UNA APROXIMACIÓN AL VALOR DEL SUELO HABITACIONAL EN LA CIUDAD DE HERMOSILLO, SONORA. Ing. Minerva Hernández Gutiérrez Dr. Jesús Quintana Pacheco
|
|
- María Teresa Contreras Jiménez
- hace 5 años
- Vistas:
Transcripción
1 UNA APROXIMACIÓN AL VALOR DEL SUELO HABITACIONAL EN LA CIUDAD DE HERMOSILLO, SONORA. Ing. Minerva Hernández Gutiérrez Dr. Jesús Quintana Pacheco Marzo, 2015
2 Valor Valor de uso: Grado de utilidad o aptitud de las cosas para satisfacer las necesidades o proporcionar bienestar o deleite. Valor del intercambio: Cualidad de las cosas, en virtud de la cual se da por poseerlas cierta suma de dinero o equivalente.
3 Objetivos Objetivo Principal: Definir los elementos de la economía urbana que proporcionan valor al suelo habitacional, como es la accesibilidad, el entorno urbanizado y la jerarquía social. Objetivos Secundarios: Estimar la influencia de los diferentes elementos de valor en el suelo urbano habitacional. Obtener modelos que expliquen el comportamiento del valor del suelo urbano habitacional.
4 Valor del suelo Elementos que proporcionan valor al suelo : Intrínsecos: Propios del bien. Superficie Forma Topografía Ubicación en la manzana Extrínsecos: Externos pero que tienen influencia. Distancias al centro urbano Calidad de la construcción colindante Calidad de la urbanización Nivel de ingresos Nivel de educación
5 Valor del Suelo Estos elementos se pueden agrupar como: Accesibilidad Distancia a centro comercial Distancia a centros de educación Distancia al centro de la ciudad Entorno Equipamiento urbano Calidad de las construcciones circundantes Vistas panorámicas Jerarquía Social Educación Nivel de ingresos Tipo de trabajo
6 Proyecto: Estructura del Valor del Suelo Integrar un Sistema de Información Geográfico. SIG. Análisis Estadístico del Comportamiento del Valor del Suelo. Análisis Geo Estadístico del Valor del Suelo
7 Área de Estudio Hermosillo, capital del estado de Sonora, localizada en la región noroeste de la Republica Mexicana, sus coordenadas: Latitud N, Longitud O Altitud 210 msnm Características Principales: Población de 784,342 Mancha urbana de 161 km2 Lotes urbanos baldíos 37% Otra
8 Bases de Datos Valores de Mercado: Se constituyen a partir de información recolectada en el mercado de suelo urbano de la Ciudad de Hermosillo Catastro Municipal de Hermosillo Valores del suelo de COVAPROES :
9 Unidad de Análisis Unidad de análisis.- en este estudio se utiliza el área geográfica básica urbana, definida por INEGI. Las AGEBs son áreas geográficas construidas con fines operativos censales. Son de mucho menor dimensión tanto territorial como poblacional respecto al municipio, y se forman a partir de las localidades. La ciudad de Hermosillo cuenta con 500 AGEBs
10 Base de datos de mercado de valores del suelo La representación del valor de mercado del suelo esta representada con valores puntuales de ofertas, operaciones y avalúos del mercado de suelo habitacional. En la gráfica se representan los 426 datos distribuidos en base a sus coordenadas.
11 Promedio de valores por Agebs De los 500 Agebs establecidos por INEGI se cubren un total de 155, de estos se obtienen valores promedios de mercado del suelo, dejando un indicador cero para el resto, esto no indica que el suelo tenga un valor de cero, es decir que no tiene información del valor promedio correspondiente
12 Valor del suelo interpolando Una forma de estimar los valores de mercado en los Ageb, donde no se tiene información, es realizar una interpolación. En esta representación se puede observar la transición gradual de los valores de suelo resultante, donde se agrupan valores altos con altos y bajos con bajos, característicos de este tipo de procesos de interpolación.
13 Base de datos del valor catastral del suelo Con una cobertura de 475 Agebs, muestra los valores catastrales de la ciudad, promediados por Ageb, lo que muestra zonas bien definidas de valores altos en rojo y zonas de valores bajos en verde, con transiciones más suaves de valores.
