introducción del curso
DESCRIPTION
Introducción del Curso. Rafael de Arce Borda Profesor Economía Aplicada, UAM [email protected]. La invasión de la información. La primera computadora programable fue inventada en 1947 y tenía la capacidad de almacenar 20 palabras. La invasión de la información. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/1.jpg)
Introducción del Curso
Rafael de Arce BordaProfesor Economía Aplicada, UAM
![Page 2: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/2.jpg)
La invasión de la informaciónLa invasión de la información
La primera computadora programable fue inventada en 1947 y tenía la capacidad de almacenar 20 palabras.
![Page 3: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/3.jpg)
La invasión de la informaciónLa 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.
![Page 4: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/4.jpg)
La invasión de la informaciónLa invasión de la información
“La capacidad de proceso de un chip de silicona se doblará cada 18 meses....”
![Page 5: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/5.jpg)
¿Qué es la econometría?¿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".
![Page 6: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/6.jpg)
"HAY TRES CLASES DE MENTIRAS: LAS MENTIRAS, "HAY TRES CLASES DE MENTIRAS: LAS MENTIRAS, LAS MALDITAS MENTIRAS Y LAS ESTADISTICAS" LAS MALDITAS MENTIRAS Y LAS ESTADISTICAS"
(MARK TWAIN)(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)
![Page 7: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/7.jpg)
FASES DEL PROCESAMIENTO Y ANÁLISIS DE DATOSFASES 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
![Page 8: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/8.jpg)
Obtención de la informaciónObtención de la información
• Fuentes secundarias• Fuentes primarias
– Diseño de la encuesta– Selección de la muestra:
• Muestreo aleatorio sistemático• Muestreo por grupos• Muestreo por conglomerados
![Page 9: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/9.jpg)
Tipos de variables (I)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.
![Page 10: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/10.jpg)
Tipos de variables (II)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
![Page 11: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/11.jpg)
Selección del Análisis 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
![Page 12: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/12.jpg)
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 Curtosis5. Explorando la función de densidad de la serie:
1. Histograma2. Pruebas gráficas de la distribución (Q-Q y Q-Q sin tendencia)3. Pruebas de normalidad (Jarque-Bera, Saphiro-Wilks, Kolmogorov-
smirnof, corrección de Lillieford).
6. Generando valores atípicos a partir de la normalidad
Análisis individual de SeriesAnálisis individual de Series
![Page 13: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/13.jpg)
Selección del Análisis (II)Selección del Análisis (II)
Depend.
Independ.
Cualitativa(categórica)
Cuantitativa(escala)
Cualitativa(categórica)
Tablas de contingencia
Fuma-no Fuma = f(Sexo)
AnovaVtas. Producto=
f(Localización Geográfica)
Cuantitativa(escala)
DiscriminanteMoroso (si-no)=f(renta,hijos,
antigüedad laboral,…)
Regresión /correlación
Vtas. Producto= f(renta pc, precio, publicidad)
LOGIT
![Page 14: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/14.jpg)
• 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
Análisis de Series TemporalesAnálisis de Series Temporales
![Page 15: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/15.jpg)
La función NormalLa función Normal
![Page 16: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/16.jpg)
La función NormalLa función Normal
![Page 17: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/17.jpg)
Nota sobre el contraste de hipótesisNota sobre el contraste de hipótesis
![Page 18: Introducción del Curso](https://reader036.vdocuments.site/reader036/viewer/2022062314/568147eb550346895db523a3/html5/thumbnails/18.jpg)
Nota sobre el contraste de hipótesisNota sobre el contraste de hipótesis
Decisión Estadística
No significativo Significativo
Población
No diferencias Correcto Error Tipo II (falso +)
Diferencias Error Tipo I (falso -)
Correcto
Nivel de significación: Probabilidad de rechazar la hipótesis nula cuando es cierta (p-value, probability,…).