Contenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
|
|
- Juan Carlos San Segundo del Río
- hace 6 años
- Vistas:
Transcripción
1 Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares Tipos de modelos estadísticos lineales...19 Caso Caso Caso El modelo de regresión lineal simple. Visión geométrica Especificación del modelo de regresión lineal simple Estimación de los parámetros β 1 y β 2 por el método de mínimos cuadrados ordinarios Propiedades de la estimación MCO en el modelo de regresión simple Descomposición de la variabilidad, bondad del ajuste y coeficiente de determinación en el modelo de regresión simple con estimación MCO Caso El modelo de regresión lineal simple sin término constante Especificación del modelo de regresión lineal simple sin término constante Estimación del modelo por el método de los mínimos cuadrados ordinarios (MCO) Sorpresas que depara la estimación mínimo-cuadrática en el modelo de regresión lineal simple sin término constante Descomposición de la variabilidad, bondad del ajuste y coeficiente de determinación en el modelo de regresión simple sin término constante y estimación MCO vii
2 Caso Caso El modelo sin variable explicativa y con término constante Ejemplo El modelo de regresión lineal múltiple. Visión geométrica Especificación del modelo de regresión lineal múltiple Ejemplo Ejemplo Estimación de los parámetros beta de un modelo de regresión lineal múltiple por mínimos cuadrados ordinarios (MCO) Propiedades de la estimación MCO en el modelo de regresión lineal múltiple Descomposición de la variabilidad, bondad del ajuste y coeficiente de determinación en el modelo de regresión lineal múltiple con estimación MCO Caso Caso Caso Caso Hipótesis estadísticas básicas en el modelo de regresión lineal Expresión del proceso de generación de datos Matriz de datos Vector de medias de la perturbación aleatoria Matriz de varianzas y covarianzas de la perturbación aleatoria Naturaleza de los regresores Distribución normal de probabilidad de la perturbación aleatoria Modelos de regresión lineal clásica y neoclásica normales Casos importantes de incumplimiento de las hipótesis estadísticas básicas Caso Propiedades estadísticas de la estimación mínimo-cuadrática Análisis estadístico condicionado de los estimadores MCO Análisis incondicional de los estimadores MCO Propiedades estadísticas del estimador MCO en la regresión lineal simple viii
3 8.4 La precisión del estimador MCO de los parámetros del modelo de regresión lineal Estrategias de muestreo en los modelos de regresión lineal Ejemplo El teorema de Gauss-Markov Las formas lineales y cuadráticas de variables aleatorias normales y el estimador de la varianza de la perturbación aleatoria Caso Inferencias sobre los parámetros del modelo de regresión lineal neoclásica normal Caso particular: El modelo de regresión lineal neoclásica normal simple, RLNeoCNS Caso Caso Ejemplo Un resultado clave del modelo RLNeoCN: las distribuciones incondicionales o marginales de los estadísticos t Inferencias sobre la varianza de la perturbación aleatoria Caso Contraste de un conjunto de hipótesis lineales. Estadístico F Caso particular: el contraste de significación global en un modelo RLNeoCN Caso Ejemplo Regresión por bloques y su aplicación al contraste de significación global Regresión en desviaciones en los modelos con término constante Inclusión de una variable explicativa adicional en un modelo de regresión lineal Otro enfoque del contraste de significación global Caso Ejemplo Caso Predicción en el modelo de regresión lineal neoclásica, RLNeoCN Predicción o estimación del valor medio condicionado de la variable explicada ix
4 10.2 Predicción de la variable explicada o dependiente Caso Caso Validación del modelo de regresión lineal Los residuos MCO en los modelos de regresión lineal Las matrices idempotentes M y P H y su uso para la construcción de residuos especializados Residuos estandarizados o internamente studentizados Residuos studentizados o externamente studentizados Caso Caso Caso Puntos extremos, observaciones atípicas y observaciones influyentes Detección de observaciones atípicas Detección de una extrapolación oculta en una predicción Identificación de observaciones influyentes Caso Caso Los residuos y la hipótesis de normalidad de los errores Comparaciones gráficas de las distribuciones empíricas y teóricas El contraste de Lilliefors Gráficos cuantil-cuantil o gráficos Q-Q Contraste de correlación en un diagrama Q-Q Contrastes de Shapiro-Francia y Shapiro-Wilk Contraste de Bera-Jarque Caso Caso Transformaciones de variables Transformaciones de Box-Cox Ejemplo Regresión polinómica Ajuste mediante polinomios segmentados. Regresión «spline» Regresión con polinomios de más de una variable x
