Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
|
|
- María Elena Acuña Ortiz
- hace 7 años
- Vistas:
Transcripción
1 Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A
2 Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs / predictoras) sobre una variable de resultados (VD).
3 Qué es la regresión? El análisis de regresión: Intenta describir la naturaleza de la asociación mediante la creación de un modelo matemático de "mejor ajuste".
4 Qué es la regresión? El uso del término predicción es central. Se analiza si una variable predice (explica / impacta) a otra variable.
5 Qué es la regresión? Al utilizar la regresión lineal asumimos que: Las variables están medidas a nivel cuantitativo, y las variables se asocian de manera lineal.
6 Qué es la regresión? Ejemplo: Asociación entre: Consumo de tabaco y Pérdida de fijación dental
7 Qué es la regresión? Línea de ajuste de la asociación entre el consumo de tabaco (número de cigarros fumados por día) y la pérdida de fijación dental (en mm). N = 28 fumadores. smoking amount and attachment level (28 smokers) mean attachment level (mm) Pérdida media de fijación dental (mm) Número de cigarros self-reported fumados cigarettes por smoked/day día (autorreporte)
8 MODELO DE REGRESIÓN LINEAL Para variables que posiblemente están asociadas (X y Y) asumimos el modelo: Coeficientes desconocidos Y = α + β X + ε α = β 0 β = β 1 Variables que observamos Parte de Y que X no explica. Es el error aleatorio que define los valores de la vida real.
9 Modelo de regresión lineal ε = error (diferencia entre lo observado y lo predicho α = β 0 Intercepto La ecuación Y = α + β X define la asociación promedio entre X e Y. β ε (x, y) β 1 Pendiente α es un valor constante e indica el punto en el que la línea cruza el eje de las ordenadas (donde X = 0). β es el valor de la pendiente. Valor predicho para Y por Xi Valor observado para Y por Xi x
10 Regresión lineal vs. Correlación La correlación es una medida de la fuerza de la asociación. ρ 2 (coeficiente de determinación) puede describirse como el porcentaje de variación en Y que es explicado por la variación en X. La regresión intenta describir la forma de la asociación. El parámetro β (la pendiente) está relacionada con ρ: Y X
11 Encontrar la línea del mejor ajuste Para encontrar la línea que ajuste mejor se evalúa qué tan cercanamente se ajusta cada una de las posibles líneas a los datos observados. Para ello se calculan las distancias verticales de todos los puntos (x,y) a la línea. Estas distancias se llaman residuales y corresponden al error, e i.
12 Encontrar la línea del mejor ajuste x La línea de mejor ajuste se define como aquélla en la que la suma de los cuadrados de los residuales es mínima.
13 Encontrar la línea del mejor ajuste Los coeficientes de la línea de mejor ajuste, a y b (las estimaciones de α y β, respectivamente), pueden calcularse con las fórmulas: ( x x)( y i i i b ( x x) 2 i i y) a y bx
14 Ejemplo: Pérdida de fijación dental y cigarros fumados por día mean attachment level (mm) Pérdida media de fijación dental (mm) Consumo de tabaco y pérdida de fijación dental (28 fumadores) smoking amount and attachment level (28 smokers) Número de self-reported cigarros fumados cigarettes por smoked/day día (autorreporte)
15 Ejemplo: Pérdida de fijación dental y cigarros fumados por día Coef ficients a α Model Unstandardized Coefficients B Std. Error Standardized Coefficients Beta t Sig. 1 (Constant) β a. cigar ettes sm oked/day Dependent Variable: mean attachment level Este resultado de SPSS dice que: a = 2.319, b = La línea de mejor ajuste es: Y = X Donde Y = nivel promedio de fijación y X = cigarros fumados por día.
16 Ejemplo: Pérdida de fijación dental y cigarros fumados por día Y = X puede interpretarse como: Cada cigarro fumado extra por día se asocia con una pérdida adicional de mm de fijación dental." También : Cada paquete fumado al día (20 cigarros) se asocia con una pérdida adicional de = 1.34 mm de fijación dental."
17 Las predicciones basadas en regresión La mejor estimación (estimación puntual o predicción) de Y a partir de X es: y = a + bx Ejemplo: Qué nivel de fijación dental tendrá alguien que fuma 30 cigarros al día?
18 Utilización del modelo estimado para predecir La mejor estimación del nivel de pérdida de fijación dental promedio de las personas que fuman 30 cigarrillos / día es: Y = X Y = (0.067 x 30) = mm
19 Bondad de ajuste Una medida clave de la fuerza de la asociación es la Media Cuadrática de Error", las MCE o MSE, que es básicamente la media de los residuales elevados al cuadrado. MSE 1 n 2 e 1 n 2 y i ( a i ) 2 i i bx i Si este valor es pequeño con respecto a la varianza de la muestra de y s, entonces se considera que el modelo de regresión es una buena explicación de la asociación. 2
20 Bondad de ajuste La MCE o MSE también se utiliza para estimar el error estándar (ES) de b. SE( b) ( n MSE 1) 2 s x Hay que tener en cuenta que: 1. El ES(b) en la medida en que MCE 2. El ES(b) en la medida en que s x Es decir, se obtienen mejores estimaciones de β cuando la línea constituye un buen ajuste, y cuando los puntajes de X son más dispersos.
21 Bondad de ajuste El ajuste del modelo se prueba con el estadístico F: ANOVA b Model 1 Regression Residual Total Sum of Squares df Mean Square F Sig a a. Predictors: (Constant), self report cigs./day b. Dependent Variable: mean attachment level (mm) Número de cigarros fumados por día (autorreporte) Pérdida media de fijación dental (mm) Descriptive Statistics Número de cigarros fumados mean attachment por día (autorreporte) level (mm) Pérdida media de fijación self dental r eport cigs./day (mm) Mean Std. Deviation N
22 Inferencia para los coeficientes de regresión Es posible probar H0: β = 0 vs H1: β 0 utilizando el estadístico t: t b SE(b)
23 Ejemplo: Pérdida de fijación dental y cigarros fumados por día 1. Hipótesis de investigación: El autorreporte de cigarros fumados por día está relacionado con la fijación dental. 2. Hipótesis estadísticas: H0: β = 0 H1: β Prueba estadística: Prueba t para la regresión lineal.
24 Ejemplo: Pérdida de fijación dental y cigarros fumados por día 4. Regla de decisión: Puede rechazarse Ho, con p < 0.05, si t 26 > Cálculos: Model 1 (Constant) cigar ettes sm oked/day Dependent Variable: mean attachment level Coef ficients a Unstandardized Coefficients B Std. Error Standardized Coefficients Beta t Sig. t a. p( t 26 > 2.098) = 0.046).
25 Ejemplo: Pérdida de fijación dental y cigarros fumados por día 6. Resultados Se rechaza Ho. 7. Conclusión: Existe relación entre el número de cigarros fumados diariamente y la fijación dental.
26 Intervalo de confianza para β Un intervalo de confianza de 1-α para β es: b t SE( b n 2,1 / 2 b: Constante (pendiente de la línea de regresión) t: valor de t en tablas n 2: grados de libertad % de confianza: 1-α: 1-error tipo 1 / 2 (dos colas) MSE SE(b): Media cuadrática de b SE( b) 2 ) ( n 1) s x
27 Intervalo de confianza para β Ejemplo: Pérdida de fijación dental y cigarros fumados por día b = n = 28 gl = 26 α = 05/2 colas =.025 t = SE(b) = El intervalo de confianza de 95% para β es: b t SE( b n 2,1 / ± )
28 REGRESIÓN LINEAL MÚLTIPLE
29 REGRESIÓN LINEAL MÚLTIPLE La regresión múltiple es una extensión muy utilizada de la regresión lineal. El modelo de regresión lineal se puede ampliar para incluir múltiples variables independientes. Y = α + β1 X1 + β2 X βk Xk + ε. Examina el efecto de múltiples predictores X1, X2, Xk sobre una VD (Y).
30 REGRESIÓN LINEAL MÚLTIPLE Los coeficientes se estiman minimizando los residuales cuadrados. En esta situación más complicada no hay fórmulas sencillas para las estimaciones. Generalmente se utiliza una computadora para el cálculo de los coeficientes.
31 REGRESIÓN LINEAL MÚLTIPLE
32 Regresión lineal múltiple En el ejemplo del efecto del número de cigarros fumados (Y) sobre la pérdida de fijación dental (X1), se puede agregar la edad como un segundo predictor (X2): X1.402 Y X2.440
33 Regresión lineal múltiple ANOVA b Model 1 Regression Residual Total Sum of Squar es df Mean Squar e F Sig a a. Predictors: (Constant), age (yrs), self report cigs./day Edad, Número de cigarros fumados por día (autorreporte) b. Dependent Variable: mean Pérdida attachment media level de fijación (mm) dental (mm) El ajuste del modelo mejora con una segunda variable predictiva buena.
