Regresión lineal múltiple bayesiana

Slides:



Advertisements
Presentaciones similares
Estadísticas Inferenciales Capítulo 10
Advertisements

ESTIMACION DEL TAMAÑO DE LA MUESTRA.
Inferencia Estadística Departament d’Estadística
Pronósticos, Series de Tiempo y Regresión
TOPICOS DE ECONOMETRIA APLICADA Variables dependientes limitadas
Tema 7: Regresión Simple y Múltiple. EJEMPLO: Aproxima bien el número de préstamos que efectúa una biblioteca a lo largo de su primer año de vida. Nos.
Inferencia Estadística
Límites y Continuidad.
Estimación de modelos ARMA
RESUMEN DE LA DISTRIBUCION MUESTRAL PARA LA MEDIA MUESTRAL X INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL  TIPO DE PROBLEMA ESPERANZA Y VARIANZA.
Free and Quick Translation of Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 4. Mas Aspectos de este Modelo.
Intervalos de Confianza M. C. José Juan Rincón Pasaye UMSNH – FIE Mayo de 2003.
1 REGRESIÓN CON VARIABLES DICOTÓMICAS TEMA 1 (CONTINUACIÓN)
ESTIMACION DEL TAMAÑO DE LA MUESTRA. La primera pregunta que un estadístico debe contestar al planear una investigación de muestreo es, casi siempre, el.
Contraste de Hipotesis Para contrastar nos hace falta medir y para medir necesitamos una regla (una distribucion) que nos diga que es pequeño y que es.
Contraste de Hipotesis
ANOVA Análisis de Varianza: Simple Doble Factorial.
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
1. Relación estadística: correlación 2. Diagramas de dispersión o nube de puntos 3. Tablas de frecuencia simples o doble entrada 4. Distribuciones marginales.
TEMA 3: ESTADÍSTICA BIDIMENSIONAL. ÍNDICE: 1.- Relación estadística: correlación. 2.- Diagramas de dispersión o nube de puntos. 3.- Tablas de frecuencia.
TEMA 3: Estadística Bidimensional. ● Álvaro Fernández Romero y Luis Carlos Fernández herrezuelo.
ESTADÍSTICA II Ing. Danmelys Perozo MSc. Blog:
GENERALIDADES DEL TRABAJO ESTADÍSTICO La Estadística es una de las ramas de la Matemática de mayor universalidad, ya que muchos de sus métodos se han desarrollado.
ESTADÍSTICA Mercedes de la Oliva ESTADÍSTICA INFERENCIAL Teorema Central del límite Distribución de media y proporción muestral.
 Los datos que a continuación se presentan corresponden al número de llamadas telefónicas que un grupo de personas realiza durante el día. 0, 1, 2, 4,
Muestreo PRUEBAS Y VALIDACION DE HIPOTESIS Carlos Willian Rincón Pérez
Introducción a las Estadísticas
ESTADISTICA APLICADA I UNIDAD: INFERENCIA ESTADISTICA
Curso de Elaboración de Pruebas Prof. Gerardo A. Valderrama M
“Bootstrap” Jaime Mojica Cuevas
INFERENCIA ESTADÍSTICA
ESTADÍSTICA II Ing. Danmelys Perozo MSc.
Estimaciones puntuales e intervalos de confianza Estimación puntual: Estadístico calculado a partir de la información obtenida de la muestra y que se usa.
Analisis de Regresion Para dos Variables (poblacion y muestra)
Variables dummy Una variable dummy toma valores entre 1 y 0 Ejemplo:
SUPUESTOS DEL MODELO DE MINIMOS CUADRADOS
estadistica
DISTRIBUCIÓN GAMMA. La distribución gamma se deriva de la función gamma. La distribución gamma tiene un caso especial que es la distribución exponencial.
Graficando.... Un a grafica es una forma en la cual mostramos información por medio de imágenes o figuras. Las graficas permiten comparar fácilmente varias.
ANALISIS DE DATOS CUANTITATIVOS
Autores: Díaz ME, Jiménez S, Rodríguez A, Montero M, Moreno V
Estimación de parámetros: Estimación puntual y por intervalos
MUESTREO ESTRATIFICADO
1. DISTRIBUCIONES BIDIMENSIONALES En las distribuciones bidimensionales a cada individuo le corresponden los valores de dos variables que se representan.
LAPLACE DANIELA ANDREA QUINTERO OSPINO DOC:Leidy Johana Rojas Bohorquez Probabilidad y estadística ingeniería civil 2018.
Tamaño de muestra Ecología Marina. Una población se define como un conjunto de individuos de una especie que habita un área determinada. Los métodos disponibles.
Correlación Relación no lineal Relación lineal positiva Relación
Analisis de Regresion Para dos Variables.
Contraste de Hipotesis
CAUDALES. ESTADÍSTICA HIDROLÓGICA ESTADÍSTICA E N LA HIDROLOGÍA ESTADÍSTICA HIDROLÓGICA Los procesos hidrológicos varían en el espacio y en el tiempo.
Ecuación Explícita de la Recta
ICPM050 – ECONOMETRÍA tema 03: ESTIMACIÓN MODELO LINEAL SIMPLE
UD 5: DISTRIBUCIÓN BINOMIAL Y NORMAL
Analisis de Regresion Para dos Variables.
Correlación Relación no lineal Relación lineal positiva Relación
Contraste de Hipotesis
Correlación de Variables
Contraste de Hipotesis
Distribución Normal de una Variable
Analisis de Regresion Para dos Variables (poblacion y muestra)
Comparación de medias para datos relacionados
Tamaño de muestra.
Medidas de variabilidad o dispersión RANGO-DESVIACIÓN ESTÁNDAR- VARIANZA-COEFICIENTE DE VARIACIÓN- RANGO INTERCUARTÍLICO.
1 Estimación por Intervalo. 2 Hasta ahora los estimadores estudiados son puntuales, es decir, exhiben un valor como estimación del parámetro de interés.
Dasometría Clase2.
PRUEBAS ESTADISTICAS NO PARAMETRICAS. Pruebas tradicionales Necesitan la especificación de una distribución Son métodos robustos para las distribuciones.
Unidad 4 Anexo 3. Capítulo IV. Teoría de las ecuaciones homogéneas.
REGRESION LINEAL SIMPLE
Transcripción de la presentación:

Regresión lineal múltiple bayesiana Se conocen datos del salario mensual de una muestra de 50 individuos. Se propone un modelo de regresión lineal múltiple para explicar dicho salario como una combinación lineal de la edad, el sexo (1:hombre, 0:mujer) y el nivel de estudios (superiores (estsup), medios (estmed) y básicos (ref.)). La verosimilitud vendrá dada por la siguiente expresión: Como distribución a priori se utilizará el modelo normal-gamma, es decir: y Obtener la estimación puntual y por intervalos de los parámetros del problema suponiendo desinformación a priori. Existen estudios recientes que concluyen que el hecho de ser hombre supone un incremento en el salario mensual de 200 euros, con una varianza de 40 euros. Incorporar esta información a priori y comparar los resultados con el apartado anterior

Modelo Normal Jerárquico (Gelfand et al (1990)) Se tomaron datos del peso semanal de 30 ratas jóvenes durante cinco semanas. Así, Yij es el peso de la rata i a la edad xj. La siguiente tabla muestra parte de los datos:   xj=8 15 22 29 36 Rata 1 151 199 246 283 320 Rata 2 145 249 293 354 … Rata 30 153 200 244 286 324 Se propone un modelo jerárquico de crecimiento lineal: Para los parámetros del modelo se asumen distribuciones a priori desinformativas, normal para los coeficientes y gamma para los términos de precisión. Estimar el peso medio al nacer (xj=0) de las ratas: