Pregunta: Cómo podemos decidir si nuestros datos provienen de una distribución normal?
|
|
- Ángeles Caballero Martin
- hace 7 años
- Vistas:
Transcripción
1 Pregunta: Cómo podemos decidir si nuestros datos provienen de una distribución normal? 1) Mirar el Histograma para ver si tiene forma de campana 2) Ver la relación entre la media y la mediana 3) Ver los valores de skewness y kurtosis 4) Ver si el normal probability plot forma una línea recta 5) Ver el valor de p del test de Wilk-Shapiro para normalidad Recordar que un valor de skewness cercano a cero habla de simetría. Una distribución no puede ser normal si no es simétrica (aunque puede ser simétrica y no ser normal). En líneas generales podemos decir que valores de skewness entre 1 y 1 son aceptables, valores más extremos que 3 y 3 son bastante asimétricos y los valores entre 1 y 3 y 1 y 3 son valores un poco grises con los cuales no podemos solo por este motivo descartar normalidad pero hablan de una mayor asimetría. Para los valores de kurtosis podemos, como referencia, utilizar los mismos valores. Sin embargo en STATA el valor de kurtosis correspondiente a una distribución normal es 3 por lo que valores entre 2 y 4 corresponden a distribuciones normales, valores entre y 6 son intermedios y valores menores de y mayores a 6 ya hablan de una distribución mas cercana a no-normal. Con respecto al test de Wilk-Shapiro para normalidad recordemos que la hipótesis nula del test es que la distribución es normal. Por lo tanto los valores de p menores a.5 estarían descartando normalidad. Al analizar el resultado de este test debemos tener en cuenta otros factores. Por ejemplo si el tamaño muestral es muy pequeño quizás al test le falte poder para descartar la hipótesis nula aunque la distribución sea no normal. Lo contrario también es cierto. Con tamaños muestrales muy grandes (y en estos casos en realidad nos preocupará mucho menos la normalidad de la distribución) el test tendrá mucho poder y descartará la hipótesis nula aún con distribuciones muy cercanas a la normalidad. ATENCIÓN: Ninguno de estos elementos por si solos pueden confirmar o descartar normalidad de una distribución. Siempre deben verse en conjunto y debemos tomar nuestra decisión basados en todas estas características de la variable.
2 Dosajes de Colesterol de 37 pacientes catalogados como pacientes con hipercolesterolemia enviados a una licenciada en nutrición para prescripción de dieta.. summarize colest,d colest % % % Obs 37 25% Sum of Wgt. 37 5% 294 Mean Largest Std. Dev % % Variance % Skewness % Kurtosis swilk colest colest
3 . graph colest, histogram normal colest. pnorm colest 1. Normal F[(colest-m)/s]
4 Dosajes de colesterol de una serie de 64 pacientes que consultaron a un servicio de medicina general. summarize colest,detail colest % % % Obs 64 25% Sum of Wgt. 64 5% 191 Mean Largest Std. Dev % % Variance % 28 3 Skewness % Kurtosis swilk colest colest
5 . graph colest, histogram normal.4. pnorm colest colest 1. Normal F[(colest-m)/s]
6 SENSIBILIDAD ANTE VALORES EXTREMOS. summarize edad,d edad % % % Obs 4 25% Sum of Wgt. 4 5% Mean Largest Std. Dev % % Variance % Skewness % Kurtosis swilk edad edad summarize edad,d edad % % % Obs 4 25% Sum of Wgt. 4 5% Mean Largest Std. Dev % % Variance % Skewness % Kurtosis swilk edad edad edad edad Normal F[(edad-m)/s] Normal F[(edad-m)/s]
7 COSTO DE UNA DETERMINADA CIRUGÍA EN 65 PACIENTES. summarize costo,d costo % % % Obs 65 25% Sum of Wgt. 65 5% 11 Mean Largest Std. Dev % % Variance % Skewness % Kurtosis swilk costo costo Normal F[(costo-m)/s] costo
8 . ladder costo Transformation formula Chi-sq(2) P(Chi-sq) cube costo^ square costo^ raw costo square-root sqrt(costo) log log(costo) reciprocal root 1/sqrt(costo) reciprocal 1/costo reciprocal square 1/(costo^2) reciprocal cube 1/(costo^3) cube square identity e+8 sqrt 7.e inverse e+7 log /square /sqrt /cube e-6-5.9e-8-2.9e-9 costo Histograms by Transformation -1.4e-11
9 . generate costo_n=1/(costo^2). summarize costo_n,d costo_n % 5.88e e-8 5% 1.1e e-8 1% 1.27e-7 1.2e-7 Obs 65 25% 6.91e-7 1.1e-7 Sum of Wgt. 65 5% 9.98e-7 Mean 9.74e-7 Largest Std. Dev. 5.51e-7 75% 1.23e-6 2.5e-6 9% 1.8e-6 2.5e-6 Variance 3.3e-13 95% 2.5e-6 2.5e-6 Skewness % 2.5e-6 2.5e-6 Kurtosis swilk costo_n costo_n Normal F[(costo_n-m)/s] e-8 costo_n 2.1e-6
PRUEBAS INFORMALES DE NORMALIDAD PARA UN CONJUNTO UNIVARIADO DE MEDICIONES.
PRUEBAS INFORMALES DE NORMALIDAD PARA UN CONJUNTO UNIVARIADO DE MEDICIONES. La distribución normal es una de las distribuciones de muestreo más utilizadas en el trabajo estadístico. Si bien muchos datos
Más detallesYearly analysis Confidence interval ci ch4
Data obtained from the statistical program stata: Yearly analysis Confidence interval ci 243 49.80329 1.063871 47.70766 51.89892 sum,d ------------------------------------------------------------- Percentiles
Más detallesINTRODUCCION AL ECONOMETRIC VIEWS. Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos.
INTRODUCCION AL ECONOMETRIC VIEWS Introducción de datos 1. Creando una hoja de trabajo (workfile) File New Workfile Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos. 2. Importación
Más detallesEstimación de una función de gasto en alimentos
Base de datos http://www.principlesofeconometrics.com/poe4/poe4stata.htm Definición de variables http://www.principlesofeconometrics.com/poe4/data/def/food.def food.def food_exp income Obs: 40 food_exp
Más detallesLas variables incluidas en el modelo se interpretan de la siguiente forma:
PRÁCTICA 4: EL MODELO LINEAL DE PROBABILIDAD - Estimar un modelo lineal de probabilidad - Interpretar los coeficientes estimados - Obtener las probabilidad estimadas - Contrastar la normalidad de las perturbaciones
Más detalles3. Análisis univariable y bivariable
FUOC P01/71039/00748 36 Investigación descriptiva: análisis de información 3. Análisis univariable y bivariable 3.1. Análisis univariable Como se ha visto, los métodos de análisis univariable se utilizan
Más detallesweb: http://www.uv.es/friasnav/
LAS PRUEBAS PARAMÉTRICAS 1. Se conoce el modelo de distribución de la población objeto de estudio y se desconoce un número finito de parámetros de dicha distribución que hay que estimar con los datos de
Más detallesPaola Adanari Ortega-Ceballos, M. en C., Macías- Carrillo Claudia, M. en C, García-Díaz Francisco Javier, LF, María Alejandra Terrazas- Meraz, Dr
Paola Adanari Ortega-Ceballos, M. en C., Macías- Carrillo Claudia, M. en C, García-Díaz Francisco Javier, LF, María Alejandra Terrazas- Meraz, Dr Introducción La Organización Mundial de la Salud (OMS)
Más detallesEXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos:
EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de 2004 Nombre y Apellidos: PRIMERA PARTE: Preguntas tipo test (sólo debe marcarse una en cada caso): 1. En el Modelo Básico de Regresión
Más detallesPRUEBAS DE NORMALIDAD. Normality Test
ESTADÍSTICA EN FÁCIL PRUEBAS DE NORMALIDAD Normality Test Guillermo Droppelmann 1, 2. PT, MPT, MSc, MPH, MA, MPP. 1. Área de Investigación, Unidad Académica, Clínica MEDS, Chile. 2. Metodología de la Investigación,
Más detallesEconometría I (LADE). Curso 2001/2002 PRÁCTICA 08
PRÁCTICA 08 HETEROCEDASTICIDAD Y NORMALIDAD En el fichero Datos08.wf1 tenemos la renta y consumo anual (en dólares) para 500 familias con el que se pretende estimar el siguiente modelo: C i = β + β R +
Más detallesANÁLISIS ESTADÍSTICO DE LAS PUNTUACIONES PARA ASCENSOS DOCENTES
ANÁLISIS ESTADÍSTICO DE LAS PUNTUACIONES PARA ASCENSOS DOCENTES - Informe sometido y presentado a la Junta Administrativa del RUM en su reunión ordinaria del día jueves de 20 enero de 2011. El informe
Más detallesModelo de Regresión Lineal Múltiple. Normalidad. Dr. Víctor Aguirre Torres ITAM
Modelo de Regresión Lineal Múltiple. Normalidad Dr. Víctor Aguirre Torres ITAM Temas Porqué ocurre falta de normalidad Consecuencias Detección Enfoques para manejarla Guión 18. Dr. V. Aguirre Porqué ocurre?
