TEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
|
|
- Milagros Rubio Maldonado
- hace 8 años
- Vistas:
Transcripción
1 EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a Hipóesis Básicas del Modelo Capíulo 3 páginas 63 a Esimación del modelo economérico a. Función de regresión muesral, modelo ajusado. Capíulo 2, páginas 45 a 49. b. Esimadores obenidos por Mínimos Cuadrados Ordinarios (MCO) (NOACION MARICIAL) Capíulo2, páginas 56 a 63. c. Propiedades de los esimadores. Capíulo2, páginas 73 a 78, Capíulo 4 páginas 04 a Inferencia en el MLS (NOACION MARICIAL) a. Inervalos de confianza y conrases de significación individual Capíulo 5, páginas 4 a 34 b. Predicción Capíulo 5, páginas 36 a Calidad del ajuse del modelo. Capíulo 3, páginas 78 a Validación del modelo: Análisis gráfico de los residuos
2 .- Planeamieno e inerpreación del MLS Y = β+ β2 X + u =,..., pare deerminisa a) Cómo inerprear la pare deerminisa del modelo? ( ) = β+ β2 E Y X X / La pare deerminisa expresa el valor esperado (o media) de la variable dependiene Y condicionado al valor que ome la variable explicaiva X 2
3 .- Planeamieno e inerpreación del MLS b) Qué es la perurbación en el modelo? La perurbación es una variable aleaoria que recoge oda aquella información que no recoge la variable explicaiva. Recoge lo que se aleja un individuo del valor esperado de Y para un valor concreo de X ( ) Y = β+ β2 X + u = E Y / X + u ; =,..., Inerpreación de la perurbación Puede conener oras variables explicaivas que, aun siendo relevanes, no aceramos a especificar; NO se dispone de observaciones muesrales oras variables X Refleja errores de medida en la variable dependiene Y 3
4 .- Planeamieno e inerpreación del MLS Función poblacional, gráfico imaginario! Y=Consumo, X=Ingresos h = β + β X familia h ( / 220) Y = E Y X = + u 2 i = 49 + u h h u h Una curva de regresión poblacional (pare deerminisa del modelo economérico) es simplemene el lugar geomérico de las medias condicionales de la variable dependiene Y para valores fijos de X 4
5 2.- Hipóesis básicas del MLS H-. VARIABILIDAD de X y de Y en el modelo (ano la variable endógena Y, como la exógena X son magniudes numéricas con varianzas disinas de cero (no son consanes). (hipóesis de convergencia) en caso de aumenar el amaño de muesra, la media y la varianza de X se maniene esable. H-2. La variable exógena X se supone DEERMINISA X NO es aleaoria Si volviera a exraer una muesra X, X 2,, X obendríamos los mismos valores H-3. El conjuno de variables y parámeros del MLS saisface el supueso de LINEALIDAD Y = β+ β2 X + u =,..., 5
6 2.- Hipóesis básicas del MLS H-4. La perurbación iene ESPERANZA NULA E( u ) =0 6
7 2.- Hipóesis básicas del MLS H-5. HOMOCEDASICIDAD La varianza de la perurbación es consane para cualquier nivel de X 2 ( u ) σ var = 7
8 2.- Hipóesis básicas del MLS H-6. NO AUOCORRELACIÓN Se supone que no exise un parón de comporamieno enre las perurbaciones o errores. No exise correlación enre las perurbaciones (dependencia lineal) ( ) cov u, u =0 s s 8
9 2.- Hipóesis básicas del MLS H-7. NORMALIDAD de las perurbaciones La perurbación u se disribuye como una normal y de forma independiene al reso de perurbaciones ( 0, σ ) u N 9
10 2.- Hipóesis básicas del MLS CONSECUENCIAS DE LAS HIPÓESIS SOBRE Y Y = β+ β2 X + u ; =,..., ) La pare deerminisa del modelo se inerprea al y como se define en la diaposiiva 2. 2) La varianza de la variable dependiene es la varianza de la perurbación 3) Los Y son linealmene independienes enre sí 4) Los Y son ambién normales ( ) E( Y) = β + β X + E u = β + β X =,..., ( β β ) ( ) σ var( Y) = var + X + var u = =,..., 2 ( β β )( β β ) ( ) cov( Yh, Ys) = cov + 2Xh + uh + 2Xs + us =cov uh, us =0 h s ( 0, σ ) ( β β, σ) u N Y N + X 2 0
