Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos
|
|
|
- María Victoria Rojas Velázquez
- hace 8 años
- Vistas:
Transcripción
1 Test de hipótesis
2 t de Student Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos HOMA Casos Válidos Perdidos Total N Porcentaje N Porcentaje N Porcentaje ,0% 0,0% ,0% ,9% 1,1% ,0%
3 Descriptivos HOMA Media Intervalo de confianza para la media al 95% Límite inferior Límite superior Estadístico Error típ. 5,6849, ,7131 6,6567 HOMA Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis Media Intervalo de confianza para la media al 95% Límite inferior Límite superior 4,9764 4, ,871 5,55619,53 41,1 40,56 3,96 3,291,214 15,261,425 1,8688, ,7794 1,9581 Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis 1,7353 1,5042 1,867 1,36625,04 15,5 15,49 1,39 2,683,081 15,646,163
4 50, ,00 30,00 49 HOMA 20, , ,00
5 De forma descriptiva se ve en las transparencias anteriores que podemos sospechar que hay diferencia en el valor de la media. Podemos observar que el HOMA de los diabéticos es en media superior que el de los no diabéticos. Es la diferencia lo suficientemente grande como para resultar significativa? Estadísticos de grupo HOMA Desviación Error típ. de N Media típ. la media 128 5,6849 5,55619, ,8688 1,36625,04552
6 t de Student Prueba de muestras independientes 95% Intervalo de confianza para la Diferencia Error típ. de diferencia F g. t gl g. (bilateral) de mediasla diferencia Inferior Superior HOMASe han asumido 233,702,000 17, ,000 3,81609, , ,24893 varianzas iguales se han asumido varianzas iguales Prueba de Levene para la igualdad de varianzas Prueba T para la igualdad de medias 7, ,190,000 3,81609, , ,79190 Primero realizamos el test de de Levene para contrastar la Hipótesis nula de varianzas iguales; como el p valor es de cero rechazamos dicha hipótesis nula y aceptamos que las varianzas son distintas.
7 t de Student Prueba de muestras independientes 95% Intervalo de confianza para la Diferencia Error típ. de diferencia F g. t gl g. (bilateral) de mediasla diferencia Inferior Superior HOMASe han asumido 233,702,000 17, ,000 3,81609, , ,24893 varianzas iguales se han asumido varianzas iguales Prueba de Levene para la igualdad de varianzas Prueba T para la igualdad de medias 7, ,190,000 3,81609, , ,79190 Como las varianzas son distintas tenemos que fijarnos en la fila de varianzas no iguales Para contrastar ahora la hipótesis nula de que las medias son iguales frente a la alternativa de que son distintas, volvemos a comprobar que el p-valor es de cero, lo que nos lleva a rechazar la hipótesis nula y aceptar por tanto que las medias son diferentes. hemos comprobado si se cumplen las hipótesis del modelo
8 La variable Homa tiene distribución rmal para los Diabéticos y para los no Diabéticos? : s hace sospechar falta de normalidad 40 Frecuencia ,00 10,00 20,00 30,00 40,00 50,00 Media =5,6849 Desviación típica =5, N =128 HOMA
9 : Frecuencia s hace sospechar falta de normalidad ,00 5,00 10,00 15,00 20,00 Media =1,8688 Desviación típica =1, N =901 HOMA
10 Hacemos una transformación de los datos: consideramos ahora la variable Ln(HOMA) Descriptivos log_homa Media Intervalo de confianza para la media al 95% Límite inferior Límite superior Estadístico Error típ. 1,4261, ,2903 1,5619 Mejoran los problemas de asimetría Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis Media Intervalo de confianza para la media al 95% Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis Límite inferior Límite superior 1,4273 1,3921,603, ,63 3,72 4,35,90,105,214,463,425,3982,02337,3523,4440,4151,4083,492, ,16 2,74 5,90,89 -,544,081 1,925,163
11 : Frecuencia Parece normal 5 0-1,00 0,00 1,00 2,00 3,00 4,00 Media =1,4261 Desviación típica =0, N =128 log_homa
12 : Frecuencia Parece normal ,00-3,00-2,00-1,00 0,00 1,00 2,00 3,00 Media =0,3982 Desviación típica =0, N =901 log_homa
13 Test de Komogorov-Smirnov para ver si la variable LogHOMA en el grupo de los diabéticos sigue una distribución normal Prueba de Kolmogorov-Smirnov para una muestra c N Parámetros normales a,b Media Desviación típica log_homa 128 1,4261,77652 Diferencias más extremas Z de Kolmogorov-Smirnov g. asintót. (bilateral) Absoluta Positiva Negativa a. La distribución de contraste es la rmal. b. Se han calculado a partir de los datos. c. =,055,052 -,055,628,826 La hipótesis nula es que sigue una distribución normal, y la alternativa es que no. Con un p- valor de tenemos que aceptar la hipótesis nula como cierta
14 Test de Komogorov-Smirnov para ver si la variable LogHOMA en el grupo de los no-diabéticos sigue una distribución normal Prueba de Kolmogorov-Smirnov para una muestra c N Parámetros normales a,b Media Desviación típica log_homa 901,3982,70137 Diferencias más extremas Z de Kolmogorov-Smirnov g. asintót. (bilateral) Absoluta Positiva Negativa a. La distribución de contraste es la rmal. b. Se han calculado a partir de los datos. c. =,031,014 -,031,940,340 Al igual que antes, con un p- valor de 0.34, tenemos que aceptar la hipótesis nula (distribución normal de la variable loghoma) como cierta
15 Se verifican las hipótesis log_homa log_homa Estadísticos de grupo Estadísticos de grupo Desviación Error típ. de N Media típ. la media 128 1,4261,77652,06863 Desviación Error típ. de N Media típ. la media 128 1,4261,77652, ,3982,70137, ,3982,70137,02337 log_homase han asumido varianzas iguales se han asumido varianzas iguales Prueba de Levene para la igualdad de varianzas F Prueba de muestras independientes g. Prueba T para la igualdad de medias 95% Intervalo de confianza para la Diferencia Error típ. de diferencia t gl g. (bilateral) de mediasla diferencia Inferior Superior 1,231,268 15, ,000 1,02791,06717, , , ,845,000 1,02791,07250, ,17111 Para la prueba de Levene el p-valor es de 0.268, lo que nos lleva a aceptar que las varianzas son iguales Asumiendo varianzas iguales, con el p-valor de tenemos que rechazar la hipótesis nula y aceptar que hay diferencias en la media entre los dos grupos
16 t de Student Hay diferencias en la media del PCR (proteína C reactiva) entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos Proteína C reactiva (mg/dl) Casos Válidos Perdidos Total N Porcentaje N Porcentaje N Porcentaje ,0% 0,0% ,0% ,0% 0,0% ,0%
17 Descriptivos Proteína C reactiva (mg/dl) Media Intervalo de confianza para la media al 95% Límite inferior Límite superior Estadístico Error típ.,5998,05869,4836,7159 Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis Media Intervalo de confianza para la media al 95% Límite inferior Límite superior,4909,3400,441,66397,30 5,92 5,62,24 4,992,214 33,504,425,4287,01487,3995,4579 Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis,3701,3400,199,44652,30 10,40 10,10,02 14,516, ,670,163
18 12, ,00 Proteína C reactiva (mg/dl) 8,00 6,00 4, , ,00
19 Estadísticos de grupo Proteína C reactiva (mg/dl) Desviación Error típ. de N Media típ. la media 128,5998,66397, ,4287,44652,01487 Prueba de muestras independientes Proteína C reactiva (mg/dl) Se han asumido varianzas iguales se han asumido varianzas iguales Prueba de Levene para la igualdad de varianzas F g. t gl g. (bilateral) Prueba T para la igualdad de medias Diferencia de medias 95% Intervalo de confianza para la Error típ. de diferencia la diferencia Inferior Superior 25,904,000 3, ,000,17108,04522,08235, , ,741,005,17108,06054,05142,29075
20 : 100 Frecuencia se verifica la hipótesis de normalidad ,00 1,00 2,00 3,00 4,00 5,00 6,00 Media =0,5998 Desviación típica =0, N =128 Proteína C reactiva (mg/dl)
21 : Frecuencia se verifica la hipótesis de normalidad ,00 2,00 4,00 6,00 8,00 10,00 12,00 Media =0,4287 Desviación típica =0, N =902 Proteína C reactiva (mg/dl)
22 Test de Wilcoxon Pasamos a hacer un test no paramétrico, porque aunque hagamos transformaciones no conseguimos normalizar la variable Rangos PCR Total Rango Suma de N promedio rangos , , , , Estadísticos de contraste PCR U de Mann-Whitney 52045,000 W de Wilcoxon 60301,000 Z -4,942 g. asintót. (bilateral),000 a. Variable de agrupación: a La hipótesis nula es que la variable tiene igual distribución en los dos grupos; con este p-valor de rechazamos hipótesis nula y aceptamos que existen diferencias significativas.
23 Ji-cuadrado Hay asociación entre la obesidad y la diabetes? Resumen del procesamiento de los casos Obesidad * Casos Válidos Perdidos Total N Porcentaje N Porcentaje N Porcentaje ,0% 0,0% ,0%
24 Tabla de contingencia Obesidad * Obesidad Total Recuento % de Obesidad % de Recuento % de Obesidad % de Recuento % de Obesidad % de Total ,0% 81,0% 100,0% 49,2% 29,8% 32,2% ,3% 90,7% 100,0% 50,8% 70,2% 67,8% ,4% 87,6% 100,0% 100,0% 100,0% 100,0% Se ve que el porcentaje de obesos para los diabéticos es de 49.2% mientras que para los no diabéticos el porcentaje de obesos es de 29%. Esto nos hace sospechar la existencia de una cierta asociación
25 Chi-cuadrado de Pearson Corrección por continuidad a Razón de verosimilitud Estadístico exacto de Fisher Asociación lineal por lineal N de casos válidos Pruebas de chi-cuadrado g. asintótica Valor gl (bilateral) 19,306 b 1,000 18,428 1,000 18,255 1,000 19,287 1, a. Calculado sólo para una tabla de 2x2. g. exacta (bilateral) g. exacta (unilateral),000,000 b. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es 41,26. La hipótesis nula es que las proporciones de obesos son iguales tanto entre diabéticos como entre no diabéticos (no hay asociación entre las dos variables) mientras que la alternativa es que tales proporciones difieren (hay asociación). El p-valor de indica que el test de la Chi-cuadrado resulta significativo y por tanto concluimos que existe asociación entre diabetes y obesidad.
ESTADÍSTICA DESCRIPTIVA CON SPSS
ESTADÍSTICA DESCRIPTIVA CON SPSS (2602) Estadística Económica Joaquín Alegre y Magdalena Cladera SPSS es una aplicación para el análisis estadístico. En este material se presentan los procedimientos básicos
(.$263*7.5"4+%#,"8..9$ $.$ - -. 7.# "4< $ 8 $ 7 "% @
!"#$%!& ' ($ 2 ))!"#$%& '$()!& *($$+%( & * $!" "!,"($"$ -(.$!- ""& +%./$$&,-,$,". - %#,"0# $!01 "23(.4 $4$"" ($" $ -.#!/ ". " " ($ "$%$(.$2.3!- - *.5.+%$!"$,"$ (.$263*7.5"4+%#,"8..9$ $.$ - $,"768$"%$,"$%$!":7#;
9.1.Análisis de tablas de contingencia
9.1.Análisis de tablas de contingencia Qué es una tabla de contingencia? Observamos datos de frecuencias de sucesos Diseños de cohortes Diseños de casos y controles Diseños transversales Estamos interesados
MANUAL PARA EL USO DE SPSS
MANUAL PARA EL USO DE SPSS 1 INTRODUCCIÓN El propósito de este manual, es ilustrar con un ejemplo cómo generar tablas de frecuencia, tablas de contingencia, cálculos de medias, así como la generación de
SPSS: ANOVA de un Factor
SPSS: ANOVA de un Factor El análisis de varianza (ANOVA) de un factor nos sirve para comparar varios grupos en una variable cuantitativa. Esta prueba es una generalización del contraste de igualdad de
1 Ejemplo de análisis descriptivo de un conjunto de datos
1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos
ANEXO 4. Comparación características basales. Técnica de enseñanza. Resumen del procesamiento de los casos. N Porcentaje N Porcentaje
dimension1 dimension1 ANEXO 4 Comparación características basales Técnica de Resumen del procesamiento de los casos Técnica de Casos Válidos Perdidos N Porcentaje N Porcentaje Edad en años cumplidos On
9.2.Ejemplos de análisis de tablas de contingencia
9.2.Ejemplos de análisis de tablas de contingencia Ejemplo 1 Se ha sugerido que el cancer de mama puede ser causado, en parte, por cambios fisiológicos entre la edad de menarquia y la edad en que se tiene
Pero qué hacemos cuando no se cumple la normalidad o tenemos muy pocos datos?
Capítulo. Métodos no paramétricos Los métodos presentados en los capítulos anteriores, se basaban en el conocimiento de las distribuciones muestrales de las diferencias de porcentajes o promedios, cuando
EJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS
EJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS Las soluciones a estos ejercicios y los outputs del SPSS se encuentran al final. EJERCICIO 1. Comparamos dos muestras de 10
ANÁLISIS DESCRIPTIVO CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:
Parámetros y estadísticos
Parámetros y estadísticos «Parámetro»: Es una cantidad numérica calculada sobre una población y resume los valores que esta toma en algún atributo Intenta resumir toda la información que hay en la población
CUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS
CUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS UN ESTUDIO SOBRE CARBOXIHEMOGLOBINA EN SANGRE En el estudio experimental que aquí presentamos se seleccionó al azar una muestra de 37 estudiantes de una
Tema 3: Diseño de experimentos
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 15 de noviembre de 2010 Índice Diseños con un factor 1 Diseños con un factor Comparación de dos medias Comparación de
4. Obtén las siguientes tablas de doble entrada para las variables Dispersión y Formación:
ACTIVIDAD DE INFERENCIA Y ASOCIACIÓN 1. Obtén los estadísticos descriptivos básicos y un intervalo de confianza del 95% para la media del coste en farmacia por habitante. A partir del resultado obtenido
Problemas. Intervalos de Confianza y Contrastes de Hipótesis
Problemas. Intervalos de Confianza y Contrastes de Hipótesis Ejemplos resueltos y propuestos Intervalos de Confianza Variable Nomal en la población Se selecciona una muestra de tamaño n de una población
Capítulo 19 Análisis no paramétrico: El procedimiento Pruebas no paramétricas
Capítulo 19 Análisis no paramétrico: El procedimiento Pruebas no paramétricas En los capítulos 13 al 18 hemos estudiado una serie de procedimientos estadísticos diseñados para analizar variables cuantitativas:
Otras medidas descriptivas usuales
Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.
SIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS
SIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS 3datos 2011 Variables CUANTITATIVAS Valor más representativo: MEDIA aritmética Técnicas Inferenciales sobre la significación de la diferencia entre
ESTADÍSTICA. Tema 3 Contrastes de hipótesis
ESTADÍSTICA Grado en CC. de la Alimentación Tema 3 Contrastes de hipótesis Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 1 Estructura de este tema Qué es un contraste
Botella-Rocamora, P.; Alacreu-García, M.; Martínez-Beneito, M.A.;
Inferencia estadística (intervalos de confianza y p-valor). Comparación de dos poblaciones (test t de comparación de medias, comparación de dos proporciones, comparación de dos varianzas). Botella-Rocamora,
TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística
TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud
Solución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2
Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación
1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros
TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación
PRUEBAS NO PARAMÉTRICAS
PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la
Tema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Indicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Instrucciones sobre cómo presentar la estadística en un trabajo científico
Instrucciones sobre cómo presentar la estadística en un trabajo científico Francisco Javier Barón López baron@uma.es http://www.bioestadistica.uma.es/baron Francisco Javier Barón López 2 1 Introducción
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
T. 5 Inferencia estadística acerca de la relación entre variables
T. 5 Inferencia estadística acerca de la relación entre variables 1. El caso de dos variables categóricas 2. El caso de una variable categórica y una variable cuantitativa 3. El caso de dos variables cuantitativas
Práctica 5. Contrastes paramétricos en una población
Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media
Trabajo de Matemáticas y Estadística Aplicadas
Licenciatura en Ciencia Ambientales Matemáticas y Estadística aplicada Prof. Susana Martín Fernández POLITÉCNICA Trabajo de Matemáticas y Estadística Aplicadas GUIÓN 1: Estadística descriptiva Tipo 1 1-
1 Introducción al SPSS
Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
Problemas de Probabilidad resueltos.
Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose
Tema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Statgraphics Centurión
Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que
Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
PRUEBAS DE HIPÓTESIS NO PARAMÉTRICAS PARA LA COMPARACIÓN DE DOS MEDIAS
PRUEBAS DE HIPÓTESIS NO PARAMÉTRICAS PARA LA COMPARACIÓN DE DOS MEDIAS César Gutiérrez Villafuerte Sección de Estadística y Epidemiología Facultad de Medicina UNMSM Lima, 10 de marzo de 2005 Cómo evaluar
Nombre...Apellidos... Grado en:...grupo:...
ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA - Soluciones Estadística- Curso 01/1. 9 de Julio de 01 Nombre...Apellidos... Grado en:...grupo:... 1. Considera la variable aleatoria (v.a.) X cuyos posibles
Comparación de medias
12 Comparación de medias Irene Moral Peláez 12.1. Introducción Cuando se desea comprobar si los valores de una característica que es posible cuantificar (como podría ser la edad o la cifra de tensión arterial,
Dr. Alberto Nájera López. Facultad de Medicina de Albacete Universidad de Castilla La Mancha
Facultad de Medicina de Albacete Universidad de Castilla La Mancha Albacete, 14 de abril de 2014 Contenido de esta guía Contenido de esta guía... 1 Motivación... 2 Objetivos de esta breve guía... 2 Introducción...
CORRELACIONES CON SPSS
ESCUEL SUPERIOR DE INFORMÁTIC Prácticas de Estadística CORRELCIONES CON SPSS 1.- INTRODUCCIÓN El concepto de relación o correlación entre dos variables se refiere al grado de parecido o variación conjunta
Práctica 2. Estadística Descriptiva
Práctica 2. Estadística Descriptiva Ejercicio 1 Mucha gente manifiesta reacciones de alergia sistémica a las picaduras de insectos. Estas reacciones varían de paciente a paciente, no sólo en cuanto a gravedad,
Tema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Aplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
SEGUNDA PRUEBA PARCIAL 20 MAYO 2015 PROF. CALVENTUS EVALUACIÓN DE TRES MÉTODOS DE ENSEÑANZA-APRENDIZAJE (ME-A)
PSICOLOGÍA U.S.T. Estadística Inferencial SEGUNDA PRUEBA PARCIAL 20 MAYO 2015 PROF. CALVENTUS Nombre: Ptje: Nota: Esta prueba consta de 7 Preguntas y un total de 18 Puntos. La aprobación se consigue al
Capítulo 12. Análisis de variables categóricas: El procedimiento Tablas de contingencia. Tablas de contingencia
Capítulo 12 Análisis de variables categóricas: El procedimiento Tablas de contingencia En las ciencias sociales, de la salud y del comportamiento es muy frecuente encontrarse con variables categóricas.
"CONTRASTES DE HIPÓTESIS" 4.4 Parte básica
76 "CONTRASTES DE HIPÓTESIS" 4.4 Parte básica 77 4.4.1 Introducción a los contrastes de hipótesis La Inferencia Estadística consta de dos partes: Estimación y Contrastes de Hipótesis. La primera se ha
Test de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n
Un diseño experimental que se utiliza muy a menudo es el de un grupo control y uno de tratamiento. En el caso de que los datos sean cuantitativos y sigan una distribución normal, la hipótesis de interés
Curso de Estadística no-paramétrica
Curso de Estadística no-paramétrica Sesión 1: Introducción Inferencia no Paramétrica David Conesa Grup d Estadística espacial i Temporal Departament d Estadística en Epidemiologia i Medi Ambient i Investigació
Mónica López Ratón BIOSTATECH, Advice, Training & Innovation in Biostatistics, S.L. Octubre 2012. monica.lopez.raton@usc.es
Mónica López Ratón BIOSTATECH, Advice, Training & Innovation in Biostatistics, S.L. Octubre 01 monica.lopez.raton@usc.es Tablas de contingencia y tests asociados Índice 1. Datos categóricos. Tablas de
Estadística descriptiva con Excel (Cálculo de medidas)
Universidad Pedagógica Experimental Libertador Instituto Pedagógico de Miranda José Manuel Siso Martínez Departamento de Ciencias Naturales y Matemáticas Cátedra: Estadística aplicada a la educación Estadística
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta
MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA
IES Fco Ayala de Granada Sobrantes 00 (Modelo ) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS II Sobrantes 00 (Modelo ) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO Sea el recinto del plano definido
Estadística: conceptos básicos y definiciones.
Estadística: conceptos básicos y definiciones. 1 Conceptos básicos 2 Conceptos básicos cont. 3 Conceptos básicos cont. 4 Conceptos básicos cont. 5 Conceptos básicos cont. 6 Definición de Estadística La
Análisis de la Varianza (ANOVA) de un factor y test a posteriori.
Análisis de la Varianza (ANOVA) de un factor y test a posteriori. Ejercicios Temas 8 y 9 (Resuelto) 1. Problema 5 Se quiere estudiar el efecto de distintas dosis de un medicamento para combatir a los parásitos
Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS
Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMA REUELTO DE CONTRATE DE HIPÓTEI 1 Un investigador quiere contrastar si el peso medio de ciertas hortalizas está en los 1,9 Kg. que
Tema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Práctica 2 ESTADÍSTICA DESCRIPTIVA
Práctica 2. Estadística descriptiva 1 Práctica 2 ESTADÍSTICA DESCRIPTIVA Objetivos: En esta práctica utilizaremos el paquete SPSS para calcular estadísticos descriptivos de una muestra. Se representarán
Se desea analizar el nivel de glucemia según tratamientos en un grupo de. enfermos. Para ello se ha medido este nivel antes y después de dichos
Práctica 4: Estadística Matemática Ejercicio 1: Se desea analizar el nivel de glucemia según tratamientos en un grupo de enfermos. Para ello se ha medido este nivel antes y después de dichos tratamientos.
Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico.
Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico. María José Rubio
VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.
VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar
Estudio de casos y controles sobre factores de riesgo en el cáncer colorrectal
Estudio de casos y controles sobre factores de riesgo en el cáncer colorrectal Objetivos del estudio Estimar el riesgo de padecer cáncer colorrectal asociado a una serie de variables Población Casos Controles
MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1
IES Fco Ayala de Granada Sobrantes 010 (Modelo ) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS II Sobrantes 010 (Modelo 1) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 a 1 1 1 3 Sean las matrices
Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS
Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS ANÁLISIS DE EXPERIMENTOS 1. Introducción 2. Comparación de dos medias 3. Comparación de más de dos medias 4. Pruebas post-hoc 5. ANCOVA
CAPÍTULO IV MARCO METODOLÓGICO. Se empleará el método explicativo, el cual buscará medir
CAPÍTULO IV MARCO METODOLÓGICO 4.1 Diseño Metodológico: 4.1.1 Diseño de la investigación: Se empleará el método explicativo, el cual buscará medir el grado de comprensión del Lenguaje de Señas en niños
SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
SESIÓN PRÁCTICA DE BIOESTADÍSTICA: EVALUACIÓN DE CRITERIOS DIAGNÓSTICOS. DISCRIMINACIÓN.
SESIÓN PRÁCTICA DE BIOESTADÍSTICA: EVALUACIÓN DE CRITERIOS DIAGNÓSTICOS. DISCRIMINACIÓN. CURVA ROC OBJETIVOS Si disponemos de una variable continua (por ejemplo una determinación de un valor analítico),
Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales
Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:
Universidad de Málaga
5 técnicas estadísticas 1.- T-Student calcio.sav 2.- ANOVA lectura.sav 3.- Regresión Múltiple empleados.sav 4.- 2 Chi-Cuadrado empleados.sav 5.- Regresión Logística pena de muerte.sav 1.- T-STUDENT VARIABLE:
ANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Tests de hipótesis estadísticas
Tests de hipótesis estadísticas Test de hipótesis sobre la media de una población. Introducción con un ejemplo. Los tests de hipótesis estadísticas se emplean para muchos problemas, en particular para
IES Fco Ayala de Granada Junio de 2012 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Junio de 01 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO 4 (COMÚN) OPCIÓN A EJERCICIO 1 (A) Sea el recinto determinado
Pruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICA APLICADA A LA CIENCIA OCIALE EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ECOGER UNA DE LA DO OPCIONE Y DEARROLLAR LA
Pruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
2 Resolución de algunos ejemplos y ejercicios del tema 2.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 8 2 Resolución de algunos ejemplos y ejercicios del tema 2. 2.1 Ejemplos. Ejemplo 13 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis
Análisis estadístico con Microsoft Excel
Análisis estadístico con Microsoft Excel Microsoft Excel ofrece un conjunto de herramientas para el análisis de los datos (denominado Herramientas para análisis) con el que podrá ahorrar pasos en el desarrollo
Departamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación
PRÁCTICA No. 1 ESTADÍSTICA DESCRIPTIVA PARTE I
PRÁCTICA No. 1 ESTADÍSTICA DESCRIPTIVA PARTE I Objetivos: Al finalizar esta práctica, el alumno podrá utilizar de manera más eficiente diversas funciones de Excel que le faciliten el cálculo de los principales
-Género: no nos ha quedado claro cómo influye este parámetro en el gasto en ocio, si positiva o negativamente.
INTRODUCCIÓN En este trabajo estudiamos el gasto en ocio de la población, escogiendo una muestra al azar. Realizando encuestas hemos recogido información de 125 personas, las variables que hemos visto
IIC 3633 - Sistemas Recomendadores
Tests Estadísticos para Comparar Recomendaciones IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 11 TOC En esta clase 1. Significancia Estadistica de los Resultados
1. MEDIDAS DE TENDENCIA CENTRAL
1. MEDIDAS DE TENDENCIA CENTRAL Lo importante en una tendencia central es calcular un valor central que actúe como resumen numérico para representar al conjunto de datos. Estos valores son las medidas
ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral
ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral Enero 2005 1.- INTRODUCCIÓN En múltiples ocasiones el analista o investigador se enfrenta al problema de determinar
TEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Bioestadística: Inferencia Estadística. Análisis de Dos Muestras
Bioestadística: Inferencia Estadística. Análisis de Dos Muestras M. González Departamento de Matemáticas. Universidad de Extremadura MUESTRAS INDEPENDIENTES: TEST PARAMÉTRICO: VARIANZAS POBLACIONALES IGUALES:Test
Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos
Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible
Segunda sesión de contenidos: El cuestionario Vida Académica: Desde las hipótesis al análisis informatizado de los datos.
Análisis y proceso de datos aplicado a la Psicología -----Práctica con ordenador----- Segunda sesión de contenidos: El cuestionario Vida Académica: Desde las hipótesis al análisis informatizado de los
Tema 4 Técnicas de reducción de la dimensión
Tema 4 Técnicas de reducción de la dimensión José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid En qué dirección es conveniente proyectar? 2 1 0 1 2 1 0 1 2 Componentes principales
Métodos no paramétricos para la comparación de dos muestras
Investigación Métodos no paramétricos para la comparación de dos muestras Métodos no paramétricos para la comparación de dos muestras Pértega Díaz, S. Unidad de Epidemiología Clínica y Bioestadística.
Ejercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
REGRESION simple. Correlación Lineal:
REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)
Programa de Statgraphics. TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso.
Programa de Statgraphics TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso. AUTOR: JUAN VICENTE GONZÁLEZ OVANDO ANALISIS Y CALCULOS A) Planteamos los
Se podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Métodos y Diseños utilizados en Psicología
Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos
Introducción al SPSS/PC. 1. El editor de datos. Taller de Estadística
1 Taller de Estadística Curso 2oo5/2oo6 Introducción al SPSS/PC SPSS: Statistical Package for the Social Sciences. Este programa estadístico está organizado en dos bloques: el editor de datos y el visor
Biometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1
Biometría Clase 8 Pruebas de hipótesis para una muestra Adriana Pérez 1 Qué es una prueba de hipótesis? Es un proceso para determinar la validez de una aseveración hecha sobre la población basándose en
Capítulo 14. Análisis de varianza de un factor: El procedimiento ANOVA de un factor
Capítulo 14 Análisis de varianza de un factor: El procedimiento ANOVA de un factor El análisis de varianza (ANOVA) de un factor sirve para comparar varios grupos en una variable cuantitativa. Se trata,