18,5% 30,4% 35,7% Centro 18,6% 15,8% 9,9% 11,9% 28,2% 39,8% Ceuta y Mellla 0,3% 0,6% 0,3% 13,6% 28,9% 50,0% Este 13,2% 10,2% 13,3% 20,4% 30,2% 30,4% Madrd 1,1% 1,3% 3,5% 18,6% 32,4% 42,9% Noreste 2,4% 3,7% 5,4% 14,4% 28,6% 41,5% Noroeste 13,0% 16,3% 28,4% 13,4% 29,8% 32,5% Sur 45,2% 49,7% 38,0% 17,1% 29,2% 47,0% Prma anual de la pólza Hasta ,6% 12,1% 0,9% 10,0% 21,9% 36,4% De 301 a ,3% 31,2% 2,5% 19,7% 26,0% 31,0% De 401 a ,0% 36,6% 9,3% 23,6% 30,6% 34,2% Más de 600 6,1% 20,1% 87,3% 31,1% 36,4% 40,2% Total 100,0% 100,0% 100,0% 16,1% 29,3% 39,4% Partendo de esta nformacón, se ha proceddo a determnar las varables que resultan sgnfcatvas al estmar la probabldad de sufrr algún snestro, dstnguendo entre cada grado de cobertura, medante un modelo probt. Como ya se ha señalado con anterordad, la snestraldad se ha planteado como una varable dcotómca, que hemos denomnado SINIESTR, cuyos valores reflejan el hecho de que el asegurado presente o no algún tpo de snestro durante el perodo consderado (con ndependenca de su número). En cuanto a las varables explcatvas de nuestro modelo, todas ellas son 6 XV Jornadas de ASEPUMA y III Encuentro Internaconal
7 Análss comparatvo de la snestraldad en el seguro de automóvles según el grado de cobertura fnalmente de carácter cualtatvo, por lo que su ncorporacón se ha realzado a través de varables fctcas según un esquema adtvo. De gual forma, hay que señalar que en lo que se refere al análss de la endogenedad entre las varables del modelo, el test de Hausman ha confrmado su exstenca; este aspecto resulta una lmtacón habtual en este tpo de nvestgacones. Los resultados de las estmacones econométrcas 2 pueden verse en la Tabla 2. La bondad de los dstntos ajustes, observada a través de los valores de sus correspondentes pseudo-r 2, podría consderarse en general aceptable (lógcamente es mejor cuanto mayor es el tamaño de la muestra consderada). El prmer punto que puede resaltarse es que las varables sgnfcatvas de la snestraldad para cada uno de los tres grados de cobertura consderados no concden; y en especal s se comparan los grados medo y alto, donde no hay nnguna en común. El grado bajo es el que presenta mayor número de varables relevantes a la hora de explcar la ocurrenca de snestros. Así, aparecen como sgnfcatvas el tpo y uso del vehículo, junto con la edad, la experenca en la conduccón y la regón de resdenca del asegurado. Respecto al tpo, los autocares y los cclomotores y motos reflejan un comportamento sgnfcatvamente dstnto al resto de vehículos; los prmeros con una mayor snestraldad, en tanto que en los segundos ésta es menor. En cuanto al uso del vehículo, el de carácter profesonal refleja una menor propensón a la ocurrenca de snestros que los restantes usos, ncluyendo el partcular. La edad se ha mostrado tambén como una varable sgnfcatva en este grado de cobertura y lo ha hecho en todos sus ntervalos; tomando como categoría base a los más jóvenes (de 18 a 25 años), en térmnos generales puede decrse que la snestraldad dsmnuye con la edad. La experenca al volante del asegurado, medda en térmnos de una antgüedad del permso de conduccón menor o gual/superor a 2 años, ha evdencado gualmente su sgnfcatvdad en este análss: a mayor experenca, menor snestraldad. Por últmo, en lo que se refere al lugar de resdenca del asegurado, las regones Centro (Castlla y León, Castlla-La Mancha y Extremadura), Noroeste (Cantabra, Galca y Prncpado de Asturas) y Este (Cataluña, Comundad Valencana e Islas Baleares) presentan 2 Las especfcacones fnalmente selecconadas para los dferentes modelos consderan un nvel de confanza mínmo para las varables del 90%. Asmsmo, cabe ndcar que no se ha ntroducdo el mporte de las prmas de las pólzas en el análss econométrco para evtar dstorsones, dada la fuerte relacón lneal exstente entre esta varable y la relatva a los grados de cobertura. XV Jornadas de ASEPUMA y III Encuentro Internaconal 7
8 Melgar Hraldo, María del Carmen; Ordaz Sanz, José Antono dferencas sgnfcatvas respecto al resto de España: el Centro y el Noroeste ofrecen una menor snestraldad, mentras que en el Este es mayor. Tabla 2. Resultados de la estmacón probt de la snestraldad, según el grado de cobertura Varable dependente: SINIESTR Modelo: Probt bnaro Método de estmacón: Máxma verosmltud Grado de cobertura BAJO MEDIO ALTO Nº de observacones Varable explcatva Coefcente P-valor Coefcente P-valor Coefcente P-valor C -0, ,0000-0, ,0000-0, ,0029 TUR_FUR* CAMION AUTOCAR 1, ,0144 0, ,0446 CICL_MOT -0, ,0000-1, ,0040 VEH_ESP USO_PART* USO_PROF -0, ,0000-0, ,0844 OTR_USOS -1, ,0000 ED18_25* ED26_45-0, ,0086 ED46_70-0, ,0108 ED71_ -0, ,0003-0, ,0443 ANTIG_2A 0, ,0000-1, ,0424 MUJER 0, ,0832 SUR* CANARIAS CENTRO -0, ,0000 CEU_MEL ESTE 0, ,0494-0, ,0006 MADRID NORESTE NOROESTE -0, ,0014-0, ,0001 Meda var. depend. 0, , , Desv. est. var. dep. 0, , , Desv. est. regresón 0, , , Suma cuadr. resd , , ,2060 Log. f. verosmltud , , ,0145 Log. f. verosm. restr , , ,3918 Razón verosm. (LR) 277, , ,75463 Grados de lbertad P-valor (LR) 0, , , R 2 McFadden 0, , , Predccones correctas var. dependente = Predccones correctas var. dependente = Pseudo-R 2 (%) 83,89 70,74 59,73 * Categoría base S nos centramos en el grado de cobertura medo, podremos aprecar que aquí las varables más sgnfcatvas resultan ser el tpo de vehículo, su uso, así como la edad del asegurado. En el tpo de vehículo, de nuevo los autocares y cclomotores y motos muestran un comportamento sgnfcatvamente dferente al resto y en el msmo sentdo 8 XV Jornadas de ASEPUMA y III Encuentro Internaconal
9 Análss comparatvo de la snestraldad en el seguro de automóvles según el grado de cobertura que en el caso del grado de cobertura bajo; esto es, en los autocares la snestraldad es mayor, mentras que en cclomotores y motos es menor. Sobre el uso, los dstntos al partcular presentan una menor snestraldad que éste. Fnalmente, la relevanca de la edad se deja ver sólo a través de la categoría de los mayores de 71 años, sendo la snestraldad de éstos menor que para el resto. Al observar el modelo correspondente a los asegurados con el nvel más alto de cobertura, es nteresante comprobar cómo en este caso resultan sgnfcatvas úncamente varables relatvas a característcas personales del asegurado: la antgüedad del permso de conduccón, el sexo y la regón de resdenca. En lo tocante a la prmera de las varables señaladas, los asegurados con una experenca como conductores de como mínmo 2 años, presentan mayor probabldad de sufrr snestros que los más nexpertos. Las mujeres, por su parte, aparecen en este nvel asegurador con una mayor propensón a la snestraldad que los hombres. Y sobre el lugar de resdenca, destacan frente al resto del país las regones Este y Noroeste. Como sucedía con el grado bajo de cobertura, la regón Noroeste presenta menores resgos de snestraldad; sn embargo, la regón Este muestra aquí menor probabldad de ocurrenca de algún snestro. Debemos destacar, por últmo, que todo lo señalado por nuestro análss econométrco es plenamente coherente con lo ya apuntado por el breve análss descrptvo de carácter exploratoro ofrecdo en la Tabla CONCLUSIONES En la lteratura pueden encontrarse dversos estudos en los que se pone de manfesto cómo el grado de cobertura aseguradora resulta ser un factor esencal a la hora de explcar la snestraldad en el seguro de automóvles. Partendo de este hecho, el presente trabajo ha establecdo dstntos modelos de tpo probt para estmar la probabldad de sufrr un snestro en este sector, según los dferentes grados de cobertura que el asegurado puede encontrar en el mercado. Utlzando una base de datos de regstros procedente de una compañía prvada que opera en el mercado español, donde se recoge nformacón sobre dstntas característcas del vehículo, del clente asegurado, así como de la propa pólza, se ha poddo comprobar que las varables que resultan más relevantes en el análss de la snestraldad dentro de cada grado de cobertura no son del todo concdentes. El aspecto quzás más llamatvo es el hecho de que en los nveles medo y alto no hay XV Jornadas de ASEPUMA y III Encuentro Internaconal 9
10 Melgar Hraldo, María del Carmen; Ordaz Sanz, José Antono nnguna varable sgnfcatva en común: mentras que en el grado medo sobresalen las varables relatvas a las característcas del vehículo, en el grado alto resaltan las referdas al asegurado. Por su parte, en el grado bajo, que es el mayortaramente elegdo por los conductores, aparecen varables de ambos tpos a la hora de explcar la snestraldad, sendo el tpo de vehículo la varable que resulta más sgnfcatva. 5. REFERENCIAS BIBLIOGRÁFICAS BOYER, M. y DIONNE, G. (1989). An Emprcal Analyss of Moral Hazard and Experence Ratng. Revew of Economcs and Statstcs, 71, pp CABRER, B.; SANCHO, A. y SERRANO, G. (2001). Mcroeconometría y decsón. Edcones Prámde, Madrd. CHIAPPORI, P.A. y SALANIÉ, B. (2000). Testng for Asymmetrc Informaton n Insurance Markets. Journal of Poltcal Economy, 108, 1, pp DIONNE, G.; GOURIÉROUX, C. y VANASSE, C. (1999). Evdence of Adverse Selecton n Automoble Insurance Markets. Automoble Insurance: Road Safety, New Drvers, Rsks, Insurance Fraud and Regulaton, Donne, G. y C. Laberge- Nadeau (eds.), pp HAUSMAN, J.A. (1978). Specfcaton Tests n Econometrcs. Econometrca, 46, pp MELGAR, M.C.; ORDAZ, J.A. y GUERRERO, F.M. (2005). Dverses Alternatves pour Détermner les Facteurs Sgnfcatfs de la Fréquence d Accdents dans l Assurance Automoble. Assurances et Geston des Rsques Insurance and Rsk Management, 73, 1, pp ORDAZ, J.A. y MELGAR, M.C. (2006). Analyss of the Man Influental Factors n the Accdents of the Automoble Insurance. XVI Jornadas Luso-Espanholas de Gestão Centífca, Inovaçao e Empreendedorsmo para o Séc. XXI Fnanças e Contabldade, pp PUELZ, R. y SNOW, A. (1994). Evdence on Adverse Selecton: Equlbrum Sgnallng and Cross-Subsdzaton n the Insurance Market. Journal of Poltcal Economy, 102, 2, pp XV Jornadas de ASEPUMA y III Encuentro Internaconal
11 Análss comparatvo de la snestraldad en el seguro de automóvles según el grado de cobertura ANEXO: Defncón de las varables utlzadas en el análss Tpo del vehículo asegurado TUR_FUR = 1 s el vehículo asegurado es un tursmo o una furgoneta; 0 en caso contraro (categoría base) CAMION = 1 s el vehículo asegurado es un camón; 0 en caso contraro AUTOCAR = 1 s el vehículo asegurado es un autocar; 0 en caso contraro CICL_MOT = 1 s el vehículo asegurado es un cclomotor o una moto; 0 en caso contraro VEH_ESP = 1 s el vehículo asegurado es un vehículo especal; 0 en caso contraro Uso del vehículo asegurado USO_PART = 1 s el uso del vehículo asegurado es el uso partcular; 0 en caso contraro (categoría base) USO_PROF = 1 s el uso del vehículo asegurado es profesonal; 0 en caso contraro OTR_USOS = 1 s el vehículo asegurado se destna a otros usos; 0 en caso contraro Edad del asegurado ED18_25 = 1 s el asegurado tene entre 18 y 25 años; 0 en caso contraro (categoría base) ED26_45 = 1 s el asegurado tene entre 26 y 45 años; 0 en caso contraro ED46_70 = 1 s el asegurado tene entre 46 y 70 años; 0 en caso contraro ED71_ = 1 s el asegurado tene 71 años o más; 0 en caso contraro Experenca como conductor del asegurado ANTIG<2A = 1 s el asegurado obtuvo el permso de conduccón hace menos de 2 años; 0 en caso contraro Sexo del asegurado MUJER = 1 s el asegurado es mujer; 0 en caso contraro Regón de resdenca del asegurado CANARIAS = 1 s el asegurado resde en la regón de Canaras (Canaras); 0 en caso contraro CENTRO = 1 s el asegurado resde en la regón Centro (Castlla y León, Castlla-La Mancha, Extremadura); 0 en caso contraro CEU_MEL = 1 s el asegurado resde en la regón de Ceuta y Mellla (Cudades Autónomas de Ceuta y Mellla); 0 en caso contraro ESTE = 1 s el asegurado resde en la regón Este (Cataluña, Comundad Valencana, Islas Baleares); 0 en caso contraro MADRID = 1 s el asegurado resde en la regón de Madrd (Comundad Autónoma de Madrd); 0 en caso contraro NORESTE = 1 s el asegurado resde en la regón Noreste (Aragón, Comundad Foral de Navarra, La Roja, País Vasco); 0 en caso contraro NOROESTE = 1 s el asegurado resde en la regón Noroeste (Cantabra, Galca, Prncpado de Asturas); 0 en caso contraro SUR = 1 s el asegurado resde en la regón Sur (Andalucía, Regón de Murca); 0 en caso contraro (categoría base) Prma anual de la pólza P0_300 = 1 s la prma anual pagada por el asegurado no supera los 300 ; 0 en caso contraro (categoría base) P301_400 = 1 s la prma anual pagada por el asegurado es mayor de 300 y no supera los 400 ; 0 en caso contraro P401_600 = 1 s la prma anual pagada por el asegurado es mayor de 400 y no supera los 600 ; 0 en caso contraro P601_ = 1 s la prma anual pagada por el asegurado es mayor de 600 ; 0 en caso contraro Cobertura aseguradora de la pólza GR_BAJO = 1 s el asegurado dsfruta del grado de cobertura bajo; 0 en caso contraro (categoría base) GR_MEDIO = 1 s el asegurado dsfruta del grado de cobertura medo; 0 en caso contraro GR_ALTO = 1 s el asegurado dsfruta del grado de cobertura alto; 0 en caso contraro Snestraldad SINIESTR = 1 s el asegurado ha sufrdo algún snestro; 0 en caso contraro XV Jornadas de ASEPUMA y III Encuentro Internaconal 11
Estimación de la siniestralidad no declarada en el seguro de automóviles: una aplicación a través de modelos de recuento *
Estmacón de la snestraldad no declarada en el seguro de automóvles: una aplcacón a través de modelos de recuento * Ordaz Sanz, José Antono jaordsan@upo.es Melgar Hraldo, María del Carmen mcmelhr@upo.es
Más detallesANÁLISIS DE LA CULPABILIDAD EN LOS SINIESTROS DEL SEGURO DEL AUTOMÓVIL
ANÁLISIS DE LA CULPABILIDAD EN LOS SINIESTROS DEL SEGURO DEL AUTOMÓVIL María del Carmen Melgar Hraldo José Antono Ordaz Sanz Flor María Guerrero Casas Departamento de Economía, Métodos Cuanttatvos e Hstora
Más detallesANÁLISIS GEOGRÁFICO DE LA SINIESTRALIDAD EN EL SEGURO DEL AUTOMÓVIL EN ESPAÑA
ANÁLISIS GEOGRÁFICO DE LA SINIESTRALIDAD EN EL SEGURO DEL AUTOMÓVIL EN ESPAÑA María del Carmen Melgar Hraldo Flor María Guerrero Casas Departamento de Economía, Métodos Cuanttatvos e Hstora Económca Unversdad
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 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 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 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 detallesModelos 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 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 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 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 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 detallesOPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS
P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la
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 detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detalles2.2 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 detallesComparación 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 detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
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 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 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 detallesERRORES DE RESPUESTA EN LA CLASIFICACIÓN DE SINIESTROS FRAUDULENTOS EN EL SEGURO DE AUTOMÓVILES. Mercedes Ayuso Montserrat Guillén
ERRORES DE RESPUESTA EN LA CLASIFICACIÓN DE SINIESTROS FRAUDULENTOS EN EL SEGURO DE AUTOMÓVILES Mercedes Ayuso Montserrat Gullén Dpto. Econometría, Estadístca y Economía Española Facultad de Cencas Económcas
Más detallesÍndice de Precios de las Materias Primas
May-15 Resumen Ejecutvo El objetvo del (IPMP) es sntetzar la dnámca de los precos de las exportacones de Argentna, consderando la relatva establdad en el corto plazo de los precos de las ventas externas
Más detallesCÁLCULO 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 detallesTasas de Caducidad. - Guía de Apoyo para la Construcción y Aplicación - Por: Act. Pedro Aguilar Beltrán. paguilar@cnsf.gob.mx
Tasas de Caducdad - Guía de Apoyo para la Construccón y Aplcacón - Por: Act. Pedro Agular Beltrán pagular@cnsf.gob.m 1. Introduccón La construccón y aplcacón de tasas de caducdad en el cálculo de utldades
Más detallesEL RENDIMIENTO EDUCATIVO DE LOS INMIGRANTES EN ESPAÑA
El rendmento educatvo de los nmgrantes en España EL RENDIMIENTO EDUCATIVO DE LOS INMIGRANTES EN ESPAÑA María Mercedes García-Dez mgarcad@unov.es María José Pérez-Vlladónga mjpvlla@unov.es Juan Preto-Rodríguez
Más detallesTEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS.
GESTIÓN FINANCIERA. TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS. 1.- Funconamento de las cuentas bancaras. FUNCIONAMIENTO DE LAS CUENTAS BANCARIAS. Las cuentas bancaras se dvden en tres partes:
Más detallesUN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES *
UN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES * Mª Consuelo Colom, Rosaro Martínez y Mª Cruz Molés WP-EC 2000-02 Correspondenca:
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
Más 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 detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detallesAnálisis cuantitativo aplicado al Comercio Internacional y el Transporte
Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón
Más detallesUNIVERSIDAD 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 detalles1.Variables ficticias en el modelo de regresión: ejemplos.
J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C
Más detallesTODO ECONOMETRIA. Variables cualitativas
TODO ECONOMETRIA Varables cualtatvas Índce Defncón de las varables dummy (o varables fctcas) Regresón con varables explcatvas dummy Varables dummy S queremos estudar s los hombres ganan más que las mujeres,
Más 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 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 detallesPROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)
ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón
Más detallesUnidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles
2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesEstadística con R. Modelo Probabilístico Lineal
Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S
Más detallesUN ANÁLISIS COMPARATIVO DE UNA SVM Y UN MODELO LOGIT EN UN PROBLEMA DE CLASIFICACIÓN DE ASEGURADOS
UN ANÁLISIS COMPARATIVO DE UNA SVM Y UN MODELO LOGIT EN UN PROBLEMA DE CLASIFICACIÓN DE ASEGURADOS Antono Heras Martínez 1, Pedad Tolmos Rodríguez-Pñero 2, Julo Hernández-March 2 1 Departamento de Economía
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 detallesCÁLCULO 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 detallesMETODOLOGÍA 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 detallesPARTICIPACIÓN LABORAL DE LAS MUJERES EN LAS REGIONES DE CHILE
Revsta UNIVERSUM Nº 25 Vol. 2 2010 Unversdad de Talca Partcpacón laboral de las mujeres en las regones de Chle Luz María Ferrada Bórquez Plar Zarzosa Espna Pp. 79 a 99 PARTICIPACIÓN LABORAL DE LAS MUJERES
Más detallesCONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A.
CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. PERÍODO 201-2020 Introduccón Las Bases Técnco Económcas Prelmnares, en
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 detallesXLVII Reunión Anual. Noviembre de 2012
ANALES ASOCIACION ARGENTINA DE ECONOMIA POLITICA XLVII Reunón Anual Novembre de 2012 ISSN 1852-0022 ISBN 978-987-28590-0-8 EXPLICACIÓN DE LAS DECISIONES DE COMPRA DE ALCOHOL Y TABACO DE LOS HOGARES SANTAFESINOS
Más detallesMODELOS PARA DATOS DE RECUENTO
ECONOMETRÍA III Curso 2008/09 MODELOS PARA DATOS DE RECUENTO Profesores: Víctor J. Cano Fernández y M. Carolna Rodríguez Donate Dpto. de Economía de las Instrtucones, Estadístca Económca y Econometría
Más 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 detallesDeterminantes de la pertenencia a entidades deportivas
E STUDIOS DE E CONOMÍA A PLICADA V OL. 30-2 2012 P ÁGS. 467 488 Determnantes de la pertenenca a entdades deportvas WALESKA SIGÜENZA Departamento Economía Fnancera I, UNIVERSIDAD DEL PAÍS VASCO, ESPAÑA.
Más detallesLección 4. Ejercicios complementarios.
Introduccón a la Estadístca Grado en Tursmo Leccón 4. Ejerccos complementaros. Ejercco 1 (juno 06). La nformacón relatva al mes de enero sobre los ngresos (X) y los gastos (Y), expresados en mles de euros,
Más detallesFÓRMULA DE CREDIBILIDAD PARA LA ESTIMACIÓN DE LAS CORRELACIONES ENTRE LÍNEAS DE NEGOCIO EN EL CÁLCULO DEL SCR DEL MÓDULO DE SUSCRIPCIÓN NO VIDA
Anales del Insttuto de Actuaros Españoles, 3ª época, 18, 2012/151-170 FÓRMULA DE CREDIBILIDAD PARA LA ESTIMACIÓN DE LAS CORRELACIONES ENTRE LÍNEAS DE NEGOCIO EN EL CÁLCULO DEL SCR DEL MÓDULO DE SUSCRIPCIÓN
Más detallesClase 25. Macroeconomía, Sexta Parte
Introduccón a la Facultad de Cs. Físcas y Matemátcas - Unversdad de Chle Clase 25. Macroeconomía, Sexta Parte 12 de Juno, 2008 Garca Se recomenda complementar la clase con una lectura cudadosa de los capítulos
Más detallesExamen Final de Econometría Grado
Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más 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 detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesCaracterísticas del hogar y salida de la pobreza:
Característcas del hogar salda de la pobreza: un análss de los hogares urbanos para el período postconvertbldad Jerónmo R. Carballo Unversdad Naconal de Córdoba Agosto 2004 Característcas del hogar salda
Más detallesMatemática Financiera Sistemas de Amortización de Deudas
Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas
Más detallesMaestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto
Maestría en Economía Facultad de Cencas Económcas Unversdad Naconal de La Plata TESIS DE MAESTRIA ALUMNO Laura Carella TITULO Educacón unverstara: medcón del rendmento académco a través de fronteras de
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesSobreeducación, Educación no formal y Salarios: Evidencia para España 1
XIV ENCUENTRO DE ECONOMÍA APLICADA Huelva, 2 y 3 de Juno de 2011 Sobreeducacón, Educacón no formal y Salaros: Evdenca para España 1 Sandra Neto AQR-IREA, Unverstat de Barcelona Dpt. Econometra, Estadístca
Más detallesESTRUCTURA DE MERCADO Y EFICIENCIA EMPRESARIAL EN EL TRANSPORTE AÉREO
2003 NÚMERO 808 INFRAESTRUCTURAS: TRANSPORTES E INDUSTRIAS DE RED ESTRUCTURA DE MERCADO Y EFICIENCIA EMPRESARIAL EN EL TRANSPORTE AÉREO María Belén Rey Legdos* La lberalzacón del transporte aéreo es un
Más detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesRMV FUNDEVAL, Bolsa Nacional de Valores, S.A. y Universidad Interamericana de Costa Rica San José, Costa Rica
RV-2005-03 DETERINACIÓN DE LA TASA LIBRE DE RIESGO IPLÍCITA PARA EL ERCADO DE VALORES EN COSTA RICA: UNA PROPUESTA * RODRIGO ATARRITA VENEGAS ** FUNDEVAL, Bolsa Naconal de Valores, S.A. y Unversdad Interamercana
Más detallesCAPÍTULO 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 detallesIMPACTO DEL MICROCRÉDITO SOBRE LA POBREZA DEL INGRESO: UN ESTUDIO EN MERCADOS DE CRÉDITO URBANOS EN MÉXICO. Miguel Niño Zarazúa *
IMPACTO DEL MICROCRÉDITO SOBRE LA POBREZA DEL INGRESO: UN ESTUDIO EN MERCADOS DE CRÉDITO URBANOS EN MÉXICO Mguel Nño Zarazúa Resumen Este estudo presenta una estmacón del mpacto del mcrocrédto sobre la
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesGuía de ejercicios #1
Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje
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 detallesANÁLISIS REGIONAL DE LA POBREZA PARA EL COLECTIVO DE LA TERCERA EDAD: INFERENCIA CLÁSICA vs. TÉCNICAS BOOTSTRAP
