El supuesto 3 establece que el valor de la media de u, que depende de la X, dadas, es cero. Geométricamente, este supuesto se representa mediante.

Slides:



Advertisements
Presentaciones similares
1. MODELO DE REGRESIÓN SIMPLE
Advertisements

Lectura Tabla Distribución Normal
SESGO.
REGRESION LINEAL SIMPLE
GRÁFICAS Y FUNCIONES MATEMÁTICAS Bernardo Nieto Castellanos.
Error Estándar de la Media
Modelos de Variable Dependiente Binaria -Logit y Probit-
Pronósticos, Series de Tiempo y Regresión
Bivariadas y Multivariadas
Intervalos de confianza bootstrap métodos percentil
MODELO DE REGRESIÓN MÚLTIPLE
ANTECEDENTES DE ESTADÍSTICA PARA LA INVESTIGACIÓN: 3
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Econometria 2. Modelo de Regresión Lineal Simple
TOPICOS DE ECONOMETRIA APLICADA Series de Tiempo Introducción
Regresión y correlación
Bioestadística Aplicada I
Regresión Lineal Simple yi = b0 + b1xi + ui
Universidad de América
MUESTREO ESTADISTICO. Nivel de Comportamiento Se puede entrevistar o encuestar a una muestra representativa para programas de muchos clientes.
Tema 1- Regresión lineal simple.
Uso de modelos Mixed Logit en modelación de elecciones discretas
División de Estudios Políticos, CIDE
Análisis de Correlación y de Regresión lineal simple
Distribuciones bidimensionales. Tablas de contingencia
3er Encuentro de Usuarios de Stata en México
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
CORRELACION Y REGRESION LINEAL: Introducción
Unidad V: Estimación de
Pronósticos, Series de Tiempo y Regresión
VARIABLE ALEATORIA Y DISTRIBUCION DE PROBABILIDAD
Elementos Básicos de Probabilidad y Estadística Javier Aparicio División de Estudios Políticos, CIDE Julio 2009
Probabilidad y Estadística Inferencia Estadística Se sabe que si cada variable sigue una densidad normal con  y   entonces sigue una ley de densidad.
ESTIMACIÓN DE COEFICIENTES DE MÁXIMA VEROSIMILITUD
Modelo de regresión con dos variables: Estimación
IPC 2008 Estimaciones por Bootstrap
1 Denominamos F(x) a función de distribución de una variable aleatoria X, que viene dada por la expresión siguiente: 0 si x < 0 F(x) = P X (X  x) = p.
Donde var=varianza, ee=error estándar y O² es la constante o varianza homoscedastica de Uᵢ del supuesto 4. Todas las cantidades que entran en las.
Herramientas básicas Control de Calidad.
Titular: Agustín Salvia
Valores extremos. Los valores extremos son aquellos datos extremos, que parecen anómalos, y que unas veces son debidos a errores de registro al introducir.
Maestría en Transporte Estadística Capítulo 1. Objetivos ¿Cómo se determinan las magnitudes para planificación de transporte, operación de transporte,
Estimación por intervalo en la regresión: Bandas de Confianza
Análisis de regresión MCO MELI.
Estimador de Efectos Fijos
Unidad V: Estimación de
Estimación de modelos ARMA
Estadística I. Finanzas y Contabilidad
LA ESTADÍSTICA PROF.: EDMUNDO C.PARDO H. CARACAS,OCTUBRE DE 2014
Distribuciones de probabilidad bidimensionales o conjuntas
REGRESION LINEAL II Mario Briones L. MV, MSc
Estadística Aplicada a la Gestión Empresarial
Figura 2 Ballentine de r²: a) r²=0;f) r²=1. YX a YX b YX c YX d e Y XY X f.
PRUEBAS ESTADISTICAS NO PARAMETRICAS
Si comparamos este intervalo con (10.5), vemos que el intervalo de confianza para la Y 0 individual es más amplio que el intervalo para el valor medio.
Definición del Modelo de Regresión Simple Estimaciones por MCO Método de MCO Valores Esperados y Varianzas por MCO.
Elementos Básicos de Probabilidad y Estadística
Unidad III. 1. Gráficas de barras e histogramas 2. · Listas de verificación 3. · Diagramas de Pareto 4. · Diagramas de dispersión 5. · Diagramas causa-efecto.
YX Tabla 2.1 Muestra aleatoria de la población Tabla 2.2 Muestra aleatoria.
Maestría en Transporte Regresamos... (el problema de la regresión lineal) Clase 5.
Titular: Agustín Salvia
RIESGO, RENDIMIENTO Y VALOR
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MODELO DE REGRESIÓN GENERAL 1 Profesor: Barland A. Huamán Bravo 2011 UNIVERSIDAD NACIONAL AGRARIA DE LA.
MODELOS DE PRONOSTICOS Primer semestre 2010 Modelo de Regresión con dos variables.
Departamento de Informática Universidad Técnica Federico Santa María EconometríaEconometría Capitulo II.
ECONOMETRIA 2. MODELO LINEAL SIMPLE Hernán Delgadillo Dorado
REGRESIÓN LINEAL SIMPLE
Estimación Estadística Tares # 3. Estimación Estadística Conjunto de técnicas que permiten dar un valor aproximado de un parámetro de una población a.
TEMA 7 ANÁLISIS DE LOS RESULTADOS TEMA 7 ANÁLISIS DE LOS RESULTADOS.
GRÁFICAS Y FUNCIONES MATEMÁTICAS Bernardo Nieto Castellanos.
Transcripción de la presentación:

El supuesto 3 establece que el valor de la media de u, que depende de la X, dadas, es cero. Geométricamente, este supuesto se representa mediante una grafica, como en la figura, que muestra algunos valores de la variable X y las poblaciones Y asociadas a cada uno de ellos.

0 Y X X1 Distribución condicional de las perturbaciones ûᵢ. Media X2X3X4 + u - u FRP: Y = β1 + β2X

Observe, por cierto, que el supuesto E (uᵢ\Xᵢ)=0 implica que E (Yᵢ\Xᵢ)=β1 + β2Xᵢ. (¿Por qué?) Por consiguiente, los dos supuestos son equivalentes. Es importante señalar que el supuesto 3 implica que no hay sesgo de especificación o error de especificación en el modelo del análisis empírico. En otras palabras, el modelo de regresión esta especificado correctamente

F(u) Y X X1 X2 Xi FRP: Y = β1 + β2X Homoscedastidad Densidad de probabilidad de u Figura 1

F(u) Y X X1 X2 Xi β1 + β2X Heteroscedasticidad. Densidad de probabilidad de u Figura 2

+ui -ui +ui -ui +ui -ui +ui a b c Patrones de correlación entre las perturbaciones: a.- Correlación serial positiva; b.- Correlación serial negativa; c.- Correlación cero.