Capítulo V Análisis de regresión y correlación

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Capítulo V Análisis de regresión y correlación"

Transcripción

1 Capítulo V Aálss de regresó y correlacó Itroduccó E la vestgacó estadístca es muy frecuete ecotrar varables que está relacoadas o asocadas etre sí de algua maera, como se estudó e el capítulo ateror. Exste muchas varables, e especal cuattatvas, que se relacoa e algú grado de otras, etoces es posble que ua de las varables pueda expresarse matemátcamete e fucó de la otra. Por ejemplo, el peso de las persoas está relacoada co la estatura; el tempo de servco de trabajo actvo tee relacó co la edad, u trabajador que ha acumulado por ejemplo 3 años de servco tedrá mayor edad que otro co sólo 4 años de servcos; el greso o salaro está relacoado frecuetemete co el vel educatvo; el ahorro famlar tee relacó co los gresos; la demada de u producto depederá de los precos, etc. Estadístcamete teresa aalzar la relacó etre dos o más varables, sempre que se tega u dco que etre ellas exste por lo meos certo grado de depedeca o asocacó. Lo mportate es medr y expresar fucoalmete esta relacó medate ua fucó o modelo matemátco. E el efoque del aálss de regresó se trata de predecr o explcar el comportameto de ua varable Y a la que se deoma depedete o varable respuesta, e fucó de otras varables X,..., X deomadas depedetes o varable regre- k [] 3

2 soras; así como vestgar s ellas está asocadas o correlacoadas etre s. Aálss de regresó leal smple E muchos estudos se ecesta detfcar y cuatfcar algua relacó fucoal etre ua varable Y deomada depedete y otra varable X deomada depedete. Esto se puede platear así: Y f ( X ). Es mportate detfcar cuál es la varable depedete y cuál es la varable depedete. Esto depede de la lógca y de lo que el vestgador tete medr. Así, s el Decao de ua Facultad desea aalzar la relacó etre las otas de los estudates y el tempo que los estudates dedca al estudo, es lógco asumr que las otas depede del tempo dedcado al estudo. Por tato, "otas" es la varable depedete y "tempo" es la varable depedete. A la varable depedete també se le deoma varable respuesta y a la varable depedete també se le deoma explcatva o regresora. Dagrama de dspersó E el dagrama de dspersó se represeta los pares de observacoes e el plao y es habtual colocar la varable depedete e el eje horzotal. A cotuacó se preseta alguos tpos de dagramas de dspersó Y Y X... X a) Relacó leal Postva o Drecta b) Relacó leal Negatva o Iversa 4

3 Y Y X c) No hay Relacó leal d) Relacó No Leal etre X e Y... X Como se puede ver e el gráfco (a), los valores de Y se cremeta lealmete coforme X crece. Por ejemplo, al aumetar la partda presupuestal asgada por el gobero a u colego, aumeta la posbldad de ateder ua mayor demada escolar, gráfco (a). Es dferete e el gráfco (b), porque cuado los valores de X crece, los valores de Y decrece lealmete. Así por ejemplo, cuado aumeta el úmero de horas semaales que los estudates dedca al estudo, dsmuye el úmero de horas semaales que dedca a las dstraccoes. E el gráfco (c) o hay gua relacó etre X e Y; metras que el gráfco (d) muestra ua relacó curvlíea egatva etre X e Y. Tomemos como ejemplo, la relacó etre el valor de reveta de u edfco escolar y sus años de uso; e el prmer año, el valor de reveta puede sufrr u fuerte desceso e su preco orgal, luego, el valor de reveta dsmuye co mucha meos rapdez e los años sguetes. Los gráfcos propuestos so alguos tpos de gráfcos que se podría utlzar para represetar la relacó etre dos varables; s embargo, los dagramas de dspersó o so sufcetes para determar la relacó etre ellas. Es ecesaro que utlcemos procedmetos estadístcos para determar la relacó fucoal más apropada para u cojuto de datos ( x, y ) a los que se les deoma pares de observacoes. Este tpo de gráfco se utlza para la predccó. Es decr, a partr de la relacó etre dos varables, coocer e qué medda 5

4 se matee el aumeto o crecmeto de ua varable a partr del aumeto de otra varable o vceversa. Ajuste de ua fucó de regresó: método de mímos cuadrados Ajustar ua fucó de regresó sgfca buscar o defr la fucó que exprese co mayor precsó la relacó etre las varables X e Y. Gráfcamete será aquella fucó que mejor se adecue a la ube de putos ( x, y ). E este setdo, es recomedable como prmer paso costrur el "dagrama o ube de putos", luego aalzar su forma y decdr el tpo de fucó matemátca para la ecuacó de regresó usado el método de mímos cuadrados ordaros. Sólo so ecesaros dos putos para dbujar la líea recta que represeta esta relacó leal. La ecuacó de ua recta puede expresarse como L: y bx + a, e dode a es el tercepto y b es la pedete de la recta. Esta recta queda determada medate la estmacó de los parámetros a y b. U procedmeto matemátco utlzado para estmar estos valores se deoma el método de mímos cuadrados ordaros (MCO). El método de MCO producrá ua recta, Yˆ, que se extede por el cetro del dagrama de dspersó. Los valores de Yˆ represeta a los valores estmados de la varable depedete o respuesta. La dfereca etre los valores observados de Y, y,sus respectvos valores estmados de Yˆ, y, es el error. Debdo a que alguos errores so egatvos o alguos postvos, el MCO producrá ua recta tal que la suma de esos errores sea cero, es decr, ( y yˆ ). Obteemos la estmacó de a y b por el método MCO de tal maera que el valor de ( ) SSE y yˆ sea mímo, dode: Y: es la varable depedete o respuesta, b : es la pedete de la líea, llamada també coefcete de regresó para predecr la varable Y a : es la costate. 6

5 7 Se demuestra que los valores a y b que hace mímo SSE, satsface el deomado sstema de ecuacoes ormales: + x b a y + x b x a y x De ese sstema se deduce los sguetes valores para las costates a y b : x x y x x x y a, x x y x y x b a bx y + ˆ se deoma la recta de regresó de mímos cuadrados o recta de regresó ajustada por el método de mímos cuadrados. La líea de regresó (o recta de predccó) es la líea recta que mejor represeta la tedeca de los putos e u dagrama de dspersó. La recta de regresó os permte, basádoos e los datos muestrales, estmar el valor y de ua varable Y - y deotar co ŷ - correspodete a u valor dado x para ua varable X ; es sufcete reemplazar el valor de x e la líea de regresó y ecotraremos el correspodete valor estmado para ŷ. La ecuacó geeral de la recta de regresó estmada por el método de mímos cuadrados es la sguete: bx a Y + ˆ.

