LÍNEAS BASES Y EVALUACIÓN DE LOS IMPACTOS SOCIOECONÓMICOS DEL CAMBIO CLIMÁTICO EN AMÉRICA LATINA DDSAH-CEPAL
|
|
- Raúl González Santos
- hace 6 años
- Vistas:
Transcripción
1 LÍNAS BASS Y VALUACIÓN D LOS IMPACTOS SOCIOCONÓMICOS DL CAMBIO CLIMÁTICO N AMÉRICA LATINA DDSAH-CPAL COMPONNT SOCIOCONÓMICO PROGRAMA UROCLIMA
2 Análss econométrco con datos de seccón crzada
3 TABLA D CONTNIDO Introdccón: el modelo de regresón y spestos Modelo de regresón lneal smple (eemplo) 3 Modelo de regresón lneal múltple (eemplo) 4 stmacón 5 Inferenca 6 Formas fnconales de los modelos econométrcos 7 Regresón con Varable Independente Dcotómca 8 Volacón de los spestos del modelo de regresón 9 emplo de aplcacón
4 Introdccón: el modelo de regresón y spestos Y 3 3 k k Parámetros a estmar Varable dependente Varables ndependentes rror Dreccón del análss stmar el mpacto ( + o ) de cada VI sobre la VD Cantfcar cada mpacto
5 Introdccón: el modelo de regresón y spestos conometría: parte de los métodos canttatvos qe emplea el economsta s la nón de la teoría económca, la estadístca y la matemátca qe bsca establecer relacones entre varables económcas para predecr el mpacto de na o mas varables sobre la varable denomnada respesta (Garat, Wooldrdge, Jdge) Planteamento de la hpótess specfcacón del modelo matematco de la teora specfcacon del modelo econometrco de la teora stmacón de los parámetros del modelo econométrco (Datos) Prebas de hpótess Valdacón del modelo Uso del modelo Las varacones del clma afectan la prodctvdad agrícola Prodccon = f Terra, nsmos, aga, temperatra, precptacon, otros Prodccon = β o + β T + β I + β 3 Clma + U Prodccon = β o + β T + β I + β 3 Clma H o : β 3 = 0 Vs H a : β 3 0 Se cmplen los spestos del MRL Medcón del mpacto
6 Y = β o + β + con =,,, n ndvdos Y t = β o + β t + t con =,,, n ndvdos; t =,, t Y Y Y Yn n Indvdo Tempo Y = t= Y T= Y Y t = β o + β t + t con t =,,, t Y Y Y t t : Y Y = = =n T=t Y t Y t t= Y T= Y T=t Y t Y t t= Y T= Y T=t Y t Y t t= Y n n T= Y n n T=t Y nt Y nt
7 Introdccón: el modelo de regresón y spestos Spesto : Modelo de Regresón Lneal l modelo de regresón es lneal en los parámetros, ó Y Y 3 3 k Para el modelo de regresón lneal múltple k Spesto : Los valores de son fos en mestreo repetdo Los valores qe toma el regresor (,,3,, k) en mestreo repetdo Más técncamente, se spone no estocástca son consderados fos Spesto 3: l valor medo de la pertrbacón es gal a cero Dado el valor de, la meda, o el valor esperado del térmno aleatoro de pertrbacón es cero Técncamente, el valor de la meda condconal de es cero Smbólcamente, se tene [ / ] 0 ó [ /, 3,, k ] 0
8 Introdccón: el modelo de regresón y spestos Spesto 4: Homoscedastcdad o gal varanza de Dado el valor de, la varanza de es la msma para todas las observacones sto es, las varanzas condconales de son déntcas Smbólcamente, se tene qe ] / var[ ] / [ ] / var[ ] ]/ [ [ ] / var[ Spesto 5: No ato correlacón entre las pertrbacones Dados dos valores calqera de, y ) (, la correlacón entre dos y calqera ) ( es cero Smbólcamente, 0 ), /, cov( ] / ][ / [ ), /, cov( ] ]/ [ ][ ]/ [ [ ), /, cov( Spesto 6: La covaranza entre y es cero, o 0 ], [ Formalmente, 0 ], cov[ 0 ] [ ], [ ], cov[ _ ]_ [ ] [ ] [ ] [ ], cov[ 0 ] [ ])] [ ( [ ], cov[ ]] [ ]][ [ [ ], cov[ estocastca no
9 Introdccón: el modelo de regresón y spestos Spesto7: parámetros por l número de observacones n debe ser mayor qe el número de estmar Spesto 8: Varabldad en los valores de No todos los valores de en na mestra dada deben ser gales Técncamente, Var[] debe ser n número postvo fnto Spesto 9: l modelo de regresón esta correctamente especfcado Alternatvamente, no hay n sesgo de especfcacón o error en el modelo tlzado en el análss empírco La omsón de varables mportantes del modelo, o la escogenca de na forma fnconal eqvocada, o la consderacón de spestos estocástcos eqvocados sobre las varables del modelo, harán my cestonable la valdez de la nterpretacón de la regresón estmada Spesto 0: No hay mltcolnealdad perfecta
10 Modelo de regresón lneal smple La fncón de regresón poblaconal denota la meda poblaconal de la dstrbcón de Y dado n, qe esta relaconado con na forma fnconal f(x)
11 Modelo de regresón lneal smple Y = β o + β + U Y ˆ ˆ ˆ
12 Modelo de regresón lneal smple Mnmzar la sma de cadrados de los errores estmados Son los estmadores qe mnmzan la SC
13 Modelo de regresón lneal smple Mn {SC} stmadores de MCO ˆ ˆ Y ˆ 0 ( )( Y Y ) ( )
14 3 Modelo de regresón lneal múltple k k Y 3 3 n k kn n k k N Y Y Y =,,,n Y nx = nx k+ B k+ x + U nx Vector de VD Matrz de VI Vector de Parámetros Vector de rror
15 4 stmacón: por Mínmos cadrados ordnaros (MCO) k k Y 3 3 =,,,n Y = B + U y t t ) ( ˆ stmador por MCO de B ) ( ] ˆ [ Var t stmador por de la VAR (B) ) ˆ var( ) ˆ var( ) ˆ var( ˆ ˆ ˆ k k k
16 5 Inferenca: realmente es modelo es beno? Prebas de nferenca ndvdal Y 3 3 k k β Realmente la varable afecta a la VD? H o : β = 0 Vs H a : β 0 k ˆ ˆ ˆ k t = var( ˆ ) var( ˆ ) β var var( βˆ k ~t n k+ ) RR RNR RR T(095; n>30)= -= =
17 5 Inferenca: realmente es modelo es beno? Prebas de nferenca Global Y 3 3 k k Al msmo tempo, las varables, 3,, k, explcan a la VD? Fente de Varacón Sma de cadrados Grados de lbertad Medas cadrátcas F Regresón SCReg glreg=k+ CMReg = SCReg glreg rror SCrr glrr=n-(k+) CMrr = SCrr glrr F = CMReg CMrr ~F glreg,glrr Total STC N- Ho: β = β = = β k = 0 Ho: β β β k = 0
18 5 Inferenca: realmente es modelo es beno? Prebas de nferenca Global Y 3 3 k k TOTAL RGRSION RROR STC = SCReg STrr +
19 5 Inferenca: realmente es modelo es beno? Prebas de nferenca Global Ho: β = β = = β k = 0 Ho: β β β k = 0 Modelo no sgnfcatvo globalmente Modelo sgnfcatvo globalmente RR RNR STC SCReg SCrr MODLO MODLO MODLO GLOBALMNT SIGNIFICATIVO MODLO NO SIGNIFICATIVO
20 6 Formas fnconales de los modelos econométrcos Peden ser consderadas dstntas formas fnconales en qe se relaconan la VD y las VI Y 3 3 k k Lneal Y k = k Lneal β o + β + β + + β k k +U = β k fecto margnal ante n cambo absolto de la VI k, la VD responde en promedo en mantenendo las demás varables constantes β k η = elastcdad = %Y % k = ΔY Y Δ k lastcdad ante n cambo porcental de la VI k, la VD responde en promedo en β k k Y = ΔY k Δ k Y = Y k k Y = β k k Y
21 6 Formas fnconales de los modelos econométrcos MODLO Lneal -Lneal Logartmco - Lneal Logartmco - Logartmco Lneal - Logartmco CUACION Y = β o + β + U INTRPRTACION D LOS COFICINTS (Bk) fecto margnal LASTICIDAD (η) β k k Y LN Y = β o + β + U Semelastcdad β k k LN Y = β o + β LN + U lastcdad β k Y = β o + β LN + U Semelastcdad β Y Y Y a a 0 a a a3 a4 a5 0 a a a3 a4 a5 Formas fnconales polnómcas Y A e Modelo Coob - Doglas
