ESTADÍSTICA. Tema 4 Regresión lineal simple
|
|
- José Pérez Vidal
- hace 7 años
- Vistas:
Transcripción
1 ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1
2 Estructura de este tema Planteamiento del problema. Ejemplos. Recta de regresión de mínimos cuadrados. El modelo de regresión lineal simple. IC y contrastes para los parámetros del modelo. Predicción. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 2
3 Introducción En algunas situaciones, los diagramas de dispersión sugieren que hay una relación lineal entre dos variables. 7 Asociación positiva 7 Asociación negativa Pregunta: Cómo es la correlación en estos dos ejemplos? Aplicaciones: Resumir la información de los datos mediante una recta. Predecir valores de una variable usando la otra. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 3
4 Ejemplo 4.1: Observamos dos variables en una muestra de países desarrollados (fichero vino.sav): X : Consumo anual de vino (en litros por habitante) Y : N o de muertes por enfermedad cardíaca, por cada hab. País X Y País X Y Australia 2,5 211 Países Bajos 1,8 167 Austria 3,9 167 Nueva Zelanda 1,9 266 Bélgica 2,9 131 Noruega 0,8 227 Canadá 2,4 191 España 6,5 86 Dinamarca 2,9 220 Suecia 1,6 207 Finlandia 0,8 297 Suiza 5,8 115 Francia 9,1 71 Reino Unido 1,3 285 Islandia 0,8 211 Estados Unidos 1,2 199 Irlanda 0,7 300 Alemania 2,7 172 Italia 7,9 107 Qué podemos decir sobre la relación entre las dos variables? Podemos afirmar que a mayor consumo de vino menor número de muertes por enfermedad cardíaca? Podemos predecir aproximadamente el valor de la variable Y si sabemos el valor de X? Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 4
5 Estadísticos Correlaciones N Media Desv. típ. Válidos Perdidos Vino Card , ,05 2, ,396 Vino Card Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Vino Card 1 -,843, ,843 1, Irlanda Finlandia Reino Unido Muertes por enfermedad cardiaca Nueva Zelanda Noruega Dinamarca Islandia Suecia Australia Canadá Estados Unidos Alemania Austria Países Bajos Bélgica Suiza España Italia Francia Consumo de vino Pregunta: Implica esta asociación causalidad? 10 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 5
6 2. ASOCIACION ESTADISTICA O CAUSAL? La asociación 2. Asociación ASOCIACION entre una estadística causa ESTADISTICA (C) y un causalidad efecto O CAUSAL? (E), puede surgir de tres modos distintos: La asociación entre una causa (C) y un efecto (E), puede surgir de tres modos distintos: a) La Laasociación C es causa entre entre de una E causa una (C) causa y un (C) efecto y (E), un efecto puede surgir (E), de puede tres modos surgir distintos: de a) tres Cmodos es causa distintos: de E a) C es causa de E (a) C es causa de E. C E C E C E b) C y E tiene una causa común (variable X) b) C y E tiene una causa común (variable X) (b) C yce ytiene E tiene una una causa común (variablex) X). X X X C E C E C E c) E es causa de C (c) E es E es causa causa de de C. C c) E es causa de C C E C E C Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 6
7 Ejemplo 4.2: Renta y fracaso escolar en la CAM Ana Justel Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 7
8 Ejemplo 4.2 (cont.): Renta y fracaso escolar en la CAM % fracaso escolar Arganda Torrelodones Renta (en miles de euros) Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 8
9 El problema de regresión El objetivo es analizar la relación existente entre dos variables, X e Y, de forma que podamos predecir o aproximar el valor de la variable Y a partir del valor de la variable X. La variable Y se llama variable respuesta La variable X se llama variable regresora o explicativa Observación: En un problema de regresión el papel de las dos variables no es simétrico. La variable X juega el papel de variable independiente y la variable Y el papel de variable dependiente (de X ). Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 9
10 La recta de regresión Es frecuente suponer que existe entre las variables observadas una relación aproximadamente lineal: y i a + bx i, i = 1,..., n. La recta y = a + bx es una recta de regresión. El parámetro b es la pendiente de la recta. Indica cómo cambia la variable respuesta cuando el incremento de x es una unidad. El parámetro a es el término independiente de la recta. Indica el valor de Y cuando X = 0. Problema estadístico: Estimar los parámetros a y b a partir de los datos (x i, y i ), i = 1,..., n, de una muestra. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 10
11 La recta de mínimos cuadrados Si estimamos a y b mediante â y ˆb, la predicción de la variable respuesta Y en función del regresor X es: Ŷ = â + ˆbX. En particular, para los datos de la muestra los valores previstos de Y son ŷ i = â + ˆbx i, i = 1,..., n. Definimos los residuos como e i = y i ŷ i = y i (â + ˆbx i ). La recta de regresión de mínimos cuadrados viene dada por los valores â y ˆb que minimizan la suma de cuadrados residual n ei 2 = i=1 n [y i ŷ i ] 2 = i=1 n [y i (â + ˆbx i )] 2 = n ECM. i=1 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 11
12 Los residuos: x y x y Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 12
13 Los estimadores mínimo-cuadráticos de a y b son ˆb = cov x,y v x = r vy v x â = ȳ b x, donde r es el coeficiente de correlación, v y y v x son las varianzas muestrales de Y y X respectivamente. Ejemplo 4.1 (cont.): Consumo de vino y muertes cardíacas 68, 396 ˆb = 0, 843 = 22, 974 2, 5097 â = 191, 05 ( 22, 974) 3, 026 = 260, 57 Recta de regresión estimada: ŷ = 260, 57 22, 974x Predicción de Y para x 0 = 4: ŷ 0 = 260, 57 22, = 168, 674 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 13
14 Ejemplo 4.1 (cont.): 300 Muertes por enfermedad cardíaca R 2 Lineal = 0, Consumo de vino Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 14
15 Observaciones: La recta de mínimos cuadrados pasa por el punto cuyas coordenadas son las medias: ( x, ȳ). La suma de los residuos siempre vale cero. La recta para predecir Y en función de X no es la misma que la recta para predecir X en función de Y. Como medida de la bondad del ajuste de la recta a los datos, se utiliza el coeficiente de determinación R 2 : el cuadrado del coeficiente de correlación. Cuando R 2 está cerca de 0, el ajuste será malo. Cuando R 2 está cerca de 1, el ajuste será bueno. R 2 indica el porcentaje de variabilidad de Y explicado por la regresión lineal en función de X. No es aconsejable realizar predicciones con la recta de regresión fuera del rango de valores observados. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 15
16 El modelo de regresión lineal simple Para poder hacer inferencia (IC y contrastes) sobre los parámetros, suponemos que se verifica el siguiente modelo: donde: Y i = a + b x i + ɛ i, i = 1,..., n, El valor esperado de los errores ɛ i es cero. Todos los errores tienen la misma varianza σ 2. Los errores tienen distribución normal. Los errores son v.a. independientes entre sí. En resumen: ɛ 1,..., ɛ n son N(0, σ) independientes que equivale a Y i es N(a + b x i, σ) e Y 1,..., Y n independientes. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 16
17 Suposiciones del modelo de regresión lineal simple: Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 17
18 En cuáles de las 4 situaciones se verifica el modelo? x y x2 y x y x y4 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 18
19 Ejemplo 4.1 (cont.): Consumo de vino y enfermedades cardíacas Residuo Valor previsto de Y 250 Si en el gráfico de residuos e i frente a valores previstos ŷ i, los puntos no se disponen aleatoriamente en una banda horizontal de anchura constante en torno a 0, entonces falla alguna de las hipótesis del modelo. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 19
20 Ejemplo 1.6 (cont.): Sabor del queso cheddar Sabor Residuo ,8 1,0 1,2 1,4 1,6 Ácido láctico 1,8 2,0 2, Valor previsto Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 20
21 Una simulación Supongamos que σ = 1, a = 0 y b = 1 Entonces el modelo es Y i = x i + ɛ i, donde los errores ɛ i tienen distribución normal estándar y son independientes Fijamos x i = 1, 2,..., 10 (n = 10) y generamos las respuestas correspondientes de acuerdo con este modelo Posteriormente calculamos la recta de mínimos cuadrados y la representamos junto con la verdadera recta y = x Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 21
22 Repetimos 6 veces el experimento x x x x x x Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 22
23 Repetimos 6 veces el experimento b = b = b = b = 0.95 b = 1.01 b = 0.99 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 23
