Presenta: Arq. Karina Lilián Aranda González
|
|
- Diego Escobar Valdéz
- hace 6 años
- Vistas:
Transcripción
1 UNIVERSIDAD DE SONORA DIVISIÓN DE INGENIERÍA POSGRADO EN CIENCIAS DE LA INGENIERÍA, INGENIERÍA CIVIL LÍNEAS TERMINALES CONSTRUCCIÓN Y VALUACIÓN ESTIMACIÓN DEL FACTOR DE LOCALIZACIÓN EN LA MANZANA EN VIVIENDA TIPO INTERÉS SOCIAL EN HERMOSILLO SONORA TESIS QUE PARA OBTENER EL GRADO DE MAESTRO EN INGENIERÍA CIVIL: VALUACIÓN INMOBILIARIA Presenta: Arq. Karina Lilián Aranda González VALUACIÓN INMOBILIARIA 09 de Enero de 2015
2 OBJETIVO GENERAL Obtener el factor de ubicación en la manzana, con el propósito de apoyar, el trabajo del perito valuador y justificar estadísticamente el factor de ubicación. OBJETIVOS PARTICULARES Conocer el porcentaje de incremento de un inmueble en lote medianero a inmueble en lote en esquina. Proporcionar al valuador, una herramienta o modelo para estimar y justificar el factor de ubicación, en la realización de los avalúos. Conocer las características extrínsecas o intrínsecas del inmueble (atributos), más importantes en la obtención del precio de venta.
3 METODOLOGÍA Identificar el objeto de estudio Seleccionar las características extrínsecas e intrínsecas de un inmueble, que impacte el precio de venta. Búsqueda de inmuebles en venta con las características seleccionadas. Integración de base de datos Revisión del comportamiento estadístico y se aplican las técnicas de regresión lineal múltiple para obtener el modelo de precios hedónicos, mediante el programa SPSS19.
4 VIVIENDA: Cuáles son las características que influyen en el Precio de venta de la vivienda??que porcentaje aportan, al precio de venta de la vivienda? Realmente todas las variables impactan en el Precio de venta?
5 Características de la vivienda: Extrínsecas Accesibilidad a vialidades Accesibilidad a centros comerciales Accesibilidad a parques y jardines Accesibilidad escuelas Calidad del entorno urbano Jerarquía Social
6 Intrínsecas Superficie de construcción, terreno Numero recamaras Numero de baños y medios baños Numero de cajones de estacionamiento Acabados interiores Ubicación en la manzana
7 Precios hedónicos Esta investigación intenta obtener el porcentaje de incremento de la vivienda, con la variable de ubicación en la esquina, mediante el modelo de precios hedónicos. Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + β n X n + e Donde: Y variable dependiente (valor de la vivienda). X variables independientes (características o atributos del inmueble). β coeficientes del modelo. e error de estimación del modelo.
8 Aplicación de técnica de Regresión Lineal Múltiple Debe de contar con: Un comportamiento normal de la variable Precio de Venta Presencia de relaciones lineales significativas entre las características de la vivienda y el precio de Venta
9 No presente multicolinealidad entre las variables independientes Coeficientes de variables independientes sea significativamente distintos de cero Ausencia de autocorrelacion de los residuos Las varianzas de las variables independientes sean similares, es decir homocedasticas.
10 Objeto de estudio: Hermosillo Sonora Población de 784,342 habitantes Un parque habitacional de 213,304 viviendas. 16va Ciudad mas grande de México
11 Zona de estudio: Vivienda de interés social Rango de vivienda popular ($238, $403,740.00) Rango de vivienda tradicional ($403, $706,545.00)
12 Base de datos Periódico el Imparcial Asesores inmobiliarios Valuadores Bienes Raíces Durante los meses de Junio-Octubre 2014 Diferentes colonias de la ciudad
13 COLONIAS 59 Colonias Mallorca Residencial 4 de Marzo Akiwiki Altamira Arándanos Residencial Aranjuez Balderrama Camino Real Campestre Casa Bonita Casa Linda Cuauhtémoc Dunas Eusebio Kino Floresta Fuente de piedra Hacienda del sol Hacienda del Sur Haciendas Residencial Insurgentes Jacinto López Jardines La Campiña Las Lomas Las Lomas del Sur Las Minitas Laura Alicia Ley 57 Lomas de Madrid Los Manantiales Los Viñedos Nuevo Hermosillo Oasis Lantana Olivares Palo Verde Indeur Paseo San Ángel Paseos del Pedregal Privadas del Bosque Pueblitos Pueblo del Ángel Puerta del Rey Puerta Esmeralda Puerta Real Real del Cobre Romanza Residencial Sahuaro Sahuaro Indeco San Ángel Sierra Clara Solidaridad Sonacer Urbi Villa del Cedro Villa Bonita Villa Campestre Villa del Prado Villa del Real Villa del Rey Villa Sonora Villa verde Virreyes
14 Base de datos Con las siguientes características de la vivienda Colonia Precio de Venta Precio Unitario Superficie de terreno Superficie de construcción Ubicación en la manzana Numero de recamaras Numero de baños y medios baños Numero de estacionamientos Numero de plantas Infraestructura Calidad de la vivienda Acceso a vialidades Acceso a Centros comerciales
15 Integración de medidas Cuantitativas se introducen al SPSS 19 Cualitativas se transforma en valores números Por ejemplo Ubicación en la manzana Intermedia 1 Esquina o dos frentes 2
16 Acceso a vialidad IMPLAN Hermosillo Accesibilidad a Vialidad Cal 0 a 1 km km a 2.0 km km a 3.0 km km a 4.0 km km a 5.0 km 1 Norte Sur Oriente Poniente Antonio Quiroga Ignacio Soto Blvd Lázaro Cárdenas Boulevard Solidaridad Perimetral Norte Blvd. José María Morelos Boulevard Luis Encinas Boulevard Luis Donaldo Colosio Avenida Paseo Rio Sonora
17 Acceso a Centro comerciales Accesibilidad a Centro comercial Cal 0 a 1 km km a 2.0 km km a 3.0 km km a 4.0 km km a 5.0 km 1 Centros comerciales Galerías Mall Hermosillo Plaza Sendero Metro Centro Pabellón Reforma Ley Sahuaro Wal Mart Colosio City Center Soriana Norte
18 ETAPA ANALÍTICA
19 Base de datos de Mercado Precio de venta N Válidos 403 Perdidos 0 Media 413,285,43 Mediana 390,000,00 Moda 350,000 Desv. típ ,696 Varianza 1,295E10 Mínimo 240,000 Máximo 700,000
20 Precio unitario N Válidos 403 Perdidos 0 Media 6076,28 Mediana 6136,36 Moda 5000,000a Desv. típ. 1104,95 Varianza ,233 Mínimo 3037,037 Máximo 8750,000 a. Existen varias modas. Se mostrará el menor de los valores.
