Factores que inciden en la probabilidad de pobreza: una propuesta metodológica para la Región Metropolitana de Santiago

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

Download "Factores que inciden en la probabilidad de pobreza: una propuesta metodológica para la Región Metropolitana de Santiago"

Transcripción

1 Factores que ncden en la probabldad de pobreza: una propuesta metodológca para la de Santago Santago, novembre de 2011

2 Índce Índce Introduccón 1. Descrpcón del modelo 2. Los datos 3. Resultados de estmacón 4. Conclusones Bblografía Anexo: matrz de Correlacones varables modelo probabldad de un hogar de ser pobre según CASEN

3 Introduccón El presente documento propone un modelo que pretende medr el mpacto de un conjunto de varables socoeconómcas pertenecentes a los hogares de la Regón Metropoltana de Santago, sobre la probabldad de éstos de encontrarse bajo la línea de pobreza. S ben las varables selecconadas para estos efectos como determnantes de la pobreza de los hogares no fueron obtendas a partr de un modelo teórco o estructural, han sdo escogdas por su recurrente mencón en la lteratura en cuanto a su capacdad explcatva de la stuacón de vulnerabldad socoeconómca de personas y hogares 1. La fuente de la nformacón utlzada para el sguente trabajo remte a los resultados de la Encuesta de Caracterzacón Socoeconómca Naconal, CASEN, correspondentes a la de Santago, RMS, realzada durante los meses de novembre y dcembre del año El documento está estructurado en cuatro partes. En la prmera de ellas se descrbe en detalle el modelo y las varables que lo componen. Específcamente, se utlza un modelo del tpo probt con el propósto de establecer el efecto margnal de un conjunto de varables socoeconómcas selecconadas al efecto sobre la probabldad que tene un hogar de encontrarse bajo la línea de pobreza. En la segunda parte se descrbe en forma breve la fuente de la nformacón utlzada para la estmacón. La tercera parte entrega los resultados de la estmacón del modelo y en base a éstos establece cuáles son aquellas varables que evdencan un mayor mpacto así como el sentdo de éste- sobre la probabldad de un hogar de ser dentfcado como pobre. Además, se proponen algunos ejemplos de tpos de hogares con el propósto de estmar su probabldad de ser dentfcados como pobres en funcón del estado de las varables socoeconómcas selecconadas en el modelo. En la cuarta y últma- seccón se entregan las prncpales conclusones que es posble extraer a partr del análss realzado en las seccones precedentes. El presente trabajo fue elaborado por Santago Gajardo P., profesonal del Área de Estudos de la SERPLAC Metropoltana. 1 Al fnal del documento se entrega la revsón bblográfca que se consderó para la seleccón de las varables socoeconómcas postuladas como determnantes de la probabldad de pobreza de los hogares. 3

4 1. Descrpcón del modelo Es posble modelar la probabldad que tene un hogar de ser pobre a través de la especfcacón de una ecuacón en que la varable dependente se defne en térmnos dcotómcos; por ejemplo, ésta toma el valor 1 s el ngreso por persona de ese hogar se ubca bajo la línea de pobreza o ben tomar el valor 0 en el caso de que el ngreso per cápta de ese hogar esté por sobre dcha línea (no pobre). La especfcacón del modelo ncluye como varables ndependentes es decr, el conjunto de varables selecconadas como determnantes de la probabldad de pobreza- a un conjunto de aspectos socoeconómcos que se estma contrbuyen a determnar la stuacón de pobreza o no pobreza del hogar. La seleccón de estas varables se realzó en base a una revsón de la bblografía recente, la cual s ben consdera prncpalmente estudos tpo panel, permte dentfcar algunas varables cuya mencón es recurrente por su relacón con la stuacón de vulnerabldad de los hogares (asocada al resgo de caer en la pobreza o ben de permanecer en ella) s ben no estrctamente con su dentfcacón como pobres o no pobres en un momento determnado. Como ya se señaló, el modelo en cuestón puede descrbrse como la probabldad de que la varable dependente tome el valor 1 condconal en los valores del conjunto de varables ndependentes selecconadas (X). S llamamos β al vector de parámetros para X, la probabldad de que la varable ndependente tome el valor 1 puede escrbrse como una funcón de dstrbucón acumulada evaluada en Xβ: Pr( Y = 1 X ) = F ( X β ) (probabldad de ser dentfcado como pobre) Pr( Y = 0 X ) = 1 F ( X β ) (probabldad de ser dentfcado como no pobre) El modelo probt permte estmar por el método de máxma verosmltud el set de parámetros que capturan el efecto margnal de cada una de las varables ndependentes sobre la probabldad de que la varable dependente tome el valor 1 en el entorno de un punto dado por los valores medos de las varables explcatvas. El modelo supone una funcón de densdad normal estándar y una consguente funcón de dstrbucón acumulada: f ( X β ) = φ( X β ) = e ( x β ) 2 / 2 / 2π x β µ F X β X β / 2 ( ) = Φ( ) = e / 2π dµ 2 Para estmar el modelo es necesaro especfcar prevamente cada una de las varables que lo componen. 4

5 Varable Dependente La varable dependente del modelo corresponde a la stuacón de pobreza o no pobreza del hogar como resultado de la comparacón del ngreso por persona con la línea ofcal de pobreza 2. Esta varable ( POBRE, para los efectos del modelo), toma el valor 1 (POBRE=1) s el hogar está en stuacón de pobreza y cero s no lo está (POBRE=0). Varables Independentes. Género: en referenca al sexo del jefe de hogar (GENERO) -Hombre (GENERO=0) -Mujer (GENERO=1). Edad del jefe de hogar: reconocendo el hecho constatado en la lteratura que esta varable tene efectos no lneales sobre los ngresos de las personas (o ndrectamente, su stuacón de pobreza), se optó por defnrla en térmnos dcotómcos para cnco grupos etaros (con respecto al grupo de referenca que en este caso corresponde a los jefes de hogar entre 15 y 24 años): -Grupo entre 25 y 34 años (edad_25_34) edad_25_34=1 s la edad del jefe de hogar se encuentra entre los 25 y 34 años edad_25_34=0 s la edad del jefe de hogar se encuentra fuera del rango señalado. -Grupo entre 35 y 44 años (edad_35_44) edad_35_44=1 s la edad del jefe de hogar se encuentra entre los 35 y 44 años edad_35_44=0 s la edad del jefe de hogar se encuentra fuera del rango señalado. -Grupo entre 45 y 54 años (edad_45_54) edad_45_54=1 s la edad del jefe de hogar se encuentra entre los 45 y 54 años edad_45_54=0 s la edad del jefe de hogar se encuentra fuera del rango señalado. -Grupo entre 55 y 64 años (edad_55_64) edad_55_64=1 s la edad del jefe de hogar se encuentra entre los 55 y 64 años edad_55_64=0 s la edad del jefe de hogar se encuentra fuera del rango señalado. -Grupo de 65 años y más (edad_65) 2 En la versón 2009 de la CASEN, la línea de pobreza se establecó en $ percápta en la zona urbana, y en $ percápta en las zonas rurales. 5

6 edad_65=1 s el jefe de hogar tene 65 años ó más edad_65=0 s el jefe de hogar tene menos de 65 años. Pareja convvente del jefe de hogar (PAREJA). Se defneron dos categorías a partr de la varable orgnal contemplada en la encuesta CASEN 3 : -Jefe de hogar con pareja (PAREJA=1), en los casos de jefes de hogar casados(as) o convventes con pareja. -Jefe de hogar sn pareja (PAREJA=0), en los casos de jefes de hogar anulados(as), separados(as), dvorcados(as), vudos(as) o solteros(as). v. Número de personas del hogar (NUMPER) Número de nños menores de cnco años en el hogar (n_nñ_5) v. Número de personas ocupadas en el hogar (n_ocup) v. nvel educaconal del jefe de hogar (edu_med; edu_sup). Se asume como grupo de referenca aquellos jefes de hogar cuyo nvel educaconal corresponde a educacón básca (completa o ncompleta) o que carecen de estudos formales. -educacón meda (edu_med=1), en los sguentes casos: Educacón meda humansta ncompleta Educacón meda técnco-profesonal ncompleta Educacón meda humansta completa Educacón meda técnca completa En cualquer otro caso, edu_med=0 -educacón superor (edu_sup=1), en los sguentes casos: Educacón técnca o unverstara ncompleta Educacón técnca o unverstara completa En cualquer otro caso, edu_sup=0 v. Pertenenca a etna del jefe de hogar (ETNIA) -ETNIA=1, s el jefe de hogar declara pertenecer a alguna etna -ETNIA=0, s el jefe de hogar declara no pertenecer a etna alguna v. Número de personas dscapactadas en el hogar (n_dscap) x. Zona en la que vve el hogar (Z) -Z=1, s el hogar es rural -Z=0, s es urbano 3 Específcamente se recodfcó la varable de la CASEN correspondente al estado conyugal o cvl del jefe de hogar. 6

7 2. Datos La fuente de la nformacón utlzada para la estmacón del modelo prevamente descrto son los resultados a nvel de hogares de la Encuesta Naconal de Caracterzacón Socoeconómca Naconal, CASEN, correspondentes a la RMS y que fue aplcada entre los meses de novembre y dcembre del año Como suele hacerse en estos casos, para efectos de estmacón la base de datos orgnal es expandda por el factor de expansón usando la funcón pw ( p-weght ) del paquete estadístco STATA. Esta funcón permte controlar por el hecho de que cada observacón de la encuesta no tene la msma probabldad de ser ncluda en la muestra expandda. Por esta razón, los datos son ponderados por un factor de ponderacón que denota el nverso de la probabldad que tene cada observacón de ser ncluda como consecuenca del dseño muestral. 3. Resultados de estmacón Luego de estmar el modelo descrto en la seccón anteror se calculan los efectos margnales de cada varable en la vecndad de los valores medos de las varables explcatvas (los que corresponden a la últma columna del cuadro 1) 4. En este sentdo, tales coefcentes pueden ser correctamente nterpretados como el mpacto porcentual sobre la probabldad de ser pobre de un cambo untaro (o cambo de estado, en el caso de las varables dcotómcas que se han defndo) en cada una de las varables explcatvas selecconadas. 4 Esto se logra a través del uso del modelo dprobt (o el comando mfx del paquete estadístco STATA). el que permte calcular los efectos margnales de las varables ndependentes sobre la varable dependente meddos en el entorno de los valores promedo calculados para las varables ndependentes. 7

8 El modelo entrega un valor para el ndcador general de bondad de ajuste (pseudo-r 2 ) en torno a 0,31 5. Según los resultados de estmacón mostrados en el cuadro 1, se puede señalar que el coefcente obtendo para la varable GENERO ndca que una jefatura de hogar femenna mplca un aumento de 1,35% en la probabldad de que los membros de ese hogar vvan bajo la línea de pobreza. Asmsmo, un jefe de hogar casado, o convvente con pareja tene una probabldad de ser pobre que es 1,74% más baja que la que prevalece entre los jefes de hogar que vven sn pareja. Un aumento untaro en el tamaño del hogar nvolucra que la probabldad que ese hogar sea pobre crece en 2,55%. De gual forma, cada nño adconal menor de cnco años ncrementa la probabldad de que el hogar sea pobre en algo menos de un punto porcentual. Por el contraro, cada persona adconal que esté ocupada dsmnuye la probabldad del hogar de ser pobre en 7,36%. El hecho que el jefe de hogar tenga educacón meda (completa o ncompleta) dsmnuye la probabldad del hogar de ser pobre en 2,51% (con respecto a la stuacón de un jefe de hogar que sólo tene educacón básca o ben no tene educacón formal). De gual modo, s el jefe de hogar tene educacón superor la probabldad de que el hogar sea pobre decae en 5,28% (tambén con respecto a la stuacón de un jefe de hogar que sólo tene educacón básca o que carece de educacón formal). Lo anteror permte conclur que el efecto neto de la educacón superor sobre la educacón meda es reducr la probabldad que tene un hogar de caer en la pobreza de 2,77% (dferenca entre los dos coefcentes). Las varables pertenenca a etna del jefe de hogar y número de personas con dscapacdad resultaron ser estadístcamente no sgnfcatvas en la explcacón de la probabldad de un hogar de ser pobre. El resultado obtendo para la varable zona ndca que un hogar que resda en la zona rural tene una menor probabldad de ser pobre que un hogar urbano (específcamente, un 2,63% más baja). La nterpretacón de los coefcentes correspondentes a la edad del jefe de hogar es algo más compleja, pero estaría dando cuenta claramente de un efecto no lneal de esta varable sobre la probabldad que tene un hogar de ser pobre. En efecto, para la varable correspondente al grupo de jefes de hogar más jóvenes (edad_25_34) se obtene un efecto postvo el cual no es estadístcamente sgnfcatvo. El valor de los coefcentes de las varables correspondentes a los tramos de mayor edad van aumentando en valor absoluto a medda que crece la edad del jefe de hogar, pero se reverte el sentdo del mpacto sobre la probabldad del hogar de ser pobre al relaconarse negatvamente con ella. En la varable correspondente el grupo de más edad (edad_65), el hecho que el jefe de hogar tenga 65 ó más años estaría relaconado con una dsmnucón del 5,2% en la probabldad que ese hogar tene de ser pobre. Con el propósto de comprobar el efecto no lneal de la edad del jefe de hogar sobre la probabldad que tene ese hogar de ser pobre, se estmó una especfcacón alternatva a la ya examnada. Generalmente, es posble modelar este efecto no lneal de la edad de las personas de dos formas: la prmera es a través de la utlzacón de varables dcotómcas con la edad del jefe de hogar (como ya se hzo); la segunda, la que se 5 Un valor de 1 ndca perfecta capacdad explcatva del modelo y un valor de cero, nula capacdad explcatva. En los estudos de corte transversal -como el presente- es normal encontrar valores más ben bajos para este ndcador (nferores a 0,5). 8

9 adopta en esta nueva especfcacón, es a través de la ntroduccón de un polnomo que permta capturar el patrón descrto en el párrafo anteror. Con este fn, se ntrodujo en el modelo de estmacón un polnomo cuadrátco formado por la suma de la varable EDAD y de su expresón cuadrátca (EDAD 2 ). Los resultados de la estmacón de esta especfcacón alternatva se muestran en el cuadro 2. Como es posble observar, el sgno negatvo de la varable EDAD 2, el cual resulta ser estadístcamente sgnfcatvo, apoya fuertemente la hpótess de no lnealdad en el efecto de la edad del jefe de hogar sobre la probabldad que tene ese hogar de ser pobre. Cuadro 2 de Santago Efectos margnales modelo probt, varable POBRE (probabldad de un hogar de ser pobre) Probabldad pronostcada = 0, Número de observacones = ; Pseudo-R 2 = 0,3117 Varable dy/dx Std. Err. z P> z [ I. de C. 95% ] X GENERO* 0,0141 0,0059 2,4000 0,0160 0,0026 0,0256 0,3424 EDAD 0,0012 0,0007 1,7300 0,0840-0,0002 0, ,5326 EDAD 2-0, ,0000-4,0400 0,0000 0,0000 0, ,5900 PAREJA* -0,0176 0,0063-2,8100 0,0050-0,0299-0,0053 0,6527 NUMPER 0,0253 0, ,5400 0,0000 0,0216 0,0289 3,5717 n_nñ_5 0,0096 0,0033 2,8900 0,0040 0,0031 0,0161 0,2354 n_ocup -0,0734 0, ,1200 0,0000-0,0818-0,0650 1,5240 edu_med* -0,0250 0,0036-6,8800 0,0000-0,0322-0,0179 0,4333 edu_sup* -0,0534 0, ,8200 0,0000-0,0615-0,0452 0,2822 ETNIA* 0,0025 0,0078 0,3200 0,7490-0,0128 0,0178 0,0401 n_dscap -0,0026 0,0028-0,9300 0,3520-0,0082 0,0029 0,2283 Z* -0,0266 0,0032-8,4500 0,0000-0,0328-0,0204 0,0287 Fuente: elaboracón propa en base a encuesta CASEN 2009, MIDEPLAN. (*) dy/dx, es el efecto ante un cambo dscreto de la varable dcotómca de 0 a 1 En cuanto al resto de las varables, no se adverten cambos mportantes en el valor de los coefcentes, en el sentdo de su efecto, n en su sgnfcanca estadístca. (las varables etna y número de personas dscapactadas sguen sendo no sgnfcatvas). Además, el ajuste obtendo para esta nueva estmacón (meddo por el pseudo-r 2 ) es absolutamente comparable al obtendo en la especfcacón anteror. Utlzando el modelo probt es posble realzar predccones de la probabldad que tene un hogar de ser dentfcado como pobre dados certos valores para el vector de varables socoeconómcas que hemos selecconado en este trabajo como determnantes de tal probabldad. En tal sentdo se proponen a contnuacón ses ejemplos en los que a pror se defnen valores para este vector de varables lo cual permte realzar el cálculo de la probabldad estmada que tene el hogar de ser pobre. Resulta útl examnar estos ejemplos tenendo en mente que la tasa meda de pobreza observada entre los hogares de la RMS alcanzó según la CASEN 2009 al 9,6% del total de hogares de la regón. Ejemplo 1: el prmer ejemplo que se propone en el cuadro 3 corresponde al de un hogar que tene por jefe a una mujer de entre 25 y 34 años que no vve con pareja, que tene dos hjos menores de cnco años que convven con ella. Además, esta jefa de hogar está ocupada, sólo cursó estudos báscos y resde en una zona urbana. De 9

