Tema 7: Regresión Logística p. 1/1
|
|
- José Ramón Figueroa Sáez
- hace 5 años
- Vistas:
Transcripción
1 Tema 7: Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco Tema 7: Regresón Logístca p. /
2 Introduccón Regresón logístca se basa en la funcón logístca: f(z) = +e z 0 < f(z) < puede ser nterpreta en térmnos de probabldad lím z +e z = 0 lím z + +e z = f(0) = +e 0 = 2 Muy usada en Cencas de la Salud: los parámetros tenen una nterpretacón en térmnos de resgo Tema 7: Regresón Logístca p. 2/
3 El modelo logístco Paradgma de regresón logístca: P (C = x) = +e (β 0 +P n = β x ) β 0, β,..., β n son los parámetros, que deben ser estmados a partr de los datos S C es bnara: P (C = 0 x) = + e (β 0+ P n = β x ) P n = e (β 0+ = β x ) + e (β 0+ P n = β x ) Tema 7: Regresón Logístca p. 3/
4 El modelo logístco rsk rato (RR(x, x )) Varables: C Enfermedad Coronara ( s, 0 no); X Nvel de Colesterol ( alto, 0 bajo), X 2 Edad, y X 3 Resultado del Electrocardograma ( anormal, 0 normal) Parámetros (N = 609 casos): c β0 = 3,9 c β = 0,652 c β2 = 0,029 c β3 = 0,342 Comparar el resgo para dos patrones: x = (, 40, 0) y x = (0, 40, 0) P (C = x) = P (C = X =, X 2 = 40, X 3 = 0) = = 0,09 +e ( 3,9 + 0,652() + 0,029(40) + 0,342(0)) P (C = x ) = P (C = X = 0, X 2 = 40, X 3 = 0) = = 0,060 ( 3,9 + 0,652(0) + 0,029(40) + 0,342(0)) +e RR(x, x ) = P (C= x) P (C= x ) = P (C= X =,X 2 =40,X 3 =0) P (C= X =0,X 2 =40,X 3 =0) = 0,09 0,060 =,82 Para una persona con 40 años y electrocardograma normal, el resgo se multplca cas por dos al pasar de un nvel de Colesterol bajo(0) a uno alto () Tema 7: Regresón Logístca p. 4/
5 El modelo logístco odds rato OR(x) = P (C= x) P (C= x) Modelo logístco en forma logt logt (P (C = x)) = ln OR(x) = ln =... = β 0 + n = β x [ ] P (C= x) P (C= x) ln OR(0)) = β 0 x = (, 40, 0), x = (0, 40, 0) logt P (C = x)) = β 0 + β + 40 β β 3 logt P (C = x )) = β β + 40 β β 3 logt P (C = x)) logt P (C = x )) = β Tema 7: Regresón Logístca p. 5/
6 El modelo logístco Teorema: En un modelo de regresón logístca, el coefcente β representa el cambo en el logt resultante al aumentar una undad en la -ésma varable X ( =,..., n) Demostracón: x = (x,..., x,..., x n ) y x = (x,..., x,..., x n) verfcando x j = x j para todo j y x = x + ( ) n n logt (x ) logt (x) = β 0 + β x β 0 + β x = β x β x = β (x + x ) = β = = Tema 7: Regresón Logístca p. 6/
7 El modelo logístco rsk odds rato ROR(x, x) = OR(x ) OR(x) = ep n = β (x x ) Mde el resgo del odds rato de x frente al odds rato de x Puede expresar de manera alternatva como: ROR(x, x) = n = e β (x x ) = e β (x x )... e β n(x n x n ) Tema 7: Regresón Logístca p. 7/
8 Estmacón máxmo verosml de los parámetros Funcón de verosmltud: L (x (), c () ),..., (x (N), c (N) ), β 0, β,..., β n NY = P C = x (j) c (j) P C = x (j) c (j) Logartmo de la verosmltud: lnl (x (), c () ),..., (x (N), c (N) ), β 0, β,..., β n = = c (j) lnp C = x (j) + c (j) ln P C = x (j) = = h c (j) lnp = = C = x (j) ln P c (j) ln P `C = x (j) P `C = x (j) + c (j) β 0 + nx = β x (j)! C = x (j) + ln P ln + e 0 ln P C = x (j) =... β 0 + nx = β x (j)! C A C = x ( Tema 7: Regresón Logístca p. 8/
9 Estmacón máxmo verosml de los parámetros cβ 0, β c,..., β c n, para los parámetros β 0, β,..., β n, como solucones! del sstema: nx β 0 + β x (j) lnl = c (j) e =! = 0 β 0 nx β 0 + β x (j) + e =! nx β 0 + β x (j) lnl = c (j) x (j) β x (j) e =! = 0 nx β 0 + β x (j) + e =..! lnl β n = c (j) x (j) n x (j) n e + e β 0 + β 0 + nx = β x (j) nx = β x (j)! = 0 Tema 7: Regresón Logístca p. 9/
10 Estmacón máxmo verosml de los parámetros No es posble obtener una fórmula cerrada para los estmadores de los parámetros Método de Newton-Raphson (técnca teratva): bβ nuevo = b β vejo + (X t WX) X t (c bp) X M(N, n) matrz cuyas flas son x (j), j =,..., N 0 p () ` p () p (2) ` p (2)... 0 W = p (N) ` p (N) C A bp M(N, ), con p (j) = e x (j) b β vejo x (j) b β vejo + e c M(N, ) vector de componentes c (j), j =,..., N Tema 7: Regresón Logístca p. 0/
11 Test de la razón de verosmltud Compara dos modelos de regresón logístca: el modelo completo frente al modelo reducdo submodelo del completo El test de la razón de verosmltud compara 2 veces el logartmo neperano de un cocente entre las verosmltudes del modelo completo y el modelo reducdo, con el percentl correspondente de una dstrbucón ch-cuadrado Hpótess nula: los parámetros de las varables que forman parte del modelo completo, pero no del modelo reducdo, valen cero Tema 7: Regresón Logístca p. /
