EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco

Tamaño: px
Comenzar la demostración a partir de la página:

Download "EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco"

Transcripción

1 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 En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta 6 A B C En Blanco Pregunta 7 A B C En Blanco Pregunta 8 A B C En Blanco Pregunta 9 A B C En Blanco Pregunta 10 A B C En Blanco Pregunta 11 A B C En Blanco Pregunta 1 A B C En Blanco Pregunta 13 A B C En Blanco Pregunta 14 A B C En Blanco Pregunta 15 A B C En Blanco Pregunta 16 A B C En Blanco Pregunta 17 A B C En Blanco Pregunta 18 A B C En Blanco Pregunta 19 A B C En Blanco Pregunta 0 A B C En Blanco Correctas Incorrectas En Blanco Puntuacón fnal 1

2 INSTRUCCIONES El examen consta de 0 preguntas tpo test. Señale su respuesta a cada pregunta con bolígrafo, tachando con una CRUZ GRANDE una y sólo una caslla por pregunta en la plantlla de la prmera págna. S tacha más de una caslla en una pregunta, se consderará ncorrecta la respuesta a dcha pregunta. S desea dejar alguna pregunta sn responder, tache la caslla En Blanco correspondente. Una respuesta Correcta vale + puntos, una Incorrecta 1 punto y una En Blanco vale 0 puntos. LA CALIFICACION FINAL DEL EXAMEN ES IGUAL AL NUMERO DE PUNTOS OBTENIDO DIVIDIDO ENTRE 4. No desgrape las hojas del examen y use la últma págna de OPERACIONES para hacer sus cálculos. LA DURACION DEL EXAMEN ES DE 1 HORA y 30 MINUTOS

3 Pregunta 1: S el valor del estadístco de Jarque Bera calculado con los resduos de la estmacón de un modelo lneal con 48 observacones es gual a 3.97, el nvel de sgnfcacón margnal (p valor) asocado con el contraste de normaldad de las perturbacones debe calcularse como: A) Pr[ ] B) Pr[ t(48) 3.97] C) Pr[ 3.97] Pregunta : La ventaja práctca fundamental de un modelo de regresón lneal múltple (RLM) del tpo Y 1 X 3X3 U frente a un modelo de regresón lneal smple (RLS) del tpo Y 1 X U, consste en que: A) El R cuadrado convenconal asocado con el modelo RLS sempre es mayor que el asocado con el modelo RLM. B) S 3 0 y las varables X y X 3 presentan algún grado de correlacón, el estmador MCO de es más fable en la RLM que en la RLS. C) El R cuadrado corregdo asocado con el modelo RLM sempre es mayor que el asocado con el modelo RLS. Pregunta 3: En el modelo de regresón lneal smple Yt 0 1Xt Ut ( t 1,,..., N ), s se cumple que X 0, entonces: A) La recta de regresón pasa por el punto (0,0) B) El estmador MCO de 0 es gual a ˆ ˆ 0 Y 1 YX C) El estmador MCO de 1 tene la expresón 1 ˆ t t X Pregunta 4: Utlzando nformacón sobre 68 alumnos, se ha estmado la relacón entre la varable PUNTOS (número de puntos obtendos en un examen de Econometría) y las sguentes varables: CLASE que es una varable fctca que vale 1 para las personas que assteron regularmente a clase y cero en caso contraro; MUJER que es una varable fctca que vale 1 para las alumnas (mujeres) y cero para los alumnos (hombres) y REP que es una varable fctca que vale 1 para las personas repetdoras y cero para las no repetdoras. Los resultados de la estmacón MCO de este modelo se muestran en la Tabla C: t 3

4 Tabla C Varable dependente: PUNTOS Método: Mínmos Cuadrados Ordnaros Tamaño muestral: 68 Varable Coefcente estmado Desvacón típca estmada Estadístco t p valor Constante CLASE MUJER REP Dados estos resultados, la probabldad de que la puntuacón esperada de un alumno (hombre) NO repetdor que NO asstó a clase regularmente, no sea nferor a 30 puntos es gual a: A) Pr[ t ( 64) ³. 806 ] B) Pr[ t ( 64). 806 ] C) Pr[ t ( 64) ³ 30 ] Pregunta 5: En un modelo del tpo Y = b1+ b X + U ( = 1,,..., 0), en el que se cumplen todas las hpótess cláscas, se desea contrastar la H0 : b = 1 frente a la H1: b ¹ 1 utlzando el estadístco t habtual. S t representa el valor calculado de dcho estadístco y Pr[ - t t( 18) t ] = 0. 85, entonces: A) La hpótess nula debe rechazarse en favor de la hpótess alternatva al 10% pero no al 5% de sgnfcacón. B) La hpótess nula no puede rechazarse en favor de la hpótess alternatva n al 5% n al 10% de sgnfcacón. C) La hpótess nula debe rechazarse en favor de la hpótess alternatva al 5% pero no al 10% de sgnfcacón. Pregunta 6: Consdere el modelo Y 1 X U, cuyas perturbacones ( U ) no presentan autocorrelacón y son tales que la EU [ ] 0 y la Var[ U ] X N 1,,..., N. Suponga, además, que X 0 1. S ˆ es el estmador MCO de en el modelo anteror, ndque cuál de las afrmacones sguentes es FALSA: N A) ˆ 1 Var[ ] 1 X N N 4 N B) Var[ ˆ ] X 1 X 1 X 1 C) E ˆ 1 1 4

5 Pregunta 7: Consdere un modelo del tpo Yt 1 Xt Ut cuyas perturbacones sguen el sguente modelo Ut Ut 1 At donde A t es un proceso de rudo blanco (es decr, tene esperanza nula, varanza constante y ausenca de autocorrelacón). Indque cuál de las afrmacones sguentes es FALSA: A) El estmador MCO de en el modelo Yt Xt At es efcente B) Las perturbacones del modelo ( U t ) NO tenen esperanza constante C) Las perturbacones del modelo ( U t ) son estaconaras Las preguntas 8 a 10 se corresponden con el sguente enuncado: Usando datos sobre el gasto públco en educacón per cápta (GPE) y el PIB per cápta (PIB) de 34 países en el año 008, se ha estmado por MCO el modelo dado en la Tabla A1. Posterormente, se ha llevado a cabo un contraste de Whte a partr de los resduos resultantes del modelo estmado en la Tabla A1. Para ello, se presentan en la Tabla A algunos resultados de la estmacón MCO de una regresón auxlar en la que la varable dependente es el cuadrado de los resduos MCO (Resduos ) del modelo estmado en la Tabla A1. Tabla A1 Varable dependente: GPE Método: Mínmos Cuadrados Ordnaros Tamaño de la muestra: 34 Varable Coefcente Desvacón Estadístco t p valor estmado típca Constante PIB Tabla A Varable dependente: Resduos Método: Mínmos Cuadrados Ordnaros Tamaño muestral: 34 Varable Coefcente Desvacón Estadístco t p valor estmado típca Constante PIB PIB R cuadrado Estadístco F R cuadrado corregdo p valor (estadístco F) Pregunta 8: Consdere las cnco afrmacones sguentes: 5

6 1. El valor calculado del estadístco de Whte es gual a El contraste de la Tabla A es un contraste de ausenca de autocorrelacón en las perturbacones del modelo estmado en la Tabla A1. 3. El contraste de la Tabla A es un contraste de homoscedastcdad en las perturbacones del modelo estmado en la Tabla A1. 4. El estadístco de Whte referdo al modelo estmado en la Tabla A1 sgue, aproxmadamente, una dstrbucón c ( 3 ) 5. Sabendo que la Pr[ c ( ) > ] = , la hpótess nula del contraste de la Tabla A no puede rechazarse al 10% de sgnfcacón. A) Afrmacones CIERTAS: 1 y. Afrmacones FALSAS: 3, 4 y 5. B) Afrmacones CIERTAS: 1 y 3. Afrmacones FALSAS:, 4 y 5. C) Afrmacones CIERTAS: 1 y 4. Afrmacones FALSAS:, 3 y 5. Pregunta 9: De acuerdo con la respuesta correcta de la pregunta anteror, ndque cuál de las sguentes afrmacones es certa: A) Los estadístcos t que fguran en la Tabla A1 pueden utlzarse de la forma habtual para contrastar la sgnfcacón ndvdual de los parámetros. B) El estmador MCO que se ha utlzado para obtener las estmacones de los parámetros que fguran en la Tabla A1 es sesgado. C) Las desvacones típcas de los coefcentes estmados en la Tabla A1 son ncorrectas al estar calculadas bajo el supuesto de que los errores del modelo son esfércos. Pregunta 10: Por últmo, se ha vuelto a estmar por MCO el modelo de la Tabla A1, calculando explíctamente una estmacón adecuada de las desvacones típcas de los parámetros a partr de la fórmula de Whte. Los resultados de esta últma estmacón fguran en la Tabla A3. Tabla A3 Varable dependente: GPE Matrz de varanzas covaranzas calculada a partr de la fórmula de Whte Tamaño de la muestra: 34 Varable Coefcente Desvacón Estadístco t p valor estmado típca Constante PIB Consdere las cuatro afrmacones sguentes: 6

