CAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
|
|
- Lorenzo Jiménez Plaza
- hace 7 años
- Vistas:
Transcripción
1 Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como siempre la metodología va a depender del tipo de variable que queremos describir. Acá vamos a estudiar cómo describir la relación entre dos variables cuantitativas. Describiendo relaciones entre dos variables cuantitativas. Para mostrar graficamente la relación entre dos variables cuantitativas usaremos un gráfico llamado de dispersión o de Y. Gráfico de Dispersión de Notas en la Prueba versus Notas en la Prueba Final Acumulativa de un curso de alumnos de Estadística en la UTAL 7 Estudiante Eamen 7 Prueba ID P,7,,,,0,7,,7,,,,,,,,,9,,,,,,9,9, E,,,,,9,7,,,0,,,,,9,,7,,,0,,,0,,, a) Encuentre el estudiante número 9 en el gráfico. b) Suponga que otro estudiante tuvo un,0 en la primera prueba un, en la prueba final acumulativa o Eamen. Agregue este punto en el gráfico.
2 Página de Al igual que cuando estudiamos los histogramas, tallos hojas otros gráficos, ahora nos va interesar describir la forma del gráfico. Específicamente en este caso particular de gráficos de dispersión, nos va a interesar la dirección, forma grado de asociación entre dos variables cuantitativas. Por dirección, diremos que dos variables están asociadas positivamente cuando a maor valor de una variable el valor de la otra variable también aumenta, como se muestra en la figura A. Dos variables estarán negativamente asociadas cuando a maor valor de una variable el valor de la otra variable disminue, como se muestra en la figura B. La forma de una asociación puede ser además lineal, curva, cuadrática, estacional o cíclica, o quizás no tenga una forma definida. En la figura A podemos decir que la relación es lineal. En cambio en las figuras B D parece no lineal. Por último la figura C muestra que no ha asociación. Por el grado de asociación entendemos cuán cerca están los datos de una forma dada. Por ejemplo, en la figura B se ve que eiste un alto grado de asociación no lineal entre los datos. En este punto debemos tener cuidado, porque cambios de escala pueden cambiar la figura nos pueden llevar a conclusiones erróneas. Más adelante discutiremos sobre una medida de asociación llamada el coeficiente de correlación. Por último, al mirar un gráfico de dispersión nos van a interesar puntos que aparecen lejos o desviados del patrón general del gráfico. En la figura A, el punto (, 9) está lejos del resto de los puntos, sin embargo parece seguir el patrón general del gráfico. Como resumen de las figuras tenemos lo siguiente: Figura A: muestra un grado de asociación intermedio, positivo lineal. Figura B: muestra un grado de asociación fuerte, negativo no lineal o curvo. Figura C: muestra que no ha asociación entre las variables. Figura D: muestra un grado de asociación mu fuerte no lineal o cuadrático. Figure A: Positive Association Figure B: Negative Association Figure C: No Linear Association Figure D: No Linear Association Interprete el gráfico de las notas anterior.
3 Página de Correlación: Cuán fuerte es la relación lineal? Definición: El coeficiente de correlación muestral r mide el grado de asociación lineal entre dos variables cuantitativas. Describe la dirección de la asociación lineal e indica cuán cerca están los puntos a una línea recta en el diagrama de dispersión. Nota: El coeficiente de correlación muestral poblacional ρ (parámetro). r = ρˆ es un estimador puntual de la correlación Características:. Rango: El coeficiente de correlación muestral está entre - ( + ) r.. Signo: El signo de coeficiente de correlación indica la dirección de la asociación. La dirección será negativa si el r está en el intervalo [-, 0). La dirección será positiva si el r está en el intervalo (0, +].. Magnitud: La magnitud del coeficiente de correlación indica el grado de la relación lineal. Si los datos están linealmente asociados r=+ o r= indican una relación lineal perfecta. Si r= 0 entonces no eiste relación lineal.. Medida de asociación: La correlación sólo mide el grado de asociación lineal.. Unidad: La correlación se calcula usando las dos variables cuantitativas estandarizadas. Por lo que r no tiene unidad tampoco cambia si cambiamos la unidad de medida de o Y. La correlación entre e Y es la misma que la correlación entre Y. r 0, r 0, r = 0
4 Página de Asigne un posible valor de r para cada gráfico: Graph A: Graph B: Graph C: Graph D: r = 0 r = + r = - r = 0, r = -0, r = -0, r = 0, Cómo se calcula el coeficiente de correlación r?: r = ( n ) s s Y Correlación entre Test Test : Test Test Test Test
5 Página de Test de hipótesis para la correlación Supuestos: Se tienen dos variables cuantitativas e, ambas provienen de una población Normal, supuesto que no es relevante si el tamaño de la muestra n es grande. Hipótesis: H H 0 : ρ = 0 : ρ 0 Se fija el nivel de significancia α SPSS arroja el valor-p del test (Sig. bilateral). Analizar > Correlaciones > Bivariadas. Test Test Correlaciones Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Test Test.9**.00.9**.00 **. La correlación es significativa al nivel 0,0 La Tabla adjunta presenta bases de datos preparadas por el estadístico Frank Ascombe * En la salida de SPSS adjunta, encuentre los coeficientes de correlación para los pares de variables preparadas por Ascombe. Cuáles son sus conclusiones? * Anscombe, F. (97) "Graphs in statistical analsis", The American Statistician, 7: 7-.
6 Página de Y Y Y Y Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlaciones **. La correlación es significativa al nivel 0,0 (bilateral). Y Y Y Y.**.**.** **.70** **.70** ** ** ** Ahora revise los gráficos de dispersión. Mantiene sus conclusiones anteriores? Y 0 Y Y 0 Y 0 0
7 Página 7 de Regresión Lineal Simple Como a hemos visto muchos estudios son diseñados para investigar la asociación entre dos o más variables. Muchas veces intentamos relacionar una variable eplicativa con una variable respuesta. Los datos que se usan para estudiar la relación entre dos variables se llaman datos bivariados. Datos bivariados se obtienen cuando medimos ambas variables en el mismo individuo. Suponga que está interesado en estudiar la relación entre las notas de la primera prueba las notas finales. Entonces las notas en la primera prueba corresponderían a la variable eplicativa o independiente las notas finales sería la variable respuesta o dependiente Y. Estas dos variables son de tipo cuantitativo.si el gráfico de dispersión nos muestra una asociación lineal entre dos variables de interés, entonces buscaremos una línea recta que describa la relación, la llamaremos recta de regresión. Un poco de historia El nombre de regresión deriva de los estudios de herencia de Francis Galton, quien en * publica la le de la "regresión universal". En sus estudios Galton encontró que había una relación directa entre la estatura de padres e hijos. Sin embargo, el promedio de estatura de hijos de padres mu altos era inferior al de sus padres, el de hijos de padres mu bajos, era superior al de los padres, regresando a una media poblacional. De ahí viene el nombre de regresión. Se seleccionó a 7 alumnas de la carrera de Psicología del año 00 que nos dieron sus datos de estatura (en cms) de peso (en kilos). Estatura Peso 7 * Galton, F. () "Regression Towards Mediocrit in Hereditar Stature," Journal of the Anthropological Institute, :- ( -jaigi-regression-stature.pdf)
8 Página de peso estatura Ajustando una recta a los datos: Si queremos describir los datos con una recta tenemos que buscar la "mejor", porque no será posible que la recta pase por todos los puntos. Ajustar una recta significa buscar la recta que pase lo más cerca posible de todos los puntos. Ecuación de la recta: Suponga que Y es la variable respuesta (eje vertical) es la variable eplicativa (eje horizontal). Una línea recta relaciona a Y con a través de la ecuación: Y = a+ b. En la ecuación, b es la pendiente, cuanto cambia Y cuando aumenta en una unidad. La pendiente puede tener signo positivo, negativo o valor cero. El número a es el intercepto, el valor de Y cuando se iguala a cero. Y b positivo b negativo b = 0 b a b a b = 0 a Si queremos relacionar al peso con la estatura entonces la línea recta será: peso = a + b estatura. La recta de regresión que resume el peso con la estatura es: peso =,7 + 0,0 estatura.
9 Página 9 de peso estatura La figura muestra que la línea ajusta más o menos bien a los datos. La pendiente b = 0, 0 nos dice que el peso de este grupo aumenta en 0,0 kilos por cada centímetro que aumente de estatura. La pendiente b es la tasa de cambio en la respuesta Y cuando cambia. La pendiente de la recta de regresión es una descripción numérica importante de la relación entre dos variables. El intercepto es a =, 7, que sería el peso si la estatura fuera cero. En este caso, el cero de estatura no tiene sentido, así es que tomaremos al intercepto sólo como parte de la ecuación. Regresión de mínimos cuadrados Necesitamos una forma objetiva de obtener una recta que esta pase por la maoría de los puntos. Definición: La recta de regresión de mínimos cuadrados, dada por Y ˆ = a+ b, es la recta que hace mínima la suma de los cuadrados de las desviaciones verticales de los datos a la recta, donde b = ( i )( i ) ( i ) a = b Una forma fácil de calcular la pendiente es: respuestas s es la desviación estándar de la variable eplicativa. sy b = r donde s es la desviación estándar de las s El método de mínimos cuadrados fue publicado por el matemático francés Adrien Legendre (7-) en 0. Este método es una de las herramientas estadísticas más usadas.
10 Página 0 de Test vs Test. Test Test Test Test Podemos usar los cálculos de la correlación para calcular la pendiente: s,07 b = r = 0,97 =, a = b =, = 0, s,77 Con estos valores podemos construir la recta de regresión de mínimos cuadrados: Yˆ = 0, +,. Interpretación de los coeficientes de regresión: Pendiente: b =, ==> cada punto adicional en el test, significa un aumento de, puntos en el test en promedio. Intercepto: a = 0, ==> Si asignamos el valor cero puntos al test, el test tendría un valor de 0, puntos. Si usamos la recta de regresión, podemos predecir que un estudiante que tiene puntos en el test tendrá Y ˆ = 0, +,() = 7, puntos en el test. Definición: Un residuo es la diferencia entre la respuesta observada, Y, la respuesta que predice la recta de regresión, Ŷ. Cada par de observaciones ( i, Y i ), es decir, cada punto en el gráfico de dispersión, genera un residuo: residuo = Y observado Y estimado El i-ésimo residuo = e = Y Yˆ = Y ( a+ b ) i i i i i
11 Página de Predicción: Podemos usar la recta de regresión para predicción substituendo el valor de en la ecuación calculando el valor Ŷ resultante. En el ejemplo de las estaturas: Yˆ =,7 + 0, 0. La eactitud de las predicciones de la recta de regresión depende de que tan dispersos estén las observaciones alrededor de la recta (ajuste). Etrapolación: Etrapolación es el uso de la recta de regresión para predecir fuera del rango de valores de la variable eplicativa. Este tipo de predicciones son a menudo poco precisas. Por ejemplo los datos de peso estatura fueron tomados de un grupo de alumnas de Psicología del año 00 que tenían entre años. Cuánto debe haber pesado una persona si al nacer midió centímetros? "No deje que los cálculos invadan su sentido común". (Moore, 99). Tarea: Calcular los residuos de la regresión, Cuánto vale la suma de los residuos? Los residuos muestran cuán lejos están los datos de la línea de regresión ajustada, eaminar los residuos nos auda a saber qué tan bien describe la recta a los datos. Los residuos que se generan a partir del método de mínimos cuadrados tienen una propiedad básica: el promedio de los residuos es siempre cero. Volvamos al ejercicio con las estaturas pesos de 7 alumnas. La recta de regresión la podemos calcular usando el SPSS con la salida: En SPSS Analizar > Regresión > Lineal Modelo Coeficientes(a) Coeficientes no estandarizados Coeficientes estandarizados t Sig. B Error típ. Beta (Constante) estatura a Variable dependiente: peso También podemos hacer un gráfico con los residuos versus la variable eplicativa. El gráfico de los residuos magnifica las desviaciones de los datos a la recta, lo que auda a detectar problemas con el ajuste. Si la recta de regresión se ajusta bien a los datos no deberíamos detectar ningún patrón en los residuos.
12 Página de La figura A adjunta muestra un gráfico de residuos típico, generalmente se dibuja una línea horizontal en el cero. La figura B en cambio muestra que la relación entre e Y es no lineal, por lo tanto una línea recta no es buena descripción de la asociación. La figura C muestra residuos en forma de embudo, donde la variación de Y alrededor de aumenta cuando aumenta. Figura A: Figura B: Figura C: Los estudiantes de una clase de Física están estudiando la caída libre para determinar la relación entre la distancia desde que un objeto cae el tiempo que demora en caer. Se muestra el gráfico de dispersión de los datos obtenidos, el gráfico de residuos. Basado en estos gráficos, Le parece apropiado un modelo de regresión lineal?
13 Página de Puntos influentes etremos Un punto etremo es una observación que está lejos de la línea recta, lo que produce un residuo grande, positivo o negativo. Un punto es influente si al sacarlo produce un cambio notorio en la recta de regresión. Considere el siguiente conjunto de datos I su gráfico de dispersión correspondiente. Y Punto A Modelo (Constante) a. Variable dependiente: Coeficientes no estandarizados Coeficientes a Coeficientes estandarizad os B Error típ. Beta t Sig Modelo (Constante) a. Variable dependiente: Coeficientes no estandarizados Coeficientes a Coeficientes estandarizad os B Error típ. Beta t Sig
14 Página de 7 Punto A Y Recta con A Y = 0,9+0, Recta sin A Y = 0,0+, El punto A produce un residuo grande, parece ser un punto etremo. Sin embargo, no es influente, a que al sacarlo la recta de regresión no cambia mucho. Considere ahora el siguiente conjunto de datos II su gráfico de dispersión: Y Punto B 7
15 Página de Modelo (Constante) a. Variable dependiente: Coeficientes no estandarizados Coeficientes a Coeficientes estandarizad os B Error típ. Beta t Sig Modelo (Constante) a. Variable dependiente: Coeficientes no estandarizados Coeficientes a Coeficientes estandarizad os B Error típ. Beta t Sig Punto B Y Recta con B Y=0,+0, Recta sin B Y=,9-0, Punto B no produce un residuo grande.
16 Página de Sin embargo, el punto B es mu influente a que la sacarlo del análisis la línea recta cambia totalmente. El Punto B es influente, pero no etremo. Notas: a) La asociación entre una variable eplicativa una variable respuesta Y, aunque sea mu fuerte, no es por sí sola evidencia de que los cambios en causan cambios en Y. b) Un coeficiente de correlación es el resumen de la relación presente en un gráfico de dispersión. Conviene, pues, asegurarse mirando este gráfico que el coeficiente es un buen resumen del mismo. Tratar de interpretar un coeficiente de correlación sin haber visto previamente el gráfico de las variables puede ser mu peligroso (Peña, Romo, p.9). c) Como hemos visto el coeficiente de correlación es un resumen del gráfico de dispersión entre dos variables. La recta de regresión es otra manera de resumir esta información, su parámetro fundamental, la pendiente, está relacionado con el coeficiente s de correlación por la ecuación: Y b = r. La diferencia entre regresión correlación es que s en el cálculo de la correlación ambas variables se tratan simétricamente, mientras que en la regresión, no. En regresión se trata de prever la variable respuesta en función de los valores de la variable eplicativa. En consecuencia, si cambiamos el papel de las variables cambiará también la ecuación de regresión, porque la recta se adaptará a las unidades de la variable que se desea predecir (Peña, Romo, p.).
Gráfico de Dispersión de Notas en la Prueba 1 versus Notas en la Prueba Final Acumulativa de un curso de 25 alumnos de Estadística en la UTAL
0. Describiendo relaciones entre dos variables A menudo nos va a interesar describir la relación o asociación entre dos variables. Como siempre la metodología va a depender del tipo de variable que queremos
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesRegresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010
Regresión Lineal Dra. Noemí L. Ruiz Limardo 008 Derechos Reservados, Rev 010 Objetivos de la Lección Conocer el significado de la regresión lineal Determinar la línea de regresión cuando ha correlación
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 detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
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 detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesTécnicas de Investigación Social
Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro
Más detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detalles1. Cómo introducir datos en SPSS/PC? - Recordatorio
1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesCORRELACIÓN Y REGRESIÓN. Raúl David Katz
CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
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 detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesConstrucción de Gráficas en forma manual y con programados
Universidad de Puerto Rico en Aguadilla División de Educación Continua y Estudios Profesionales Proyecto CeCiMaT Segunda Generación Tercer Año Título II-B, Mathematics and Science Partnerships Construcción
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detalles5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
Más detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesSOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
Más detallesEstadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
Más detallesAnálisis de datos en los estudios epidemiológicos III Correlación y regresión
Análisis de datos en los estudios epidemiológicos III Correlación y regresión Salinero. Departamento de Investigación Fuden Introducción En el capitulo anterior estudiamos lo que se denomina estadística
Más detallesJesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple
Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización
Más detallesLocalizando pares ordenados
DMINI DE ÁLGEBRA: Curso I MÓDUL 2: Ecuaciones funciones lineales Localizando pares ordenados Realiza las siguientes actividades, mientras trabajas con el tutorial.. La recta numérica horizontal se conoce
Más detallesMedidas descriptivas I. Medidas de tendencia central A. La moda
Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
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 detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detallesRELACION, ELONGACION-PESO DE UN RESORTE
RELACION, ELONGACION-PESO DE UN RESORTE Tatiana Ortiz 1, Natalie Díaz 2, Silvia Alvarado 3, Juan Felipe Mateus 4 Estudiante Microbiología Industrial- lady.ortiz@javeriana.edu.co Estudiante Biología natalie.diaz@javeriana.edu.co
Más detallesLa relación entre x y y es lineal, y el participante debe analizar esta tendencia lineal, según lo muestran los datos que recopilará.
Introducción: Pasar al experimento que permitirá la recolección de datos, para x: determinado número de liguillas, se mide la distancia que la figura recorrió (en cm.) Para cada valor de x, deben repetir
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detalles3. Correlación. Introducción. Diagrama de dispersión
1 3. Correlación Introducción En los negocios, no todo es el producto, pueden existir factores relacionados o externos que modifiquen cómo se distribuye un producto. De igual manera, la estadística no
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 detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesAnálisis de regresión lineal simple
Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable
Más detallesESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos:
ESTADISTICA Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: a) Estadística como enumeración de datos. b) Estadística como descripción, es decir, a través de un análisis
Más detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 5: Análisis de datos cuantitativos I: estadística descriptiva b. Análisis bivariante OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2
Más detallesDoc. Juan Morales Romero
Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica
Más detallesMatemáticas. Selectividad ESTADISTICA COU
Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesViernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo
Viernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo Favor de abrir el navegador Mozilla Firefox y escriba la siguiente dirección http://math.uprag.edu/area.mtw
Más detallesVariables estadísticas bidimensionales: problemas resueltos
Variables estadísticas bidimensionales: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO
Más detallesLa desviación típica y otras medidas de dispersión
La desviación típica y otras medidas de dispersión DISPERSIÓN O VARIACIÓN La dispersión o variación de los datos intenta dar una idea de cuan esparcidos se encuentran éstos. Hay varias medidas de tal dispersión,
Más detallesGUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesTipos de gráficas y selección según los datos CIENCIA, TECNOLOGIA Y AMBIENTE
Tipos de gráficas y selección según los datos CIENCIA, TECNOLOGIA Y AMBIENTE Objetivos 2 Identificar los tipos de gráficas. Definir los conceptos tablas y cuadros Reconocer las partes de una gráfica. Construir
Más detallesTema 11: Integral definida. Aplicaciones al cálculo de áreas
Tema 11: Integral definida. Aplicaciones al cálculo de áreas 1. Introducción Las integrales nos van a permitir calcular áreas de figuras no geométricas. En nuestro caso, nos limitaremos a calcular el área
Más detallesMANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02
GRÁFICAS EXPERIENCIA N René Descartes "Consideraría que no sé nada de Física si tan sólo fuese capaz de epresar cómo deben ser las cosas, pero fuese incapaz de demostrar que no pueden ser de otra manera
Más detallesTema 2: Estadísticos. Bioestadística. U. Málaga. Tema 2: Estadísticos 1
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 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 detallesDiagramas de Dispersión simples
Ayuda SPSS-Diagrama de Dispersión-Inserción Recta de Regresión -1- AYUDA SPSS DIAGRAMA DE DISPERSIÓN e INSERCIÓN DE LA RECTA DE REGRESIÓN Ruta Cuadros de Diálogos Autor: Prof. Rubén José Rodríguez 1 de
Más detallesActividades para el logro de las tareas de desempeño Día:1 Día:2 Día:3 Día:4 Día:5
Semana 1 Semana 2,, ES.A.18.1 Las ecuaciones lineales. Actividades para el logro de las tareas de desempeño Día:1 Día:2 Día:3 Día:4 Día:5 Cómo determinar e interpretar el concepto pendiente de una recta.
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2006 MATEMÁTICAS II TEMA 4: FUNCIONES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 006 MATEMÁTICAS II TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva,
Más detallesRelación entre la altura y la distancia del suelo al ombligo
Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
Más detallesDiagrama de Distribución (Scatter Diagram)
Sociedad Latinoamericana para la Calidad Diagrama de Distribución (Scatter Diagram) Definir Medir Analizar Mejorar Controlar Creatividad Reunión de Datos Anàlisis de Datos Toma de Decisión Planeación Trabajo
Más detallesEjemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos
Más detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesApuntes y ejercicios de Estadística para 2º E.S.O
Apuntes y ejercicios de Estadística para 2º E.S.O 1 Introducción La Estadística es la ciencia que se encarga de recoger, organizar, describir e interpretar datos referidos a distintos fenómenos para, posteriormente,
Más detallesTema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.
Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones
Más detallesFunciones 1. D = Dom ( f ) = x R / f(x) R. Recuerda como determinabas los dominios de algunas funciones: x x
Funciones. DEFINICIÓN Y TERMINOLOGÍA.. Definición de función real de variable real. "Es toda correspondencia, f, entre un subconjunto D de números reales y R (o una parte de R), con la condición de que
Más detalles7.FUNCIÓN REAL DE VARIABLE REAL
7.FUNCIÓN REAL DE VARIABLE REAL 7.1 CONCEPTOS PREVIOS Dados dos conjuntos A={ 1,, 3,...} y B={y 1, y, y 3,...}, el par ordenado ( m, y n ) indica que el elemento m del conjunto A está relacionado con el
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS
INTRODUCCIÓN AL ANÁLISIS DE DATOS HORARIOS: Lunes, 12:00-13:30 Martes, 8:15-9:45 Jueves, 8:15-9:45 Tema 1. Introducción. El análisis de datos dentro de la estadística. Características de los datos socioeconómicos.
Más detallesBioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión
Bioestadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en
Más detallesY accedemos al cuadro de diálogo Descriptivos
SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas
Más detalles2º ESO UNIDAD 14 ESTADÍSTICA Y PROBABILIDAD
º ESO UNIDAD 1 ESTADÍSTICA Y PROBABILIDAD 1 1.- CONCEPTOS BÁSICOS Estadística.- Es la ciencia que estudia conjuntos de datos obtenidos de la realidad. Estos datos son interpretados mediante tablas, gráficas
Más detallesMedidas de Tendencia Central.
Medidas de Tendencia Central www.jmontenegro.wordpress.com MEDIDAS DE RESUMEN MDR MEDIDAS DE TENDENCIA CENTRAL MEDIA MEDIANA MODA CUARTILES,ETC. MEDIDAS DE DISPERSIÓN RANGO DESVÍO EST. VARIANZA COEFIC.
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS II TEMA 4: FUNCIONES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 05 MATEMÁTICAS II TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva, Ejercicio,
Más detallesINSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA:
INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMATICAS. ASIGNATURA: MATEMATICAS. NOTA DOCENTE: EDISON MEJIA MONSALVE TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO FECHA N DURACION
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesMedidas de tendencia central y dispersión
Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 3, Marzo 2011. Open Access, Creative Commons. Medidas de tendencia central y dispersión Autor: Fernando Quevedo Ricardi (1) Filiación:
Más detallesLaboratorio Nº 1 La Descripción Gráfica de la Ecuación Diferencial Ordinaria
Universidad Diego Portales Segundo Semestre 007 Facultad de Ingeniería Instituto de Ciencias Básicas Asignatura: Ecuaciones Diferenciales Laboratorio Nº 1 La Descripción Gráfica de la Ecuación Diferencial
Más detallesLos estadísticos descriptivos clásicos (Robustez)
Los estadísticos descriptivos clásicos (Robustez) MUESTRA 0 0 4 6 8 9 MUESTRA 0 0 4 6 8 57 Nº CASOS Media Mediana Moda Desviación Simetría Curtosis MUESTRA,85 4,74 0, -0.688 MUESTRA 6,77 4.8.7.77 Ambas
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesMATEMÁTICAS APLICADAS A LAS CC. SOCIALES I. Examen de la tercera evaluación. Nombre y apellidos Fecha: 10 de junio de 2010
IES ATENEA San Sebastián de los Rees MATEMÁTICAS APLICADAS A LAS CC. SOCIALES I Eamen de la tercera evaluación Nombre apellidos Fecha: 0 de junio de 00.- (, 5 puntos) En seis modelos de zapatillas deportivas
Más detallesEstadística Descriptiva Métodos descriptivos visuales y medidas resumen
6 Estadística Descriptiva Métodos descriptivos visuales y medidas resumen Las técnicas de la estadística descriptiva pueden aplicarse tanto a datos muestrales como a datos poblacionales. Tipos de datos.
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesVariables estadísticas bidimensionales
Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO
Más detalles5 Continuidad y derivabilidad de funciones reales de varias variables reales.
5 Continuidad y derivabilidad de funciones reales de varias variables reales. 5.1 Funciones reales de varias variables reales. Curvas de nivel. Continuidad. 5.1.1 Introducción al Análisis Matemático. El
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesFunciones Cuadráticas en una Variable Real
en una Variable Real Carlos A. Rivera-Morales Precálculo I Tabla de Contenido Contenido adrática : Contenido Discutiremos: qué es una función cuadrática : Contenido Discutiremos: qué es una función cuadrática
Más detalles