Más detallesAnálisis Estadístico
Universidad Torcuato Di Tella Análisis Estadístico Examen Final 05/07/2017 TEMA 1 Nombre y Apellido: Número de legajo: Instrucciones El examen tiene dos partes. La parte A (40 puntos) contiene 10 preguntas
Más detallesIntroducción a Stata Clase 2: Estadísticas Descriptivas y Gráficos
Introducción a Stata Clase 2: Estadísticas Descriptivas y Gráficos R. E. De Hoyos * University of Cambridge 3 de marzo de 2005 1. Introducción En esta sesión del curso presentamos las distintas herramientas
Más detalles2.5. Asimetría y apuntamiento
2.5. ASIMETRÍA Y APUNTAMIENTO 59 variable Z = X x S (2.9) de media z = 0 y desviación típica S Z = 1, que denominamos variable tipificada. Esta nueva variable carece de unidades y permite hacer comparables
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 detallesECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 2
ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 2 El fichero epflic.wf1 contiene una submuestra de hogares de la Encuesta de Presupuestos Familiares 1990/91 formada por parejas con o sin hijos en los que
Más detallesECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel
ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso 2003-2004 PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel En esta práctica, aplicaremos los contrastes de especificación
Más detalles1.- Lo primero que debemos hacer es plantear como hasta ahora la hipótesis nula y la alternativa
PRUEBA DE HIPÓTESIS PARA DIFERENCIA DE MEDIAS Introducción Como hemos visto hasta ahora ya sabemos cómo hacer inferencia sobre bases de datos para medias con valores conocidos y desconocidos de desviación
Más detallesMEDIDAS DE ASIMETRÍA Y CURTOSIS EMPLEANDO EXCEL
1) ASIMETRÍA MEDIDAS DE ASIMETRÍA Y CURTOSIS EMPLEANDO EXCEL Es una medida de forma de una distribución que permite identificar y describir la manera como los datos tiende a reunirse de acuerdo con la
Más detallesCointegración del Índice de Precios al Consumidor y Liquidez monetaria ( ). Venezuela.
Cointegración del Índice de Precios al Consumidor y Liquidez monetaria (1997-211). Venezuela. Informe Técnico. PC LC/FT. 2 de Octubre 212 Jhoner Perdomo Karen Tizado Resumen En la búsqueda de una variable
Más detallesCONCEPTOS FUNDAMENTALES
TEMA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICAS PRIMERA PARTE: Conceptos fundamentales 8.1. Hipótesis estadística. Tipos de hipótesis 8.2. Región crítica y región de aceptación 8.3. Errores tipo I y tipo
Más detallesSOLUCIÄN DE LA PRIMERA PRÅCTICA CALIFICADA DE ECONOMETRIA II
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA SOLUCIÄN DE LA PRIMERA PRÅCTICA CALIFICADA DE ECONOMETRIA II 1Ä El investigador especifica el modelo siguiente: Donde: Se le pide:
Más detallesECONOMETRIA: PRÁCTICA OBLIGATORIA (En formato Manual de Uso)
ECONOMETRIA: PRÁCTICA OBLIGATORIA (En formato Manual de Uso) Leer los datos del fichero de Excel (datelectricidad.xls): Al revisar los datos en Excel se ha verificado que la información disponible es de
Más detallesGEOESTADÍSTICA APLICADA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
Más detallesPRUEBAS 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
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesMULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL
MULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL Noviembre, 2011 Multicolinealidad El termino multicolinealidad se le atribuye originalmente a Frisch
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2010/11
Estadística II Tema 4. Regresión lineal simple Curso 010/11 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesTEST DE HIPÓTESIS. Ejemplo: vamos a analizar los resultados de 5 Servicios de Neonatología de una
TEST DE HIPÓTESIS Ejemplo: vamos a analizar los resultados de 5 Servicios de Neonatología de una provincia según un indicador: mortalidad de recién nacidos con peso 1.000 gr. Supongamos, como ejemplo,
Más detallesBOLETIN EPIDEMIOLOGICO DE. ENFERMEDADES TRANSMITIDAS POR VECTORES, CALI, SEM. EPID No. 47 DE 2014.
BOLETIN EPIDEMIOLOGICO DE ENFERMEDADES TRANSMITIDAS POR VECTORES, CALI, SEM. EPID No. 47 DE 4. JORGE HUMBERTO ROJAS PALACIOS MSc. en Epidemiología, Magíster en Administración de Salud SECRETARIA DE SALUD
Más detalles17.871 Primavera de 2002 Introducción al programa Stata 1. 1. Introducción
17.871 Primavera de 2002 Introducción al programa Stata 1 1. Introducción Stata es una aplicación global y actual, basada en comandos, para el análisis estadístico, la gestión de datos y de gráficos. Existen
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 detallesEXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce
EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 005 Prof. Rafael de Arce NOMBRE: DNI: PARTE I.- TEST 1. La hipótesis de rango pleno en el MBRL supone: Que las variables explicativas no tengan ninguna
Más detallesIntervalos de confianza con STATGRAPHICS
Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media
Más detallesVarianza del error no constante: heteroscedasticidad. Fortino Vela Peón Universidad Autónoma Metropolitana
Varianza del error no constante: heteroscedasticidad Fortino Vela Peón Universidad Autónoma Metropolitana fvela@correo.xoc.uam.mx Octubre, 2010 11/08/2011 México, D. F. 1 Tipos de residuales En ocasiones
Más detallesCOMANDOS DE STATA REVISADOS EN ESTA CLASE
COMANDOS DE STATA REVISADOS EN ESTA CLASE Examinar los datos: entrega información sobre las variables y etiquetas permite explorar los datos cuenta
Más detallesDeterminación del tamaño muestral para calcular la significación del coeficiente de correlación lineal
Investigación: Determinación del tamaño muestral para calcular 1/5 Determinación del tamaño muestral para calcular la significación del coeficiente de correlación lineal Autores: Pértegas Día, S. spertega@canalejo.org,
Más detallesDISTRIBUCIONES DE PROBABILIDAD (RESUMEN)
DISTRIBUCIONES DE PROBABILIDAD (RESUMEN) VARIABLE ALEATORIA: un experimento produce observaciones numéricas que varían de muestra a muestra. Una VARIABLE ALEATORIA se define como una función con valores
Más detalles2. FRECUENCIAS. 2.1. Distribución de Frecuencias.
2. FRECUENCIAS 2.1. Distribución de Frecuencias. El manejo de la información requiere de la ordenación de datos de tal forma que permita la obtención de una forma más fácil la obtención de conclusiones
Más detallesExperimentos de Monte Carlo. Walter Sosa-Escudero
Introduccion Test de Breusch-Pagan de heterocedasticidad: LM = 1 2 SCE g,z χ 2 (p 1) g = residuos al cuadrado, z, variables explicativas de la heterocedasticidad. Esta es una aseveracion asintotica. Que
Más detallesSESIÓN 5 RELACIÓN ENTRE LOS VALORES NUMÉRICOS
SESIÓN 5 RELACIÓN ENTRE LOS VALORES NUMÉRICOS I. CONTENIDOS: 1. Relación entre valores numéricos.. Cálculo de media, mediana y moda en datos agrupados y no agrupados. 3. La media, mediana y moda en variable
Más detalles4. Medidas de tendencia central
4. Medidas de tendencia central A veces es conveniente reducir la información obtenida a un solo valor o a un número pequeño de valores, las denominadas medidas de tendencia central. Sea X una variable
Más detallesTenga en cuenta entregar los ejercicios con el desarrollo completo de su resolución.
Estadística Atorresi I. 1- los datos que se reúnen son tomados a 163 mujeres que escuchan radio a las 15 hs. aparece 2 gráficos de torta o pictograma según propone botella". un grafico indica que los datos
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 detallesESTADÍSTICA BÁSICA Dirección Redes en Salud Pública 2015 09 16
ESTADÍSTICA BÁSICA Dirección Redes en Salud Pública 2015 09 16 Es el conjunto sistemático de procedimientos para la observación, registro, organización, síntesis y análisis e interpretación de los fenómenos
Más detallesIntroducción a los modelos de elección discreta
Introducción a los modelos de elección discreta Manuel Barrón 21 de Junio de 2010 1 Conjunto de alternativas Los modelos de elección discreta describen las elecciones de los agentes sobre un conjunto de
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 detallesEl valor esperado de una variable aleatoria discreta se representa de la siguiente manera:
INTRODUCCIÓN AL VALOR ESPERADO Y VARIANZA (5 MINUTOS) Cuando nos hablan del promedio de que ocurra un evento, cómo sabemos con certeza qué tan cerca estamos de alcanzar ese promedio? Esta pregunta nos
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 detallesTema 2: Estadísticos
Bioestadística Tema 2: Estadísticos Tema 2: Estadísticos 1 Parámetros y estadísticos Parámetro: Es una cantidad numérica calculada sobre una población La altura media de los individuos de un país La idea
Más detallesPruebas de Bondad de Ajuste
1 Facultad de Ingeniería IMERL PROBABILIDAD Y ESTADÍSTICA Curso 2008 Pruebas de Bondad de Ajuste En esta sección estudiaremos el problema de ajuste a una distribución. Dada una muestra X 1, X 2,, X n de
Más detallesSe asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación.
EJEMPLO 1 Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación. DIETA1 DIETA2 DIETA3 DIETA4 62 63 68 56 60 67 66 62 63 71 71
Más detallesPRACTICA 3. CONTRASTES Y PREDICCION.
ECONOMETRIA I (LADE). CURSO 2001/2002 PRACTICA 3. CONTRASTES Y PREDICCION. En el archivo prac3.xls disponemos de las siguientes observaciones correspondientes a un país: Y: consumo privado, medido en millones
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 detallesACTIVIDAD 5: Correlación y Regresión Lineal
Actividad 5: Correlación y Regresión Lineal ACTIVIDAD 5: Correlación y Regresión Lineal CASO 5-1: RELACIONES ENTRE VARIABLES A continuación se muestran cuatro variables y seis valores (observaciones) asociados
Más detallesI. HERRAMIENTAS PARA LA PLANIFICACIÓN DE LA CALIDAD
I. Herramientas para la Planificación de la Calidad I. HERRAMIENTAS PARA LA PLANIFICACIÓN DE LA CALIDAD INTRODUCCIÓN El programa Minitab dispone de diversas herramientas gráficas que nos ayudarán en la
Más detalles1.- Enumere las hipótesis básicas del modelo básico de regresión lineal
Introducción a la Econometría Grupo Derecho y Administración de Empresas Profesor Rafael de Arce 20 de junio de 2008 Nombre: DNI: 1.- Enumere las hipótesis básicas del modelo básico de regresión lineal
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Distribuciones muestrales Autores: Ángel A. Juan (ajuanp@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS CARACTERÍSTICAS DE LA
Más detallesCAPÍTULO 9 DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS 1.- DISTRIBUCIONES DISCRETAS 2.- DISTRIBUCIONES CONTINUAS
CAPÍTULO 9 DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS 1.- DISTRIBUCIONES DISCRETAS 2.- DISTRIBUCIONES CONTINUAS 3.- R COMO ALTERNATIVA A LAS TABLAS ESTADÍSTICAS CLÁSICAS CAPÍTULO 9 1 2 1.- DISTRIBUCIONES
Más detallesMedidas de Tendencia Central, Medidas de Dispersión & Otros Estadísticos (Cap. 2) Math. 298 Prof. Gaspar Torres Rivera
Medidas de Tendencia Central, Medidas de Dispersión & Otros Estadísticos (Cap. ) Math. 98 Prof. Gaspar Torres Rivera Un hombre promedio Roberto tiene 31 años de edad, una estatura de 68.8 pulgadas, pesa
Más detallesEfecto de la cercanía a las estaciones de Subte y valor de la propiedad residencial en Buenos Aires
> Año 10 / Número 101 / Marzo 2011 Economía de las ciudades Efecto de la cercanía a las estaciones de Subte y valor de la propiedad residencial en Buenos Aires Un estudio según el modelo de valuación hedónico
Más detallesSimulación n de Monte Carlo
Simulación n de Monte Carlo La simulación como una herramienta para el manejo de la incertidumbre Fabián Fiorito ffiorito@invertironline.com Modelización n de incertidumbre en Excel -2- Universidad del
Más detallesUn experimento binomial posee las siguientes características: 1. El experimento consiste de n ensayos repetidos.
Experimento Binomial Experimento que consiste en ensayos independientes repetidos, cada uno con dos posibles resultados que se denominan éxito y fracaso, donde la probabilidad de éxito es la misma en cada
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 detallesCOMANDOS DE STATA REVISADOS EN ESTA CLASE
COMANDOS DE STATA REVISADOS EN ESTA CLASE Examinar los datos: entrega información sobre las variables y etiquetas permite explorar los datos cuenta
Más detallesL A I M A G E N. E S T R U C T U R A Y C O M P O S I C I Ó N
T EMA 5 L A I M A G E N. E S T R U C T U R A Y C O M P O S I C I Ó N El lenguaje plástico y visual, como cualquier otro lenguaje, necesita un cierto orden para entender bien lo que se quiere decir. A esto
Más detallesTests de Hipótesis. Métodos no paramétricos ESTADÍSTICA (Q) Algunas consideraciones sobre las inferencias sobre la media de una población Normal
148 Algunas consideraciones sobre las inferencias sobre la media de una población Normal 1. Los tests e intervalos de confianza para la media de una población Normal utilizan un estadístico que tiene distribución
Más detallesEXAMEN DE ECONOMETRÍA 08/07/99-1
EXAMEN DE ECONOMETRÍA 08/07/99 - TEORÍA (2p) T- Metodología Box-Jenkins. CUESTIONES (2p) C- Tratar de formular al menos dos modelos ARIMA para la serie CONSUMO DE ENERGÍA ELÉCTRICA, de la cual conocemos
Más detallesIntroducción a Stata STATA
Introducción a Stata Alfonso Muriel Unidad de Bioestadística Clínica. IRYCIS 4 de junio de 2012 1 STATA La versión básica es Stata/IC ( Intercooled Stata) manejahasta 2.047 variables La siguiente es Stata/SE
Más detallesno paramétrica comparar más de dos mediciones de rangos (medianas)
Friedman Es una prueba no paramétrica de comparación de tres o más muestras relacionadas, debe cumplir las siguientes características: Es libre de curva, no necesita una distribución específica Nivel ordinal
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 detallesLa Distribución Normal y su uso en la Inferencia Estadística
La Distribución Normal y su uso en la Inferencia Estadística Los conceptos básicos de Probabilidad y de Distribuciones Muestrales sirven como introducción al método de Inferencia Estadística; esta se compone
Más detallesANÁLISIS ESTADÍSTICO. Estadística descriptivos: Tablas, gráficos, estadísticos descriptivos. Jorge Fallas jfallas56@gmail,com
ANÁLISIS ESTADÍSTICO Estadística descriptivos: Tablas, gráficos, estadísticos descriptivos Jorge Fallas jfallas56@gmail,com 2010 1 Describiendo el set de datos Conocer contexto de los datos Variable, nivel
Más detallesObservatorio de Salud Sexual y Reproductiva Argentina marzo 2009
OBSERVATORIOS DE SSyR Y TEMAS AFINES ITEMS PARA EVALUACIÓN DE PERTINENCIA Y CALIDAD DEL OBSERVATORIO Dominios Variables Sitio abocado a la temática SS y R exclusivamente (3 Ptos) Pertinencia Sitio abocado
Más detallesBLOQUE 4. CÁLCULO DIFERENCIAL DE FUNCIONES REALES DE UNA VARIABLE. ESTUDIO DE LA GRÁFICA DE UNA FUNCIÓN
BLOQUE 4. CÁLCULO DIFERENCIAL DE FUNCIONES REALES DE UNA VARIABLE. ESTUDIO DE LA GRÁFICA DE UNA FUNCIÓN Crecimiento y decrecimiento. Extremos absolutos y relativos. Concavidad y convexidad. Asíntotas.
Más detallesMuestreo y Distribuciones muestrales. 51 SOLUCIONES
Muestreo y Distribuciones muestrales. 51 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Métodos estadísticos de la ingeniería Soluciones de la hoja de problemas 5. Muestreo
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 detallesTEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS
ASIGNATURA: ESTADÍSTICA II (Grado ADE,MIM,FBS) TEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS 4.1. Hipótesis estadística. Tipos de hipótesis 4.2. Región crítica y región de aceptación 4.3. Errores
Más detallesDistribuciones de probabilidad. El teorema central del límite
8 Distribuciones de probabilidad. El teorema central del límite Neus Canal Díaz 8.1. Introducción La distribución de frecuencias es uno de los primeros pasos que debemos realizar al inicio del análisis
Más detallesMetodología II: Análisis de Datos. Prof. Reinaldo Mayol Derecho
Metodología II: Análisis de Datos Prof. Reinaldo Mayol Derecho Por donde vamos? Luego de obtenidos los datos, el siguiente paso es realizar el análisis de los mismos. Aunque ha sido presentado en este
Más detallesImpacto Cuantitativo de INFOCAP en el ingreso y empleo de sus ex - alumnos
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS INSTITUTO DE ECONOMIA CENTRO DE ESTUDIOS INFOCAP LA UNIVERSIDAD DEL TRABAJADOR Impacto Cuantitativo de INFOCAP
Más detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesMATEMÁTICAS BÁSICAS. Autores: Margarita Ospina Pulido Lorenzo Acosta Gempeler Edición: Jeanneth Galeano Peñaloza Rafael Ballestas Rojano
MATEMÁTICAS BÁSICAS Autores: Margarita Ospina Pulido Lorenzo Acosta Gempeler Edición: Jeanneth Galeano Peñaloza Rafael Ballestas Rojano Universidad Nacional de Colombia Departamento de Matemáticas Sede
Más detallesPrimera práctica de REGRESIÓN.
Primera práctica de REGRESIÓN. DATOS: fichero practica regresión 1.sf3 1. Objetivo: El objetivo de esta práctica es aprender cuándo se puede utilizar el análisis de regresión. En la primera parte se presentan
Más detallesUNIVERSIDAD EXTERNADO DE COLOMBIA Facultad de Economía. Un modelo que intenta explicar la producción desde otra perspectiva.
UNIVERSIDAD EXTERNADO DE COLOMBIA Facultad de Economía Un modelo que intenta explicar la producción desde otra perspectiva. Daniel Felipe Rojas Cepeda Bogotá D.C., Colombia 2017 Un modelo que intenta explicar
Más detalles1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal.
Límites de Tolerancia Los límites de tolerancia proporcionan un rango de valores para X tal que se puede tener 100(1-α) % de confianza que P por ciento de la población, de la cual provienen los datos,
Más detallesUnidad 7: Muestreo de aceptación
Unidad 7: Muestreo de aceptación Cap 12. Gutiérrez Liliana Recchioni Unidad 7: 7.1. Tipos de planes de muestreo. 7.2. Variabilidad y curvas características (CO). 7.3. Diseño de un plan de muestreo simple
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 detallesMétodos de Investigación en Psicología (10) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (10) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesSOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II 1º El investigador especifica el siguiente modelo: Se le pide: 1.1. Realice la prueba
Más detallesEjemplo de análisis de la Varianza (ANOVA).
Ejemplo de análisis de la Varianza (ANOVA). temp TVBN temp TVBN temp TVBN 1 18,3 2 11,7 3 16,64 1 15,92 2 12,87 3 17,83 1 18,71 2 11,77 3 19,01 1 17,92 2 12,23 3 17,33 1 15,66 2 13,62 3 17,06 1 17,14 2
Más detalles(Segunda Edición) Alfonso García Pérez. UNED
ESTADÍSTICA CON APLICADA SAS (Segunda Edición) Alfonso García Pérez Copyright c 2011 Alfonso García Pérez No está permitida la reproducción total o parcial de este libro, ni su tratamiento informático,
Más detallesEjemplo de Regresión Lineal Simple
Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3
Más detalles