5 Caso Variables indicadoras Concepto Modelo de regresión lineal para comparar las medias de dos subpoblaciones o grupos Modelo de regresión lineal para comparar las medias de varias subpoblaciones o grupos Un modelo de regresión útil: una variable explicativa cuantitativa y otra cualitativa indicadora Interacción de las variables explicativas cuantitativa e indicadora en el modelo simple estudiado en el epígrafe anterior Modelo de regresión con variables indicadoras y explicativas cuantitativas en número cualquiera y sin interacción entre ellas Modelo de regresión con una variable indicadora y p variables explicativas con interacción de la primera con las últimas Contraste de cambio estructural o de Chow Caso Selección y validación de modelos Errores de especificación por omisión de variables relevantes Inclusión de variables irrelevantes en la especificación Diferentes criterios para la selección de modelos Coeficiente de determinación Coeficiente de determinación corregido Criterio de Mallows Criterio de Akaike Criterio de Schwarz Criterio de la suma de los cuadrados de los residuos externos o predictivos Algoritmos para la selección eficiente de variables Caso Multicolinealidad Caso xi
6 17. El modelo de regresión generalizado. Heteroscedasticidad y autocorrelación El estimador MCO bajo el modelo de regresión generalizado RLNeoCNG El estimador MCG o de mínimos cuadrados generalizados Propiedades del estimador MCG Estimador del parámetro Contrastes de hipótesis y coeficiente de determinación Mínimos cuadrados generalizados factibles (MCGF) Heteroscedasticidad Heteroscedasticidad pura o simple Estimaciones MCG y MCGF en presencia de heteroscedasticidad simple Parametrización de la heteroscedasticidad según el modelo x, con k fijo Parametrización de heteroscedasticidad según el modelo x, con k fijo y x 0, i 1, 2, 3..., n ik Parametrización de la heteroscedasticidad según el modelo i E( yi x i) Parametrización de la heteroscedasticidad según el modelo z α σi α 0 i Parametrización de la heteroscedasticidad según el modelo σ (α z α ) i 0 i Parametrización de la heteroscedasticidad según el modelo z α. Heteroscedasticidad multiplicativa σ exp(α i 0 i ) 18.3 Contrastes de heteroscedasticidad i i ik ik 19. Autocorrelación Autocorrelación pura o simple La estimación MCO en presencia de autocorrelación simple Estimación por MCG cuando Ω P es conocida La estimación por MCGF cuando Ω P es desconocida Contrastes de autocorrelación El contraste de Durbin-Watson xii
7 El contraste de Breusch-Godfrey Elementos básicos del diseño experimental Introducción Casos más importantes de diseños experimentales Diseños completamente aleatorizados Diseños aleatorizados de bloques completos Diseños jerarquizados o anidados El análisis de varianza en los diseños completamente aleatorizados con un solo factor Introducción Modelo unifactorial con efectos fijos y diseño equilibrado Inferencias de los parámetros del modelo Caso Modelo unifactorial con efectos fijos y diseño equilibrado. Resolución mediante la técnica de la regresión lineal Modelo de regresión lineal de rango incompleto Modelo de regresión lineal de rango pleno: modelo de las medias de las celdas Modelo de regresión de rango pleno por incorporación de una restricción lineal en el modelo de los efectos Modelo de regresión de rango pleno por eliminación de una variable explicativa en el modelo de los efectos Caso Modelo unifactorial con efectos aleatorios y diseño equilibrado Estimación de los parámetros del modelo Caso Introducción a los modelos lineales mixtos Modelo unifactorial de efectos fijos y diseño desequilibrado Caso Modelo unifactorial con efectos fijos y diseño desequilibrado. Resolución mediante la técnica de la regresión lineal Caso Modelo unifactorial con efectos aleatorios y diseño no equilibrado Caso xiii
