Actividad Entregable 2

Nombre de la asignatura:
Estadstica Aplicada al Mercado
Parcial de estudio:
Segundo
Introduccin
Ahora podemos afirmar que la asignatura Estadstica Aplicada al Mercado proporciona a los
estudiantes, una profundizacin en algunos temas avanzados del anlisis de datos,
especficamente dentro de las llamadas tcnicas multivariantes. En la gran mayora de
situaciones reales de aplicacin de los mtodos estadsticos, los datos disponibles presentan
un carcter multidimensional, por lo que las tcnicas univariantes estudiadas en asignaturas
anteriores resultan insuficientes para extraer toda la informacin relevante. Sin embargo, es
preciso conocerlas ya que proporcionan las bases tericas y metodolgicas para poder
abordar el estudio de los mtodos multivariantes.
Para continuar en la presentacin de las diferentes tcnicas estadsticas del anlisis
multivariante, ahora estamos ms conscientes que se requiere habilidad para poder utilizar
el cmulo de informacin que se encuentra a nuestro alcance en muchas fuentes.
En primer lugar se necesita ser crtico al utilizar la informacin que otros generan. En
segundo lugar, es necesario saber transformar los datos a un formato accesible y
comprensible, de manera que se pueda interpretar y juzgar estos datos, y con base en eso
tomar decisiones.
En esta segunda gua, revisaremos en primera instancia la Regresin Lineal Mltiple. Luego
abordaremos otras tcnicas multivariantes cuando estudiemos el Anlisis Discriminante; el
Anlisis de Componentes Principales; y, el Anlisis Factorial.
Asesora didctica 1
En los modelos de regresin una variable llamada dependiente, es expresada como funcin
lineal de una o ms variables llamadas explicativas. En modelos de este tipo se supone
implcitamente que si existen relaciones causales entre las variables dependientes y
explicativas, stas van en una direccin solamente: de las variables explicativas hacia las
variables dependientes.
El uso de una variable independiente para predecir la variable dependiente no toma en
cuenta la relacin de otras variables con la variable dependiente. Se ampla el estudio de la
correlacin y de la regresin, examinando la influencia de dos o ms variables
independientes sobre la variable dependiente. Esto se denomina Anlisis de Regresin y
Correlacin Mltiples.
Se considera el modelo de regresin mltiple, en el cual hay ms de una variable explicativa.
En este segundo parcial iniciamos nuestro estudio con el modelo de k variables y en las
inferencias para este tipo de modelo. Tambin se podrn a prueba los supuestos sobre los
que subyacen los modelos de regresin mltiple, como verificar su cumplimiento y las formas
de detectar los problemas de estimacin.
Se incluye el anlisis introductorio de los modelos de k variables. Al respecto, hay que hacer
especial hincapi en los supuestos que se deben verificar para este tipo de modelos
(multicolinealidad, heteroscedasticidad, etc.) y tambin en el significado de los coeficientes
de correlacin parcial.
Los fundamentos tericos que Usted debe revisar y entender respecto de los modelos de
regresin mltiple, los encontrar en la Lectura del Captulo 8 del texto gua: Regresin
Lineal Mltiple; (pginas 217 a 274).
Ahora, podr realizar sin ninguna dificultad la actividad de aprendizaje 2.1.
El modelo de regresin lineal de tres variables
Parcial de estudio:
Segundo
El modelo de regresin mltiple ms simple posible es la regresin de tres variables, con una
variable dependiente y dos variables explicativas.
Sea la Funcin de Regresin Poblacional (FRP) de 3 variables:
Yi = 1 + 2 X 2i + 3 X 3i + ui
donde,
Y = variable explicada o dependiente,

X 2 , y X 3 = variables explicativas o regresoras,
u = es el trmino de perturbacin estocstica,
i = la isima observacin.
1
2
= es el trmino interseccin,
y
= Coeficientes de regresin parcial o coeficientes parciales de pendiente.
Al estimar la Funcin de Regresin Muestral (FRM) de la regresin anterior, se tiene que:
Yi = 1 + 2 X 2i + 3 X 3i + ui
donde:
Y = La proyeccin de Y valor medio de Y considerando como fijos los valores de X 2 y
X3
= estimacin de
= estimacin de
= efecto medio de las variables omitidas en el modelo
= Coeficiente parcial de pendiente para
cambio del valor medio de
3 =
estimacin de
por cada unidad de
X2
considerando constante a
= Coeficiente parcial de pendiente para
cambio del valor medio de
por cada unidad de
= indica la tasa de
X2
X3
X3
= indica la tasa de
X 3 , considerando constante a X 2
Supuestos bsicos del modelo
Valor medio de los errores es cero (centrados en la proyeccin de
No hay correlacin de los errores (un error no depende de los otros errores)
Homoscedasticidad (varianza constante para todos los errores)
Covarianza entre los errores y las variables es cero (los errores no tienen relacin
con las variables
X2
X3 )
El modelo esta especificado correctamente (la forma funcional es la adecuada), es

decir, no hay sesgo de especificacin
No hay correlacin entre las variables
X2
X3
(es decir no hay relacin lineal
directa exacta), es decir, no hay multicolinealidad.
Asesora didctica 2
Parcial de estudio:
Segundo
El anlisis discriminante se utiliza para clasificar a distintos individuos en grupos, o

poblaciones, alternativos a partir de los valores de un conjunto de variables sobre los
individuos a los que se pretende clasificar.
A las variables que se utilizan para realizar la clasificacin de los individuos las
denominaremos variables clasificadoras. En el anlisis discriminante, la informacin de las
variables clasificadoras se sintetiza en unas funciones, denominadas funciones
discriminantes, que son las que finalmente se utilizan en el proceso de clasificacin.
Tenga presente que el anlisis discriminante pretende establecer en qu medida una variable
dependiente no mtrica est explicada por un conjunto de variables independientes mtricas
o no mtricas.
Procederemos a establecer los diferentes contenidos (lea las pginas 277-320: lectura del
captulo 9 del texto gua Anlisis discriminante). Revise en especial el concepto de funcin
discriminante de Fisher y ponga mucha atencin en cmo se establece la probabilidad de que
un individuo pertenezca a un grupo o a otro.
Para aplicar los temas tratados hasta el momento, realice la actividad de aprendizaje 2.2.
Asesora didctica 3
El mtodo de componentes principales tiene por objeto transformar un conjunto de
variables, a las que denominaremos variables originales, en un nuevo conjunto de variables
denominadas componentes principales.
Tenga presente que esta tcnica permite pasar de un conjunto de variables correlacionadas
entre s a otro en el que las dimensiones (las componentes principales) estn
incorrelacionadas y ordenadas en funcin de la informacin que llevan incorporada, medida a
travs de la varianza.
Vamos a revisar los contenidos del anlisis de componentes principales (pginas 365 a 393:
Lectura del Captulo 11 del texto gua: Componentes Principales). Debe tener claro los
conceptos y definiciones de cada uno de estos temas.
Al finalizar su estudio, usted estar en capacidad de resolver la actividad de aprendizaje 2.3.
Asesora didctica 4
El anlisis factorial es una tcnica directamente relacionada con el Anlisis de
Componentes Principales, solamente que los factores son ahora seleccionados para explicar
las interrelaciones entre las variables.
El anlisis de componentes principales y el anlisis factorial tienen en comn que son
tcnicas para examinar la interdependencia de variables. Mientras que el objetivo del anlisis
de componentes principales es explicar la mayor parte de la variabilidad total de un conjunto
de variables con el menor nmero de componentes posible, en el anlisis factorial, los
factores son seleccionados para explicar las interrelaciones entre variables.
A continuacin se revisarn los contenidos referentes al anlisis factorial, para lo cual, realice
la lectura del captulo 12 del texto gua Anlisis factorial (pp. 407-439) y posteriormente de
su revisin, complemente su anlisis resolviendo la actividad de aprendizaje 2.4.
Actividades de aprendizaje
Actividad de aprendizaje 2.1.
Parcial de estudio:
Segundo
Problema
La siguiente tabla de datos presenta informacin utilizada por un economista de un
pas sudamericano para predecir los volmenes de exportacin de cierta materia
prima:
Tasa
Tasa
Volumen anual
Tasa de cambio
PIB en miles
de
de
de ventas
de divisas: X3
de millones de
inflacin: X2
desempleo: X4
del producto: Y
(pesos por dlar)
pesos: X5
(%)
(%)
Planteamientos
103.6
3.6
5.8
5.9
5873.0
186.7
3.5
6.7
4.5
7852.0
134.8
5.0
8.4
4.2
8189.0
235.6
6.0
6.2
4.2
7497.0
260.8
5.6
5.4
4.9
8534.0
243.9
4.9
5.9
5.0
8688.0
131.9
5.6
9.4
4.1
7270.0
160.0
8.5
9.4
3.4
5020.0
135.0
7.7
7.2
4.2
6035.0
161.8
7.0
6.6
4.5
7425.0
209.3
6.0
7.6
3.9
9400.0
121.9
6.0
10.6
4.4
9350.0
198.0
7.2
14.9
3.9
6540.0
100.0
7.6
16.6
3.1
7675.0
139.0
9.2
17.5
0.6
7419.0
200.0
8.8
16.0
1.5
7923.0
Considrese el modelo:
Y = 1 + 2 X 2 + 3 X 3 + 4 X 4 + 5 X 5 + u (t )
1. Construya y estime los parmetros del modelo de regresin.

