Regresión múltiple k k
|
|
- Adrián Redondo Toro
- hace 5 años
- Vistas:
Transcripción
1 Métodos de Regresón Estadístca Ismael Sánchez Borrego Regresón múltple El modelo de regresón múltple es la extensón a k varables explcatvas del modelo de regresón smple estudado en el apartado anteror. En general, una varable de nterés y depende de varas varables x1,, xk y no sólo de una úncavarable de predccón x. Por ejemplo, para estudar la varacón del preco de una vvenda, parece razonable consderarmás de una varable explcatva, como pueden ser el preco del suelo, la superfce del pso, el número de cuartos de baño, la edad de la vvenda, etc. Además de las varables observables, la varablede nterés puede depender de otras desconocdas para el nvestgador. Un modelo de regresón representa el efecto de estas varables en lo que se conoce como error aleatoro o perturbacón. S suponemos un modelo de regresón teórco en el que las varables se pueden relaconar medante una funcón de tpo lneal, éste puede escrbrse y = β + β x + β x + + β x + ε, k k donde β 0, β1,, β kson los parámetros desconocdos que vamos a estmar y ε es el error aleatoro o perturbacón. y es la varable de nterés que queremos predecr, tambén llamada varable respuesta o varable dependente. Las varables x1,, x se llaman varables k ndependentes, explcatvas o de predccón. El error ε representa el efecto de todas las varables que pueden afectar a la varable dependente y no están ncludas en el modelo de regresón. Algunos ejemplos de modelos de regresón múltple pueden ser: El consumo de combustble de un vehículo, cuya varacón puede ser explcada por la velocdad meda del msmo y por eltpo de carretera. Podemos nclur en el térmno de error, varables como el efecto del conductor, las condcones meteorológcas, etc. El presupuesto de una unversdad, cuya varacón puede serexplcada por el número de alumnos. Tambén podríamos consderar en el modelo varables como el número de profesores, el número de laboratoros, la superfce dsponble de nstalacones, personal de admnstracón, etc. S se desea explcar los valores de una varable aleatora y, medante k varables, que a su vez toman n valores, tenemos entonces y = β + β x + β x + + β x + ε, = 1,, n k k
2 Métodos de Regresón Estadístca Ismael Sçanchez Borrego Las perturbacones deben verfcar las sguentes hpótess: Su esperanza es cero Su varanza es constante Son ndependentes entre sí Su dstrbucón es normal Los parámetros desconocdos son estmados por mínmos cuadrados, resultando la ecuacón estmada de regresón dada por y = ˆ β + ˆ β x + ˆ β x + + ˆ β x + ε, k k donde cada coefcente ˆβ representa el efecto sobre la respuesta cuando la varable aumenta en una undad y las demás varables permanecen constantes. Puede nterpretarse como el efecto dferencal de esta varable sobre la varable respuesta cuando controlamos los efectos de las otras varables. βˆ0 es el valor de la respuesta ajustada cuando todas las varables explcatvas toman el valor cero. Descomposcón de la varabldad y contrastes de hpótess La varabldad de la respuesta puede descomponerse de gual forma que en regresón smple Esta descomposcón la notamos por: y y = (y ŷ ) + (ŷ y) SCT = SCE + SCR eg, donde SCT es la suma de cuadrados total y representa la varabldad total, SCR eg es la suma de cuadrados de la regresón y representa la varabldad explcada por el modelo de regresón. SCE es la suma de cuadrados resdual y representa la varabldad que queda sn explcar. Esta descomposcón se resume en la sguente tabla Tabla ANOVA Fuente de varacón Suma de cuadrados t t t Regresón ( ) Error g.l. B X Y 1 y k = m 1 n t t Y Y B X t Total ( ) t Y n m Y Y 1 y n 1 n Cuadrados medos S. C. R. m 1 S. C. E n m F exp F S. C. R. = m 1 S. C. E. n m
