Econometría II. Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios
|
|
- Tomás Ávila Lucero
- hace 6 años
- Vistas:
Transcripción
1 Econometría II Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios 1. Problema En el chero "Produccio.xls" se presenta la información sobre la producción Y, trabajo X 2 y capital X 3 en el sector manufacturero. (a) Ajústense los siguientes modelos a la información anterior: Y t = X 2t + 3 X 3t + u t ln Y t = ln X 2t + 3 ln X 3t + v t (b) Qué modelo se ajusta mejor y por qué? (c) Para el modelo log-lineal 2 y 3 dan las elasticidades producción con respecto al trabajo y al capital respecívamente. Cómo se podrían calcular las elasticidades similares para el modelo lineal? (d) Cómo se compararían los valores de R 2 de los dos modelos? (Mostrar los cálculos). (e) Que supuestos se hacen sobre el término perturbación en el modelo log-lineal? Cómo se prueban estos supuestos? 2. Problema En el chero "Phillips.xls" se presenta la información del Reino Unido sobre cambios porcentuales de salarios Y y la tasa de desempleo X dada en la tabla siguiente. Utlilizando estos datos, examínese si la siguiente versión de la curva de Phillips proporciona un buen ajuste a la información del Reino Unido: Y i = X i + 3 X 2 i + u i (1) donde Y =cambio porcentual anual en las tasas salariales y X =tasa de desempleo. (a) Interprétense los resultados. (b) Cúal es el razonamiento para introducir la tasa de desempleo elevada al cuadrado en el modelo? Se esperaría, a priori, que 3 fuera positiva o negativa? 1
2 (c) Ajustar los datos anteriores a un modelo de la forma Y i = X i + i y comparar los resultados con los obtenidos para el modelo (1). 3. Problema A un estudiante se le pide efectuar las previsiones de la producción de acero para el año 1986, para lo que se le facilitan los datos del chero "Acero.xls" sobre la produccion, P, durante los años (en millones de toneladas). El estudiante comienza su tarea representando los datos en función del tiempo. A la vista del grá co, opta por un modelo que represente la evolución de la producción anual del acero como una función cuadrática del tiempo, es decir P t = + t + t 2 + u t donde t es la variable que representa el tiempo, y se de ne como un conjunto de números enteros consecutivos que toma el valor cero en el año central de la muestra, A continuación estima los parámetros de la ecuación por MCO, evalua los resultados y nalmente presenta como respuesta la predicción que para el año 1986, proporciona el modelo estimado. (a) Representar los datos en función del tiempo. (b) Estima por MCO los parámetros, así como su matriz de varianzas y covarianzas. Cuál crees que es la razón para elegir t 1977 = 0? (c) Qué tipo de comportamiento para la producción de acero se está suponiendo con este modelo? Contrasta si el tiempo es un factor signi- cativo para explicar la evolución de la producción de acero. (d) Contrasta si la especi cación cuadrática del modelo es más adecuada que la especi cación lineal. (e) Calcula para el año 1986 una predicción puntual de la producción de acero. (f) En 1986, la producción de acero resulta ser de miles de Tn. Juzga con este dato la capacidad predictiva del modelo. Teniendo en cuenta que el sector del acero fue uno de los mas afectados por la reconversión industrial llevada a cabo estos años, Puedes dar alguna razón para los resultados obtenidos. 4. Problema (Gujarati) En el chero "Ventas.xls" se presenta la información utilizada por un fabricante de cable telefónico para predecir ventas a un cliente mayorista durante el periodo
3 Las variables en la tabla se de nen de la siguiente forma: Y = ventas anuales en millones X 2 =producto nacional bruto PNB, miles de millones X 3 =conexiones en los hogares, miles d eunidades X 4 =tasa de desempleo X 5 =tasa "prime" rezagada 6 meses X 6 =ganancias de linea para el cliente Considérese el siguiente modelo: Y i = X 2i + 3 X 3i + 4 X 4i + 5 X 5i + 6 X 6i + u i (a) Estímese la regresión anterior (b) Cuáles son los signos esperados para los coe cientes de este modelo? (c) Están los resultados empíricos de acuerdo con las expectatívas a priori? (d) Son los coe cientes de regresión parcial estimados estadísticamente signi cativos considerandos en forma individual al nivel de 5% (e) Supóngase que se efectua la regresión de Y sobre X 2, X 3 y X 4 solamente y luego se decide adicionar las variables X 5 y X 6 Cómo se justi ca agregar las variables X 5 y X 6? Qué prueba se utiliza? 5. Problema (Gujarati pag 274) En el chero "Ahorro.xls" se presenta la información sobre el ahorro personal (Y) e ingreso personal (X), ambos expresados en miles de millones de dólares durante los años Plantea un modelo que nos permita ver si ha habido un cambio signi cativo en la relación ahorro-ingreso durante el periodo y Que conclusiones generales se obtienen? (Puede utilizarse un modelo lineal o loglineal) 6. Problema El chero "Salarios.xls" contiene información sobre el salario, los años de experiencia y el sexo de 528 individuos. Queremos analizar las diferencias salariales entre hombres y mujeres según los años de educación. Consideremos los siguientes modelos: S i = + D i + u i S i = E i + 3 D i + u i ln(s i ) = E i + 3 D i + u i 3
4 donde S i es el salariodel empleado i-ésimo, E i son los años de educación y D i es una variable cticia que toma el valor 1 si el individuo es hombre y 0 en caso contrario. (a) Estimar por MCO los parámetros de los modelos anteriores (b) Interpreta los parámetros de cada uno de los modelos anteriores (c) Compara los tres modelos Qué modelo elegirías para explicar el salario? (d) Cómo contrastarias que no existe diferencia salarial entre hombres y mujeres? (e) Como contrastarias que no hay discriminación salarial? 7. Problema Se quiere estudiar la relación entre las ventas de helados, Y, y la temperatura de una determinada ciudad costera X. Para ello se utilizan datos diarios de ambas variables para el año 1992 y se estiman las siguientes rectas de regresión: ^Y t = D t + 4:7X t + 8:3D T X t ^ 2 1 = 14:71 (1) ^Y t = :5X t + 9:0D T X t ^ 2 2 = 20:15 (2) ^Y t = D t + 7:3X t ^ 2 3 = 15:14 (3) ^Y t = :7X t ^ 2 4 = 27:05 (4) donde D t es una variable cticia que vale 1 si t es dia de verano (julio, agosto o septiembre) y 0 en caso contrario. (a) Interpreta los coe cientes estimados de cada recta de regresión. (b) El contraste del modelo (3) contra el modelo (4) nos ha llevado a rechazar el modelo (4). Efectua los contrastes necesarios para decidir cuál es el modelo al que mejor se ajustan los datos. 8. Simulación Monte Carlo (Omisión de variables relevantes) Supongamos que conocemos que la relación que existe entre las variables Y t, X 2t, X 3t es: Y t = 2 + 4X 2t 6X 3t + t (1) donde t son variables aleatorias N(0; 1) independientes. Queremos ver como afecta la omisión de variables relevantes en la estimación del modelo. Para ello: vamos a simular una muestra de tamaño 500 observacionesde las variables 4
5 (a) Generar una muestra aleatoria de 500 observaciones para las variables t, Y t (Para generar Y necesitamos X 2, X 3, puedes considerar X 2 U[0; 10], X 3 U[0; 100] (b) Con la muestra generada, estimar por MQO el modelo Y t = X 2t + t (2) y comparar los parámetros estimados con los verdaderos valores. (c) Haz un código Gretl que permita observar que, si el verdadero modelo es 1 y nosotros estimamos el modelo 2, entonces los estimadores MQO de 1 y 2 son sesgados 9. Simulación Monte Carlo (Inclusión de variables irrelevantes) Supongamos que conocemos que la relación que existe entre las variables Y t, X 2t, X 3t es: Y t = 2 + 4X 2t 6X 3t + t (3) donde t son variables aleatorias N(0; 1) independientes. Queremos ver como afecta la inclusión de variables irrelevantes en la estimación del modelo (a) Generar una muestra aleatoria de 500 observaciones para las variables t, Y t (Para generar Y necesitamos X 2, X 3, puedes considerar X 2 U[0; 10], X 3 U[0; 100]) (b) Generar una muestra aleatoria de 500 observaciones para las variables X 4t = 0:5X 2t + 50X 3t + e t donde e t son variables aleatorias N(0; 10) (c) Con la muestra generada, estimar por MQO el modelo Y t = X 2t + 3 X 3t + 4 X 4t + t (4) y comparar los parámetros estimados con los verdaderos valores. (d) Haz un código Gretl que permita observar que, si el verdadero modelo es 3 y nosotros estimamos el modelo 4, entonces los estimadores MQO de 1, 2 y 3 son insesgados (e) Comparar las varianzas de los estimadores de MQO de 1, 2 y 3 en el modelo 4, con las varianzas de los estimadores de MQO de 1, 2 y 3 si estimaramos el modelo Y t = X 2t + 3 X 3t + t 10. Problema En el txer "nyes.xls" tenim dades sobre la rendibilitat percentual setmanal fr t g de la borsa de New York. 5
6 (a) Podem suposar que la rendibilitat es distribueix com una normal? (b) Quines consequencies té el resultat de l apartat anterior? 6
INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Más detallesDiplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesEstadística e Introducción a la Econometría Curso Ejercicios del Tema 9. Soluciones
1 Estadística e Introducción a la Econometría Curso 2012-13 Ejercicios del Tema 9 Soluciones 1.- Considere el siguiente modelo para el peso de un bebé al nacer log(bwght) = 0 + 1 cigs + 2 log(faminc) +
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesExamen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida.
Examen de Grado Sección de Econometría Agosto 2015 Pregunta 1. (40 puntos). Suponga que estamos interesados en determinar cuáles características del colegio y/o del hogar determinan el resultado de una
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detalles1. Cómo introducir datos en SPSS/PC? - Recordatorio
1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesENUNCIADOS DE PROBLEMAS
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesPercepción de los Precios por Parte de los Hogares: El caso de la Electricidad en el Perú
Percepción de los Precios por Parte de los Hogares: El caso de la Electricidad en el Perú Luis Bendezú Medina Universidad de Chile Diciembre 2007 Contenido Introducción Modelo Teórico Implementación Empírica
Más detallesHoja de Ejercicios 4 Variables Instrumentales y MC2E. Modelos de ecuaciones simultáneas
Hoja de Ejercicios 4 Variables Instrumentales y MC2E. Modelos de ecuaciones simultáneas ECONOMETRÍA I. UC3M 1. [W 15.1] Considere un modelo simple para estimar el efecto de disponer de un ordenador personal
Más detallesEl Algoritmo E-M. José Antonio Camarena Ibarrola
El Algoritmo E-M José Antonio Camarena Ibarrola Introducción Método para encontrar una estimación de máima verosimilitud para un parámetro ѳ de una distribución Ejemplo simple 24 Si tiene las temperaturas
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesTEMA 8: DISTRIBUCIONES BIDIMENSIONALES PAÍSES A B C D E F G H I J R.P.C I.N
TEMA 8: DISTRIBUCIONES BIDIMENSIONALES 1- La siguiente tabla muestra cómo se ordenan entre sí diez países, A, B, C,, según dos variables, R.P.C.(renta per cápita) e I.N.(índice de natalidad). Representa
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesHoja de Ejercicios 4 Análisis de regresión con información cualitativa
Hoja de Ejercicios 4 Análisis de regresión con información cualitativa Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesEconomía Aplicada. ¾Es importante el tamaño de la clase? Un experimento controlado
Economía Aplicada ¾Es importante el tamaño de la clase? Un experimento controlado Basado en (1999), Experimental Estimates of Education Production Functions, QJE Outline 1 La Idea 2 Proyecto STAR Detalles
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesTema 11: Integral definida. Aplicaciones al cálculo de áreas
Tema 11: Integral definida. Aplicaciones al cálculo de áreas 1. Introducción Las integrales nos van a permitir calcular áreas de figuras no geométricas. En nuestro caso, nos limitaremos a calcular el área
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detalles4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido:
INTRODUCCIÓN A LA ESTADÍSTICA. Relación 4: REGRESIÓN Y CORRELACIÓN 1.- En una población se ha procedido a realizar observaciones sobre un par de variables X e Y. Xi 4 5 4 5 6 5 6 6 Yi 1 1 3 3 3 4 4 ni
Más detallesAnálisis de Regresión Múltiple: Estimación
Análisis de Regresión Múltiple: Estimación Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesLa descomposición del crecimiento económico: Una aplicación a la economía andaluza
La descomposición del crecimiento económico: Una aplicación a la economía andaluza José L. Torres (Universidad de Málaga) Analistas Económicos de Andalucía Documento de Análisis 6/2010 Resumen: La contabilidad
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesEjercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL
Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL 1. Se ha realizado una muestra aleatoria simple (m.a.s) de tamaño 10 a una población considerada normal. Llegando a la conclusión que
Más detallesUNIVERSIDAD AUTÓNOMA DE MADRID DEPARTAMENTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I. Hoja de Problemas 3 Problemas
UNIVERSIDAD AUTÓNOMA DE MADRID DEPARTAMENTO DE ECONOMÍA CUANTITATIVA CURSO 2010/2011 ECONOMETRIA I Hoja de Problemas 3 Problemas 1. Considera el modelo de regresión con un solo regresor Y i = 0 + 1 X i
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesRelación entre la altura y la distancia del suelo al ombligo
Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesCAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Más detallesRegresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
Más detallesDesigualdad de ingresos en Costa Rica a la luz de las ENIGH 2004 y 2013
SIMPOSIO Encuesta Nacional de Ingresos y Gastos de los Hogares Desigualdad de ingresos en Costa Rica a la luz de las ENIGH 2004 y 2013 Andrés Fernández Arauz Marzo 2015 Introducción INEC (2014): la desigualdad
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesAjustes por funciones exponenciales (malthusiana) y sigmoidales (logística y gompertziana)
Fundamentos de Biología Aplicada I. Curso 009 010. Ajustes por funciones exponenciales malthusiana y sigmoidales logística y gompertziana El objetivo es aproximar una colección de datos obtenidos a partir
Más detallesSe desea estudiar el comportamiento de una función a medida independiente x se aproxima a un valor específico.
Tema: Límites de las funciones Objetivos: Comprender el concepto de límite de una función y las propiedades de los límites. Calcular el límite de una función algebraica utilizando las propiedades de los
Más detallesProfesorado de Nivel Medio y Superior en Biología Matemática - 1º Cuatrimestre Año 2013 FUNCIÓN CUADRÁTICA
Matemática - º Cuatrimestre Año 0 FUNCIÓN CUADRÁTICA Hemos definido anteriormente la función lineal como una función f: R R de la forma f()a+b con a R y b R, que se representa en el plano mediante una
Más detallesHoja de Trabajo 1: Gráfica en Papel Cuadriculado
Hoja de Trabajo 1: Gráfica en Papel Cuadriculado La Tabla 1 a continuación muestra la población de cierta ciudad a partir del año 1900 hasta el año 2000, en lapsos de 10 años. Tabla 1 Año Población 1900
Más detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detalles5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
Más detallesRegresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010
Regresión Lineal Dra. Noemí L. Ruiz Limardo 008 Derechos Reservados, Rev 010 Objetivos de la Lección Conocer el significado de la regresión lineal Determinar la línea de regresión cuando ha correlación
Más detallesAnálisis de regresión lineal simple
Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable
Más detallesIntroducción a la unidad 4:
Introducción a la unidad 4: Valor actual neto, tasa interna de retorno INACAP Virtual Introducción a la Unidad 4 Matemática financiera 2 ÍNDICE DE CONTENIDOS ÍNDICE DE CONTENIDOS... 3 INTRODUCCIÓN... 4
Más detallesTEMA 8 La inflación, la actividad y el crecimiento de la cantidad de dinero
TEMA 8 La inflación, la actividad y el crecimiento de la cantidad de dinero Manual: Macroeconomía, Olivier Blanchard Presentaciones: Fernando e Yvonn Quijano 1 La producción, el desempleo y la inflación
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesAnálisis matemático de la función de Nelson y Siegel
Anexos Anexo 1 Análisis matemático de la función de Nelson y Siegel La función que define el tipo forward según el modelo propuesto por Nelson y Siegel (1987) es la siguiente: con m 0 y τ 0. 1 > m m m
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesLa representación gráfica de una función cuadrática es una parábola.
Función Cuadrática A la función polinómica de segundo grado +bx+c, siendo a, b, c números reales y, se la denomina función cuadrática. Los términos de la función reciben los siguientes nombres: La representación
Más detalles1. En 1958 A.W. Phillips publicó un artículo que dio justificación empírico a una parte importante de la economía keynesiana.
1 VII. La Curva de Phillips A. Cuál es? 1. En 1958 A.W. Phillips publicó un artículo que dio justificación empírico a una parte importante de la economía keynesiana. 2. El trabajo mostró una relación negativa
Más detallesENCUESTA DE EXPECTATIVAS ECONÓMICAS AL PANEL DE ANALISTAS PRIVADOS (EEE)
ENCUESTA DE EXPECTATIVAS ECONÓMICAS AL PANEL DE ANALISTAS PRIVADOS (EEE) FEBRERO DE 2013 La Encuesta de Expectativas Económicas al Panel de Analistas Privados (EEE), correspondiente a febrero de 2013,
Más detallesCDEE. Cuestiones 3er Ejercicio. 0 si x 1. k(x + 1) + x2 1. k(x + 1) x si x > 1
CUESTIÓN 1: El tiempo de retraso, medido en minutos, del AVE Madrid-Sevilla sigue una variable aleatoria continua con función de distribución: 0 si x 1 F (x) = k(x + 1) + x2 1 2 si 1 < x 0 k(x + 1) x2
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesEl Modelo de Regresión Simple
El Modelo de Regresión Simple Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso 2007/08 C Velasco
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detallesMATEMÁTICA APLICADA ADMINISTRACIÓN DE EMPRESAS MATEMÁTICAS PARA ADMINISTRACIÓN TALLER 04 (MÍNIMOS CUADRADOS) Manizales, 28 de Abril de 2014
http://www.matematicaaplicada.info 1 de 6 jezasoft@gmail.com MATEMÁTICA APLICADA ADMINISTRACIÓN DE EMPRESAS MATEMÁTICAS PARA ADMINISTRACIÓN TALLER 04 (MÍNIMOS CUADRADOS) Manizales, 28 de Abril de 2014
Más detallesInecuaciones lineales y cuadráticas
Inecuaciones lineales y cuadráticas 0.1. Inecuaciones lineales Una inecuación lineal tiene la forma ax + b < 0 ó ax + b > 0 ó ax + b 0 ó ax + b 0. El objetivo consiste en hallar el conjunto solución de
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesEn el mercado de un bien la demanda viene expresada por la función Q = 20 P y la oferta por P = 1/3 Q 4/3.