21 Superficie de construcción Número de recamaras
22 Numero de plantas Ubicación en la manzana
23 Vivienda de tipología popular ($238, $403,740.00) Se revisa la normalidad de la variable dependiente en este caso Precio de Venta Prueba de Kolmogorov-Smirnov P_Venta N 218 Parámetros Media ,09 normales a,b Desviación típica 46144,384 Diferencias más extremas Absoluta,118 Positiva,089 Negativa -,118 Z de Kolmogorov-Smirnov 1,746 Sig. asintót. (bilateral),005 a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos. Dado que el comportamiento no es normal, se transforma la variable de Precio de Venta Prueba de Kolmogorov-Smirnov P_Venta Ln_P_Venta Log_P_Venta Sqrt_P_Venta N Parámetros Media ,09 12,6871 5, ,2976 normales a,b Desviación típica 46144,384,14576, ,91953 Diferencias más extremas Absoluta,118,132,132,125 Positiva,089,090,090,089 Negativa -,118 -,132 -,132 -,125 Z de Kolmogorov-Smirnov 1,746 1,945 1,945 1,851 Sig. asintót. (bilateral),005,001,001,002 a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos.
24 Vivienda de tipología tradicional ($403, $706,545.00) Se revisa la normalidad de la variable dependiente en este caso Precio de Venta Prueba de Kolmogorov-Smirnov P_Venta N 187 Parámetros Media ,52 normales a,b Desviación típica 81612,137 Diferencias más extremas Absoluta,131 Positiva,131 Negativa -,090 Z de Kolmogorov-Smirnov 1,795 Sig. asintót. (bilateral),003 a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos. Dado que el comportamiento no es normal, se transforma la variable de Precio de Venta Prueba de Kolmogorov-Smirnov P_Venta Ln_P_Venta Log_P_Venta Sqrt_P_Venta N Parámetros Media ,52 13,1429 5, ,5554 normales a,b Desviación típica 81612,137,15436, ,98800 Diferencias más extremas Absoluta,131,114,114,118 Positiva,131,114,114,118 Negativa -,090 -,088 -,088 -,083 Z de Kolmogorov-Smirnov 1,795 1,553 1,553 1,611 Sig. asintót. (bilateral),003,016,016,011 a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos.
25 Vivienda de tipología popular y tradicional ($238, $706,545.00) Se revisa la normalidad de la variable dependiente en este caso Precio de Venta Prueba de Kolmogorov-Smirnov P_Venta N 403 Parámetros Media ,43 normales a,b Desviación típica ,696 Diferencias más extremas Absoluta,094 Positiva,094 Negativa -,064 Z de Kolmogorov-Smirnov 1,886 Sig. asintót. (bilateral),002 a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos. Dado que el comportamiento no es normal, se transforma la variable de Precio de Venta Prueba de Kolmogorov-Smirnov P_Venta Ln_P_venta Log_P_venta Sqrt_P_venta N Parámetros Media ,43 12,8951 5, ,9782 normales a,b Desviación típica ,696,27074, ,96557 Diferencias más extremas Absoluta,094,055,055,074 Positiva,094,055,055,074 Negativa -,064 -,052 -,052 -,054 Z de Kolmogorov-Smirnov 1,886 1,109 1,109 1,487 Sig. asintót. (bilateral),002,171,171,024 a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos.
26 Variables introducidas y eliminadas Proceso de pasos sucesivos Model o Variables introducidas Variables eliminadas Método 1 S_const. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 2 N_Mbaño. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 3 C_viv. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 4 N_est. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 5 N_planta. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). a. Variable dependiente: Ln_P_Venta En este caso, no el programa no arroja la variable a utilizar para la investigación, que es la variable de ubicación en la manzana, sin embargo, se vuelve a realizar la regresión lineal, con el método de Introducir, seleccionando las variables mostradas anteriormente y agregando la de ubicación en la manzana.
27 Regresión lineal múltiple método introducir Muestra los estadísticos descriptivos, medias, desviación típica y números de datos Estadísticos Descriptivos Media Desviación N típica Ln_P_Venta 12,8951, S_const 70,69 25, U_mzn 1,25, N_Mbaño,14, N_est 1,13, C_viv 3,43, R² corregida, bajo a y con un coeficiente de Durbin-Watson de Modelo R R cuadrado R cuadrado corregida Resumen del modelo Error típ. de la estimación Cambio en R cuadrado Cambio en F Estadísticos de cambio gl1 gl2 Sig. Cambio en F Durbin- Watson 1,824 a,679,675,15441, , ,000 1,001 a. Variables predictoras: (Constante), C_viv, U_mzn, N_Mbaño, N_est, S_const b. Variable dependiente: Ln_P_Venta
28 Significancia de 0,00 tiene una existencia de una relación lineal importante entre las variables introducidas. Análisis de varianza Modelo Suma de cuadrados gl Media cuadrática F Sig. 1 Regresión 20, , ,771,000 a Residual 9, ,024 Total 29, a. Variables predictoras: (Constante), C_viv, U_mzn, N_Mbaño, N_est, S_const b. Variable dependiente: Ln_P_Venta Se muestra que la significancia es menor del 0.05 en todos los modelos, excepto en variable ubicación en la manzana Coeficientes del modelo Modelo Coeficientes no estandarizados Coeficiente tipificados t Sig. Estadísticos de colinealidad B Error típ. Beta Tolerancia FIV 1 (Constante) 12,146, ,138,000 S_const,007,000,671 21,559,000,835 1,198 U_mzn,019,018,030 1,055,292,976 1,025 N_Mbaño,157,024,203 6,671,000,875 1,143 N_est,064,021,094 3,091,002,884 1,132 C_viv,036,009,111 3,811,000,954 1,048 a. Variable dependiente: Ln_P_Venta
29 En el caso de valores menores a 30 para el índice de condición, se considera que el modelo no presenta efectos de multicolinealidad importantes. Modelo Dimensión Autovalores Índice de condición Diagnostico de Colinealidad Proporciones de la varianza (Constante) S_const U_mzn N_Mbaño N_est C_viv 1 1 4,918 1,000,00,00,00,01,00,00 2,809 2,466,00,00,00,87,00,00 3,103 6,894,00,23,68,06,03,02 4,079 7,881,00,26,03,00,89,01 5,068 8,487,03,44,09,04,06,41 6,022 14,988,97,06,20,02,02,56 a. Variable dependiente: Ln_P_Venta Verificar el cumplimiento de que la media de los residuos tipificados sea igual a cero y la desviación típica se aproxime a la unidad. Estadísticos de los Residuos Mínimo Máximo Media Desviación N típica Valor pronosticado 12, , ,8951, Residual -,57697,43782,00000, Valor pronosticado -1,633 3,674,000 1, tip. Residuo típ. -3,737 2,835,000, a. Variable dependiente: Ln_P_Venta
30 Se muestra las frecuencias de los residuos tipificados, los cuales demuestran un comportamiento normal, lo cual es requisito para la validez de los modelos de regresión lineal múltiple
31 Se expresan los valores de los residuos tipificados y los valores pronosticados tipificados, donde cualquier tipo de tendencia en el comportamiento de estos valores sería una señal de la presencia de hetereocedasticidad en el modelo.
32 Clasificación de vivienda: Segunda clasificación Con un precio unitario que oscile entre los $3,000 a $6,000 para vivienda interés social baja. Y de $6,000 a $9,000 para la vivienda de interés social alta
33 Modelo de precios Hedónicos implica: Vivienda tipo interés social baja ($3,000/m 2 a $6,000/m 2 ) Comportamiento Normal del Precio de venta Regresión Lineal Múltiple Pasos sucesivos Prueba de Kolmogorov-Smirnov P_Venta N 187 Parámetros Media ,75 normales a,b Desviación ,220 típica Diferencias Absoluta,085 más Positiva,085 extremas Negativa -,049 Z de Kolmogorov-Smirnov 1,167 Sig. asintót. (bilateral),131 a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos. Estadísticos descriptivos Media Desviación N típica P_Venta , , S_terr 146,26 40, S_const 83,89 26, U_mzn 1,24, N_Rec 2,39, N_wc 1,20, N_Mbaño,14, N_est 1,16, N_planta 1,13, C_viv 3,45, Ac_vial 4,26, Ac_ccomer 3,12, C_infra 1,22,
34 Variables introducidas y eliminadas Proceso de pasos sucesivos Modelo Variables introducidas Variables eliminadas Método 1 S_const. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 2 N_planta. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 3 N_est. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 4 N_Rec. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 5 C_viv. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). a. Variable dependiente: P_Venta En este caso, no el programa no arroja la variable a utilizar para la investigación, que es la variable de ubicación en la manzana, sin embargo, se vuelve a realizar la regresión lineal, con el método de Introducir, seleccionando las variables mostradas anteriormente y agregando la de ubicación en la manzana.
35 Regresión lineal múltiple método introducir Muestra los estadísticos descriptivos, medias, desviación típica y números de datos Estadísticos Descriptivos Media Desviación N típica P_Venta , , S_const 83,89 26, U_mzn 1,24, N_Rec 2,39, N_est 1,16, N_planta 1,13, C_viv 3,45, R² corregida, bajo a y con un coeficiente de Durbin-Watson de Modelo R R cuadrado R cuadrado corregida Resumen del modelo Error típ. de la estimación Cambio en R cuadrado Cambio en F Estadísticos de cambio gl1 gl2 Sig. Cambio en F Durbin- Watson 1,916 a,839, ,740, , ,000 1,099 a. Variables predictoras: (Constante), C_viv, N_planta, N_est, N_Rec, U_mzn, S_const b. Variable dependiente: P_Venta
36 Significancia de 0,00 tiene una existencia de una relación lineal importante entre las variables introducidas. Análisis de varianza Modelo Suma de cuadrados gl Media cuadrática F Sig. 1 Regresión 1,836E12 6 3,060E11 156,417,000 a Residual 3,521E ,956E9 Total 2,188E a. Variables predictoras: (Constante), C_viv, N_planta, N_est, N_Rec, U_mzn, S_const b. Variable dependiente: P_Venta Se muestra que la significancia es menor del 0.05 en todos los modelos, excepto en variable ubicación en la manzana Coeficientes del modelo Modelo Coeficientes no estandarizados Coeficiente s tipificados t Sig. Estadísticos de colinealidad B Error típ. Beta Tolerancia FIV 1 (Constante) , ,443 -,885,378 S_const 3040, ,283,748 22,309,000,796 1,257 U_mzn 4095, ,756,016,508,612,896 1,116 N_Rec 18197, ,065,102 3,121,002,843 1,186 N_est 25948, ,919,113 3,517,001,872 1,146 N_planta 66928, ,457,211 6,697,000,904 1,106 C_viv 8826, ,656,068 2,124,035,883 1,133 a. Variable dependiente: P_Venta
37 En el caso de valores menores a 30 para el índice de condición, se considera que el modelo no presenta efectos de multicolinealidad importantes. Modelo Dimensión Autovalores Índice de condición Diagnostico de Colinealidad Proporciones de la varianza (Constante) S_const U_mzn N_Rec N_est N_planta C_viv 1 1 6,580 1,000,00,00,00,00,00,00,00 2,129 7,134,00,04,27,01,27,12,01 3,104 7,952,00,00,39,00,62,01,01 4,066 10,000,00,04,01,16,09,66,09 5,065 10,055,01,68,01,00,00,01,25 6,041 12,628,00,23,01,73,01,03,29 7,015 21,027,98,00,31,10,00,17,36 a. Variable dependiente: P_Venta Verificar el cumplimiento de que la media de los residuos tipificados sea igual a cero y la desviación típica se aproxime a la unidad. Estadísticos de los Residuos Mínimo Máximo Media Desviación N típica Valor pronosticado , , , , Residual , ,148, , Valor pronosticado tip. -1,620 3,083,000 1, Residuo típ. -3,764 2,530,000, a. Variable dependiente: P_Venta
38 Se muestra las frecuencias de los residuos tipificados, los cuales demuestran un comportamiento normal, lo cual es requisito para la validez de los modelos de regresión lineal múltiple
39 Se muestran los resultados de la probabilidad acumulada esperada y observada de los residuos tipificados
40 Se expresan los valores de los residuos tipificados y los valores pronosticados tipificados, donde cualquier tipo de tendencia en el comportamiento de estos valores sería una señal de la presencia de hetereocedasticidad en el modelo.