7 1. Las estmacones de la constante y la pendente que faltan en la Tabla A3 son guales, respectvamente, a y Las desvacones típcas de los parámetros que fguran en la Tabla A3 son gual de ncorrectos que las que fguran en la Tabla A1. 3. S la Pr[ t ( 3) 037. ] = 0975., un ntervalo de confanza adecuado al 95% de confanza para el parámetro asocado al PIB es [0.0605, ]. 4. S la Pr[ t ( 3) 037. ] = 0975., un ntervalo de confanza adecuado al 95% de confanza para el parámetro asocado al PIB es [0.066, ]. A) Afrmacones CIERTAS: 1 y 4. Afrmacones FALSAS: y 3. B) Afrmacones CIERTAS: 1 y 3. Afrmacones FALSAS: y 4. C) Afrmacones CIERTAS: 1 y. Afrmacones FALSAS: 3 y 4. Las preguntas 11 y 1 se corresponden con el sguente enuncado. Consdere un modelo del tpo Y = b1+ bx+ b3x3 + U y suponga que a partr de una muestra de 0 datos se han obtendo los sguentes resultados por MCO: ébˆ ù 1 é ù bˆ bˆ = = êbˆ ú ê. ú ë 3û ë û é ù Varˆ [ bˆ ] = ê ú ë û ŝ = R = Pregunta 11: Indque cuál de las sguentes afrmacones es CIERTA: A) La suma de cuadrados de los valores de Y en desvacones con respecto a la meda es gual a B) La suma de cuadrados de resduos (SCR) es gual a.881. C) La suma de cuadrados de los valores de Y en desvacones con respecto a la meda no puede calcularse con la nformacón dsponble. Pregunta 1: Sabendo que la Pr[ F ( 17, ) ] = 095., del contraste de sgnfcacón global de las pendentes del modelo, se deduce que: A) La hpótess nula no puede rechazarse a favor de la alternatva al 5%, ya que el valor del estadístco F correspondente es gual a B) La hpótess nula debe rechazarse a favor de la alternatva al 5%, ya que el valor del estadístco F correspondente es gual a C) La hpótess nula debe rechazarse a favor de la alternatva al 5%, ya que el valor del estadístco F correspondente es gual a

8 Preguntas 13: En el Gráfco B1 se muestra la evolucón temporal del rendmento porcentual de deuda públca a 0 años (RDP) en el Reno Undo. La muestra ncluye datos trmestrales desde el segundo trmestre de 195 hasta el cuarto de Gráfco B1: RDP Long Indque cuál de las sguentes afrmacones es CIERTA: A) La sere de RDP es estaconara en meda, pero no en varanza. B) La sere de RDP no es estaconara en meda. C) La sere de RDP es estaconara en meda, sendo ésta aproxmadamente gual a 6 puntos porcentuales. Pregunta 14: En un modelo de regresón del tpo Yt = b1+ b Xt + Ut, donde se usa una muestra anual que abarca desde 1977 hasta 1999, ambos nclusve, se desea contrastar s la observacón correspondente a 1987 es atípca. Para ello, se estma el sguente modelo de regresón: Yt = b1 + bxt + dd Ut, donde D 1987 es una varable fctca que toma valor uno en el año 1987 y cero en el resto de los años. La hpótess nula de que la observacón correspondente a 1987 no es atípca (es decr, se ajusta al patrón que generó el resto de la muestra) es: A) b1 = b = d = 0 B) b = d = 0 C) d = 0 Las preguntas 15 a 19 se corresponden con el sguente enuncado: En el Modelo 1 se presentan los resultados de la estmacón de una funcón de consumo de gasolna usando datos anuales desde 1960 hasta Se relacona el consumo de gasolna en logartmos [LOG(G)] en funcón de las sguentes varables explcatvas: Pg es un índce de precos de la gasolna, Y es la renta dsponble per cápta, Pnc es un índce de precos de coches nuevos, Puc es un índce de precos de coches usados y Ppt es un índce de precos del transporte públco. 8

9 Modelo 1: MCO, usando las observacones (T = 36) Varable dependente: LOG (G) Coefcente Desv. Típca Estadístco t Valor p Constante < Pg Y e < Pnc Puc Ppt Meda de la vble. dep D.T. de la vble. dep Suma de cuad. resduos D.T. de la regresón R-cuadrado R-cuadrado corregdo F(5, 30) Valor p (de F) < Log-verosmltud Crtero de Akake Crtero de Schwarz Crt. de Hannan-Qunn A contnuacón, se ha estmado el msmo modelo elmnando las varables explcatvas Pnc, Puc y Ppt. Los resultados MCO de dcha estmacón se presentan en el Modelo. Modelo : MCO, usando las observacones (T = 36) Varable dependente: LOG(G) Coefcente Desv. Típca Estadístco t Valor p Const < Pg < Y e < Meda de la vble. dep D.T. de la vble. dep Suma de cuad. resduos D.T. de la regresón R-cuadrado R-cuadrado corregdo F(, 33) Valor p (de F) < Log-verosmltud Crtero de Akake Crtero de Schwarz Crt. de Hannan-Qunn Pregunta 15: De acuerdo con los resultados del Modelo 1: A) Todas las pendentes del modelo son ndvdualmente y conjuntamente sgnfcatvas al 5%. B) No todas las pendentes del modelo son ndvdualmente sgnfcatvas, pero sí lo son conjuntamente al 5%. C) Todas las pendentes del modelo NO son n ndvdualmente n conjuntamente sgnfcatvas al 5%. Pregunta 16: De acuerdo con los resultados del Modelo 1 y del Modelo : 9

10 A) El Modelo 1 es preferble al Modelo de acuerdo con el crtero de nformacón de Akake. B) El Modelo es preferble al Modelo 1 de acuerdo con el crtero de nformacón de Schwarz. C) El Modelo es preferble al Modelo 1 de acuerdo con el R cuadrado corregdo. Pregunta 17: De acuerdo con los resultados de los Modelos 1 y, el contraste de la hpótess nula conjunta de que los coefcentes asocados a las varables Pnc, Puc y Ppt son todos nulos: A) Se puede llevar a cabo usando un estadístco F, pero no hay nformacón sufcente para calcular el valor del estadístco. B) Se puede llevar a cabo usando un estadístco F, sendo el valor del msmo gual a C) Se puede llevar a cabo usando un estadístco F, sendo el valor del msmo gual a Pregunta 18: A contnuacón, se presenta en la tabla sguente los Factores de Inflacón de Varanza (VIF) para las varables explcatvas de la regresón estmada en el Modelo 1: Recuerde que el VIF() j 1 = - 1 R j Varable VIF(j) Pg 9. Y 7. Pnc 10.8 Puc 6.0 Ppt 66.1, donde R j es el coefcente de determnacón obtendo al regresar la varable explcatva j ésma sobre las demás varables explcatvas. Entonces: A) El mínmo valor posble que puede tomar el VIF de una varable es uno. B) Las varables menos colneales (correlaconadas) con el resto son Pnc, Puc y Ppt C) El mínmo valor posble que puede tomar el VIF de una varable es cero. Pregunta 19: De acuerdo con la respuesta correcta a la pregunta anteror, la exstenca de un alto grado de correlacón lneal entre las varables explcatvas del Modelo 1: A) Aumenta la ncertdumbre de las estmacones y, por tanto, el resgo de NO rechazar hpótess falsas. B) El estmador MCO que se ha usado perde las propedades de nsesgadez y efcenca. 10

11 C) Dsmnuye la ampltud de los ntervalos de confanza de los parámetros del modelo. Pregunta 0: Suponga que en un modelo de regresón del tpo [M1] Y = b + b X + b X + b X + U en donde se dspone de 7 observacones, se desea contrastar la dependenca no lneal de los regresores sobre la varable endógena. Para ello, se queren nclur los cuadrados y los productos cruzados de todas las varables explcatvas. En este caso, la regresón asocada con el contraste RESET que habría que estmar para contrastar dcha dependenca sería: A) Y sobre X, X, X,,, 3 4 X X3 X4 con térmno constante. B) Y sobre X, X, X,,, 3 4 X X X,,, 3 4 XX3 XX4 X3X4 con térmno constante. C) Y sobre X, X, X y 3 4 Yˆ con térmno constante, sendo Y ˆ el valor ajustado de la endógena al estmar por MCO el modelo orgnal [M1]. OPERACIONES 11

12 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 En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta 6 A B C En Blanco Pregunta 7 A B C En Blanco Pregunta 8 A B C En Blanco Pregunta 9 A B C En Blanco Pregunta 10 A B C En Blanco Pregunta 11 A B C En Blanco Pregunta 1 A B C En Blanco Pregunta 13 A B C En Blanco Pregunta 14 A B C En Blanco Pregunta 15 A B C En Blanco Pregunta 16 A B C En Blanco Pregunta 17 A B C En Blanco Pregunta 18 A B C En Blanco Pregunta 19 A B C En Blanco Pregunta 0 A B C En Blanco Correctas Incorrectas En Blanco Puntuacón fnal 1

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO 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 detalles

Aspectos fundamentales en el análisis de asociación

Aspectos 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 detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 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 detalles

Inferencia en Regresión Lineal Simple

Inferencia 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 detalles

Efectos fijos o aleatorios: test de especificación

Efectos 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 detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: 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 detalles

Estadística con R. Modelo Probabilístico Lineal

Estadística 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 detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

TODO ECONOMETRIA. Variables cualitativas

TODO 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 detalles

Figura 1

Figura 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 detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 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 detalles

EJERCICIOS. 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. 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

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Tema 8: Heteroscedasticidad

Tema 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 detalles

Erratas y modificaciones

Erratas y modificaciones Erratas y modfcacones Págna 39 Tabla fnal: Dce: Expermental T Debe decr: Expermental T Págna 40 Tabla comenzo: Dce: T 0 Debe decr: T Dce: 3 T Debe decr: 3 T Págna 05 Párrafo : Debe qutarse el acento de

Más detalles

Tema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación

Tema 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 detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: 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 detalles

Tema 2: El modelo clásico de regresión

Tema 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 detalles

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Especialista 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 detalles

Estadísticos muéstrales

Estadísticos 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 detalles

1.Variables ficticias en el modelo de regresión: ejemplos.

1.Variables ficticias en el modelo de regresión: ejemplos. J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes

Más detalles

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han

Más detalles

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte

Análisis 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 detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 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 detalles

Las hipótesis en las que vamos a basar el funcionamiento del Modelo Lineal General

Las hipótesis en las que vamos a basar el funcionamiento del Modelo Lineal General CAPÍULO. EL MODELO LINEAL GENERAL. Introduccón. Hpótess del modelo Las hpótess en las que vamos a basar el funconamento del Modelo Lneal General son las sguentes. Suponemos que tenemos una muestra de valores

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

REGRESION Y CORRELACION

REGRESION 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 detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas 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 detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 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 detalles

Medidas de Variabilidad

Medidas 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 detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 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 detalles

Análisis de la varianza de un factor

Análisis 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 detalles

Relación 2: Regresión Lineal.

Relación 2: Regresión Lineal. Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. 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 detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i ) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: 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 detalles

Análisis de la varianza de un factor

Análisis 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 detalles

6 Heteroscedasticidad

6 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 detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª 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 detalles

Regresión Binomial Negativa

Regresión 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 detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 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 detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

Prueba de Evaluación Continua

Prueba 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 detalles

Algunas aplicaciones del test del signo

Algunas aplicaciones del test del signo 43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 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 detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

REGRESION LINEAL SIMPLE

REGRESION 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 detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El 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 detalles

Material Docente de. Econometría. Curso Primera parte. Problemas y cuestiones

Material Docente de. Econometría. Curso Primera parte. Problemas y cuestiones Materal Docente de Econometría Curso 011-01. Prmera parte Problemas y cuestones Cuarto curso de Economía Cuarto curso de Admnstracón y Dreccón de Empresas Cuarto curso de Derecho y A.D.E Profesores: Jesús

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS 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 detalles

Solución Taller No. 10 Econometría II Prof. Bernal

Solución 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 detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

