Modelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
|
|
- Lucía Rey Ortíz
- hace 5 años
- Vistas:
Transcripción
1 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.
2 Análss de Regresón Multple y = k k + u. Estmacón Econometría, Prof. Carlos R. Ptta
3 Smlardades con Regresón Smple 0 sgue sendo el ntercepto a k se llaman parámetros de pendente u sgue sendo el térmno de error (o perturacón estocástca) Aun necestas hacer el supuesto de meda condconal gual a cero, es decr: E(u,,, k ) = 0 Aun mnmzamos la suma de los resduos al cuadrado, de manera que tenemos k+ condcones de prmer orden Econometría, Prof. Carlos R. Ptta 3
4 Interpretando Regresones Múltples y y y 0 mantenendo nterpretacón ceters parus,...,..., así que k k...,, cada tene una k k constantemplca k Econometría, Prof. Carlos R. Ptta 4
5 Econometría, Prof. Carlos R. Ptta 5 Interpretacón Parcal 0 0 regresón estmada de la resduos los son donde, entonces,, caso en donde el consdera r r y r y k
6 Interpretacón Parcal La ecuacón preva mplca que regresar y sore y nos da el msmo efecto de como s regresáramos y sore los resduos de una regresón de en Esto sgnfca que solo la parte de que no está correlaconada con está relaconada con y así que estamos estmando el efecto de sore y después de que ha sdo parcalzada Econometría, Prof. Carlos R. Ptta 6
7 Estmadores de una regresón smple VS múltple Compare la regresón smple y con la regresón múltple y 0 En general, a menos que : 0 (no hay efecto parcal de y no estén correlaco nadas 0 ) O en la muestra Econometría, Prof. Carlos R. Ptta 7
8 Bondad del Ajuste Podemos pensar que cada oservacón está compuesta de una parteeplcada, y una parteno eplcada, y u y y y u y y Entonces defnmos lo sguente : es la suma de cuadrados totales (SCT) es la suma de cuadrados eplcada (SCE) es la suma de cuadrados resduales (SCR) Entonces, SCT SCE SCR Econometría, Prof. Carlos R. Ptta 8
9 Bondad del Ajuste Cómo saemos qué tan en nuestra línea de regresón muestral se ajusta a nuestros datos muestrales? Podemos calcular la fraccón de la suma de cuadrados totales (SCT) que es eplcada por el modelo, y lo llamaremos el R- cuadrado de la regresón R = SCE/SCT = SCR/SCT Econometría, Prof. Carlos R. Ptta 9
10 Bondad del Ajuste Tamén podemos pensar a los en valor real R coefcent y yy y y y y y es de correlacó n cuadrados y los y valores R estmados como gual y a entre Econometría, Prof. Carlos R. Ptta 0
11 Más sore el R R nunca dsmnuye cuando agregamos otra varale ndependente a la regresón, y por lo general aumenta. Dedo a que R generalmente aumenta con el número de varales ndependentes, no es una uena manera de comparar modelos. Econometría, Prof. Carlos R. Ptta
12 Supuestos de Insesgamento Modelo polaconal es lneal en parámetros: y = k k + u Usamos una muestra de tamaño n, {(,,, k, y ): =,,, n}, del modelo polaconal, de manera que el modelo muestral es y = k k + u E(u,, k ) = 0, mplca que todas las varales eplcatvas son eógenas Nnguna de las s es constante, y no hay relacones lneales eactas entre ellas. Econometría, Prof. Carlos R. Ptta
13 Muchas o muy pocas varales Qué pasa s nclumos en nuestra especfcacón una varale que no pertenezca al modelo? No hay efectos sore nuestros parámetros estmados, y MICO sgue sendo nsesgado. Qué pasa s eclumos una varale que sí deería estar en la especfcacón de nuestro modelo? MICO se sesgará Econometría, Prof. Carlos R. Ptta 3
14 Econometría, Prof. Carlos R. Ptta 4 Sesgo por Varales Omtdas 0 0 entonces, pero estmamos, modelo "real" está dado por que el Suponga y u y u y
15 Econometría, Prof. Carlos R. Ptta 5 Sesgo por Varales Omtdas u u u y 0 0 a : numerador se transforma que el de forma, qué de manera real, modelo el Recuerde
16 Econometría, Prof. Carlos R. Ptta 6 Sesgo por Varales Omtdas aplcando esperanzas 0, ) Dado que E( E u u
17 Econometría, Prof. Carlos R. Ptta 7 Sesgo por Varales Omtdas 0 decr, Es entonces sore regresón de Consdere la E
18 Resumen de la Dreccón del Sesgo Corr(, ) > 0 Corr(, ) < 0 > 0 Sesgo Postvo Sesgo Negatvo < 0 Sesgo Negatvo Sesgo Postvo Econometría, Prof. Carlos R. Ptta 8
19 Resumen de Varales Omtdas Esten dos casos donde el sesgo es cero: = 0, es decr no pertenece al modelo y no están correlaconadas en la muestra S la correlacón entre ( y ) y entre ( e y) va en la msma dreccón, el sesgo será postvo S la correlacón entre ( y ) y entre ( e y) va en relacón opuesta, el sesgo es negatvo Econometría, Prof. Carlos R. Ptta 9
20 El Caso General Técncamente, solo podemos determnar la dreccón del sesgo, para el Caso General, s todos los s ncludos no están correlaconados Entonces, típcamente traajaremos al sesgo asumendo que las s se encuentran no correlaconadas, lo cual será una guía útl, aun s el supuesto no es enteramente certo Econometría, Prof. Carlos R. Ptta 0
21 Varanza de los estmadores MICO Ahora saemos que la dstrucón muestral de nuestros estmadores se encuentra centrado alrededor de los verdaderos parámetros polaconales Pero queremos pensar qué tan dspersa se encuentra su dstrucón Es mucho más fácl pensar esta varanza ajo un supuesto adconal, así que asumremos Var(u,,, k ) = s (Homocedastcdad) Econometría, Prof. Carlos R. Ptta
22 Varanza de MICO Sea representatvo de (,, k ) Asummos qué Var(u ) = s lo cual mplca qué Var(y ) = s Los cuatro supuestos de nsesgamento, más el supuesto de homocedastcdad, son conocdas como las condcones de Gauss- Markov Econometría, Prof. Carlos R. Ptta
23 Varanza de MICO Dadas las condcones de Gauss - Markov Var j SCT s j R j, donde SCT j de regresar j j j y R es el R sore todas las otras j 's Econometría, Prof. Carlos R. Ptta 3
24 Componentes de la Varanza MICO La Varanza del error: una mayor s mplca una mayor varanza de los estmadores MICO Varancón Muestral Total: una SCT j más grande mplca una menor varanza de los estmadores Relacones lneales entre varales ndependentes: un mayor R j mplca una mayor varanza de los estmadores Econometría, Prof. Carlos R. Ptta 4
25 Modelos Mal Especfcados Consdere de nuevo el modelo mal especfcado y 0 Así, Var, de forma quevar Var no estén correlaco nados a menos que (entonces sean los s SST y msmos) Econometría, Prof. Carlos R. Ptta 5
26 Modelos Mal Especfcados Mentras que la Varanza del estmador es más pequeña en el modelo más especfcado, a menos que = 0 el modelo mal especfcado será sesgado A medda que crece el tamaño de la muestra, la varanza de cada estmados se encoge hasta cero, hacendo que la dferenca en varanza sea menos mportante Econometría, Prof. Carlos R. Ptta 6
27 Estmando la Varanza del Error No saemos cuál es la varanza del error, s, dedo a que no podemos oservar los errores, u Lo que sí oservamos son los resduos, û Podemos usar los resduos para calcular un estmado de la varanza del error Econometría, Prof. Carlos R. Ptta 7
28 Estmando la Varanza del Error s u n k entonces, se SCR df j s SCT R j j gl = n (k + ), o df = n k gl (grados de lertad) es el (número de oservacones) (número de parámetros estmados) Econometría, Prof. Carlos R. Ptta 8
29 El Teorema de Gauss-Markov Dadas nuestras cnco condcones de Gauss- Markov, se puede demostrar que mco es MELI Mejor Estmador Lneal Insesgado Así que, s las condcones se dan, Sempre prefera MICO! Econometría, Prof. Carlos R. Ptta 9
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesModelo Lineal Simple. Clase 02. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Uversdad Austral de Chle Escuela de Igeería Comercal ICPM5, Ecoometría Clase Modelo Leal Smple Profesor: Carlos R. Ptta Ecoometría, Prof. Carlos R. Ptta, Uversdad Austral de Chle. El Modelo de Regresó
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 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 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 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 detallesUNIDAD II ANÁLISIS DEL MODELO CLÁSICO DE DR. ROGER ALEJANDRO BANEGAS RIVERO REGRESIÓN LINEAL SIMLE (MCRLS)
UNIDAD II ANÁLISIS DEL MODELO CLÁSICO DE REGRESIÓN LINEAL SIMLE (MCRLS) DR. ROGER ALEJANDRO BANEGAS RIVERO Contendo El modelo de regresón lneal smple Gráfcos de dspersón Estmacón por mínmos cadrados ordnaros
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más 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 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 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 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 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 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 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 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 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 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 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 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 detallesEl subestimado problema de la confusión residual. Héctor Lamadrid-Figueroa; Alejandra Montoya; Gustavo Ángeles
El subestmado problema de la confusón resdual Héctor Lamadrd-Fgueroa; Alejandra Montoya; Gustavo Ángeles El objetvo de la estmacón del efecto Establecer s exste una relacón causal entre una exposcón y
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 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 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 detallesRegresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy
Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema
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 detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
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 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 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 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 detallesEstimación de incertidumbres en calibración de Osciladores
Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser
Más detallesa) DIAGRAMA DE DISPERSION
SIS 335 - A EJEMPLO.- Se ha recogdo datos de una localdad medante sendas encuestas sobre el consumo (Y) de productos de hogar y de la renta (X) de los consumdores consultados, obtenéndose los sguentes
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 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 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 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 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 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 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 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 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 detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
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 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 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 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 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 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 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 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 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 detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
Más 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 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 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 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 detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesMidiendo la Asociación lineal entre dos variables
Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,
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 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 detalles6 Heteroscedasticidad
6 Heteroscedastcdad Defncón casas de heteroscedastcdad Defncón: la varanza de la pertrbacón no es constante. Casas: a natraleza de la relacón entre las varables Ejemplo : relacón gasto-renta; Hogares con
Más 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 detallesEstadística Unidimensional: SOLUCIONES
4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas
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 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 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 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 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 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 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 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 detallesEconomía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19
Economía Aplcada Estmador de dferencas en dferencas Departamento de Economía Unversdad Carlos III de Madrd Ver Wooldrdge cap.13 1 / 19 Análss de Polítca: Dferencas-en-Dferencas En muchos casos la varable
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 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 detallesRegresión lineal y correlación lineal
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel
Más detallesPropuesta de solución: ejercicio C3.9 (Wooldridge, 2010) Fortino Vela Peón Octubre, 2011
Propuesta de solucón: ejercco C3.9 (Wooldrdge, 010) Fortno Vela Peón fvela@correo.xoc.uam.mx Octubre, 011 Ejercco C3.9. Wooldrdge (010) Contans data from C:\FVELA\DATOS STATA\WOOLDRIGE\charty.dta obs:
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 detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesAPLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO.
APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. Dado un numero n de puntos del plano ( a, b ) es posble encontrar una funcón polnómca
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
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 detalles3 - VARIABLES ALEATORIAS
arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr
Más detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detallesIntroducción a los Modelos de Pronósticos
Introduccón a los Modelos de Pronóstcos Dra. Fernanda Vllarreal Unversdad Naconal del Sur- Departamento de Matemátca Septembre 2016 - fvllarreal@uns.edu.ar Introduccón Planeacón del futuro, un aspecto
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesIngeniería Económica y Análisis Financiero Finanzas y Negocios Internacionales Parcial 3 Diciembre 10 de Nombre Código.
Ingenería Económca y Análss Fnancero Fnanzas y Negocos Internaconales Parcal 3 Dcembre 0 de 20 Nombre Códgo Profesor: Escrba el nombre de sus compañeros Al frente Izquerda Atrás Derecha Se puede consultar
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 detallesMatemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de
Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca
Más detallesTERMODINÁMICA AVANZADA
ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón
Más detallesINTEGRACIÓN POR DESCOMPOSICIÓN EN FRACCIONES PARCIALES USANDO EL CALCULO DIFERENCIAL LUIS CARLOS OÑATE FERNANDEZ
NTEGRACÓN POR DESCOMPOSCÓN EN FRACCONES PARCALES USANDO EL CALCULO DFERENCAL LUS CARLOS OÑATE FERNANDEZ FUNCÓN RACONAL Una funcón f es raconal s es el cocente de dos POLNOMOS PX ( Sea P(X y Q(X dos polnomos
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 detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
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 detallesUtilizar sumatorias para aproximar el área bajo una curva
Cálculo I: Guía del Estudante Leccón 5 Apromacón del área bajo la curva Leccón 5: Apromacón del área bajo una curva Objetvo: Utlzar sumatoras para apromar el área bajo una curva Referencas: Stewart: Seccón
Más detallesEl contexto básico para el análisis es un modelo de regresión de la forma: α (1)
ECONOMETRIA - ECON 3301 - SEMESTRE II - 08 Profesor: Ramón Rosales; rrosales@unandes.edu.co Profesor Taller: Wllam Delgado; w-delgad@unandes.edu.co Profesor Taller: Juan Carlos Vasquez; jvasquez@unandes.edu.co
Más detalles6 Impacto en el bienestar de los beneficiarios del PAAM
6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda
Más 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 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 detalles