10 acuerdo a los parámetros del modelo, la predccón respecto a la probabldad de que este hogar sea pobre alcanza al 45,8%, la más alta de los ses casos propuestos. Ejemplo 2: corresponde a la stuacón de un hogar que tene por jefe a un hombre de entre 25 y 34 años que está casado o tene una pareja que vve con él. Entre ambos tenen 3 hjos de los cuales uno es menor de cnco años. Sólo uno de los membros de la pareja trabaja y el nvel educaconal del jefe de hogar corresponde a enseñanza meda (completa o ncompleta). El jefe de hogar declara pertenecer a una etna y la zona de resdenca es urbana. Con estos antecedentes, la probabldad de pobreza del hogar pronostcada por el modelo es de 40,4%. Ejemplo 3: este caso corresponde al de un hogar encabezado por una mujer entre de 35 y 44 años que vve con su pareja, tene dos hjos (uno de los cuales tene menos de cnco años) y sólo uno de los membros de la pareja trabaja. La jefa de hogar tene nvel de educacón meda y su hogar resde en zona urbana. Con estos antecedentes, el modelo pronostca una probabldad que el hogar sea pobre de 26,9%. Cuadro 3 de Santago Predccón de probabldad de pobreza según característcas socoeconómcas del hogar utlzando modelo Probt estmado en cuadro 1 Varable Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Ejemplo 6 GENERO Mujer Hombre Mujer Mujer Hombre Hombre edad_25_34 x x edad_35_ x edad_45_ x edad_55_ x - - edad_ x - PAREJA No Sí Sí No No Sí NUMPER n_nñ_ n_ocup edu_med No Sí Sí Sí No No edu_sup No No No No No Sí ETNIA No Sí No No No No n_dscap Z Urbano Urbano Urbano Rural Urbano Urbano Prob (POBRE=1) 45,8% 40,4% 26,9% 12,9% 8,7% 0,3% Fuente: elaboracón propa en base a encuesta CASEN 2009, MIDEPLAN. (*) dy/dx, es el efecto ante un cambo dscreto de la varable dcotómca de 0 a 1 Ejemplo 4: la jefatura de hogar corresponde a una mujer entre 55 y 64 años que no vve con pareja, no trabaja y tene educacón meda. Vve sólo con una persona, la cual está dscapactada (podemos pensar en el caso de una vuda que tene un hjo que padece algún tpo de nvaldez). Además, este hogar tene su resdenca en una zona rural. El modelo estma una probabldad de pobreza de 12,9%. Ejemplo 5: esta stuacón corresponde a la de un hombre de 65 ó más que vve solo, no trabaja (podemos pensar en un hombre separado o vudo que está jublado), tene 10

11 educacón básca y resde en una vvenda urbana. Para este caso, nuestro modelo predce una probabldad de dentfcar a este hogar como pobre de 8,7%. Ejemplo 6: este últmo caso corresponde al de un hogar que tene por jefe a un hombre entre 45 y 54 años que vve con su pareja y dos hjos. Ambos trabajan y, además, el jefe del hogar tene educacón superor. La zona de resdenca del hogar es urbana. Nuestro modelo predce una probabldad de que este hogar esté bajo la línea de pobreza de 0,3%. Pese a que la frecuenca específca de los ejemplos que se han descrto puede ser muy reducda, es posble entenderlos como ejerccos meramente teórcos en torno a los cuales exste una cantdad mucho mayor de hogares que presentan semejanza con los expuestos y sólo se dferencan en alguna varable concreta. El sentdo de todo lo anteror es dentfcar aquellas varables socoeconómcas que tenen mayor capacdad explcatva de la stuacón de pobreza de los hogares y, de esta forma, drecconar los nstrumentos a dsposcón de la polítca socal con el propósto de maxmzar la efcaca de las ntervencones que se realcen. 11

12 4. Conclusones En el presente trabajo se propuso un modelo destnado a estmar la probabldad que tene un hogar de encontrarse bajo la línea de pobreza utlzando como varables explcatvas un conjunto de aspectos relaconados con las característcas socoeconómcas de los hogares. Para estos efectos, se utlzó un modelo probt con la varable dependente defnda como la probabldad que tene un hogar de ser pobre de acuerdo a los datos CASEN 2009 correspondentes a la de Santago. Los resultados ndcan que las varables género (en térmnos que el jefe de hogar sea una mujer), número de personas del hogar y número de nños menores de cnco años tenen un mpacto postvo sobre la probabldad de dentfcar un hogar como pobre, el cual además, mostró ser estadístcamente sgnfcatvo. En cambo las varables pareja convvente del jefe de hogar, número de personas ocupadas, educacón meda, educacón superor y zona (en térmnos de que el hogar resda en una zona rural) se relaconan negatvamente con la probabldad de dentfcar un hogar como pobre, efecto que tambén es estadístcamente sgnfcatvo. Asmsmo, los coefcentes más altos (aquellos que señalarían un mayor mpacto en térmnos de reducr la probabldad de dentfcar a un hogar como pobre) son los correspondentes a las varables número de personas ocupadas y dsponbldad de educacón superor por parte del jefe de hogar. Los valores obtendos para la varable edad de jefe de hogar apoyarían la hpótess de que a mayor edad de éste cae la probabldad de dentfcar al hogar como pobre, s ben este efecto no sería lneal, lo cual fue comprobado medante el uso de una especfcacón alternatva. Por otra parte, los resultados señalan la ausenca de algún efecto sgnfcatvo sobre la probabldad de dentfcar a un hogar como pobre de las varables pertenenca a etna del jefe de hogar y número de personas con alguna dscapacdad. Utlzando los resultados del modelo probt estmado se realzó un ejercco consstente en estmar la probabldad que tenen ses tpos de hogares de ser pobres en consderacón al estado del conjunto de varables socoeconómcas que en este trabajo se selecconaron como determnantes de tal probabldad. Los resultados osclan entre un pronóstco de pobreza de 45% en el caso de un hogar formado por una mujer de entre 25 y 34 años, que vve sn pareja, con tres hjos (dos de los cuales tenen menos de cnco años), que trabaja y sólo tene educacón básca; y, una probabldad de 0,3% en el caso de un hogar encabezado por un hombre de entre 45 y 54 años, que vve con su pareja, ambos trabajan, tenen dos hjos y el jefe de hogar además tene educacón superor. 12