T. 9 El modelo de regresión lineal

T. 9 El modelo de regresión lineal 1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Estimación de incertidumbres en calibración de Osciladores

Estimación de incertidumbres en calibración de Osciladores Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser

Más detalles

Consumo de un estudiante granadino

Consumo de un estudiante granadino Consumo de un estudante granadno Trabajo de Econometría 3º de GADE, grupo C María Teresa Penado García Ana Isabel Béjar Pérez Marna Herrero López ÍNDICE Introduccón y varables escogdas para realzar el

Más detalles

Height (altura) Extraction (extracción)

Height (altura) Extraction (extracción) Regresón Posson Resumen El procedmento Regresón Posson está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado relacona Y con

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se

Más detalles

Riesgos Proporcionales de Cox

Riesgos 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 detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

Suponga que el consumo (Y) y el ingreso (X) para los últimos 4 años (en millones de pesos) son los siguientes:

Suponga que el consumo (Y) y el ingreso (X) para los últimos 4 años (en millones de pesos) son los siguientes: Introduccón a la Econometría VII. MODELO LINEAL SIMPLE, MLS: EJERCICIOS RESUELTOS: 9 ANÁLISIS DE REGRESIÓN Y CORRELACIÓN APLICADO A LA ECONOMÍA MEXICANA, CON MÉTODOS COMPLEMENTARIOS Y/O DIFERENTES 9 VII.

Más detalles

, x es un suceso de S. Es decir, si :

, x es un suceso de S. Es decir, si : 1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

Tema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales

Tema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales Tema 9 Análss de la Varanza (ANOVA) Conceptos generales La técnca del Análss de la Varanza consste en descomponer la varabldad de una poblacón (representada por su varanza) en dversos sumandos según los

Más detalles

CAPÍTULO 9 HETEROCEDASTICIDAD.

CAPÍTULO 9 HETEROCEDASTICIDAD. Fchero: captulo 9 nuevo.doc CAPÍTULO 9 HETEROCEDASTICIDAD.. CAUSAS MUESTRALES Y ESTRUCTURALES Como sabemos, la heterocedastcdad consste en que las observacones muestrales tenen varanzas del error dferentes

Más detalles

NOTA METODOLÓGICA 1. CÁLCULO DEL IDH. METODOLOGÍA ONU

NOTA METODOLÓGICA 1. CÁLCULO DEL IDH. METODOLOGÍA ONU Desarrollo humano en España: 1980-2011 44 NOTA METODOLÓGICA 1. CÁLCULO DEL IDH. METODOLOGÍA ONU El IDH defndo por las Nacones Undas desde 2010 en sus nformes anuales mde los adelantos medos de un país

Más detalles

REGRESION LINEAL SIMPLE

REGRESION 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 detalles

HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: ANOVA (PARTE I)

HERRAMIENTAS 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 detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA 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 detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO

Más detalles

INTRODUCTION TO ECONOMETRICS

INTRODUCTION 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 detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

Cada 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 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 detalles

Análisis de Regresión y Correlación

Análisis 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 detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

1 + e z. 1 + e. 1 + e = 1 0 2

1 + e z. 1 + e. 1 + e = 1 0 2 Tema 7. Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco Euskal Herrko Unbertstatea 7. Introduccón En

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA 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 detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

FE 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 (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 detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

14. Contrastes no paramétricos

14. Contrastes no paramétricos 14. Contrastes no paramétrcos 1 Contrastes no paramétrcos En la leccón anteror nos hemos ocupado de contrastes paramétrcos. Determnábamos la plausbldad de certas hpótess sobre los valores de parámetros

Más detalles

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

Objetivos. Contenidos. Cátedra I Estadística II Autor I Gerardo Heckmann

Objetivos. Contenidos. Cátedra I Estadística II Autor I Gerardo Heckmann ANALISIS DE ASOCIACION ENTRE VARIABLES. REGRESION Objetvos Presentar el modelo de regresón lneal smple como herramenta para estmar medas condconales y predecr los valores de una varable en funcón de la

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Págna 0 PRACTICA Meda y desvacón típca 1 Las edades de los estudantes de un curso de nformátca son: 17 17 18 19 18 0 0 17 18 18 19 19 1 0 1 19 18 18 19 1 0 18 17 17 1 0 0 19 0 18 a) Haz una tabla

Más detalles