Introducción a la Econometría Capítulo 4
|
|
- Julio Benítez Soto
- hace 6 años
- Vistas:
Transcripción
1 Introducción a la Econometría Capítulo 4 Ezequiel Uriel Jiménez Universidad de Valencia Valencia, Septiembre de 2013
2 4.1 El contraste de hipótesis: una panorámica 4.2 Contraste de hipótesis utilizando el 4.3 Contraste de restricciones lineales múltiples utilizando el estadístico F 4.4 Contrastes sin normalidad 4.5 Predicción Ejercicios
3 Motivación [3] Contrastes de hipótesis para responder a las siguientes preguntas: 1. Es la propensión marginal a consumir más pequeña que la propensión media al consumo? 2. Tienen los ingresos una influencia negativa sobre la mortalidad infantil? 3. La tasa de criminalidad en un área juega un papel importante en los precios de las casas en esa área? 4. Es la elasticidad del gasto en frutas/renta igual a 1? Es la fruta un bien de lujo? 5. Es el mercado de valores de Madrid eficiente? 6. Está la tasa de rendimiento de la Bolsa de Madrid afectada por la tasa de rentabilidad de la Bolsa de Valores de Tokio? 7. Existen rendimientos constantes a escala en la industria química? 8. Publicidad o incentivos? 9. Es la hipótesis de homogeneidad admisible en la demanda de pescado? 10. Tienen la antigüedad y la edad conjuntamente una influencia significativa en los salarios? 11. El rendimiento de una empresa es fundamental para establecer los salarios de los directivos ejecutivos? Todas estas preguntas se responden en este capítulo
4 4.1 El contraste de hipótesis: una panorámica CUADRO 4.1. Algunas distribuciones utilizadas en el contraste de hipótesis. 1 restricción 1 o más restricciones σ 2 conocida N Chi-square σ 2 desconocida t de Student F de Snedecor [4]
5 4.1 El contraste de hipótesis: una panorámica Región de no rechazo RNR FIGURA 4.1. Contraste de hipótesis: enfoque clásico. c Región de rechazo RR W [5]
6 4.2 Contraste de hipótesis utilizando el [6] FIGURA Funciones de densidad: normal y t para diferentes grados de libertad.
7 4.2 Contraste de hipótesis utilizando el FIGURA 4.3. Región de rechazo utilizando la t: hipótesis alternativa de cola a la derecha. FIGURA 4.4. El valor-p utilizando la t: hipótesis alternativa de cola a la derecha. [7]
8 [8] 4.2 Contraste de hipótesis utilizando el EJEMPLO 4.1 Es la propensión marginal a consumir menor que la propensión media al consumo? cons inc u cons = inc n = : 0 : FIGURA 4.5. Ejemplo 4.1: Región de rechazo utilizando la t con hipótesis alternativa de cola a la derecha. i (0.350) (0.062) ˆ 0 1 ˆ t ee( ˆ ) ee( ˆ ) FIGURA 4.6. Ejemplo 4.1: El valor-p utilizando la t con hipótesis alternativa de cola a la derecha. i
9 4.2 Contraste de hipótesis utilizando el Región de rechazo RR Región de no rechazo RNR t 0 n k tn k FIGURA 4.7. Región de rechazo utilizando la t: hipótesis alternativa de cola a la izquierda. No se rechaza para α>p-value p-value Se rechaza para ɑ<p-value t ˆ 0 j tn k FIGURA 4.8. El valor-p utilizando la t: hipótesis alternativa de cola a la izquierda. [9]
10 4.2 Contraste de hipótesis utilizando el EJEMPLO 4.2 Tiene la renta una influencia negativa sobre la mortalidad infantil? [10] deathun5 gnipc ilitrate u : 0 : FIGURA 4.9. Ejemplo 4.2: Región de rechazo utilizando la t con una hipótesis alternativa de cola a la izquierda. deathun 5 = gnipc ilitrate i i i (5.93) ( ) (0.183) t n = 130 ˆ ee( ˆ ) FIGURA Ejemplo 4.2: El valor-p utilizando la t con una hipótesis alternativa de cola a la izquierda.
