ESTADÍSTICA APLICADA. PRÁCTICAS CON SPSS. TEMA 2
|
|
- Tomás Vera Henríquez
- hace 7 años
- Vistas:
Transcripción
1 ESTADÍSTICA APLICADA. PRÁCTICAS CON SPSS. TEMA ANÁLISIS DE LA VARIANZA CON UN FACTOR El análisis de la varianza estudia el efecto de una o varias variables independientes denominadas factores sobre la variable dependiente. Es una generalización del contraste de medias para dos muestras con datos independientes y se aplica en las situaciones en las que sean tres o más de tres los grupos que se quieren comparar. Los grupos se definen a partir de los factores. Recordemos que las hipótesis iniciales para el análisis de la varianza son: 1. Las poblaciones de donde proceden las muestras tienen que ser normales. Si el tamaño de muestra es suficientemente grande, por el Teorema Central del Límite, se consigue la normalidad. 2. Tienen que tener la misma varianza (homocedasticidad). 3. Las muestras tienen que haber sido elegidas al azar, asegurándose así la independencia. En el caso del análisis de la varianza con un factor tendremos: - Una variable independiente o factor - Una variable dependiente cuantitativa. Se pretende analizar el comportamiento de la variable dependiente en los k niveles o grupos establecidos en la variable independiente. Para realizarlo con SPSS, el fichero debe configurarse de modo que aparezcan en las columnas la variable dependiente y la independiente y después se selecciona: Analizar/Comparar medias/anova de un factor. En la ventana Dependientes del cuadro de dialogo que aparece seleccionamos la/s variable/s cuantitativa/s de nuestro archivo sobre la/s que se quiere estudiar el efecto de la variable independiente o factor, que se coloca en la ventana Factor. Ejemplo 1. Vamos a llevar a cabo un análisis de la varianza con las opciones que el programa tiene establecidas por defecto. Con el archivo Datos de empleados.sav vamos a comprobar si los diferentes grupos definidos por la variable catlab (categoría laboral) difieren en la variable salario (salario actual). Para ello: Seleccionar la variable salario y trasladarla a la lista Dependientes Seleccionar la variable catlab y trasladarla al cuadro Factor. 1
2 El visor de resultados ofrece la siguiente tabla: Salario actual Suma de cuadrados gl Media cuadrática F Sig. Inter-grupos , , ,481,000 Intra-grupos , ,459 Total , Puesto que el p-valor es menor que 0.05 debe rechazarse la hipótesis de igualdad de medias. Por tanto, los salarios difieren según la categoría laboral. BOTÓN OPCIONES Las opciones de este procedimiento permiten seleccionar: Estadísticos: o Descriptivos. Ofrece estadísticos descriptivos referidos tanto a cada grupo como al total muestral. o Efectos aleatorios y fijos. Los niveles de un factor pueden establecerse de dos maneras distintas: fijándolos (se utilizan solamente los niveles que se desea estudiar o los niveles que posee la variable, es la forma habitual de proceder) o seleccionándolos aleatoriamente entre la población de posible niveles del factor. En el primer caso se habla de factor de efectos fijos; en el segundo de factor de efectos aleatorios. Si se elige esta opción, el visor ofrece distintos estadísticos para cada tipo de efectos. o Prueba de homogeneidad de las varianzas. El estadístico F del ANOVA de un factor se basa en el cumplimiento de dos supuestos fundamentales: normalidad y homocedasticidad. Normalidad significa que la variable dependiente se distribuye normalmente en todas las poblaciones muestreadas; si los tamaños de los grupos son grandes, el estadístico F se comporta razonablemente incluso con distribuciones poblacionales sensiblemente alejadas de la normalidad. Homocedasticidad o igualdad de varianzas significa que todas las poblaciones muestreadas poseen la misma varianza; con grupos de distinto tamaño, el incumplimiento de este supuesto debe ser cuidadosamente vigilado. Esta opción permite contrastar este supuesto mediante la prueba de Levene. o Brown-Forsythe y Welch. Representan una alternativa robusta al estadístico F del ANOVA cuando no se puede asumir que las varianzas son iguales. Gráfico de las medias: Permite obtener un gráfico de líneas con la variable factor en el eje horizontal y la variable dependiente en el vertical (igual que el gráfico de perfil en el Anova con más de dos factores). 2
3 Valores perdidos. Los casos con valores perdidos pueden excluirse del análisis utilizando criterios diferentes: o Excluir casos según análisis. Excluye del ANOVA los casos que tienen algún valor perdido en la variable factor o en la variable dependiente que está siendo analizada. Es la opción por defecto. o Excluir casos según lista. Excluye de todos los ANOVA solicitados los casos que tienen algún valor perdido en la variable factor o en cualquiera de las variables trasladadas a la lista Dependientes. Ejemplo 2. Repetimos el análisis marcando las opciones anteriores (salvo efectos aleatorios y fijos). El visor de resultados muestra las siguientes tablas: N Media Desviación típica Descriptivos Salario actual Error típico Intervalo de confianza para la media al 95% Mínimo Máximo Límite inferior Límite superior 363 $27, $7, $ $27, $28, $15,750 $80, $30, $2, $ $30, $31, $24,300 $35, $63, $18, $1, $60, $67, $34,410 $135,000 Total 474 $34, $17, $ $32, $35, $15,750 $135,000 Prueba de homogeneidad de varianzas Salario actual Estadístico de Levene gl1 gl2 Sig. 59, ,000 Puesto que el p-valor es menor que 0.05, se debe rechazar la hipótesis de igualdad de varianzas y concluir que, en las poblaciones definidas por las tres categorías laborales, las varianzas de la variable salario no son iguales. Pruebas robustas de igualdad de las medias Salario actual Estadístico gl1 gl2 Sig. Welch 162, ,312,000 Brown-Forsythe 306, ,906,000 Estas pruebas son una buena alternativa al estadístico F cuando no es posible asumir que las varianzas poblacionales son iguales. Puesto que, en ambos, el p-valor es menor que 0.05 se puede rechazar la 3
4 hipótesis de igualdad de medias y concluir que los salarios medios de las poblaciones comparadas no son iguales. El gráfico de las medias es el siguiente: $ Media de salario $ $ $ Categoría laboral BOTÓN POST-HOC El estadístico F del ANOVA únicamente permite contrastar la hipótesis de que los promedios comparados son iguales. Rechazar esta hipótesis significa que las medias poblacionales comparadas no son iguales, pero no permite precisar dónde en concreto se encuentran las diferencias detectadas: difieren entre sí todas las medias?, hay una media que difiere de las demás?, etc Para saber qué media difiere de qué otra se debe utilizar un tipo particular de contrastes denominados comparaciones multiples post hoc o comparaciones a posteriori. Estas comparaciones permiten controlar la tasa de error al efectuar varios contrastes utilizando las mismas medias, es decir, permiten controlar la probabilidad de cometer errores tipo I (Probabilidad de rechazar la hipótesis cuando ésta es verdad) al tomar varias decisiones. Todas las opciones de este cuadro de diálogo ofrecen información similar: permite, una vez rechazada la hipótesis nula del ANOVA de que todas las medias son iguales, averiguar qué medias en concreto difieren de qué otras. Asumiendo varianza iguales se pueden seleccionar uno o más de los siguientes métodos: DMS, Bonferroni, Sidak, Scheffé, REGW,.. No asumiendo varianza iguales se pueden seleccionar alguno de los siguientes métodos: T2 de Tamhane, T3 de Dunnett,.. 4
5 Ejemplo 3. Repetimos el análisis anterior seleccionando la opcion Tuckey del recuadro asumiendo varianzas iguales y la opción Games- Howell del recuadro no asumiendo varianzas iguales. Variable dependiente: Salario actual HSD de Tukey Games-Howell (I) Categoría laboral (J) Categoría laboral Comparaciones múltiples *. La diferencia entre las medias es significativa al nivel.05. Intervalo de confianza al 95% Diferencia de Límite Límite medias (I-J) Error típico Sig. inferior superior -$3, $2, ,277 -$7, $1, $36, * $1, ,000 -$39, $33, $3, $2, ,277 -$1, $7, $33, * $2, ,000 -$38, $27, $36, * $1, ,000 $33, $39, $33, * $2, ,000 $27, $38, $3, * $ ,000 -$4, $1, $36, * $2, ,000 -$40, $31, $3, * $ ,000 $1, $4, $33, * $2, ,000 -$37, $28, $36, * $2, ,000 $31, $40, $33, * $2, ,000 $28, $37, La primera columna indica los métodos que se han seleccionado. A continuación aparecen todas las posibles combinaciones dos a dos entre los niveles de la variable factor (categoría laboral), las diferencias entre los salarios medios de cada dos grupos, el error típico de esas diferencias y el nivel de significación asociado a cada diferencia. Los grupos cuyas medias difieren significativamente al nivel de significación establecido (0.05 por defecto) están marcados con un asterisco. Puede comprobarse que el número de diferencias significativas detectadas no es el mismo en los dos métodos. Puesto que no se pueden considerar las varianzas poblacionales iguales, tomaremos la solución del método Games-Howell. Por tanto, todos los promedios comparados difieren significativamente: los directivos poseen un salario medio mayor que el de los agentes de seguridad y éstos mayor que el de los administrativos. Los intervalos de confianza permite estimar entre qué límites se encuentra la verdadera diferencia entre las medias de los grupos. Estos intervalos también permiten tomar decisiones sobre si dos promedios difieren o no significativamente (dependiendo de que el intervalo incluya o no el valor cero). La siguiente tabla ofrece una clasificación de los grupos basada en el grado de parecido existente entre sus medias. 5
6 Salario actual Subconjunto para alfa =. 05 Categoría laboral N 1 2 HSD de Tukey a,b 363 $27, $30, $63, Sig.,227 1,000 Se muestran las medias para los grupos en los subconjuntos homogéneos. a. Usa el tamaño muestral de la media armónica = 58,031. b. Los tamaños de los grupos no son iguales. Se utilizará la media armónica de los tamaños de los grupos. Los niveles de error de tipo I no están garantizados. En el subconjunto 1, están incluidos los administrativos y los de seguridad cuyas medias no difieren significativamente (p-valor=0.227) y en el grupo 2 solo están los directivos que difieren de los anteriores. Esta clasificación por grupos no está disponible en todos los métodos, ésta es la razón por la cual, a pesar de que no puede asumirse que las varianzas sean iguales, la clasificación en subconjunto homogeneos se ha realizado con el método de Tuckey. 6
7 2. ANÁLISIS DE VARIANZA FACTORIAL Los modelos factoriales de análisis de varianza (factorial=más de un factor) sirven para evaluar el efecto individual y conjunto de dos o más factores sobre una variable dependiente cuantitativa. Un ANOVA factorial permite estudiar, por ejemplo, si el salario (variable dependiente) de los varones y de las mujeres es diferente (efecto del primer factor) y, al mismo tiempo, si varios grupos de edad tienen distinto salario (efecto del segundo factor). Pero también permite estudiar si las diferencias entre varones y mujeres se repiten o no en cada grupo de edad, es decir, permite determinar si la interacción entre los factores sexo y grupos de edad afecta a la variable dependiente. Utilizar más de un factor en un mismo diseño posee la ventaja de poder estudiar el efecto de la interacción entre factores. En un modelo de dos factores, los efectos de interés son tres: los dos efectos principales (uno por cada factor) y el efecto de la interacción entre ambos factores. En un análisis de varianza factorial existe una hipótesis nula por cada factor y por cada posible combinación de factores. La hipótesis nula referida a un factor afirma que las medias de las poblaciones definidas por los niveles del factor son iguales. La hipótesis referida al efecto de una interacción afirma que tal efecto es nulo. Para contrastar estas hipótesis, el ANOVA factorial se sirve de estadísticos F. Para llevar a cabo un análisis de varianza de más de un factor seleccionar la opción: Modelo lineal general/univariante. Para obtener un ANOVA factorial con las especificaciones establecidas por defecto: Seleccionar una variable cuantitativa y trasladarla al cuadro Dependiente. (salario actual) Seleccionar dos o más variables categóricas y trasladarlas a las listas Factores fijos o Factores aleatorios Factores fijos. Un factor de efectos fijos es aquel cuyos niveles los establece el investigador. Los niveles concretos que toma un factor de efectos fijos constituyen la población de niveles sobre los que se hace inferencia. (sexo y categoría laboral) Factores aleatorios. Un factor de efectos aleatorios es aquel cuyos niveles son seleccionados de forma aleatoria entre todos los posibles niveles del factor. Los niveles concretos que toma un factor de efectos aleatorios constituyen sólo una muestra de la población de niveles sobre los que se hace inferencia. Ejemplo 4. Con el archivo Datos de empleados.sav se va a estudiar si los grupos definidos por la variable catlab (categoría laboral), por un lado, y los grupos definidos por la variable sexo, por otro, difieren en la variable salario. 7
8 La primera tabla muestra el nombre de las variables independientes, incluidas las etiquetas de los valores, y el número de casos que hay en cada grupo. Cuando hay el mismo número de observaciones por celda se habla de ANOVA equilibrado. Categoría laboral Sexo La tabla resumen del ANOVA es la siguiente: Factores inter-sujetos Etiqueta del valor N h Hombre 258 m Mujer 216 Variable dependiente: Salario actual Suma de cuadrados Fuente tipo III gl Media cuadrática F Sig. Modelo corregido ,104(a) , ,780,000 Intersección , , ,313,000 catlab , , ,782,000 sexo , ,568 59,359,000 catlab * sexo , ,737 14,114,000 Error , ,444 Total , Total corregida , a R cuadrado =,699 (R cuadrado corregida =,697) La fila modelo corregido se refiere a todos los efectos del modelo tomados juntos (el efecto de los dos factores, el de la interacción y el de la constante o intersección). El p-valor asociado es menor que 0.05 lo que indica que el modelo explica una parte significativa de la variación observada en la variable dependiente salario. El valor R 2 = indica que los tres efectos incluidos en el modelo están explicando el 69.9% de la varianza de la variable dependiente salario. La fila intersección se refiere a la constante del modelo. Esta constante forma parte del modelo y es necesaria para obtener las estimaciones de las medias de las casillas. Además permite contrastar, en el caso de que esto tenga sentido, la hipótesis de que la media total de la variable dependiente vale cero en la población. Las dos filas siguientes recogen los efectos principales, es decir, los efectos individuales de los dos factores incluidos en el modelo: categoría laboral y sexo. Los p-valores menores de 0.05 indican que los grupos definidos por categoría laboral poseen salarios medios significativamente diferentes y que los salarios medios entre hombres y mujeres son significativamente diferentes también. La siguiente fila contiene información sobre el efecto de la interacción catlab*sexo. Como el p-valor es menor que 0.05, el efecto de la interacción es significativo. Sólo con este dato ya se puede anticipar 8
9 que las diferencias salariales que se dan entre las distintas categorías laborales no son las mismas en los varones y las mujeres, o dicho de otra forma, las diferencias entre hombres y mujeres no son las mismas en las distintas categorías laborales. La fila error ofrece información sobre la fuente de variación error o residual. La penúltima fila (Total) muestra la suma de los cuadrados de las puntuaciones de la variable dependiente (información carente de utilidad, ahora mismo). Y la última fila recoge la variación total: la variación debida a cada efecto más la variación error. BOTÓN POST HOC Si algunos de los estadísticos F asociados a los efectos principales resulta significativo, puede ser interesante realizar comparaciones post hoc (explicadas anteriormente). Ejemplo 5. Repetimos el análisis anterior incluyendo análisis post hoc (Tukey y Games-Howell) para el factor categoría laboral. Para sexo no tiene sentido puesto que tiene dos niveles. El visor de resultados presenta las siguientes tablas cuya interpretación es la misma que la realizada en el Ejemplo 3. Variable dependiente: Salario actual DHS de Tukey Games- Howell (I) Categoría laboral (J) Categoría laboral Comparaciones múltiples Basado en las medias observadas. *. La diferencia de medias es significativa al nivel,05. Intervalo de confianza al Diferencia 95%. entre Límite Límite medias (I-J) Error típ. Sign. inferior superior -$3, $1, ,225 -$7, $1, $36,139.26* $1, ,000 -$38, $33, $3, $1, ,225 -$1, $7, $33,038.91* $2, ,000 -$37, $28, $36,139.26* $1, ,000 $33, $38, $33,038.91* $2, ,000 $28, $37, $3,100.35* $ ,000 -$4, $1, $36,139.26* $2, ,000 -$40, $31, $3,100.35* $ ,000 $1, $4, $33,038.91* $2, ,000 -$37, $28, $36,139.26* $2, ,000 $31, $40, $33,038.91* $2, ,000 $28, $37,
10 Puesto que el método de Tuckey asume varianzas poblacionales iguales y el de Games-Howell no, nuestra decisión debe basarse en aquel que se ajuste a las características de los datos (lo veremos más adelante en pruebas de homogeneidad del apartado opciones). La siguiente tabla ofrece un resumen (basado en el método de Tuckey) del resultado obtenido con las comparaciones simples: Salario actual DHS de Tukey Categoría laboral Significación Subconjunto N $27, $30, $63,977.80,179 1,000 BOTÓN GRÁFICOS Las comparaciones multiples post hoc suelen proporcionar toda la información necesaria para poder interpretar correctamente un efecto principal significativo. Pero no ocurre lo mismo con los efectos de las interacciones. La interpretación correcta de una interacción suele requerir la ayuda de un gráfico de líneas, también llamado gráfico de perfil. En un gráfico de perfil sobre la interacción entre dos factores, en el eje vertical se representa la escala de las medias de la variable dependiente, en el eje horizontal se representan los niveles del primer factor y cada línea del gráfico representan los niveles del segundo factor (una línea para hombres y otra para mujeres). Para obtener un gráfico de perfil referido a una interacción doble: Trasladar a los cuadros Eje horizontal y Líneas distintas (dos factores) los factores cuya interacción se desea representar. Pulsar el botón añadir para hacer efectiva la selección. Utilizar los botones Cambiar y Borrar para modificar o eliminar combinaciones previamente elegidas. Para obtener un gráfico de perfil referido a una interacción triple: Antes de pulsar en Añadir, trasladar el tercer factor al cuadro Gráficos distintos. Ejemplo 6. Realizamos el gráfico de líneas con Catlab en el eje horizontal y Sexo en lineas distintas. 10
11 Medias marginales estimadas de Salario actual Medias marginales estimadas $ $ $ $ $ Sexo Hombre Mujer $ Categoría laboral Las medias no estimables no se representan En el gráfico aparecen representadas las medias de salario calculadas en cada subgrupo (salvo para seguridad-mujer, que no hay elementos). Vemos que los hombres cobran más que las mujeres en todas las categorías. Además en el grupo de directivos las diferencias son muchos más acentuadas. Por tanto, las diferencias de salario entre hombres y mujeres parecen no ser la misma a lo largo de las categorías laborales. (Nota: añadir al fichero de datos 10 mujeres de seguridad con salario y 10 mujeres directivo con salario y repetir el procedimiento) 11
12 BOTÓN OPCIONES El cuadro de diálogo Opciones permite obtener información relacionada con varios aspectos complementarios del análisis. Los que se utilizaran en este curso son los siguientes: Estadísticos descriptivos. Media, desviación típica y tamaño de cada nivel y de cada combinación de niveles. Estimaciones de los parámetros. Los modelos ANOVA contienen una serie de parámetros a partir de los cuales se obtienen las medias que el modelo estima para cada nivel o combinación de niveles. Las estimaciones de las medias se obtienen combinando los parámetros involucrados en la obtención de cada media. La tabla muestra, además, el error típico asociado a cada estimación y un estadístico T que permite contrastar la hipótesis de que un determinado parámetro vale cero en la población. Cada estimación aparece acompañada del intervalo de confianza. Prueba de homogeneidad. Ofrece el estadístico de Levene sobre homogeneidad de varianzas, el cual permite contrastar la hipótesis de que la varianza de la variable dependiente es la misma en el conjunto de poblaciones definidas por la combinación de factores. Ejemplo 7. Repetimos el análisis anterior marcando estas opciones. Los estadísticos descriptivos son: Estadísticos descriptivos Variable dependiente: Salario actual Sexo Categoría laboral Media Desv. típ. N Hombre $31, $7, $30, $2, $66, $18, Total $41, $19, Mujer $25, $5, $47, $8, Total $26, $7, Total $27, $7, $30, $2, $63, $18, Total $34, $17,
13 Las estimaciones de parámetros que ayudan a estimar las medias son: Estimaciones de los parámetros Variable dependiente: Salario actual Parámetro B Error típ. t Significación Intervalo de confianza al 95%. Límite inferior Límite superior Intersección 47213, ,233 15,880, , ,007 [sexo=h] 19029, ,763 6,007, , ,509 [sexo=m] 0(a)..... [catlab=1] , ,544-7,295, , ,176 [catlab=2] , ,936-16,701, , ,396 [catlab=3] 0(a)..... [sexo=h] * [catlab=1] , ,681-3,757, , ,026 [sexo=h] * [catlab=2] 0(a)..... [sexo=h] * [catlab=3] 0(a)..... [sexo=m] * [catlab=1] 0(a)..... [sexo=m] * [catlab=3] 0(a)..... a Al parámetro se le ha asignado el valor cero porque es redundante. De forma que, el salario medio de un administrativo hombre se calcula de la siguiente manera: El salario medio de una mujer administrativa es: Intersección 47213,500$ Hombre 19029,743$ ,811$ Interacción ,280$ Total 31558,150$ Intersección 47213,500$ Mujer ,811$ Interacción El salario medio de una mujer directivo es: Total 25003,69$ Intersección 47213,500$ Mujer Directiva Interacción Total 47213,500$ 13
14 La prueba de Levene nos lleva a que las varianzas son diferentes. Contraste de Levene sobre la igualdad de las varianzas error(a) Variable dependiente: Salario actual F gl1 gl2 Significación 33, ,000 Contrasta la hipótesis nula de que la varianza error de la variable dependiente es igual a lo largo de todos los grupos. a Diseño: Intercept+sexo+catlab+sexo * catlab 14
Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T
Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detallesCapítulo 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,
Más detallesCapítulo 13. Contrastes sobre medias: Los procedimientos Medias y Prueba T. Medias
Capítulo 13 Contrastes sobre medias: Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesAnálisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears
Análisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears CONTENIDOS Introducción a la inferencia estadística. Muestreo. Estimación
Más detallesPráctica 2 Estadística Descriptiva
Práctica 2 Estadística Descriptiva Contenido Introducción...................................... 1 Tablas de frecuencias................................. 2 Medidas de centralización, dispersión y forma...................
Más detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesbloques SC Suma de Cuadrados k trat bloques
Análisis de un diseño en bloques aleatorios Cuando sólo hay dos tratamientos, el análisis de varianza de una vía equivale al test t de Student para muestras independientes. A su vez, el análisis de varianza
Más detallesPráctica 2: Intervalos de confianza y contrastes con SPSS 1
Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 2: Intervalos de confianza y contrastes con SPSS 1 El objetivo de esta práctica es aprender a calcular intervalos
Más detallesPráctica 1: Introducción a SPSS 1
Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 1: Introducción a SPSS 1 Este programa estadístico está organizado en dos bloques: el editor de datos y el visor
Más detallesPRUEBAS PARA DOS MUESTRAS RELACIONADAS
PRUEBAS PARA DOS MUESTRAS RELACIONADAS Estos contrastes permiten comprobar si hay diferencias entre las distribuciones de dos poblaciones a partir de dos muestras dependientes o relacionadas; es decir,
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesGRÁFICOS GRÁFICOS EN SPSS. Bakieva, M., González Such, J., Jornet, J., Terol, L.
GRÁFICOS GRÁFICOS EN SPSS GRÁFICOS EN SPSS. TIPOS DE GRÁFICOS. GRÁFICOS DE BARRAS; GRÁFICOS DE LÍNEAS; GRÁFICOS DE ÁREAS; GRÁFICOS DE SECTORES; GRÁFICOS DE MÁXIMOS Y MÍNIMOS; DIAGRAMA DE CAJA; DIAGRAMAS
Más detallesCapítulo 2. Cómo utilizar la ayuda
Capítulo 2 Cómo utilizar la ayuda El SPSS cuenta con un completo sistema de ayuda al que puede accederse desde cualquier ventana o cuadro de diálogo. Este sistema de ayuda adopta varios formatos diferentes,
Más detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesTEMA 10 COMPARAR MEDIAS
TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,
Más detallesPara ello hacemos lo siguiente: Analizar. o Comparar medias. García Bellido, R.; González Such, J. y Jornet Meliá, J.M.
SPSS: PRUEBA T PRUEBA T PARA MUESTRAS INDEPENDIENTES El procedimiento Prueba T para muestras independientes debe utilizarse para comparar las medias de dos grupos de casos, es decir, cuando la comparación
Más detallesÍndice de contenidos. Primera parte Introducción al SPSS. 1. Estructura del SPSS
Índice de contenidos Primera parte Introducción al SPSS 1. Estructura del SPSS Tipos de ventanas SPSS Ventana designada versus ventana activa Cuadros de diálogo Subcuadros de diálogo Las barras de menús
Más detallesANALIZAR Comparar medias
Diseño entre-grupos univariado unifactorial con A>2. Contraste de hipótesis específicas Dolores Frías-Navarro Universidad de Valencia http://www.uv.es/friasnav/ Hasta ahora hemos ido desarrollando las
Más detalles4 Análisis de Varianza
4 Análisis de Varianza 4. Análisis de Varianza e.4.1. Quiénes obtienen mejores resultados en Matemáticas, los estudiantes que viven en zonas rurales, en pequeñas ciudades, en ciudades medias o en grandes
Más detallesTEMA 5 Inferencia no paramétrica. Guía docente:
TEMA 5 Inferencia no paramétrica Guía docente: Pruebas estadísticas unidireccionales (una cola) y pruebas estadísticas bidireccionales (dos colas) Antes de continuar con el tema nos vamos a detener en
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesSESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación Francisca José Serrano Pastor Pedro A. Sánchez Rodríguez - Implica siempre a variables
Más detallesTema 1. Modelo de diseño de experimentos (un factor)
Tema 1. Modelo de diseño de experimentos (un factor) Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 1: Diseño de experimentos (un factor) 1 Introducción El objetivo del Análisis de la Varianza
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción
Más detallesCONTRASTES DE HIPÓTESES
CONTRASTES DE IPÓTESES 1. Contraste de hipótesis 2. Contrastes de tipo paramétrico 2.1 Contraste T para una muestra 2.2 Contraste T para dos muestras independientes 2.3 Análisis de la varianza 3. Contrastes
Más detallesSnapStat: Análisis de Una Muestra
SnapStat: Análisis de Una Muestra Resumen La SnapStat Análisis de Una Muestra crea un resumen en una hoja de una sola columna de datos numéricos. Calcula estadísticas de resumen e intervalos de confianza,
Más detallesEstadística inferencial. Aplicación con el SPSS
Estadística inferencial. Aplicación con el SPSS Sabina Pérez Vicente Unidad de Calidad APES Hospital Costa del Sol sabina.perez.exts@juntadeandalucia.es Comparabilidad inicial de los grupos Se debe realizar
Más detallesPrueba de hipótesis. 1. Considerando lo anterior específica: a. La variable de estudio: b. La población: c. El parámetro. d. Estimador puntual:
Prueba de hipótesis Problema Un grupo de profesores, de cierto estado de la república, plantea una investigación acerca del aprendizaje de las ciencias naturales en la escuela primaria. Uno de los objetivos
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesAnálisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
Más detallesINTERVALO DE CONFIANZA PARA LA PROPORCIÓN
INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño
Más detalles7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detallesEstadística II Examen Final - Enero 2012. Responda a los siguientes ejercicios en los cuadernillos de la Universidad.
Estadística II Examen Final - Enero 2012 Responda a los siguientes ejercicios en los cuadernillos de la Universidad. No olvide poner su nombre y el número del grupo de clase en cada hoja. Indique claramente
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 5 Análisis de datos categóricos 3 51 Tablas de contingencia 3 52 Distribuciones marginales y condicionadas 4 53 Independencia Test Chi-cuadrado Tablas 2 2 6 531 Independencia 6 532 Test
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias Algunas secciones han sido modificadas de: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua TEORIA DEL MUESTREO
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesAnálisis de fiabilidad. García-Bellido, R.; González Such, J. y Jornet Meliá, J.M.
SPSS: ANÁLISIS DE FIABILIDAD ALFA DE CRONBACH El coeficiente Alfa de Cronbach es un modelo de consistencia interna, basado en el promedio de las correlaciones entre los ítems. Entre las ventajas de esta
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detallesJulia García Salinero. Departamento de Investigación FUDEN. Introducción
1 Análisis de datos en los estudios epidemiológicos V Prueba de Chi cuadrado y Análisis de la varianza. Departamento de Investigación FUDEN. Introducción Continuamos el análisis de los estudios epidemiológicos,
Más detallesINFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016
INFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016 Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II 1. COMENTARIOS Y/O ACOTACIONES RESPECTO AL TEMARIO EN RELACIÓN
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesTABLAS DE CONTINGENCIA
Tablas de contingencia 1 TABLAS DE CONTINGENCIA En SPSS, el procedimiento de Tablas de Contingencia crea tablas de clasificación doble y múltiple y, además, proporciona una serie de pruebas y medidas de
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detallesPrácticas de inferencia y muestreo.
Prácticas de inferencia y muestreo. Contenido de la presentación Una herramienta de creación de actividades: HotPotatoes. Applets: algunos ejemplos sobre inferencia y estadística descriptiva. Excel como
Más detallesNivel socioeconómico medio. Nivel socioeconómico alto SI 8 15 28 51 NO 13 16 14 43 TOTAL 21 31 42 94
6. La prueba de ji-cuadrado Del mismo modo que los estadísticos z, con su distribución normal y t, con su distribución t de Student, nos han servido para someter a prueba hipótesis que involucran a promedios
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Definición y clasificación del diseño experimental de grupos Diseño experimental de dos grupos: definición y clasificación Diseño experimental de dos grupos: análisis estadístico
Más detallesCORRELACION Y REGRESION
CORRELACION Y REGRESION En el siguiente apartado se presenta como calcular diferentes índices de correlación, así como la forma de modelar relaciones lineales mediante los procedimientos de regresión simple
Más detallesDiferencia de medias. Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro
Sesión 15 Prueba de Hipótesis para la Diferencia de medias En qué contexto es útil una prueba de hipótesis i para la diferencia i de medias? 1. Cuando se trabaja simultáneamente con una variable categórica
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación
Más detallesFUNDAMENTOS METODOLÓGICOS EN PSICOLOGÍA ANÁLISIS BÁSICOS CON SPSS
UNIVERSIDAD DE SEVILLA FACULTAD DE PSICOLOGIA FUNDAMENTOS METODOLÓGICOS EN PSICOLOGÍA PROFESORES: Gutiérrez, Mayte Martínez, Rafael J. Moreno, Rafael ANÁLISIS BÁSICOS CON SPSS INDICE: Pág. 1. Estadísticos
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detallesDISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 2016.
DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 016. Problema 1.- En una determinada investigación se estudia el efecto del tipo de ejercicio (, andar y ) y tipo de dieta (poca grasa y mucha grasa)
Más detallesPoblación finita. reemplazo sobre poblaciones de tamaño finito N.
Población finita 171 El TCL y las varianzas muestrales de medias y proporciones se basan en la premisa de muestras seleccionadas con reemplazo o de una población infinita. Sin embargo, en muchos estudios
Más detallesESTADÍSTICA DESCRIPTIVA Bosqueja o describe las diversas características de un conjunto de datos.
CONCEPTOS BÁSICOS DE ESTADÍSTICA INDICADOR DE LOGROS Aplicarás y explicarás la estadística descriptiva, utilizando la terminología básica, con seguridad e interés. Aplicarás y explicarás con interés y
Más detallesCAPÍTULO 10 Tipos de gráficos
CAPÍTULO 10 Tipos de gráficos En el capítulo anterior hemos estado viendo todos los entresijos del gráfico de columnas estándar que nos muestra OpenOffice Impress como gráfico predeterminado, y con él
Más detalles1. Realice la prueba de homogeneidad de variancias e interprete los resultados.
1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis
Más detallesIntroducción a la estadística básica, el diseño de experimentos y la regresión
Introducción a la estadística básica, el diseño de experimentos y la regresión Objetivos José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 Objetivo general Organizar el estudio
Más detallesGráficas: ( Parte I ) Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados
Gráficas: ( Parte I ) Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados Gráficas Definición de Gráfica Una gráfica es una representación pictórica o visual de un conjunto de datos. Puede ilustrar
Más detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesUNIDAD 2 FORMATO BÁSICO DE FUENTE Y PÁRRAFO
UNIDAD 2 FORMATO BÁSICO DE FUENTE Y PÁRRAFO COMPETIC 3 TEXTOS Formato de fuente 1 Podemos ver las posibilidades más comunes para variar el aspecto de los caracteres que están disponibles en la pestaña
Más detallesTema II. Las muestras y la teoría paramétrica
2.1. Muestras y muestreos: - La muestra:. Subconjunto de elementos de la población. Necesidad práctica:. Motivos económicos. Imposibilidad (práctica/teórica) de estudiar TODA la población. Inconveniencia
Más detallesBloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F
Bloque 3 Tema 4 AÁLISIS DE LA VARIAZA. PRUEBA F El objetivo fundamental de la experimentación es estudiar la posible relación de causalidad existente entre dos o más variables. Este estudio representa
Más detallesT. 4 Inferencia estadística acerca de la relación entre variables (II): el análisis de varianza (ANOVA).
T. 4 Inferencia estadística acerca de la relación entre variables (II): el análisis de varianza (ANOVA). 1. El ANOVA de un factor para muestras independientes 2. El ANOVA de un factor para muestras relacionadas
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
Más detallesTema 5: Principales Distribuciones de Probabilidad
Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad
Más detallesAnálisis de Capabilidad (Porcentaje Defectuoso)
Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de
Más detallesTema 3. 3. Correlación. Correlación. Introducción
3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test
Más detallesMICROSOFT POWERPOINT MICROSOFT POWERPOINT 2013. Manual de Referencia para usuarios. Salomón Ccance CCANCE WEBSITE
MICROSOFT POWERPOINT MICROSOFT POWERPOINT 2013 Manual de Referencia para usuarios Salomón Ccance CCANCE WEBSITE TRABAJAR CON GRÁFICOS 11.1. Crear y Eliminar Gráficos Para insertar un gráfico en una diapositiva
Más detallesEJERCICIOS PARTE I: 1. Cómo se llamaba anteriormente a las hojas de cálculo? 2. Qué es una hoja electrónica de cálculo?
EJERCICIOS PARTE I: 1. Cómo se llamaba anteriormente a las hojas de cálculo? 2. Qué es una hoja electrónica de cálculo? 3. Cómo se identifica una casilla en una hoja de cálculo? 4. Menciona tres ejemplos
Más detallesSegunda práctica de REGRESIÓN.
Segunda práctica de REGRESIÓN. DATOS: fichero practica regresión 2.sf3. Objetivo: El objetivo de esta práctica es interpretar una regresión y realizar correctamente la diagnosis. En la primera parte se
Más detalles14 horas. 20 horas
EJERCICIOS PROPUESTOS ANALISIS DE VARIANZA. Se realiza un ANOVA para comparar el tiempo que demora en aliviar el dolor de cabeza de varios tipos de analgésicos. Se obtiene como resultado un test observado
Más detallesDISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas
DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas Hasta ahora hemos ido desarrollando las pruebas parámetricas para contrastar hipótesis de un grupo
Más detallesEJERCICIOS RESUELTOS TEMA 7
EJERCICIOS RESUELTOS TEMA 7 7.1. Seleccione la opción correcta: A) Hay toda una familia de distribuciones normales, cada una con su media y su desviación típica ; B) La media y la desviaciones típica de
Más detallesCapítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante
Capítulo 15 Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven para evaluar el efecto
Más detallesPrueba T de Student. Descripción de la Prueba T de student. Proceso de cálculo. Criterios de la prueba T de student
Descripción de la Prueba T de student Prueba T de student Víctor Cuchillac (padre) Prueba paramétrica para evaluar la asociación entre una variable nominal y una variable cuantitativa dicotómica (que posea
Más detallesProblemas resueltos. Temas 10 y 11 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.
Temas 10 y 11. Contrastes paramétricos de hipótesis. 1 Problemas resueltos. Temas 10 y 11 1- las puntuaciones en un test que mide la variable creatividad siguen, en la población general de adolescentes,
Más detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detalles1) Características del diseño en un estudio de casos y controles.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de casos y controles CONCEPTOS CLAVE 1) Características del diseño en un estudio de casos y controles. )
Más detallesCONCEPTOS BÁSICOS DE ESTADÍSTICA
CONCEPTOS BÁSICOS DE ESTADÍSTICA Jorge M. Galbiati Riesco La Estadística está constituida por un conjunto de métodos de análisis de datos que pueden agruparse en tres categorías: La Estadística Descriptiva,
Más detallesEconometria. 4. Modelo de Regresión Lineal Simple: Inferencia. Prof. Ma. Isabel Santana
Econometria 4. Modelo de Regresión Lineal Simple: Inferencia Prof. Ma. Isabel Santana MRLS: Inferencia Hasta ahora nos hemos ocupado solamente de la estimación de los parámetros del modelo de regresión
Más detallesPERIODO 2 SOFTWARE MANEJADOR DE BASE DE DATOS CONCEPTOS BASICOS DE MICROSOFT ACCESS
PERIODO 2 SOFTWARE MANEJADOR DE BASE DE DATOS CONCEPTOS BASICOS DE MICROSOFT ACCESS CONTENIDOS INICIAR MICROSOFT ACCESS CERRAR MICROSOFT ACCESS LA PANTALLA INICIAL DE MICROSOFT ACCESS CREAR UNA BASE DE
Más detallesLECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos
LECCIÓN PÚBLICA Tema 5 Algunas Pruebas Profa. María Fátima Dos Santos 1 TEMARIO Fundamentos de estadística inferencial Método hipotético deductivo (Juego de hipótesis) Elementos en el contraste de hipótesis
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesObtención de Datos. Obtención de Datos. Clasificaciones de estudios. Clasificaciones de estudios
Obtención de Datos Obtención de Datos Muestreo y Objetivo Representar la población n lo mejor posible con el mínimo m coste. Condiciones para conseguirlo Procedimientos adecuados Tamaño o muestral suficiente
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 2: DISEÑO DE EXPERIMENTOS Objetivo: Proponer modelos para analizar la influencia de varios factores sobre un fenómeno que nos interesa estudiar. 1. Introducción a los diseños de experimentos factoriales
Más detallesANALIZAR Comparar medias
Diseño entre-grupos univariado unifactorial con A>2. Contraste de hipótesis específicas Dolores Frías-Navarro Universidad de Valencia http://www.uv.es/friasnav/ Hasta ahora hemos ido desarrollando las
Más detallesEstadística Descriptiva. SESIÓN 12 Medidas de dispersión
Estadística Descriptiva SESIÓN 12 Medidas de dispersión Contextualización de la sesión 12 En la sesión anterior se explicaron los temas relacionados con la desviación estándar, la cual es una medida para
Más detallesTema 11: Intervalos de confianza.
Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesCAPÍTULO 5 ANÁLISIS DE VARIANZA
CAPÍTULO 5 ANÁLISIS DE VARIANZA Una vez tomados los datos de la medición de las piezas muestreadas, se inicia el análisis de varianza. En este capítulo se presenta dicho análisis junto con la comparación
Más detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
Más detalles1. IDENTIFICACIÓN DE LA ASIGNATURA
UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE ADMINISTRACION Y ECONOMIA DEPARTAMENTO DE CONTABILIDAD Y AUDITORIA PROGRAMA DE ESTUDIO ESTADÍSTICA APLICADA II 1. IDENTIFICACIÓN DE LA ASIGNATURA 2. OBJETIVOS
Más detallesEstadísticos Aplicados en el SPSS 2008
PRUEBAS ESTADISTICAS QUE SE APLICAN (SPSS 10.0) PARAMÉTRICAS:... 2 Prueba t de Student para una muestra... 2 Prueba t par muestras independientes... 2 ANOVA de una vía (multigrupo)... 2 ANOVA de dos vías
Más detallesInferencia estadística III. Análisis de Correlación. La inferencia estadística también se puede aplicar para:
1 Inferencia estadística III La inferencia estadística también se puede aplicar para: 1. Conocer el grado de relación o asociación entre dos variables: análisis mediante el coeficiente de correlación lineal
Más detalles