Mode Los estocasticos

  • Upload
    mary

  • View
    244

  • Download
    0

Embed Size (px)

DESCRIPTION

estadistica

Citation preview

INDICEINTRODUCCION1RESUMEN2ESPECIFICACIN DEL MODELO2DESCRIPCIN DE LAS VARIABLES:2PLANTEAMIENTO DEL MODELO3ESTIMACION DEL MODELO5INTERPRETACION5EVALUACION DEL MODELO6AJUSTE DEL MODELO:7ERROR ESTNDAR DE LA ESTIMACIN:8VALIDACIN GLOBAL8VALIDACIN INDIVIDUAL9SUPUESTOS ECONOMTRICOS:10PRUEBA DE NORMALIDAD10MULTICOLINEALIDAD:11AUTOCORRELACIN12HOMOCEDASTICIDAD13OTROS MODELOS14MODELO LOGARTMICO14MODELO EXPONENCIAL15DISCUSIN DE RESULTADOS15CONCLUSIONES:15BIBLIOGRAFA16ANEXOS18

INTRODUCCION

En este documento presentaremos la problemtica que existe en el xito profesional ya que este incurre en varios factores que pueden analizarse para encontrar una ecuacin que nos permita estimar su comportamiento ahora y en el futuro.Es por eso que analizaremos cada variable independiente para comprobar si existe una relacin directa o inversa con la variable explicada. Es as que, para acercarse a la aproximacin ms correcta de cmo se afectaban estas variaciones de estos datos numricos se emplearon los modelos estocsticos, que nos ayudan con un mnimo de error y mediante diferentes pruebas encontrar un formato seguro y confiable para definir los caracteres que presentan nuestros cuadros estadsticos. Esta es la finalidad del presente documento, encontrar la estimacin de esos modelos, una funcin fiable que nos dicte una mejor aproximacin, el mejor diseo con el que acta nuestra variable dependiente afectada por las variables independientes.Para la realizacin del desarrollo de nuestro trabajo realizamos una serie de encuestas en la facultad de Ingeniera Industrial de la cual recolectamos diferente informacin que nos fue til para el desarrollo de nuestro modelo, el cual fue procesado con la ayuda del software EVIEWS con una significancia del 10%.

RESUMEN

Los objetivos de nuestro problema planteado en el documento ser realizar un anlisis estadstico para tratar de explicar los factores que influyen en los resultados acadmicos de un estudiante de la especialidad ingeniera industrial.De la misma forma que identificaremos las variables independientes que no influyen o no son significativas en el modelo a analizar, describiendo el proceso de obtencin de un modelo estocstico, donde todas las variables independientes influyen en la variable explicada.El modelo que se presenta en este trabajo ha sido analizado por el tipo de modelo lineal analizando si se ajusta a la problemtica que existe en el xito profesional ya que este incurre en varios factores.Luego de haber realizado las diferentes pruebas de significancia y economtricas con los el modelo de regresin lineal utilizando el software EVIEWS nos han dado una visin ms exacta y real de como varia nuestro promedio ponderado con respectos a las diferentes variables independientes.

ESPECIFICACIN DEL MODELODESCRIPCIN DE LAS VARIABLES:

Variable dependiente: Promedio ponderado acumulado: se refiere al promedio general de un estudian acumulado durante todo el tiempo estudiado.Variables independientes: Promedio de notas de las asignaturas de matemticas y fsica: se refiere al promedio aritmtico de todos los cursos llevados por el estudiante en las reas de fsica y matemtica. Promedio general de secundaria: se refiere al promedio acumulado durante los cinco aos de formacin estudiantil. Nmero de crditos que se inscribi en el semestre 2014: se refiere a la cantidad de crditos totales de los cursos llevados en todo el ao 2014. Numero de semestres estudiados hasta el semestre 2014-2: se refiere al nmero de ciclos estudiados durante todos los aos estudiados hasta esa fecha. Nmero total de asignaturas aprobadas hasta finalizar el semestre 2014-2: se refiere a todos los cursos llevados durante el ao 2014. Nmero total de asignaturas desaprobadas hasta finalizar el semestre 2014-2: se refiere al nmero total de asignaturas con notas menores e iguales a 10. Nmero total de asignaturas retiradas hasta finalizar el semestre 2014-2: se refiere a las notas evaluadas con 0 que tienen los alumnos de ingeniera industrial. Modalidad de ingreso: se refiere a la forma de en que el alumno puede ingresar a la unp. Preparacin preuniversitaria: se refiere al tipo de preparacin que realizo cada alumno para ingresar a la unp. Colegio de procedencia: se refiere al tipo de colegio en que estudio los 5 aos de formacin secundaria. Nivel socioeconmico familiar: se refiere al ingreso con que cada familia cuenta. Trabajo: se refiere si el estudiante de ingeniera industrial estudia y trabaja a la vez. Asesoramiento acadmico: se refiere si el alumno obtiene apoyo del docente.