12 Test de la razón de verosmltud Modelo : logt P (C = x) = α + β x + β 2 x 2 Modelo 2: logt P 2 (C = x) = α + β x + β 2 x 2 + β 3 x 3 Modelo 3: logt P 3 (C = x) = α + β x + β 2 x 2 + β 3 x 3 + β 4 x x 3 + β 5 x 2 x 3 Modelo modelo reducdo frente al Modelo 2 modelo completo Modelo 2 modelo reducdo frente al Modelo 3 modelo completo Tema 7: Regresón Logístca p. 2/
13 Test de la razón de verosmltud Modelo : logt P (C = x) = α + β x + β 2 x 2 Modelo 2: logt P 2 (C = x) = α + β x + β 2 x 2 + β 3 x 3 H 0 : β 3 = 0 frente a H : β 3 0 S X3 hace que el Modelo 2 se ajuste mucho mejor a los datos que el Modelo entonces c L 2 será mucho mayor que c L = c L cl 2 0 = ln c L cl 2 = 2ln c L cl 2 + Cuanto mayor sea el valor de 2ln c L cl 2 más en contra estaremos de la hpótess nula H 0 : β 3 = 0 2ln c L cl 2 sgue cuando N es sufcentemente grande bajo la hpótess nula H 0 una dstrbucón de probabldad χ 2 r, con r gual al número de parámetros que en el modelo completo deben gualarse a cero para que dcho modelo completo concda con el modelo reducdo Tema 7: Regresón Logístca p. 3/
14 El test de Wald Sólo puede ser usado para testar un únco parámetro: H 0 : β j = 0 frente a H A : β j 0 Váldo para testar el Modelo 2 frente al Modelo. No srve para testar el Modelo 3 frente al Modelo 2 Estadístco de Wald para la varable X j : β j Ŝ βj Se verfca que β j N (0, ) o lo que es equvalente, ( βj Ŝ βj ) 2 χ 2 Ŝ βj Tema 7: Regresón Logístca p. 4/
15 Modelzacón El test de la razón de verosmltud como el test de Wald son nstrumentos para la modelzacón S la enumeracón completa de todos los modelos posbles es costosa, se utlzan estrategas secuencales de modelzacón a) Seleccón haca adelante: en cada etapa se añade la mejor varable predctora aún no selecconada b) Elmnacón haca atrás: partendo del conjunto completo de varables predctoras, se va elmnando en cada etapa la peor varable predctora hasta que las varables que quedan en el modelo son todas ellas pertnentes c) Modelzacón paso a paso: se combnan las dos estrategas anterores Tema 7: Regresón Logístca p. 5/
1 + e z. 1 + e. 1 + e = 1 0 2
Tema 7. Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco Euskal Herrko Unbertstatea 7. Introduccón En
Más detallesTema 13: Regresión Logística p. 1/20 Tema 13: Regresión Logística Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del
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 detallesTema 13. Regresión Logística
Tema 13. Regresión Logística Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Euskal Herriko Unibertsitatea
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más 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 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 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 detallesTEMA 5: MODELOS DE REPARTO MODAL - LOGIT BINARIO
TEMA 5: MODELOS DE REPARTO MODAL - LOGIT BINARIO Datos de Agrest (pp.305) relatvas a accdentes en el estado de Mane (EEUU) durante 1991. Son un total de 68694 accdentes de coche, los datos se clasfcan
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más 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 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 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 detallesAnálisis 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 detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 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 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 detallesControl de la exactitud posicional por medio de tolerancias
Control de la exacttud posconal por medo de tolerancas Francsco Javer Arza López José Rodríguez-Av María Vrtudes Alba Fernández Plan Estatal de Investgacón Centífca y Técnca y de Innovacón 2013-2016. Ref.:
Más detallesHeight (altura) Extraction (extracción)
Regresón Posson Resumen El procedmento Regresón Posson está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado relacona Y con
Más detallesRegresión Binomial Negativa
Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado
Más detallesRiesgos Proporcionales de Cox
Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecunddad y su relacón con varables socoeconómcas, demográfcas y educatvas aplcando el Modelo de Regresón
Más detallesRegresión 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 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 detallesDetección Bayesiana de Efectos Activos en Experimentos Factoriales con Respuesta Dicotómica.