3 Métodos de Regresón Estadístca Ismael Sánchez Borrego El valor del estadístco F exp permte resolver el contraste de regresón, dado por H0 : β1 = β = = βk = 0 H1 : β j 0 para algún j = 1,, k Fjado un nvel de sgnfcacón α se rechaza H0 s Fexp > F α, k, n k 1. En la práctcaspss proporcona el p-valor o nvel mínmo desgnfcacón para el rechazo de H 0, que permte resolver elcontraste de hpótess fjado un nvel de sgnfcacón. S p valor < α, entonces se rechaza H0 S p valor α, entonces no se rechaza H0 S estamos nteresados en estudar el efecto ndvdual de una varable explcatva sobre la varable respuesta se consdera el sguente contraste H 0 : β = 0 H 1 : β 0 En este caso el estadístco de contraste sgue una F de Snedecor con 1 y n k 1grados de lbertad. Este contraste es equvalenteal contraste de regresón con una únca varable explcatva, estudado en el apartado anteror. El rechazo de la hpótess nula mplca admtr la valdez de la varable explcatva x para predecr la varable de nterés y. Coefcente de determnacón Para construr una medda descrptva del ajuste global de un modelo de regresón se emplea el coefcente de determnacón, dado por SCR... SCE... R = = 1. SCT... SCT... R representa la proporcón de varacón de y explcada por el modelo de regresón. Por construccón, es evdente que 0 R 1. S R = 1entonces SCR eg =SCT, por lo que toda la varacón de y es explcada por el modelo de regresón. S R = 0 entonces SCT=SCE, por loque toda la varacón de y queda sn explcar. En general, cuanto más próxmo esté a 1, mayor es la varacón de y explcada por el modelo de regresón.
4 Métodos de Regresón Estadístca Ismael Sánchez Borrego Sn embargo, en regresón múltple, el coefcente dedetermnacón presenta el nconvenente de que su valor aumentaal añadr nuevas varables al modelo de regresón, ndependentemente de que éstas contrbuyan de forma sgnfcatvaa la explcacón de la varable respuesta. Para evtar un aumentonjustfcado de este coefcente, se ntroduce el coefcente dedetermnacón corregdo, que notamos por R y que se obtene a partr de R en la forma R = 1 n k 1 ( y y) e n 1 Este coefcente no aumenta su valor cuando se añadennuevas varables, sno que en caso de añadr varables superfluasal modelo, el valor de R dsmnuye consderablemente respecto al valor del coefcente R. 4
5 Métodos de Regresón Estadístca Ismael Sánchez Borrego Ejercco: Una empresa fabrcante de cereales para el desayuno desea conocer la ecuacón que permta predecr las ventas (en mles de euros) en funcón de los gastos en publcdad nfantl en televsón (en mles de euros), la nversón en publcdad en rado (en mles de euros) y la nversón en publcdad en los peródcos (en mles de euros). Se realza un estudo en el que se reúnen los datos mensuales correspondentes a los últmos 0 meses. Estos datos aparecen en la sguente tabla Ventas Pub. en tv Pub. en rado Pub. en per. 10,0 1,30 56,40 1,0 1,40 55,40 11,0 1,50 60,4 13,0 1,70 65,50 1,0 1,75 69,40 14,0 1,30 67,44 16,0 1,45 68,40 1,0,90 67,44 14,0,80 97,46 11,0,90 66,46 10,0,80 65,45 19,0 1, ,10 8,5 1,70 70,30 8,0 1,80 110,50 9,0 1,85 75,45 13,0 1,90 80,40 16,0,00 85,80 18,0,00 90,90 0,0 1,30 56,90,0 1, ,10 Se pde: a) Ajustar un modelo de regresón lneal múltple. Obtener una estmacón de los parámetros del modelo y su nterpretacón b) Contrastar la sgnfcacón del modelo propuesto. c) Puede elmnarse alguna varable del modelo? Realza los contrastes de sgnfcacón ndvduales d) Coefcente de determnacón y de determnacón corregdo