11 3.- Esimación del MLS a) Función de regresión muesral, modelo ajusado Disponemos de una muesra aleaoria simple de X y de Y ( X, Y ),( X, Y ),...,( X, Y ) 2 2 Buscamos un modelo que se ajuse a los daos Modelo ajusado Yˆ = ˆ β + ˆ β X ; =,..., Residuo 2 Y = Yˆ + uˆ uˆ = Y Yˆ
12 3.- Esimación del MLS a) Función de regresión muesral, modelo ajusado El modelo ajusado o Función de Regresión Muesral es aleaorio y es una aproximación al modelo poblacional o paramérico 2
13 3.- Esimación del MLS a) Función de regresión muesral (FRM), modelo ajusado Dada una muesra, se pueden realizar infinios ajuses, se pueden proponer infinios modelos ajusados o FRM. Qué crierio uilizaremos para buscar el mejor? crierio de Mínimos Cuadrados Ordinarios MCO Se busca aquél modelo ajusado que haga mínima la suma de los residuos elevados al cuadrado min = uˆ 2 3
14 3.- Esimación del MLS b) Esimadores obenidos por MCO muesra ( X, Y ),( X, Y ),...,( X, Y ) 2 2 modelo ajusado Yˆ = ˆ β + ˆ β X ; =,..., 2 ( ) esimadores ˆ β = f ( X, Y ),( X, Y ),...,( X, Y ) 2 2 (( ) ( ) ( ) ) ˆ β = f X, Y, X, Y,..., X, Y méodo de esimación MCO min uˆ = min ( ˆ Y Y) min = = = = ˆ β = Y ˆ β X 2 ( Y ˆ ˆ β β2x) ˆ β = 2 S XY 2 2 S X 4
15 3.- Esimación del MLS b) Esimadores obenidos por MCO ˆ β = S XY 2 2 S X ˆ β = Y ˆ β X 2 X = Y = = = Y X S S XY = = ( X X)( Y Y) = 2 = X ( X X) 2 Propiedades de los residuos MCO (para su cumplimieno no hace fala mas que se cumpla H-!) ) uˆ = 0 = 2) Xuˆ = 0 = 3) Yˆ = Y Yu ˆ, ˆ ( X Y ) 4)la reca pasa siempre por el puno, 5) S = 0 5
16 3.- Esimación del MLS b) Esimadores obenidos por MCO Se preende esimar el modelo lineal simple a parir de los daos siguienes: X Y a) Razonar cual de esas dos esimaciones es mejor según el crierio de los mínimos cuadrados ordinarios: Yˆ = 8 X Yˆ = 9,5X 6
Test. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos
Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar
Más detallesPROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesCORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN
CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN Auores: Alicia Vila (avilag@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Ana López (alopezra@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu), MAPA CONCEPTUAL Definición
Más detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
Más detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detallesUNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA
UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesMtro. Horacio Catalán Alonso
ECONOMETRIA TEORÍA DE LA COINTEGRACIÓN Mro. I. REGRESIÓN ESPURÍA Y X Dos series que presenan camino aleaorio. Si ambas series se consideran en una modelo economérico. Y = Y -1 + u u N(0,s 2 u) X =X -1
Más detallesCAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN
Fichero: capiulo 5 CAPÍTULO 5 VALIDACIÓN DEL MODELO DE REGRESIÓN: CONTRASTES DE ESPEFICIACIÓN INCORRECTA Y CONTRASTES DE ESPECIFICACIÓN. INTRODUCCION. TIPOS DE PRUEBAS DE VALIDACIÓN DE LOS RESULTADOS DE
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesTEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA
TEMA 2 LOS MODELOS ECONOMETRICOS Y SU PROBLEMATICA 1. CONCEPTO DE MODELO El ermino modelo debe de idenificarse con un esquema menal ya que es una represenación de la realidad. En ese senido, Pulido (1983)
Más detallesDISEÑO DE UN MODELO ECONOMÉTRICO PARA DETERMINAR LA RELACIÓN ENTRE LA OFERTA MONETARIA Y LA INFLACIÓN A CORTO PLAZO EN LA ZONA EURO
DISEÑO DE UN MODELO ECONOMÉTRICO PARA DETERMINAR LA RELACIÓN ENTRE LA OFERTA MONETARIA Y LA INFLACIÓN A CORTO PLAZO EN LA ZONA EURO Isabel Cepeda (URJC) Juan Padilla (UCM) ABSTRACT This paper provides
Más detallesConceptos básicos y aspectos matemáticos sobre el análisis de raíces unitarias y cointegración. Carlos A. Rodríguez Ramos, Ph.D.
