El primer paso consiste en armar la base de datos, con una variable.

Slides:



Advertisements
Presentaciones similares
Vamos a resolver el siguiente sistema de ecuaciones lineales.
Advertisements

Análisis de series de tiempo
Tips – Correo Electrónico
Análisis de series de tiempo
Reunión de coordinación Matemáticas II. Ponente: Alfonso Romero Universidad de Granada Telf.:
Sistemas de Ecuaciones Lineales
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
PRINCIPIOS DE ESTADÍSTICAS INFERENCIALES PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS.
Sistemas de Ecuaciones Lineales. Métodos de Resolución del sistema Métodos de Resolución de un Sistema de Ec. Lineales Método Geométrico Gráfico Método.
REGRESIÓN Y CORRELACIÓN  REGRESIÓN Es un Proceso estadístico que consiste en predecir una variable a partir de otra utilizando datos anteriores. INGA.
1 Pronósticos, Series de Tiempo y Regresión Capítulo 3: Regresión Lineal Simple.
Ing. VITELIO ASENCIOS TARAZONA. Dentro de los modelos causales o asociativos encontramos el análisis de regresión o regresión lineal, que es un método.
Prof. Dr. Luis Alberto Rubio Jacobo CURSO: “Estadística Aplicada al Marketing” MAESTRIA EN GERENCIA DE MARKETING.
PROYECTOS DE INVERSIÓN
Derivadas algebraicas
Métodos de cálculo para el pronóstico de ventas
Capitulo 3 Análisis descriptivo inferencial: comparaciones de muestras
CLASE N°5: CINEMÁTICA IV
REFORZAMIENTO EN MATEMÁTICAS
Comenzar.
PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS
REFORZAMIENTO EN MATEMÁTICAS
Título del proyecto científico
Procedimiento completo de regresión múltiple
Pedro Letelier Patricio Contreras
BALANCEO DE ECUACIONES QUIMICAS
MEP- II.
Introducción a los modelos econométricos
Unidad 5. Capítulo VI. Sistemas lineales no homogéneos.
INFERENCIA ESTADÍSTICA PARA DOS POBLACIONES
con a, b y c constantes reales y a ≠ 0.
La operación inversa de la potenciación
Regresion Multiple Varias variables explicativas
MÓDULO: VALORACION DE EMPRESAS
Unidad 4. Capítulo IV. El Wronskiano de funciones.
Variables dummy Una variable dummy toma valores entre 1 y 0 Ejemplo:
Unidad 6. Capítulo I. Introducción.
Área de matemáticas Módulo 4 Sesión 17
Microsoft Official Academic Course, Microsoft Excel 2013
Evaluación Económica Financiera de Proyectos
ANALISIS E INTERPRETACIONESTADISTICOS ANALISIS E INTERPRETACION ESTADISTICOS.
Capítulo 7. (Bernal, 2005) Procesos de Investigación Científica Sección 7.11 Procesamiento de la Información. Datos.
Análisis de Regresión Lineal Curso de Verano ENCUP: Introducción al análisis cuantitativo en ciencias sociales Javier Aparicio División de Estudios Políticos,
 La minería de datos o exploración de datos (es la etapa de análisis de "Knowledge Discovery in Databases" o KDD) es un campo de la estadística y las.
ANALISIS DE VARIANZA
Modelos SARIMA Metodología Box-Jenkins
DEL MANIPULADOR: PARTE 1 Roger Miranda Colorado
La Tierra de las Raíces Unitarias
Ensayos Interaboratorio. Distintos Tipos y Objetivos
ANÁLISIS DE LA TR INCREMENTAL DE ALTERNATIVAS MÚLTIPLES.
Tema 6: Regresión lineal. 1. Introducción. 2. La ecuación de la recta. 3. El criterio de mínimos cuadrados. 4. Representación gráfica. 5. Coeficientes.
Free and Quick Translation of Anderson's slides
SERIES DE TIEMPO. Concepto Una serie de tiempo es un conjunto de observaciones de un fenómeno tomadas en tiempos específicos, generalmente a intervalos.
Resolución interactiva del Simplex
Guía General del Modelo ASÍ de Medición de Indicadores
Lenguaje y Comunicación Pasos para la evaluación diagnóstica
Operaciones combinadas
MÉTODO SIMPLEX. Ejemplo de Simplex: Vamos a resolver el siguiente problema: MaximizarZ = f(x 1,x 2 ) = 3x 1 + 2x 2 Sujeto a:2x 1 + x 2 ≤ 18 2x 1 + 3x.
Distribución Normal de una Variable
Qucik and Free Translation of Anderson's slides
MEDIDAS DE DISPERSIÓN “Medidas de dispersión”. Miden qué tanto se dispersan las observaciones alrededor de su media. MEDIDAS DE DISPERSIÓN.
REGRESIONINTERPOLACION Los Métodos Numéricos Métodos mas utilizados Ajuste de Curvas.
diseño de investigación
La Tierra de las Raíces Unitarias
Qucik and Free Translation of Anderson's slides
ANÁLISIS DE REGRESIÓN LINEAL Y CORRELACIÓN SIMPLE ANÁLISIS DE REGRESIÓN LINEAL Y CORRELACIÓN SIMPLE 1 1.
Cubo de Datos Censo Educativo
1 Afectados de cierto grado de INCERTIDUMBRE SIEMPRE HAY UN ERROR EN SU MEDIDA ESTABLECER LA FIABILIDAD DE LOS DATOS ¿Podemos evaluar la magnitud del error.
ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN ¿Qué es una proyección? Es una estimación del comportamiento de una variable en el futuro. Específicamente, se.
ESTADÍSTICA APLICADA  ZEUS DE JESÚS RODRÍGUEZ BUDA  GABRIELA MÁRQUEZ TORRES  MARÍA ENRIQUETA GIL CÓRDOVA  ELIÁN ANTONIO GONZALEZ GARCÍA  CRISTELL.
Transcripción de la presentación:

El primer paso consiste en armar la base de datos, con una variable. Para el presente, se utiliza la variable BOLIVIA, que mide el PIB de Bolivia entre los años 1950 a 2008 No se aplican las pruebas necesarias de estacionariedad, estacionalidad u otros, porque solo se busca (por ahora) calcular los estadísticos. Mas adelante se realizará formalmente el análisis de la base de datos ante problemas de No Estacionariedad

Para realizar la primera estimación, del AR(1), buscamos el comando QUICK, luego ESTIMATE EQUATION, y nos aparece la siguiente ventana. En la misma, primero se escribe la Unica Variable de análisis, en este caso BOLIVIA. Luego se incluye la constante “C” Finalmente se escribe el comando ar(1) Lo anterior arrojará como resultado el modelo AR(1) para el PIB de Bolivia

El resultado del modelo AR(1) se expresa en la ventana emergente. Por ahora, al ser un trabajo inicial, nos interesa verificar los estadísticos básicos, como ser la t-student, R-cuadrado, F, Durbin Watson Debe verificar el mensaje que sale al final de la ventana, en este caso ese mensaje indica que el coeficiente calculado es NO ESTACIONARIO. Por favor pregunte en clase esto, para la correcta interpretación y orientación sobre la forma de resolver este problema.

De manera similar se puede calcular un modelo MA(q) En este caso se escribe el comando para correr la regresión del MA(1) variable constante ma(1) Los resultados se presentan en la siguiente hoja

Igual que para el caso anterior, en los modelos MA, por ahora nos concentraremos en verificar los principales indicadores estadísticos. Note que en este caso no aparece el mensaje al final de la ventana de resultados.

Para un proceso ARMA(pq), debe seguir los mismos pasos que para las estimaciones previas. Se deja para su consideración, la ecuación de un modelo ARMA(3,3) Fíjese bien el número de comandos que debe incluir, de manera acumulativa. No importa el orden. Los resultados del proceso ARMA se presentan en la siguiente hoja

Nos interesan los principales indicadores estadísticos, pero ahora, y para el caso ARMA, nos concentraremos en los indicadores asintóticos: AKAIKE, SCHWARZ y HANNAN-QUINN Buscaremos entre todas las combinaciones de ARMA(pq), aquella o aquellas que arrojen el menor valor de alguno de los criterios asintóticos. Ud. debe elegir un criterio (solo uno para todos los casos), y comparar los resultados hasta encontrar el menor valor. La comparación de criterios asintóticos, debe estar acompañada de la comparación entre los valores globales R-cuadrado y F. OJO, note que aparece nuevamente el mensaje de No Estacionariedad, esto lo discutiremos en clases