6 Métodos de Regresón Estadístca Ismael Sánchez Borrego Solucón: a) Ajustar un modelo de regresón lneal múltple. Obtener una estmacón de los parámetros del modelo y su nterpretacón Notamos ventas, publ_tv, publ_rad y publ_per las varables que ntervenen en el ejercco. La varable ventas es la varable dependente, mentras que publ_tv, publ_rad y publ_per son las varables explcatvas. Introducmos dchas varables en la Vsta de Varables de SPSS, como se muestra Ajustamos un modelo de regresón que responde a una expresón deltpo: y = β + β x + β x + β x + ε, donde y representa las ventas de cereales (en mles de euros), x1es la publcdad en televsón (en mles de euros), xes el coste de la publcdad en rado (en mles de euros) y x 3 es la publcdad en peródcos (en mles de euros). De nuevo, los parámetros desconocdos β 0, β 1, β y β3 cuadrados. La ecuacón estmada de regresón está dada por: son estmados por mínmos ŷ = ˆ β + ˆ β x + ˆ β x + ˆ β x El valor 0 ˆβ es el valor de la respuesta ajustada cuando todas las varables predctvas tenen un valor gual a cero. Cada ˆ β = 1,,3representa el cambo en la respuesta estmada para un aumento gual a una undad de la correspondente varable xcuando todas las demás varables ndependentes se mantenen constantes. Para obtener dchas estmacones medante el paquete SPSS selecconamos Analzar -> Regresón -> Lneales. 6
7 Métodos de Regresón Estadístca Ismael Sánchez Borrego Se ntroducen las tres varables explcatvas en el campo Varables Independentes y la varable ventas en el campo Varable Dependente, como muestra la sguente fgura. Se pulsa Aceptar y se obtene como resultado la sguente salda del programa
8 Métodos de Regresón Estadístca Ismael Sánchez Borrego En esta fgura aparecen los parámetros estmados de regresón ˆ β 0 =.108, ˆ β 1 = 3.43, ˆ β = y ˆ β 3 = La ecuacón de regresón ajustada está dada por: yˆ = x x x. 1 3 Las ventas estmadas son guales a 108 euros s no se produce nversón en publcdad (n en televsón, n en rado n en peródcos). Por cada ml euros nvertdos en publcdad en televsón las ventas esperadas aumentan en 343 euros, supuesto que permanecen constantes las otras varables. Por cada ml euros nvertdos en publcdad en rado, las ventas estmadas aumentan úncamente en 1 euro, suponendo que se mantenen constantes las otras varables ndependentes. Por cada ml euros nvertdos en publcdad en peródcos se produce un ncremento en las ventas esperadas de euros, supuestas constantes las restantes varables predctvas. A la vsta de estos resultados parece recomendable la nversón en publcdad en peródcos frente a la publcdad en televsón o en rado. b) Contrastar la sgnfcacón del modelo propuesto. El contraste de sgnfcacón del modelo de regresón permte verfcar s nnguna varable explcatva es válda para la predccón de la varable de nterés. Este contraste puede escrbrse 8
9 Métodos de Regresón Estadístca Ismael Sánchez Borrego H H : β = β = β = 0 : al menos un β 0 = 1,,3. El p-valor asocado a este contraste aparece en la tabla ANOVA: El p-valor asocado al contraste es menor que α = 0.05, por lo que rechazamos la hpótess nula. Esto mplca que al menos una de las varables ndependentes contrbuye de forma sgnfcatva a la explcacón de la varable respuesta. c) Puede elmnarse alguna varable del modelo? Realza los contrastes de sgnfcacón ndvduales En la sguente salda de SPSS aparecen los p-valores asocados a los contrastes de regresón ndvduales Realzamos tres contrastes de hpótess, uno para cada coefcente que acompaña a cada varable explcatva ( = 1,,3) H 0 : β = 0 H 1 : β 0 = 1,,3.