41 Vivienda tipo interés social alta ($6,000/m 2 a $9,000/m 2 ) Se revisa la normalidad de la variable dependiente en este caso Precio de Venta Prueba de Kolmogorov-Smirnov P_Venta N 216 Parámetros Media ,51 normales a,b Desviación ,677 típica Diferencias más extremas Absoluta,115 Positiva,115 Negativa -,084 Z de Kolmogorov-Smirnov 1,688 Sig. asintót. (bilateral),007 a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos. Dado que el comportamiento no es normal, se transforma la variable de Precio de Venta Prueba de Kolmogorov-Smirnov P_Venta Ln_P_Venta Log_P_Venta Sqrt_P_Venta N Parámetros Media ,51 12,8800 5, ,5710 normales a,b Desviación típica ,677,27883, ,96026 Diferencias más extremas Absoluta,115,077,077,091 Positiva,115,066,066,091 Negativa -,084 -,077 -,077 -,082 Z de Kolmogorov-Smirnov 1,688 1,130 1,130 1,334 Sig. asintót. (bilateral),007,156,156,057 a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos.
42 Variables introducidas y eliminadas Proceso de pasos sucesivos Mod elo Variables introducidas Variables eliminadas Método 1 S_const. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 2 C_viv. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). 3 N_est. Por pasos (criterio: Prob. de F para entrar <=,050, Prob. de F para salir >=,100). a. Variable dependiente: Ln_P_Venta En este caso, no el programa no arroja la variable a utilizar para la investigación, que es la variable de ubicación en la manzana, sin embargo, se vuelve a realizar la regresión lineal, con el método de Introducir, seleccionando las variables mostradas anteriormente y agregando la de ubicación en la manzana.
43 Regresión lineal múltiple método introducir Muestra los estadísticos descriptivos, medias, desviación típica y números de datos Estadísticos Descriptivos Media Desviación N típica Ln_P_Venta 12,8800, S_const 59,25 17, U_mzn 1,26, N_est 1,10, C_viv 3,40, R² corregida, bajo a y con un coeficiente de Durbin-Watson de 0,426 Modelo R R cuadrado R cuadrado corregida Resumen del modelo Error típ. de la estimació n Cambio en R cuadrado Cambio en F Estadísticos de cambio gl1 gl2 Sig. Cambio en F Durbin- Watson 1,931 a,866,864,10298, , ,000,426 a. Variables predictoras: (Constante), C_viv, U_mzn, N_est, S_const b. Variable dependiente: Ln_P_Venta
44 Significancia de 0,00 tiene una existencia de una relación lineal importante entre las variables introducidas. Modelo Suma de cuadrado s Análisis de varianza gl Media cuadrátic a 1 Regresión 14, , ,317,000 a Residual 2, ,011 Total 16, a. Variables predictoras: (Constante), C_viv, U_mzn, N_est, S_const b. Variable dependiente: Ln_P_Venta F Sig. Se muestra que la significancia es menor del 0.05 en todos los modelos, excepto en variable ubicación en la manzana Coeficientes del modelo Modelo Coeficientes no estandarizados Coeficiente s tipificados t Sig. Estadísticos de colinealidad B Error típ. Beta Tolerancia FIV 1 (Constante) 11,876, ,127,000 S_const,014,000,889 32,104,000,827 1,210 U_mzn,016,016,025,991,323,985 1,015 N_est,050,024,056 2,047,042,856 1,169 C_viv,021,008,064 2,471,014,948 1,055 a. Variable dependiente: Ln_P_Venta
45 En el caso de valores menores a 30 para el índice de condición, se considera que el modelo no presenta efectos de multicolinealidad importantes. Diagnostico de Colinealidad Modelo Dimensión Autovalore Índice de Proporciones de la varianza s condición (Constante) S_const U_mzn N_est C_viv 1 1 4,773 1,000,00,00,00,00,00 2,097 7,005,00,08,82,07,01 3,060 8,903,01,05,05,33,54 4,047 10,117,01,84,01,45,03 5,022 14,598,98,02,11,14,41 a. Variable dependiente: Ln_P_Venta Verificar el cumplimiento de que la media de los residuos tipificados sea igual a cero y la desviación típica se aproxime a la unidad. Estadísticos de los Residuos Mínimo Máximo Media Desviación N típica Valor pronosticado 12, , ,8800, Residual -,21248,27757,00000, Valor pronosticado -1,471 2,847,000 1, tip. Residuo típ. -2,063 2,695,000, a. Variable dependiente: Ln_P_Venta
46 Se muestra las frecuencias de los residuos tipificados, los cuales demuestran un comportamiento normal, lo cual es requisito para la validez de los modelos de regresión lineal múltiple
47 Se muestran los resultados de la probabilidad acumulada esperada y observada de los residuos tipificados
48 Se expresan los valores de los residuos tipificados y los valores pronosticados tipificados, donde cualquier tipo de tendencia en el comportamiento de estos valores sería una señal de la presencia de hetereocedasticidad en el modelo.