PLANTEAMIENTO DEL MODELO

En el presente trabajo se pretende estimar los factores influyentes en el xito de la carrera profesional de los estudiantes de ingeniera industrial de la Universidad Nacional de Piura pues es de inters conocer aquellos estadsticos que influyen de manera real en dicho proceso. Se tiene una muestra de 30 observaciones de tipo encuesta.Despus de haber realizado el requerido anlisis y apelando a la propia experiencia, se estima el siguiente modelo:PPA = + *PPFYM + *PGSecun + *Cred2014 + *NunSem + *AsigAp2014 + *AsigDesAp2014 + *AsigRet + *ModIngreso + *Prepa + *Colegio + *NivelEco + *Trabajo + *AsesoriaDonde las variables responden a la siguiente descripcin:PPA: Promedio Ponderado general acumulado.PPFYM: Promedio ponderado en fsica y matemtica.PGSecun:Promedio general en secundaria.Cred2014:Nmero de crditos inscritos en semestre 2014-1 y 2014-2.NunSem:Nmero de semestres estudiados hasta el 2014-2.AsigAp2014:Nmero de asignaturas aprobadas hasta el 2014-2.AsigDesAp2014: Nmero de asignaturas desaprobadas hasta el 2014-2.AsigRet:Nmero de asignaturas retiradas hasta el 2014-2.ModIngreso:Se refiere al tipo de examen de ingreso al UNP.Prepa:Se refiere al mtodo de preparacin preuniversitaria del estudiante.Colegio:Se refiere al colegio de procedencia del alumno.NivelEco:Se refiere al nivel socioeconmico familiar del alumno.Trabajo:Se refiere a si el alumno tiene trabajo o no.Asesoria:Se refiere al si el alumno recibe asesora acadmica en la universidad.

HIPTESIS A PRIORIPPA= + PPFYM + PGSecun - Cred2014 + NumSem + AsigAp20142 - AsigDesAp20142 - AsigRet + ModIngreso + Prepa + Colegio + NivelEco - Trabajo + AsesoriaESTIMACION DEL MODELO

PPA= 10.132 + 0.212 PPFYM - 0,058 PGSecun + 0.07 Cred2014 - 0.188 NumSem + 0,012 AsigAp2014-2 - 0,038 AsigDesAp2014-2 -0.107 AsigRet -0,167 ModIngreso +0,040 Prepa +0,257 Colegio +0,462 NivelEco -0,362 Trabajo +0,489 Asesoria

INTERPRETACION

= Representa el intercepto con el eje tangencial. Es el promedio base de la regresin.= Por cada punto en promedio ponderado de las asignaturas de fsica y matemtica el rendimiento acadmico del estudiante aumenta en 0.212 puntos.= Por cada punto en el promedio general de secundaria el promedio ponderado general universitario desciende en 0.058 puntos.= Por cada crdito inscrito en el periodo 2014-1 y 2014-2 el promedio ponderado general aumenta en 0.007 puntos.= Por cada semestre que ha cursado hasta el periodo 2014-2 el promedio ponderado general universitario desciende en 0.188 puntos.= Por cada curso aprobado hasta el semestre 2014-2 el promedio ponderado general universitario aumenta en 0.012 puntos.= Por cada curso desaprobado hasta el semestre 2014-2 el promedio ponderado general universitario disminuye en 0.038 puntos.= Por cada curso retirado hasta el semestre 2014-2 el promedio ponderado general universitario disminuye en 0.107 puntos.= Segn la modalidad de ingreso a la UNP el promedio ponderado general universitario se reduce en 0.167 puntos.= Segn el tipo de preparacin preuniversitaria del estudiante el promedio ponderado general universitario aumenta en 0,04 puntos.= Segn el colegio de procedencia del alumno su promedio ponderado general universitario aumenta en 0.257 puntos.= Segn nivel socioeconmico del estudiando su promedio ponderado general universitario aumenta en 0.462 puntos.= Si el estudiante trabaja el promedio ponderado general universitario disminuye en 0.362 puntos.= Si el alumno recibe asesora acadmica el promedio ponderado general universitario aumenta en 0.498puntos.

EVALUACION DEL MODELO

En el modelo se propone asociar empricamente el comportamiento de los factores y si influencia en el rendimiento esperado del alumno, siendo este el promedio ponderado obtenido.COEFICIENTEESPECIFICADOESTIMADORESULTADO

++CORRECTO

-+INCORRECTO

+-INCORRECTO

-+INCORRECTO

++CORRECTO

--CORRECTO

--CORRECTO

-+INCORRECTO

++CORRECTO

++CORRECTO

++CORRECTO

--CORRECTO

++CORRECTO

Luego de haber calculado el valor especfico del coeficiente que acompaa a cada variable independiente, con los datos tericos, nos muestran que existen cuatro parmetros estimados no acordes a lo esperado. Esto ha pasado debido a que la mayora de las personas encuestadas tienen bajas calificaciones en fsica y matemtica lo que ocasiona que exista una relacin inversa con el promedio ponderado del estudiante, de la misma forma que las personas que obtuvieron un promedio alto en secundaria no influye en las calificaciones obtenidas en la universidad.

AJUSTE DEL MODELO:

Coeficiente de determinacin:R- squared: 0.802El 80.2% del promedio ponderado acumulado de un estudiante de la escuela de ingeniera industrial en la UNP es explicado por las variables independientes, Promedio de notas de las asignaturas de matemticas y fsica, Promedio general de secundaria, Nmero de crditos que se inscribi en el semestre 2014, Numero de semestres estudiados hasta el semestre 2014-2, Nmero total de asignaturas aprobadas hasta finalizar el semestre 2014-2, Nmero total de asignaturas desaprobadas hasta finalizar el semestre 2014-2, Nmero total de asignaturas retiradas hasta finalizar el semestre 2014-2 Modalidad de ingreso, Preparacin preuniversitaria, Colegio de procedencia, Nivel socioeconmico familiar, Trabajo y Asesoramiento acadmico.Error estndar de la Estimacin:

S.E. of regression0.6410

La dispersin promedio de la Promedio ponderado con respecto de la estimacin del modelo es de 0.64 puntos.

SIGNIFICANCIA ESTADSTICA Validacin Global

Esta prueba nos reafirmara la significancia de las variables utilizadas en el modelo, si influyen o no en l.

Fc= 4.984424

Ft=F0.1, 14-1, 30-14,Ft=F0.1, 13,16Ft = 1.96824291Como Fc>Ft entonces se rechaza Interpretacin: existe alguna variable significativa en el modelo. Validacin Individual (=0,1)H0: Bj=0H1:Bj0coeficientesprueba de hiptesisT calT TABLAconclusin

B1H0: B1=01.898571.74se rechaza H0; por lo tanto si es significativa

H1: B10

B2H0: B2=0-1.2134261.74se acepta H0; por lo

H1: B20tanto no es significativa

B3H0: B3=00.2562841.74se acepta H0; por lo

H1: B30tanto no es significativa

B4H0: B4=0-1.5416061.74se acepta H0; por lo

H1: B40tanto no es significativa

B5H0: B5=00.8461591.74se acepta H0; por lo

H1: B50tanto no es significativa

B6H0: B6=0-0.754141.74se acepta H0; por lo

H1: B60tanto no es significativa

B7H0: B7=0-2.44501.74se rechaza H0; por lo

H1: B70tanto si es significativa

B8H0: B8=0-2.272901.74se rechaza H0; por lo

H1: B80tanto si es significativa

B9H0: B9=00.1896171.74se acepta H0; por lo

H1: B90tanto no es significativa

B10H0: B10=02.663751.74se rechaza H0; por lo

H1: B100tanto si es significativa

B11H0: B11=02.9523941.74se rechaza H0; por lo

H1: B110tanto si es significativa

B12H0: B12=0-2.1211961.74se rechaza H0; por lo

H1: B120tanto si es significativa

B13H0: B13=03.3391391.74se rechaza H0; por lo

H1: B130tanto si es significativa

SUPUESTOS ECONOMTRICOS: PRUEBA DE NORMALIDAD

Como Probabilidad > se acepta , es decir, los residuales se ajustan a una distribucin normal.

PRUEBAS ECONOMETRICAS MULTICOLINEALIDAD:

H0: H1:

Ingresando estos datos en el software Excel obtenemos la siguiente tabla que nos muestra si existe colinealidad entre las variables evaluadas.

AUTOCORRELACIN

H0: H1:

DWc = 1.574229 DWt=DW13, 30, 0.1 => dL=0.393 dU =2.532 4 - dL= 3.607 4 - dU= 1.468Como

El Durbin Watson calculado cae en la zona de indecision es decir la prueba no es concluyente.

HOMOCEDASTICIDAD

H0: Todos los Bj del modelo son ceros.H1: Por lo menos un Bj es diferente de cero.

Como entonces se acepta la hiptesis nula, por lo tanto existe homoscedasticidad.

OTROS MODELOSModelo Logartmico

Log (PPA) = + * Log(PPFYM) + * Log(PGSecun) + * Log(Cred2014) + * Log(NunSem) + * Log(AsigAp2014) + * Log(ModIngreso) + * Log(Prepa) + * Log(Colegio) + * Log(NivelEco)

Modelo exponencial

Exp (PPA) = + * Exp (PPFYM) + * Exp (PGSecun) + * Exp (Cred2014) + * Exp (NunSem) + * Exp (AsigAp2014) + * Exp (ModIngreso) + * Exp (Prepa) + * Exp (Colegio) + * Exp (NivelEco)+ * Exp (Trabajo) + * Exp (Asesora)

DISCUSIN DE RESULTADOSEl modelo de regresin lineal da un mayor ajuste del promedio general de us estudiante de ingeniera industria, esto se debe a que los otros modelos se han ido eliminando algunas variables que no resultan influyentes en dicho modelo.En los resultados observamos que algunas variables que pensbamos resultaran positivamente influyentes, actan de manera negativa, tal es el caso del promedio general de secundaria, el nmero de crditos inscritos, y otros que se esperaba fueran negativos tienen influencia positiva. Esto se debe a que los factores influyentes son muy irregulares y las condiciones en las que influyen en el estudiante son muy diferentes en todos, es decir la manera que un factor afecta a un estudiante no necesariamente causa el mismo efecto en otro estudiante.As por ejemplo el nivel socioeconmico puede influir al momento de la facilidad que genera al momento de conseguir material didctico un alumno con mejor nivel econmico tiende a tener mejor material para el proceso educativo.Otro factor fue el promedio de secundaria, este no es tan determinstico pues el nivel pre universitario difiere mucho entre un colegio y otro.El nmero de crditos inscritos a su vez, no asegura un alto promedio, pues es diferente inscribirse en un curso a realmente cursarlo de manera correcta.

CONCLUSIONES:

De los modelos implementados en el Software Eviews, analizando las diferentes pruebas de significancia y economtricas nos han dado una visin ms exacta y real de la variacin del modelo, tomando en cuenta las variables que no influyen entre s.De acuerdo a la evaluacin de modelos en funcin del promedio acumulado, el modelo de regresin lineal es el modelo propuesto, por presentar mejores indicadores estadsticos.La variable dependiente es decir el promedio de los estudiantes de ingeniera es explicado por las variables dependientes en 80.2%. BIBLIOGRAFAEconometra II Prctica 0. Introduccin a Eviews. (s.f.). Obtenido de Econometra II Prctica 0. Introduccin a Eviews: http://www.eco.uc3m.es/~jgonzalo/teaching/EconometriaII/Practica0.pdfMaha, R. (s.f.). GUA DE MANEJO DEL PROGRAMA E-VIEWS. Obtenido de https://www.google.com.pe/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&uact=8&ved=0CCEQFjAB&url=http%3A%2F%2Fwww.uam.es%2Fpersonal_pdi%2Feconomicas%2Fjmalonso%2FMANUAL_1_guiaeviewsc1.pdf&ei=ACe_U9ShJpMontiel, B. L. (s.f.). Regresin Mltiple. Obtenido de Regresin Mltiple: http://www.bioestadistica.uma.es/baron/apuntes/ficheros/cap06.pdfMulticolinealidad, E. -D. (s.f.). Obtenido de https://www.youtube.com/watch?v=ir459B1P-Ck

ANEXOS

PPFYMPGSecunCred2014NumSemAsigAp20142AsigDesAp20142AsigRetModIngresoPrepaColegioNivelEcoTrabajoAsesoria

12134885622122311

11164585030121310

11134883215121300

13155284614123311

11174885622421301

13165084802323200

12124584055313211

1215.624885612123210

12154884218121311

13165384232123211

11164885000122301

12154285330121200

13164785400311200

12144785400121301

12134485721223211

13164463545113300

12134863650121201

12174863336123200

11164263045423200

12134863030121200

11164662746311301

13165063060121310

12154564600121300

12144863222121210

13144564102322300

12155063921122300

13164563000121201

12165064000232210

11165263922121300

12124864000231200