13 Bblografía Castro, Rodrgo y Arzola, María Elena (2008): Determnantes de la movldad de la pobreza en Chle ( ), Sere Informe Socal N 112, Insttuto Lbertad y Desarrollo, Agosto Granados Z., Paulna (2004): Funcón de Ingresos de los Hogares Chlenos: Cclo de Vda y Persstenca de Shocks, Revsta Economía Chlena, Volumen 7, Nº1/Abrl, págnas 51-89, Banco Central de Chle. Henoch, Paulna (2010): Vulnerabldad socal, más allá de la pobreza, Sere Informe Socal, N 128, Agosto Montero, Roque (2009): Determnantes de la dnámca de pobreza en Chle , Sere Estudos Socales, MIDEPLAN, N 1, Prmavera Santos, Humberto (2009): Dme con quén crecste y te dré cuánto ganas? efectos de las característcas famlares sobre el salaro, Sere Estudos Socales, MIDEPLAN, N 1, Prmavera Vásquez, Javera y Bravo, Davd (2008), Mcroeconometría aplcada, Centro Mcrodatos, Departamento de Economía, Unversdad de Chle. 13

14 Anexo de Santago Matrz de Correlacones varables modelo probabldad de un hogar de ser pobre según CASEN 2009 Varables POBRE GENERO edad_25 edad_35 edad_45 edad_55 _34 _44 _54 _64 edad_65 PAREJA NUMPER n_nñ_5 n_ocup edu_med edu_sup ETNIA n_dscap Z POBRE 1,0000 GENERO 0,0866 1,0000 edad_25_34 0,0492-0,0312 1,0000 edad_35_44 0,0555-0,0713-0,1735 1,0000 edad_45_54-0,0150-0,0489-0,2047-0,2787 1,0000 edad_55_64-0,0217 0,0121-0,1744-0,2374-0,2801 1,0000 edad_65-0,0612 0,1206-0,1979-0,2693-0,3178-0,2707 1,0000 PAREJA -0,0563-0,5844 0,0401 0,1037 0,0690 0,0157-0,2003 1,0000 NUMPER 0,1333-0,1525-0,0586 0,1146 0,1479 0,0083-0,2005 0,3240 1,0000 n_nñ_5 0,1716-0,0554 0,2037 0,1246-0,0652-0,0740-0,1602 0,1294 0,4457 1,0000 n_ocup -0,2126-0,1415-0,0113 0,0419 0,1665 0,1221-0,3060 0,2430 0,5331 0,1199 1,0000 edu_med 0,0272-0,0411 0,0136 0,0559 0,0429-0,0292-0,0859 0,0570 0,0588 0,0361 0,0252 1,0000 edu_sup -0,1514-0,0595 0,1204 0,0598-0,0006-0,0181-0,1390 0,0340-0,1084-0,0393 0,0451-0,5482 1,0000 ETNIA 0,0202 0,0021 0,0284 0,0465-0,0176-0,0196-0,0497-0,0313 0,0036 0,0056 0,0141 0,0124-0,0485 1,0000 n_dscap 0,0318 0,0507-0,1084-0,0684-0,0480 0,0432 0,1683-0,0335 0,0504-0,0384-0,0679-0,0345-0,1104 0,0305 1,0000 Z -0,0277-0,0681 0,0125 0,0332-0,0142-0,0262-0,0003 0,0550 0,0257 0,0398-0,0096-0,0272-0,0343-0,0220-0,0291 1,0000 Fuente: elaboracón propa en base a encuesta CASEN 2009, MIDEPLAN. 14

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

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

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

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

Un modelo de factores que inciden en la probabilidad de pobreza: resultados CASEN 2011 en la Región Metropolitana de Santiago

Un modelo de factores que inciden en la probabilidad de pobreza: resultados CASEN 2011 en la Región Metropolitana de Santiago Un modelo de factores que inciden en la probabilidad de pobreza: resultados CASEN 2011 en la de Santiago Santiago, abril de 2013 Índice Índice Introducción 1. Descripción del modelo 2. Los datos 3. Resultados

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 de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal

Solución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más 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

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

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta

Más detalles

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

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C

Más detalles

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3. EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las

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

6 Impacto en el bienestar de los beneficiarios del PAAM

6 Impacto en el bienestar de los beneficiarios del PAAM 6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda

Más detalles

Diagnóstico de Fortalezas y Debilidades Comunales

Diagnóstico de Fortalezas y Debilidades Comunales Dagnóstco de Fortalezas y Debldades Comunales Introduccón Los avances y mayores nveles de desarrollo que el país ha mostrado durante los últmos 15 años, se han traducdo, entre otros aspectos, en un aumento

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

Complementos al ABC: efectos dinámicos

Complementos al ABC: efectos dinámicos Complementos al ABC: efectos dnámcos CAF - CEPAL P. Rozas & J. Rvera Buenos Ares, juno de 2008 Varables y fuentes de nformacón Encuesta de Hogares de dversos años de los países en estudo.- Bolva: Encuesta

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

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

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más 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

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones

Más detalles

Lección 4. Ejercicios complementarios.

Lección 4. Ejercicios complementarios. Introduccón a la Estadístca Grado en Tursmo Leccón 4. Ejerccos complementaros. Ejercco 1 (juno 06). La nformacón relatva al mes de enero sobre los ngresos (X) y los gastos (Y), expresados en mles de euros,

Más detalles

METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS

METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 014 INSTITUTO NACIONAL DE ESTADÍSTICAS AÑO 016 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS

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

Variables Dummy (parte I)

Variables Dummy (parte I) Varables Dummy (parte I) Fortno Vela Peón Unversdad Autónoma Metropoltana fvela@correo.xoc.uam.mx Octubre, 2010 19/10/2010 Méxco, D. F. 1 Introduccón Algunas de las varables son por su naturaleza propa

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

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

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

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

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

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

Examen Final de Econometría Grado

Examen Final de Econometría Grado Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón

Más 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

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

Más detalles

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04

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

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 013 INSTITUTO NACIONAL DE ESTADÍSTICAS 015 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR

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

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

Más detalles

Probabilidad Grupo 23 Semestre Segundo examen parcial

Probabilidad Grupo 23 Semestre Segundo examen parcial Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta

Más detalles

MODELOS PARA DATOS DE RECUENTO

MODELOS PARA DATOS DE RECUENTO ECONOMETRÍA III Curso 2008/09 MODELOS PARA DATOS DE RECUENTO Profesores: Víctor J. Cano Fernández y M. Carolna Rodríguez Donate Dpto. de Economía de las Instrtucones, Estadístca Económca y Econometría

Más detalles

Regresión de Datos de Vida

Regresión de Datos de Vida Regresón de Datos de Vda Resumen El procedmento Regresón de Datos de Vda está dseñado para ajustar un modelo estadístco paramétrco relaconado con tempos de falla a una o más varables predctoras. Los predctores

Más detalles

ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR

ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR 1 ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR Dela E. Montalvo Roca 1, Gaudenco Zurta Herrera 1 Ingenera en Estadístca Informátca Drector de Tess. M.Sc. en Matemátcas, Unversty of South

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

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

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

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco

Más detalles

Enfoque de la dominancia para el análisis de la evolución de la pobreza entre 1988 y 2004

Enfoque de la dominancia para el análisis de la evolución de la pobreza entre 1988 y 2004 Enfoque de la domnanca para el análss de la evolucón de la pobreza entre 1988 y 2004 Juan Dego Trejos S. Lus Ángel Ovedo C. Insttuto de Investgacones en Cencas Económcas Unversdad de Costa Rca Hechos 30

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

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

e i para construir el modelo econométrico que se escribe a continuación:

e i para construir el modelo econométrico que se escribe a continuación: 5.3 Especfcacón del modelo empírco Para este análss se formló n modelo econométrco de seccón crzada, porqe las observacones corresponden a las característcas de las personas encestadas en n msmo período

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

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

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma

Más detalles

CURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A)

CURSO 2007 PRACTICO 12 MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO 1 A) Unversdad de la Repúblca, Facultad de Cencas Económcas y Admnstracón. ECONOMETRÍA II - CURSO 7 PRACTICO MODELOS DE VARIABLE DEPENDIENTE CUALITATIVA EJERCICIO A) Una nvestgacón sobre el mercado laboral

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

Más detalles

CLAVE - Laboratorio 1: Introducción

CLAVE - Laboratorio 1: Introducción CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2

Más detalles

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012 Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

RECETA ELECTRÓNICA: IMPACTO SOBRE EL GASTO FARMACEÚTICO

RECETA ELECTRÓNICA: IMPACTO SOBRE EL GASTO FARMACEÚTICO RECETA ELECTRÓNICA: IMPACTO SOBRE EL GASTO FARMACEÚTICO Introduccón Dseño del estudo Especfcacón del modelo Resultados Introduccón Dseño del estudo Especfcacón del modelo Resultados Introduccón: Esquema

Más detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

Análisis de la actividad femenina y la fecundidad en España mediante modelos de elección discreta

Análisis de la actividad femenina y la fecundidad en España mediante modelos de elección discreta Análss de la actvdad femenna y la fecunddad en España medante modelos de eleccón dscreta Aurora Alonso-Antón, Ana Fernández-Sanz y Vrgna Rncón-Dez Lecturas de Economía - No. 82. Medellín, enero-juno 2015

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

truncación inferior en el punto a=25 es igual a El grado de truncación es del

truncación inferior en el punto a=25 es igual a El grado de truncación es del ECONOMETTRÍ ÍA III II.. Cuurrssoo 22000022- -0033 (f( f cchheer roo: : ccuueesst t oonneess lleecccc l 33) ) CUESTTI IONES SOBRE LLA LLECCI IÓN 33: : MODELLOS DE VARIABLLE DEPENDIENTTE LLI IMITTADA 1.

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

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

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

DISEÑO MUESTRAL TERCERA ENCUESTA DE CULTURA CONSTITUCIONAL 2017

DISEÑO MUESTRAL TERCERA ENCUESTA DE CULTURA CONSTITUCIONAL 2017 DISEÑO MUESTRAL TERCERA ENCUESTA DE CULTURA CONSTITUCIONAL 207 267 INTRODUCCIÓN Con la fnaldad de replcar la Segunda Encuesta Naconal de Cultura Consttuconal, se dseñó una muestra a nvel naconal, que sgue

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco

Más detalles

Estadistica No Parametrica

Estadistica No Parametrica Estadstca No Parametrca CLASE 3 Pruebas Basadas en la Dstrbucon Bnomal JAIME MOSQUERA RESTREPO Bnomal Test La prueba bnomal es quzás la prueba mas antgua encontrada en al lteratura. Se encuentra asocada

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que

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

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

UNIVERSIDAD TECNOLÓGICA DE PANAMÁ H. R. Alvarez A., Ph. D.

UNIVERSIDAD TECNOLÓGICA DE PANAMÁ H. R. Alvarez A., Ph. D. Qué es capacdad? La cantdad de producto, sea este tangble o ntangble, que puede producrse bajo condcones dadas de operacón Las meddas relatvas al producto son normalmente utlzadas por organzacones enfocadas

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

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

Recaudación por Impuesto Específico a los Combustibles y Estimación de Recaudación de IVA por Venta de Gasolina

Recaudación por Impuesto Específico a los Combustibles y Estimación de Recaudación de IVA por Venta de Gasolina Recaudacón por Impuesto Específco a los Combustbles y Estmacón de Recaudacón de por Venta de Gasolna. 2009-2012 El mpuesto específco a los combustbles recaudado el año 2013 fue de $ 1.171.483 mllones (US$

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

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

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

VII. Solución numérica de ecuaciones diferenciales

VII. Solución numérica de ecuaciones diferenciales VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las

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

Boletín de la Tendencia Laboral del Desarrollo Humano

Boletín de la Tendencia Laboral del Desarrollo Humano Boletín de la Tendenca Laboral del Desarrollo Humano Notas técncas AÑO 05 NÚMERO 6 PROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO MÉXICO Nota técnca Índce de Compettvdad Socal (cs) El cs es una medda

Más detalles

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

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

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

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

El impacto regional de la crisis en las remesas

El impacto regional de la crisis en las remesas El mpacto regonal de la crss en las remesas Segundo semnaro naconal de desarrollo: crss y análss regonal 27 de octubre, 2009, FES-Acatlán Marcos Valdva López Centro Regonal de Investgacones Multdscplnaras

Más detalles

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,

Más detalles

La actividad laboral de las mujeres casadas y el desempleo de sus cónyuges Resumen

La actividad laboral de las mujeres casadas y el desempleo de sus cónyuges Resumen La actvdad laboral de las mujeres casadas y el desempleo de sus cónyuges Resumen En este trabajo, se busca analzar la actvdad de las mujeres que vven en pareja y, en partcular, determnar en qué medda el

Más detalles

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo

Más detalles