22 7 Regresón con Varable Independente Dcotómca Las varables explcadas no solo dependen de VI contnas Tambén dependen de varables dcótomas, categórcas, de caslla, dscretas, ndcadoras, bnaras Catro formas de medr en estadístcas: VARIABLS NOMINALS: Genero (dos categorías), Raza (mas de dos categorías) VARIABLS ORDINALS: estrato (,, 3, 4, 5, y 6), Tamaño del predo (Grande, Medano, Peqeño), Tamaño de la ndstra, VARIABLS CONTINUA VARIABL D RAZON ndvdo empresa Mer= Hombre=0 Grande= Pyme= Pertenece a n programa= No Pertenece a n programa= Sector= Sector= Sector=3
23 7 Regresón con Varable Independente Dcotómca l tratamento de este tpo de varables será el sgente: Se defne la varable dmmy D, como: D= s la ndad de análss posee la característca D=0 s la ndad de análss no posee la característca Sempre se tomara el como referenca: 3 S la varable dmmy presenta mas de dos categorías, se crearan (k- ) dmmy, donde K es el nmero de categorías Tamaño de las empresas (grande (G), Medana (M) y Pyme (P) Aqí K=3, entonces se crean dmmy D= s la empresa es grande D=0 de lo contraro D= s la empresa es Medana D=0 de lo contraro Se dea a la categoría ( P) como referenca
24 7 Regresón con Varable Independente Dcotómca Se peden presentar varos casos: Una varable dependente contna y na varable ndependente dcótoma de dos categorías Una varable dependente contna y dos varables ndependentes: na contna y na dcótoma de dos categorías Una varable dependente contna y dos varables ndependentes: na contna y na dcótoma de dos categorías Una varable dependente contna y dos varables ndependentes: na contna y na dcótoma de dos categorías mas na nteraccón
25 7 Regresón con Varable Independente Dcotómca DSCRIPCION Una varable dependente contna y na varable ndependente dcótoma de dos categorías Una varable dependente contna y dos varables ndependentes: na contna y na dcótoma de dos categorías Una varable dependente contna y dos varables ndependentes: na contna y na dcótoma de dos categorías más la nteraccón Una varable dependente contna y tres varables ndependentes: na contna y dos dcótomas de dos categorías Una varable dependente contna y tres varables ndependentes: na contna y dos dcótomas de dos categorías con nteraccón entre las dmmy Una varable dependente contna y dos varables ndependentes: na contnúa y na dcótoma de más de dos categorías con k=4 MODLO Y = β o + β D + U D = s posee la caracterstca D = 0 s no posee la caracterstca Y = β o + β + β D + U D = s posee la caracterstca D = 0 s no posee la caracterstca Y = β o + β + β D + β 3 D + U D = s posee la caracterstca D = 0 s no posee la caracterstca Y = β o + β D + β D + β 3 + U D = s posee la caracterstca D = 0 s no posee la caracterstca D = s posee la caracterstca D = 0 s no posee la caracterstca Y = β o + β D + β D + β 3 D D + β 4 + U D = s posee la caracterstca D = 0 s no posee la caracterstca D = s posee la caracterstca D = 0 s no posee la caracterstca Y = β o + β D + β D + β 3 D 3 + β 4 + U D = s posee la caracterstca D = 0 s no posee la caracterstca D = s posee la caracterstca D = 0 s no posee la caracterstca D 3 = s posee la caracterstca D 3 = 0 s no posee la caracterstca
26 7 Regresón con Varable Independente Dcotómca Una varable dependente contna y na varable ndependente dcótoma de dos categorías Mde la dferenca promedo en la Y = β o + β D + U varable respesta Y de tener y no tener la característca D = s posee la caracterstca D = 0 s no posee la caracterstca Y /D = = β o + β Y /D = 0 = β o Y /D = Y /D = 0 = β
27 7 Regresón con Varable Independente Dcotómca Una varable dependente contna y dos varables ndependentes: na contna y na dcótoma de dos categorías Y = β o + β + β D + U D = s posee la caracterstca D = 0 s no posee la caracterstca Y /D = = β o + β + β Mde la dferenca promedo en la varable respesta Y de tener y no tener la característca Y /D = 0 = β o + β Y /D = Y /D = 0 = β H o : β = 0 Vs H a : β 0
