Introducci - PowerPoint PPT Presentation

Loading...

PPT – Introducci PowerPoint presentation | free to download - id: 7cfc35-M2VlM



Loading


The Adobe Flash plugin is needed to view this content

Get the plugin now

View by Category
About This Presentation
Title:

Introducci

Description:

Title: Introducci n a la Estad stica Author: Universidad Aut noma de Madrid Last modified by: Tecnologias de la Informacion Created Date: 11/16/2006 10:21:06 PM – PowerPoint PPT presentation

Number of Views:0
Avg rating:3.0/5.0
Date added: 29 November 2018
Slides: 19
Provided by: Universi417
Learn more at: http://www.uam.es
Category:

less

Write a Comment
User Comments (0)
Transcript and Presenter's Notes

Title: Introducci


1
Introducción del Curso
  • Rafael de Arce Borda
  • Profesor Economía Aplicada, UAM
  • rafael.dearce_at_uam.es

2
La invasión de la información
La primera computadora programable fue inventada
en 1947 y tenía la capacidad de almacenar 20
palabras.
3
La invasión de la información
Se creará un sistema informático nacional con
decenas de millones de terminales en las oficinas
y en los hogares (....) que suministrarán
servicios de biblioteca e información con
posibilidades de compra, pedidos, facturación y
cosas por el estilo
Comisión sobre el año 2000 AÑO 1965. D.Bell,
D. Muynihan, S.Brezizinsky, J.Q. Wilson, M. Meed.
4
La invasión de la información
La capacidad de proceso de un chip de silicona
se doblará cada 18 meses....
5
Qué es la econometría?
  • Valavanis (1959) "El objetivo de la econometría
    es expresar las teorías económicas bajo una forma
    matemática a fin de verificarlas por métodos
    estadísticos y medir el impacto de una variable
    sobre otra, así como predecir acontecimientos
    futuros y dar consejos de política económica ante
    resultados deseables. "
  • Klein (1962) "El principal objetivo de la
    econometría es dar contenido empírico al
    razonamiento a priori de la economía."
  • Malinvaud (1966) "... aplicación de las
    matemáticas y método estadístico al estudio de
    fenómenos económicos".
  • Intriligator (1978) "Rama de la economía que se
    ocupa de la estimación empírica de relaciones
    económicas".
  • Chow (1983) "Arte y ciencia de usar métodos para
    la medida de relaciones económicas".

6
"HAY TRES CLASES DE MENTIRAS LAS MENTIRAS, LAS
MALDITAS MENTIRAS Y LAS ESTADISTICAS" (MARK
TWAIN)
  • En estadística descriptiva, las medidas de
    resumen suponen una generalización normal.
  • En estadística inferencial, al dar una estimación
    estoy cometiendo un error llamado error de
    muestreo debido a que no estoy considerando a
    toda la población, sino a una parte de ella.
  • Tipos de errores
  • Errores de observación (sobrecobertura,
    procesamiento o medida)
  • Errores no de observación (no cobertura o sin
    respuesta)

7
FASES DEL PROCESAMIENTO Y ANÁLISIS DE DATOS
  • Necesidad de medir un fenómeno o de explotar una
    información estadística
  • Tabulación de los resultados
  • Introducción de los datos en el software
  • Validación de los datos
  • Definición de los meta-datos
  • Generación de nuevas variables derivadas
  • Primeros estadísticos de resumen
  • Selección de la técnica de análisis
  • Procesamiento e interpretación de resultados
  • Informe de resultados

8
Obtención de la información
  • Fuentes secundarias
  • Fuentes primarias
  • Diseño de la encuesta
  • Selección de la muestra
  • Muestreo aleatorio sistemático
  • Muestreo por grupos
  • Muestreo por conglomerados

9
Tipos de variables (I)
  • Según el significado de los valores que pueden
    tomar las variables (series), distinguimos
    diferentes tipos de variables.
  • El tipo de variable es importante afecta a lo
    que podemos hacer con ella, al tipo de análisis
    que podemos hacer.
  • Los métodos estadísticos que usamos dependen del
    tipo de variable.

10
Tipos de variables (II)
  • Variables Categóricas
  • Nominales hombre (0), mujer (1)
  • Ordinales alto (3), medio (2), bajo (1)
  • Variables de escala
  • Intervalo (sin cero absoluto) ejemplo,
    valoraciones subjetivas de 1 a 5 nota en un
    examen.
  • Razón (completas) ejemplo, renta

11
Selección del Análisis
  • Resumen de información de las variables
  • Categóricas frecuencias y gráficos
  • Escala (intervalo o razón) medias, medianas,
    modas, desviación típica, recorridos,
    percentiles,
  • Agrupación de variables / sujetos
  • Análisis factorial
  • Análisis Cluster
  • Relación entre variables
  • Tablas bivariadas Correlaciones tablas de
    contingencia
  • Anova vs discriminante
  • Regresión/correlación

12
Análisis individual de Series
  1. Conteo de datos frecuencias y gráficos de
    sectores o barras. Creación de una curva de
    Lorenz a partir de las frecuencias.
  2. Estadísticos descriptivos media, mediana,
    desviación típica, moda. Primer acercamiento a
    los atípicos (diferencia entre media y mediana)
  3. Est. Descriptivos sobre cocientes (razón)
    pruebas medias robustas, índices de
    regresibilidad (dif. Relativo al precio),
    coeficientes de concentración
  4. Simetría y Curtosis
  5. Explorando la función de densidad de la serie
  6. Histograma
  7. Pruebas gráficas de la distribución (Q-Q y Q-Q
    sin tendencia)
  8. Pruebas de normalidad (Jarque-Bera,
    Saphiro-Wilks, Kolmogorov-smirnof, corrección de
    Lillieford).
  9. Generando valores atípicos a partir de la
    normalidad

13
Selección del Análisis (II)
Depend. Independ. Cualitativa (categórica) Cuantitativa (escala)
Cualitativa (categórica) Tablas de contingencia Fuma-no Fuma f(Sexo) Anova Vtas. Producto f(Localización Geográfica)
Cuantitativa (escala) Discriminante Moroso (si-no)f(renta,hijos, antigüedad laboral,) Regresión /correlación Vtas. Producto f(renta pc, precio, publicidad)
LOGIT
14
Análisis de Series Temporales
  • Técnicas autoproyectivas
  • Medias móviles
  • Estimación de la tendencia
  • Descomposición de componentes clásicas
  • Alisados exponenciales
  • Modelos ARIMA o Box-Jenkins
  • Modelos Vectores Autorregresivos (VAR)
  • Modelos de regresión estructurales
  • Corte transversal
  • Corte temporal
  • Datos de Panel
  • Modelos no lineales

15
La función Normal
16
La función Normal
17
Nota sobre el contraste de hipótesis
18
Nota sobre el contraste de hipótesis
Decisión Estadística Decisión Estadística
No significativo Significativo
Población No diferencias Correcto Error Tipo II (falso )
Población Diferencias Error Tipo I (falso -) Correcto
Nivel de significación Probabilidad de rechazar
la hipótesis nula cuando es cierta (p-value,
probability,).
About PowerShow.com