49 RESULTADOS
50 Vivienda de tipología popular y tradicional Ln_P_Venta = (S_Const) (U_Mzn) (N_Mbaño) (N_est) (C_viv) Sup. de Construcción Ubicación en la manzana Ln del Precio de Venta No. De medio baños Calidad de la vivienda No. De estacionamientos
51 Resultado Ln_P_Venta = (S_Const) (U_Mzn) (N_Mbaño) (N_est) (C_viv) El modelo resultante con una explicación del 68% del precio de venta, se basa en cinco variables,teniendo como principal variable que define el valor de la vivienda es la superficie de construcción con un β tipificado de 0.67, seguido por el número de medios baños con 0.20, calidad de la vivienda con 0.11, número de estacionamientos con y por último ubicación en la manzana con En este caso el incremento de valor de la vivienda de intermedia a esquina oscila entre los $6000 a $7000 pesos, obteniendo un porcentaje de impacto del 1.4% al 1.9% en el precio de venta, debido a que esta influencia es variable
52 Vivienda de interés social baja P_Venta= -20, , (S_Const) + 4, (U_Mzn) + 18, (N_Rec) + 25, (N_est) + 66, (N_plantas) + 8, (C_viv.) +3, Sup. de construcción +4, Ubicación en la manzana -20, Precio de Venta +18, No. de recamaras +8, Calidad de la vivienda +66, Número de plantas +25, No. de estacionamientos
53 Resultado P_Venta= -20, , (S_Const) + 4, (U_Mzn) + 18, (N_Rec) + 25, (N_est) + 66, (N_plantas) + 8, (C_viv.) El modelo resultante tiene una explicación de 82% del precio de venta, se fundamenta con seis variables. La principal característica que define el valor de la vivienda es la variable de superficie de construcción con un β tipificado de 0.748, seguido del número de plantas con 0.211, después número de estacionamientos con 0.113, número de recamaras con 0.102, seguido por la calidad de la vivienda con y por último la ubicación en la manzana con Obteniendo en este caso la variable de ubicación en la manzana con un incremento de 1.4%, que equivale a $4,095,94 pesos en el tipo de vivienda de interés social baja
54 Vivienda de interés social alta Ln_P_Venta= (S_Const) (U_Mzn) (N_est) (C_viv) Sup. de Construcción Ubicación en la manzana Ln del Precio de Venta Calidad de la vivienda No. De estacionamientos
55 Resultado Ln_P_Venta= (S_Const) (U_Mzn) (N_est) (C_viv) El modelo resultante arroja una explicación del 86% del precio de venta, se fundamenta con cuatro variables, como principal variable que impacta el precio de venta es la superficie de construcción con un β tipificado de 0.889, seguido por la calidad de la vivienda con 0.064, luego número de estacionamientos con y por último ubicación en la manzana con En este caso el incremento de intermedio a esquina es mayor al modelo anterior, debido a que los precios unitarios son más altos, y hace que impacte más el factor el de la ubicación en la manzana, en este caso el porcentaje de impacto es del 1.6% para la vivienda de interés social alta, con un promedio de $5,300 pesos.
56 Comprobación del modelo Vivienda de tipología popular y tradicional: Sujeto: Vivienda con 65 metros de construcción, ubicación esquina: 1, un cajón de estacionamiento, y calidad de vivienda: 3. Ln_P_Venta: = $359, (U_mzn:Intermedio) Ln_P_Venta: = $366, (U_mzn:Esquina) Diferencia de esquina: $ 6, = 1.90 % Sujeto: Media del modelo, de precio de venta de $410,000 Ln_P_Venta= $431, Ln_P_Venta= $437, (U_mzn:Intermedio) (U_mzn:Esquina) Diferencia de esquina: $ 6, = 1.40 %
57 Comprobación del modelo Vivienda de tipología interés social baja Sujeto: Vivienda con 50 metros de construcción, dos recamaras, un estacionamiento, una planta, calidad de vivienda 3 P_Venta: -20, , , , , , ,478.90: $ 291, (U_mzn:Intermedio) P_Venta: -20, , , , , , ,478.90: $ 295, (U_mzn:Esquina) Diferencia de esquina: $ 4, = 1.40 % Sujeto: Vivienda con 50 metros de construcción, dos recamaras, un estacionamiento, una planta, calidad de vivienda 4. P_Venta: -20, , , , , , ,305.16: $ (U_mzn:Intermedio) P_Venta: -20, , , , , , ,305.16: $ 303, (U_mzn:Esquina) Diferencia de esquina: $ 4, = 1.40 %
58 Comprobación del modelo Vivienda de tipología interés social alta Sujeto: Vivienda con 45 metros de construcción, un cajón de estacionamiento y calidad de vivienda 2. Ln_P_Venta: = $300, (U_mzn:Intermedio) Ln_P_Venta: = $305, (U_mzn:Esquina) Diferencia de esquina: $ 4, = 1.60 % Sujeto: Media del modelo, de precio de venta de $406,750 Ln_P_Venta= $365, (U_mzn:Intermedio) Ln_P_Venta= $371, (U_mzn:Esquina) Diferencia de esquina: $ 5, = 1.60 %
59 CONCLUSIONES
60 Conclusiones ESTIMACIÓN DEL FACTOR DE LOCALIZACIÓN EN LA MANZANA EN VIVIENDA TIPO INTERÉS SOCIAL EN HERMOSILLO SONORA Se explica principalmente por la Superficie de construcción, Numero de cajones de estacionamientos y calidad de la vivienda. La ubicación en la manzana no presenta incremento importante en el valor de la vivienda de interés social. Es posible explicar el precio de la vivienda a partir de este tipo de modelos. Conocer las variables que le dan valor al precio de venta de la vivienda
61 Conclusiones ESTIMACIÓN DEL FACTOR DE LOCALIZACIÓN EN LA MANZANA EN VIVIENDA TIPO INTERÉS SOCIAL EN HERMOSILLO SONORA Se obtuvo un valor aproximado del 1.63 % de incremento en promedio de los tres modelos. Limitantes que estriban en la seguridad de la estimación del coeficiente de la ubicación en la manzana que oscila con un 70% de confiabilidad en dos de modelos (vivienda de tipología popular y tradicional, y la de interés social alta) y un 40% en vivienda de interés baja; sin embargo los dos modelos de vivienda interés social baja y alta, muestran una explicación entre 82% al 86%.