14 Base de datos del valor del suelo por Covaproes Se muestran valores de suelo de acuerdo con criterios del COVAPROES, que suelen ser similares al comportamiento del mercado. Se aprecia una adecuada similitud con los valores de mercado del suelo
15 Análisis Estadístico Contrastar el Valor del Suelo con las Características Inmobiliarias. ACCESIBILIDAD VALOR DEL SUELO ENTORNO JERARQUÍA SOCIAL
16 Análisis Estadístico MODELO DE PRECIOS HEDÓNICOS: El valor de un bien se puede definir a partir de un conjunto de atributos o características del mismo bien. Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + β n X n + e En donde: Y Variable Dependiente ( Valor de mercado de Suelo ) X Variables Independientes ( características o atributos del inmueble β 0 Coeficientes de las características, producto del modelo de regresión e Error de estimación del modelo
17 Valores de suelo promedio por Ageb N Válidos 155 Perdidos345 Media Mediana Moda Desv. típ Varianza Rango Mínimo Máximo
18 Valores de suelo interpolado de mercado N Válidos 426 Perdidos 4 Media Mediana Moda Desv. típ Varianza Mínimo Máximo Suma
19 Variables Bases de datos de Inegi Educación Salud Económica Vivienda Mortalidad Variables de accesibilidad
20 Variables con explicación mayor al 10%
21 Variables con explicación mayor al 10%
22 Variables con explicación mayor al 10%
23 Modelos Explicativos del Valor del Suelo Variable x Variable y Valor del Suelo Variable z
24 Requisitos del modelo Normalidad de la variable dependiente. Que el modelo cumpla: No multicolinealidad. Relaciones lineales significativas. Explicación del modelo. Otras.
25 Revisión de normalidad La revisión de normalidad con el test de Kolmogorov Smirnov. Valor Unitario Terreno Log nat de Valor Unitario Terreno N Parámetros normales a,b Media Desviación típica Diferencias más extremas Absoluta Positiva Negativa Z de Kolmogorov-Smirnov Sig. asintót. (bilateral) a. La distribución de contraste es la Normal. b. Se han calculado a partir de los datos.
26 Estadísticos de los valores de suelo de la muestra Valor Unitario Terreno Log nat de Valor Unitario Terreno N Válidos Perdidos 0 0 Media Mediana Moda Desv. típ Mínimo Máximo
27 Histograma de los valores de suelo de la muestra
28 Procedimientos de pasos sucesivos Modelo Variables introducidas Variables eliminadas Método 1 % de población de 15 y más con educación posbásica.. Por pasos (criterio: Prob. de F para entrar <=.050, Prob. de F para salir >=.100). a. Variable dependiente: Log nat de Valor Unitario Terreno
29 Resumen del modelo R cuadrado corregida Error típ. de la estimación Cambio en R cuadrado Estadísticos de cambio Sig. Cambio en F Modelo R R cuadrado Cambio en F gl1 gl2 Durbin- Watson a a. Variables predictoras: (Constante), % de población de 15 y más con educación pos-básica. b. Variable dependiente: Log nat de Valor Unitario Terreno
30 Análisis de Varianza ANOVA b Modelo Suma de cuadrados gl Media cuadrática F Sig. 1 Regresión a Residual Total a. Variables predictoras: (Constante), % de población de 15 y más con educación pos-básica. b. Variable dependiente: Log nat de Valor Unitario Terreno
31 Coeficientes Coeficientes no estandarizados Coeficientes tipificados Estadísticos de colinealidad Modelo B Error típ. Beta t Sig. Tolerancia FIV 1 (Constante) % de población de 15 y más con educación pos-básica a. Variable dependiente: Log nat de Valor Unitario Terreno
32 Diagnósticos de colinealidad Proporciones de la varianza % de población de 15 y Modelo Dimensión Autovalores Índice de condición (Constante) más con educación posbásica a. Variable dependiente: Log nat de Valor Unitario Terreno
33 Estadísticos sobre los residuos Mínimo Máximo Media Desviación típica N Valor pronosticado Residual Valor pronosticado tip. Residuo típ a. Variable dependiente: Log nat de Valor Unitario Terreno
34 Modelo de Precios Hedónicos La aplicación de modelos de precios hedónicos proporciona el mejor modelo con una explicación del 46.2% y una significancia de en el análisis de varianzas Log Nat Valor Unitario Terreno % Pob de 15 años y más con educación posbásica
35 Otras variables VARIABLE INDEPENDIENTE R 2 CORREGIDA % Población de 15 años y más con educación Pos básica 46.20% % Población ocupada de 25 años y más con un grado aprobado de educación posgrado 42.90% % viviendas particulares habitadas que disponen de internet 37.20% Promedio de ocupantes por cuarto en viviendas particulares habitadas 34.20% % Población de 25 años o más con al menos un grado de educación superior 33.60% Grado promedio de escolaridad 28.60%
36 Variación del suelo % Población de 15 años y más Valor Unitario del Terreno $ $ $ $ $ $ $ $ $ $ $
37 Conclusiones Se concluye que el valor del suelo esta íntimamente ligado principalmente con variables de educación, donde podemos decir que existe una mas alta correlación con el valor del suelo. Así también, se muestra que la variable de % disponibilidad de internet influye en el valor de suelo de la ciudad, siendo esta una característica urbana que es propia de zonas con niveles mas altos. Finalmente este modelo puede ser mejorado.