2
2. Calcule y analice los valores de: R , el R Ajustado y los coeficientes de

correlacin parcial existentes. Explique sus diferencias.
3. Explique los valores obtenidos de los parmetros beta.
4. Determine si los coeficientes de regresin parcial son estadsticamente
significativos considerados de forma individual y de forma conjunta al nivel del 5%
de significancia.
5. Supngase que primero se efecta la regresin de
respecto a
X2 , X3
X4 ,
luego de hacer este modelo, se decide incluir la otra variable ( X 5 ). Indique cmo
justificara ingresar esta variable en el modelo inicial y las pruebas que utilizara.
Objetivo
Estimar y analizar de manera eficiente modelos de regresin lineal mltiple.
Parcial de estudio:
Segundo
Para el desarrollo de la presente actividad, revise el material del captulo 8:

regresin lineal mltiple del texto gua.
Haga los clculos de manera manual en todos los casos.
Orientaciones
didcticas
Luego, utilizando el SPSS, debe replicar los ejercicios y comparar los resultados.
Recuerde el significado de los diferentes conceptos que intervienen en esta tcnica
estadstica.
Analice e interprete los resultados obtenidos.
Alternativamente, puede utilizar el Excel, en el mdulo de anlisis de datos, la
opcin regresin.
Criterios de
evaluacin
Presentacin: La presentacin es importante, expresar las ideas, conceptos y

definiciones utilizando la terminologa y notacin apropiadas, de manera
ordenada, secuencial y sistemtica.
Manejo de frmulas: Expresar

terminologa apropiadas.
Operacin y razonamiento: Utilizar los algoritmos para realizar las operaciones

y razonar de manera lgica y coherente para decidir cul es el procedimiento
adecuado y ms oportuno para una situacin determinada.
Procedimientos y respuestas: Analizar conjuntos de datos e informacin y

descubrir, reconocer e identificar las relaciones existentes
Anlisis e interpretacin de resultados: Presentar la solucin respectiva, en el

contexto del problema abordado.
las
frmulas
utilizando
la
notacin

Problema
Planteamientos
Cuando un banco concede un prstamo personal a un cliente se enfrenta a la doble

posibilidad de que sea reintegrado o de que no lo sea. En este ltimo caso el
prstamo ser finalmente clasificado como fallido. As pues, se pueden considerar
dos grupos de clientes: clientes cumplidores y clientes fallidos. Como es obvio, si el
banco conociera de antemano que una persona va a resultar fallida no le concedera
el prstamo en ningn caso. Sin embargo, puede utilizar la informacin existente
en el banco sobre prstamos concedidos en el pasado en la concesin de prstamos
futuros de forma que se vite o, al menos, se reduzca la posibilidad de conceder
prstamos que despus puedan resultar fallidos.
En el Banco de Ademuz se tiene informacin acerca de 16 clientes a los que se les
concedi un prstamo de los llamados instantneos por un importe de 1 milln de
pesetas cada uno. Una vez pasados 3 aos desde la concesin de los prstamos
haba 8 clientes, de ese grupo de 16, que fueron clasificados como fallidos,
mientras que los otros clientes son cumplidores, ya que reintegraron el prstamo.
Para cada uno de los clientes se dispone de informacin sobre su patrimonio neto y
deudas pendientes que corresponden al momento de la solicitud.
Tabla: Datos sobre caractersticas de prstamos concedidos en el banco de Ademuz
(datos en millones de pesetas)
Parcial de estudio:
Segundo
Fallidos
Nofallidos
Patrimonio Deuda
Patrimonio Deuda
Cliente
Cliente
neto
pendiente
neto
pendiente
1
1.3
4.1
9
5.2
1.0
2
3.7
6.9
10
9.8
4.2
3
5.0
3.0
11
9.0
4.8
4
5.9
6.5
12
12.0
2.0
5
7.1
5.4
13
6.3
5.2
6
4.0
2.7
14
8.7
1.1
7
7.9
7.6
15
11.1
4.1
8
5.1
3.8
16
9.9
1.6
Total
40.0
40.0
Total
72.0
24.0
Media
5.0
5.0
Media
9.0
3.0
Por otra parte, en la mesa del director del banco hay dos nuevas solicitudes de un
prstamo instantneo. El primer solicitante dispone de un patrimonio neto de 10.1
(millones de pesetas), con unas deudas pendientes de 6.8 (millones de pesetas).
Para el segundo solicitante los valores de estas variables son 9.7 y 2.2,
respectivamente.
1. Realice el anlisis de la clasificacin con dos grupos utilizando la variable
Patrimonio neto y la variable Deudas pendientes.
2. Determine la funcin discriminante de Fisher y clasifique los prstamos
concedidos utilizando dicha funcin.
3. Cmo se clasifica a los dos solicitantes de prstamos que tiene sobre su mesa el
director del Banco de Ademuz?
4. Realice el contraste de significacin y la evaluacin de la bondad de ajuste con
dos grupos.
5. Calcule las probabilidades de pertenencia a los grupos de fallidos y no fallidos
Objetivo
Conocer y aplicar el anlisis discriminante a situaciones reales de su carrera e