ESTIMACIÓN DEL PRECIO DE VENTA DE LA VIVIENDA EN LA CIUDAD DE HERMOSILLO APLICANDO EL MÉTODO DE PRECIOS HEDÓNICOS ING. JESUS ALBERTO ESQUER ARMIENTA
ESTIMACIÓN DEL PRECIO DE VENTA DE LA VIVIENDA EN LA CIUDAD DE HERMOSILLO APLICANDO EL MÉTODO DE PRECIOS HEDÓNICOS TESIS PRESENTADA PARA OBTENER EL GRADO DE MAESTRO POR: ING. JESUS ALBERTO ESQUER ARMIENTA
Más detallesRetos y Oportunidades" Revalorando México
Retos y Oportunidades" Revalorando México EL FACTOR DE LOCALIZACIÓN EN ESQUINA PARA LA VIVIENDA TIPO INTERÉS SOCIAL MIC Arq. Karina Lilián Aranda González / COVAPROES DR. Jesús Quintana Pacheco / COVAPROES
Más detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesSPSS Aplicación práctica: Base de datos del HATCO
Aplicación práctica: Base de datos del HATCO Datos: observaciones de variables obtenidos desde encuentas a clientes de un distribuidor industrial. Variables de interés en la aplicación: Percepciones de
Más detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez. Facultad Nacional de Salud Pública Héctor Abad Gómez
UNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez Facultad Nacional de Salud Pública Héctor Abad Gómez La Regresión es una técnica estadística utilizadas para estimar (interpolar)
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesRegresión. Notas. Página 1 13-DEC :24:11. Salida creada Comentarios
REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) R ANOVA COLLIN TOL CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT P504 /METHOD=ENTER P505 P506
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesHermosillo Seguro - Escudo Ciudadano. Informe estadístico
Seguro - Escudo Ciudadano Informe estadístico Diciembre 2016 Participación porcentual por municipio en la incidencia delictiva SONORA Enero - Noviembre 2016 MUNICIPIO TOTAL HERMOSILLO 18,219 CAJEME 4,595
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesV. INVENTARIO DE VIALIDADES Y TRANSPORTE. V.1. Velocidades y Recorridos.
V. INVENTARIO DE VIALIDADES Y TRANSPORTE. V.1. Velocidades y Recorridos. Las vialidades más importantes de la ciudad presentan, en horas pico, velocidades de recorrido no aceptables principalmente en las
Más detallesESTIMATION OF PRODUCTIVITY RATE TO DETERMINE THE ANNUAL GROSS INCOME OF SOCIAL HOUSING IN THE NORTHWEST AREA OF HERMOSILLO, SONORA.
Universidad de Sonora ESTIMACIÓN DE TASA DE PRODUCTIVIDAD PARA DETERMINAR LA RENTA BRUTA ANUAL DE VIVIENDA DE INTERÉS SOCIAL EN LA ZONA NORPONIENTE DE LA CIUDAD DE HERMOSILLO, SONORA ESTIMATION OF PRODUCTIVITY
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesAnálisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple
Análisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple El modelo predictivo utilizado para realizar el presente análisis es el de regresión lineal múltiple (RLM) 1. Resulta plausible la
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 detallesMÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO
MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO Resultados obtenidos por los hombres ganadores de las medallas de oro en salto de longitud y salto de altura en las olimpiadas desde
Más detallesConsejería de Agricultura, Pesca y Desarrollo Rural. Estudio de la elasticidad de la demanda de aceite de oliva virgen en los hogares españoles
Consejería de Agricultura, Pesca y Desarrollo Rural Estudio de la elasticidad de la demanda de aceite de oliva virgen en los hogares españoles Diciembre 013 Estudio de la elasticidad de la demanda de aceite
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detalles5. MODELO PARA LA ESTIMACIÓN DE LA CAPACIDAD
5. MODELO PARA LA ESTIMACIÓN DE LA CAPACIDAD 5.. INDEPENDENCIA DELAS VARIABLES El primer paso a dar en la generación de un modelo estadístico que permita la estimación de la capacidad, es la correcta elección
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 detallesSIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS
SIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS 3datos 2011 Variables CUANTITATIVAS Valor más representativo: MEDIA aritmética Técnicas Inferenciales sobre la significación de la diferencia entre
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
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 detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesEXTENSIONES DEL MODELO DE REGRESIÓN
EXTENSIONES DEL MODELO DE REGRESIÓN 1. Regresión exponencial 2. Regresión polinómica 3. Regresión con variables cualitativas M. Carmen Carollo, Beatriz Pateiro Página 1 1. Regresión exponencial Al tratar
Más detalles4. Obtén las siguientes tablas de doble entrada para las variables Dispersión y Formación:
ACTIVIDAD DE INFERENCIA Y ASOCIACIÓN 1. Obtén los estadísticos descriptivos básicos y un intervalo de confianza del 95% para la media del coste en farmacia por habitante. A partir del resultado obtenido
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 detallesUna vez realizados estos procesos conviene verificar que han aparecido las dos nuevas variables (columnas) en el archivo de datos.
ECONOMETRÍA 09 PRACTICA 1: REPASO DE SPSS 1. Cuántas variables hay en el fichero? Y cuántas observaciones? Qué representa cada observación? Distingue entre variables cualitativas y cuantitativas. El fichero
Más detallesAGUA DE HERMOSILLO DIRECCIÓN DE OPERACIÓN Programa de restricción
TURNO MATUTINO ZONA CENTRO Y NORPONIENTE 22 DE SEPTIEMBRE ISSSTE FEDERAL Horario 5 DE MAYO ISSSTESON 06:00 a 14:00 hrs ADOLFO LOPEZ MATEOS ISSSTESON CENTENARIO ALCALA RESIDENCIAL ALVARO OBREGON ANGEL FLORES
Más detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000
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 detallesINSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO
Más detallesA: Broca B: velocidad A B AB Vibración Totales 1/ ,2 18,9 12,9 14,4 64,4 = (1) 1/ ,2 24,0 22,4 22,5 96,1 = a
LORTORIO 8 - LORTORIO INFORMÁTICO Caso. Interesa estudiar el efecto del tamaño de broca (factor ) y de la velocidad (factor ) sobre la vibración de la ranuradora (respuesta Y). Para ello se decide utilizar
Más detallesPráctica 9 REGRESION LINEAL Y CORRELACIÓN
Práctica 9. Regresión lineal y Correlación 1 Práctica 9 REGRESION LINEAL Y CORRELACIÓN Objetivos: En esta práctica utilizaremos el paquete SPSS para estudiar la regresión lineal entre dos variables y la
Más detallesRegresión con efecto interactivo
4 Regresión con efecto interactivo. Introducción El modelo de regresión múltiple tratado previamente supone la independencia de efectos de las diferentes variables predictoras, En este sentido, es un modelo
Más detallesIndica qué variables están correlacionadas y el signo de la correlación.
ACTIVIDAD DE CORRELACIÓ 1) Obtén la matriz correlaciones para las variables: - Costes totales (población total) en euros. - Calidad la farmacéutica. % fármacos con U.T.B. (sobre el total fármacos prescritos).
Más detallesCapítulo 4. Análisis de Regresión Múltiple. 1. Introducción. Capítulo 4
Capítulo 4 1. Introducción El Análisis de Regresión Lineal Múltiple nos permite establecer la relación que se produce entre una variable dependiente Y y un conjunto de variables independientes (X1, X2,...
Más detallesTema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 8 de noviembre de 2010 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal
Más detallesSOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
Más detallesIntroducción a la Econometría
1Econometría Introducción a la Econometría -Que es la econometría - Por que una disciplina aparte? -Metodología de la econometría Planeamiento de la teoría o hipótesis Especificación del modelo matemático
Más detallesDiplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López
Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,
Más detallesGuía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA.
Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA. Debe ser resuelta a mano, citar bibliografía (no usar internet). Términos clave 1. Ceteris Paribus 2. Grado de libertad 3.
Más detallesMANUAL CONTROL Y COTEJO DE VALORES INMOBILIARIOS
MANUAL CONTROL Y COTEJO DE VALORES INMOBILIARIOS Innovación y Desarrollo en Aplicaciones de Software, S.A. de C.V. Página 1 La información contenida en este manual tiene como objetivo: Proporcionar al
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS
ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS 3datos 2011 Variables CUANTITATIVAS Números con unidad de medida (con un instrumento, o procedimiento, de medición formal) Ej.: Tasa cardiaca;
Más detallesEvaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez. Maíz (Zea mays)
Evaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez Cadelga Maíz (Zea mays) Científica Objetivos Medir el Efecto Fisiológico AgCelence del Fungicida
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesSERIE TEMPORAL TASA PASIVA REFERENCIAL ECUADOR MAT. GEOVANNY TOALOMBO Agosto 2006
SERIE TEMPORAL TASA PASIVA REFERENCIAL ECUADOR MAT. GEOVANNY TOALOMBO Agosto 20 Se presenta a continuación el estudio de la serie de tiempo, para la Tasa Pasiva Referencial fuente Banco Central de Ecuador
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesTema: Análisis de valores faltantes con SPSS
Tema: Análisis de valores faltantes con SPSS 1.- Introducción Hemos de comenzar advirtiendo que el Procedimiento Valores perdidos no se incluye en el sistema Base de SPSS, por lo que solo estará disponible
Más detallesContenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
Más detallesMINISTERIO DE EDUCACIÓN. Dirección de Educación Técnica y Profesional. Familia de especialidades:servicios. Programa: Estadística Matemática
MINISTERIO DE EDUCACIÓN Dirección de Educación Técnica y Profesional Familia de especialidades:servicios Programa: Estadística Matemática Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 9no.
Más detallesTema 7. Introducción Metodología del contraste de hipótesis Métodos no paramétricos
7-1 Tema 7 Contrastes de Hipótesis para una Muestra Introducción Metodología del contraste de hipótesis Métodos no paramétricos Test binomial Test de los signos Test de rango con signos de Wilcoxon Test
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II SOLUCIÓN PRACTICA 1 Problema 2-. Para una serie de investigaciones, en las que el tamaño de la muestra era el mismo, se ha calculado la t de Student con objeto
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesBAJA CALIFORNIA SUR PUBLIC
BAJA CALIFORNIA SUR BAJA CALIFORNIA NORTE No. 20972 INMUEBLE DEPARTAMENTO HABITACIONAL Col. La Campiña Tijuana, Baja California Recamaras 2 Baños Completos 1 Medios Baños 0 Espacio de Estacionamiento 1
Más detallesPrincipios de Bioestadística
Principios de Bioestadística Dra. Juliana Giménez www.cii.org.ar Nos permite Llegar a conclusiones correctas acerca de procedimientos para el diagnostico Valorar protocolos de estudio e informes Se pretende
Más detallesLongitud = Calcular la media, la mediana, la moda y la desviación estándar de la muestra en Matlab.