Concepos básicos y aspecos maemáicos sobre el análisis de raíces uniarias y coinegración Carlos A. Rodríguez Ramos, Ph.D. I. Inroducción: La unidad de la eoría y la prácica no se da sólo en la eoría, sino
Más detallesLas derivadas de los instrumentos de renta fija
Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detallesMODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO
MODELOS DE VECTORES AUTOREGRESIVOS (VAR) DR. LUIS MIGUEL GALINDO VAR: GENERAL Represenación del modelo VAR: () + + = e e A A A A w w c c c c L L L L L L L L ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( Selección:.
Más detallesECONOMETRÍA PRÁCTICA CON EXCEL
ECONOMETRÍA PRÁCTICA CON EXCEL SERGIO ZÚÑIGA Universidad Caólica del Nore Julio, 4 PRESENTACION Es sabido que el esudio de la economería requiere, en apoyo al esudio de los aspecos concepuales, la esimación
Más detallesTEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS
TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores
Más detallesUNIDAD III: VECTORES AUTOREGRESIVOS (MODELOS VAR) DR. ROGER ALEJANDRO BANEGAS RIVERO, PH.D.
UNIDAD III: VECTORES AUTOREGRESIVOS (MODELOS VAR) DR. ROGER ALEJANDRO BANEGAS RIVERO, PH.D. Inroducor Economerics for Finance Chris Brooks 008 Modelos de Vecores Auoregresivos (VAR) Modelos auoregresivos
Más detallesRE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005
RESULTADOSEDUCATIVOS RE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005 FÓRMULA RE01 NOMBREdelINDICADOR Diferencia del loro promedio
Más detallesTODO ECONOMETRÍA. Autocorrelación
TODO ECONOMETRÍA Auocorrelación Índice Definición Causas Consecuencias Deección Medidas correcivas Definición de la auocorrelación Definición de auocorrelación La perurbación de una observación cualquiera
Más detallesREVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003
REVISTA INVESTIGACION OPERACIONAL Vol. 24, No. 1, 2003 ADAPTACION DE LOS TIPOS DE INTERES DE INTERVENCION A LA REGLA DE TAYLOR. UN ANALISIS ECONOMETRICO Carlos Paeiro Rodríguez 1, Deparameno de Análisis
Más detallesTEMA: FUNCIONES: Cuadrantes 3 er cuadrante, x 0, 4º cuadrante, x 0,
TEMA: FUNCIONES: ÍNDICE:. Inroducción.. Dominio y recorrido.. Gráficas de funciones elemenales. Funciones definidas a rozos. 4. Coninuidad.. Crecimieno y decrecimieno, máimos y mínimos. 6. Concavidad y
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesMETODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001
METODOLOGÍA PARA EL AJUSTE DE LAS TASAS DE ESCOLARIZACIÓN A PARTIR DE LA INFORMACIÓN DEL CENSO NACIONAL DE POBLACIÓN, HOGARES Y VIVIENDA DE 2001 Insiuo Nacional de Esadísica y Censos (INDEC) Dirección
Más detallesDERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9
4 Reconoce el significado de los eponenes racionales posiivos negaivos uiliza las lees de los eponenes. Por ejemplo: 7 7 7 + 7 4 7 7 7 7 40 ( 7 / ) / 7 / / 7 /0 0 7,... Uiliza la noación cienífica para
Más detallesPRÁCTICA 4 TEMA 6: SERIES TEMPORALES
PRÁCTICA 4 TEMA 6: SERIES TEMPORALES En las prácicas aneriores se habían analizado observaciones de variables de ipo ransversal (por ejemplo, obenidas para diferenes municipios). Llamaremos Serie Temporal
Más detallesMATEMATICAS I FUNCIONES ELEMENTALES. PROBLEMAS
1º) La facura del gas se calcula a parir de una canidad fija y de un canidad variable que se calcula según los m 3 consumidos (el precio de cada m 3 es consane). El impore de la facura de una familia,
Más detallesTécnicas cualitativas para las Ecuaciones diferenciales de primer orden: Campos de pendientes y líneas de fase
Lección 5 Técnicas cualiaivas para las Ecuaciones diferenciales de primer orden: Campos de pendienes y líneas de fase 5.. Técnicas Cualiaivas Hasa ahora hemos esudiado écnicas analíicas para calcular,
Más detallesCARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 1988-2000 JUAN BYRON CORREA FONNEGRA *
CARACTERÍSTICAS DEL DESEMPLEO EN MEDELLÍN Y EL VALLE DE ABURRÁ: 988 - JUAN BYRON CORREA FONNEGRA * Inroducción En las úlimas dos décadas en Colombia se ha presenado un aumeno en los esudios sobre economía
Más detallesTema 6: Modelización con datos de series temporales. Universidad Complutense de Madrid 2013
Tema 6: Modelización con daos de series emporales Universidad Compluense de Madrid 23 Inroducción (I) Una caracerísica que disingue los daos de series emporales de los daos de sección cruzada, es que los
Más detallesPREDICCIÓN CON REDES NEURONALES: COMPARACIÓN CON LAS METODOLOGÍAS DE BOX Y JENKINS. Autora Joanna Verónica Collantes Duarte
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES INSTITUTO DE ESTADÍSTICA APLICADA Y COMPUTACIÓN PREDICCIÓN CON REDES NEURONALES: COMPARACIÓN CON LAS METODOLOGÍAS DE BOX Y JENKINS Auora
Más detallesTema 8: SERIES TEMPORALES
Inroducción a la Economería Tema 8: ERIE TEMPORALE Tema 8: ERIE TEMPORALE. Concepo y componenes de una serie emporal. Definiremos una serie emporal como cualquier conjuno de N observaciones cuaniaivas
Más detallesMACROECONOMIA II. Grado Economía 2013-2014
MACROECONOMIA II Grado Economía 2013-2014 PARTE II: FUNDAMENTOS MICROECONÓMICOS DE LA MACROECONOMÍA 3 4 5 Tema 2 Las expecaivas: los insrumenos básicos De qué dependen las decisiones económicas? Tipo de
Más detallesde precios entre distintas regiones, ciudades o países, probando la validez de la PPC y LUP, Taylor (2000), señala que, para que este modelo esté bien
3. El modelo de convergencia de precios 1, se origina para explicar las diferencias de precios enre disinas regiones, ciudades o países, probando la validez de la PPC y LUP, Taylor (000), señala que, para
Más detallesFUNCIONES VECTORIALES CON DERIVE.
FUNCIONES VECTORIALES CON DERIVE. Las operaciones de cálculo de Dominio, adición susracción, muliplicación escalar y vecorial de funciones vecoriales, se realizan de manera similar a las operaciones con
Más detallesDEPARTAMENTO DE QUÍMICA ANALÍTICA Y TECNOLOGÍA DE ALIMENTOS
DEPARTAMETO DE QUÍMICA AALÍTICA Y TECOLOGÍA DE ALIMETOS FUDAMETOS DE AÁLISIS ISTRUMETAL. 7º RELACIÓ DE PROBLEMAS..- Las susancias A y B ienen iempos de reención de 6.4 y 7.63 min, respecivamene, en una
Más detallesTEMA 4: AUTOCORRELACIÓN
Economería. Tema 4. Pilar Abad TEMA 4: AUTOCORRELACIÓN Wooldridge: Capíulo Gujarai: Capíulo 4 El análisis aplicado de muchos fenómenos económicos exige relajar el supueso de No Auocorrelación que se hace
Más detallesPRÁCTICA 2: Ejercicios del capítulo 4
PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para
Más detallesEstimación de modelos de volatilidad estocástica
Esimación de modelos de volailidad esocásica García Ceneno, Mª Carmen; Ibar Alonso, Raquel Deparameno Méodos Cuaniaivos para la Economía Faculad de Ciencias Económicas y Empresariales Universidad San Pablo-CEU
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesSOLUCION NUMERICA DE ECUACIONES DIFERENCIALES ORDINARIAS.