38 Gracias.. por su atención
Presenta: Arq. Karina Lilián Aranda González
UNIVERSIDAD DE SONORA DIVISIÓN DE INGENIERÍA POSGRADO EN CIENCIAS DE LA INGENIERÍA, INGENIERÍA CIVIL LÍNEAS TERMINALES CONSTRUCCIÓN Y VALUACIÓN ESTIMACIÓN DEL FACTOR DE LOCALIZACIÓN EN LA MANZANA EN VIVIENDA
Más detallesMaestro en Ingeniería Civil
DIVISIÓN DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA CIVIL Y MINAS 1er Foro Del Posgrado En Ingenieria Civil Trabajo de Ponencia: Maestro en Ingeniería Civil Autor: Hugo Francisco Jiménez López Integración
Más detallesESTIMACIÓN DEL PRECIO DE OFERTA DE LA VIVIENDA : CASO HERMOSILLO SONORA, MEXICO M.I. JESUS ALBERTO ESQUER ARMIENTA
ESTIMACIÓN DEL PRECIO DE OFERTA DE LA VIVIENDA : CASO HERMOSILLO SONORA, MEXICO M.I. JESUS ALBERTO ESQUER ARMIENTA 13 de Noviembre 2014 INTRODUCCIÓN 2 Este trabajo está enfocado principalmente a fortalecer
Más detallesSPSS Aplicación práctica: Base de datos del HATCO
Aplicación práctica: Base de datos del HATCO Datos: observaciones de variables obtenidos desde encuentas a clientes de un distribuidor industrial. Variables de interés en la aplicación: Percepciones de
Más detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesESTIMACIÓN DEL PRECIO DE VENTA DE LA VIVIENDA EN LA CIUDAD DE HERMOSILLO APLICANDO EL MÉTODO DE PRECIOS HEDÓNICOS ING. JESUS ALBERTO ESQUER ARMIENTA
ESTIMACIÓN DEL PRECIO DE VENTA DE LA VIVIENDA EN LA CIUDAD DE HERMOSILLO APLICANDO EL MÉTODO DE PRECIOS HEDÓNICOS TESIS PRESENTADA PARA OBTENER EL GRADO DE MAESTRO POR: ING. JESUS ALBERTO ESQUER ARMIENTA
Más detallesSCORING DE SEVERDIDAD (LGD) PROPUESTA DE UNA METODOLOGIA PARA CALCULAR LA TASA DE RECUPERCIÓN (Tr) Y LA SEVERDIDAD (LGD) DE UNA OPERACIÓN DE CREDITO
SCORING DE SEVERDIDAD (LGD) PROPUESTA DE UNA METODOLOGIA PARA CALCULAR LA TASA DE RECUPERCIÓN (Tr) Y LA SEVERDIDAD (LGD) DE UNA OPERACIÓN DE CREDITO 1 1. Consideremos una cartera de créditos de una IMFs
Más detallesRegresión. Notas. Página 1 13-DEC :24:11. Salida creada Comentarios
REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) R ANOVA COLLIN TOL CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT P504 /METHOD=ENTER P505 P506
Más detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesMÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO
MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO Resultados obtenidos por los hombres ganadores de las medallas de oro en salto de longitud y salto de altura en las olimpiadas desde
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez. Facultad Nacional de Salud Pública Héctor Abad Gómez
UNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez Facultad Nacional de Salud Pública Héctor Abad Gómez La Regresión es una técnica estadística utilizadas para estimar (interpolar)
Más detallesTC-10. Introducción. Tecnología Constructiva
TC-0 DETERMINAR LA RELACIÓN ENTRE LOS PORCENTAJES DE POROSIDAD PERMEABLE Y AGUA ABSORBIDA DE UNA MUESTRA DE CONCRETO DETERMINADA CON LOS PARÁMETROS QUE SE OBTIENEN CON EL METODO DE ABSORCIÓN CAPILAR Salcedo,
Más detallesEXAMEN Prof. J. Calventus S., 19 julio de 2013
U. S. T. Psicología Estadística Inferencial EXAMEN Prof. J. Calventus S., 19 julio de 2013 NOMBRE: Puntaje: Nota: Para responder esta prueba podrá consultarse todo tipo de material escrito. Utiliza un
Más detallesAnálisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple
Análisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple El modelo predictivo utilizado para realizar el presente análisis es el de regresión lineal múltiple (RLM) 1. Resulta plausible la
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesL Congreso Nacional de Valuación. Una Aproximación a los Precios Implícitos en la Vivienda. Presenta:
L Congreso Nacional de Valuación Valuación: Presente, Pasado y Futuro Una Aproximación a los Precios Implícitos en la Vivienda Presenta: Quintana Pacheco Jesús 1 Ojeda De La Cruz Arturo 2 García Arvizu
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesGUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
Más detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000
Más detallesPráctica 4: Regresión Lineal Múltiple (1).
Práctica : Lineal Múltiple () Esta práctica está dedicada a resolver un problema de Lineal sin atender a ninguna cuestión relativa al cumplimiento de los supuestos del modelo, a la presencia de valores
Más detallesRegresión. Notas. Página 1 30-NOV :15:34. Salida creada Comentarios
REGRESSION /MISSING MEANSUBSTITUTION /STATISTICS COEFF OUTS CI(95) R ANOVA COLLIN TOL CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT P1 /METHOD=ENTER P4 P6 P5 P1812 P9 P13 /SCATTERPLOT=(*ZPRED,P1)
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesConsejería de Agricultura, Pesca y Desarrollo Rural. Estudio de la elasticidad de la demanda de aceite de oliva virgen en los hogares españoles
Consejería de Agricultura, Pesca y Desarrollo Rural Estudio de la elasticidad de la demanda de aceite de oliva virgen en los hogares españoles Diciembre 013 Estudio de la elasticidad de la demanda de aceite
Más detallesResultados de los análisis estadísticos
Anexo IV Resultados de los análisis estadísticos Biometría Examen macroscópico Ciclo biológico Estructura poblacional Jornada cinegética Malas prácticas cinegéticas Determinación del sexo y la edad por
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesTEMA 3 Modelo de regresión simple
TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.
Más detallesRetos y Oportunidades" Revalorando México
Retos y Oportunidades" Revalorando México EL FACTOR DE LOCALIZACIÓN EN ESQUINA PARA LA VIVIENDA TIPO INTERÉS SOCIAL MIC Arq. Karina Lilián Aranda González / COVAPROES DR. Jesús Quintana Pacheco / COVAPROES
Más detallesTitulación: Curso académico: 15/16. DNI Curso: Grupo: Fecha: 27/05/2016
CUESTIONES CORTAS 1. (1 PUNTO) Indica en cada caso, cual es la población, muestra y variable estadística. Clasifica la variable estadística de la manera más exhaustiva posible e indica que tipo de representación
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesPráctica 6: Regresión Lineal Múltiple (3)
Práctica 6: Regresión Lineal Múltiple () En la práctica anterior vimos cómo se pueden diagnosticar diferentes violaciones de las condiciones del modelo de regresión a través del análisis gráfico de los
Más detallesCurso online de Supervivencia y Regresión Lineal, Logística y de Cox 2018
MANUAL DE IDENTIDAD VSUAL CORPORATIVA PROGRAMA: Curso online de Supervivencia y Regresión Lineal, Logística y de Cox 2018 Departamento de Formación Médica Continuada (ICOMEM) SUPERVIVENCIA Y REGRESIÓN
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesESPECIALIDAD POR COMPAÑÍA
BOMBEROS DE CHILE Bustamante Nº86 Providencia - Santiago ESPECIALIDAD POR COMPAÑÍA Estudio de carácter descriptivo y correlacional Carla Vera Mancilla Operaciones Bomberiles Santiago de Chile, Diciembre
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesTema VII. La predicción de variables
7.1. La ecuación lineal de regresión: - Variable dependiente e independiente (fijas ó aleatorias):. Fijas (modelo I de regresión). Aleatorias (modelo II; más complejo) - Objetivo predictivo (básico en
Más detalles4. Obtén las siguientes tablas de doble entrada para las variables Dispersión y Formación:
ACTIVIDAD DE INFERENCIA Y ASOCIACIÓN 1. Obtén los estadísticos descriptivos básicos y un intervalo de confianza del 95% para la media del coste en farmacia por habitante. A partir del resultado obtenido
Más detalles5. MODELO PARA LA ESTIMACIÓN DE LA CAPACIDAD
5. MODELO PARA LA ESTIMACIÓN DE LA CAPACIDAD 5.. INDEPENDENCIA DELAS VARIABLES El primer paso a dar en la generación de un modelo estadístico que permita la estimación de la capacidad, es la correcta elección
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
Más detallesEncuesta Intercensal 2015 Diseño de muestra
Encuesta Intercensal 2015 Diseño de muestra Índice Introducción... 2 Objetivo... 2 Población objeto de estudio... 2 Marco de muestreo... 2 Diseño de la muestra... 3 Unidades de muestreo... 3 Dominios de
Más detallesRegresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
Más detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesPruebas estadís,cas para evaluar relaciones
Pruebas estadís,cas para evaluar relaciones Asociación entre dos variables categóricas Hipótesis: frecuencias de ocurrencias en las categorías de una variable son independientes de los frecuencias en la
Más detallesSIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS
SIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS 3datos 2011 Variables CUANTITATIVAS Valor más representativo: MEDIA aritmética Técnicas Inferenciales sobre la significación de la diferencia entre
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesUNIVERSIDAD DE. Facultad de Cs Forestales Escuel de Ing. Forestal TALCA
UNIVERSIDAD DE TALCA Facultad de Cs Forestales Escuel de Ing. Forestal DETERMINACIÓN DEL ÍNDICE DE EROSIVIDAD PLUVIAL (R) DE LA ECUACIÓN UNIVERSAL DE PÉRDIDAS DE SUELO, PARA DOS ESTACIONES PLUVIOGRÁFICAS
Más detallesCAPÍTULO 5. Proyecciones de las Fuentes de Empleo Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes
CAPÍTULO 5 Proyecciones de las Fuentes de Empleo 5.1. Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes de Empleo a Nivel Nacional. Para la proyección de las fuentes de empleo
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesINSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO
Más detallesTema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 8 de noviembre de 2010 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal
Más detallesUna vez realizados estos procesos conviene verificar que han aparecido las dos nuevas variables (columnas) en el archivo de datos.
ECONOMETRÍA 09 PRACTICA 1: REPASO DE SPSS 1. Cuántas variables hay en el fichero? Y cuántas observaciones? Qué representa cada observación? Distingue entre variables cualitativas y cuantitativas. El fichero
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesExamen de Estadística 2 Ingeniería Industrial Cuestiones
Examen de Estadística 2 Ingeniería Industrial Cuestiones Nota importante: Las respuestas correctas contarán 1 punto. Las incorrectas valdrán -0.33 (-1/3) para las preguntas con 4 respuestas y 0.25 (-1/4)
Más detallesMÓDULO: ANÁLISIS DE LOS CAMBIOS DE COBERTURAS Y USO DE SUELO PROFESOR: WENSESLAO PLATA ROCHA.
MÓDULO: ANÁLISIS DE LOS CAMBIOS DE COBERTURAS Y USO DE SUELO PROFESOR: WENSESLAO PLATA ROCHA wenses_plata@hotmail.com wenses@uas.edu.mx 3.3.2.2. Regresión logística En muchas ocasiones se necesita estudiar
Más detallesContenido. Introducción. Diseño conceptual. Unidades Primarias de Muestreo (UPM) Estratificación. Elaboración de listados
Octubre, 2012 Contenido Introducción Diseño conceptual. Unidades Primarias de Muestreo (UPM) Estratificación Muestra maestra Elaboración de listados Administración del Marco Nacional de Viviendas Introducción
Más detallesFACTORES INFLUYENTES EN EL EMPLEO. Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán
FACTORES INFLUYENTES EN EL EMPLEO Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán 2 ÍNDICE: 1. INTRODUCCIÓN 2. PLANTEAMIENTO DEL PROBLEMA 3. GRÁFICOS DE LOS DATOS 4. ESTIMACIÓN DEL MODELO
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesLongitud = Calcular la media, la mediana, la moda y la desviación estándar de la muestra en Matlab.
LABORATORIO 1 LABORATORIO INFORMÁTICO Un fabricante de hormigón preparado tiene su proceso de producción bajo control. Está interesado en conocer cuál es la distribución de los valores de la resistencia
Más detallesÍNDICE. Prefacio... xi
ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple
Más detallesUNA APROXIMACIÓN AL VALOR DEL SUELO HABITACIONAL: CASO HERMOSILLO, SONORA, MÉXICO
INVESTIGACIÓN UNA APROXIMACIÓN AL VALOR DEL SUELO HABITACIONAL: CASO HERMOSILLO, SONORA, MÉXICO JESÚS QUINTANA PACHECO*, ANA CECILIA BORBÓN ALMADA, ARTURO OJEDA DE LA CRUZ, MARCO ANTONIO RAMOS CORELLA,
Más detallesPráctica7: Regresión Lineal Múltiple (4)
Práctica7: Regresión Lineal Múltiple (4) Para acabar con el problema de regresión analizaremos mediante una serie de ejemplos la trascendencia uencia que pueden tener en dicho análisis la presencia de
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesEVALUACIÓN DE LOS FACTORES MICROLOCATIVOS QUE
EVALUACIÓN DE LOS FACTORES MICROLOCATIVOS QUE DETERMINAN EL ÉXITO DE LA PROMOCIÓN DE LOS EDIFICIOS RESIDENCIALES EN ALTURA, Y SU UTILIZACIÓN EN LA CONSTRUCCIÓN DE UN MODELO DE OPTIMIZACIÓN PARA PROMOCIONES
Más detallesCUERPO TÉCNICO, OPCION ESTADISTICA
CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detalles1. Realice la prueba de homogeneidad de variancias e interprete los resultados.
1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis
Más detallesAnálisis de datos en CCSS: introducción al análisis descriptivo e inferencial
Programa de Doctorado Formación en la Sociedad del Conocimiento Seminario de doctorado 13 y 14 de marzo de 2014 Análisis de datos en CCSS: introducción al análisis descriptivo e inferencial Dra. Mª José
Más detallescon los supuestos clásicos, uno de ellos es que ninguna de las variables X 1, X 2,, X K es
TEMA 2: EXTENSIONES DEL MODELO DE REGRESIÓN LINEAL MÚLTIPLE: MULTICOLINEALIDAD Y TRANSFORMACIONES LINEALES. Wooldridge: Capítulos 6 (apartado 6.1) y 7 Gujarati: Capítulos 9 (apartado 9.8), 10 y 12 1. MULTICOLINEALIDAD
Más detallesSOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesIndica qué variables están correlacionadas y el signo de la correlación.
ACTIVIDAD DE CORRELACIÓ 1) Obtén la matriz correlaciones para las variables: - Costes totales (población total) en euros. - Calidad la farmacéutica. % fármacos con U.T.B. (sobre el total fármacos prescritos).
Más detalles4.2 ACTIVIDAD EMULSIFICANTE DE LAS BACTERIAS DEGRADADORAS DE PETRÓLEO.
4. RESULTADOS 4.1 AISLAMIENTO Y PURIFICACIÓN DE BACTERIAS DEGRADADORAS DE HIDROCARBUROS. Se aislaron ciento veintinueve cepas bacterianas a partir de seis muestras de suelo contaminado con crudo de petróleo
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
Más detallesPráctica 9 REGRESION LINEAL Y CORRELACIÓN
Práctica 9. Regresión lineal y Correlación 1 Práctica 9 REGRESION LINEAL Y CORRELACIÓN Objetivos: En esta práctica utilizaremos el paquete SPSS para estudiar la regresión lineal entre dos variables y la
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesContenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesAl nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).
A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesUNIVERSIDAD DE SONORA
UNIVERSIDAD DE SONORA NOMBRE DEL ALUMNO(A): MAESTRO: Francisco Javier Tapia Moreno MATERIA: Estadística 1 ACTIVIDAD: Práctica 5. LUGAR Y FECHA: Hermosillo, Sonora, a 23 de febrero de 2017. 1. Introducción.
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesRegresión Lineal Múltiple. Dr. Víctor Aguirre Torres, ITAM. Guión 12.
Regresión Lineal Múltiple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función del cambio simultáneo otras variables (x 1, x 2,..., x p ). y=variable dependiente (cuantitativa)
Más detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Supuestos del modelo Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Y = β 0 + β 1 X + ε Supuestos: Correcta especificación
Más detallesCapítulo 4. Análisis de Regresión Múltiple. 1. Introducción. Capítulo 4
Capítulo 4 1. Introducción El Análisis de Regresión Lineal Múltiple nos permite establecer la relación que se produce entre una variable dependiente Y y un conjunto de variables independientes (X1, X2,...
Más detalles