6 Ejemplo 5. Co los datos de la Tabla Nº 5., se hace el dagrama de dspersó y se utlza el método de mímos cuadrados para ecotrar el coefcete de regresó leal. Cuál será el redmeto e educacó superor (Y) para u estudate co ota promedo de redmeto e secudara (X)?. Tabla 5.: Redmeto académco e secudara y e educacó superor de u grupo de alumos ESTUDIANTES Notas e secudara Redmeto e x educacó superor y Solucó Usado los comado del SPSS hacemos el dagrama de dspersó presetado e la Fgura Nº 5.. a) Creamos la base de datos co las dos varables y seleccoamos los comados sguetes. b) GRAPHS/INTERATIVE/SCATTER/colocar e el eje X la varable NOTAS DE SECUNDARIA y e el eje Y la varable RENDIMIENTO EN EDUCACIÓN SUPERIOR/ FIT/ e FIT LINE escoger TOTAL/ACEPTAR. 8

7 Fgura Nº 5.: Dagrama de dspersó de redmeto e secudara y redmeto e superor de u grupo de alumos Redmeto e secudara Redmeto e superor c) Se realza los cálculos ecesaros para estmar a y b : x y x x y a 8 8 y 8 x x 8 x 8 8 x x y , 8 44 ( 6) b x y x ( 6) x x y , 9

8 y luego la recta de regresó estmada por el método de mímos cuadrados, de Y sobre X es la sguete: Yˆ X S u estudate obtee u redmeto de e secudara, etoces su redmeto esperado e educacó secudara se obtee reemplazado el valor dado para X ( ) e la recta defda, es decr: Yˆ Etoces, podemos estmar que u estudate que obtuvo u redmeto e secudara de, obtedrá aproxmadamete.83 e educacó superor. Ejemplo 5. Se trata de u estudo sobre el redmeto escolar. Se desea ajustar la recta de regresó etre los años de escolardad de la madre (X) y las calfcacoes de sus hjos e ua prueba de matemátcas. Los datos so los sguetes: Estudates Años de escolardad de Calfcacoes de los hjos la madre e ua prueba de ( x ) Matemátca ( y )

9 Solucó a) El dagrama de dspersó os dca que exste ua buea relacó etre las varables. Años de escolardad de la madre y calfcacoes de los hjos e ua prueba de matemátca Calfcacoes e matemátca Años de escolardad de la madre Se observa que exste ua relacó drecta y postva etre los años de escolardad de la madre y las calfcacoes e ua Prueba de matemátca de los hjos. b) E el sguete cuadro se preseta los cálculos auxlares para ecotrar los coefcetes de la ecuacó de regresó. Estudates x y x y x y Totales

10 y x x x y a 8 8 x x (48)(83) (9(9) 5.5 5(83) (9) x y x y (5)(9) (9)(48) b.78. 5(83) (9) x x La ecuacó de regresó que va a servr para predecr el desempeño de los hjos e fucó de los años de escolardad de la madre es la sguete: Yˆ X. Ejemplo 5.3 Resolveremos el ejemplo 5. co el auxlo del SPSS. Solucó Presetamos la solucó co el auxlo del SPSS, pero prevamete se tee que crear la base de datos. a) Para hacer el dagrama de dspersó se ejecuta los sguetes comados: GRAPHS/INTERATIVE/SCATTER/colocar e el X la varable AÑOS DE ESCOLARIDAD y e el eje Y la varable REN- DIMIENTO/ FIT/ e FIT LINE escoger TOTAL/ACEPTAR. b) Para ecotrar la ecuacó de la recta de regresó, los comados so los sguetes: ANALYZE / REGRESSION/LINEAR/ e DEPENDENT escoger CALIFICACIONES y e INDEPENDENT escoger AÑOS DE ESCOLARIDAD/ STATISTICS/ actvar ESTIMA- TES y MODEL FIT/OK.

11 El output del SPSS muestra lo sguete. Lear Regresso y * X R-Square.8 Y X Coeffcets a Ustadardzed Coeffcets Stadardzed Coeffcets Model B Std. Error Beta t Sg. (Costat) Años de escolardad de la madre a. Depedet varable: Calfcacoes e ua prueba de matemátca b a La recta de regresó leal smple ajustada por el método de mímos cuadrados es: Yˆ X, 3

12 dode, mateedo costate la varable años de escolardad de la madre au podemos estmar la calfcacó promedo de los hjos e la prueba de matemátca, e 5.54 putos. U cremeto e los años de escolardad de la madre de u año, por ejemplo, es acompañado por u cremeto e la calfcacó de sus hjos e la prueba de matemátca e.784 putos. Pruebas de hpótess La ecuacó de regresó leal smple dca que el valor medo o esperado de y es ua fucó leal de X : E ( y) a + bx. S el valor de b o es gual a cero, llegamos a la coclusó de que las dos varables se relacoa. Así, para probar s hay algua relacó mportate debemos efectuar ua prueba de hpótess para determar s el valor de b o es gual a cero. Exste dos pruebas que se usa co más frecueca. E ambas se requere ua estmacó de σ. Prueba t La prueba t se utlza para probar la sgfcaca de los parámetros e el modelo de regresó leal smple. Usaremos los datos de la muestra para obteer las sguetes hpótess acerca del parámetro b : Paso : Se platea como hpótess ula que el coefcete b es gual a cero y la hpótess alteratva ega dcho eucado. H : b H : b Paso : La estadístca de prueba bˆ t tee dstrbucó t ( ) S b ˆ 4

13 dode: bˆ : estmador del parámetro b. S S ˆ es la desvacó estádar de b bˆ. X X ( ) Co los datos de la muestra se ecuetra el valor de la estadístca de prueba, t c. Paso 3: [ ] α. E la ta- Para u vel de sgfcaca α, P t( ) < t bla - t-studet se obtee t teórco. Paso 4: teórco Rechazamos H s t c < t α / o t c > t α /. Co el valor p - valor: Rechazamos H s el valor p - valor < α, dode t α / se basa e ua dstrbucó t co grados de lbertad. S se Rechaza H la coclusó será que b y que hay ua relacó estadístcamete sgfcatva etre las dos varables. S embargo, s o se puede rechazar H, o tedremos la evdeca sufcete para decr que exste ua relacó sgfcatva. Resume de las hpótess, estadístca de prueba y regla de decsó: Hpótess Estadístca de prueba Regla de decsó Rechazar la hpótess ula, s: H : b H : b > H : b H : b < H : b H : b t bˆ t c > t( α ) S b ˆ t t bˆ S b ˆ bˆ t c < t S b ˆ ( α ) t c < t α / o t c > t α / 5

14 Ejemplo 5.4 Utlzado la formacó del ejemplo 5.3 realzaremos la pruebas de hpótess acerca del parámetro b. Solucó Paso : E la hpótess ula se postula que el grado de escolardad de la madre o explca el comportameto de las calfcacoes de los estudates: H : b H : b Paso : El valor de la estadístca de prueba se calcula co los resultados del SPSS, Coeffcets a Ustadardzed Coeffcets Stadardzed Coeffcets Model B Std. Error Beta t Sg. (Costat) ESCOLARI a. Depedet varable: CALIFICA b a Sb ˆ Sa ˆ El valor de la estadístca de prueba es: t c bˆ S bˆ, ,8 6

15 [ ] 975 < teórco Paso 3: Para α,5, P t() 5 t.. E la tabla t co 5 grados de lbertad se ecuetra el valor de t c Paso 4: Como t c > t, , rechazamos H y coclumos que es sgfcatvo e el modelo, cosderado u vel de sgfcacó de.5. Aálss de correlacó leal Tpos de correlacó leal Y Y X X a) Correlacó postva b) Correlacó egatva Y c) Correlacó ula Correlacó postva o drecta Se dce que la correlacó etre dos varables X e Y es postva o drecta, cuado al aumetar la medda de ua de las varables, la otra varable també aumeta, esto se puede observar e el gráfco (a). 7

16 Ejemplo 5.5 E la Tabla Nº 5.3 os muestra las putuacoes e Lteratura (X), y las putuacoes e Leguaje (Y ) de u grupo de alumos de u Cetro Educatvo. Haremos el dagrama de dspersó de estas dos varables. Tabla Nº 5.3: Putuacoes e Lteratura vs Putuacoes e Leguaje de u grupo de alumos Nº SUJETO x y Solucó Dseñado el dagrama de dspersó para las varables e estudo teemos: Fgura Nº 5. Putuacoes e Lteratura y Leguaje de u grupo de alumos Putuacoes e Lteratura Putuacoes e Leguaje 8

17 Como se puede observar, cuado aumeta el valor de la varable X també aumeta el valor de la varable Y, de esto se cocluye que exste correlacó postva o drecta etre las putuacoes e Lteratura y putuacoes e Leguaje. Correlacó egatva o versa Se dce que la correlacó etre dos varables X e Y es versa o egatva, cuado al aumetar la medda de ua de las varables, los valores de la otra dsmuye, esto se puede observar e el gráfco (b). Ejemplo 5.6 La Tabla Nº 5.4, os muestra las putuacoes e Lteratura (X) y las putuacoes e Matemátca (Y) de u grupo de alumos de u determado Cetro Educatvo. Haremos el dagrama de dspersó. Tabla Nº 5.4: Putuacoes e Lteratura vs Putuacoes e Matemátca de u grupo de alumos alumos x y

18 Solucó Realzamos el dagrama de dspersó de las putuacoes e matemátca y lteratura; el output del SPSS os muestra la sguete fgura. Fgura Nº 5.3 Putuacoes e Lteratura y Matemátca de u grupo de alumos Putuacoes e Lteratura Putuacoes e Matemátca Como se puede aprecar, frete al aumeto de las putuacoes e lteratura (X ) dsmuye las putuacoes e matemátca (Y ), etoces la correlacó etre X e Y es egatva o versa. Correlacó ula La correlacó es ula, cuado las varables o está correlacoadas etre sí, esto lo podemos observar e el gráfco (c). Ejemplo 5.7 E la Tabla Nº 5.5 la varable X correspode a las putuacoes e Deporte y la varable Y correspode a las putuacoes e Matemátca de u grupo de alumos. 3

19 Tabla Nº 5.5: Putuacoes e deporte vs. putuacoes e matemátca de u grupo de alumos Nº sujeto x y Solucó Realzado el dagrama de dspersó para las varables X e Y teemos: Fgura Nº 5.4: Putuacoes e Deporte e Matemátca de u grupo de alumos Putuacoes e Deporte Putuacoes e Matemátca Como se puede aprecar o exste ua relacó leal etre las putuacoes e deporte (X ) y las putuacoes e matemátca (Y ). 3

20 Coefcete de correlacó de Pearso (r) Obtecó del coefcete El objetvo del aálss de correlacó de Pearso es medr la tesdad de la asocacó observada etre dos varables cuattatvas. També, represeta la magtud de la relacó leal etre dos varables. Promedo de los valores estadarzados Alguas pregutas que puede respoderse co el coefcete de correlacó de Pearso so las sguetes: Los estudates que lee más rápdo que otros, tede també a teer mejor redmeto e el curso de matemátcas?. Se relacoa drectamete el tempo de servcos e la doceca de los profesores co el salaro promedo que recbe?. Los alumos que tee altos coefcetes de telgeca tede a teer otas altas e los cursos de leguaje y lteratura?. El coefcete de correlacó de Pearso se utlza e el aálss de formacó cuattatva cuado se desea medr la asocacó leal etre dos varables cuattatvas. Sus valores varía etre + y -. El valor de +, dca ua relacó leal drecta y perfecta; el valor -, ua relacó leal versa y perfecta. El valor, dca auseca de relacó leal. Para obteer este coefcete hay ua gra varedad de expresoes matemátcas que so equvaletes destacado las sguetes: a ) Para putuacoes drectas Sea { x,..., x } e { y,..., y } cojuto de pares de observacoes de las varables X e Y. A cotuacó, e forma geeral se preseta los cálculos auxlares que faclta la obtecó del coefcete de correlacó de Pearso y que posterormete se lustarará co ejemplos. 3

21 Idvduos x y x x y x x y x 3 x3 y3 x 3 y x y y x y y x y y3 x 3 y x y y x Totales x y x x y y x y Luego, la fórmula para calcular el coefcete de correlacó de Pearso es la sguete: r x y ( x )( y ) [ x ( x ) ] y ( y ) [ ] b) Para putuacoes Z (putuacoes típcas) S los valores observados de la muestra prevamete ha sdo tpfcados segú las sguetes fórmulas: z y y y dode sy x x, y y, s x ( x x), s y z x x x y sx ( y y) el coefcete de correlacó de Pearso toma la sguete forma: r z x z y 33

22 luego, medate ua prueba de hpótess, comprobar s es mayor de lo que podría esperarse solamete por casualdad. Propedades El valor de r va de - a +, de dode se deduce que: a) S r >, exste correlacó drecta postva, b) S r <, exste correlacó versa egatva, c) S r +, exste ua correlacó perfecta postva, d) S r -, exste ua correlacó perfecta egatva, e) S r, o exste correlacó o los datos está correlacoados. Para los valores termedos etre y, se deduce por ejemplo que s: a) r <,, la correlacó es muy baja, b), r <, 4, exste ua correlacó baja, c),4 r <, 7, exste ua buea correlacó postva, d),7 r <,, exste muy buea correlacó postva, e) r,, exste ua perfecta correlacó postva, f). r <. 7, exste muy buea correlacó versa, g) r,, exste ua perfecta correlacó versa. Prueba de hpótess para el coefcetes de correlacó de Pearso Luego de obteer el coefcete de correlacó de Pearso, el vestgador puede platearse pregutas como la sguete: Es estadístcamete sgfcatva la relacó etre el coefcete de telgeca de u estudate y su redmeto académco?. A cotuacó se preseta los pasos a segur para realzar pruebas de hpótess relatvas al coefcete de correlacó de Pearso. Paso : Postular la hpótess de vestgacó como la hpótess alteratva, jutamete co otra hpótess que la ega y a la que se deoma hpótess ula. 34

23 E la hpótess ula se postula que o exste asocacó etre las varables, y e la hpótess alteratva: se postula que exste asocacó etre las varables. La represetacó es la sguete: H : ρ H : ρ dode ρ es el coefcete de correlacó poblacoal etre las dos varables. Paso : Se sabe que la sguete estadístca está e fucó del coefcete de correlacó muestral y bajo la hpótess ula tee dstrbucó t-studet co ( ) grados de lbertad. t r r ~ t ( ), por lo que se usa como la estadístca de prueba para cotrastar la hpótess ula frete a la hpótess alteratva. Deotemos co t c el valor de la estadístca de prueba. Paso 3: Como la hpótess alteratva es de la forma " ", la prueba de hpótess que se está plateado es blateral y la regó crítca será el tervalo (-,-t teórco )U( t teórco, ) y dode " t teórco " es la abcsa de la dstrbucó t-studet co ( ) de lbertad, de maera que P ( t( ) < tteórco) α. Así por ejemplo, s se elge el vel de sgfcacó α.5 y el tamaño de muestra es 3, se cumple P ( t( ) < t teórco ) Luego, e la tabla t-studet se ecuetra que el valor de t teórco es.8, por lo que la regó de rechazo de la hpótess ula es el tervalo (-,-.8)U(.8, ). Paso 4: Decsó: Rechazar la hpótess ula de que o exste relacó etre las varables cuado c t cae e la regó de rechazo de la hpótess ula. 35

24 Ejemplo 5.8 E la sguete tabla se tee la formacó para ua muestra aleatora de estudates que estudaro el prmer año de secudara e el colego Cabrera Tapa el año. El prmer día de clases a todos ellos se les aplcó ua prueba para obteer sus coefcetes de telgeca (X) e la escala Staford-Bet y al térmo del año se les aplcó ua prueba de 35 tems para evaluar su redmeto e Matemátcas. α.5. Dcha tabla se acompaña co los cálculos ecesaros para obteer el coefcete de correlacó de Pearso. Solucó X: putajes obtedos e la prueba Staford- Bet Y: redmeto e matemátcas Tabla Nº 5.7 Redmeto de los estudates e matemátcas y putajes obtedos e la prueba Staford- Bet Estudate CI Putaje x y x y x y Totales

25 Obteemos el coefcete de correlacó de Pearso r r (993) 369(9) ( (56859) ( 369) ) (37) ( 9) ( ),953 E la muestra se observa muy buea correlacó drecta y postva etre coefcete de telgeca y el redmeto académco e el curso de matemátcas. Es estadístcamete dferete de cero el valor ecotrado?. Respoderemos la preguta co la metodología de pruebas de hpótess. Solucó Paso : No exste asocacó etre el coefcete de telgeca y el redmeto académco es la hpótess ula, y la hpótess alteratva ega esa afrmacó. H : ρ H : ρ Paso : Para el coefcete de correlacó muestral r.953 y tamaño de muestra, el valor de la estadístca de prueba es: t c Paso 3: Para ecotrar la regó crítca, se tee e cueta que α.5, y P ( t( ) < t teórco ) Por tato, e la tabla t- Studet se ecuetra el valor de t teórco.8. La regó de rechazo de la hpótess ula es el tervalo (-,-.8)U(.8, ). Paso 4: Como el valor de c t 9.93 cae e la regó de rechazo de la hpótess ula, la decsó es rechazar la hpótess de que o exste asocacó etre el redmeto académco y los coefcetes de telgeca, para u vel de sgfcacó.5. 37

26 Ejemplo 5.9 Obtedremos el valor del coefcete de correlacó para los datos ejemplo 5.7 usado la fórmula de varables estadarzadas. Prevamete los valores de la varable será estadarzados. a) La estadarzacó de las varables se realza co el auxlo del SPSS, para lo que, prevamete, co los datos del ejemplo 5, se crea la base de DATOS9-pearso. Los comados so los sguetes: Abrr la base de DATOS9-pearso y ejecutar los comados/ ANALYZE/DESCRIPTIVE STATISTICS/DESCRIPTIVE/seleccoar las varables COEFICIENTE DE INTELIGENCIA y RENDIMIENTO ACADÉMICO/actvar SAVE STANDAR- DIZED VALUES AS VARIABLES/OK. E el edtor del SPSS juto a los valores de las varables X e Y se ha creado dos columas co los valores de las varables orgales estadarzadas, z z. x y x y zx z y b) Para calcular el coefcete de correlacó, ejecutar los sguetes comados del SPSS: ANALYZE/CORRELATE/BIVARIATE/ seleccoamos las varables orgales y las varables estadarzadas/actvar PEARSON/ OK. 38

27 E el output del SPSS se lee: redmeto Zscore: redmeto ( z y ) coefcete de telgeca Pearso Correlato Zscore: coefcete de telgeca ( z ) Pearso Correlato y r z x z y.953. El valor del coefcete de correlacó etre las varables estadarzadas cocde co el ya ecotrado maualmete e el ejemplo ateror co los valores orgales y co el també muestra el output del SPSS para las varables orgales coefcete de telgeca y redmeto. E lo que correspode a pruebas de hpótess, los pasos y resultados so smlares a los del ejemplo ateror. Ejemplo 5. Se trata de u estudo sobre el redmeto escolar. Se desea saber s exste correlacó etre los años de escolardad de la madre y las calfcacoes de sus hjos e ua prueba de matemátcas. Los datos so los sguetes. Tabla Nº 5.6 Años de escolardad de la madre y calfcacoes e ua prueba de matemátcas Estudates Años de escolardad Calfcacoes de los hjos e de la madre ( X ) ua prueba de Matemátca ( Y )

28 E el sguete cuadro se preseta los cálculos auxlares: Estudates x y x y x y Reemplazado los valores obtedos e la ecuacó de r para putuacoes drectas obteemos: r 5( 9) ( 9)( 48) [ 5( 83) ( 9) ][]( 5 47) ( 8) 58 74x56,9 El valor de +,9 sgfca ua alta correlacó postva, es decr, el vel de escolardad de la madre está asocado lealmete al redmeto académco de sus hjos e matemátca. Ejemplo 5. E la Tabla Nº 5.8 se tee formacó de ua muestra aleatora de 5 alumos del Cetro Educatvo "Teresa Gozales de Fag". La ecuesta fue aplcada a 5 estudates e Abrl de 998. Se desea obteer el coefcete de correlacó etre las varables putajes obtedos e artmétca y leguaje. 4

29 Tabla Nº 5.8: Redmeto y Edades de ua muestra de estudates del Colego Teresa Gozales de Fag, 998 Estud. Artmétca Leguaje Edad Redmeto Promedo Se lustra los cálculos auxlares del coefcete de correlacó de Pearso co los valores observados de las varables otas e artmétca (X ) y otas e leguaje (Y ). Estudates x y x x y y Totales x 93 y 4 x 553 x y 69 y 856 4

30 Luego reemplazado e la fórmula, el coefcete de correlacó etre las otas de artmétca y leguaje vale: r 5 5( 69) 93( 4) ( 553) ( 93) 5( 856) ( 4),878 Se observa ua correlacó alta y postva etre los putajes obtedos e los cursos de artmétca y leguaje. Es estadístcamete sgfcatvo el coefcete de correlacó ecotrado?. Respoderemos co la metodología de pruebas de hpótess. Paso : E la hpótess ula postulamos que o exste asocacó etre las otas de matemátcas y leguaje y la hpótess alteratva ega esa afrmacó. H : ρ H : ρ Paso : Para el coefcete de correlacó muestral r.878 y tamaño de muestra 5, el valor de la estadístca de prueba es: t c Paso 3: Para ecotrar la regó crítca, se tee e cueta que α.5, 5 y P ( t( 3) < t teórco ) Por tato, e la tabla t-studet se ecuetra el valor de t teórco.6. La regó de rechazo de la hpótess ula es el tervalo (-,-.6)U(.6, ). Paso 4: Como el valor de c t 6.6 cae e la regó de rechazo de la hpótess ula, la decsó es rechazar la hpótess de que o exste asocacó etre las otas de matemátcas y leguaje, a u vel de sgfcacó.5. 4

31 Ejemplo 5. Para ua muestra aleatora de 7 docetes uverstaros de la Facultad de Derecho de ua uversdad prestgosa se dspoe de la sguete formacó co respecto a sus sueldos y el tempo de servco e la doceca. Obtedremos la relacó etre esas varables y veremos s la correlacó ecotrada es estadístcamete sgfcatva. Solucó X: Años de servco de los docetes Y: Sueldos de los docetes a) Obteemos el coefcete de correlacó co la fórmula orgal, para lo cual realzamos los sguetes cálculos auxlares: profesor Años de sueldos servco x x y y x y Totales x y x y x y x y ( x )( y ) [ x ( x ) ] y ( y ) [ ] r 7(57576) (4)(9686) [ 7(98) 4 ][ 7(349578) 9686 ]

32 El valor obtedo os dca ua correlacó ula etre las varables volucradas. Es decr, para la muestra aalzada las varables años de servco y sueldos o está correlacoadas. Ejemplo 5.3 Usado la base DATOS-educacó se ajusta la recta de regresó etre las varables redmeto promedo y redmeto e el curso de álgebra, usado el método de mímos cuadrados. Se obtee el coefcete de correlacó y el dagrama de dspersó. Solucó Para el dagrama de dspersó, ajuste de la recta, el gráfco de la recta de regresó ajustada por el método de mímos cuadrados, y el coefcete de correlacó, ejecutamos los sguetes comados: a) Abrr el archvo de DATOS-educacó. GRAPHS/INTERATIVE/SCATTER/colocar e el X la varable ALGEBRA y e el eje Y la varable RENDIMIENTO PRO- MEDIO/ FIT/ e FIT LINE escoger TOTAL / ACEPTAR. b) Para ecotrar la ecuacó de la recta de regresó, los comados so los sguetes: ANALYZE / REGRESSION/LINEAR/ e DEPENDENT escoger RENDIMIENTO PROMEDIO y e INDEPENDENT escoger ÁLGEBRA/ STATISTICS/ actvar ESTIMATES y MO- DEL FIT/OK. c) ANALYZE / CORRELATE /BIVARIATE/ seleccoamos las varables orgales y las varables estadarzadas/actvar PEARSON/ OK. El output del SPSS os muestra lo sguete: 44

33 a) El dagrama de dspersó y el gráfco de la recta de regresó ajustada por el método de mímos cuadrados. Notas de álgebra y calfcacó promedo de profesores de educacó secudara Notas promedo Notas álgebra Observamos que las otas de álgebra y las calfcacoes promedo de profesores que partcparo e el programa de capactacó, tee ua relacó drecta y postva. b) El coefcete de correlacó de Pearso: Model Summary Adjusted Std. Error of Model R R Square R Square the Estmate.95ª a. Predctors: (Costat), NOTAS de ÁLGEBRA r,95 Coefcete de correlacó leal Se tee ua correlacó alta y postva etre las otas de álgebra y las calfcacoes promedo que alcazaro los profesores que partcparo e el programa de capactacó. 45

34 c) Los coefcetes de la recta de regresó so: Coeffcets a Ustadardzed Coeffcets Stadardzed Coeffcets Model B Std. Error Beta t Sg. (Costat) NOTAS DE ÁLGEBRA a. Depedet varable: NOTAS PROMEDIO a b y la recta de regresó ajustada por el método de mímos cuadrados es: Yˆ X, dode, mateedo costate la varable otas de álgebra aú podemos estmar la calfcacó promedo e putos. U cremeto e la otas de álgebra de u puto, por ejemplo, es acompañado por u cremeto e la calfcacó promedo de los profesores de educacó secudara e.78 putos. Regresó leal múltple Itroduccó E u modelo de regresó leal múltple, la varable depedete o respuesta (Y ) es ua fucó de dos o más varables depedetes o regresoras. U modelo de regresó co k varables depedetes o regresoras se puede expresar así: ( X X, X ) Y f,...,, 3 X k 46

35 Explcaremos el aálss de regresó leal múltple co los datos de la sguete tabla, e la que se muestra los coefcetes de telgeca (IQ), los promedos de calfcacoes y el tempo que estudates dedca al estudo. Se desea predecr el promedo de las calfcacoes de estos estudates e fucó de sus coefcetes de telgeca y de los tempos que dedca al estudo. Se puede observar que se tee dos varables, coefcete de telgeca y tempo dedcado al estudo, para explcar el comportameto de las calfcacoes promedo de los estudates. Para el problema descrto se postula la forma geeral del modelo de regresó leal múltple: dode: Y β + β X + X + e β Y: varable aleatora deomada varable depedete, β, β, β : parámetros del modelo de regresó leal múltple, X, X : varables depedetes, e: error aleatoro, mde el desajuste etre la realdad y el modelo, Esta ecuacó es muy smlar a la utlzada e la regresó leal smple, excepto que agregamos otra varable depedete. Para estmar los parámetros β, β, β se toma ua muestra de los valores ( y, x, x ),...,, y para cada dvduo se tee el sguete sstema de ecuacoes, y β + βx + βx + e, dode y es el -ésmo valor de la varable Y, x, x, los -ésmos valores de las varables depedetes X, X, por lo que e y β βx βx. Luego, se usa el método de mímos cuadrados, es decr se busca los valores de β, β, β que haga míma la suma de cuadrados de los errores, es decr, que mmce e. La solucó coduce a u sstema de ecuacoes deomadas ecuacoes ormales, a partr de las cuales, utlzado co- 47

36 ceptos de álgebra matrcal se ecuetra los estmadores de los parámetros β, β, β tema que escapa de los objetvos del curso y que o será abordado aquí. Los problemas de regresó múltple será resueltos co el soporte del SPSS, puesto que e la mayoría de las vestgacoes el úmero de observacoes y el úmero de varables es grade, lo que dfculta el trabajo maual. Así, Yˆ β ˆ ˆ ˆ + βx + β es las ecuacó de la recta de regresó múltple ajustada por el método de mímos cuadrados. Ejemplo 5.4 Para ua muestra de estudates se tee la formacó adjuta e la sguete tabla. Vamos a ajustar la recta de regresó múltple usado el método de mímos cuadrados. Promedo de calfcacoes, coefcete telectual y tempo dedcado al estudo Estudate IQ Tempo de Promedo de Y Número ( ) X estudo ( X ) calfcacoes ( ) Solucó Postulamos el modelo Y β + βx + β X + e, para estudar la relacó etre las varables. 48

37 dode: X : Coefcete telectual (IQ). X : Tempo de estudo. Y: Promedo de calfcacoes e : error β, β, β : parámetros a estmar. Usamos las opcoes del SPSS Actvar el SPSS y crear los datos e u archvo de ombre: COEFICIENTE. E VARIABLE VIEW defr las sguetes varables: IQ, TIEMPO y CALIFICA y e DATA VIEW colocar los datos de la tabla. Ejecutar ANALYZE/ REGRESSION/LINEAR/ gresar e DEPENDENT la varable CALIFICA y e INDEPENDENT las varables IQ TIEMPO/OK. El output del SPSS es el sguete: Coeffcets a Ustadardzed Coeffcets Stadardzed Coeffcets Model B Std. Error Beta t Sg. (Costat) IQ, TIEMPO a. Depedet varable: CALIFICA ˆβ βˆ βˆ Las estmacoes de los parámetros so: β ˆ 5.49 β ˆ.49 βˆ.8 49

38 dode: X : X : Coefcete telectual (IQ). Tempo dedcado al estudo. A partr de los resultados aterores se ecuetra la ecuacó de la recta de regresó múltple ajustada por el método de mímos cuadrados: Y ˆ X +. 8X, dode, mateedo costate la varable tempo de estudo, u cremeto e el coefcete telectual (IQ) de u puto, por ejemplo, es acompañado por u cremeto e el promedo de calfcacoes de.49 putos. E forma smlar, mateedo costate la varable coefcete telectual, u cremeto de hora e el tempo de estudo, es acompañado por u cremeto e el promedo de calfcacoes de.8 putos. Coefcete de determacó El coefcete de determacó, R, multplcado por, dca el porcetaje de la varacó de la varable depedete que es explcado por las varables depedetes del modelo. Se puede demostrar que la suma de cuadrados del total, y, se puede dvdr e dos compoetes: la suma de, y la suma de cua- ( y ) cuadrados debdo a la regresó, ( yˆ y) drados debdo al error ( ˆ ) y dode: y. Es decr: SCT SCR + SCE, SCT: suma de cuadrados del total. SCR: suma de cuadrados debdo a la regresó. SCE: suma de cuadrados debdo al error. 5

39 El térmo coefcete de determacó múltple mde la bodad de ajuste para la ecuacó de regresó múltple. Este coefcete se calcula como sgue: SCR R SCT E uestro ejemplo, la varable depedete es el promedo de calfcacoes de u alumo y las varables depedetes so el coefcete de telgeca y el tempo dedcado al estudo. El valor del coefcete de determacó es.9, valor que sgfca que, el 9% de las varacoes observadas e la calfcacó promedo de los alumos so explcables por las varacoes del coefcete de telgeca y del tempo dedcado al estudo. El valor.9 -.9, llamado coefcete de aleacó, dca que el 9% de las varacoes observadas e la calfcacó promedo de los alumos o so explcables por el modelo (e este caso por las varacoes e el IQ y tempo de estudo). Pruebas de hpótess Las pruebas de hpótess co respecto a los parámetros de la ecuacó de regresó múltple se basa e las estadístcas t de Studet y F de Sedecor. La prueba F se usa para determar s hay ua relacó sgfcatva etre la varable depedete y el cojuto de todas las varables depedetes. E estas codcoes se deoma prueba de sgfcacó global. La prueba t de Studet se aplca para determar s cada ua de las varables depedetes so sgfcatvas. Se hace ua prueba de hpótess por separado para cada varable depedete e el modelo a cada ua de esas pruebas de hpótess se deoma prueba de sgfcacó dvdual. A cotuacó explcaremos la prueba F y la prueba t, y aplcaremos para cada ua el ejemplo sobre el coefcete telgeca de estudates. 5

40 Prueba F Ates de descrbr los pasos de la prueba F ecestamos coocer el cocepto de cuadrado medo. Cosderado que el modelo de regresó múltple tee k varables depedetes. El cuadrado medo (CMR, CME) es ua suma de cuadrados dvdda etre sus grados de lbertad correspodete. E el caso de la regresó múltple, la suma de cuadrados del total tee - grados de lbertad, la suma de cuadrados de regresó (SCR) tee k grados de lbertad y la suma de cuadrados del error tee - k - grados de lbertad. SCR CMR k CME S SCE k El cuadrado medo del error es u estmador sesgado de σ. Prueba F para la sgfcaca global S el modelo geeral es: Y β + βx + βx βk X k + e, etoces: H : β β... βk H : Al meos uo de los parámetros o es gual a cero Estadístca de prueba CMR F CME Regla de decsó Co el estadístco de prueba: Rechazar H o s F c > F α. Co el valor p - value: Rechazar H o s el valor p - value < α. dode F α es la abcsa de la dstrbucó F co k grados de lbertad e el umerador y - k - grados de lbertad e el deomador. 5

41 Tabla de aálss de Varaza (ANOVA) La tabla de aálss de varaza, proporcoa la descomposcó de la suma de cuadrados de la regresó, los grados de lbertad asocados a cada suma de cuadrados, los cuadrados medos y los resultados de la prueba F para el modelo de regresó múltple. El valor del estadístco de la prueba F aparece e la últma columa y se puede comparar co Fα co k grados de lbertad e el umerador y ( - k - ) e el deomador (valor obtedo de la tabla F-Sedecor) cuado la hpótess ula es: H : β β... β k para el modelo Y β + β X + β X β X e k k +. Tabla ANOVA Regresó múltple co k varables depedetes Fuete Suma de Grados de Cuadrado cuadrados lbertad Medo Regresó SCR k Error SCE - k - Total SCT - SCR CMR k SCE CME k CMR F CME Ejemplo 5.5 Usado la formacó del ejemplo 5.4 vamos a hacer la prueba de hpótess referete a los dos parámetros poblacoales del modelo Y β + β X + X + e. Solucó Paso : β Las hpótess se formula como sgue: H β β H : al meos uo de los parámetros es gual a cero. : 53

42 Paso : El valor de la estadístca de prueba,, lo vamos a obteer utlzado los comados del SPSS: Crear el archvo: COEFICIENTE Defr las varables e VARIABLE VIEW, por ejemplo, IQ, TIEMPO y CALIFICA.Ejecutar: ANALYZE/ REGRESSION/LINEAR/ Seleccoar/ gresar e DEPENDENT CALIFICA y e INDEPENDENT las varables IQ TIEMPO/OK. El output del SPSS muestra lo sguete: ANOVA b Model Sum of df Mea F Sg. squares Square Regresso a Resdual E- Total 7. a. Predctors: (Costat), TIEMPO, IQ b. Depedet Varable: CALIFICA CME CMR F Estadístca de prueba F c CMR CME Paso 3: [ ] 5 Para α.5, k ; - k - 9, P F(,9) > F teórco. e la tabla - Sedecor se ecuetra el valor de F teórco La regó de rechazo de la hpótess ula es el tervalo (4.6; ). 54

43 Paso 4: Como F c > Fteórco 4. 6 etoces rechazamos H y coclumos que al meos uo de los parámetros es dferete de cero. Prueba t S la prueba F ha mostrado que la relacó etre la varable depedete y los regresores es estadístcamete sgfcatvo, se puede hacer ua prueba t para determar la sgfcaca de cada uo de los parámetros dvduales. Así para cualquer parámetro β se platea lo sguete: Paso : Para cualquer parámetro Paso : β H : β H : La dstrbucó de la estadístca de prueba es: βˆ t ~ t( ) s Paso 3: βˆ β α Para el vel de sgfcacó α, P t( ) < tteórco, e la tabla t ( ) se obtee el valor teórco de t, t teórco. La regó de rechazo es el tervalo (, t( teórco) ) U ( t ( teórco), ). Paso 4: [ ] S teórco t cae e la regó de rechazo, etoces se rechaza la hpótess ula. 55

44 S retomamos el ejemplo ateror y queremos saber s es estadístcamete sgfcatvo platearemos las sguetes hpótess. Paso : H : β H : Usado comados del SPSS obteemos la sguete tabla: β Coeffcets a Ustadardzed Coeffcets Stadardzed Coeffcets Model B Std. Error Beta t Sg. (Costat) IQ, TIEMPO a. Depedet varable: CALIFICA β ˆ β ˆ S βˆ S βˆ dode β ˆ, 49 s. y el valor de la estadístca de prueba βˆ es: βˆ.49 t c 4.9 sβ.. El valor de la t de Studet co 9 grados de lbertad y α /.5 /.5 es, t. 69. Paso 3:.9755 E la tabla el valor de la de Studet co 9 grados de lbertad y α /.5 /.5 es, t Para α,5 se ecuetra que t teórco t, 69.,975 56

45 Paso 4: Como t c 4.9 > t rechazamos la hpótess ula a u vel de sgfcacó de.5 y coclumos que la varable Coefcete Itelectual (IQ) explca el comportameto de las calfcacoes de los estudates. Trabajado co la msma metodología para el parámetro β, se ecuetra la sguete tabla. Coeffcets a Ustadardzed Coeffcets Stadardzed Coeffcets Model B Std. Error Beta t Sg. (Costat) IQ, TIEMPO a. Depedet varable: CALIFICA β ˆ β ˆ S βˆ S βˆ c de dode el valor de la estadístca de prueba es: t c βˆ s β y uevamete se rechaza la hpótess ula ( β ) 4. t >.69, co u vel de sgfcacó de.5., porque Pruebas o paramétrcas E los temas estudados a lo largo de este lbro hemos poddo otar el mportate lugar que le correspode a la dstrbucó 57

46 ormal e la teoría estadístca. S embargo, co frecueca e muchas stuacoes o se cooce s la dstrbucó desde la cual se ha seleccoado la muestra es tal que sea aplcable el teorema del límte cetral o s la aproxmacó a la dstrbucó ormal es lo sufcetemete adecuada como para que los tervalos de cofaza resultates y las pruebas de hpótess basadas e la teoría ormal tega valdez. E tales stuacoes se ecesta de métodos estadístcos cuya aplcacó sea depedete de la forma de la desdad. Estos métodos se deoma métodos o paramétrcos. Los métodos o paramétrcos que se desarrollará e esta seccó se aplca a famlas muy extesas de dstrbucoes e vez de famlas caracterzadas por ua forma fucoal partcular. La estructura de la mayoría de los métodos o pramétrcos descasa e las estadístcas de orde. Las estadístcas de orde represetadas por: X (), X (),,X () so la cosecueca de haber ordeado la muestra aleatora orgal X, X,,X e forma ascedete. Es decr: X (), es la más pequeña e magtud de todas las X's X (), es la seguda más pequeña e magtud de todas las X's... X (), es la más grade e magtud de todas las X's Se trabajará bajo el supuesto de que la muestra aleatora provee de ua dstrbucó cotua. Esto mplca que la probabldad que dos observacoes muestrales sea guales es cero. Es decr, co probabldad ua las observacoes maestrales será ordeadas desde la más pequeña a la más grade s teer e este ordeameto dos valores guales. E la práctca, frecuetemete observamos e la muestra dos o más valores guales deomados empates (tes); para lo cual depededo de la prueba se utlzará u factor de correccó por empates. Poscó y dspersó 58

47 E el caso paramétrco hemos utlzado la meda y la desvacó estádar poblacoales como meddas de poscó y dspersó respectvamete, pero los métodos o paramétrcos utlza como medda de poscó a la medaa M, que es el puto que dvde e dos partes guales el área lmtada por la fucó de desdad f(x), tal como se grafca a cotuacó. E ua dstrbucó cotua P ( X M ) P( X M ). f(x) 5% del área 5% del área La medaa poblacoal M, se estma medate la medaa muestral m. Para la obtecó de la medaa como es coocdo prmero debe orgazarse los datos e forma ascedete, la medaa será el valor cetral s el úmero de datos es mpar y será la semsuma de los valores cetrales s se cueta co u úmero par de datos. Es decr, x( k m x( k + ) ) + x M ( k+ ) s k + s k La medaa muestral o es u estmador sesgado de la medaa poblacoal, pero este sesgo tede a cero al aumetar el tamaño de la muestra. Como medda de dspersó se emplea etre otras el rago tercuartl, la dfereca etre el cuartl 3 y el cuartl : R Q 3 Q Ejemplo

48 Se cueta co los sguetes valores: x.6, x.98, x 3 ;.3, x.8, x los cuales correspode a 5 valores observados de 5 esayos depedetes de u expermeto. Se determará la medaa muestral. E prmer lugar se ordea e forma ascedete las observacoes: x.3 < x.53 < x.6 < x.8 < x.98 () () (3) (4) (5) Como se cueta co u úmero mpar de observacoes la medaa muestral es x. 6. (3) E esta seccó estudaremos los sguetes métodos o paramétrcos: Para ua poblacó: Prueba de Wlcoxo. Para dos poblacoes depedetes: Prueba de MaWhtey Para tres o más muestras depedetes: Prueba de Kruskall Walls Prueba de bodad del ajuste: Prueba de Kolmogorov Prueba de Wlcoxo E alguas vestgacoes se requere probar ua hpótess ula co respecto a la meda poblacoal, pero la dstrbucó bajo estudo o es la dstrbucó ormal. E tal stuacó u procedmeto estadístco adecuado es la prueba de Wlcoxo, la cual utlza las magtudes de las dferecas etre las medcoes y el valor de la medaa poblacoal propuesta e la hpótess ula. Supuestos La prueba de Wlcoxo se basa e los sguetes supuestos.. La muestra X,X,..,X es ua muestra aleatora. La varable e estudo es cotua 6

49 3. La poblacó se dstrbuye smétrcamete 4. La escala de medcó es al meos de tervalo Hpótess Se platea a cotuacó la hpótess ula co su respectva hpótess alteratva I. H : M M H : M M II. H : M M H : M < M III. H : M M H : M > M E cada uo de los casos co u vel de sgfcacó α. Procedmeto para la obtecó de la estadístca de prueba Cuado se utlza la prueba de Wlcoxo se realza los sguetes cálculos.. Se obtee las dferecas D X -M,,,,. S algú X es gual a M, éste es elmado y como cosecueca el tamaño de la muestra dsmuye.. Se ordea las dferecas D e forma ascedete s cosderar el sgo de la dfereca. Es decr, se ordea las dferecas e valor absoluto, D. S dos o más de los D so guales, se obtee el promedo de los ragos que ocupa las dferecas empatadas y este valor es asgado a cada ua de las observacoes empatadas. 3. Se retoma el sgo de la dfereca D y es asgado al rago respectvo. 4. Se obtee y T + y T -, que represeta a la suma de ragos co sgo postvo y egatvo respectvamete. La suma total de los ragos es: + ( + ) T T Estadístca de prueba ( +), etoces 6

50 Depededo de la hpótess alteratva plateada se cosdera como estadístca de prueba a { + + T m T, T }, T o T. S la hpótess ula H es verdadera, es decr, s la medaa poblacoal, M, es gual a la medaa hpotétca, M, y se cumple los supuestos, la probabldad de observar ua dfereca D postva es gual a la probabldad de observar ua dfereca egatva. Etoces al repetr el muestreo, el valor esperado de T + es gual al valor esperado de. E ua muestra específca o sucede que T + sea exactamete gual a T -. S embargo, cuado H es verdadera o esperamos ua gra dfereca etre ambos valores. Esto trae como cosecueca que u valor sufcetemete pequeño de T + o T - causa el rechazo de H. Valores crítcos E la Tabla G del Apédce se ecuetra los valores crítcos d de la estadístca de prueba de Wlcoxo para muestras de tamaño 4 hasta y dsttos veles de sgfcacó. Regó crítca La regó crítca depede de la hpótess alteratva plateada. E la sguete tabla se resume los tres casos de la prueba de hpótess respecto de la medaa de ua poblacó. Ejemplo 5.7 Hpótess Estadístca de Prueba Regla de decsó Rechazar, H : M M s I. II. H : M M H : M M H : M M H : M < M { T + } T m, T + T T d T + d III. H : M M H : M > M T T d E cada caso co u vel de sgfcacó α. 6

51 U pscólogo está teresado e teer evdeca sufcete para coclur que las calfcacoes de destreza maual promedo e estudates dscapactados es dferete de 45 putos. Para llevar a cabo su estudo seleccoa ua muestra aleatora de 5 estudates dscapactados y regstra sus calfcacoes de destreza maual. La formacó que obtee es la sguete: Los datos so cocordates co la propuesta del pscólogo?. Utlce α Solucó. Paso : Se platea las hpótess Se trata de u problema de fereca estadístca acerca de la medaa poblacoal M : "calfcacó meda de la destreza maual de ua poblacó de estudates dscapactados" Hpótess ula: La calfcacó meda es M 45, dode M 45 putos. Es decr, H : M 45 Hpótess alteratva: La calfcacó meda es dferete de 45 putos. Es decr, H : M 45 Paso : E base a la muestra aleatora se realza los cálculos para obteer la estadístca de prueba. 5 63

52 Obs x D rago sg ra Obs x D rago sg ra ( D ) ( D ) ( D ) ( D ) ,5 4, ,5, ,5 8, ,5 4,5 34-8,5 8, ,5 6,5 35-6,5 6,5 4 47,5, ( + ) 5(6) Suma total de ragos: 35 + Suma de ragos postvos: T 63. 5, Suma de ragos egatvos: T 6. 5 Estadístca de prueba: + {, T } mí{ 63.5, 6.5} T mí T. Paso 3. Obtecó de la regó crítca E la tabla G del Apédce, el valor de d. La regó crítca está coformada por T d y para uestro ejemplo la regó crítca es: T <. Paso 4. Decsó 64

53 Regó de rechazo T El valor de T 63. 5, se ecuetra e la regó de rechazo. Es decr, T 63.5 < d, lo cual mplca el rechazo de la hpótess ula. Es decr, e base a las observacoes muestrales, el pscólogo ecuetra u soporte a su afrmacó de que el putaje medo de las calfcacoes de la destreza maual de la poblacó de estudates dscapactados bajo estudo, es dferete de 45 putos. Aálss por computadora usado el SPSS Debe señalarse que el SPSS o tee el aálss para probar la medaa poblacoal e base a ua muestra. Cueta co el aálss para muestras relacoadas. Adaptaremos este procedmeto a uestro caso procededo de la sguete forma:. Utlzar el artfco de crear ua varable que ha sdo deomada Meda, la cual cotee el valor de la medaa propuesta bajo la hpótess ula.. Crear la varable Destrez, la cual cotee las 5 medcoes de destreza maual de cada uo de los estudates. 3. Proceder a ejecutar los sguetes comados: Aalyze/ Noparametrc Test/ Related Smples / Seleccoar las varables Meda y Destrez/ Test Tpe actvar Wlcoxo/ clck OK. A cotuacó mostramos el edtor y el output. EDITOR OUTPUT 65

54 E Test Statstcs el p-value Wlcoxo.8 <.5, Sged etoces Raks Test se rechaza H. Raks N Mea Sum of Rak Raks destrez - Negatve 8(a) medaa Raks Postve 7(b) Raks Tes (c) Total 5 a destrez < medaa b destrez > medaa c destrez medaa Test Statstcs(b) destrez - medaa Z -.666(a) Asymp. Sg. (-taled).8 a Based o postve raks. b Wlcoxo Sged Raks Test Prueba de MANN-WHITNEY Cuado el supuesto de que cada ua de las poblacoes e estudo se dstrbuye ormalmete o se cumple, las pruebas de hpótess para cotrastar que las medas poblacoales so guales o puede ejecutarse. Como alteratva se cueta co u método o paramétrco, la prueba de Ma-Whtey, que es ua prueba apropada para cotrastar la hpótess de que las medaas de dos poblacoes depedetes so guales, y dode la forma fucoal de estas poblacoes o está especfcada. Este método se basa e datos geerados por dos muestras aleatoras depedetes, seleccoadas de cada ua de las poblacoes de terés. Estas muestras so depedetes e dos aspectos. Uo de ellos es que exste depedeca etre muestras y el otro aspecto es que 66

55 detro de cada muestra las observacoes que la coforma també so depedetes. Esta prueba fue propuesta por Ma y Whtey (947), además se tee refereca que Wlcoxo (945), propuso u procedmeto semejate. Es por ello que també es coocda como la prueba de Wlcoxo-Ma-Whtey. Supuestos Las muestras aleatoras, X,., X y X,., X, utlzadas para el aálss so seleccoadas depedetemete de sus respectvas poblacoes. La varable de terés es cotua. La escala de medcó observada es al meos ordal. Las dos poblacoes e estudo dfere sólo co respecto a su poscó. Hpótess Se platea a cotuacó la hpótess ula co su respectva hpótess alteratva I. H : M H : M M M II. H : M H : M M < M III. H : M H : M M > M Dode M y M represeta las medaas de la poblacó y poblacó respectvamete. E cada uo de los casos las pruebas se realza co u vel de sgfcacó α. Procedmeto para la obtecó de la estadístca de prueba Para calcular la estadístca de prueba se procede de la sguete forma.. Se comba las dos muestras (de tamaños y ).. Las + observacoes so orgazadas e forma asce- 67

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Regresión y correlación lineal.

Regresión y correlación lineal. Regresó y correlacó leal. Este procedmeto proporcoa medos legítmos, modelos matemátcos a trabes de los cuales, se puede establecer asocacoes etre varables de terés e las cuales la relacó usual o es casual.

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Qué conclusión extraeremos trabajando con un nivel de significación del 5%?

Qué conclusión extraeremos trabajando con un nivel de significación del 5%? sbb BB BBB Ejercco 1 Ua asocacó de defesa del cosumdor argumeta que el cotedo de las latas de atú de ua determada marca es feror a los 50 g que se dca e el paquete. ara cotrastarlo se coge ua muestra de

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS

INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS INGENIERÍA INDUTRIAL A meudo, e la práctca, se requere resolver prolemas que clue cojutos de varales, cuado se sae que este algua relacó herete etre ellas, esa relacó se puede ecotrar a partr de la formacó

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

Análisis de la Varianza

Análisis de la Varianza Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

TEMA 9. Contrastes no paramétricos y bondad de ajuste

TEMA 9. Contrastes no paramétricos y bondad de ajuste TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Correlación y regresión lineal. Ejemplos

Correlación y regresión lineal. Ejemplos Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño co meda 1 procede de ua poblacó N(14,3) co el vel de sgfcacó,5..- E ua propagada se auca que uas determadas plas proporcoa más horas de

Más detalles

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva. Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

6 El modelo de regresión lineal

6 El modelo de regresión lineal 6 El modelo de regresó leal 1. Coceptos báscos sobre el aálss de regresó leal. Ajuste de la recta de regresó 3. Bodad de ajuste. La regresó leal múltple 5. Descrpcó estadístca de la relacó etre dos varables:

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1 Aálss de Regresó y Correlacó Materal Preparado por Olga Susaa Flpp y Hugo Delfo ORIGEN HISTÓRICO DEL TÉRMINO REGRESlÓN El térmo regresó fue troducdo por Fracs Galto. E u famoso artículo Galto platea que,

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Figura 1

Figura 1 Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

CAPITULO II. Medidas estadísticas. Objetivo. Contenido. Calcular las medidas posición, de tendencia central, de dispersión y de forma.

CAPITULO II. Medidas estadísticas. Objetivo. Contenido. Calcular las medidas posición, de tendencia central, de dispersión y de forma. CAPITULO II Meddas estadístcas Objetvo Calcular las meddas poscó, de tedeca cetral, de dspersó y de forma. Cotedo * * * * * * Itroduccó Meddas de poscó Meddas de tedeca cetral Meddas de dspersó Meddas

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN

ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN UNIDAD 6 ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN Itroduccó a la udad El uso de la regresó leal smple es muy utlzado para observar el tpo de relacó que exste etre dos varables y poder llevar a cabo la

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles