Postgrado de Investigación de Operaciones

INFERENCIA ESTADÍSTICA

CÓDIGO: 8080720

N° DE UNIDADES: Tres (3)

TIPO DE ASIGNATURA: Electiva para Maestría y Obligatoria para Especialización

OBJETIVOS GENERALES.-

Al finalizar este curso el estudiante estará en capacidad de:

• Formular un modelo de regresión lineal adecuado a una situación dada.
• Detectar las anomalías que ocurren por violación de los supuestos de base.
• Manejar las limitaciones que ocurren por violación de los supuestos de base.

OBJETIVOS ESPECÍFICOS.-

Al finalizar este curso el estudiante estará en capacidad de:

• Explicar la naturaleza del análisis de regresión.
• Realizar análisis de regresión con dos variables y análisis de regresión múltiple.
• Explicar los efectos de la violación de los supuestos de base del modelo de regresión.
• Aplicar algunas formas especiales de los modelos de regresión como por ejemplo modelos con variables "dummy", logit, probit y ecuaciones simultáneas.
• Explicar el funcionamiento del modelo de mínimos cuadrados de dos etapas.

RESÚMEN DE CONTENIDOS.-

Tema 1: Origen del término regresión. Interpretación moderna del término regresión. Terminología y notación. Metodología de análisis. El uso de la Econometría.

Tema 2: El concepto de Función de Regresión Poblacional (FRP). Significado del término Lineal. Especificación estocástica de la FRP y la Función de Regresión Muestral (FRM). El método de mínimos cuadrados ordinarios: Supuestos, propiedades y solución. El coeficiente de determinación r2. El supuesto de normalidad. Intervalos de confianza y pruebas de hipótesis. Interpretación de resultados.

Tema 3: Regresión por el origen. Escalamiento y unidades de medidas. Formas funcionales de modelos de regresión: Modelos semilog, log-log, log-lin, lin-log. Transformación inversa. El concepto de elasticidad.

Tema 4: Modelo de tres variables. Significado de los coeficientes de regresión parcial. Supuestos del método de mínimos cuadrados. Cálculo de estimadores: Varianza y errores estándar. El coeficiente de determinación múltiple R2 y el coeficiente de determinación múltiple ajustado. Coeficientes de correlación parcial. Modelos de polinomios. Intervalos de confianza y prueba de hipótesis. Prueba F. Contribución marginal o incremental de nuevas variables. Mínimos cuadrados restringidos. Enfoque matricial. Selección de modelos: Uso de R2 y otros criterios: AIC, SBC, Cp.

Tema 5: Multicolinealidad: naturaleza, consecuencias, detección y acciones correctivas. Heteroscedasticidad: naturaleza, consecuencias, detección gráfica, Pruebas de Park, Glejser, Goldfeld-Quandt, método de mínimos cuadrados generalizado. Autocorrelación: naturaleza, consecuencias, detección gráfica, pruebas de Durbin-Watson, Theil-Nagar, prueba de los signos, acciones remediales: procedimiento de Cochrane-Orcutt, Durbin, Hildreth-Lu.

Tema 6: Uso de variables "dummy". Modelos logit y probit. Modelos de ecuaciones simultáneas: el método de mínimos cuadrados de dos etapas.

Tema 7: Análisis de los efectos factoriales. Análisis de varianza con dos factores, Introducción al diseño de experimentos.