28 7 Regresón con Varable Independente Dcotómca Una varable dependente contna y dos varables ndependentes: na contna y na dcótoma de dos categorías más la nteraccón Y = β o + β + β D + β 3 D + U D = s posee la caracterstca Y Y D = 0 s no posee la caracterstca Y Y
29 8 Volacón de los spestos del modelo de regresón MULTICOLINALIDAD HTROCDASTICIDAD AUTOCORRLACION NORMALIDAD D LOS RRORS
30 MULTICOLINALIDAD Relacones lneales entre varables ndependentes Corr, k Y 3 3 k k Corr, 3 Corr 3, k La mltcolnealdad pede deberse a los sgentes factores: l método de recoleccón de nformacón empleado Restrccones sobre el modelo o en la poblacón qe es obeto de mestreo specfcacón del modelo Un modelo sobredetermnado
31 MULTICOLINALIDAD Consecencas práctcas de la mltcolnealdad An cando los estmadores de MCO son MLI, estos presentan varanzas y covaranzas grandes, qe hacen dfícl la estmacón precsa Factor nflador de varanza los ntervalos de confanza tenden a ser mcho más amplos, condcendo a na aceptacón más fácl de la hpótess nla l estadístco de los coefcentes tende a ser no sgnfcatvo An cando el estadístco de no o más coefcentes sea estadístcamente no sgnfcatvo, el, la meda global de bondad de aste, pede ser my grande Los estmadores MCO y ss errores estándar peden ser sensbles a peqeños cambos en la nformacón Como detectarla? Un elevado pero pocas razones sgnfcatvas (y n valor sgnfcatvo) Altas correlacones entre pareas de Regresores Regresones Axlares: Valores Propos e Índce de Condcón Factores de Toleranca y de Inflacón de Varanza
32 MULTICOLINALIDAD Meddas remedales Informacón a pror Combnacón de nformacón de corte transversal y de seres de tempo lmnacón de na(s) varable(s) y el sesgo de especfcacón: Transformacón de varables: Datos nevos o adconales Redccón de la colnealdad en las regresones polnomales
33 HTROCDASTICIDAD La heteroscedastcdad se presenta cando las varanzas de Smbólcamente, [ ] no son las msmas a lo largo de las observacones A medda qe amentan las varables ndependentes las varanzas se hacen mayores Presenca de factores atípcos La nclsón o exclsón de na observacón de este tpo Incorrecta especfcacón del modelo
34 HTROCDASTICIDAD Consecencas de tlzar MCO en presenca de heteroscedastcdad Los ntervalos de confanza basados en los estmadores de MCO son my amplos Como resltado, es probable qe las prebas y den resltados mprecsos La característca más sobresalente de estos resltados es qe los MCO, con o sn correccón por heteroscedastcdad, sobreestman consstentemente el verdadero error estándar obtendo medante el procedmento correcto Como detectarla?: Preba de Whte Como corregrla: Cando es conocda: Método de Mínmos Cadrados Ponderados Cando es desconocda: Método de Mínmos Cadrados Generalzados P PY * Y P t PB * * I nxn P *
35 Atocorrelacon Dados dos valores calqera de, y ) (, la correlacón entre dos y calqera ) ( es cero Smbólcamente, 0 ), /, cov( ] / ][ / [ ), /, cov( ] ]/ [ ][ ]/ [ [ ), /, cov( k k Y 3 3 n k kn n k k N Y Y Y Corr, Corr, n
36 Atocorrelacones Atocorrelacones Atocorrelacones rrores Resdales atocorrelaconados para astado exportal 0,6 Tendenca lneal = 3, , t 0, -0, -0, Retardo Atocorrelacones rrores stmadas no atocorrelaconados para RSIDUALS 0,6 0, -0, -0, Retardo
37 emplos