ANÁLISIS REGIONAL DE LA POBREZA PARA EL COLECTIVO DE LA TERCERA EDAD: INFERENCIA CLÁSICA vs. TÉCNICAS BOOTSTRAP Ortz Serrano, Salvador Unversdad Autónoma de Madrd. Departamento de Economía Aplcada. Tlfn.:
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 detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco
Más detallesCONSEJERÍA DE ECONOMÍA, HACIENDA Y EMPLEO
BOLETÍN OFICIAL DE CONSEJERÍA DE ECONOMÍA, HACIENDA Y EMPLEO DIRECCIÓN GENERAL DE TRABAJO Resolucón dsponendo la nscrpcón en el Regstro y publcacón l acuerdo adoptado por la Comsón Partara l Conveno Colectvo
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
Más detallesUn matrimonio difícil:
S E R I E fnancamento del desarrollo 199 Un matrmono dfícl: la convvenca entre un seguro públco soldaro y seguros de salud compettvos Marcelo Tokman Crstóbal Marshall Consuelo Espnosa Undad de Estudos
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
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 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 detallesLos efectos no monetarios de la educación. Análisis a partir del consumo de los hogares
Los efectos no monetaros de la educacón. Análss a partr del consumo de los hogares The non-monetary effects of educaton. Analyss of households consumpton patterns DOI: 10-4438/1988-592X-RE-2011-355-031
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 013 INSTITUTO NACIONAL DE ESTADÍSTICAS 015 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR
Más detallesInstituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012
Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE
Más detallesESTUDIO INFORESIDENCIAS.COM SOBRE PRECIOS DE RESIDENCIAS GERIÁTRICAS Y CENTROS DE DÍA PARA PERSONAS MAYORES 2007
ESTUDIO INFORESIDENCIAS.COM SOBRE PRECIOS DE RESIDENCIAS GERIÁTRICAS Y CENTROS DE DÍA PARA PERSONAS MAYORES 2007 El precio medio de una residencia geriátrica en España es de 1.550 /mes. Madrid capital
Más detallesModelo de Variables Instrumentales
Modelo de Varables Instrumentales Contraste de endogenedad El estmador de MCE es menos efcente que el de MCO cuando las varables explcatvas son exógenas. Las estmacones de MCE pueden tener errores estándar
Más detallesLa reforma del FCI ante las nuevas Perspectivas Financieras de la UE
La reforma del FCI ante las nuevas Perspectvas Fnanceras de la UE Mara CUBEL (cubel@ub.edu) Crstna de GISPERT (crsdegspert@ub.edu) Unverstat de Barcelona Insttut d Economa de Barcelona Abstract En este
Más detallesDOCUMENTOS DE TRABAJO Serie Economía
Nº 233 SUSTITUCIÓN ENTRE TELEFONÍA FIJA Y MÓVIL EN CHILE M. SOLEDAD ARELLANO - JOSÉ MIGUEL BENAVENTE DOCUMENTOS DE TRABAJO Sere Economía M. Soledad Arellano 2 José Mguel Benavente 3 Abrl 2007 Resumen Susttucón
Más detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesTEMA 1.- CONCEPTOS BÁSICOS
TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesESTRUCTURA DE MERCADO DEL SISTEMA BANCARIO BOLIVIANO
ESTRUCTURA DE MERCADO DEL SISTEMA BANCARIO BOLIVIANO OSCAR A. DIAZ QUEVEDO * * El análss y conclusones del presente trabajo son de exclusva responsabldad del autor y no reflejan necesaramente la opnón
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesUN ANÁLISIS BAYESIANO DE LA VARIACIÓN TEMPORAL DEL ESCENARIO DE COMPRA DE LOS HOGARES. Carmen Berné, Pilar Gargallo, Noemí Martínez y Manuel Salvador
UN ANÁLISIS BAYESIANO DE LA VARIACIÓN EMPORAL DEL ESCENARIO DE COMPRA DE LOS HOGARES Carmen Berné, Plar Gargallo, Noemí Martínez y Manuel Salvador WP-EC 008-05 Correspondenca a: N. Martínez, Unversdad
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detalles