interpretar los resultados obtenidos.
Para el desarrollo de la presente actividad, revise el material del captulo 9 del texto
gua Anlisis discriminante.
Orientaciones
didcticas
estadstica.
Criterios de
evaluacin

Parcial de estudio:
Segundo

-
Manejo de frmulas: Expresar las frmulas utilizando la notacin y terminologa

apropiadas.




Problema
Anlisis de las empresas espaolas de mayores ventas. En el anuario El Pas se
publica informacin econmica financiera de las 229 mayores empresas espaolas
en cuanto a su volumen de ventas en 1992. Se han seleccionado los beneficios y
ventas correspondientes a las empresas situadas en los lugares 2 a 9 por orden de
ventas.
Tabla 2.3. Datos sobre 9 empresas espaolas.
Variables originales
Variables tipificadas
Orden Empresa
Ventas(*) Beneficios(*)
Ventas
Beneficios
2
El Corte Ingls
775104
23795
1.257
0.556
3
Iberdrola
775218
58778
1.258
1.927
4
Repsol Comercial
700963
1531
0.697
-0.316
5
Seat
674063
-12756
0.496
-0.875
6
Tabacalera
631003
14729
0.169
0.201
7
FASA
Renault
537744
9059
-0.535
-0.020
Planteamientos
8
Repsol Petrleo
489155
12541
-0.902
0.115
9
Pryca
448465
13495
-1.209
0.152
10
Iberia
445853
-34824
-1.229
-1.740
(*): millones de pesetas
1. Realice el correspondiente diagrama de dispersin para los datos originales y
para los datos tipificados.
2. Obtenga las componentes principales y la matriz de correlacin.
3. Encuentre los coeficientes de correlacin entre las dos componentes y las dos
variables originales.
4. Utilizando la matriz de ponderaciones, obtenga las puntuaciones tipificadas de
las componentes.
5. Interprete lo resultados obtenidos, en el contexto del problema planteado.
Objetivo
Orientaciones
didcticas
Conocer y aplicar el Anlisis de Componentes Principales a situaciones reales de su

carrera, e interpretar los resultados obtenidos.
Para el desarrollo de la presente actividad revise el material del captulo 11 del
Parcial de estudio:
Segundo
texto gua Componentes principales.

estadstica.
Criterios de
evaluacin





las
frmulas
utilizando
la
notacin

Problema
Se dispone de una muestra de 48 vendedores de una tienda por departamentos las
que se midieron evaluando diferentes capacidades de vender.
Tabla .2.4. Variables (capacidades de vender)
N. letra aspecto acadmica amabilidad autoconfianza lucidez honestidad vender
Planteamientos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
6
9
7
5
6
7
9
9
9
4
4
4
6
8
4
6
8
7
10
8
6
8
7
9
9
9
7
7
7
9
9
8
9
7
2
5
3
8
8
7
8
9
7
10
10
10
8
8
8
6
7
5
8
6
5
8
6
8
8
8
2
0
4
10
9
7
7
7
8
10
9
6
4
8
8
9
8
10
10
10
8
6
8
8
9
7
9
8
5
4
7
8
9
8
10
8
10
4
3
4
9
5
8
9
9
9
9
10
8
8
8
7
3
7
9
8
10
8
8
8
10
7
2
5
5
8
8
5
10
9
8
4
2
2
9
6
Parcial de estudio:
Segundo
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
6
6
10
3
9
7
9
6
7
2
6
4
4
5
3
2
3
6
9
4
4
10
10
10
10
3
7
9
9
0
0
8
7
8
8
8
10
8
9
8
10
3
3
6
5
3
3
4
7
8
9
9
6
6
7
3
4
7
6
8
7
6
8
8
7
6
7
7
7
7
7
7
5
4
5
4
5
5
6
4
5
6
6
9
9
8
8
9
7
10
10
10
10
4
4
8
8
8
9
10
7
8
9
3
3
6
7
7
7
4
6
5
4
6
10
10
0
0
8
6
9
10
3
1
8
7
8
8
9
9
8
4
5
8
5
3
9
8
7
7
3
3
6
10
9
9
9
3
1
3
9
7
7
5
5
8
8
9
8
10
9
10
5
4
9
3
0
4
4
9
9
3
0
6
8
9
10
10
1
1
4
8
7
9
0
0
6
5
10
10
10
10
10
9
8
10
5
0
10
10
10
10
8
9
8
8
7
10
10
2
0
5
8
10
10
10
10
4
4
5
5
10
10
10
3
2
5
0
0
3
3
3
3
1
0
2
9
9
10
10
0
0
3
6
2
3
0
0
N. experiencia empuje ambicin conceptos potencial equipo conveniencia
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
3
5
4
8
8
9
10
10
9
3
5
2
4
5
7
8
6
3
4
2
3
3
3
2
8
9
9
4
5
6
8
9
8
10
9
8
4
2
5
8
7
3
2
6
6
10
9
9
9
9
9
5
5
5
10
10
9
10
10
8
5
6
3
7
8
6
6
7
7
8
9
7
7
8
8
8
8
8
8
9
8
10
8
10
4
6
6
6
6
7
8
9
8
10
10
9
5
8
6
7
8
6
9
9
8
9
10
10
7
7
6
8
6
2
3
8
8
8
9
9
7
8
8
6
7
6
8
9
8
3
2
3
6
5
4
6
7
6
5
8
5
10
10
10
10
10
10
5
7
6
10
10
10
10
5
7
8
6
6
10
8
4
4
9
8
8
8
8
Parcial de estudio:
Segundo
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
2
3
3
0
0
1
2
2
2
1
1
2
1
1
10
10
10
10
6
8
1
1
0
0
4
4
5
3
4
3
5
5
2
3
0
2
3
2
10
10
2
0
2
8
5
5
2
2
4
5
6
3
4
3
5
3
3
3
2
4
9
10
8
10
0
0
1
10
5
7
2
2
4
6
7
0
0
2
3
7
6
3
3
5
7
8
10
10
3
0
3
8
7
9
0
0
4
5
6
0
0
2
4
5
4
2
1
6
5
5
10
10
0
0
3
8
8
9
0
0
5
5
4
5
5
7
8
5
5
5
5
6
3
5
10
10
0
0
3
6
4
4
0
0
4
6
5
0
0
3
3
0
0
0
3
3
2
2
10
10
10
10
8
5
5
4
0
0
1. Encuentre los estadsticos y contrastes previos a la aplicacin del anlisis

factorial.
2. Realice la extraccin de dos factores comunes.
3. Realice la rotacin de los factores.
4. Obtenga las puntuaciones de los factores.
5. Utilizando los resultados obtenidos en el anlisis factorial, identifique las
caractersticas ms relevantes de los vendedores que tienen ms capacidad para
vender en una tienda por departamentos; y, reducir el nmero de capacidades para
vender para lograr un mejor conocimiento sobre un fenmeno por la interpretacin
de los conceptos que subyacen entre las variables observadas.
Objetivo
Conocer y aplicar el Anlisis Factorial a situaciones reales de su carrera, e

interpretar los resultados obtenidos.
Para el desarrollo de la presente actividad revise el material del Captulo 12 del

texto gua Anlisis factorial.
Orientaciones
didcticas

estadstica.
Criterios de
evaluacin

Parcial de estudio:
Segundo
Formato de
entrega

las
frmulas
utilizando
la
notacin



Un nico archivo de Word 2007.
Enve las actividades de aprendizaje a travs de la plataforma, mediante la seccin

Contenidos, en un archivo cuyo nombre debe ser:
Enviar a
Formato:
Preguntas o
dudas
G2.Apellido.Apellido.Nombre.EstadisticaAplicadaMercado
Enve sus preguntas o dudas a travs de la plataforma: utilice la seccin Enviar

correo y marque el nombre de su tutor.
Puntaje por actividad

Actividades de aprendizaje
Actividad
Actividad
Actividad
Actividad
de
de
de
de
aprendizaje
aprendizaje
aprendizaje
aprendizaje
Puntaje
5
5
5
5
20
2.1.
2.2.
2.3.
2.4.
En caso de que para el examen sea estrictamente

necesaria la consulta de tablas, frmulas, esquemas o
grficos, estos sern incluidos como parte del
examen o en un anexo.
El examen ser sin consulta.
El tutor de la asignatura

Actividad Entregable 2

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Actividad Entregable 2

Enviado por

Direitos autorais:

Formatos disponíveis

Nombre de la asignatura:

Estadstica Aplicada al Mercado

Estadstica Aplicada al Mercado

Y = variable explicada o dependiente,

= Coeficientes de regresin parcial o coeficientes parciales de pendiente.

Al estimar la Funcin de Regresin Muestral (FRM) de la regresin anterior, se tiene que:

Y = La proyeccin de Y valor medio de Y considerando como fijos los valores de X 2 y

= efecto medio de las variables omitidas en el modelo

= Coeficiente parcial de pendiente para

cambio del valor medio de

por cada unidad de

= Coeficiente parcial de pendiente para

cambio del valor medio de

por cada unidad de

Supuestos bsicos del modelo

Valor medio de los errores es cero (centrados en la proyeccin de

Homoscedasticidad (varianza constante para todos los errores)

El modelo esta especificado correctamente (la forma funcional es la adecuada), es

No hay correlacin entre las variables

(es decir no hay relacin lineal

directa exacta), es decir, no hay multicolinealidad.

Estadstica Aplicada al Mercado

El anlisis discriminante se utiliza para clasificar a distintos individuos en grupos, o

Estadstica Aplicada al Mercado

1. Construya y estime los parmetros del modelo de regresin.

2. Calcule y analice los valores de: R , el R Ajustado y los coeficientes de

Estimar y analizar de manera eficiente modelos de regresin lineal mltiple.

Estadstica Aplicada al Mercado

Para el desarrollo de la presente actividad, revise el material del captulo 8:

Presentacin: La presentacin es importante, expresar las ideas, conceptos y

Manejo de frmulas: Expresar

Operacin y razonamiento: Utilizar los algoritmos para realizar las operaciones

Procedimientos y respuestas: Analizar conjuntos de datos e informacin y

Anlisis e interpretacin de resultados: Presentar la solucin respectiva, en el

Actividad de aprendizaje 2.2.

Cuando un banco concede un prstamo personal a un cliente se enfrenta a la doble

Estadstica Aplicada al Mercado

Conocer y aplicar el anlisis discriminante a situaciones reales de su carrera e

Presentacin: La presentacin es importante, expresar las ideas, conceptos y

Estadstica Aplicada al Mercado

ordenada, secuencial y sistemtica.

Manejo de frmulas: Expresar las frmulas utilizando la notacin y terminologa

Operacin y razonamiento: Utilizar los algoritmos para realizar las operaciones

Procedimientos y respuestas: Analizar conjuntos de datos e informacin y

Anlisis e interpretacin de resultados: Presentar la solucin respectiva, en el

Actividad de aprendizaje 2.3.

Conocer y aplicar el Anlisis de Componentes Principales a situaciones reales de su

Para el desarrollo de la presente actividad revise el material del captulo 11 del

Estadstica Aplicada al Mercado

texto gua Componentes principales.

Presentacin: La presentacin es importante, expresar las ideas, conceptos y

Manejo de frmulas: Expresar

Operacin y razonamiento: Utilizar los algoritmos para realizar las operaciones

Procedimientos y respuestas: Analizar conjuntos de datos e informacin y

Anlisis e interpretacin de resultados: Presentar la solucin respectiva, en el

Actividad de aprendizaje 2.4.

Estadstica Aplicada al Mercado

N. experiencia empuje ambicin conceptos potencial equipo conveniencia

Estadstica Aplicada al Mercado

1. Encuentre los estadsticos y contrastes previos a la aplicacin del anlisis

Conocer y aplicar el Anlisis Factorial a situaciones reales de su carrera, e

Para el desarrollo de la presente actividad revise el material del Captulo 12 del

Recuerde el significado de los diferentes conceptos que intervienen en esta tcnica