38 Proyeccones de poblacón DAN Poblacón ncal: a 005 Tasa de crecmento :,5% Tasa de crecmento proyectada 05-00:,09% Poblacón fnal: a 00,9%,5%,09%
39 Proyeccones de poblacón DAN k N t = k + + exp ( o + t)
40 N t k = k + exp ( o + t) + exp ( o + t) = k N t k exp o + t = k N t k o + t = ln k N t k Reorganzando: ln k N t k = o + t Varable dependente Varable ndependente
41 Censo t Poblacón U* Ln (U)=Z ,547867, , , ,64946, , , , , , , , , Varable ndependente Varable dependente
42 Tabla Resltados de la estmacón por MCO para los parámetros o y Parámetros Coefcentes rror típco stadístco t Probabldad Intercepcón o, *** 0, ,607894, t -0, *** 0, ,438077, ***Sgnfcatvo al % R= 099 Prob (F)= 0000 n=7 observacones Varable dependente Ln (U)=Z De esta manera, la fncón logístca qeda completamente especfcada con los sgentes parámetros: N t = exp (, , t)
43
44
45
46
47 Gracas por s atencón Harold Coronado Arango
e i para construir el modelo econométrico que se escribe a continuación:
5.3 Especfcacón del modelo empírco Para este análss se formló n modelo econométrco de seccón crzada, porqe las observacones corresponden a las característcas de las personas encestadas en n msmo período
Más detalles6 Heteroscedasticidad
6 Heteroscedastcdad Defncón casas de heteroscedastcdad Defncón: la varanza de la pertrbacón no es constante. Casas: a natraleza de la relacón entre las varables Ejemplo : relacón gasto-renta; Hogares con
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesUNIDAD II ANÁLISIS DEL MODELO CLÁSICO DE DR. ROGER ALEJANDRO BANEGAS RIVERO REGRESIÓN LINEAL SIMLE (MCRLS)
UNIDAD II ANÁLISIS DEL MODELO CLÁSICO DE REGRESIÓN LINEAL SIMLE (MCRLS) DR. ROGER ALEJANDRO BANEGAS RIVERO Contendo El modelo de regresón lneal smple Gráfcos de dspersón Estmacón por mínmos cadrados ordnaros
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesExamen Final de Econometría Grado
Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesModelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Unversdad Austral de Chle Escuela de Ingenería Comercal ICPM050, Econometría Clase 03 Modelo Lneal Múltple Profesor: Carlos R. Ptta Econometría, Prof. Carlos R. Ptta, Unversdad Austral de Chle. Análss
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallescoηomετría Capítulo 1: Introducción Amparo Sancho Guadalupe Serrano Bernardí Cabrer coηomετría
coηomετría Capítlo : Introdccón Amparo Sancho Gadalpe Serrano Bernardí Cabrer coηomετría Becaros: Fernando Pascal, Carlos Salvador, Joan Crespo Capítlo Introdccón Qé es n modelo econométrco? Qé son los
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detallesUSOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES
Unversdad de San Andrés Departamento de Economía Econometría Semestre de otoño USOS Y ETENSIONES DEL MODELO LINEAL CON K VARIABLES Marana Marchonn marana@depeco.econo.unlp.edu.ar Varables explcatvas bnaras
Más detallesAnálisis cuantitativo aplicado al Comercio Internacional y el Transporte
Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C
Más detallesEspecialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesCapítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesRegresión lineal y correlación lineal
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel
Más detalles6. ANALISIS DE COLUMNAS DE DESTILACION
69 6. AALISIS DE COLUMAS DE DESTILACIO 6.1. ITRODUCCIO Una colmna de destlacón smple es na ndad compesta de n conjnto de etapas de eqlbro con n solo almento y dos prodctos, denomnados destlado y fondo.
Más detallesTema 2: El modelo clásico de regresión
CURSO 010/011 Tema : El modelo clásco de regresón Aránzazu de Juan Fernández ECONOMETRÍA I ESQUEMA DEL TEMA Presentacón del modelo Hpótess del modelo Estmacón MCO Propedades algebracas de los estmadores
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesPUBLICACIONES DE 4º CURSO
PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
Más detallesTema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación
Tema 5: Incumplmento de las Hpótess sobre el Térmno de Perturbacón TEMA 5: INCMPLIMIENTO DE LAS HIPÓTESIS SOBRE EL TÉRMINO DE PERTRBACIÓN 5.) Introduccón 5.) El Modelo de Regresón Lneal Generalzado 5.3)
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesINTRODUCTION TO ECONOMETRICS
INTRODUCTION TO ECONOMETRICS Abstract Econometrcs s one of the most mportant applcatons to the mathematcal statstcs and a fundamental tool n the economc research and n the desgn and analyss of economc
Más detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detallesEl Impacto de las Remesas en el PIB y el Consumo en México, 2015
El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detalles16/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesModelo de Variables Instrumentales
Modelo de Varables Instrumentales Contraste de endogenedad El estmador de MCE es menos efcente que el de MCO cuando las varables explcatvas son exógenas. Las estmacones de MCE pueden tener errores estándar
Más detallesPrueba de Evaluación Continua
Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesTema 3: Procedimientos de Constrastación y Selección de Modelos
Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesRegresión Binomial Negativa
Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado
Más detallesEconomía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19
Economía Aplcada Estmador de dferencas en dferencas Departamento de Economía Unversdad Carlos III de Madrd Ver Wooldrdge cap.13 1 / 19 Análss de Polítca: Dferencas-en-Dferencas En muchos casos la varable
Más detallesCEDE. Ramón Antonio Rosales Álvarez Jorge Alexander Bonilla Londoño INTRODUCCIÓN A LA ECONOMETRÍA
APUNTES DE CLASE CEDE ISSN 1909-444 INTRODUCCIÓN A LA ECONOMETRÍA Ramón Antono Rosales Álvarez Jorge Alexander Bonlla Londoño 3 OCTUBRE DE 006 CEDE Centro de Estudos sobre Desarrollo Económco Facultad
Más detallesEstadística con R. Modelo Probabilístico Lineal
Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S
Más detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
Más detallesSolución Taller No. 10 Econometría II Prof. Bernal
Solucón Taller No. 0 Econometría 2007 II Prof. Bernal. a. El modelo que hay que estmar es el sguente: partcpa = B + B edad _ nno + B genero _ nno + B * edad _ mama + B secundara + B casada + B trabaja
Más detallesSolución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal
Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B
Más detallesTEMA 4. Modelos para Datos Censurados y de Selección Muestral.
TEMA 4. Modelos para Datos Censurados y de Seleccón Muestral. Profesor: Pedro Albarrán Pérez Unversdad de Alcante. Curso 2010/2011. Contendo 1 Introduccón 2 Modelo Tobt Introduccón Estmacón por Máxma Verosmltud
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesEL MODELO DE REGRESIÓN LINEAL SIMPLE
Unversdad Carlos III de Madrd César Alonso ECONOMETRIA EL MODELO DE REGRESIÓN LINEAL SIMLE Índce 1. Relacones empírcas y teórcas......................... 1 2. Conceptos prevos................................
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.
Más detallesHERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: ANOVA (PARTE I)
HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: Módulo 13 APUNTES DE CLASE Profesor: Arturo Ruz-Falcó Rojas Madrd, Mayo 009 Pág. 1 Módulo 13. HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesa) DIAGRAMA DE DISPERSION
SIS 335 - A EJEMPLO.- Se ha recogdo datos de una localdad medante sendas encuestas sobre el consumo (Y) de productos de hogar y de la renta (X) de los consumdores consultados, obtenéndose los sguentes
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesDEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL
DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DISEÑO MECÁNICO PRÁCTICA Nº 4 METROLOGÍA Y CALIDAD. CALIBRACIÓN DE UN PIE DE REY Metrología y Caldad. Calbracón de n pe de rey. INDICE 1. OBJETIVOS
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detalles1.-Especificaciones lineales de las variables explicativas
Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno
Más detallespara cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesTM 6. ESPECIFICACION DE LA FORMA FUNCIONAL DE LA ECUACION. 1. ESPECIFICACIONES LINEALES DE LAS VARIABLES EXPLICATIVAS
TM 6. ESPECIFICACION DE LA FORMA FUNCIONAL DE LA ECUACION.. ESPECIFICACIONES LINEALES DE LAS VARIABLES EPLICATIVAS. ESPECIFICACION CUADRATICA 3. ESPECIFICACION LINEAL O CUADRATICA CON ALGUN TERMINO DE
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesTema 5: PROBLEMAS EN LA ESTIMACIÓN DEL MODELO DE REGRESIÓN LINEAL SIMPLE
Introduccón a la Econometría Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO DE REGRESIÓ LIEAL SIMPLE. Problemas en la especfcacón del modelo. La prmera etapa de
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesRiesgos Proporcionales de Cox
Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los
Más detallesTODO ECONOMETRIA. Variables cualitativas
TODO ECONOMETRIA Varables cualtatvas Índce Defncón de las varables dummy (o varables fctcas) Regresón con varables explcatvas dummy Varables dummy S queremos estudar s los hombres ganan más que las mujeres,
Más detallesMidiendo la Asociación lineal entre dos variables
Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesEJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:
EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n
Más detalles) para toda permutación (p p 1 p
09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de
Más detallesCada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma.
Cada uno da lo que recbe, Y luego recbe lo que da, Nada es más smple, No hay otra norma: Nada se perde, Todo se transforma. Todo se transforma (Jorge Drexler, cantautor uruguayo) Estadístca Básca - Manuel
Más detallesDISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú
DISEÑO SEVERO PALACIOS C. SEVERO Consultor Metalúrgco espc@yahoo.com Lma Perú RESUMEN: Se ha desarrollado un nuevo dseño de mucha utldad para los procesos ndustrales al cual he denomnado Dseño Severo.
Más detallesTema 8: Heteroscedasticidad
Tema 8: Heteroscedastcdad Máxmo Camacho Máxmo Camacho Econometría I - ADE+D / - Tema 8 Heteroscedastcdad Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema : El modelo de regresón
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesESTADISTICA APLICADA Y ECONOMETRIA
UNIVERSIDAD DE CHILE MAGISTER EN GESTION Y POLITICAS PUBLICAS ESTADISTICA APLICADA Y ECONOMETRIA Sara Arancba C 01 1 Objetvos Comprender y aplcar los conceptos báscos de Econometría y metodologías de Análss
Más detallesModelos para más de una variable
1 Modelos para más de una varable Hasta ahora se han vsto dferentes modelos estadístcos para el caso de una sola magntud bológca medda. Pero en los expermentos es frecuente tratar el caso donde hay más
Más detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesEl subestimado problema de la confusión residual. Héctor Lamadrid-Figueroa; Alejandra Montoya; Gustavo Ángeles
El subestmado problema de la confusón resdual Héctor Lamadrd-Fgueroa; Alejandra Montoya; Gustavo Ángeles El objetvo de la estmacón del efecto Establecer s exste una relacón causal entre una exposcón y
Más detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más detalleses un vector de p covariables correspondientes al mismo individuo i, i 1,,n.
5. Modelos de regresón En el análss de tempos de falla, es común suponer que el resgo de presentar la falla está en funcón de una sere de covarables o varables explcatvas nherentes a cada ndvduo. Es decr,
Más detallesPyE_ EF1_TIPO1_
SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes
Más detallesTema 2.- Regresión lineal múltiple (I) Introducción 2.2. Especificación del modelo de regresión lineal múltiple. 2.3.
Tema.- Regresón lneal múltple (I)... Introduccón.. Especfcacón del modelo de regresón lneal múltple..3. Estmacón de los parámetros del modelo por mínmos cuadrados..4. Interpretacón de la ecuacón de regresón..5.
Más detallesECONOMETRÍA ELSA NORMA ELIZALDE ANGELES RED TERCER MILENIO
ECONOMETRÍA ECONOMETRÍA ELSA NORMA ELIZALDE ANGELES RED TERCER MILENIO AVISO LEGAL Derechos Reservados 0, por RED TERCER MILENIO S.C. Vveros de Asís 96, Col. Vveros de la Loma, Tlalnepantla, C.P. 54080,
Más detalles