SOLUCION NUMERICA DE ECUACIONES DIFERENCIALES ORDINARIAS. El objeivo de esas noas complemenarias al ema de solución numérica de ecuaciones diferenciales ordinarias es dar una inroducción simple al ema,
Más detallesTEMA VI: EL MODELO DE REGRESIÓN LIENAL SIMPLE
El modelo de regresión lineal simple EMA VI: EL MODELO DE REGREIÓN LIENAL IMPLE VI..- Inroducción. VI..- El modelo de regresión lineal simple. Propiedades. VI.3.- Obención de los esimadores por mínimos
Más detalles3 Aplicaciones de primer orden
CAÍTULO 3 Aplicaciones de primer orden 3.2. Modelo logísico El modelo de Malhus iene muchas limiaciones. or ejemplo, predice que una población crecerá exponencialmene con el iempo, que no ocurre en la
Más detalles4. SERIES TEMPORALES Y
4. SERIES TEMPORALES Y NÚMEROS ÍNDICE Objeivo Esudiar la evolución de una variable en el iempo. Bibliografia recomendada Peña y Romo (1997). Capíulos 11 y 12. Índice 1. Represenación gráfica de una serie
Más detallesCAPÍTULO 3: INFILTRACIÓN
27 CAPÍTULO 3: INFILTRACIÓN 3.1 DEFINICIÓN El agua precipiada sobre la supericie de la ierra, queda deenida, se evapora, discurre por ella o penera hacia el inerior. Se deine como inilración al paso del
Más detallesUNIVERSIDAD DE MATANZAS CAMILO CIENFUEGOS FACULTAD DE INGENIERIAS QUÍMICA MECANICA. MONOGRAFÍA LAS SERIES CRONOLÓGICAS EN EL MANTENIMIENTO PREDICTIVO
UNIVERSIDAD DE MATANZAS CAMILO CIENFUEGOS FACULTAD DE INGENIERIAS QUÍMICA MECANICA. MONOGRAFÍA LAS SERIES CRONOLÓGICAS EN EL MANTENIMIENTO PREDICTIVO Ing. Laureano Suárez Marínez 1 MSc Juan Landa García.
Más detallesPROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce
Economería I. DADE Noas de Clase PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce (rafael.dearce@uam.es) INTRODUCCIÓN Una vez lograda una expresión maricial para la esimación de los parámeros
Más detallesHoja de Ejercicios de Econometría: Autocorrelación
Hoja de Ejercicios de Economería: Auocorrelación Ejercicio Un invesigador ha esimado por MCO un modelo de relación enre el consumo ( C ), su pasado y la rena ( R ): () C = β + βc + βr + ε obeniendo los
Más detallesCapítulo 4 Sistemas lineales de primer orden
Capíulo 4 Sisemas lineales de primer orden 4. Definición de sisema lineal de primer orden Un sisema de primer orden es aquel cuya salida puede ser modelada por una ecuación diferencial de primer orden
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
Más detallesCiclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú
Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema
Más detallesCuadernillo de Apuntes de Matemáticas III. M. en C.Luis Ignacio Sandoval Paéz
Cuadernillo de Apunes de Maemáicas III M. en C.Luis Ignacio Sandoval Paéz Índice Unidad I vecores. Definición de un vecor en R, R (Inerpreación geomérica), y su n generalización en R.. Operaciones con
Más detallesIndicadores demográficos METODOLOGÍA
Indicadores demográicos METOOLOGÍA 1. Objeivos y uilidades El objeivo de esa operación esadísica es la obención de una serie de indicadores descripivos de la siuación demográica de Galicia, con la que
Más detallesIntroducción a la Estadística Empresarial. Capítulo 4.- Series temporales Jesús Sánchez Fernández
Inroducción a la Esadísica Empresarial. Capíulo 4.- Series emporales CAPITULO 4.- SERIES TEMPORALES 4. Inroducción. Hasa ahora odas las variables que se han esudiado enían en común que, por lo general,
Más detallesAnálisis estocástico de series temporales
Análisis esocásico de series emporales Ernes Pons (epons@ub.edu) Análisis esocásico de Series Temporales Moivación Ejemplos 4500000 8 4000000 6 3500000 4 3000000 2 0 2500000-2 2000000-4 500000-6 000000-8
Más detallesUNIDAD IX. Técnicas de Suavización
UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?