8 Caso Diseños experimentales para los ensayos de intercomparación (I) Introducción Modelo simple de reproducibilidad de un ensayo Caso Modelo simple de repetibilidad de un ensayo Caso Modelo simple de las componentes de la precisión del ensayo Modelo desequilibrado Caso Caso Inferencia estadística en los diseños experimentales con un factor Introducción Inferencia en el modelo de las medias de las celdas. Diseños equilibrados El enfoque de los multiplicadores de Lagrange en el modelo de las medias. Diseño equilibrado Caso El enfoque del modelo restringido en los diseños equilibrados Caso Caso particular. Restricciones lineales de tipo contraste Caso Contrastes ortogonales en los diseños equilibrados Caso Intervalos y regiones de confianza con diseños equilibrados Caso Inferencia simultánea en el modelo de las medias de las celdas Intervalos de confianza simultáneos para las diferencias de medias de todos los tratamientos. Diseños equilibrados Caso Pruebas de hipótesis simultáneas basadas en recorridos studentizados diferentes o múltiples. Diseños equilibrados Caso Inferencia simultánea de combinaciones lineales de medias y contrastes de tratamientos. Diseños equilibrados xiv
9 Caso La Inferencia en los diseños unifactoriales desequilibrados de efectos fijos Caso La Inferencia en los diseños unifactoriales equilibrados de efectos aleatorios. Modelo ANOVA Caso La inferencia en los diseños unifactoriales no equilibrados de efectos aleatorios Introducción al análisis de la covarianza. Diseños con un factor y una covariable Modelo ANCOVA análisis de la covarianza con un factor fijo y una covariable. Diseño equilibrado Caso Validación del modelo de diseño de experimentos unifactorial Validación de los modelos ANOVA con un factor fijo Transformaciones estabilizadoras de la varianza Validación de los modelos ANOVA con un factor aleatorio Caso El análisis de varianza en los diseños completamente aleatorizados con dos factores Introducción Poblaciones y muestras en los diseños con dos factores Efectos fijos. Modelo aditivo y diseño equilibrado Un efecto fijo y otro aleatorio. Diseño equilibrado y ausencia de interacción. Modelo aditivo mixto Modelo aditivo con dos factores de efectos aleatorios en ausencia de interacción. Diseño equilibrado Efectos fijos e interacción. Diseño equilibrado Caso Caso Caso Una observación por celda Caso xv
10 26.7 Dos factores con efectos aleatorios e interacción. Diseño equilibrado Un factor fijo y otro aleatorio con interacción. Diseño equilibrado El modelo de las medias de las celdas cuando los dos factores son fijos. Diseño equilibrado Caso Efectos fijos y diseños desequilibrados Modelo aditivo cuando el diseño es desequilibrado Métodos de resolución aproximada cuando el desequilibrio es pequeño Caso Diseños experimentales basados en la formación de bloques Bloques completos Bloques incompletos Cuadrados latinos Diseños experimentales para los ensayos de intercomparación (II) Programa de ensayos con a niveles de ensayo y un resultado por celda Caso particular: dos niveles de ensayo Niveles de ensayo aleatorios Programa de ensayos con m réplicas por casilla Modelo aditivo mixto Niveles de ensayo aleatorios Caso Variabilidad de los resultados en los programas de ensayos interlaboratorios generales Modelos con coeficientes de variación interlaboratorios e intralaboratorio constantes Uso de la distribución normal bivariante en los programas de intercomparación con dos resultados por laboratorio Programa de intercomparación con un único nivel de ensayo y dos réplicas efectuadas por cada laboratorio Programa de intercomparación con dos niveles de ensayo y una sola réplica por laboratorio y nivel. Hipótesis de varianzas constantes Programa de intercomparación con dos niveles de ensayo y una sola réplica por laboratorio y nivel. Hipótesis de coeficientes xvi
11 de variación constantes Programa de intercomparación con dos niveles de ensayo y una sola réplica por laboratorio y nivel. Varianzas relacionadas con el nivel de ensayo Caso Anejos Bibliografía xvii
2 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 detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA
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 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 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 detalles18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
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 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 detallesScientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 01221701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia URRUTIA MOSQUERA, JORGE ANDRÉS; SALAZAR, HEVER DARÍO; CRUZ TREJOS, EDUARDO ARTURO EVALUACIÓN DE LA ROBUSTEZ
Más detallesMATEMÁTICAS 2º DE BACHILLERATO
MATRICES 1. Matrices y tipos de matrices 2. Operaciones con matrices 3. Producto de matrices 4. Matriz traspuesta 5. Matriz inversa 6. Rango de matrices DETERMINANTES 7. Determinantes de orden 2 y 3 8.