11 4.2 Contraste de hipótesis utilizando el FIGURA Región de rechazo usando t: hipótesis alternativa de dos colas. FIGURA valor-p usando t: Región de rechazo usando t: hipótesis alternativa de dos colas. [11]
12 4.2 Contraste de hipótesis utilizando el EJEMPLO 4.3 La tasa de delincuencia, juega un papel en el precio de la vivienda de un área? price rooms lowstat crime u price = rooms lowstat -3854crime i i i i (8022) (1210) (80.7) (960) n = 55 CUADRO 4.2. Salida estándar en una regresión para explicar el precio de una casa. n=55. Variable Coeficiente Error estándar Estadístico t Prob. C rooms lowstat crime [12] : : t ˆ 3854 ee( ˆ )
13 4.2 Contraste de hipótesis utilizando el EJEMPLO 4.3 La tasa de delincuencia, juega un papel en el precio de la vivienda de un área? (Continuación) [13] FIGURA Ejemplo 4.3: valor-p utilizando t: hipótesis alternativa de dos colas.
14 4.2 Contraste de hipótesis utilizando el [14] EJEMPLO 4.4 Es la elasticidad del gasto en frutas/renta igual a 1? Es la fruta un bien de lujo? ln( fruit) ln( inc) househsize punders u ln( fruit ) = ln( inc ) househsize punder5 i i i i (3.701) (0.512) (0.179) (0.013) n = 40 CUADRO 4.3. Salida estándar de una regresión que explica los gastos en fruta. Variable Coeficiente Error estándar Estadístico t Prob. C ln(inc) househsize punder : 1 : : ˆ 0 2 ˆ t ee( ˆ ) ee( ˆ )
15 4.2 Contraste de hipótesis utilizando el [15] EJEMPLO 4.5 Es la Bolsa de Madrid un mercado eficiente? D Pt + Dt + At Tasa de rendimiento total: RAt Pt -1 Tasa de rendimiento debido al incremento en la cotización DPt Cambio proporcional: RA1 Cambio en logaritmos: RA2t DlnP t t Pt -1 rmad 92t rmad92t- 1 rmad92 (0.0007) (0.0629) t 1 2rmad92t 1 ut 2 R = n= : 2 1 ˆ : 2 1 t 2.02 ee( ˆ ) EJEMPLO 4.6 La rentabilidad de la Bolsa de Madrid, se ve afectada por la rentabilidad de la Bolsa de Tokio? rmad 92t rtok92t (0.0007) (0.0375) rmad92 t 1 2rtok92 t ut 2 R = n= : 2 1 ˆ t : 2 1 ee( ˆ )
16 [16] 4.2 Contraste de hipótesis utilizando el 0,99 0,95 0, FIGURA Intervalos de confianza para la propensión marginal al consumo en el ejemplo 4.1.
17 4.2 Contraste de hipótesis utilizando el [17] EJEMPLO 4.7 ay rendimientos constantes a escala en la industria química? ln( output) 1 2ln( labor) 3ln( capital) u ln( output ) = ln( labor ) ln( capital ) i i i (0.327) (0.126) (0.085) n = 27 CUADRO 4.4. Salida estándar de la estimación de la función de producción: modelo (4-20). Variable Coeficiente Error Estadístico estándar t Prob. constant ln(labor) ln(capital ) : 1 :
18 4.2 Contraste de hipótesis utilizando el EJEMPLO 4.7 ay rendimientos constantes a escala en la industria química? (Continuación) CUADRO 4.5. Matriz de covarianza de la función de producción. Variable constante ln( labor) ln( capital ) constant ln(labor)) ln(capital ) a) Procedimiento que utiliza la matriz de covarianzas de los estimadores ˆ ˆ ee( ) var( ˆ ˆ ) ˆ ˆ ˆ ˆ var( ) var( ) var( ) 2 covar( ˆ, ˆ ) ee( ˆ ˆ ) [18] t ˆ ˆ 2 3 ˆ ˆ ee( ˆ ˆ )