34 Regresión lineal múltiple En el ejemplo del efecto del número de cigarros fumados (Y) sobre la pérdida de fijación dental (X1), se puede agregar la edad como un segundo predictor (X2): Coef ficients a α Model 1 (Constant) Unstandardized Coefficients B Std. Error Standardized Coefficients Beta 95% Confidence Interval for B t Sig. Lower Bound Upper Bound β1 β2 self report cigs./day Número de cigarros fumados por día age (y rs) Edad a. Dependent Variable: mean attachment Pérdida level media (mm) de fijación dental (mm) Y = α + β1 X1 + β2 X2 + ε Y = X X2 + ε
35 Ejemplo 2. Regresión Múltiple Satisfacción con los restaurantes Satisfacción con los precios Satisfacción con un destino turístico Nacionalidad del turista 1 = europeos 2 = norteamericanos
36 Modelo de Regresión Múltiple 1er. paso: Obtener las correlaciones entre las VIs y la VD Satisfacción con los restaurantes r = 2.53 Satisfacción con los precios r = 0.13 Satisfacción con un destino turístico r = 2.59 Nacionalidad del turista
37 Tablas en Regresión Múltiple 2o. paso: Correr el análisis 3er. paso: Interpretar los resultados Hay tres tablas generales que deben interpretarse en los resultados del análisis de regresión. 1ª Resumen del modelo 2ª ANOVA 3ª Coeficientes
38 Regresión múltiple en SPSS 1ª tabla La información que se toma de esta tabla es el R 2, que es la proporción de variación en la VD que es explicada por las VIs. Se expresa como porcentaje. También se llama coeficiente de determinación.
39 Modelo de Regresión Múltiple Satisfacción con los restaurantes Satisfacción con los precios Nacionalidad del turista r = 2.53 r = 0.13 r = 2.59 R 2 = 12.1% Satisfacción con un destino turístico El 12.1% de la variación en la satisfacción turística total (VD) puede ser explicada por las tres VIs del modelo: satisfacción con los restaurantes, satisfacción con los precios y nacionalidad del turista.
40 Regresión múltiple en SPSS 2ª tabla La tabla prueba el modelo. Muestra si la proporción de varianza explicada en la primera tabla es significativa. También dice si el efecto total de las VIs sobre la VD es significativa.
41 Regresión múltiple en SPSS 2ª tabla En el ejemplo, la significancia (p) es.000, que es menor al nivel de.05; por tanto, se concluye que el modelo total es estadísticamente significativo, o que las variables tienen un efecto combinado significativo sobre la VD (la satisfacción total).
42 Regresión múltiple en SPSS 3ª tabla Lo primero que se ve es la significancia para determinar cuáles son los predictores significativos de (o significativamente relacionados con) la VD.
43 Regresión múltiple en SPSS 3ª tabla Los coeficientes beta estandarizados indican la fuerza y dirección de la relación (se interpretan como coeficientes de r).
44 Regresión múltiple en SPSS 3ª tabla En el ejemplo, puede observarse que la nacionalidad (p =.000) y la satisfacción con los restaurantes (p =.000) son predictores significativos de la satisfacción turística total.
45 Regresión múltiple en SPSS 3ª tabla La nacionalidad es una variable dicotómica, donde 1 = europeos, y 2 = norteamericanos. El coeficiente se interpreta como que los turistas americanos reportaron niveles más altos de satisfacción total en comparación con los europeos.
46 Redacción de resultados de Regresión múltiple Se efectuó un análisis de regresión múltiple para examinar si la nacionalidad, la satisfacción con los restaurantes y la satisfacción con los precios impactan la satisfacción total con el destino. El modelo explicó 13.3% de la varianza, lo cual resultó significativo estadísticamente, F (3,216) = 11.09, p <.001. Los datos de los predictores individuales revelaron que la satisfacción con los restaurantes (b =.25, p <.001) y la nacionalidad (b =.26, p <.001) fueron predictores significativos de la satisfacción turística total con el destino.
47 Redacción de resultados de Regresión múltiple Los niveles más altos de satisfacción con los restaurantes se asociaron con los niveles más altos de satisfacción total con el destino, y los turistas norteamericanos reportaron significativamente más satisfacción que los europeos.
Método 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. 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 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 detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
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 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 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 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 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 detallesCómo se hace la Prueba t a mano?
Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0
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 detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos 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 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 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 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 detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesEJERCICIOS PROPUESTOS - ANÁLISIS DE REGRESION MULTIPLE
EJERCICIOS PROPUESTOS - ANÁLISIS DE REGRESION MULTIPLE. En un estudio diseñado para analizar l efect de añadir avena a la dieta estadounidense tradicional, se dividieron aleatoriamente l individu en d
Más detallesCAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
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
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 detallesGUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA
GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA DATOS BÁSICOS DE LA ASIGNATURA Nombre: Titulación: Centro: Tipo: Créditos: Curso: Prerrequisitos: Profesor: Dpto.: Estadística Aplicada. Licenciatura
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 detallesAnálisis de Regresión
Análisis de Regresión por Universidad Nacional de Colombia, Sede Medellín 202 Tipos de gráficos para el análisis residuales Percen nt Normal Probability Plot of the Residuals 99 90 50 0-3.0 -.5 0.0.5 3.0
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detallesRepaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013
Repaso de estadística básica Juan D. Barón Santiago de Chile, 8 de abril de 2013 1 I. CONCEPTOS ESTADÍSTICOS BÁSICOS 2 Las decisiones se toman bajo incertidumbre Las decisiones se basan en información
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 detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
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 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 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 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 detallesTécnicas Cuantitativas para el Management y los Negocios
Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis
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 detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesAnálisis de Regresión Lineal Simple para Predicción. (Simple Linear Regression Analysis for Prediction)
Daena: International Journal of Good Conscience. 7(3) 67-81. Noviembre 2012. ISSN 1870-557X Análisis de Regresión Lineal Simple para Predicción (Simple Linear Regression Analysis for Prediction) Badii,
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 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 detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
Más detallesLAB 13 - Análisis de Covarianza - CLAVE
LAB 13 - Análisis de Covarianza - CLAVE Se realizó un experimento para estudiar la eficacia de un promotor de crecimiento en terneros en lactación. Se usaron cuatro dosis de la droga (0, 2.5, 5 y 7.5 mg).
Más detallesY = ßo + ß1X + ε. La función de regresión lineal simple es expresado como:
1 Regresión Lineal Simple Cuando la relación funcional entre las variables dependiente (Y) e independiente (X) es una línea recta, se tiene una regresión lineal simple, dada por la ecuación donde: Y =
Más detallesCAPITULO ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ En el presente capítulo se realiza el análisis estadístico multivariado de los
112 CAPITULO 5 5.- ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ 5.1. Introducción En el presente capítulo se realiza el análisis estadístico multivariado de los datos obtenidos en censo correspondientes a
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 detalles2. Análisis de varianza
1. Análisis de varianza Introducción La estadística inferencial no solo realiza estudios con una muestra, también es necesario trabajar con más de una muestra; las que pueden ser dos o más. Para cada una
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 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 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 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 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 detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesRegresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
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 detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más 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 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 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 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 detallesCURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara
CURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara Descripción: Los temas de estadística propuestos corresponden con los conocimientos mínimos que un
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
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 detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
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 detallesRegresión con variables cualitativas
3 Regresión con variables cualitativas. Introducción Hasta ahora hemos abordado el tema de la correlación y la regresión con variables cuantitativas. Sin embargo, un estudio de regresión similar puede
Más detallesAnálisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa
Análisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa Paola Ilabaca Baeza 1 José Manuel Gaete 2 paolailabaca@usal.es jmgaete@usal.es
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Abril 2013 Aniel Nieves-González () Time Series Abril 2013 1 / 15 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por
Más detallesAPUNTES DE QUIMIOMETRIA REGRESIO LINEAL
REGRESIO LINEAL APUNTES DE QUIMIOMETRIA Datos anómalos y levas en las rectas de calibrado. Regresión robusta Mínima mediana de cuadrados Recta de calibrado mediante mínimos cuadrados. Hipótesis básicas
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 detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
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 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 detallesRegresión con Variables Ficticias
apítulo XII Regresión con Variables Ficticias onceptos y Definiciones La regresión con variables ficticias (variables dummy) surge por la necesidad que tiene el investigador de involucrar variables cualitativas
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 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 detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesCURSO: Métodos estadísticos de uso frecuente en salud
CURSO: Métodos estadísticos de uso frecuente en salud Información General Versión: 2016 Modalidad: Presencial. Duración Total: 40 horas. NUEVA FECHA Fecha de inicio: 01 de octubre Fecha de término: 10
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesCapítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3
Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
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 detallesSESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesno paramétrica comparar más de dos grupos de rangos (medianas)
Kruskal-Wallis Es una prueba no paramétrica de comparación de tres o más grupos independientes, debe cumplir las siguientes características: Es libre de curva, no necesita una distribución específica Nivel
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
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 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 detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
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 detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
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 detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Más detallesMODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales
MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales 3.1. En algunas reservas naturales se controla el número Y de ejemplares de cierta especie al
Más detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detallesFINANZAS CORPORATIVAS
FINANZAS CORPORATIVAS RIESGO Y RENDIMIENTO JOSÉ IGNACIO A. PÉREZ HIDALGO Licenciado en Ciencias en la Administración de Empresas Universidad de Valparaíso, Chile TOMA DE DECISIONES Certeza: resultado real
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 detallesProbabilidad y Estadística
Probabilidad y Estadística Grupo Lunes jueves 1PM22 11:00-12:00 11:00-13:00 Prof. Miguel Hesiquio Garduño. Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com 1 de Agosto de 2011 OBJETIVO
Más detallesAnálisis de Tendencias de los indicadores en las Encuestas de Verificación Nacional Muestral
Análisis de Tendencias de los indicadores en las Encuestas de Verificación Nacional Muestral Introducción A partir de 1994, el Registro Federal de Electores ha llevado a cabo diversos ejercicios cuyo objetivo
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 detalles