Más detallesCURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara
CURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara Descripción: Los temas de estadística propuestos corresponden con los conocimientos mínimos que un
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
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 detallesSE OFRECE A ESTUDIANTES DE GRADO: SI X. MÓDULO DEL PLAN 2013 EN QUE ACREDITA: Módulo Metodológico DESCRIPTORES: Probabilidad y Estadística
Asignatura: Probabilidad y Estadistica para Investigadores en ciencias del comportamiento I Tipo: Optativa Créditos: 15 Fecha tentativa: de 12:30 a 17:00 hrs desde el 23/04/2014 Lugar: Salón 9 Cupos: 20
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 detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detalles1.2.2. Técnicas estadísticas más utilizadas en la investigación
Contenido PRÓLOGO... 1. LA ESTADÍSTICA COMO HERRAMIENTA EN LA INVESTIGACIÓN TURÍSTICA 1.1. EL TURISMO Y LA ESTADÍSTICA... 2 1.1.1. El turismo... 2 1.1.2. La estadística... 4 1.2. LA ESTADÍSTICA Y LA INVESTIGACIÓN
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadistica. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Estadistica CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_05IQ_55001012_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación Centro
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesANÁLISIS DISCRIMINANTE
DEFINICIÓN: Cómo técnica de análisis de dependencia: Pone en marcha un modelo de causalidad en el que la variable endógena es una variable NO MÉTRICA y las independientes métricas. Cómo técnica de análisis
Más detallesDiseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
Más detallesCONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesTeléfono:
Apartado postal 17-01-218 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: ESTADISTICA II CÓDIGO: 15017 CARRERA: Economía NIVEL: Cuarto No. CRÉDITOS: SEMESTRE / AÑO ACADÉMICO: III semestre 2011-2012 PROFESOR:
Más detallesMODELO ECONOMÉTRICO. José María Cara Carmona. Adrián López Ibáñez. Explicación del desempleo
José María Cara Carmona Adrián López Ibáñez MODELO ECONOMÉTRICO Explicación del desempleo Desarrollaremos un modelo econométrico para intentar predecir el desempleo. Trataremos los diversos problemas que
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 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 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 detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesTema 3.1: Modelo lineal general: hipótesis y estimación. Universidad Complutense de Madrid 2013
ema 3.1: Modelo lineal general: hipótesis y estimación Universidad Complutense de Madrid 2013 Introducción El objetivo es especificar y estimar un Modelo Lineal General (MLG) en donde una variable de interés
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA
ESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA Descripción de la asignatura Estadística I El objetivo de la asignatura es proporcionar al estudiante conocimiento Departamento de Estadística y comprensión
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
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 detallesModelo Econométrico sobre el Turismo
Modelo Econométrico sobre el Turismo Ruth Rubio Rodríguez Miriam Gómez Sánchez Mercados 3ºA GMIM Índice Planteamiento del Problema..4 1. Estadísticos Descriptivos...5 2. Matriz Correlaciones 5 3. Gráfico
Más detallesGUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
Más detallesTEMARIO PARA EL EXAMEN DE ACCESO A LA ESPECIALIDAD MATEMÁTICAS PARA E.S.O. Y BACHILLERATO DEL MÁSTER DE SECUNDARIA
TEMARIO PARA EL EXAMEN DE ACCESO A LA ESPECIALIDAD MATEMÁTICAS PARA E.S.O. Y BACHILLERATO DEL MÁSTER DE SECUNDARIA 1. Números naturales, enteros y racionales. Principio de inducción. Divisibilidad y algoritmo
Más detallesCONSTITUCIONES MISIONEROS CLARETIANOS
CONSTITUCIONES MISIONEROS CLARETIANOS PARTE PRIMERA Capítulo I Capítulo II Capítulo III Capítulo IV Capítulo V Capítulo VI Capítulo VII Capítulo VIII PARTE SEGUNDA Capítulo IX Capítulo
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 detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesUNIVERSIDAD NACIONAL DE FORMOSA FACULTAD DE HUMANIDADES
1. CARRERA: Profesorado en Química 2. ASIGNATURA: Estadística y Probabilidad 3. AÑO LECTIVO: 2016 UNIVERSIDAD NACIONAL DE FORMOSA FACULTAD DE HUMANIDADES 4. CARACTERES DE LA ASIGNATURA: Obligatoria 5.