DETECCIÓN BayesanA DE EFECTOS ACTIVOS RESPUESTA BINOMIAL Deteccón Bayesana de Efectos Actvos en Expermentos Factorales con Respuesta Dcotómca. XXI Foro Naconal de Estadístca AME y Unversdad Autónoma de
Más detallesREGRESIÓN LOGISTICA Índice
REGRESIÓN LOGISTICA Índce. OBJETIVOS.... INTRODUCCIÓN AL MODELO DE REGRESIÓN LOGÍSTICA... 3. INTRODUCCIÓN A LA SELECCIÓN DE VARIABLES... 4. CONCEPTO DE REGRESIÓN LOGÍSTICA... 4 4..Regresón logístca bnara...
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 detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
Más detallesTema 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 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 detallesRegresión Logística. StatFolio Muestra: logistic.sgp
Regresón Logístca Resumen El procedmento de Regresón Logístca está dseñado para ajustarse a un modelo de regresón en el que la varable dependente Y caracterza un evento con sólo dos posbles resultados.
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detalles( ) 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 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 detallesMODELOS 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 detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más 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 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 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 detallesTutorial para la estimación de modelos Logit y Probit en Easyreg. Julio César Alonso C.
Tutoral para la estmacón de modelos Logt y Probt en Easyreg Julo César Alonso C. No. 19 Juno de 2009 APUNTES DE ECONOMÍA ISSN 1794-029X No. 19, Juno de 2009 Edtor Julo César Alonso C. jcalonso@ces.edu.co
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 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 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 detallesRECETA 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 detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesFísica Estadística. Tercer curso del Grado en Física. J. Largo & J.R. Solana. Departamento de Física Aplicada Universidad de Cantabria
Tercer curso del Grado en Físca largoju at uncan.es J. Largo & J.R. Solana solanajr at uncan.es Departamento de Físca Aplcada Unversdad de Cantabra Indce I Estadstcas Dstrbucones para los sstemas cuántcos
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 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 detallesModelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.
Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)
Más detallesÍndice. Tema 8: Teoría de la Respuesta al Ítem (2). 1. La estimación de los parámetros de los modelos
Tema 8: Teoría de la Respuesta al Ítem (2). Índce. La estmacón de los parámetros de los modelos 2. Estmacón de la habldad: Método de Máxma Verosmltud 3. Estmacón de los parámetros de los tems o calbracón
Más detallesRegresión múltiple k k
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.
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 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 detallesErratas y modificaciones
Erratas y modfcacones Págna 39 Tabla fnal: Dce: Expermental T Debe decr: Expermental T Págna 40 Tabla comenzo: Dce: T 0 Debe decr: T Dce: 3 T Debe decr: 3 T Págna 05 Párrafo : Debe qutarse el acento de
Más 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 detallesMODELOS DE ELECCIÓN DISCRETA APLICADOS A LA ESTIMACIÓN DE LA DISTRIBUCIÓN GEOGRÁFICA DE LOS INTERCAMBIOS COMERCIALES EN ANDALUCÍA (*)
MODELOS DE ELECCIÓN DISCRETA APLICADOS A LA ESTIMACIÓN DE LA DISTRIBUCIÓN GEOGRÁFICA DE LOS INTERCAMBIOS COMERCIALES EN ANDALUCÍA (*) José Ignaco Enríquez Luque Dra. Flor María Guerrero Casas José Antono
Más detallesEDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño
EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste
Más detallesDepartamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011
Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se
Más detallesTest de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa
Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No
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 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 detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Fundada en 1551
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Fundada en 55 FACULTAD DE CIENCIAS MATEMÁTICAS EAP DE ESTADÍSTICA ESTIMACIÓN DE LA OCURRENCIA DE INCIDENCIAS EN DECLARACIONES DE PÓLIZAS DE IMPORTACIÓN INFORME
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 detallesSoftmax Fernando Berzal,
Softma Fernando Berzal, berzal@acm.org Softma El uso del error cuadrátco como medda de error tene algunos nconvenentes: S la salda deseada es la salda actual es 0.00000 el gradente es práctcamente 0, por
Más detallesCAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS
CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos
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 detallesi = 1, 2,..., N Ecuación 1
9 apítulo III. ANÁLISIS DE REGRESIÓN Este capítulo trata de dar una vsón general de las técncas de análss de regresón, en partcular de las utlzadas en casos donde las respuestas son cualtatvas. El análss
Más detalles14. Contrastes no paramétricos
14. Contrastes no paramétrcos 1 Contrastes no paramétrcos En la leccón anteror nos hemos ocupado de contrastes paramétrcos. Determnábamos la plausbldad de certas hpótess sobre los valores de parámetros
Más detallesTema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema
Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas
Más detallesCURSO 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 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 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 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 detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más 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 detallesUnidad 17 Distribuciones de probabilidad. Distribuciones binomial y normal
Undad 7 Dstrbucones de probabldad. Dstrbucones bnomal y normal PÁGINA 89 SOLUCIONES. La probabldad es: 4 P(V y M) = = 8. Sabemos que P( Defectuoso) = 0,05. El número de chps que cabe esperar defectuosos
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesTEMA 4. Modelos para Datos Censurados y de Selección Muestral.
TEMA 4. Modelos para Datos Censurados y de Seleccón Muestral. Profesor: Pedro Albarrán Pérez Unversdad de Alcante. Curso 2010/2011. Contendo 1 Introduccón 2 Modelo Tobt Introduccón Estmacón por Máxma Verosmltud
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS AGRARIAS Y FORESTALES. CURSO: Modelos Lineales Generalizados Aplicados a las Ciencias Biológicas
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS AGRARIAS Y FORESTALES CURSO: Modelos Lneales Generalzados Aplcados a las Cencas Bológcas MATERIAL DE APOYO Notas sobre Modelos Lneales Generalzados:
Más detallesAnálisis de supervivencia
Tempo a un evento Curso de Análss de Supervvenca Víctor Abrara 1 Análss de supervvenca Conjunto de técncas que permten estudar la varable tempo hasta que ocurre un evento y su dependenca de otras posbles
Más detallesENUNCIADOS 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 detallesInstrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesUSOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES
Unversdad de San Andrés Departamento de Economía Econometría Semestre de otoño USOS Y ETENSIONES DEL MODELO LINEAL CON K VARIABLES Marana Marchonn marana@depeco.econo.unlp.edu.ar Varables explcatvas bnaras
Más 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 detallesCAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica
CAPÍTULO III. METODOLOGÍA 1 III.1 Evaluacón del pelgro sísmco La determnacón drecta del pelgro sísmco rara vez se puede hacer debdo a la falta de nformacón en cuanto a las aceleracones que se han producdo
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 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 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 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 detallesPronósticos. 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 detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesTEMA 1.- CONCEPTOS BÁSICOS
TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.
Más detallesMODELOS SEMIPARAMÉTRICOS PARA DATOS LONGITUDINALES: COMPORTAMIENTO DE LOS ESTIMADORES DE UN MODELO DE RE- GRESIÓN PARA MUESTRAS PEQUEÑAS
Servy, Elsa Garca, María del Carmen Var, Emlse Instuto de Investgacones Teórcas y Aplcadas, de la Escuela de Estadístca MODELOS SEMIPARAMÉTRICOS PARA DATOS LONGITUDINALES: COMPORTAMIENTO DE LOS ESTIMADORES
Más detallesFactores que inciden sobre la posibilidad de una desaceleración económica en Puerto Rico. Resumen
Factores que ncden sobre la posbldad de una desaceleracón económca en Puerto Rco Carlos A. Rodríguez * Resumen La evolucón de la economía de Puerto Rco se ha caracterzado por un largo perodo de nestabldad
Más detallesTema 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 detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesTema 8: Heteroscedasticidad
Tema 8: Heteroscedastcdad Máxmo Camacho Máxmo Camacho Econometría I - ADE+D / - Tema 8 Heteroscedastcdad Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema : El modelo de regresón
Más detalles