19 4.2 Contraste de hipótesis utilizando el [19] EJEMPLO 4.7 ay rendimientos constantes a escala en la industria química? (Continuación) b) Procedimiento en el que se reparametriza el modelo mediante la introducción de un nuevo parámetro ln( output) ( 1)ln( labor) ln( capital) u ln( output / labor) ln( labor) ln( capital / labor) u 1 3 CUADRO 4.6. Salida de la estimación de la función de producción: modelo reparametrizado. Variable Coeficiente Error Estadístico estándar t Prob. constant ln(labor ) ln(capital/labor ) : 0 : 0 ˆ t ee( ˆ )
20 4.2 Contraste de hipótesis utilizando el EJEMPLO 4.8 Publicidad o incentivos? sales advert incent u n 18 CUADRO 4.7. Salida estándar de la regresión para el ejemplo 4.8. Variable Coeficiente Error estándar Estadístico t Prob. constant advert incent [20]
21 4.2 Contraste de hipótesis utilizando el [21] EJEMPLO 4.8 Publicidad o incentivos? (Continuación) CUADRO 4.8. Matriz de covarianza para el ejemplo 4.8. C advert incent constant advert incent : 0 : ee( ˆ ˆ ) t ˆ ˆ 3 2 ˆ ˆ ee( ˆ ˆ )
22 [22] 4.2 Contraste de hipótesis utilizando el EJEMPLO 4.9 Contraste de la hipótesis de homogeneidad en la demanda de pescado ln( fish ln( fishpr) ln( meatpr) ln( cons) u ln( fish ln( fishpr ) ln( meatpr ) ln( cons ) i i i i (2.30) (0.133) (0.112) (0.137) Restricción de homogeneidad.: n = ln( fish ln( fishpr) ln( meatpr fishpr) ln( cons fishpr) u ln( fish ln( fishpr ) ln( meatpr ) ln( cons ) i i i i (2.30) (0.1334) (0.112) (0.137) ˆ t 3.44 ee( ˆ )
23 4.3 Contraste de restricciones lineales múltiples utilizando el estadístico F Región de no rechazo RNR Fqn, k F qn, k Región de Rechazo RR FIGURA Región de rechazo y región de no rechazo utilizando la distribución F. Rechazado para p-value Fqn, k F No rechazado para <p-value p-value FIGURA Valor-p utilizando la distribución F [23]
24 [24] 4.3 Contraste de restricciones lineales múltiples utilizando el estadístico F EJEMPLO 4.10 Salarios, experiencia, antigüedad y edad ln( wage) educ exper tenure age u ln( wage ) = educ exper tenure age SCR = n = 53 i i i i i : 0 : no es cierta ln( wage) 1 2educ 3exper u ln( wagei ) = educi experi SCR = SCR SCR / q ( ) / 2 R NR F SCR / ( n k) / 48 NR
25 4.3 Contraste de restricciones lineales múltiples utilizando el estadístico F EJEMPLO 4.10 Salarios, experiencia, antigüedad y edad. (Continuación) [25] 0 Región de no rechazo RNR F FIGURA Ejemplo 4.10: Región de rechazo en la distribución F (los valores α son para F 2.40 ) Región de rechazo RR
26 4.3 Contraste de restricciones lineales múltiples utilizando el estadístico F EJEMPLO 4.11 Salarios de los directores ejecutivos ln salary ln sales roe ros u ( ) ( ) ln salary = ln sales roe ros : 0 : no es cierta i i i i R 2 = n= 209 F 3,205 0,10 0,05 0,01 FIGURA Ejemplo 4.11: Valor-p utilizando la distribución F (los valores α son para [26] una F 3,140 ). 2,12 2,67 3,92 p-value 0, ,93
27 4.3 Contraste de restricciones lineales múltiples utilizando el estadístico F EJEMPLO 4.11 Salarios de los directores ejecutivos. (Continuación) [27] CUADRO 4.9. Salida completa de E-views en el ejemplo Dependent Variable: LOG(SALARY) Method: Least Squares Date: 04/12/12 Time: 19:39 Sample: Included observations: 209 Variable Coefficient Std. Error t-statistic Prob. C LOG(SALES) ROE ROS R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
28 4.3 Contraste de restricciones lineales múltiples utilizando el estadístico F [28] EJEMPLO 4.12 Una restricción adicional en la función de producción. (continuación del ejemplo 4.7) ln( ) ln( ) ln( ) output 1 2 labor 3 capital u SCR NR : 1 0 : no es cierta 1 0 ln( output) (1 ) ln( labor) ln( capital) u ln( output / labor) ln( capital / labor) u SCR R SCR SCR / q ( ) / 2 R NR F SCR / ( n k) / (27 3) NR
29 4.3 Contraste de restricciones lineales múltiples utilizando el estadístico F FIGURA Relación entre F 1,n-k y t n-k. [29]
30 4.5 Predicción EJEMPLO Cuál es la puntuación esperada en el examen final si se han obtenido 7 puntos en la primera evaluación? [30] Modelo ajustado: Modelo utilizando el regresor primeval 1º=7: Predicción para primevalº=7: =7.593 Límites inferior y superior de un IC al 95%: Predicción puntual utilizando un vía alternativa: Estimación del ee de 2 ˆ i i s (0.715) (0.123) finalmrk = primeval = R = n = 16 [ ] finalmrk = + primeval - ˆ = R = n = i i 7 s (0.497) (0.123) ˆ0 q = qˆ - ee( qˆ ) t = = / ˆ /2 ee ˆ t14 q = q + ( q ) = = ê finalmrk = = ee( eˆ ) ee( yˆ ) ˆ donde es el error estándar de la regresión (E.E.) obtenido a partir de la salida de E-views. Límites inferior y superior de un intervalo de probabilidad del 95%: y yˆ ee( eˆ ) t y yˆ ee( eˆ ) t
31 4.5 Predicción EJEMPLO 4.14 Prediciendo el salario de los directores ejecutivos salary = assets tenure profits i i i i (104) (0.0013) (8.671) (0.0538) 2 sˆ = 1506 R = n= 447 CUADRO Medidas descriptivas de las variables del modelo sobre el salario de los ejecutivos. assets tenure profits Media Mediana Máximo Mínimo N. observaciones CUADRO Predicciones para los valores seleccionados. Predicción ˆ E. estándar ee ( ˆ ) 0 0 Valor medio Valor de la mediana [31] Valor del máximo Valor del mínimo
32 4.5 Predicción EJEMPLO 4.15 Prediciendo el salario de los directores ejecutivos con un modelo logarítmico (continuación de 4.14) ln( salary ) = ln( assets ) tenure profits i i i i (0.210) (0.0232) (0.0032) ( ) 2 ˆ R n 447 Predicción inconsistente Predicción consistente s = = = salary exp(ln( i = salaryi )) = exp( ln(10000) ) = salary = exp( / 2) 1207 = 1404 [32]
Errores de especificación. Series simuladas
Estimación modelo correcto Dependent Variable: Y Date: 05/13/02 Time: 17:07 Sample: 2 100 Included observations: 99 Errores de especificación. Series simuladas C 5.376164 0.253524 21.20578 0.0000 X1 0.954713
Más detallesSOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I 1º El investigador especifica los modelos siguientes: MODELO 1: IMP(t) = a + b IMP(t-1) + c IPM(t) + u(t)
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 detallesRegresión con heterocedasticidad y autocorrelación
Regresión con heterocedasticidad y autocorrelación Tema 6 Regresión con heterocedasticidad La heterocedasticidad significa que var( i ) cte Es la norma, no la excepción, en especial con datos transversales
Más detallesECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 2
ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 2 El fichero epflic.wf1 contiene una submuestra de hogares de la Encuesta de Presupuestos Familiares 1990/91 formada por parejas con o sin hijos en los que
Más detallesNueva estimación sobre el volumen del PBI informal en base al método de la demanda de circulante. Joaquín Días y Carla Di Paula.
Nueva estimación sobre el volumen del PBI informal en base al método de la demanda de circulante. Joaquín Días y Carla Di Paula Octubre 2009 Este documento tiene por objetivo presentar una nueva estimación
Más detallesLas variables incluidas en el modelo se interpretan de la siguiente forma:
PRÁCTICA 4: EL MODELO LINEAL DE PROBABILIDAD - Estimar un modelo lineal de probabilidad - Interpretar los coeficientes estimados - Obtener las probabilidad estimadas - Contrastar la normalidad de las perturbaciones
Más detallesCointegración El caso bivariado
Cointegración El caso bivariado Definición: La serie Y t es integrada de orden d (denotada I(d)) si al menos debe ser diferenciada d veces para que sea estacionaria. Ejemplos: 1. El proceso random walk
Más detallesEJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001
EJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001 CURSO DE TÉCNICAS DE PREVISIÓN DE VARIABLES FINANCIERAS PROGRAMA CITIUS Junio
Más detallesProyecciones del PBI para el 2003.
Proyecciones del PBI para el 2003. Por Pablo Frigolé, para Stockssite pablofrigole@stockssite.com Después de muchas preguntas sobre cuál sería el valor de las variables futuras más importantes de la economía
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 detallesDiferencia de la tasa de cambio
Ejemplo 1: Prueba de raíz unitaria de Dickey y Fuller Este ejemplo utiliza información del archivo erate1.wf1. Sea LO el logaritmo de la tasa de cambio oficial peso-dólar en Colombia para el período 197:1
Más detallesCRECIMIENTO ECONÓMICO LOS DATOS
CRECIMIENTO ECONÓMICO LOS DATOS Crecimiento económico es relevante: Esperanza de vida y consumo per cápita aumentan con renta y proporción de pobres disminuyen con renta per cápita CPC & RPC 180 Países
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 detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesDETERMINAR LA VALIDEZ DEL MODELO FINALMENTE SELECCIONADO. Econometría I. 3º LADE Prof. Rafael de Arce Enero 2003 rafael.dearce@uam.
A PARTIR DE LA INFORMACIÓN SUMINISTRADA EN LAS SIGUIENTES HOJAS, CONTRASTAR EL CUMPLIMIENTO DE LAS HIPÓTESIS DEL MBRL Y JUSTIFICAR LAS SUCESIVAS ELECCIONES DE LAS REGRESIONES 1ª, 2ª, 3ª Y DEFINITIVA. DETERMINAR
Más detallesSOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II 1º El investigador especifica el siguiente modelo: Se le pide: 1.1. Realice la prueba
Más detallesECONOMETRÍA II PRÁCTICA 2. 1.- Tome los datos de WAGE2.XLS para este ejercicio.
ECONOMETRÍA II PRÁCTICA 2 1.- Tome los datos de WAGE2.XLS para este ejercicio. 1.1 Estime el modelo log ( wage) = β0 + β1educ + β2exper + β3age + β4married + + β black + β south + β urban + u 5 6 7 Date:
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 detallesTema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid 2013
Tema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid 2013 1 Colinealidad (I) La multicolinealidad es un problema que surge cuando las variables explicativas
Más detallesCAPITAL HUMANO Y RENDIMIENTOS EDUCACIÓN
CAPITAL HUMANO Y RENDIMIENTOS EDUCACIÓN José L. Raymond UAB 1 Índice de la presentación 1. La medición de los rendimientos de la educación Aproximación estándar rendimiento educación Dos interpretaciones
Más detallesUniversidad Carlos III de Madrid Econometría Funciones de regresión no lineales Hoja de Ejercicios 8
Universidad Carlos III de Madrid Econometría Funciones de regresión no lineales Hoja de Ejercicios 8 1. Las ventas de una empresa son de 196 millones de dólares en 2009 y aumentaron hasta los 198 millones
Más detallesECONOMETRÍA II Curso: 2009/2010 Práctica 5
ECONOMETRÍA II Curso: 2009/2010 Práctica 5 Prof. Juan de Dios Tena El objetivo de esta práctica es introducir al alumno en los ejercicios de especificación, estimación y análisis de resultados de modelos
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 detallesECONOMETRÍA I. Licenciatura de admón. y Dcción de Empresas Grupos 3A1 y 3A2 Convocatoria de septiembre de 2002 Profesor Rafael de Arce NOMBRE GRUPO
ECONOMETRÍA I. Licenciatura de admón. y Dcción de Empresas Grupos 3A1 y 3A2 Convocatoria de septiembre de 2002 Profesor Rafael de Arce NOMBRE GRUPO 1. Cuáles son los distintos usos que se le pueden dar
Más detalles1. Determine la validez de los contrastes de significatividad individual en los siguientes supuestos:
EXAMEN ECONOMETRÍA 1 PROF. RAFAEL DE ARCE 23 de enero de 2009 NOMBRE: DNI: 1. Determine la validez de los contrastes de significatividad individual en los siguientes supuestos: a) Presencia de variables
Más detallesDocumento de Trabajo. Debo inscribir más de 22 créditos?
Documento de Trabajo Debo inscribir más de 22 créditos? Rodrigo Navia Carvallo 2004 El autor es Ph.D in Economics, Tulane University, EEUU. Máster of Arts in Economics, Tulane University, EEUU. Licenciado
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
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 detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesEstimación del Probit Ordinal y del Logit Multinomial
Estimación del Probit Ordinal y del Logit Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 Introducción El
Más detallesCAPITULO IV MODELOS MULTIECUACIONALES
CAPITULO IV MODELOS MULTIECUACIONALES 1. INTRODUCCIÓN En el modelo básico de regresión y para cualquier punto muestral t tenemos: y = β x + β x + + β x + u t 1 1t 2 2 t... k kt t expresándolo en matrices
Más detallesWorking Paper Series Economic Development. Econometrics. Faculty of Economics and Business. University of Santiago de Compostela No.
Working Paper Series Economic Development. Econometrics. Faculty of Economics and Business. University of Santiago de Compostela No. 77 MODELOS ECONOMETRÍCOS DEL EMPLEO EN ESPAÑA: ANÁLISIS COMPARATIVO
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesEmpleo e Inversión en Venezuela
Empleo e Inversión en Venezuela Por: Douglas C. Ramírez Vera Introducción En las dos últimas décadas del siglo XX, Venezuela ha experimentado dos hechos demográficos muy importantes; ha tenido simultáneamente
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesAplicación de Modelos Estadísticos a la Regulación de Mercados de Telecomunicaciones
Grupo Regional de la Comisión de Estudio 3 para América Latina y El Caribe Comentarios al Documento realizado por la BDT Santo Domingo, República Dominicana Julio 2010 Aplicación de Modelos Estadísticos
Más detallesINTERPRETACIÓN 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 detallesGuía básica de temas del 2º parcial: Econometría. 4º Curso de Economía. USC. Curso 2009-2010. Profesora María-Carmen Guisán
Guía básica de temas del 2º parcial: Econometría. 4º Curso de Economía. USC. Curso 2009-2010. Profesora María-Carmen Guisán Tema 6. Econometría Aplicada. Introducción. Lectura recomendada: Documento 95:
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
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 detallesUNIVERSIDAD DE CONCEPCIÓN FACULTAD DE CS. ECONÓMICAS Y ADMINISTRATIVAS DEPARTAMENTO DE ECONOMÍA SET DE EJERCICIOS ECONOMETRÍA
UNIVERSIDAD DE CONCEPCIÓN FACULTAD DE CS. ECONÓMICAS Y ADMINISTRATIVAS DEPARTAMENTO DE ECONOMÍA SET DE EJERCICIOS ECONOMETRÍA PROF. JOSÉ FUENTES V. AYUDANTE: LEONARDO SALAZAR 1ER. SEMESTRE 003 1. Sea el
Más detallesCómo se hace la Prueba t a mano?
Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0
Más detallesEconometría de Económicas
Econometría de Económicas Caso 2.- Función de Producción Cobb- Douglas Prof. Amparo Sancho El objetivo de este ejercicio es practicar los primeros conocimientos básicos de econometría con la función de
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 detallesMinisterio de Hacienda y Crédito Público Dirección General de Inversiones Públicas FACTOR DE CORRECCIÓN SOCIAL (FCS) TIPO DE CAMBIO DE MERCADO
Ministerio de Hacienda y Crédito Público Dirección General de Inversiones Públicas FACTOR DE CORRECCIÓN SOCIAL (FCS) TIPO DE CAMBIO DE MERCADO NICARAGUA JUNIO 2010 ÍNDICE 1. FCS VIGENTE TIPO DE CAMBIO
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 detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesRepaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013
Repaso de estadística básica Juan D. Barón Santiago de Chile, 8 de abril de 2013 1 I. CONCEPTOS ESTADÍSTICOS BÁSICOS 2 Las decisiones se toman bajo incertidumbre Las decisiones se basan en información
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,
Más detalles10 12 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA
10 12 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA Ejemplo 10.1 Modelos Probit y Logit para la probabilidad de tener carro propio en Holanda El archivo NLCAR contiene información para 2,820 hogares
Más detallesUniversidade de Vigo. Linealidad. El comportamiento esperado de la variable dependiente
Linealidad El comportamiento esperado de la variable dependiente El concepto de linealidad Indica que el valor esperado de la variable dependiente depende linealmente de las variables independientes El
Más detallesILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES
ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES El objetivo de este documento es ilustrar matemáticamente, y con un caso concreto, el problema de la identificación en
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesLA PARIDAD DEL PODER DE COMPRA ENTRE PERÚ y ESTADOS ( )
LA PARIDAD DEL PODER DE COMPRA ENTRE PERÚ y ESTADOS UNIDOS (1991.01 2011.07) Ponente: Mag. Cornelio TicseNúñez RESUMEN Los resultados obtenidos muestran que los datosnoseajustan a lo que predice la teoría
Más detallesUniversidad de la República, Facultad de Ciencias Económicas y Administración.
Universidad de la República, Facultad de Ciencias Económicas y Administración. ECONOMETRIA II- CURSO 2010 Practica 5 MODELOS DE VARIABLE DEPENDIENTE TRUNCADA CENSURADA, MODELOS DE SELECTIVIDAD, MODELOS
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 detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesLa eficiencia y el equilibrio competitivo
La eficiencia y el equilibrio competitivo Denis R. Villalobos Araya, Ph.D Lima, Perú Junio 2009 La eficiencia y el equilibrio competitivo Una asignación de recursos es eficiente si maximiza el excedente
Más detallesEs el comercio exterior de bienes la solución a la crisis en España? Trabajo Fin de Grado
Es el comercio exterior de bienes la solución a la crisis en España? Trabajo Fin de Grado 4 de Septiembre 2014 Universidad Politécnica de Cartagena. Facultad de Ciencias de la Empresa. Departamento de
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de
Más detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Más detallesPlanteamiento de una función de demanda turística para Bogotá y Pronóstico de turistas nacionales e internacionales pernoctados
Observatorio de turismo de Bogotá 1 CONTENIDO 1. INTRODUCCIÓN... 4 2. ANTECEDENTES... 4 3. MODELO DE DEMANDA TURISTICA PARA COLOMBIA Y ELEMENTOS PARA LA DEMANDA TURISTICA PARA BOGOTÁ.... 13 a. Modelo...
Más detallesGeoenseñanza ISSN: Universidad de los Andes Venezuela
Geoenseñanza ISSN: 1316-6077 geoense@ula.ve Universidad de los Andes Venezuela Caraballo, Leonardo J. Cómo estimar una función de demanda? Caso: demanda de carne de res en Colombia Geoenseñanza, vol. 8,
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesT4. Modelos con variables cualitativas
T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad
Más detallesDesarrollo de un modelo econométrico para la estimación de la tasa de crecimiento de las empresas en Colombia. Sebastián Vanegas Iregui
Desarrollo de un modelo econométrico para la estimación de la tasa de crecimiento de las empresas en Colombia Sebastián Vanegas Iregui Colegio de Estudios Superiores de Administración CESA Maestría en
Más detallesModelo Econométrico Empleo en México
Memoria del XXI Coloquio Mexicano de Economía Matemática y Econometría Modelo Econométrico Empleo en México Mónica González Morales 1 Introducción 2000 a 2010 trimestralmente comprar productos fabricados
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
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 detallesFunciones de Regresión No Lineales (SW Cap. 6)
Funciones de Regresión No Lineales (SW Cap. 6) Todo anteriormente ha sido lineal en las X s La aproximación de que la función de regresión es lineal puede ser satisfactoria para algunas variables pero
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 detallesEficiencia del Mercado Bursátil Peruano y Efectos del Crecimiento Económico sobre el financiamiento del Sector Privado Período
Eficiencia del Mercado Bursátil Peruano y Efectos del Crecimiento Económico sobre el financiamiento del Sector Privado Período 2002 2012 Josué Wilder Arturo Sánchez Paucar Egresado de la Universidad de
Más detallesTIPO DE CAMBIO REAL DETERMINANTES Y EFECTOS SOBRE LA CUENTA CORRIENTE. EXPORTACIONES NO TRADICIONALES
TIPO DE CAMBIO REAL DETERMINANTES Y EFECTOS SOBRE LA CUENTA CORRIENTE. EXPORTACIONES NO TRADICIONALES JEISON ANDRES BUITRAGO DANIEL ARAGON URREGO CARLOS ANDRES ZAPATA UNIVERSIDAD DEL TOLIMA FACULTAD DE
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesECONOMETRIA ORDEN DE INTEGRACIÓN N Y RAÍCES UNITARIAS. Mtro. Horacio Catalán Alonso
ECONOMETRIA ORDEN DE INTEGRACIÓN N Y RAÍCES UNITARIAS Mtro. Horacio Catalán Alonso Orden de Integración ORDEN DE INTEGRACIÓN Econometría (1) X t = X t-1 + u t Como: E(u t ) = 0 y la Var(u t ) = 2 constante
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 detallesUNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA ECONOMETRÍA II MODELO DE ECUACIONES SIMULTÁNEAS EJERCICIO 20.14
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA ECONOMETRÍA II MODELO DE ECUACIONES SIMULTÁNEAS EJERCICIO 20.14 Sigüenza Aguilar Victoria Profesores responsables del curso: Jorge Zegarra,
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 detallesCRECIMIENTO ECONÓMICO LOS DATOS
CRECIMIENTO ECONÓMICO LOS DATOS Crecimiento económico es relevante: Esperanza de vida y consumo per cápita aumentan con renta y proporción de pobres disminuyen con renta per cápita CPC & RPC 180 Países
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 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 detallesECONOMETRÍA II LA FALACIA DE LA CURVA DE PHILLIPS COLOMBIA ALEX MAURICIO RODRIGUEZ SUAREZ COD
ECONOMETRÍA II LA FALACIA DE LA CURVA DE PHILLIPS COLOMBIA 2000-2006 ALEX MAURICIO RODRIGUEZ SUAREZ COD. 2072618 UNIVERSIDAD INDUSTRIAL DE SANTANDER ECONOMÍA BUCARAMANGA 2009 Contenido INTRODUCCIÓN...
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesANÁLISIS DE LAS DIFERENCIAS ENTRE LAS TASAS DE INFLACIÓN ASOCIADAS A DOS INDICADORES DEL NIVEL DE PRECIOS AGREGADO
EKONOMIA ETA ENPRESA ZIENTZIEN FAKULTATEA FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES GRADO: Economía Curso 2014 / 2015 ANÁLISIS DE LAS DIFERENCIAS ENTRE LAS TASAS DE INFLACIÓN ASOCIADAS A DOS INDICADORES
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 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 detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesCAPITULO ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ En el presente capítulo se realiza el análisis estadístico multivariado de los
112 CAPITULO 5 5.- ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ 5.1. Introducción En el presente capítulo se realiza el análisis estadístico multivariado de los datos obtenidos en censo correspondientes a
Más detallesContrastes de Hipótesis paramétricos y no-paramétricos.
Capítulo 1 Contrastes de Hiptesis paramétricos y no-paramétricos. Estadística Inductiva o Inferencia Estadística: Conjunto de métodos que se fundamentan en la Teoría de la Probabilidad y que tienen por
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
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 detallesDepartamento de Economía Cuantitativa. http://www.ucm.es/info/ecocuan
ECONOMETRÍA I INTRODUCCIÓN AL USO DE EVIEWS 3.1 JOSÉ ALBERTO MAURICIO Departamento de Economía Cuantitativa http://www.ucm.es/info/ecocuan Facultad de Ciencias Económicas y Empresariales Universidad Complutense
Más detalles