Más detallesMÓDULO: MÉTODOS CUANTITATIVOS
MÓDULO: MÉTODOS CUANTITATIVOS 1.- Nombre del módulo y las asignaturas: Métodos Cuantitativos Econometría Avanzada Econometría Financiera 2.-Número de créditos ECTS: Econometría Avanzada: 6 ECTS. Econometría
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesUNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE CIENCIAS FINANCIERAS Y CONTABLES SILABO
ASIGNATURA: ESTADÍSTICAS CÓDIGO: CCC211 I. DATOS GENERALES: 1.1. DEPARTAMENTO ACADEMICO : MATEMÁTICA 1.2. ESCUELA PROFESIONAL : CONTABILIDAD 1.. ESPECIALIDAD : CONTABILIDAD 1.. NOMBRE DE CARRERA : CONTADOR
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 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 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 detallesBioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión
Bioestadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en
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 detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesAnálisis de Regresión
Análisis de Regresión por Universidad Nacional de Colombia, Sede Medellín 202 Tipos de gráficos para el análisis residuales Percen nt Normal Probability Plot of the Residuals 99 90 50 0-3.0 -.5 0.0.5 3.0
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesCarrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesGUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA
GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA DATOS BÁSICOS DE LA ASIGNATURA Nombre: Titulación: Centro: Tipo: Créditos: Curso: Prerrequisitos: Profesor: Dpto.: Estadística Aplicada. Licenciatura
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 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 detallesEVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Más detallesAPUNTES DE QUIMIOMETRIA REGRESIO LINEAL
REGRESIO LINEAL APUNTES DE QUIMIOMETRIA Datos anómalos y levas en las rectas de calibrado. Regresión robusta Mínima mediana de cuadrados Recta de calibrado mediante mínimos cuadrados. Hipótesis básicas
Más detallesSelección de fuentes de datos y calidad de datos
Selección de fuentes de datos y calidad de datos ESCUELA COMPLUTENSE DE VERANO 2014 MINERIA DE DATOS CON SAS E INTELIGENCIA DE NEGOCIO Juan F. Dorado José María Santiago . Valores atípicos. Valores faltantes.
Más detallesEsquema (1) Análisis de la Varianza y de la Covarianza. ANOVA y ANCOVA. ANOVA y ANCOVA 1. Análisis de la Varianza de 1 Factor
Esquema (1) Análisis de la arianza y de la Covarianza ANOA y ANCOA 1. (Muestras independientes). () 3. Análisis de la arianza de Factores 4. Análisis de la Covarianza 5. Análisis con más de Factores J.F.
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 detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detallesPresentación de la tercera edición Autores
ÍNDICE DE CAPÍTULOS Presentación de la tercera edición Autores 1 Introducción a los métodos de la epidemiología y la bioestadística... 1 M.A. Martínez-González, A. Sánchez-Villegas, J. de Irala 1.1. Estadística,
Más detallesFormato de la información suministrada por el programa informático MINITAB, empleado para el análisis de los datos empíricos.
CAPÍTULO XIX: TÉCNICAS DE INVESTIGACIÓN EMPLEADAS. En este capítulo se describen las técnicas de análisis cuantitativo empleadas para el análisis de los datos, con la finalidad de contrastar las hipótesis
Más detallesEstadística Espacial en Ecología del Paisaje
Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas
Más detallesTema 1. El Modelo de Regresión Lineal con Regresores Aleatorios.
