Está en la página 1de 2

IN3401-1 Estadstica para la Economa y Gestin.

Profesor: Manuel Reyes.


Auxiliares: Diego Ampuero, Fabin Labarca, Alejandro Navarrete.
Alumna: Giselle Donari Riveros.

Modelo de regresin mltiple, series de tiempo y Kriging


Un modelo de regresin mltiple es un modelo de abstraccin de la realidad simple,
que liga ms de dos variables con una sola ecuacin explicativa la cual tiene como
caracterstica la perturbacin aleatoria con variable de ruido blanco (esperanza nula,
varianza constante y covarianza nula); este modelo se puede presentar de dos
formas, en algebra ordinaria y en forma matricial. Si bien se utiliza para la prediccin
de respuestas a partir de variables explicativas no es realmente la aplicacin que
suele dar en investigacin, los cuales realmente son: identificacin de variables
explicativas (ayuda a crear un modelo donde se seleccionen las variables que
puedan influir en la respuesta, descartando aquellas que no aporten
informacin),deteccin de interacciones (entre variables independientes que
afectan a la variable de respuesta, como por ejemplo la respuesta al alcohol y a un
farmacutico cuando ambos se ingieren, viendo si el efecto es mucho mayor de lo
esperado al sumar los dos) e identificar variables confusoras ( cuando no se tiene
control sobre las variables independientes).
Por otra parte existen las series de tiempo, estas son de gran importancia ya que
con frecuencia se realizan observaciones de datos a travs del tiempo. Cualquier
variable que conste de datos reunidos, registrados u observados sobre incrementos
sucesivos de tiempo es una serie de tiempo. Una serie de tiempo es un conjunto de
observaciones producidas en determinados momentos durante un periodo ya se
semanal, mensual, trimestral o anual generalmente a intervalos iguales. Existen
cuatro componentes de estas: La tendencia secular (el valor de la variable tiende a
aumentar o disminuir en un periodo largo, por ejemplo el incremento estable de vida
registrados en el ndice de precios al consumidor), la variacin cclica(como ejemplo
tenemos el ciclo econmico en el cual hay aos que existe un pico sobre la lnea de
la tendencia, o bajo la lnea), variacin estacional (la cual implica los patrones de
cambio en el lapso de un ao, por ejemplo, que tienden a repetirse anualmente) y
la variacin irregular(este valor puede ser completamente impredecible cambiando
de manera aleatoria). Muchas veces las series de tiempo contienen varias de estas
componentes. Algunas aplicaciones son en la economa (precios de un articulo,
tasas de desempleo, ndice de precios, etc), en metereologia (agua cada,
temperatura mxima diaria, energa solar, tc), en geofsica (series sismolgicas), en
qumica (viscosidad de un proceso, temperatura de un proceso),
telecomunicaciones (anlisis de seales), entre otras.
Por ltimo el Kriging est basado en modelos estadsticos que incluyen la auto
correlacin, es decir, las relaciones estadsticas entre los puntos medidos. Gracias
a esto, las tcnicas de estadstica geogrfica no solo tienen la capacidad de producir
una superficie de prediccin sino que tambin proporcionan alguna medida de
certeza o precisin de las predicciones.

IN3401-1 Estadstica para la Economa y Gestin.


Profesor: Manuel Reyes.
Auxiliares: Diego Ampuero, Fabin Labarca, Alejandro Navarrete.
Alumna: Giselle Donari Riveros.

Kriging presupone que la distancia o la direccin entre los puntos de muestra


reflejan una correlacin espacial que puede utilizarse para explicar la variacin en
la superficie. La herramienta Kriging ajusta una funcin matemtica a una cantidad
especificada de puntos o a todos los puntos dentro de un radio especfico para
determinar el valor de salida para cada ubicacin. Kriging es un proceso que tiene
varios pasos, entre los que se incluyen, el anlisis estadstico exploratorio de los
datos, el modelado de variogramas, la creacin de la superficie y (opcionalmente)
la exploracin de la superficie de varianza. Este mtodo es ms adecuado cuando
se sabe que hay una influencia direccional o de la distancia correlacionada
espacialmente en los datos. Se utiliza a menudo en la ciencia del suelo y la geologa.
Estas tres herramientas se unen en en los estudios estadsticas, en particular de la
geologa y mineraloga, es as como para tener un mejor balance de la situacin a
analizar se interpolan los tres mtodos estudiados, pues no son excluyentes.

También podría gustarte