Más detallesEl comportamiento del precio de las acciones
El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS Dada la dependencia de la velocidad con la posición en un movimieno recilíneo mosrada por la siguiene gráfica, deerminar la dependencia con
Más detallesCurso 2006/07. Tema 1: Procesos Estocásticos. Caracterización de los procesos ARIMA. stico
Curso 6/7 Economería II Tema : Procesos Esocásicos. Caracerización de los procesos ARIMA. Concepo de proceso esocásico sico. Esacionariedad fuere y débil de los procesos esocásicos. Teoremas de ergodicidad
Más detallesPráctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
Más detallesMarch 2, 2009 CAPÍTULO 3: DERIVADAS PARCIALES Y DIFERENCIACIÓN
March 2, 2009 1. Derivadas Parciales y Funciones Diferenciables En ese capíulo, D denoa un subconjuno abiero de R n. Definición 1.1. Consideremos una función f : D R y sea p D, i = 1,, n. Definimos la
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 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) 28 de Junio de 2013 12:00 horas Primer Apellido: Nombre: DNI: Teléfono: Segundo Apellido: Grupo y Grado: Profesor(a): e mail: Preguna 1 A B C
Más detallesSERIES TEMPORALES. Cecilia Esparza Catalán
SERIES TEMPORALES Cecilia Esparza Caalán Cecilia Esparza Caalán ÍNDICE Página.- INTRODUCCIÓN.. 2 2.- ANÁLISIS PRELIMINAR DE UNA SERIE... 3 - Tendencia y nivel de la serie.... 4 - Esacionalidad.... 9 -
Más detallesω ω ω y '' + 3 y ' y = 0 en la que al resolver se debe obtener la función y. dx = + d y y+ m = mg k dt d y dy dx dx = x y z d y dy u u x t t
E.D.O para Ingenieros CAPITULO INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES Las ecuaciones diferenciales son ecuaciones en las que conienen derivadas, Por ejemplo: '' + ' = en la que al resolver se debe
Más detallesTEMA I: FUNCIONES ELEMENTALES
TEMA I: FUNCIONES ELEMENTALES. Función Logarimo Todos conocemos la definición de logarimo en base b, siendo b un número enero posiivo disino de. u = log b x x = b u y la propiedad fundamenal log b (xy)
Más detallesModelos de Ajuste Nominal Incompleto. Por Agustín Casas, UdeSa. Diego Hofman, Princeton. Analía Olgiati, BID. Javier DiFiori, Morgan Stanley
Modelos de Ajuse Nominal Incompleo Por Agusín Casas, UdeSa. Diego Hofman, Princeon. Analía Olgiai, BID. Javier DiFiori, Morgan Sanley JEL CLASS: E12 - Keynes; Keynesian; Pos-Keynesian E13 - Neoclassical
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesTema 5 El Transistor MOS
FUNAMENTO FÍCO Y TECNOLÓGCO E LA NFORMÁTCA Tema 5 El Transisor MO Agusín Álvarez Marquina Esrucura física y polarización del ransisor nmo de acumulación (ource= Fuene) G (Gae= Puera) (rain= renador) (+)
Más detallesComplejidad de modelos: Sesgo y Varianza
Complejidad de modelos: Sesgo y Varianza 17 de abril de 2008 Noas de clase. Rolando Belrán A Las medidas de sesgo y varianza son úiles para los modeladores en ano que ayudan a regular la complejidad del
Más detallesTÉCNICAS ECONOMÉTRICAS PARA EL PRONÓSTICO DE SERIES DE TIEMPO APLICACIONES EMPRESARIALES
TÉCNICAS ECONOMÉTRICAS PARA EL PRONÓSTICO DE SERIES DE TIEMPO APLICACIONES EMPRESARIALES UPAE - Mayo de 2004 Plan del curso Una sesión de eoría Dos sesiones de aplicaciones (aller) Curso Técnicas Economéricas
Más detallesTema 3. El modelo neoclásico de crecimiento: el modelo de Solow-Swan
Tema 3. El modelo neoclásico de crecimieno: el modelo de Solow-Swan Inroducción Esquema El modelo neoclásico SIN progreso ecnológico a ecuación fundamenal del modelo neoclásico El esado esacionario Transición
Más detallesPATRON = TENDENCIA, CICLO Y ESTACIONALIDAD
Pronósicos II Un maemáico, como un pinor o un poea, es un fabricane de modelos. Si sus modelos son más duraderos que los de esos úlimos, es debido a que esán hechos de ideas. Los modelos del maemáico,
Más detallesModelos estacionarios de series temporales
Modelos esacionarios de series emporales Inroducción En ese capíulo se presena una meodología para analizar una serie emporal X, únicamene en función de los valores pasados de dicha serie. La idea básica
Más detallesExamen Final de Ecuaciones Diferenciales Septiembre 2007
Eamen Final de Ecuaciones Diferenciales Sepiembre 007 Problema La siguiene ecuación diferencial de primer orden se puede resolver por diferenes méodos según cómo se planee. d d = + () Conesar las siguienes
Más detallesINSTITUTO NACIONAL DE PESCA
INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y
Más detalles1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA
hp://www.vinuesa.com 1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA 1.1.- INTRODUCCIÓN Los filros de pila consiuyen una clase de filros digiales no lineales. Un filro de pila que es usado
Más detallesDescomposición de series temporales
Noas del Curso Series de Tiempo I. Licenciaura de Esadísica Descomposición de series emporales Inroducción De acuerdo a Fischer (995) el precursor de los méodos modernos de descomposición fue Macauley
Más detallesTema 3. Especificación, estimación y validación de modelos ARIMA
Tema 3. Especificación, esimación y validación de modelos ARIMA. La Meodología Box-Jenkins. Especificación inicial.. Conrases de raíces uniarias.. Análisis de correlogramas y correlogramas parciales 3.
Más detallesTécnicas Cuantitativas para el Management y los Negocios
Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
Más detallesECONOMETRÍA PRÁCTICA: Fundamentos de Series de Tiempo. Versión Preliminar. Agradecemos de Antemano Comentarios. Ramón A.
ECONOMETRÍA PRÁCTICA: Fundamenos de Series de Tiempo Versión Preliminar Agradecemos de Anemano Comenarios Ramón A. Casillo Ponce Rogelio Varela Llamas ECONOMETRÍA PRÁCTICA: Fundamenos de Series de Tiempo
Más detallesRepresentación gráfica de curvas en forma paramétrica x a(t sent) 1.- Representar la curva dada por
Represenación gráfica de curvas en forma paramérica x a( sen) 1.- Represenar la curva dada por, siendo a > 0. y a(1 cos).- Emparejar cada curva con su gráfica ì ì x = a) ï x = í b) ï ì í ï c) ï x = - sen
Más detallesECONOMETRÍA II CURSO Segunda evaluación parcial. donde y son variables artificiales centradas relativas al trimestre i.
ECONOMETRÍA II CURSO 2008 Segunda evaluación parcial ) Suponga dos procesos diferenes para la variable rimesral donde y son variables arificiales cenradas relaivas al rimesre i. Responda si las siguienes
Más detallesFacultad de Ciencias del Mar. Curso 2007/08 11/07/08
Esadísica Convocaoria de Junio Faculad de Ciencias del ar. Curso 007/08 /07/08 El galludo (Squalus egalops) es una especie de iburón de aguas empladas a ropicales, que habia la plaaforma coninenal exerior
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA Insrucor: Horacio Caalán TEORÍA DE COINTEGRACIÓN Efecos de las propiedades esocásicas de las series en un modelo de regresión
Más detallesECONOMETRÍA APLICADA A LA TOMA DE DECISIONES
ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES EMPRESARIALES Lección 3: Heeroscedasicidad. S jm1 Diaposiiva 1 jm1 Se agradece la conribución de los profesores Arranz, Suárez y Zamora, cuyos maeriales de
Más detallesEjercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez
Ejercicios de Economería para el ema 4 Curso 2005-06 Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez 1 1. Considérese el modelo siguiene: Y X + u * = α + β 0 Donde: Y* = gasos deseados
Más detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detalles11. PREVISIÓN DE LA DEMANDA
. PREVIIÓN E LA EMANA. INROUCCIÓN Anes de comenzar a desarrollar las cuenas previsionales de exploación, la empresa iene que realizar una esimación del volumen de venas que generará la acividad diaria
Más detallesR 2 = 0,9945 R 2 = 0,9937
II EXÁMENES DE ECONOMETRÍA 1 Se han esimado con una muesra de 39 observaciones las siguienes funciones de producción por el méodo de MCO: ˆ 1,3,3,55 O ˆ = α L K e R =,9945 ˆ ˆ 1,41,47 O = β L K R =,9937
Más detallesTendencia y Ciclos en el Producto Interno Bruto de Cuba: Estimación con un Modelo Estructural Univariante de Series Temporales. 1
Tendencia y Ciclos en el Produco Inerno Bruo de Cuba: Esimación con un Modelo Esrucural Univariane de Series Temporales. 1 Pavel Vidal Alejandro * Annia Fundora Fernández ** Noviembre del 2004 Resumen:
Más detallesLos datos fueron obtenidos de una publicación del Golden Gate Bridge.
Pronósicos Resumen El procedimieno Pronósicos esa diseñado para pronosicar valores fuuros de daos de series de iempo. Una serie de iempo consise de un conjuno secuencial de daos numéricos omados en inervalos
Más detallesSistemade indicadores compuestos coincidentey adelantado julio,2010
Sisemade indicadores compuesos coincideney adelanado julio,2010 Sisema de Indicadores Compuesos: Coincidene y Adelanado SI REQUIERE INFORMACIÓN MÁS DETALLADA DE ESTA OBRA, FAVOR DE COMUNICARSE A: Insiuo
Más detallesTÉCNICAS BAYESIANAS SOBRE MODELOS DE ESPACIOS DE ESTADOS NO LINEALES ASOCIADOS A POBLACIONES PESQUERAS EXPLOTADAS
TÉCNICAS BAYESIANAS SOBRE MODELOS DE ESPACIOS DE ESTADOS NO LINEALES ASOCIADOS A POBLACIONES PESQUERAS EXPLOTADAS Isabel Serrano Czaia Deparameno de Economía General y Esadísica Universidad de Huelva e-mail:
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesLECCIÓN N 3 SEÑALES. Introducción
LECCIÓN N 3 SEÑALES Inroducción Señales coninuas y discreas Señales ípicas Señales periódicas y aperiódicas Parámeros ípicos. Especro de frecuencias Ruido y disorsión Elecrónica General Inroducción En
Más detallesPor: Marco Arena y Pedro Tuesta * I. Régimen de flotación del nuevo sol peruano: 1990-1998
ESTUDIOS ECONOMICOS El objeivo de la inervención del banco cenral: el nivel del ipo de cambio, la reducción de la volailidad cambiaria o ambos?: Un análisis de la experiencia peruana 99-998 Por: Marco
Más detallesTema: Análisis de regresión y análisis de varianza. La tabla ANOVA tiene la siguiente representación: CMR F c CME SCE CME=SCE/GLE
Clase de economería 1: Universidad Cenroamericana UCA Tema: Análisis de regresión y análisis de varianza La abla ANOVA iene la siguiene represenación: Fuenes de variación Grados de liberad uma de cuadrados
Más detalles