10 Métodos de Regresón Estadístca Ismael Sánchez Borrego Para la varable publ_rado, p-valor = >α = 0.05, por lo que no rechazamos la hpótess nula de sgnfcacón de la varable publ_rado. Esta varable no es válda para predecr las ventas de cereales y por tanto puede ser elmnada del modelo. d) Coefcente de determnacón y de determnacón corregdo El coefcente de determnacón es gual a 0.83 y el coefcente de determnacón corregdo es gual a 0,801. En este caso no se aprecan grandes dferencas entre los dos coefcentes R y R. El 83. % de la varacón en las ventas de cereales se explcan por su relacón lneal con el modelo propuesto. El valor del coefcente de determnacón es satsfactoro. 10
11 Métodos de Regresón Estadístca Ismael Sánchez Borrego Ejerccos propuestos Ejercco 1: La sguente tabla muestra la cantdad de gasolna y (en porcentaje con respecto a la cantdad del petróleo en crudo). Se quere expresar como combnacón lneal de cuatro varables: x 1, gravedad del crudo, x, presón del vapor del crudo, x 3, temperatura para la cual se ha evaporado un 10% y x 4, temperatura para la cual se ha evaporado el 100%, a partr de los sguentes datos: Y X 1 X X 3 X Se pde: a) Ajustar un modelo de regresón lneal múltple. Obtener una estmacón de los parámetros del modelo y su nterpretacón b) Contrastar la sgnfcacón del modelo propuesto. c) Puede elmnarse alguna varable del modelo? Razona la respuesta d) Coefcente de determnacón y de determnacón corregdo
12 Métodos de Regresón Estadístca Ismael Sánchez Borrego Ejercco : Se pretende estudar la posble relacón lneal entre el preco de psos en mles de euros, en una conocda cudad española y varables como la superfce en m y la antgüedad del nmueble en años. Para ello, se realza un estudo, en el que se seleccona de forma aleatora una muestra estratfcada representatva de los dstntos barros de la cudad. Los datos aparecen en la sguente tabla. Preco Superfce Antgüedad Se pde: a) Ajustar un modelo de regresón lneal múltple. Obtener una estmacón de los parámetros del modelo y su nterpretacón b) Contrastar la sgnfcacón del modelo propuesto. c) Puede elmnarse alguna varable del modelo? Razona la respuesta d) Coefcente de determnacón y de determnacón corregdo. Interpretacón. 11
13 Métodos de Regresón Estadístca Ismael Sánchez Borrego Ejercco 3: Salsberry Realty vende casas en la costa este de Estados Undos. Una de las preguntas más habtuales de los potencales compradores es: s compramos esta casa, cuánto gastaremos en calefaccón durante el nverno?. Para contestar esa pregunta de forma satsfactora, el departamento de nvestgacón de dcha compañía realzó un estudo en el que se pretende relaconar lnealmente el coste de la calefaccón en dólares, con las varables temperatura meda externa en grados Fahrenhet, el aslamento del átco en pulgadas y la antgüedad del calentador en años. Los datos se muestran en la sguente tabla. Casa Coste calefaccón Temperatura Aslamento Antgüedad Se pde: a) Ajustar un modelo de regresón lneal múltple. Obtener una estmacón de los parámetros del modelo y su nterpretacón b) Contrastar la sgnfcacón del modelo propuesto. c) Cuánto será el coste estmado de la calefaccón para una casa con temperatura meda externa de 40ºF, 6 pulgadas de aslamento y 5 años de antgüedad? d) Puede elmnarse alguna varable del modelo? Razona la respuesta e) Coefcente de determnacón y de determnacón corregdo. Interpretacón.
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 detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesEspecialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco
Más detallesEXPERIMENTACIÓN 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 detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesEJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:
EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
Más detallesTema 2.- Regresión lineal múltiple (I) Introducción 2.2. Especificación del modelo de regresión lineal múltiple. 2.3.
Tema.- Regresón lneal múltple (I)... Introduccón.. Especfcacón del modelo de regresón lneal múltple..3. Estmacón de los parámetros del modelo por mínmos cuadrados..4. Interpretacón de la ecuacón de regresón..5.
Más detallesLección 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 detallesRelación 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 detallesExamen Final de Econometría Grado
Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón
Más detallesAnálisis cuantitativo aplicado al Comercio Internacional y el Transporte
Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detallesMétodos Estadísticos por Ordenador Curso
Métodos Estadísticos por Ordenador Curso 013-014 Tema : Métodos de Regresión Estadística.1 Regresión simple El objetivo del Análisis de regresión es determinar una función matemática sencilla que describa
Más detallesEl Impacto de las Remesas en el PIB y el Consumo en México, 2015
El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como
Más detallesDISEÑO COMPLETAMENTE ALEATORIZADO
DISEÑO COMPLETAMENTE ALEATORIZADO yj µ + τ + uj ; :,..., I ; j:,..., n µ : Meda general ; τ : Efecto del tratamento esmo u j : Errores expermentales HIPOTESIS DEL MODELO La meda sea cero: La varanza sea
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesTema 2: El modelo clásico de regresión
CURSO 010/011 Tema : El modelo clásco de regresón Aránzazu de Juan Fernández ECONOMETRÍA I ESQUEMA DEL TEMA Presentacón del modelo Hpótess del modelo Estmacón MCO Propedades algebracas de los estmadores
Más detallesModelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Unversdad Austral de Chle Escuela de Ingenería Comercal ICPM050, Econometría Clase 03 Modelo Lneal Múltple Profesor: Carlos R. Ptta Econometría, Prof. Carlos R. Ptta, Unversdad Austral de Chle. Análss
Más detallesEjercicios 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 detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesSolución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal
Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B
Más detallese 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 detallesEJERCICIOS: 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 detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesDISTRIBUCIONES 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 detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesSolución Taller No. 10 Econometría II Prof. Bernal
Solucón Taller No. 0 Econometría 2007 II Prof. Bernal. a. El modelo que hay que estmar es el sguente: partcpa = B + B edad _ nno + B genero _ nno + B * edad _ mama + B secundara + B casada + B trabaja
Más detallesT. 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 detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesRelaciones 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 detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesllamadas variables independientes, d e es, tomando valores en R las p+1 variables consideradas.
Análss de Regresón Lneal Mª Dolores Cubles de la Vega Departamento de Estadístca e Investgacón Operatva Unversdad de Sevlla El Análss de Regresón es un conjunto de técncas estadístcas cuyo objetvo es nvestgar
Más detallesTema 3: Procedimientos de Constrastación y Selección de Modelos
Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes
Más detalles3. 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 detallesTODO ECONOMETRIA. Variables cualitativas
TODO ECONOMETRIA Varables cualtatvas Índce Defncón de las varables dummy (o varables fctcas) Regresón con varables explcatvas dummy Varables dummy S queremos estudar s los hombres ganan más que las mujeres,
Más detallesEJERCICIOS 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 detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesLas 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 detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detalles) para toda permutación (p p 1 p
09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de
Más detallesObjetivos. 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 detallesPUBLICACIONES DE 4º CURSO
PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesEstadística con R. Modelo Probabilístico Lineal
Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S
Más detallesTRABAJO 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 detalles1.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 detallesModelos 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 detallesCASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS)
Caso 6: Calbrado para fosfato y predccón nversa 43 Caso 6 : Calbrado para fosfato y predccón nversa (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS) CASO PRÁCTICO Al hacer calbrados con
Más detallesEL 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 detallesMedidas 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 detallesESTADÍSTICA 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 detallesDonde y representa la altura de los estudiantes y x la media de las alturas de sus padres
Regresón smple y múltple 1. A partr de la sguente tabla de datos, Y 4 5 7 1 X 1 4 5 6 Estmar la regresón Y = +X + Solucón Basta calcular, Y X y x x y x 4 1-3 -3 9 9 5 4-0 0 0 7 5 0 1 0 1 1 6 5 10 4 Suma
Más detallesLo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.
Capítulo : Comparacón de varos tratamentos o grupos Muchas preguntas de nvestgacón en educacón, pscología, negocos, ndustra y cencas naturales tenen que ver con la comparacón de varos grupos o tratamentos.
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesEconometría. 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 detallesCorrelación 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 detallesH 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 detallesCapítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende
Más detalles3. Asociación, Correlación y Regresión Lineal
3. Asocacón, Correlacón y Regresón Lneal 3 3.. Asocacón y Causaldad Algunos sucesos o crcunstancas tenden a segur a otros cuando ocurren en el tempo. varos de estos sucesos que ocurren repetdamente en
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesUn ejemplo de Análisis Factorial de Correspondencias
Estadístca Anàls de Dades (curs 001-00) Un ejemplo de Análss Factoral de Correspondencas Se trata de estudar la estructura de las ventas de una empresa que dstrbuye 10 productos en 8 mercados. Para ello
Más detallesTema 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 detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesModelo de Variables Instrumentales
Modelo de Varables Instrumentales Contraste de endogenedad El estmador de MCE es menos efcente que el de MCO cuando las varables explcatvas son exógenas. Las estmacones de MCE pueden tener errores estándar
Más detallesEXPERIMENTOS ANIDADOS O JERARQUICOS NESTED
EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles
Más detallesResolución. 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 detallesPrueba de Evaluación Continua
Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallestruncación 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 detallesDiseño y Análisis de Experimentos en el SPSS 1
Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se
Más detallesTema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación
Tema 5: Incumplmento de las Hpótess sobre el Térmno de Perturbacón TEMA 5: INCMPLIMIENTO DE LAS HIPÓTESIS SOBRE EL TÉRMINO DE PERTRBACIÓN 5.) Introduccón 5.) El Modelo de Regresón Lneal Generalzado 5.3)
Más detallesEstadísticos 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 detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesTM 6. ESPECIFICACION DE LA FORMA FUNCIONAL DE LA ECUACION. 1. ESPECIFICACIONES LINEALES DE LAS VARIABLES EXPLICATIVAS
TM 6. ESPECIFICACION DE LA FORMA FUNCIONAL DE LA ECUACION.. ESPECIFICACIONES LINEALES DE LAS VARIABLES EPLICATIVAS. ESPECIFICACION CUADRATICA 3. ESPECIFICACION LINEAL O CUADRATICA CON ALGUN TERMINO DE
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesPrueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A
Prueba de Inferenca Estadístca y Contraste de Hpótess 8 de octubre de 01 GRUPO A 1.- Se ha observado un ángulo cnco veces, obtenéndose los sguentes valores: Se pde: 65º5 ; 65º33 ; 65º3 ; 65º8 ; 65º7 a)
Más detallesMUESTREO 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 detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesINTRODUCTION TO ECONOMETRICS
INTRODUCTION TO ECONOMETRICS Abstract Econometrcs s one of the most mportant applcatons to the mathematcal statstcs and a fundamental tool n the economc research and n the desgn and analyss of economc
Más detallesTema 5: PROBLEMAS EN LA ESTIMACIÓN DEL MODELO DE REGRESIÓN LINEAL SIMPLE
Introduccón a la Econometría Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO DE REGRESIÓ LIEAL SIMPLE. Problemas en la especfcacón del modelo. La prmera etapa de
Más detallesEL MODELO DE REGRESIÓN LINEAL SIMPLE
Unversdad Carlos III de Madrd César Alonso ECONOMETRIA EL MODELO DE REGRESIÓN LINEAL SIMLE Índce 1. Relacones empírcas y teórcas......................... 1 2. Conceptos prevos................................
Más detallesANÁLISIS 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 detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesVariables 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 detalles1.-Especificaciones lineales de las variables explicativas
Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno
Más detalles