24 Repetimos 1000 veces el experimento â b Los estimadores van cambiando para las diferentes muestras Existen fórmulas del error típico de ˆβ 0 y ˆβ 1 que recogen esta variabilidad Estas fórmulas son las que se utilizan para calcular IC y llevar a cabo contrastes en lo que sigue. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 24
25 Inferencia en el modelo de regresión simple Intervalos de confianza Los intervalos de confianza de nivel 1 α para los parámetros a y b tienen la estructura habitual: (âi t n 2;α/2 e.t.(â) ) (ˆb i t n 2;α/2 e.t.(ˆb)) En comparación con los intervalos de confianza para la media: Los grados de libertad son n 2 en lugar de n 1. La fórmula del error típico es más complicada (siempre lo calcularemos con el ordenador). Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 25
26 Contrastes para el parámetro de la regresión b En los contrastes para a las expresiones son las mismas (donde pone b ponemos a). Contrastes unilaterales: Hipótesis: H 0 : b b 0 frente a H 1 : b > b 0 Región crítica: { } ˆb b0 R = e.t.(ˆb) > t n 2,α. Hipótesis: H 0 : b b 0 frente a H 1 : b < b 0 Región crítica: { } ˆb b0 R = e.t.(ˆb) < t n 2,α. Contraste bilateral: Hipótesis: H 0 : b = b 0 frente a H 1 : b b 0 Región crítica: { } ˆb b 0 R = e.t.(ˆb) > t n 2,α/2. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 26
27 Ejemplo 4.1 (cont.): Consumo de vino y enfermedades cardíacas Sabiendo que el error típico del estimador de mínimos cuadrados de la pendiente es 3.557, calcula un IC para β 1 de nivel 95 %: [ ˆβ 1 t n 2,α/2 e.t.( ˆβ 1 )] [ 22,974 2,11 3,557] ya que t 17,0,025 = 2,11. Aportan los datos evidencia para afirmar (α = 0,01) que un incremento en el consumo de vino está asociado a un menor número de muertes por enfermedad cardíaca? Queremos contrastar H 0 : β 1 0 frente a H 1 : β 1 < 0. Calculamos: t = 22,974 3,557 = 6,457 y t 17,0,01 = 2,567 Como 6,457 < 2,567 rechazamos H 0. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 27
28 Ejemplo 4.1 (cont.): Con SPSS Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 28
29 Ejemplo 4.1 (cont.): Con SPSS Resumen del modelo b Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación 1,843 a,710,693 37,879 a. Variables predictoras: (Constante), Vino b. Variable dependiente: Card Coeficientes a Coeficientes Coeficientes no estandarizados estandarizado s Modelo B Error típ. Beta t Sig. 1 (Constante) 260,563 13,835 18,833,000 Vino -22,969 3,557 -,843-6,457,000 a. Variable dependiente: Card Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 29
30 Ejemplo 4.2 (cont.): Renta y fracaso escolar en la CAM con SPSS Resumen del modelo b Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación 1,742 a,550,528 4,7566 a. Variables predictoras: (Constante), Renta b. Variable dependiente: Fracaso Coeficientes a Coeficientes Coeficientes no estandarizados estandarizado s Modelo B Error típ. Beta t Sig. 1 (Constante) 38,494 **** 10,562,000 Renta -1,347,266 -,742-5,065,000 a. Variable dependiente: Fracaso Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 30
31 Ejemplo 4.2 (cont.): Renta y fracaso escolar en la CAM. (a) Escribe la ecuación de la recta de mínimos cuadrados que describe el nivel de fracaso escolar como función de la renta. (b) Calcula los intervalos de confianza de nivel 95 % para la pendiente y el término independiente de la recta de regresión. (c) Podemos afirmar, a nivel α = 0,05 que niveles más altos de renta están asociados a niveles más bajos de fracaso escolar? (d) Cuánto vale el coeficiente de correlación entre el nivel de renta y el porcentaje de fracaso escolar? (e) Qué porcentaje de fracaso escolar se predice en una población cuya renta es x 0 = euros? (f) Cuál es el residuo correspondiente a Colmenar Viejo? Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 31
ESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesTEMA 3 Modelo de regresión simple
TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detallesJulio Deride Silva. 4 de junio de 2010
Curvas ROC y Regresión Lineal Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 4 de junio de 2010 Tabla de Contenidos Curvas ROC y Regresión Lineal
Más detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesSesgo y varianza del estimador de la razón. con el problema de presición vs. sesgo que ya discutimos. t y. ˆt x
Sesgo y varianza del estimador de la razón A diferencia de los estimadores lineales vistos en las clases anteriores, los estimadores de la razón son usualmente sesgados. La varianza, comunmente más reducida,
Más detallesUn modelo para representar una relación aproximadamente
Regresión Se han visto algunos ejemplos donde parece que haya una relación aproximadamente lineal entre dos variables. Supongamos que queremos estimar la relación entre las dos variables. Cómo ajustamos
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
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 detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesTEMA 4 Regresión logística
TEMA 4 Regresión logística José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Variable respuesta dicotómica. Ejemplo. El
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
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 detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
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 detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
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 detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
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 detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesRegresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.
Regresión Lineal Simple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2
Más detallesRegresión Lineal Múltiple
Unidad 4 Regresión Lineal Múltiple Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 35 Introducción La idea de la regresión lineal múltiple es modelar el valor esperado de la variable respuesta
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 7 Problema 1. Tengamos el siguiente ANOVA obtenido en una investigación con N 15 donde se estudia la relación entre autoeficacia percibida (X y el rendimiento
Más detallesPart I. Descripción estadística de dos variables. Estadística I. Mario Francisco. Variable. bidimensional. Distribuciones de frecuencias
Part I Descripción de dos variables Introducción Si para un mismo individuo observamos simultáneamente k obtendremos como resultado una variable k-dimensional. Nos ocuparemos del estudio de las variables
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesEstadística para la Economía y la Gestión IN 3401
Estadística para la Economía y la Gestión IN 3401 3 de junio de 2010 1 Modelo de Regresión con 2 Variables Método de Mínimos Cuadrados Ordinarios Supuestos detrás del método MCO Errores estándar de los
Más detallesUniversidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Segunda Prueba Parcial Lapso 7-746 /6 Universidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: 6-6 - 6 Fecha: --8 MODELO DE RESPUESTAS Objetivos 5 al 8 OBJ 5
Más detallesPrácticas Tema 5. Ampliaciones del Modelo lineal básico
Prácticas Tema 5. Ampliaciones del Modelo lineal básico Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 5.1. Se ha examinado la evolución reciente de las ventas de
Más detallesPrácticas Tema 4: Modelo con variables cualitativas
Prácticas Tema 4: Modelo con variables cualitativas Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 4.1- Se dispone de información sobre 16 familias sobre
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Más detallesCALIFICACION: 287,33 218, sí 1 sí 1. Se especifica el siguiente modelo de regresión para el precio de las viviendas: G i =
6 + 5 = 11 CALIFICACION: PARTE 1 (6 puntos) Una empresa inmobiliaria desea conocer los determinantes del precio de la vivienda en una ciudad de tamaño medio Para ello recoge información sobre las siguientes
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesEstadística Diplomado
Diplomado HRB UNAM 1 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 Estimación por Intervalos Cantidades Pivotales
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesECONOMETRÍA I. Tema 6: Heterocedasticidad. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía
ECONOMETRÍA I Tema 6: Heterocedasticidad Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 23 Heterocedasticidad El supuesto
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M. Los modelos de regresión sirven, en general, para tratar de expresar una variable respuesta (numérica) en
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No. 9 Nombre: Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión
Más detallesAl nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).
A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesRelación 3 de problemas
ESTADÍSTICA II Curso 2016/2017 Grado en Matemáticas Relación 3 de problemas 1. La Comunidad de Madrid evalúa anualmente a los alumnos de sexto de primaria de todos los colegios sobre varias materias. Con
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.
MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Abordaremos en este capítulo el modelo de regresión lineal múltiple, una vez que la mayor parte de las
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesEstadística Descriptiva II: Relación entre variables
Estadística Descriptiva II: Relación entre variables Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de
Más detalles= 15 CALIFICACION:
6 + 4 + 5 = 15 CALIFICACION: Vacacion.xls Este fichero está adaptado del fichero vacation.gdt del libro de Hill et al.(2008) que se puede descargar en: http://gretl.sourceforge.net/gretl data.html PARTE
Más detallesTALLER DE INTRODUCCIÓN A LOS NEGOCIOS
REGRESIÓN LINEAL SIMPLE INTRODUCCIÓN Si sabemos que existe una relación entre una variable denominada dependiente y otras denominadas independientes (como por ejemplo las existentes entre: la experiencia
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesTODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)
TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) NOTA IMPORTANTE - Estas notas son complementarias a las notas de clase del primer semestre correspondientes a los temas de Regresión
Más detallesAnálisis sobre la hipótesis de convergencia para los países que forman la OCDE. Robles Urgal, Pedro Serrano Fornós, Jesús
sobre la hipótesis de convergencia para los países que forman la OCDE Robles Urgal, Pedro Serrano Fornós, Jesús sigma beta Introducción Hipótesis de convergencia 2 conceptos de convergencia económica Beta
Más detallesEjemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejemplo 7.1 Heterocedasticidad Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 7.1. Heterocedásticidad 1 / 22 Enunciado.
Más detallesDatos bivariantes: regresión
M. Wiper Estadística 1 / 14 Datos bivariantes: regresión Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 14 Objetivo Ilustrar como ajustar una recta
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesEl modelo de regresión múltiple
El de regresión múltiple Simple El de regresión múltiple es la extensión a k variables explicativas del de regresión simple. La estructura del de regresión múltiple es la siguiente: y = f (x 1,..., x k
Más detallesTema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 8 de noviembre de 2010 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal
Más detallesESTADÍSTICA APLICADA. Tema 3: Contrastes de hipótesis
ESTADÍSTICA APLICADA Grado en Nutrición Humana y Dietética Tema 3: Contrastes de hipótesis Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis, tipos de error, nivel de significación,
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Novedades en el Plan de Trabajo Desviación típica sesgada
Más detallesUnidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de
Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
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 detallesLos estimadores mínimo cuadráticos bajo los supuestos clásicos
Los estimadores mínimo cuadráticos bajo los supuestos clásicos Propiedades estadísticas e inferencia Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni MCO bajo los supuestos clásicos 1
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesEconometría Aplicada
Econometría Aplicada Inferencia estadística, bondad de ajuste y predicción Víctor Medina Intervalos de confianza Intervalos de confianza Intervalos de confianza Intervalos de confianza La pregunta que
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesEXAMEN DE ECONOMETRÍA
EXAMEN DE ECONOMETRÍA UNIVERSIDAD CARLOS III DE MADRID CURSO 2015-1 Responda todas las preguntas en 2 horas y media. Valores críticos al final del examen. 1 A partir de una muestra aleatoria de compra-venta
Más detalles