LABORATORIO 1 LABORATORIO INFORMÁTICO Un fabricante de hormigón preparado tiene su proceso de producción bajo control. Está interesado en conocer cuál es la distribución de los valores de la resistencia
Más detallesGuía docente 2007/2008
Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesPrácticas Tema 5. Ampliaciones del Modelo lineal básico
Prácticas Tema 5. Ampliaciones del Modelo lineal básico Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 5.1. Se ha examinado la evolución reciente de las ventas de
Más detallesGrado en NHyD 23 de junio de 2014
Estadística Aplicada Examen extraordinario Grado en HyD 23 de junio de 214 OTA: Explica y desarrolla tus respuestas usando las salidas de los anexos. En las preguntas de verdadero y falso indica qué gráficos
Más detallesModelo de Regresión Lineal Múltiple. Normalidad. Dr. Víctor Aguirre Torres ITAM
Modelo de Regresión Lineal Múltiple. Normalidad Dr. Víctor Aguirre Torres ITAM Temas Porqué ocurre falta de normalidad Consecuencias Detección Enfoques para manejarla Guión 18. Dr. V. Aguirre Porqué ocurre?
Más detallesEjercicio Heterocedasticidad_2
Ejercicio heterocedasticidad 2. 1 Ejercicio Heterocedasticidad_2 Tengamos los siguientes datos de los beneficios (B i ) y ventas (V i ) de 20 empresas: obs B V 1 13,2 61 2 15 78 3 22,2 158 4 15,2 110 5
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesMINISTERIO DE EDUCACIÓN. Educación Técnica y Profesional. Familia de especialidades: Economía. Programa: Estadística
MINISTERIO DE EDUCACIÓN Educación Técnica y Profesional Familia de especialidades: Economía Programa: Estadística Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 12mo. Grado AUTORA MSc. Caridad
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesInfluencia de algunos factores sobre la calidad del anodizado de piezas de aluminio para la construcción.
Ingeniería Mecánica, 1 (2004) 59-65 59 Influencia de algunos factores sobre la calidad del anodizado de piezas de aluminio para la construcción. J. A. Pérez García *, M. Sánchez Castro ** *Área de Ing.
Más detalles14 horas. 20 horas
EJERCICIOS PROPUESTOS ANALISIS DE VARIANZA. Se realiza un ANOVA para comparar el tiempo que demora en aliviar el dolor de cabeza de varios tipos de analgésicos. Se obtiene como resultado un test observado
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 detallesLI CONVENCION NACIONAL. Primavera y Valuación. Renovación, transformación y renacimiento de la valuación
LI CONVENCION NACIONAL Primavera y Valuación Renovación, transformación y renacimiento de la valuación CUERNAVACA MORELOS 2015 ESTUDIO DE VALORES DE TERRENO EN BASE A SU URBANIZACION Y ENTORNO REALIZADO
Más detallesPRESENTA: ARQ. GRECIA G. GÁMEZ FLORES
PRESENTA: ARQ. GRECIA G. GÁMEZ FLORES DIRECTOR DE TESIS: Dr. Jesús Quintana Pacheco POSGRADO EN CIENCIAS DE LA INGENIERÍA LÍNEA TERMINAL VALUACIÓN JUNIO 2015 1 INTRODUCCIÓN 2 ANTECEDENTES 2.1 Historia
Más detallesArea Urbana por Colonia Área Urbana de Hermosillo
Area Urbana Area Urbana por Colonia Área Urbana de Colonia, Fraccionamiento 22 DE SEPTIEMBRE 4 DE MARZO 5 DE MAYO ADOLFO DE LA HUERTA ADOLFO LOPZ MATEOS ADOLFO LOPEZ MATEOS JAHUARA 2 AGUALUCA AKIWIKI ALAMEDA
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesEl Palacio de los Números, S.A. de C.V.
I.- Fecha de Constitución de la sociedad: 10 de Marzo de 2005 Permisos Nº: Fecha del Permiso Inicial: 7 de febrero de 2006 Actividades * 18 Centros de Apuestas Remotas autorizadas 18 Salas de Sorteos de
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 Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
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 detallesCOLONIA DIAS 12:00 P.M. 6:00 P.M. 11:00 P.M.
1 ADOLFO DE LA HUERTA MARTES Y VIERNES P 2 ADOLFO LÓPEZ MATEOS LUNES Y JUEVES P 3 ADOLFO LÓPEZ MATEOS I ETAPA MARTES Y VIERNES P 4 ADOLFO LÓPEZ MATEOS II ETAPA MARTES Y VIERNES P 5 ADOLFO LÓPEZ MATEOS
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesCONTRASTES DE HIPÓTESES
CONTRASTES DE IPÓTESES 1. Contraste de hipótesis 2. Contrastes de tipo paramétrico 2.1 Contraste T para una muestra 2.2 Contraste T para dos muestras independientes 2.3 Análisis de la varianza 3. Contrastes
Más detallesAnálisis descriptivo con SPSS. Favio Murillo García
Análisis descriptivo con SPSS Favio Murillo García Autoevaluación 3 1. Descargue el archivo eval3.xls a) Importe los datos de Excel a SPSS. b) Agregue etiquetas de valor a cada variable según lo indique
Más detallesProblema 1.- Tengamos las puntuaciones de X, las predichas y las residuales:
DISEÑO Y ANÁLISIS DE DATOS II. ENEO 6. Problema.- Tengamos las puntuaciones de X, las predichas y las residuales:.- Calcular la ecuación de regresión.- Correlación entre X e Y.- Por cada punto que aumenta
Más detallesDiagnóstico. Dirección de Cómputo para la Docencia. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Dirección General de Servicios de Cómputo Académico
TALLER DE APLICACIONES ESTADÍSTICAS CON EXCEL Diagnóstico Elaborado por Mónica Patricia Ballesteros Chávez 1. Es una expresión en Excel que puede incluir operadores, referencias a celdas, valores, funciones
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detalles