Este documento presenta dos aplicaciones del modelo de regresión lineal general utilizando Excel y Eviews. La primera aplicación estima modelos bivariado y multivariado para predecir los ingresos brutos semanales de una empresa en función de la publicidad, encontrando que el modelo multivariado es superior. La segunda aplicación estima un modelo para predecir el precio de venta de casas basado en sus características.
Este documento presenta el portafolio final de un curso de Probabilidad y Estadística Descriptiva. Incluye tres parciales que cubren medidas de tendencia central y dispersión, distribuciones de probabilidad y muestreo. Cada tema se ilustra con ejercicios numéricos para acercar los conceptos a casos reales. El portafolio tiene como objetivo mostrar los contenidos estudiados en el curso de manera práctica.
Este documento presenta los métodos para comparar medias poblacionales cuando las varianzas son desconocidas pero iguales. Explica cómo calcular la varianza agrupada, el estadístico t y el valor p para realizar una prueba t de student. También cubre ejemplos numéricos de comparación de medias usando este método y muestras pareadas.
Este documento presenta un análisis de regresión múltiple. Explica que la regresión múltiple permite utilizar más de una variable independiente para predecir una variable dependiente. Describe cómo se estiman los parámetros del modelo de regresión múltiple usando el método de mínimos cuadrados. También presenta un ejemplo para ilustrar cómo se desarrolla un modelo de regresión múltiple.
Este documento explica las distribuciones discretas de probabilidad, incluyendo la distribución binomial y la distribución de Poisson. Proporciona ejemplos y ejercicios para ilustrar cómo calcular probabilidades usando estas distribuciones.
Este documento presenta información sobre pruebas de hipótesis. Explica conceptos como confiabilidad, error tipo I, error tipo II y potencia. Además, describe cómo realizar pruebas de hipótesis para medias, proporciones, diferencias de medias, diferencias de proporciones y varianzas. Incluye ejemplos y fórmulas para calcular estadísticos como z, t de Student y chi cuadrado.
Este documento presenta tres distribuciones de probabilidad: la distribución lognormal, la distribución de Pareto y la distribución gamma. Explica las propiedades teóricas fundamentales de cada una y cómo calcular sus momentos como la esperanza y la varianza. El objetivo general es exponer los conceptos involucrados en estas tres importantes distribuciones.
Este documento describe la distribución normal y sus propiedades. Explica que la distribución normal es la más importante en probabilidad y estadística. Define sus parámetros de media y desviación estándar y cómo estos afectan la forma de la curva. Presenta fórmulas para la función de densidad y distribución de probabilidad normal y su representación gráfica. Además, introduce el concepto de variable normal estandarizada y cómo usar tablas para calcular probabilidades asociadas a la distribución normal.
Este documento presenta información sobre el método de programación lineal conocido como simplex. Explica los pasos para aplicar este método a problemas de optimización lineal, incluyendo la construcción del tablero inicial, la selección de la variable pivote y fila pivote en cada iteración, y los cálculos para actualizar el tablero hasta alcanzar la solución óptima. También incluye un ejemplo numérico para ilustrar la aplicación del método.
Este documento presenta el portafolio final de un curso de Probabilidad y Estadística Descriptiva. Incluye tres parciales que cubren medidas de tendencia central y dispersión, distribuciones de probabilidad y muestreo. Cada tema se ilustra con ejercicios numéricos para acercar los conceptos a casos reales. El portafolio tiene como objetivo mostrar los contenidos estudiados en el curso de manera práctica.
Este documento presenta los métodos para comparar medias poblacionales cuando las varianzas son desconocidas pero iguales. Explica cómo calcular la varianza agrupada, el estadístico t y el valor p para realizar una prueba t de student. También cubre ejemplos numéricos de comparación de medias usando este método y muestras pareadas.
Este documento presenta un análisis de regresión múltiple. Explica que la regresión múltiple permite utilizar más de una variable independiente para predecir una variable dependiente. Describe cómo se estiman los parámetros del modelo de regresión múltiple usando el método de mínimos cuadrados. También presenta un ejemplo para ilustrar cómo se desarrolla un modelo de regresión múltiple.
Este documento explica las distribuciones discretas de probabilidad, incluyendo la distribución binomial y la distribución de Poisson. Proporciona ejemplos y ejercicios para ilustrar cómo calcular probabilidades usando estas distribuciones.
Este documento presenta información sobre pruebas de hipótesis. Explica conceptos como confiabilidad, error tipo I, error tipo II y potencia. Además, describe cómo realizar pruebas de hipótesis para medias, proporciones, diferencias de medias, diferencias de proporciones y varianzas. Incluye ejemplos y fórmulas para calcular estadísticos como z, t de Student y chi cuadrado.
Este documento presenta tres distribuciones de probabilidad: la distribución lognormal, la distribución de Pareto y la distribución gamma. Explica las propiedades teóricas fundamentales de cada una y cómo calcular sus momentos como la esperanza y la varianza. El objetivo general es exponer los conceptos involucrados en estas tres importantes distribuciones.
Este documento describe la distribución normal y sus propiedades. Explica que la distribución normal es la más importante en probabilidad y estadística. Define sus parámetros de media y desviación estándar y cómo estos afectan la forma de la curva. Presenta fórmulas para la función de densidad y distribución de probabilidad normal y su representación gráfica. Además, introduce el concepto de variable normal estandarizada y cómo usar tablas para calcular probabilidades asociadas a la distribución normal.
Este documento presenta información sobre el método de programación lineal conocido como simplex. Explica los pasos para aplicar este método a problemas de optimización lineal, incluyendo la construcción del tablero inicial, la selección de la variable pivote y fila pivote en cada iteración, y los cálculos para actualizar el tablero hasta alcanzar la solución óptima. También incluye un ejemplo numérico para ilustrar la aplicación del método.
El documento describe que dos empresas mineras extraen diferentes tipos de minerales que son clasificados en tres grados y tienen un contrato para suministrar mineral a una planta de fundición cada semana. Se proporcionan los costos y producción diarios de cada empresa. El objetivo es minimizar los costos totales y determinar cuántos días a la semana debe operar cada empresa para cumplir con el contrato. Usando programación lineal, la solución óptima es que la Empresa X opera 1.5 días a la semana y la Empresa Y opera 3 días a la semana.
Este documento describe el método de mínimos cuadrados, que es la técnica más efectiva para determinar los parámetros de una ecuación lineal a partir de datos experimentales. El método implica minimizar la suma de los cuadrados de los residuos entre los valores medidos y los calculados por la ecuación propuesta. Se ilustra con un ejemplo del cálculo de las ventas proyectadas de una empresa para los próximos años.
El documento describe el método dual simplex para resolver problemas de programación lineal óptimos pero infactibles. Este método convierte las restricciones en forma canónica y agrega variables de holgura para poner el problema en una tabla inicial. Si algún elemento de la parte derecha es negativo y se satisface la condición de optimidad, el problema puede resolverse iterativamente mediante el método dual simplex hasta alcanzar una solución factible y óptima.
191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendenciaUriel Carrera Talarico
1. El método de suavización exponencial es un método de pronóstico sencillo que requiere pocos datos históricos. 2. Usa el pronóstico del período anterior, la demanda real del período y una constante de suavización alfa para calcular el próximo pronóstico. 3. Es útil para empresas que realizan muchos pronósticos pero su sencillez es una desventaja si la demanda muestra tendencias.
Este documento presenta varios ejercicios sobre anualidades y cálculos financieros con tasas de interés. En el primer ejercicio, se calculan el monto y el valor presente de diferentes anualidades ordinarias a tasas de 2.5%, 6% y 6%. En el segundo ejercicio, se compara la conveniencia de comprar un automóvil al contado o a plazos. En el tercer ejercicio, se calcula el valor efectivo equivalente de un contrato con pagos semestrales y un pago adicional al término.
Este documento describe la distribución muestral de proporciones. Explica cómo calcular la media y desviación estándar de la distribución muestral de proporciones a partir de una población, así como cómo usar la aproximación normal para calcular probabilidades relacionadas a la proporción muestral. También incluye ejemplos numéricos para ilustrar los conceptos.
Este documento describe la distribución muestral de la diferencia entre dos medias ( ̄X1 - ̄X2) cuando se extraen muestras independientes de dos poblaciones. Explica que ̄X1 - ̄X2 se distribuye aproximadamente de forma normal, y proporciona fórmulas para calcular la media y varianza muestral. Además, incluye varios ejemplos y ejercicios para ilustrar cómo aplicar este teorema estadístico para calcular probabilidades relacionadas con la diferencia entre medias m
Este documento presenta varios ejercicios resueltos relacionados con la aplicación del Teorema del Límite Central. En los ejercicios se calculan probabilidades para variables aleatorias con distribuciones normales dados diferentes tamaños de muestra. Por ejemplo, se calcula la probabilidad de que el diámetro promedio de una muestra de anillos esté dentro de un rango específico y cómo esta probabilidad cambia con un tamaño de muestra mayor.
La figura 1 muestra un diagrama de flujo de un proceso de fabricación con varios pasos. La figura 2 presenta una tabla con datos numéricos de rendimiento para cada etapa del proceso mostrado en la figura 1.
El documento presenta ejercicios resueltos de cálculo en varias variables. En la primera sección, se analiza una función de dos variables y se determinan su dominio y curvas de nivel. En la segunda sección, se estudia la continuidad de otra función de dos variables en el origen. En la tercera sección, se calculan las derivadas parciales de una función.
Este documento presenta tres ejercicios resueltos relacionados con modelos de regresión lineal múltiple. En el primer ejercicio, se estima un modelo de regresión utilizando datos sobre consumo nacional y renta nacional en España entre 1995-2005. En el segundo ejercicio, se ajusta otro modelo de regresión y se realizan pruebas de significancia. En el tercer ejercicio, se estima un modelo con datos sobre inversión, tipo de interés y variación del PIB, y se contrastan hipótesis sobre los coeficientes.
Este documento presenta los pasos para resolver un problema de programación lineal minimizando la función objetivo Z = 3X1 + 2X2 sujeto a varias restricciones sobre X1 y X2. El problema se resuelve aplicando el método simplex para hallar la tabla óptima final con las soluciones X1 = 3/5, X2 = 6/5 y Z = 21/5.
Este documento presenta los conceptos clave de intervalos de confianza e hipótesis estadísticas. Explica cómo calcular intervalos de confianza para la media, proporción, diferencia de medias y proporciones con muestras grandes y pequeñas. También describe los pasos para realizar pruebas de hipótesis, incluido el planteamiento de hipótesis nulas e alternativas, el cálculo de estadísticos de prueba y la determinación de reglas de decisión para medias, proporciones y otras medidas con
El documento presenta información sobre distribuciones de probabilidad como la distribución de Bernoulli y la distribución binomial. Explica la definición y fórmula de cada distribución con ejemplos. Luego, presenta varios ejercicios resueltos sobre la aplicación de estas distribuciones para calcular probabilidades en diferentes escenarios como sacar una carta de una baraja, obtener defectos en una producción industrial, y otros.
El documento explica el método simplex para resolver problemas de programación lineal. El método simplex es un procedimiento algebraico para encontrar la solución óptima de un modelo de PL mediante la conversión del modelo a una forma estándar y la exploración sistemática de las soluciones básicas factibles hasta encontrar la que optimice la función objetivo.
1) El documento presenta tres problemas relacionados con intervalos de confianza. El primero calcula un intervalo de confianza del 99% para la temperatura corporal promedio basado en una muestra. El segundo calcula intervalos de confianza del 95% para el precio promedio de diferentes marcas de atún. El tercero calcula un intervalo de confianza del 98% para la proporción de personas que opinan que el cine está mejorando o empeorando.
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESJuanMiguelCustodioMo
1. El documento presenta la resolución de varios problemas de programación lineal y sus duales. Se convierten los problemas a su forma estándar y se resuelven usando el método simplex. Se obtienen las soluciones óptimas de los problemas primal y dual.
2. Se pide estimar el intervalo del valor objetivo óptimo para dos problemas de PL presentados.
3. En uno de los ejemplos, la solución dual no es factible a pesar de que z=w, por lo que la solución primal es la óptima.
El método simplex primal es una herramienta matemática para resolver problemas de optimización lineal mediante la construcción y solución de una matriz. Se identifican la función objetivo y restricciones, se construye un modelo de programación lineal en forma estándar y una matriz asociada, la cual se resuelve iterativamente mediante eliminación de Gauss-Jordan hasta alcanzar la solución óptima.
1. El documento describe diferentes tipos de diseños experimentales como diseños factoriales, de bloques completos, anidados y superficies de respuesta. 2. También presenta la nomenclatura y simbología utilizada en diseños experimentales como O, X, R. 3. Explica cómo los diseños experimentales permiten identificar y cuantificar los efectos de diferentes factores y variables en un estudio, así como detectar posibles interacciones entre factores.
Este documento presenta los métodos de regresión con variables dicotómicas (dummy). Explica el uso de variables dummy, y tres modelos con variables dummy: modelo con dummy aditiva, modelo con dummy multiplicativa y modelo con dummy de interacción. Además, presenta ejemplos y aplicaciones de estos modelos, incluyendo la captura de quiebres estructurales y el análisis de series de tiempo con componente estacional usando variables dummy estacionales.
Este documento presenta una introducción al análisis de varianza (ANOVA) de un factor. Explica que el ANOVA permite comparar varios promedios para determinar si provienen de poblaciones iguales. Describe los supuestos del ANOVA, el estadístico F y cómo se descompone la varianza total. Finalmente, incluye un ejemplo práctico para ilustrar cómo aplicar el ANOVA para analizar si diferentes niveles de un factor influyen en una variable de respuesta.
El documento describe que dos empresas mineras extraen diferentes tipos de minerales que son clasificados en tres grados y tienen un contrato para suministrar mineral a una planta de fundición cada semana. Se proporcionan los costos y producción diarios de cada empresa. El objetivo es minimizar los costos totales y determinar cuántos días a la semana debe operar cada empresa para cumplir con el contrato. Usando programación lineal, la solución óptima es que la Empresa X opera 1.5 días a la semana y la Empresa Y opera 3 días a la semana.
Este documento describe el método de mínimos cuadrados, que es la técnica más efectiva para determinar los parámetros de una ecuación lineal a partir de datos experimentales. El método implica minimizar la suma de los cuadrados de los residuos entre los valores medidos y los calculados por la ecuación propuesta. Se ilustra con un ejemplo del cálculo de las ventas proyectadas de una empresa para los próximos años.
El documento describe el método dual simplex para resolver problemas de programación lineal óptimos pero infactibles. Este método convierte las restricciones en forma canónica y agrega variables de holgura para poner el problema en una tabla inicial. Si algún elemento de la parte derecha es negativo y se satisface la condición de optimidad, el problema puede resolverse iterativamente mediante el método dual simplex hasta alcanzar una solución factible y óptima.
191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendenciaUriel Carrera Talarico
1. El método de suavización exponencial es un método de pronóstico sencillo que requiere pocos datos históricos. 2. Usa el pronóstico del período anterior, la demanda real del período y una constante de suavización alfa para calcular el próximo pronóstico. 3. Es útil para empresas que realizan muchos pronósticos pero su sencillez es una desventaja si la demanda muestra tendencias.
Este documento presenta varios ejercicios sobre anualidades y cálculos financieros con tasas de interés. En el primer ejercicio, se calculan el monto y el valor presente de diferentes anualidades ordinarias a tasas de 2.5%, 6% y 6%. En el segundo ejercicio, se compara la conveniencia de comprar un automóvil al contado o a plazos. En el tercer ejercicio, se calcula el valor efectivo equivalente de un contrato con pagos semestrales y un pago adicional al término.
Este documento describe la distribución muestral de proporciones. Explica cómo calcular la media y desviación estándar de la distribución muestral de proporciones a partir de una población, así como cómo usar la aproximación normal para calcular probabilidades relacionadas a la proporción muestral. También incluye ejemplos numéricos para ilustrar los conceptos.
Este documento describe la distribución muestral de la diferencia entre dos medias ( ̄X1 - ̄X2) cuando se extraen muestras independientes de dos poblaciones. Explica que ̄X1 - ̄X2 se distribuye aproximadamente de forma normal, y proporciona fórmulas para calcular la media y varianza muestral. Además, incluye varios ejemplos y ejercicios para ilustrar cómo aplicar este teorema estadístico para calcular probabilidades relacionadas con la diferencia entre medias m
Este documento presenta varios ejercicios resueltos relacionados con la aplicación del Teorema del Límite Central. En los ejercicios se calculan probabilidades para variables aleatorias con distribuciones normales dados diferentes tamaños de muestra. Por ejemplo, se calcula la probabilidad de que el diámetro promedio de una muestra de anillos esté dentro de un rango específico y cómo esta probabilidad cambia con un tamaño de muestra mayor.
La figura 1 muestra un diagrama de flujo de un proceso de fabricación con varios pasos. La figura 2 presenta una tabla con datos numéricos de rendimiento para cada etapa del proceso mostrado en la figura 1.
El documento presenta ejercicios resueltos de cálculo en varias variables. En la primera sección, se analiza una función de dos variables y se determinan su dominio y curvas de nivel. En la segunda sección, se estudia la continuidad de otra función de dos variables en el origen. En la tercera sección, se calculan las derivadas parciales de una función.
Este documento presenta tres ejercicios resueltos relacionados con modelos de regresión lineal múltiple. En el primer ejercicio, se estima un modelo de regresión utilizando datos sobre consumo nacional y renta nacional en España entre 1995-2005. En el segundo ejercicio, se ajusta otro modelo de regresión y se realizan pruebas de significancia. En el tercer ejercicio, se estima un modelo con datos sobre inversión, tipo de interés y variación del PIB, y se contrastan hipótesis sobre los coeficientes.
Este documento presenta los pasos para resolver un problema de programación lineal minimizando la función objetivo Z = 3X1 + 2X2 sujeto a varias restricciones sobre X1 y X2. El problema se resuelve aplicando el método simplex para hallar la tabla óptima final con las soluciones X1 = 3/5, X2 = 6/5 y Z = 21/5.
Este documento presenta los conceptos clave de intervalos de confianza e hipótesis estadísticas. Explica cómo calcular intervalos de confianza para la media, proporción, diferencia de medias y proporciones con muestras grandes y pequeñas. También describe los pasos para realizar pruebas de hipótesis, incluido el planteamiento de hipótesis nulas e alternativas, el cálculo de estadísticos de prueba y la determinación de reglas de decisión para medias, proporciones y otras medidas con
El documento presenta información sobre distribuciones de probabilidad como la distribución de Bernoulli y la distribución binomial. Explica la definición y fórmula de cada distribución con ejemplos. Luego, presenta varios ejercicios resueltos sobre la aplicación de estas distribuciones para calcular probabilidades en diferentes escenarios como sacar una carta de una baraja, obtener defectos en una producción industrial, y otros.
El documento explica el método simplex para resolver problemas de programación lineal. El método simplex es un procedimiento algebraico para encontrar la solución óptima de un modelo de PL mediante la conversión del modelo a una forma estándar y la exploración sistemática de las soluciones básicas factibles hasta encontrar la que optimice la función objetivo.
1) El documento presenta tres problemas relacionados con intervalos de confianza. El primero calcula un intervalo de confianza del 99% para la temperatura corporal promedio basado en una muestra. El segundo calcula intervalos de confianza del 95% para el precio promedio de diferentes marcas de atún. El tercero calcula un intervalo de confianza del 98% para la proporción de personas que opinan que el cine está mejorando o empeorando.
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESJuanMiguelCustodioMo
1. El documento presenta la resolución de varios problemas de programación lineal y sus duales. Se convierten los problemas a su forma estándar y se resuelven usando el método simplex. Se obtienen las soluciones óptimas de los problemas primal y dual.
2. Se pide estimar el intervalo del valor objetivo óptimo para dos problemas de PL presentados.
3. En uno de los ejemplos, la solución dual no es factible a pesar de que z=w, por lo que la solución primal es la óptima.
El método simplex primal es una herramienta matemática para resolver problemas de optimización lineal mediante la construcción y solución de una matriz. Se identifican la función objetivo y restricciones, se construye un modelo de programación lineal en forma estándar y una matriz asociada, la cual se resuelve iterativamente mediante eliminación de Gauss-Jordan hasta alcanzar la solución óptima.
1. El documento describe diferentes tipos de diseños experimentales como diseños factoriales, de bloques completos, anidados y superficies de respuesta. 2. También presenta la nomenclatura y simbología utilizada en diseños experimentales como O, X, R. 3. Explica cómo los diseños experimentales permiten identificar y cuantificar los efectos de diferentes factores y variables en un estudio, así como detectar posibles interacciones entre factores.
Este documento presenta los métodos de regresión con variables dicotómicas (dummy). Explica el uso de variables dummy, y tres modelos con variables dummy: modelo con dummy aditiva, modelo con dummy multiplicativa y modelo con dummy de interacción. Además, presenta ejemplos y aplicaciones de estos modelos, incluyendo la captura de quiebres estructurales y el análisis de series de tiempo con componente estacional usando variables dummy estacionales.
Este documento presenta una introducción al análisis de varianza (ANOVA) de un factor. Explica que el ANOVA permite comparar varios promedios para determinar si provienen de poblaciones iguales. Describe los supuestos del ANOVA, el estadístico F y cómo se descompone la varianza total. Finalmente, incluye un ejemplo práctico para ilustrar cómo aplicar el ANOVA para analizar si diferentes niveles de un factor influyen en una variable de respuesta.
Este documento presenta información sobre el análisis residual en la regresión estimada. Brevemente discute tres puntos clave: 1) el análisis residual puede realizarse tanto en muestras de series de tiempo como de corte transversal; 2) la interpretación y evaluación de resultados incluye aspectos estadísticos, económicos y econométricos, enfocándose en particular en el análisis de residuos; 3) cuando la muestra es de serie de tiempo, el análisis incluye gráficos de residuos y el estadístico
Este documento presenta los conceptos básicos de la estadística descriptiva para la agrupación y presentación de datos. Explica cómo construir tablas de frecuencias y gráficos como histogramas y polígonos de frecuencia para resumir y visualizar datos de manera que sean fáciles de entender e interpretar. También cubre el cálculo de frecuencias absolutas, relativas y porcentuales, así como la ilustración de diferentes tipos de gráficos como barras, líneas y pictogramas para comparar y analizar datos
Este documento presenta información sobre series de tiempo y pronósticos. Discuten los componentes de una serie de tiempo como tendencia, estacionalidad y ciclo. Explican diferentes métodos para realizar pronósticos como ajuste a tendencias lineales y no lineales, y series de tiempo univariadas y multivariadas. También cubren temas como predicción ex-ante y ex-post, y métodos para evaluar la precisión de pronósticos. El objetivo general es proporcionar una introducción a conceptos y técnicas clave para el análisis y pronóst
Este documento presenta información sobre pruebas de hipótesis cuantitativas. Explica conceptos clave como hipótesis nula y alternativa, nivel de significancia, errores tipo I y II, y procedimientos para probar hipótesis utilizando estadísticos de prueba. Incluye ejemplos de pruebas de hipótesis para la media de una población utilizando una, dos o una sola cola. El objetivo es proporcionar una guía sobre cómo utilizar pruebas de hipótesis para evaluar si los datos m
Este documento presenta los principales métodos de investigación cuantitativa, incluyendo fuentes primarias y secundarias de información, diseño de muestras, y tamaño de muestra. Discute la diferencia entre fuentes primarias como encuestas y fuentes secundarias como informes estadísticos. Explica los métodos de muestreo probabilístico y no probabilístico, y cómo calcular el tamaño de muestra usando fórmulas estadísticas que consideran el nivel de confianza y error máximo permitido.
Este documento presenta una introducción a la econometría. Explica la importancia de medir las relaciones cuantitativas entre variables económicas, y describe los componentes básicos de un modelo econométrico, incluyendo variables, parámetros y el uso de datos. También resume los pasos para especificar, estimar y evaluar un modelo, así como los usos del análisis econométrico para la predicción y la formulación de políticas.
Este documento presenta información sobre distribuciones normales, distribuciones muestrales y estimación. Explica que la distribución muestral de la media sigue una distribución normal y tiene una media y variabilidad propias. También describe cómo calcular intervalos de confianza para estimar parámetros poblacionales como la media, usando la distribución muestral de la media y su error estándar. El documento concluye con algunos ejemplos numéricos de cálculo de intervalos de confianza.
Este documento presenta una introducción al método de investigación cuantitativo. Explica conceptos básicos como población, muestra, variables, y los tipos de variables. También describe las características generales del método cuantitativo y algunos ejemplos de investigaciones cuantitativas.
Este documento presenta información sobre métodos de investigación cuantitativa e ideas introductorias de probabilidad. Explica conceptos como tipos de probabilidad, distribución de probabilidad, valor esperado y varianza. También cubre la distribución normal y su uso, así como conceptos clave de probabilidad como reglas de probabilidad y teorema de Bayes. Finalmente, discute la relación entre probabilidad y toma de decisiones bajo condiciones de incertidumbre.
Este documento presenta los conceptos clave de la estadística descriptiva, incluyendo medidas de tendencia central como la media, mediana y moda, y medidas de variabilidad como la varianza y desviación estándar. Explica cómo calcular y interpretar estas medidas para resumir conjuntos de datos, ya sea datos numéricos exactos o datos agrupados.
Este documento presenta 7 ejercicios de estadística que involucran el desarrollo de ecuaciones de estimación lineal y de segundo grado para describir diferentes conjuntos de datos. Los ejercicios también calculan porcentajes de tendencia y residuos cíclicos relativos. El documento concluye que en varios casos hubo mayor fluctuación de la tendencia en los primeros años analizados y que esto podría afectar negativamente las actividades de una empresa.
Este documento presenta varios ejemplos de regresión lineal múltiple para modelar diferentes relaciones entre variables. En el primer ejemplo, se analizan tres conjuntos de datos para determinar cuál tiene la correlación más fuerte. En el segundo ejemplo, se usa la regresión lineal múltiple para predecir salarios basados en la producción y especialización. En el tercer ejemplo, se ajusta un modelo para predecir los ahorros familiares en función de los ingresos.
Este documento presenta los resultados de un análisis de regresión múltiple para predecir el precio de viviendas en función de su tamaño (metros de terreno y construcción) y número de recámaras. El modelo explica el 88% de la variación en precios y todos los coeficientes excepto el de recámaras son estadísticamente significativos.
Este documento presenta 11 ejercicios sobre regresión lineal simple. Los ejercicios involucran obtener rectas de regresión ajustadas a partir de conjuntos de datos, interpretar las pendientes y constantes de dichas rectas, y analizar si los datos sugieren modelos de regresión lineal a través de diagramas de dispersión.
Este documento presenta 11 ejercicios sobre regresión lineal simple. Los ejercicios piden graficar datos, obtener rectas de regresión ajustadas basadas en conjuntos de datos de variables, e interpretar las pendientes y constantes de dichas rectas. Los conjuntos de datos se presentan en tablas y contienen información sobre ventas, precios, gastos en publicidad, tiempos de ejecución, tipos de interés y más.
El documento describe métodos para convertir números entre diferentes sistemas de numeración. Explica cómo convertir números de base X a base 10 usando el Teorema Fundamental de la Numeración, y de base 10 a otras bases como binario, octal y hexadecimal mediante divisiones sucesivas para enteros y multiplicaciones para decimales. También cubre conversiones de números mixtos usando restas sucesivas de potencias de la base.
EJERCICIOS ING ECONOMICA VALOR PRESENTE Y VALOR FUTURO RESUELTOS.pptxAnnyOviedo1
El documento presenta un análisis de valor presente equivalente (VAE) de cuatro proyectos (A, B, C, D) con diferentes flujos de efectivo y tasas de descuento. El proyecto A no es recomendable debido a que genera pérdidas. Los proyectos B, C y D sí son recomendables porque su VAE es positivo. Se concluye que se deberían invertir en cualquiera o todos los proyectos B, C y D.
El documento describe métodos para convertir números entre diferentes sistemas de numeración. Explica cómo convertir números de base X a base 10 usando el Teorema Fundamental de la Numeración, y de base 10 a otras bases como binario, octal y hexadecimal mediante divisiones sucesivas para enteros y multiplicaciones para decimales. También cubre conversiones de números mixtos usando restas sucesivas de potencias de la base.
Este documento presenta ejercicios de conversión entre diferentes sistemas de numeración, incluyendo binario, octal, decimal y hexadecimal. Se proporcionan ejemplos de cómo convertir números entre estas bases y tablas de conversión.
Continuación del Informe de confiabilidad.
En esta parte, más alla de lo pedido en el informe hecho para el diplomado, se ha utiizado la misma BBDD, con el objetivo de mostrar parametrizaciones de curvas weibull y planes de mantenimiento basados en confiabilidad.
La idea es por un lado servir de practica y por otro, dado que el informe ha tenido varias lecturas dar a la gente que lo la la oportunidad de encontrar información más practica del uso de estas herramientas.
El documento describe el análisis de movimiento de efectivo realizado para calcular los ingresos generados por las ventas de computadoras en los primeros 60 días de su lanzamiento al mercado. Se utilizaron reglas de integración numérica como la trapezoidal y Simpson para estimar el flujo de efectivo total en aproximadamente $77 millones. Sin embargo, los resultados variaron ampliamente debido a la sensibilidad de los métodos numéricos a los cambios en los datos de entrada.
Este documento presenta los beneficios de los sistemas fotovoltaicos para los sectores residencial, comercial y productivo. Explica que Chile está aumentando el uso de energías renovables no convencionales como la energía solar fotovoltaica. También describe cómo calcular de manera simple un sistema fotovoltaico para satisfacer las necesidades de consumo eléctrico y evaluar su rentabilidad. Finalmente, identifica oportunidades para proyectos fotovoltaicos en el sur de Chile en diferentes segmentos como la agricultura, la industria y el comerc
El análisis del punto de equilibrio es una herramienta para determinar la capacidad necesaria para lograr rentabilidad. Calcula el punto donde los costos e ingresos son iguales en unidades y dinero. Los costos fijos continúan aunque no haya producción, mientras que los costos variables varían con la producción. El punto de equilibrio es donde la línea de ingresos cruza la línea de costos totales.
Este documento presenta tres ejercicios resueltos de programación entera y dinámica. El primero busca maximizar los beneficios de invertir en proyectos considerando costos y capital disponible. El segundo minimiza el número de casetas telefónicas instaladas para cubrir calles. El tercero plantea una fórmula recursiva para minimizar costos de generación eléctrica considerando demanda, capacidad y mantenimiento a lo largo de los años.
El documento presenta un análisis de varianza (ANOVA) para probar si diferentes promociones tienen el mismo efecto en las ventas en diferentes tiendas. Se plantean hipótesis nulas y alternativas, y se calculan sumas de cuadrados entre grupos y dentro de grupos. El estadístico F calculado es menor que el crítico, por lo que se acepta la hipótesis nula de que los efectos de las promociones son los mismos en todas las tiendas.
El documento presenta un análisis de varianza (ANOVA) para probar si diferentes promociones tienen el mismo efecto en las ventas en diferentes tiendas. Se plantean hipótesis nulas y alternativas, y se calculan sumas de cuadrados entre grupos y dentro de grupos. El estadístico F calculado es menor que el crítico, por lo que se acepta la hipótesis nula de que los efectos de las promociones son los mismos en todas las tiendas.
Muestra las etapas para la solución de un problema de diseño de experimentos.
Usando Excel para calcular la varianza entre medias y la varianza entre columnas
Este documento presenta una serie de ejercicios prácticos de Microsoft Excel. Incluye ejercicios para crear tablas con diferentes tipos de datos, como enteros, fracciones, fechas y cálculos. También incluye ejercicios para crear gráficos de diferentes tipos a partir de datos estadísticos. Por último, propone ejercicios para diseñar hojas de cálculo más complejas como facturas, presupuestos de gastos de vehículos y bases de datos para gestión comercial.
Este documento presenta una serie de ejercicios de Microsoft Excel para practicar diferentes funciones y herramientas. Incluye ejercicios para crear tablas, gráficos, hojas de cálculo, bases de datos y mapas. Se proporcionan instrucciones detalladas para cada ejercicio, como rellenar tablas con diferentes tipos de datos, dar formato a la información, realizar cálculos, comparar datos y representarlos visualmente. El objetivo es que el usuario aprenda a utilizar Excel de forma efectiva para el análisis y visualización de
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...Juan Martín Martín
Criterios de corrección y soluciones al examen de Geografía de Selectividad (EvAU) Junio de 2024 en Castilla La Mancha.
Soluciones al examen.
Convocatoria Ordinaria.
Examen resuelto de Geografía
conocer el examen de geografía de julio 2024 en:
https://blogdegeografiadejuan.blogspot.com/2024/06/soluciones-examen-de-selectividad.html
http://blogdegeografiadejuan.blogspot.com/
El curso de Texto Integrado de 8vo grado es un programa académico interdisciplinario que combina los contenidos y habilidades de varias asignaturas clave. A través de este enfoque integrado, los estudiantes tendrán la oportunidad de desarrollar una comprensión más holística y conexa de los temas abordados.
En el área de Estudios Sociales, los estudiantes profundizarán en el estudio de la historia, geografía, organización política y social, y economía de América Latina. Analizarán los procesos de descubrimiento, colonización e independencia, las características regionales, los sistemas de gobierno, los movimientos sociales y los modelos de desarrollo económico.
En Lengua y Literatura, se enfatizará el desarrollo de habilidades comunicativas, tanto en la expresión oral como escrita. Los estudiantes trabajarán en la comprensión y producción de diversos tipos de textos, incluyendo narrativos, expositivos y argumentativos. Además, se estudiarán obras literarias representativas de la región latinoamericana.
El componente de Ciencias Naturales abordará temas relacionados con la biología, la física y la química, con un enfoque en la comprensión de los fenómenos naturales y los desafíos ambientales de América Latina. Se explorarán conceptos como la biodiversidad, los recursos naturales, la contaminación y el desarrollo sostenible.
En el área de Matemática, los estudiantes desarrollarán habilidades en áreas como la aritmética, el álgebra, la geometría y la estadística. Estos conocimientos matemáticos se aplicarán a la resolución de problemas y al análisis de datos, en el contexto de las temáticas abordadas en las otras asignaturas.
A lo largo del curso, se fomentará la integración de los contenidos, de manera que los estudiantes puedan establecer conexiones significativas entre los diferentes campos del conocimiento. Además, se promoverá el desarrollo de habilidades transversales, como el pensamiento crítico, la resolución de problemas, la investigación y la colaboración.
Mediante este enfoque de Texto Integrado, los estudiantes de 8vo grado tendrán una experiencia de aprendizaje enriquecedora y relevante, que les permitirá adquirir una visión más amplia y comprensiva de los temas estudiados.
La Unidad Eudista de Espiritualidad se complace en poner a su disposición el siguiente Triduo Eudista, que tiene como propósito ofrecer tres breves meditaciones sobre Jesucristo Sumo y Eterno Sacerdote, el Sagrado Corazón de Jesús y el Inmaculado Corazón de María. En cada día encuentran una oración inicial, una meditación y una oración final.
2. 2
PUNTOS A TRATAR
FÁTIMA PONCE REGALADO
MODELO DE REGRESIÓN LINEAL GENERAL
(Ejercicios).
Aplicación 1: Uso del excel.
Aplicación 2: Uso del excel y del Eviews.
Comparación de Modelos.
3. 3FÁTIMA PONCE REGALADO
APLICACIÓN 1 (1/8)
(Anderson et al, 15.5)
El dueño de la
empresa Movie desea
estimar el ingreso
bruto semanal en
función de los gastos
de publicidad. En el
archivo Movie.xlsx se
presentan los datos
históricos de 10
semanas.
Ingreso Semanal
bruto (en miles de
$)
Publicidad en TV
(en miles de $)
Publicidad en
Periódicos (en
Miles de $)
96 5 1.5
90 2 2
95 4 1.5
92 2.5 2.5
95 3 3.3
94 3.5 2.3
94 2.5 4.2
94 3 2.5
93 3 2.5
95 3.2 2.8
4. 4FÁTIMA PONCE REGALADO
APLICACIÓN 1 (2/8)
a) MODELO BIVARIADO: Obtenga una ecuación de
regresión estimada en la que el monto gastado en
publicidad en TV sea la variable independiente. ¿Qué tan
bueno es el modelo económica y estadísticamente (al
5%)?
b) MODELO MULTIVARIADO: Obtenga una ecuación de
regresión estimada en la que el monto gastado en
publicidad en TV y en periódicos sean las variables
independientes. ¿Qué tan bueno es el modelo económica
y estadísticamente (al 5%)?
c) COMPARE MODELOS: ¿Cual de los 2 modelos estimados
es mejor?, por qué?
5. 5FÁTIMA PONCE REGALADO
APLICACIÓN 1 (3/8)
REGRESIÓN EN EXCEL
Para realizar regresión en EXCEL emplear comando
DATOS / ANALISIS DE DATOS
Escoger REGRESIÓN:
6. 6FÁTIMA PONCE REGALADO
APLICACIÓN 1 (4/8)
REGRESIÓN EN EXCEL
Rango de datos de
la variable
dependiente
Rango de datos de
la(s) variable(s)
independientes
Presenta cuadro
con los errores
estimados y
valor de Yestimado.
7. 7FÁTIMA PONCE REGALADO
APLICACIÓN 1 (5/8)
MODELO
BIVARIADO
Resumen
Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.7869
Coeficiente de
determinación R^2 0.6191
R^2 ajustado 0.5715
Error típico 1.1463
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de
libertad
Suma de
cuadrados
Promedio
de los
cuadrados F
Valor crítico
de F
Regresión 1 17.0884 17.0884 13.0053 0.0069
Residuos 8 10.5116 1.3140
Total 9 27.6
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 88.6605 1.4705 60.2919 6.3637E-12
Publicidad en TV
(en miles de $) 1.6213 0.4496 3.6063 0.00691881
Modelo es bueno estadísticamente, a
nivel de t y F
Existe relación positiva entre publicidad
en TV e ingresos brutos semanales.
8. 8FÁTIMA PONCE REGALADO
APLICACIÓN 1 (6/8)
MODELO
MÚLTIPLE
Resumen
Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.9482
Coeficiente de
determinación R^2 0.8990
R^2 ajustado 0.8702
Error típico 0.6310
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de
libertad
Suma de
cuadrados
Promedio de los
cuadrados F
Valor
crítico de F
Regresión 2 24.8129 12.4064 31.1591 0.0003
Residuos 7 2.7871 0.3982
Total 9 27.6
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 82.9513 1.5282 54.2803 1.8883E-10
Publicidad en TV (en
miles de $) 2.3386 0.2963 7.8938 9.9259E-05
Publicidad en Periódicos
(en miles de $) 1.3687 0.3107 4.4046 0.00313941
Este modelo es mejor que el bivariado
pues tiene mayor R2 ajustado
Modelo es bueno económica (signos
correctos de betas) y estadísticamente.
9. 9FÁTIMA PONCE REGALADO
APLICACIÓN 1 (7/8)
d) INTERPRETACIÓN DEL β (pendiente): ¿Es el
coeficiente correspondiente a los gastos de publicidad en
TV de la ec. de regresión estimada del inciso a) igual al
del inciso b)?. Interprete este coeficiente en cada caso.
e) USO DE LA ESTIMACIÓN: ¿Cuál es el ingreso semanal
bruto en una semana en la que se gastan $3500 en
publicidad en TV y $1800 en publicidad en periódicos?
f) PREDICCIÓN: ¿Cuál sería el ingreso bruto esperado por
el empresario si se espera gastar la siguiente semana $
3200 en publicidad en TV (3.2 miles) y $ 2100 en
publicidad en periódicos (2.1 mil)?
10. 10FÁTIMA PONCE REGALADO
APLICACIÓN 1 (8/8)
d) INTERPRETACIÓN DEL β (pendiente): El coeficiente nos dice
el cambio marginal o neto en los ingresos semanales ante el cambio
de $ 1000 en gastos de publicidad en TV, pero su valor es diferente
en ambas ecs. de regresión estimada, en a) =1.6213 y en b)
=2.3386.
e) USO DE LA ESTIMACIÓN: El ingreso semanal bruto en una
semana en la que se gastan $3500 en publicidad en TV y $1800 en
publicidad en periódicos es:
82.9513 + 2.3386 (3.5) + 1.3687 (1.8) = 93.6 miles $
f) PREDICCIÓN: El ingreso bruto esperado por el empresario si se
espera gastar la siguiente semana $ 3200 en publicidad en TV (3.2
miles) y $ 2100 en publicidad en periódicos (2.1 mil) es:
82.9513 + 2.3386 (3.2) + 1.3687 (2.1) = 93.3 miles $
11. 11FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) preg 13-20)
Rick está pensando en vender
su casa. Con el fin de decidir el
precio que pedirá por ella, ha
reunido datos de 12 ventas
recientes. Registró el precio de
venta (en miles de $), el número
de pies2 de construcción (en
cientos de pies2), el número de
pisos, el número de baños y la
antigüedad de la casa (en
años).
¿Cuál es el modelo?, ¿Cuál es la variable dependiente?.
12. 12FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) pg 13-20)
a) Empleando los datos del archivo PRECIOCASA.XLS
determine la mejor ecuación de regresión múltiple.
EN EXCEL emplear comando DATOS / ANALISIS DE DATOS
Escoger REGRESIÓN:
13. 13FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) pg 13-20)
Rango de datos de
la variable
dependiente
Rango de datos
de las variables
independientes
Presenta cuadro
con los errores
estimados y
valor de Yestimado.
14. 14FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) pg 13-20)
Resumen
Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.9744
Coeficiente de
determinación R^2 0.9495
R^2 ajustado 0.9207
Error típico 13.9224
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de
libertad
Suma de
cuadrados
Promedio
de los
cuadrados F
Valor crítico
de F
Regresión 4 25528.84 6382.21 32.9262 0.0001
Residuos 7 1356.83 193.83
Total 11 26885.67
15. 15FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) pg 13-20)
Coeficientes
Error
típico
Estadístico
t
Probabili
dad Inferior 95%
Superior
95%
Intercepción 9.370 14.1581 0.662 0.529 -24.1089 42.8483
pies2 (cientos) 4.856 1.6188 3.000 0.020 1.0286 8.6842
pisos 2.601 10.4373 0.249 0.810 -22.0792 27.2814
baños 8.557 17.0490 0.502 0.631 -31.7579 48.8710
antigüedad (en años) -1.023 1.2650 -0.809 0.445 -4.0144 1.9679
Análisis de los residuales
Observación
Pronóstico
Precio de Venta
(en miles de $) Residuos
1 61.703 -12.053
2 60.523 7.427
3 77.341 3.809
4 81.868 -0.268
5 92.888 -1.388
6 88.604 6.646
7 112.255 -11.905
8 116.192 -11.942
9 119.431 -6.781
10 145.394 4.306
11 133.739 26.911
12 237.261 -4.761
16. 16FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) pg 13-20)
b) Importe los datos del archivo: PRECIOCASA.XLS al Eviews
(tendrá PRECIOCASA.WF1) y determine la ecuación de
regresión de mejor ajuste para los datos.
c) ¿Cuál es el valor de R2 para esta ecuación?
d) Si la casa de Rick tiene 1,800 pies cuadrados (18 cientos de
pies2), un piso, 1.5 baños y 6 años de antigüedad, ¿qué
precio de venta puede esperar Rick?
En el EVIEWS:
Ingresar al Eviews / Crear nuevo file y definir formato
FILE / NEW / WORKFILE ……
Importar datos del excel: FILE / IMPORT / ….
17. 17FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) pg 13-20)
En el EVIEWS:
Análisis univariado: para ver si se presentan elementos
atípicos o algún quiebre en el comportamiento de los datos.
40
80
120
160
200
240
1 2 3 4 5 6 7 8 9 10 11 12
PRECIO
a) Para seleccionar una serie:
Dar click a serie
seleccionada.
Saldrá la hoja con los datos
de la serie
b) Para graficar la serie:
View / Gráfico / línea.
18. 18FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) pg 13-20)
En el EVIEWS:
Análisis Bivariado:
a) Hallar el Diagrama de dispersión entre Precio y pies2
(gráfico SCATTER) ¿Qué relación tienen los datos?.
Para graficar la serie: Escoger View / Gráfico / Scatter…
(ver sgte lámina)
b) ¿Qué valor tiene el coeficiente de correlación?.
QUICK / GROUP STATISTICS/ CORRELATIONS/ ...
Escribir los nombres de las series…
19. 19FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
1.- Seleccionar la variable independiente (pies2) y la variable dependiente
(precio)….. Open Group
2.- Elegir VIEW/GRAPH/ SCATTER, y en Fit Lines elegir Regression Line…
Aceptar.
20. 20FÁTIMA PONCE REGALADO
40
80
120
160
200
240
8 12 16 20 24 28 32 36 40 44
PIES2
PRECIO
3.- El resultado sale:
Las variables precio-
pies2 se relacionan de
manera directa o
positiva:
Si sube el tamaño
(pies2) se eleva el
precio.
Aplicación 2: Precio de la casa
21. 21FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
b) Análisis de Regresión Múltiple:
Precio= 1 + 2pies2 + 3pisos + 4banhos + 5antiguedad +
En el Eviews, teniendo los datos muestrales, escoger:
Quick / Estimate Equation
Escribir la ecuación
a estimar
precio c pies2 pisos banhos antiguedad
Método de estimación:
MCO = LS
Muestra empleada
1 12
22. 22FÁTIMA PONCE REGALADO
c)R2=0.9495El94%delasvariacionesdel
PRECIOsonexplicadasporPIES2,PISOS,
BANHOSyANTIGUEDAD.
Test de significancia Conjunta: Fest > Ftabla ó
prob(F)<0.05 Rechazar H0.
Test de significancia individual: Si |test|>|ttabla≈2|
ó prob<0.05 PIES2 es variable estadístic.
importante, otras no.
Dependent Variable: PRECIO
Method: Least Squares
Sample: 1 12
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C 9.369706 14.15811 0.661791 0.5293
PIES2 4.856395 1.618764 3.000065 0.0199
PISOS 2.601135 10.43730 0.249215 0.8103
BANHOS 8.556553 17.04900 0.501880 0.6311
ANTIGUEDAD -1.023282 1.264951 -0.808950 0.4452
R-squared 0.949533 Mean dependent var 110.6000
Adjusted R-squared 0.920695 S.D. dependent var 49.43836
S.E. of regression 13.92241 Akaike info criterion 8.399213
Sum squared resid 1356.834 Schwarz criterion 8.601258
Log likelihood -45.39528 Hannan-Quinn criter. 8.324409
F-statistic 32.92624 Durbin-Watson stat 1.829811
Prob(F-statistic) 0.000125
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) pg 13-20)
Ecuación de regresión empleando EVIEWS.
23. 23FÁTIMA PONCE REGALADO
Aplicación 2: Precio de la casa
(Ej. Levin y Rubin(2010) pg 13-20)
d) Si la casa de Rick tiene 1,800 pies cuadrados (18 cientos de
pies2), 1 piso, 1.5 baños y 6 años de antigüedad, ¿qué precio
de venta puede esperar Rick?
Regresión estimada:
^
PRECIO = 9.37 + 4.86 PIES2 + 2.6 PISOS +
8.56 BANHOS – 1.02 ANTIGUEDAD
Precio esperado sería:
^
PRECIOesperado = 9.37 + 4.86*(18) + 2.6*(1) + 8.56*(1.5) – 1.02*(6)
^
PRECIOesperado = 106.17 miles de $
25. 25FÁTIMA PONCE REGALADO
COMPARACIÓN ENTRE MODELOS (1/3)
Suponga que se quiere elegir el mejor modelo para una
función de demanda (CONSUMO), si se tiene como variables
independientes: INGRESO, PRECIO y PUBLICIDAD.
Los modelos propuestos son:
CONSUMO= β1 + 2 INGRESO +
CONSUMO= 1 + 2 INGRESO+ 3 PRECIO +
CONSUMO= 1 + 2INGRESO+ 3PRECIO+ 4PUBLICIDAD+
Si se estiman los 3 modelos: ¿Cuál es mejor?
26. 26FÁTIMA PONCE REGALADO
COMPARACIÓN ENTRE MODELOS (2/3)
(Criterios a emplear)
Para comparar entre modelos con diferentes variables
independientes, cuando la variable dependiente es la misma se
emplea:
_
R2 Ajustado ó R2: Selecciona como mejor modelo aquel que
tiene mayor valor de R2 ajustado.
Criterio de Información de Akaike.
Criterio Bayesiano de Schwarz.
Criterio de Hannan Quinn.
Se elige el modelo
que tenga menor
valor
27. 27FÁTIMA PONCE REGALADO
COMPARACIÓN ENTRE MODELOS (3/3)
Dependent Variable: CONSUMO
Method: Least Squares
Sample: 1964 2012
Included observations: 49
Variable Coefficient Std. Error t-Statistic Prob.
C 724.8630 234.4719 3.091471 0.0033
INGRESO 1.792203 0.175116 10.23438 0.0000
R-squared 0.690265 Mean dependent var 3001.327
Adjusted R-squared 0.683675 S.D. dependent var 923.0798
S.E. of regression 519.1658 Akaike info criterion 15.38228
Sum squared resid 12668058 Schwarz criterion 15.45950
Log likelihood -374.8660 Hannan-Quinn criter. 15.41158
F-statistic 104.7426 Durbin-Watson stat -.-
Prob(F-statistic) 0.000000
Dependent Variable: CONSUMO
Method: Least Squares
Sample: 1964 2012
Included observations: 49
Variable Coefficient Std. Error t-Statistic Prob.
C 3406.640 737.1843 4.621151 0.0000
INGRESO 2.105837 0.175281 12.01410 0.0000
PRECIO -33.94242 8.955323 -3.790195 0.0004
R-squared 0.763975 Mean dependent var 3001.327
Adjusted R-squared 0.753713 S.D. dependent var 923.0798
S.E. of regression 458.1001 Akaike info criterion 15.15132
Sum squared resid 9653360. Schwarz criterion 15.26715
Log likelihood -368.2074 Hannan-Quinn criter. 15.19527
F-statistic 74.44712 Durbin-Watson stat -.-
Prob(F-statistic) 0.000000
Dependent Variable: CONSUMO
Method: Least Squares
Sample: 1964 2012
Included observations: 49
Variable Coefficient Std. Error t-Statistic Prob.
C 3681.494 978.4742 3.762485 0.0005
INGRESO 2.009421 0.284628 7.059806 0.0000
PRECIO -36.99961 11.47379 -3.224708 0.0024
PUBLICIDAD 49.24304 113.9035 0.432322 0.6676
R-squared 0.764951 Mean dependent var 3001.327
Adjusted R-squared 0.749281 S.D. dependent var 923.0798
S.E. of regression 462.2032 Akaike info criterion 15.18799
Sum squared resid 9613432. Schwarz criterion 15.34243
Log likelihood -368.1059 Hannan-Quinn criter. 15.24659
F-statistic 48.81643 Durbin-Watson stat -.-
Prob(F-statistic) 0.000000
29. 29FÁTIMA PONCE REGALADO
Anderson, D., Sweeney, D. y Williams T. (2008). Estadística
para Administración y Economía. [10ma. Ed.] México,
Cengage Learning Editores S.A. de C.V., Cap 14 y 15.
Levin, R. y Rubin, D. (2010). Estadística para Administración
y Economía. Séptima Edición Revisada. Pearson Educación,
México. Prentice Hall. 2010. Cap. 12 y 13.
BIBLIOGRAFIA