CURSO 08-09. 1º ING INDUSTRIAL. FINAL. NUMERO: Nombre y apellidos:... (contestar utilizando el espacio en blanco en las hojas correspondientes a este ejercicio y el dorso de las mismas; NO SE CORREGIRÁ
Más detallesTEMA 7 LOS COSTES ESTÁNDARES: ANALISIS DE DESVIACIONES
TEMA 7 LOS COSTES ESTÁNDARES: ANALISIS DE DESVIACIONES 7.1.- Introducción. La desviación de una partida contable es la diferencia que surge entre la cantidad presupuestada y la cantidad real. Por lo tanto,
Más detalles1. Caso no lineal: ajuste de una función potencial
1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir
Más detallesVariables estadísticas bidimensionales: problemas resueltos
Variables estadísticas bidimensionales: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO
Más detallesRazón de Cambio Promedio:
NOTA: En este PDF encontrará los siguientes temas que debe estudiar para la clase: Aplicaciones de la Derivada a Funciones Económicas, Razón de Cambio Promedio, Razón de Cambio Instantánea, Razones Relacionadas,
Más detallesGUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias
ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 2011/12 GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias Bibliografía apartados : Greene, 8.2 A.F.Gallastegui:
Más detallesDEPARTAMENTO DE ANÁLISIS ECONÓMICO PROGRAMA DE ECONOMÍA POLÍTICA, HOMOLOGACIÓN DEL TÍTULO DE LICENCIADO EN ECONOMÍA
DEPARTAMENTO DE ANÁLISIS ECONÓMICO PROGRAMA DE ECONOMÍA POLÍTICA, HOMOLOGACIÓN DEL TÍTULO DE LICENCIADO EN ECONOMÍA BLANCO, J. M. y J. AZNAR. Introducción a la Economía: Teoría y Práctica. Mc Graw- Hill.
Más detallesEconometria de Datos en Paneles
Universidad de San Andres Agosto de 2011 Porque paneles? Ejemplo (Cronwell y Trumbull): Determinantes del crimen y = g(i), y = crimen, I = variables de justicia criminal. Corte transversal: (y i, I i )
Más detallesContrib. pp. Contrib. pp. Variación % Variación % Contrib. pp.
IV.3. España. Tema específico debe estimarse, estimación que suele presentar un elevado grado de incertidumbre. No obstante, un buen indicador del ciclo es la utilización de la capacidad productiva en
Más detallesEL COSTE DE PRODUCCIÓN SAID HENRIQUEZ LAURA GÓMEZ
EL COSTE DE PRODUCCIÓN SAID HENRIQUEZ LAURA GÓMEZ INTRODUCCIÓN La tecnología de producción mide la relación entre los factores y la producción. Dada la tecnología de producción de una empresa, los directivos
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando
Más detallesAplicaciones de la función cuadrática. Máximo y Mínimo Algebra Sigla MAT2001
TIPO DE ACTIVIDAD: Ejercicios Título Actividad: Nombre Asignatura: Aplicaciones de la función cuadrática. Máximo y Mínimo Algebra Sigla MAT001 Semana Nº: 3-4 Actividad Nº 5 Lugar Sala de clases Otro Lugar
Más detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
Más detallesMatemáticas Financieras. Sesión 3 Intereses
Matemáticas Financieras Sesión 3 Intereses Contextualización de la Sesión 3 En esta sesión iniciaremos con una nueva unidad. Comenzaremos con el interés simple, es muy importante dominar éste tema ya que
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detalles