ema El Modelo de Regresión Lineal con Regresores Aleatorios Introducción En este tema vamos a analizar las propiedades del modelo de regresión lineal con regresores aleatorios Suponer que los regresores
Más detallesPROGRAMA DE ESTUDIOS. - Nombre de la asignatura : Taller de herramientas Estadísticas. - Pre requisitos : LCP 219 Estadística
PROGRAMA DE ESTUDIOS A. Antecedentes Generales. - Nombre de la asignatura : Taller de herramientas Estadísticas - Carácter de la asignatura (obligatoria/ electiva) : Obligatoria - Pre requisitos : LCP
Más detallesPE - Probabilidad y Estadística
Unidad responsable: 230 - ETSETB - Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona Unidad que imparte: 749 - MAT - Departamento de Matemáticas Curso: Titulación: 2016 GRADO EN INGENIERÍA
Más detallesIntroducción a la Identificación de sistemas
Ingeniería de Control Introducción a la Identificación de sistemas Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Modelos deterministas
Más detallesRegresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp
Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente
Más detallesTEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN
TEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN 1 MODELO LINEAL GENERAL applemodelo estadístico appledescribe una combinación lineal de los efectos aditivos que forman la puntuación
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 detallesDatos Descriptivos. ANEXO II Guía de Aprendizaje Información al estudiante. Sólo castellano Sólo inglés Ambos IDIOMA IMPARTICIÓN
ANEXO II Guía de Aprendizaje Información al estudiante Datos Descriptivos ASIGNATURA: Estadística MATERIA: Probabilidad e Inferencia Estadística CRÉDITOS EUROPEOS: 6 CARÁCTER: Básica TITULACIÓN: GIE, GITM,
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesDiseño de experimentos
GUÍA DOCENTE 2013-2014 Diseño de experimentos 1. Denominación de la asignatura: Diseño de experimentos Titulación Grado en Ingeniería Agroalimentaria y del Medio Rural Código 6263 2. Materia o módulo a
Más detalles1. CURSO: ESTADÍSTICA DESCRIPTIVA Y NOCIONES DE ESTADÍSTICA INFERENCIAL. 2. EN EL MARCO DE ACTIVIDADES DE POSGRADO: Acreditado para Doctorado.
1. CURSO: ESTADÍSTICA DESCRIPTIVA Y NOCIONES DE ESTADÍSTICA INFERENCIAL 2. EN EL MARCO DE ACTIVIDADES DE POSGRADO: Acreditado para Doctorado. 3. PERIODICIDAD: Anual 4. DIRECTORAS: Dra. Teresita Terán CODIRECTORA:
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 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 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 detallesSILABO Estadística (Plan de Estudios vigente 2004)
U N I V E R S I D A D A L A S P E R U A N A S FACULTAD DE DERECHO Y CIENCIAS POLÍTICAS SILABO Estadística (Plan de Estudios vigente 2004) 1. INFORMACION GENERAL: 1.1. Facultad : Derecho y Ciencias Políticas
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 detalles1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7.
MODELO A Examen de Estadística Económica (2407) 20 de junio de 2009 En cada pregunta sólo existe UNA respuesta considerada más correcta. Si hay dos correctas deberá escoger aquella respuesta que tenga
Más detallesTERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO
TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO PROCESO ANALÍTICO Conjunto de operaciones analíticas intercaladas que se
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesMATEMÁTICAS. PRIMERO DE E.S.O.
MATEMÁTICAS. PRIMERO DE E.S.O. Unidad 1: Números naturales. Potencias y raíces. Números naturales. Representación geométrica. Operaciones. Sistema de numeración decimal. Operaciones combinadas. Jerarquía.
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
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 detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
Más detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
Más detallesUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA SYLLABUS PROYECTO CURRICULAR DE INGENIERÍA ELÉCTRICA
Nombre del Docente ESPACIO ACADÉMICO (Asignatura): PROBABILIDAD Y ESTADÍSTICA UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS Obligatorio Básico Complementario Electivo Intrínseco Extrínseco FACULTAD DE
Más detallesPrograma Analítico Plan de estudios Asignatura: Probabilidad y Estadística
Programa Analítico Plan de estudios 2011 Asignatura: Probabilidad y Estadística CARRERA: LICENCIATURA LIC. CIENCIAS EN DE CIENCIAS LA COMPUTACIÓN-LIC. DE LA COMPUTACIÓN EN SISTEMAS DE INFORMACIÓN AÑO:
Más detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo
Más detalles