Regresión y correlación simple 113

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Regresión y correlación simple 113"

Transcripción

1 Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas), y el análss de correlacón, el grado de asocacón de las msmas. Es decr; no sólo se busca una funcón matemátca que exprese de que manera se realconan, sno tambén con que prescón se puede predecr el valor de una de ellas s se conoce los valores de las varables asocadas. ANALISIS DE REGRESION Una relacon funconal matemátcamente hablando, está dada por: Y f(x 1,...,x n ; θ 1,...,θ m ) (1) donde: Y : Varable respuesta (o dependente) x : La -ésma varable ndependente (1,...,n) θ j : El j-ésmo parámetro en la funcón (j1,...m) f : La funcón Para elegr una relacón funconal partcular como la representatva de la poblacón bajo nvestgacón, usualmente se procede: 1) Una consderacón analítca del fenómeno que nos ocupa, y ) Un examen de dagramas de dspersón. Una vez decddo el tpo de funcón matemátca que mejor se ajusta (o representa nuestro concepto de la relacón exacta que exste entre las varables) se presenta el problema de elegr un expresón partcular de esta famla de funcones; es decr, se ha postulado una certa funcón como térmno del verdadero estado en la poblacón y ahora es necesaro estmar los parámetros de esta funcón (ajuste de curvas). Como los valores de los parámetros no se pueden determnar sn errores por que los valores observados de la varable dependente no concuerdan con los valores esperados, entonces la ecuacón (1) replanteada, estadístcamente, sería: Y f(x 1,...x n ;θ 1,...,θ m ) + ε () donde ε respresenta el error cometdo en el ntento de observar la característca en estudo, en la cual muchos factores contrbuyen al valor que asume ε. REGRESION LINEAL SIMPLE Cuando la relacón funconal entre las varables dependente (Y) e ndependente (X) es una línea recta, se tene una regresón lneal smple, dada por la ecuacón donde: Y β o + β 1 X + ε βo : El valor de la ordenada donde la línea de regresón F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

2 Regresón y correlacón smple 114 se ntersecta al eje Y. β1 : El coefcente de regresón poblaconal (pendente de la línea recta) ε : El error. Supocsones de la regresón lneal 1. Los valores de la varable ndependente X son "fjos".. La varable X se mde sn error (se despreca el error de medcón en X) 3. Exsten subpoblacones de valores Y para cada X que están normalmente dstrbudos. 4. Las varancas de las subpoblacones de Y son todas guales. 5. Todas las medas de las subpoblacones de Y están sobre la msma recta. 6. Los valores de Y están nomalmente dstrbudos y son estadístcamente ndependentes. Las suposcones del 3 al 6 equvalen a decr que los errores son aleatoros, que se dstrbuyen normalmente con meda cero y varanca σ². Estmacón de parámetros La funcón de regresón lneal smple es expresado como: Y ß o + ß 1 X + ε (3) la estmacón de parámetros consste en determnar los parámetros ß o y ß 1 a partr de los datos muestrales observados; es decr, deben hallarse valores como bo y b1 de la muestra, que represente a ß o y ß 1, respectvamente. De la ecuacón (3), para un x determnado, se tene el correspondente Y, y el valor del error ε sería (Y -ß o -ß 1 X ) Empleando el método de los mínmos cuadrados, es decr mnmzando la suma de cuadrados de los errores, se determnan los valores de b o y b 1, así: Q Q (4) β ε ( y β β ) 0 1 x 0 Q β ( )( 1) 0 y β 0 β x 1 ( )( ) 0 y β β x x (5) Al sstema formado por las ecuacones (4) y (5) se les denomna ecuacones normales. Resolvendo las ecuacones normales, se tene: b0 1 y b x F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

3 Regresón y correlacón smple 115 b 1 ( x x)( y y) ( x) x xy x ( )( ) x SPXY SCX ( ) n n x y donde: b 0 : es el valor que representa (estmador) a ß 0 b 1 : es el valor que representa (estmador) a ß 1 SPXY : denota a la suma de productos de X con Y, SCX : denota a la suma de cuadrados de X. Luego, la ecuacón de regresón es: yˆ b0+ b1 X El coefcente de regressón (b 1 ) Está expresado en las msmas undades de medda de la varable X. e ndca el número de undades que varía Y cuando se produce cambo en una undad en X (pendente de la recta de regresón). S b 1 0, se dce que no exste relacón lneal entre las dos varables y que estas son ndependentes. EJEMPLO: A contnuacón se desarrollara un ejemplo práctco que se rá explcando a través de los tópcos de regresón y correlacón a tratarse. Los datos de la sguente tabla representan las alturas (X) y los pesos (Y) de varos hombres. Se escogeron las alturas de antemano y se observaron los pesos de un grupo de hombres al azar que tenan las alturas escogdas, resultando: X(cm) Y(kg) Se asume que exste una relacón funconal entre X e Y, obtener la ecuacón de regresón. Solucón: En prmer lugar se observa que Yf(x), por tanto se asume que la varable altura (X) es ndependente y la varable peso (Y) es la dependente, luego se afrma que Y b o + b 1 X. Para ello se efectúan los sgtes cálculos: n 1, X 1946, x , Y 783, y 65.5 SCX X²-( X)²/ (1946)²/ SPXY XY-( X)( Y)/ (1946x783)/113 Luego, se calcula b o y b 1 : b o 65.5-(0.8676)(16.167) b 1 13/ Por tanto, la ecuacón buscada es: F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

4 Regresón y correlacón smple 116 yˆ X El valor de b ndca que por cada centímetro de aumento en la altura de los hombres, habrá un ncremento,en promedo, de kg en el peso de los msmos. Fuentes de varacón en la regresón lneal Los cálculos de regresón pueden ser vstos como un proceso de partcón de la suma total de cuadrados; así, gráfcamente se tene: Grafco FIG 1 Se observa que la desvacón total para un Y en partcular es gual a la suma de las desvacones explcada e nexplcada, smbolcamente. ( y y) ( yˆ y) + ( y yˆ ) Luego, ( y y) (ˆ y y) + ( y yˆ ) SCT SCR + SCE SCT: Suma de cuadrados del total SCR: Suma de cuadrados de la regreson SCE: Suma de cuadrados resdual Suma de Cuadrados del Total (SCT), mde la dspersón (varacón total) en los valores observados de Y. Este térmno se utlza para el cálculo de la varanca de la muestra. Suma de Cuadrados explcada (Suma de Cuadrados debdo a la Regresón, SCR) mde la varabldad total en los valores observados de Y en consderacón a la relacón lneal entre X e Y. Suma de Cuadrados nexplcada (Suma de Cuadrados del Error, SCE) mde la dspersón de los valores Y observados respecto a la recta de regresón Y (es la cantdad que se mnmza cuando se obtene la recta de regresón). Análss de Varanca para la regresón lneal smple Cuando cada partcón se asoca a una porcón correspondente del total de grados de lbertad, la técnca es conocda cono ANALISIS DE VARIANCIA (ANVA), que generalmente se presenta en un cuadro de la sguente forma: Cuadro ANVA F. de V. G.L. SC. CM. Fc Regresón 1 b 1 SPXY b 1 SPXY CMR/CME Error n- Σ(Y -Y )² SCE/(n-) Total n-1 SCT F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

5 Regresón y correlacón smple 117 La prueba estadístca es F y evalua las hpótess: H p : No exste una regresón lneal entre X e Y H a : Exste regreson lneal de Y en funcón de X Para el ejemplo planteado efectuar el ANVA. Cálculo de las sumas de cuadrados: SCTotal SCT ΣY²-(ΣY)²/n (783)²/ SCRegresón SCR b 1 SPXY (0.8676)(13) SCError SCE SCT - SCR Càlculo de la varanca resdual o del error: S² (SCT - SCR)/(N-) / esto nos ndca que la varabldad de los pesos de los hombres es kg² sn tener en cuenta el efecto de las alturas (X) sobre los pesos (Y); es decr, mde la varablad de Y una vez descontado el efecto de X, sendo menor que la varanca de Y. Cuadro ANVA F. de V. G.L. SC. CM. Fc Regresón ** Error Total El valor F 0.01 (1,10) 10. ; como Fc > F, la regresón es altamente sgnfactva. INTERVALOS DE CONFIANZA En muchos casos es de nterés conocer entre que valores se encuentra el coefcente de regresón de la poblacón ß 1 para un certo grado de confanza fjada, este procedmento permte hallar los valores llamados límtes de confanza, así: b 1 - t 0 S b1 ß 1 b 1 + t o S b1 donde: t 0 es el valor "t" tabular al nvel de sgnfcacón y n- grados de lbertad ( t 0 t,n- ). S² b1 S² E /SCX CME/SCX (obtendo del cuadro ANVA) es la varanca estmada del coefcente de regresón. Tambén es de nterés determnar el ntervalo de confanza de µ y/x, para un valor asumdo de X, que se calcula con la expresón: yˆ t S µ y+ t 0 y ˆ y / x 0 donde t o t,n- gl. y S² Y CME(1/n + (X - X)²/SCX). S y F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

6 Regresón y correlacón smple 118 Nota: Puede observarse que la varanca de la línea de regresón S y ˆ conforme X se aleja de X. rá ncrementándose EJEMPLO. Calcular los límtes de confanza para el coefcente de regresón ß 1 y de µ y/x para X 185, al 95% de confanza. a) Para ß 1 : cálculos prevos: S² b1 CME/SCX / así, S b y t o.8. Luego, (.8)( ) ß (.8)( ) ß b) Para µ y/x, donde X185: ˆ (185) 85.06, y y S² y (1/1 -( )²/ ) ^ así, S y Luego, aplcando la fórmula dada ^ anterormente se tene: µ y/x Este ntervalo de confanza nos ndca que s las tallas fuesen de 185 cm, exste el 95% de probabldad que los valores del ntervalo encerren el verdadero promedo. PRUEBAS DE HIPOTESIS Se plantea los sguentes casos: a) Cuando ß0 (Prueba de Independenca); es decr, s la varable Y es ndependente de la varable X. Esto equvale a plantear la hpótess Hp: ß 1 0, y medante la prueba F comparar la F calculada (Fc) con la F tabular (Fo), donde FcCMR/CME y FoF (1,n- gl). S Fc>Fo, se rechaza la hpótes planteada y se concluye que Y depende de X. b) Cuando ß 1 tene un valor específco, dgamos ß 10 ; es decr; Hp: ß 1 ß 10. En este caso se usa el estadístco t para probar esta hpòtess, se calcula el valor de t: t c b1 β S b1 b β10 CMe SCx 10 1 S t c > t 0 se rechaza la hpótess planteada, donde t 0 es el valor de la tabla al nvel α y n- gl. F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

7 Regresón y correlacón smple 119 EJEMPLO: Probar s el peso de los hombres es ndependente de sus alturas, Tambén probar s por cada cm. de altura en cada hombre el peso aumenta en 1. kg. caso (a): Son X y Y ndependentes?. Las hpótess son: Hp: ß 1 0 Ha: ß 1 0 Aplcando las fórmulas dadas se tene: Fc / Las F tabulares a 0.05 y 0.01 son: Fo 4.96 y Fo 10.04, respectvamente. Luego, comparando para ambos valores se tene que Fc > Fo. Por lo tanto se concluye en que la nfluenca de X sobre Y es drecta y no se debe al azar ( es decr, Y depende de X). caso (b): Se tene Hp: ß 1 1. Ha: ß 1 1. t c ( )/ Como t tabular es t o -.8 ( 0.05 y gl. 10) el valor de t c cae en la zona de rechazo de la Hp (t c < t o -.8), por lo tanto se concluye que por cada cm adconal el la altura no hay aumento de 1. kg. PREDICCION Hallada la ecuacón de regresón puede darse uso en los sguentes casos: a) Predecr el valor probable de Y dado un valor partcular de X. b) Estmar el valor desconocdo de X asocado a un valor observado de Y. c) Construr un ntervalo de predccón para un valor predcho de Y. Para los casos (a) y (b), se dentfcan los valores de las varables y se rremplazan en la ecuacón Yb o +b 1 X. ^ Así por ejemplo: Suponga que esta nteresado en conocer yˆ p (estmado de la meda poblaconal Y para un valor predcho Xp no consderado en la muestra). Este valor se obtene de Yb o +b 1 X; así, s Xp160 ^ yˆ p entonces 63.37Kg., este valor debe nterpretarse como el estmado del peso promedo s se tuvesen varas alturas de 160 cm. Para el caso (c), el ntervalo de confanza para la predccón es yˆ t S µ y + t p 0 yp ˆ y / x p 0 S yp F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

8 Regresón y correlacón smple 10 donde t 0 es t tabular a nvel α y grados de lbertad de n-. Sy p 1 CMe n ( x) xp SCx Luego, el ntervalo de confanza para la predccón hallada al 95 % de confanza es: µ / y x Sgnfca, s se tuvesen muchos hombres de 160 cm, exste el 95% de probabldad de que el ntervalo de confanza [54.507, 7.193], encerre el verdadero promedo de los pesos. ANALISIS DE CORRELACION El análss de correlacón consste en emplear métodos que permtan medr el grado o ntensdad de asocacón entre dos o más varables. El concepto de correlacón está estrechamente vnculado al concepto de regresón, pues, para que una ecuacón de regresón sea razonable los puntos muestrales deben estar ceñdos a la ecuacón de regresón; además el coefcente de correlacón debe ser: - grande cuando el grado de asocacón es alto, y pequeño cuando es bajo - ndependente de las undades en que se mden las varables. CORRELACION LINEAL SIMPLE. El coefcente de correlacón (r) es un número que ndca el grado o ntensdad de asocacón entre las varables X e Y. Su valor varía entre -1 y +1; esto es: -1 r 1. S r-1, la asocacón es perfecta pero nversa; es decr, a valores altos de una varable le corresponde valores bajos a la otra varable, y vceversa. S r+1, tambén la asocacón es perfecta pero drecta. S r0, no exste asocacón entre las dos varables. Luego puede verse que a medda que r se aproxme a -1 ó +1 la asocacón es mayor, y cuando se aproxma a cero la asocacón dsmnuye o desaparece. El coefcente de correlacón está dada por: r SPxy ( SCx)( SCy) Así, para el ejemplo planteado: F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

9 Regresón y correlacón smple 11 r ( )( 106.5) Este valor nos ndca que hay un alto grado de asocacón entre las varables altura y peso, y la relacón es drecta (sgno postvo de r). COEFICIENTE DE DETERMINACION De la descomposcón de la suma de cuadrados total, se obtuvo: SCT SCR + SCE dvdendo ambos membros por la SCT, se tene: 1 SCR/SCT + SCE/SCT de este resultado, se defne el COEFICIENTE DE DETERMINACION de la muestra, denotada por r², como: r² 1 - SCE/SCT SCR/SCT r² SC explcada/sc total r² error explcado/error total Como SCR SCT, se deduce que 0 r² 1. Interpretacón de r²: Puede nterpretarse desde 3 aspectos: a) Como una medda de mejora debdo a la línea de regresón. Aquí, r² proporcona la reduccón relatva de la SCT (error total). S r² 0 decmos que no hay reduccón en la SCT; es decr no hay mejora debdo al ajuste de la línea de regresón, lo que sgnfca que: Error _ Explcado ˆ y ( ) 0 y Gráfcamente, se observa que la línea de regresón es horzontal y concdente con Y. S r²1, decmos que ha habdo una reduccón del 100% en el error total, o sea: ( ˆ ) 0 Error _ total y y Gráfcamente, todos los puntos del dagrama de dspersón caen sobre la línea de regresón no horzontal. b) Como medda de grado de ajuste. S r²1, los puntos Y caen todos sobre la línea de regresón. S r²0, los puntos son esparcdos y la línea de regresón resulta horzontal. F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

10 Regresón y correlacón smple 1 En conclusón, cuando mayor es el grado de ajuste de la línea de regresón a los puntos, el valor de r² se acerca a 1. c) Como el grado de lnealdad de dspersón de los puntos. S r² se aproxma al volor uno, la dspersón de puntos se parece a una línea recta. S r² se acerca al valor cero, la dspersón no se parece a una línea recta. EJEMPLO. Del caso planteado. Hallar e nterpretar r². Según los calculos, r 13 ( )(106.5) entonces r² ; (1-r²) Indca que el % de los cambos en los pesos se asoca a los cambos en las alturas (tallas), resultando, 1.996% de varabldad que no es explcada por la regresón. F. de Mendburu / Apuntes de clase - uso nterno. Grupo G / Martes -4, Mercoles -3 pm

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón

Más detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

T. 9 El modelo de regresión lineal

T. 9 El modelo de regresión lineal 1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón

Más detalles

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras. Capítulo : Comparacón de varos tratamentos o grupos Muchas preguntas de nvestgacón en educacón, pscología, negocos, ndustra y cencas naturales tenen que ver con la comparacón de varos grupos o tratamentos.

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

Relación 2: Regresión Lineal.

Relación 2: Regresión Lineal. Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el

Más detalles

Objetivos. Contenidos. Cátedra I Estadística II Autor I Gerardo Heckmann

Objetivos. Contenidos. Cátedra I Estadística II Autor I Gerardo Heckmann ANALISIS DE ASOCIACION ENTRE VARIABLES. REGRESION Objetvos Presentar el modelo de regresón lneal smple como herramenta para estmar medas condconales y predecr los valores de una varable en funcón de la

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Regresión Lineal Simple y Correlación

Regresión Lineal Simple y Correlación 4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse

Más detalles

Regresión Binomial Negativa

Regresión Binomial Negativa Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

Midiendo la Asociación lineal entre dos variables

Midiendo la Asociación lineal entre dos variables Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,

Más detalles

3. Asociación, Correlación y Regresión Lineal

3. Asociación, Correlación y Regresión Lineal 3. Asocacón, Correlacón y Regresón Lneal 3 3.. Asocacón y Causaldad Algunos sucesos o crcunstancas tenden a segur a otros cuando ocurren en el tempo. varos de estos sucesos que ocurren repetdamente en

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

Tema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales

Tema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales Tema 9 Análss de la Varanza (ANOVA) Conceptos generales La técnca del Análss de la Varanza consste en descomponer la varabldad de una poblacón (representada por su varanza) en dversos sumandos según los

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

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

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

Suponga que el consumo (Y) y el ingreso (X) para los últimos 4 años (en millones de pesos) son los siguientes:

Suponga que el consumo (Y) y el ingreso (X) para los últimos 4 años (en millones de pesos) son los siguientes: Introduccón a la Econometría VII. MODELO LINEAL SIMPLE, MLS: EJERCICIOS RESUELTOS: 9 ANÁLISIS DE REGRESIÓN Y CORRELACIÓN APLICADO A LA ECONOMÍA MEXICANA, CON MÉTODOS COMPLEMENTARIOS Y/O DIFERENTES 9 VII.

Más detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 3: Procedimientos de Constrastación y Selección de Modelos Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes

Más detalles

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Estadística con R. Modelo Probabilístico Lineal

Estadística con R. Modelo Probabilístico Lineal Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Métodos cuantitativos de análisis gráfico

Métodos cuantitativos de análisis gráfico Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción

NOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD Químca Analítca (913) 1 rrores y tratamento estadístco de datos TRATAMINTO D LOS RSULTADOS ANALITICOS A- SIGNIFICADO D LA MDICION D UNA MAGNITUD Medr una magntud físca es asocarle a la msma un valor dmensonado

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo

Más detalles

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

Más detalles

Regresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy

Regresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema

Más detalles

Modelos para más de una variable

Modelos para más de una variable 1 Modelos para más de una varable Hasta ahora se han vsto dferentes modelos estadístcos para el caso de una sola magntud bológca medda. Pero en los expermentos es frecuente tratar el caso donde hay más

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Cada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma.

Cada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma. Cada uno da lo que recbe, Y luego recbe lo que da, Nada es más smple, No hay otra norma: Nada se perde, Todo se transforma. Todo se transforma (Jorge Drexler, cantautor uruguayo) Estadístca Básca - Manuel

Más detalles

1. Variable aleatoria. Clasificación

1. Variable aleatoria. Clasificación Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales: EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

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

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

1.Variables ficticias en el modelo de regresión: ejemplos.

1.Variables ficticias en el modelo de regresión: ejemplos. J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

ANALISIS INSTRUMENTAL Calibración y Límite de Detección en Técnicas Instrumentales.

ANALISIS INSTRUMENTAL Calibración y Límite de Detección en Técnicas Instrumentales. ANALISIS INSTRUMENTAL Calbracón y Límte de Deteccón en Técncas Instrumentales. Objetvos Aprender la metodología para la determnacón de la concentracón de un analto a partr de los datos obtendos por técncas

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

Algunas aplicaciones del test del signo

Algunas aplicaciones del test del signo 43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,. º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp STATGRAPHICS Rev. 9/4/2006 Comparacón de Tasas Resumen El procedmento Comparacón de Tasas esta dseñado para comparar las tasas observadas de un evento entre muestras. Este realza una prueba de dspersón

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

Tema 6 El mercado de bienes y la función IS

Tema 6 El mercado de bienes y la función IS Tema 6 El mercado de benes y la funcón IS Macroeconomía I Prof. Anhoa Herrarte Sánchez Curso 2007-08 Bblografía para preparar este tema Apuntes de clase Capítulo 3, Macroeconomía, O. Blanchard Prof. Anhoa

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles