Nombre de la División / Unidad o Facultad. Fecha: mes / día/ año

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Nombre de la División / Unidad o Facultad. Fecha: mes / día/ año"

Transcripción

1 Nombre de la División / Unidad o Facultad Fecha: mes / día/ año

2 Diseño de un modelo de evaluación de clientes y estimación de sumas aseguradas para el ramo de David Fernando Susa Bajonero Diego Fabián Mejía Romero Javier Báez García Jhon Fredy Velasco Gómez

3 Objetivos - General: Proponer un modelo de análisis financiero para estimación del cupo operativo de los clientes del ramo de cumplimiento para la aseguradora XYZ. - Específicos: 1-Identificar el perfil de mayor concentración de las empresas (clientes) que son objetos de estudio para la gerencia de seguros de cumplimiento. 2-Determinar las variables que van a tener mayor impacto y que afectan la evaluación de los clientes al momento de estimar un cupo operativo mediante el desarrollo de un modelo econométrico. 3- Analizar los efectos de las variables del modelo aplicado a clientes del ramo de cumplimiento de la seguradora XYZ.

4 Metodología Mediante el análisis financiero se busca mirar las diferentes tendencias de los componentes de los estados financieros de una compañía mediante indicadores. Todo análisis debe corresponder a la situación actual de una empresa, pero basada en hechos históricos recopilados a través de datos procesados con técnicas de análisis Estadísticas y dar un valor de calificación de 0 a 10 con el fin de asignar o no un cupo a una empresa. La metodología es basada en las técnicas de modelos de regresión, los cuales permiten modelar una variable dependiente en este caso la calificación en relación con un grupo de variables independientes en este caso los indicadores financieros.

5 Modelo Utilizado Actualmente

6 Modelo 1 Resultados R^2=0.60 Función: Y=Xβ+ε ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 4 210, , , ,51734E-29 Residuos , , Total , Parámetros Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Intercepción 5, , , ,5354E-61 5, , ENDEUDAMIENTO INTERNO 3, , , ,742E-18 2, , RENDIMIENTO ACTIVO 3, , , ,0059E-08 2, , ROTACION CARTERA -0, , , , , , ACTIVO CORRIENTE VAR% -0, , , , , ,

7 R^2=0.61 Parámetros Modelo 2 Resultados Función: Y/10=e^(- Xβ ) -LN(Y/10)=Xβ+ε ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 4 5, , , ,35208E-30 Residuos 150 3, , Total 154 8, Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Intercepción 0, , , ,105E-39 0, , ENDEUDAMIENTO INTERNO -0, , , ,6134E-19-0, , RENDIMIENTO ACTIVO -0, , , ,3079E-07-0, , ROTACION CARTERA 0, ,1884E-05 4, ,2114E-05 0, , ACTIVO CORRIENTE VAR% 0, , , , , ,

8 CALIFICACIÓN VS MODELO 1 Comparación de Modelos MALA ACEPTABLE BUENA EXCELENTE TOTAL MALA ,9% ACEPTABLE ,9% BUENA ,6% EXCELENTE ,0% TOTAL 48,4% CALIFICACIÓN VS MODELO 2 MALA ACEPTABLE BUENA EXCELENTE TOTAL MALA ,0% ACEPTABLE ,1% BUENA ,2% EXCELENTE ,0% TOTAL 54,8%

9 Nuevo Modelo

10 Nuevo Modelo

11 Resultados Nuevo Modelo Mercado Objetivo: Empresas de Construcción e Ingeniería Civil Efectividad Nuevo Modelo: Entrega rango de cupo (Mínimo - Máximo)

12 Conclusiones Se implementa un nuevo modelo adaptando una metodología funcional de características Estadístico-Financieras, optimizando la información suministrada. Se determino que la mayor concentración de empresas para ser objeto de Estudio se encuentra en el sector de la construcción y obras civiles. Se establecieron los indicadores con mayor peso y se incorporan nuevos indicadores para determinar mediante el método estadístico la evaluación Financiera. El modelo da estimaciones de las calificaciones, no obstante las calificaciones bajas solo las clasifica bien el 50% de los casos, se debe ajustar en parte con el criterio subjetivo del evaluador para dar un mayor nivel de confianza.

Diseño de un modelo de evaluación de clientes y estimación de sumas aseguradas para el ramo de cumplimiento en la Aseguradora XYZ

Diseño de un modelo de evaluación de clientes y estimación de sumas aseguradas para el ramo de cumplimiento en la Aseguradora XYZ Diseño de un modelo de evaluación de clientes y estimación de sumas aseguradas para el ramo de cumplimiento en la Aseguradora XYZ David Fernando Susa Bajonero Diego Fabian Mejía Romero Javier Báez García

Más detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS DE REGRESIÓN ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y

Más detalles

MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO

MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO Resultados obtenidos por los hombres ganadores de las medallas de oro en salto de longitud y salto de altura en las olimpiadas desde

Más detalles

Ing. MSc. Luis Fernando Restrepo Gómez

Ing. MSc. Luis Fernando Restrepo Gómez Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.

Más detalles

TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS

TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE

Más detalles

Medidas de dispersión

Medidas de dispersión Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia

Más detalles

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos ECONOMETRÍA EJERCICIO T1 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta 1 A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta

Más detalles

Conocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.

Conocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad. NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente

Más detalles

Datos bivariantes: regresión

Datos bivariantes: regresión M. Wiper Estadística 1 / 14 Datos bivariantes: regresión Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 14 Objetivo Ilustrar como ajustar una recta

Más detalles

Unidad Temas Subtemas

Unidad Temas Subtemas Nombre de la Asignatura: Estadística Línea de Trabajo: Asignatura Básica Docencia Trabajo de Investigación Supervisado - Trabajo Profesional Supervisado - Horas totales Créditos 48 20 100 168 6 1. Historial

Más detalles

UNIVERSIDAD DE. Facultad de Cs Forestales Escuel de Ing. Forestal TALCA

UNIVERSIDAD DE. Facultad de Cs Forestales Escuel de Ing. Forestal TALCA UNIVERSIDAD DE TALCA Facultad de Cs Forestales Escuel de Ing. Forestal DETERMINACIÓN DEL ÍNDICE DE EROSIVIDAD PLUVIAL (R) DE LA ECUACIÓN UNIVERSAL DE PÉRDIDAS DE SUELO, PARA DOS ESTACIONES PLUVIOGRÁFICAS

Más detalles

Qué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)

Qué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión

Más detalles

Econometría. Multicolinealidad

Econometría. Multicolinealidad Econometría Multicolinealidad Que es? Hay dependencia lineal entra las variables explicativas Ejemplo1 1 3 6 1 X = 1 1 4 8 12 Determinante de X ' X es cero No se puede invertir X ' X No se pueden calcular

Más detalles

ANÁLISIS DE REGRESIÓN N LINEAL

ANÁLISIS DE REGRESIÓN N LINEAL ANÁLISIS DE REGRESIÓN N LINEAL Varias partes tomadas de Julio H. Cole "Nociones de Regresión Lineal" en Enciclopedia Multimedia Virtual de Economía EMVI. http://eumed.net/cursecon/medir/index.htm Análisis

Más detalles

ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y

Más detalles

Herramientas para el Estudio de Mercado. Técnicas de Predicción.

Herramientas para el Estudio de Mercado. Técnicas de Predicción. Herramientas para el Estudio de Mercado Proyecciones Económicas Técnicas de Predicción. Profesor: Exaú Navarro Pérez Técnicas de Predicción. Introducción. Técnicas Elementales de Predicción. Modelo Econométrico.

Más detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

Unidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de

Unidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80

Más detalles

ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS

ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS

Más detalles

Regresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.

Regresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11. Regresión Lineal Simple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2

Más detalles

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso

Más detalles

Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución.

Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. CONTENIDO: MEDIDAS DE DISPERSIÓN INDICADOR DE LOGRO: Determinarás y aplicarás, con perseverancia las medidas de dispersión para datos no agrupados y agrupados Guía de trabajo: Las medidas de dispersión

Más detalles

Elaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes

Elaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente

Más detalles

Artículo 181, Fracción XVI

Artículo 181, Fracción XVI Administración de Riesgos El Consejo Directivo de Banobras aprueba los límites globales de exposición al riesgo ligados al capital para los diferentes riesgos discrecionales a que se encuentra expuesta

Más detalles

REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE

REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o

Más detalles

Modelado y simulación en Ingeniería Química. Manuel Rodríguez

Modelado y simulación en Ingeniería Química. Manuel Rodríguez ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados

Más detalles

ESTADISTICA AVANZADA MODULO I

ESTADISTICA AVANZADA MODULO I ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000

Más detalles

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:

Más detalles

Prueba t para muestras independientes

Prueba t para muestras independientes Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente

Más detalles

Notas metodológicas para el cálculo de una tarifa de cumplimiento 1

Notas metodológicas para el cálculo de una tarifa de cumplimiento 1 Análisis Notas metodológicas para el cálculo de una tarifa de cumplimiento 1 Wilson Mayorga, director de la Cámara de Vida y Actuaría Fasecolda En el 2015 la Cámara Técnica de Cumplimiento de Fasecolda

Más detalles

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.

Más detalles

Regresión Lineal Múltiple. Dr. Víctor Aguirre Torres, ITAM. Guión 12.

Regresión Lineal Múltiple. Dr. Víctor Aguirre Torres, ITAM. Guión 12. Regresión Lineal Múltiple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función del cambio simultáneo otras variables (x 1, x 2,..., x p ). y=variable dependiente (cuantitativa)

Más detalles

estados financieros 3er trimestre de 2011

estados financieros 3er trimestre de 2011 Notas a incorporar a los estados financieros 3er trimestre de 2011 Artículo181,FracciónXIII,XIVyXV Índice de Capitalización Al 30 de septiembre de 2011, Banobras estima que el índice de capital neto aactivos

Más detalles

SCORING DE SEVERDIDAD (LGD) PROPUESTA DE UNA METODOLOGIA PARA CALCULAR LA TASA DE RECUPERCIÓN (Tr) Y LA SEVERDIDAD (LGD) DE UNA OPERACIÓN DE CREDITO

SCORING DE SEVERDIDAD (LGD) PROPUESTA DE UNA METODOLOGIA PARA CALCULAR LA TASA DE RECUPERCIÓN (Tr) Y LA SEVERDIDAD (LGD) DE UNA OPERACIÓN DE CREDITO SCORING DE SEVERDIDAD (LGD) PROPUESTA DE UNA METODOLOGIA PARA CALCULAR LA TASA DE RECUPERCIÓN (Tr) Y LA SEVERDIDAD (LGD) DE UNA OPERACIÓN DE CREDITO 1 1. Consideremos una cartera de créditos de una IMFs

Más detalles

Notas a incorporar a los estados. 1er trimestre de 2010

Notas a incorporar a los estados. 1er trimestre de 2010 Notas a incorporar a los estados financieros 1er trimestre de 2010 Artículo 181, Fracción XIII, XIV y XV Índice de Capitalización Al 31 de marzo de 2010, Banobras estima que el índice de capital neto a

Más detalles

Regresión Lineal Múltiple

Regresión Lineal Múltiple Unidad 4 Regresión Lineal Múltiple Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 35 Introducción La idea de la regresión lineal múltiple es modelar el valor esperado de la variable respuesta

Más detalles

DES: INGENIERÍA Programa(s) Educativo(s): Ingeniería en Ciencias de la Computación Tipo de materia:

DES: INGENIERÍA Programa(s) Educativo(s): Ingeniería en Ciencias de la Computación Tipo de materia: UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA FACULTAD INGENIERÍA PROGRAMA DEL CURSO: DES: INGENIERÍA Programa(s) Educativo(s): Ingeniería en Ciencias de la Computación Tipo de materia: Obligatoria Clave de la materia:

Más detalles

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica: Facultad de Ingeniería. Mexicali.

Más detalles

UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:

UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema: UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre

Más detalles

Doc. Juan Morales Romero

Doc. Juan Morales Romero Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica

Más detalles

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO. DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente

Más detalles

Notas Técnicas Un acercamiento al Ramo de Daños a través del Seguro de Incendio

Notas Técnicas Un acercamiento al Ramo de Daños a través del Seguro de Incendio Notas Técnicas Un acercamiento al Ramo de Daños a través del Seguro de Incendio Act. Patricia Carrillo Act. Jaime Aviña Agenda Información Suficiente Credibilidad Información Complementaria Información

Más detalles

PROYECCIONES FINANCIERAS DE LAS MAGNITUDES PRESUPUESTARIAS PARA EL HORIZONTE

PROYECCIONES FINANCIERAS DE LAS MAGNITUDES PRESUPUESTARIAS PARA EL HORIZONTE 1 PROYECCIONES FINANCIERAS DE LAS MAGNITUDES PRESUPUESTARIAS PARA EL HORIZONTE 2013-2015 Fundamentos legales El artículo 51 de los Estatutos de la Universidad de Granada, aprobados por Decreto 231/2011,

Más detalles

Departamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.

Departamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows. TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente

Más detalles

Carrera: IAM Participantes Representante de las academias de ingeniería en Industrias Alimentarias de los Institutos Tecnológicos.

Carrera: IAM Participantes Representante de las academias de ingeniería en Industrias Alimentarias de los Institutos Tecnológicos. .- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística Aplicada Ingeniería en Industrias Alimentarias IAM-0 --8.- HISTORIA

Más detalles

Métodos Estadísticos Multivariados

Métodos Estadísticos Multivariados Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre

Más detalles

Método de cuadrados mínimos

Método de cuadrados mínimos REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,

Más detalles

Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez.

Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez. Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez. Econometría Regresión Múltiple: Municipio Ocupados Población Analfabeta Mayor de 10 años Total de Viviendas Bejuma 18.874 1.835

Más detalles

Al nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).

Al nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C). A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos

Más detalles

Pruebas estadís,cas para evaluar relaciones

Pruebas estadís,cas para evaluar relaciones Pruebas estadís,cas para evaluar relaciones Asociación entre dos variables categóricas Hipótesis: frecuencias de ocurrencias en las categorías de una variable son independientes de los frecuencias en la

Más detalles

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados

Más detalles

CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS

CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS Simulación es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender

Más detalles

UNIVERSIDAD DE GUADALAJARA

UNIVERSIDAD DE GUADALAJARA UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE LOS VALLES PROGRAMA DE ESTUDIO ESTADISTICA II I.- DATOS GENERALES DEL PROGRAMA DE ESTUDIOS 1. Nombre de la Asignatura: ESTADISTICA II. Clave de la asignatura:

Más detalles

Tema 5: Calibración de modelos. Modelado y simulación en Ingeniería Química. Manuel Rodríguez

Tema 5: Calibración de modelos. Modelado y simulación en Ingeniería Química. Manuel Rodríguez Tema 5: Calibración de modelos ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema

Más detalles

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por

Más detalles

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO SIP-30 INSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN DE POSGRADO FORMATO GUÍA PARA REGISTRO DE ASIGNATURAS Hoja 1 de 3 I. DATOS DEL PROGRAMA Y LA ASIGNATURA 1.1 NOMBRE

Más detalles

Regresión múltiple. Demostraciones. Elisa Mª Molanes López

Regresión múltiple. Demostraciones. Elisa Mª Molanes López Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +

Más detalles

SILABO POR ASIGNATURA 1. INFORMACION GENERAL. [AVILA LARREA JAVIER [INGENIERIA DE EMPRESAS]

SILABO POR ASIGNATURA 1. INFORMACION GENERAL. [AVILA LARREA JAVIER [INGENIERIA DE EMPRESAS] SILABO POR ASIGNATURA 1. INFORMACION GENERAL Coordinador: AVILA LARREA JAVIER ALEJANDRO(javier.avila@ucuenca.edu.ec) Facultad(es): [FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS] Escuela: [PROGRAMA

Más detalles

Definición de Correlación

Definición de Correlación Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del

Más detalles

5.5 Modelo de regresión. se especificó en los términos siguientes: (6.3.1) 1,2,3,..N. Donde:

5.5 Modelo de regresión. se especificó en los términos siguientes: (6.3.1) 1,2,3,..N. Donde: 5.5 Modelo de regresión El modelo de regresión lineal que se aplicó para explicar la relación entre producción antigüedad, edad, capital humano, apiarios y camioneta de los apicultores nayaritas se especificó

Más detalles

ÍNDICE. Prefacio... xi

ÍNDICE. Prefacio... xi ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple

Más detalles

INDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres

INDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones

Más detalles

T2. El modelo lineal simple

T2. El modelo lineal simple T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de

Más detalles

DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística

DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA

Más detalles

ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.

ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido

Más detalles

4. DISEÑOS MULTIFACTORIALES O FACTORIALES

4. DISEÑOS MULTIFACTORIALES O FACTORIALES 4. DISEÑOS MULTIFACTORIALES O FACTORIALES 4.1 PRINCIPIOS Y DEFINICIONES BASICAS Los arreglos factoriales se utilizan cuando en una investigación se pretende estudiar simultáneamente la influencia del cambio

Más detalles

Modelo de Regresión Lineal

Modelo de Regresión Lineal Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

Lista de Cuadros... Lista de Gráficos... Introducción La Globalización de los Mercados Financieros Internacionales... 13

Lista de Cuadros... Lista de Gráficos... Introducción La Globalización de los Mercados Financieros Internacionales... 13 Índice ii Índice Lista de Cuadros... Lista de Gráficos... vii xii Introducción... 1 Capítulo I: La Globalización de los Mercados Financieros Internacionales... 13 I.1) Introducción... 14 I.2) Ventajas

Más detalles

Estadística /Química 2004

Estadística /Química 2004 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: ESTADÍSTICA. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA DE LA ASIGNATURA:

Más detalles

5. MATRIZ DE RIESGO 5.1 DISEÑO DE MATRIZ DE RIESGO

5. MATRIZ DE RIESGO 5.1 DISEÑO DE MATRIZ DE RIESGO 5. MATRIZ DE RIESGO La Matriz de Riesgo es una herramienta que ayuda a identificar las actividades (procesos) más importantes de la empresa por medio de control y gestión, los cuales arrojan un resultado

Más detalles

INDICE. Prólogo a la Segunda Edición

INDICE. Prólogo a la Segunda Edición INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.

Más detalles

MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.

MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez. MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción

Más detalles

ECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía

ECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía ECONOMETRÍA I Tema 2: El Modelo de Regresión Lineal Simple Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 42 Modelo de Regresión

Más detalles

Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.

Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. 1 DEFINICIONES PREVIAS Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. Correlación: es la cuantificación del grado de relación existente

Más detalles

Modelos de elección discreta Aplicaciones en ordenador

Modelos de elección discreta Aplicaciones en ordenador Modelos de elección discreta Aplicaciones en ordenador Román Salmerón Gómez Para ilustrar cómo abordar el análisis de Modelos de elección discreta con el software econométrico Gretl resolveremos el siguiente

Más detalles

7. De acuerdo con la gráfica siguiente, el contraste estadístico es:

7. De acuerdo con la gráfica siguiente, el contraste estadístico es: 1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?

Más detalles

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:

Más detalles

TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)

TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) NOTA IMPORTANTE - Estas notas son complementarias a las notas de clase del primer semestre correspondientes a los temas de Regresión

Más detalles

UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11

UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11 UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Estudios Superiores Aragón Ingeniería Mecánica Programa de Asignatura

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Estudios Superiores Aragón Ingeniería Mecánica Programa de Asignatura UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Estudios Superiores Aragón Ingeniería Mecánica Programa de Asignatura NOMBRE DE LA ASIGNATURA: PROBABILIDAD Y ESTADÍSTICA PLAN 2007 Tipo de asignatura:

Más detalles

Nombre de la asignatura: Estadística I. Carrera: Ingeniería en Desarrollo Comunitario. Clave de la asignatura: DCM-0510

Nombre de la asignatura: Estadística I. Carrera: Ingeniería en Desarrollo Comunitario. Clave de la asignatura: DCM-0510 1. DATOS DE LA ASIGNATURA. Nombre de la asignatura: Estadística I Carrera: Ingeniería en Desarrollo Comunitario Clave de la asignatura: DCM-0510 Horas teoría-horas práctica-créditos: 3--8. HISTORIA DEL

Más detalles

EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos)

EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) PROBLEMA 1 Se quiere comparar la cantidad de energía necesaria para realizar 3 ejercicios o actividades: andar, correr y montar en bici.

Más detalles

Examen de Estadística 2 Ingeniería Industrial Cuestiones

Examen de Estadística 2 Ingeniería Industrial Cuestiones Examen de Estadística 2 Ingeniería Industrial Cuestiones Nota importante: Las respuestas correctas contarán 1 punto. Las incorrectas valdrán -0.33 (-1/3) para las preguntas con 4 respuestas y 0.25 (-1/4)

Más detalles

UNIVERSIDAD CIENTÍFICA DEL SUR FACULTAD DE CIENCIAS EMPRESARIALES CARRERA DE INGENIERÍA ECONÓMICA Y DE NEGOCIOS UNIVERSIDAD CIENTIFICA :',.

UNIVERSIDAD CIENTÍFICA DEL SUR FACULTAD DE CIENCIAS EMPRESARIALES CARRERA DE INGENIERÍA ECONÓMICA Y DE NEGOCIOS UNIVERSIDAD CIENTIFICA :',. FACULTAD DE CIENCIAS EMPRESARIALES CARRERA DE INGENIERÍA ECONÓMICA Y DE NEGOCIOS UNIVERSIDAD CIENTIFICA :',., ~ DEL SUR ' ' 1 " del Sistema Bancario Peruano entre los años 2002 y 2011" Presentado por:

Más detalles

Actividad A5. Modelo de Regresión Lineal General. Estimación. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)

Actividad A5. Modelo de Regresión Lineal General. Estimación. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística) Actividad A5 Modelo de Regresión Lineal General. Estimación Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Actividad A5. Estimación

Más detalles

1. Realice la prueba de homogeneidad de variancias e interprete los resultados.

1. Realice la prueba de homogeneidad de variancias e interprete los resultados. 1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis

Más detalles

Folleto de Estadísticas. Teoría del 2do Parcial

Folleto de Estadísticas. Teoría del 2do Parcial Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad

Más detalles

Guía docente 2007/2008

Guía docente 2007/2008 Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 15 de mayo de 2013

UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 15 de mayo de 2013 UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 15 de mayo de 2013 Apellidos Nombre N o lista Grupo El fichero datos 15m.sgd contiene información sobre las siguientes variables:

Más detalles

Estimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística

Estimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes enviarlos a klasesdematematicasymas@gmail.com TRABAJO DE APLICACIÓN La siguiente base de datos se conformó por la información suministrada en la entidad financiera BankAmerica,

Más detalles

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial

Más detalles

Universidad Autónoma de Sinaloa

Universidad Autónoma de Sinaloa Universidad Autónoma de Sinaloa Facultad de Ciencias Sociales Licenciatura en Economía Programa de estudios Asignatura: Econometría I Clave: Etapa de formación: Básica EFP Área de Conocimiento: Créditos:

Más detalles

4.2 Análisis correlacional

4.2 Análisis correlacional 4.2 Análisis correlacional Correlación de datos métricos: correlación producto-momento de Pearson La correlación es la medida del grado en que los cambios de una variable (la variable dependiente) se asocian

Más detalles

y x Estimar por MCO un modelo lineal entre la variable explicada (y) y las

y x Estimar por MCO un modelo lineal entre la variable explicada (y) y las Ejercicio MLG Disponemos de los siguientes datos y x x3 7 6 0 4 3 7 8 6 3 6 6 5 8 9 8 Se pide. Estimar por MCO un modelo lineal entre la variable explicada (y) y las explicativas (x).. Comprobar que el

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 10 de mayo de 2016 (turno mañana)

UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 10 de mayo de 2016 (turno mañana) Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 10 de mayo de 2016 (turno mañana) N o lista Grupo El fichero FrenosITV.sf3 contiene información sobre 10 variables

Más detalles

TEMA 10 Correlación y regresión. El modelo de regresión simple

TEMA 10 Correlación y regresión. El modelo de regresión simple TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales

Más detalles

Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López

Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,

Más detalles