METODOS ESTADISTICOS PARA ANALISIS BIVARIADO
|
|
- Esteban Sosa Gómez
- hace 7 años
- Vistas:
Transcripción
1 CAPITULO 5 METODOS ESTADISTICOS PARA ANALISIS BIVARIADO El análisis bivariado permite examinar si existe relación (asociación) entre dos variables. Las variables pueden ser ambas numéricas, una numérica y la otra categórica o ambas categóricas En el área de la Higiene y Seguridad Industrial el análisis bivariado permite examinar si existe asociación estadística entre exposición y efecto. La estadística proporciona los métodos (Pruebas de significancia) para determinar si la asociación o diferencia observada entre los grupos es o no estadísticamente significante. Estadísticamente significante quiere decir es poco probable o improbable que la diferencia observada entre los grupos pueda ser explicada por efectos del azar. Por consiguiente, existe asociación estadística entre exposición y efecto. Si se demuestra que el estudio tiene validez interna (control de sesgos) y precisión, es posible concluir que la asociación observada es real, o que los hallazgos obtenidos con el estudio son verdaderos. La aplicación de pruebas de significancia estadística requiere el conocimiento de los siguientes conceptos: 93
2 5.1. DECISIONES ESTADÍSTICAS Son aquellas que se toman a partir de la información obtenida en el estudio (información muestral) HIPÓTESIS ESTADÍSTICAS Son enunciados de relación entre variables (exposición efecto) que pueden ser verdaderos o falsos HIPÓTESIS NULA Se nota por Ho. y puede ser verdadera o falsa. La Hipótesis nula consiste en una proposición de no diferencia. Se establece con el ánimo de rechazarla con base con los resultados del estudio. Rechazar una Hipótesis nula significa que es muy poco probable que la Hipótesis nula sea cierta y que los resultados obtenidos en el estudio se deban a simple azar. La Ho se rechaza o no se rechaza pero nunca se debe hablar de aceptarla 5.4. HIPÓTESIS ALTERNA Se nota por Ha. y puede ser verdadera o falsa. Cuando se rechaza la Hipótesis nula, el investigador por descarte acepta la hipótesis alterna (Ha.) Aceptar una Hipótesis alterna significa que existe una verdadera asociación entre exposición efecto o que las diferencias obtenidas en el estudio son reales. 94
3 El contraste de la Ho., se basa en distribuciones de probabilidad por lo cual siempre se llega a conclusiones con márgenes pequeños de probabilidad de error. (nivel de significancia ) 5.5. PRUEBAS DE SIGNIFICANCIA ESTADÍSTICA Son procedimientos que facilitan decidir si una Hipótesis nula se rechaza o no se rechaza. La aplicación de estas pruebas parte del supuesto de que se ha utilizado un diseño de muestreo probabilístico (al azar, sistemático, estratificado o conglomerados) para obtener la información muestral que permita tomar decisiones estadísticas Errores en la Prueba de Hipótesis En el contraste de la Ho., se puede cometer dos tipos de error: Error Tipo I ( ). Consiste en rechazar una Hipótesis nula verdadera. Este error se conoce como nivel de significancia estadística a partir del cual se toma la decisión de rechazar o no rechazar la Hipótesis nula. Generalmente se considera un nivel de significancia igual o menor a 5% ( = 0.05, =0.01, etc.). Error Tipo II ( ). Consiste en no rechazar una Hipótesis nula falsa. El cuadro siguiente resume los dos tipos de error. 95
4 Conclusión con base en la prueba de significancia estadística Rechazar Ho. No rechazar Ho. Estado Real de la Ho. Verdadera Falsa Poder del Error Estudio (1- ) Decisión Correcta Error (1- ) 5.7. PODER ESTADÍSTICO DE UN ESTUDIO (POTENCIA) Capacidad que tiene el estudio para rechazar una Hipótesis nula falsa. Capacidad que tiene el estudio de detectar diferencias cuando realmente las hay Probabilidad de que los resultados del estudio sean verdaderos Usualmente en el diseño de una muestra, se establecen apriori valores de poder iguales o mayores a 80%. Los errores y son inversamente proporcionales y su punto de equilibrio sucede cuando = 0.05 (confianza del 95%) y = 0.20 (poder del 80%). 96
5 5.8. PASOS PARA APLICAR UNA PRUEBA DE SIGNIFICANCIA ESTADÍSTICA. Primero : Establecer la Hipótesis nula (Ho.) y alterna (Ha.) Segundo: Definir el nivel de significancia (usualmente del 5%). Tercero : Definir y aplicar la estadística de prueba para obtener el valor de probabilidad (valor-p). La correcta aplicación de la estadística de prueba (fórmula estadística) depende de el nivel de medición de las variables (nominal, ordinal, numérico), de los supuestos que se deben cumplir y del tamaño de muestra o cantidad de datos para analizar. Se recomienda asesorarse de un buen estadístico. Cuarto : Comparar el valor-p con el nivel de significancia : Si valor-p menor o igual que entonces rechazar la Ho. Esto significa que es poco probable o improbable que el azar explique las diferencias observadas. Por consiguiente existe asociación estadística entre las variables que se están comparando Si valor-p mayor que entonces No rechazar la Ho. Esto significa que es probable o muy probable que el azar explique las diferencias observadas. Por consiguiente no existe asociación estadística entre las variables que se están comparando 97
6 5.9. METODOS ESTADISTICOS PARA EXAMINAR ASOCIACION ENTRE UNA VARIABLE CATEGORICA (INDEPENDIENTE) Y OTRA NUMERICA (DEPENDIENTE) Exposición Efecto Categorías Grupos Valores Numéricos 1. MAS DE DOS GRUPOS 2. Análisis de varianza de una via (One Way): Estadística F 3. Métodos de comparaciones múltiples: Scheffe Tukey Duncan Student- Newman- Keuls 2. SOLAMENTE DOS GRUPOS 1. Análisis de varianza de una vía (One way): Estadística F 2. Prueba t de Student: En este caso t = F 3. Pruebas No Paramétricas cuando los supuestos de normalidad estadística y homogeneidad de varianza no se cumplen: Prueba U de Mann Whitney, Wilcoxon Matched- Pairs Signed rank test 98
7 Ejemplo 1: Se desea estudiar si existe relación entre ingesta de alcohol etílico y tiempo de reacción (seg) a un estímulo auditivo. Tiempo de reacción (seg.) a un estímulo auditivo por grupo de estudio. GRUPO A GRUPO B GRUPO C Los resultados del análisis estadístico univariado se muestran a continuación: GRUPO A B C Promedio Aritmético Varianza Desviación estándar Total Datos Bajo la Hipótesis Nula (Ho) se esperaría de que si no existe asociación entre ingesta de alcohol etílico y tiempo de reacción (seg) a un estímulo auditivo, se esperaría igual promedio de tiempo de reacción en cada uno de los grupos. Ho: A = B = C La hipótesis alterna sería Ha: A B C Ensayo bilateral Ha: A B c Ensayo unilateral 99
8 Aplicando los pasos para la prueba de Significancia Estadística se tiene: Primero: Establecer la hipótesis nula (Ho) y alterna (Ha) Ho: No existe asociación entre ingesta de alcohol etílico y tiempo de reacción (seg.) a un estímulo auditivo. Ha: Si existe asociación entre ingesta de alchohol etílico y tiempo de reacción (seg) a un estímulo auditivo. Segundo: Definir el nivel de significancia = 0.05 Tercero: Seleccionar y aplicar la Estadística de Prueba: F Partiendo del supuesto de que las muestras provienen de distribuciones normales y como las varianzas obtenidas son homogéneas se puede utilizar análisis de varianza de una vía ANOVA, (One Way): FUENTE DE VARIACION SUMA DE CUADRADOS GRADOS DE LIBERTAD CUADRADOS MEDIOS ESTADISTICA F VALOR-p Entre grupos Dentro de grupos Total Cuarto: Como el valor p es menor que = se rechaza la Hipótesis Nula y se acepta la hipótesis alterna. Análisis: Los resultados obtenidos muestran que es muy poco probable (valor-p= ) que las diferencias observadas en los tiempos promedios de reacción (seg) para los grupos A, B, C se puedan explicar por simple azar. Por consiguiente, hay diferencias estadísticamente significantes a nivel = 0.05 Conclusión: Existe asociación entre ingesta de alcohol etílico y tiempo de reacción (seg) a un estímulo auditivo. 100
9 Si en lugar de haber comparado tres grupos se hubiesen comparado dos, para contrastar los promedios se puede utilizar la estadística t de student o la estadística F, siempre y cuando se cumplan los supuestos de normalidad estadística y homogeneidad de varianzas. En estos casos siempre t = F El esquema de la página siguiente ilustra diferentes métodos para aplicación de la estadística t METODOS ESTADISTICOS PARA EXAMINAR ASOCIACION ENTRE DOS VARIABLES CATEGORICAS. Ambas Nominales Ambas Ordinales RH EXPOSICIÓN SEXO + - TOTAL GRAVEDAD H Leve M Moderada TOTAL Severa TOTAL TOTAL Coeficientes de asociación. Coeficientes de correlación no - Contingencia de Cramer paramétricos - Chi-cuadrado. Prueba de la mediana - Probabilidad exacta de Fisher. Prueba U de Mann-Withney - Prueba Q de Cochran. Anova de dos clasificaciones de - Coeficiente PHI Friedman Coeficientes de Concordancia 101
10 - Kappa de Cohen - Prueba de McNemar Ejemplo: La tabla siguiente corresponde a los hallazgos en un estudio de Investigación Operativa. Se desea probar si hubo un cambio estadísticamente significante después de aplicada la intervención. CONSULTA DEMORADA (%) EN CONSULTA EXTERNA ANTES Y DESPUES DE LA INTERVENCION CONSULTA EXTERNA % CONSULTA SITUACION SI NO TOTAL DEMORADA Antes Después En este ejemplo ambas variables son categóricas nominales. Por haber utilizado muestras diferentes de usuarios antes y después de la intervención se consideran muestras independientes. Además, como el tamaño de las muestras es suficientemente grande (100) cumple los supuestos de normalidad estadística y pueden utilizarse para el análisis pruebas aproximadas como la estadística Z, la estadística chi-cuadrado corriente y chi-cuadrado de Mantel y Haenzel, en lugar de pruebas exactas como la Dos binomial o la Hipergeométrica. Como medida de fuerza de asociación se puede utilizar el riesgo relativo porque la consulta demorada se puede considerar Incidencia Acumulada 102
11 Aplicando los pasos de una prueba de significancia estadistica tenemos: Primero: Establecer la Hipótesis nula (Ho) y alterna (Ha). Ho: No existen diferencias en los porcentajes de consulta demorada antes y después de aplicada la intervención. Ha: Existen diferencias significantes en los porcentajes de consulta demorada antes y después de aplicada la intervención. Segundo: Definir el nivel de significancia = 0.05 Tercero: Seleccionar y aplicar la estadística de prueba para obtener el valor de probabilidad. (valor-p). - La estadística Z para diferencia de proporciones arroja un valor-p igual a La estadística chi-cuadrado corriente da un valor p igual a Siempre estas dos estadísticas dan resultados iguales en una tabla de cuatro casillas! Cuarto: Comparar el valor-p con el nivel de significancia : Como el valor-p de la prueba de significancia es menor que el nivel de significancia, se rechaza la Hipótesis Nula. Análisis: El porcentaje de consulta demorada después de la intervención cambió dramáticamente de 63% (antes) a 16% (después). Estas diferencias pueden deberse al efecto de la intervención aplicada y no a simple azar. 103
12 5.11. METODOS ESTADISTICOS PARA EXAMINAR ASOCIACION ENTRE DOS VARIABLES NUMERICAS Cuando se tienen dos variables numéricas el mejor análisis estadístico es el de correlación y regresión. En Epidemiología clínica este modelo se utiliza mucho en estudios farmacológicos de dosis respuesta. Dosis Respuesta Variable numérica Variable numérica Introducción al análisis de regresión Nomenclatura y conceptos básicos 1. Regresión. Este término se debe al biólogo Galton quién, estudiando la estatura de hijos y padres, quería ver en que medida la estatura de los hijos señalaba un regreso, una regresión hacia la estatura media de la raza, cuando la de sus padres se separaba de ella. Esta técnica estadística busca analizar la relación existente entre una variable aleatoria dependiente Y y una o más variables aleatorias independientes X 1, X 2,...X k. La relación o ecuación de regresión de Y en función de X 1, X 2,...X k se denota por Y =f(x 1, X 2,...X k ); puede ser lineal, curvilínea, diagonal, ortogonal, polinomica, etc. 104
13 Con base en un análisis de regresión se puede cuantificar en que medida uno o más variables independientes X i explican (o predicen) el comportamiento o variabilidad de una variable dependiente Y Análisis de regresión lineal simple Definir variables: independiente y dependiente Definir tipo de regresión: Lineal o no Lineal Verificar supuestos estadísticos Si supuestos no se cumplen utilizar métodos No Paramétricos Anexar análisis de varianza y coeficiente de determinación Para análisis utilizar las tablas siguientes: a) Análisis de Correlación Estadístico Coeficiente de Correlación Intervalo de confianza (95%) Coeficiente de determinación Valor Coeficiente de correlación lineal r de Pearson Indica el grado de asociación lineal entre dos variables. Se obtiene sacando la raíz cuadrada al coeficiente de determinación. Coeficiente de determinación : 2 Es una medida de la bondad de ajuste del modelo. Resulta del cociente de dividir la suma de cuadrados debida a la regresión (SCR) entre la suma total de cuadrados (SCT). 105
14 El coeficiente de determinación varía entre cero y uno e indica que tanto la variabilidad de la variable dependiente es explicada por la variable independiente. Se puede expresar en porcentaje. Si en una regresión lineal 2 = 0, significa no asociación lineal entre las variables. Pero, puede existir otro tipo de asociación entre ellas. b) Análisis de Varianza para Regresión Se utiliza para probar la bondad del modelo de regresión. Esto es, que tan útil es la variable independiente para explicar el comportamiento de la variable dependiente Y. Fuente de variación Grados de libertad Suma de cuadrados Cuadrados Medios Estadística F Valor-p Regresión 1 Error (Residual) n 2 Total n - 1 Expresión fundamental del análisis de varianza para regresión. SCT = SCR + SCE SUMA TOTAL SUMA CUADRADOS SUMA CUADRADOS DEL CUADRADOS DE LA REGRESION ERROR (RESIDUALES) Recordar que 2 = SCR / SCT 106
15 La variabilidad observada en la variable dependiente (suma de cuadrados totales = SCT) se subdivide en dos partes; la variabilidad debida al modelo de regresión (SCR) y variabilidad debida al error en la estimación (Residuales = SCE). La suma de los cuadrados debida al modelo de regresión (SCR) tiene p-1 grados de libertad, donde p es el número de parámetros ( i ) en el modelo, con i = 1, 2, 3,...k. Es un modelo de regresión lineal simple la SCR siempre tiene un grado de libertad. La SCE (Residuales) tiene n-p grados de libertad donde n es el total de casos en el estudio. Al dividir cada una de estas sumas de cuadrados por sus correspondientes grados de libertad se obtiene los denominados MEAN SQUARE (Cuadrados medios) que son las varianzas de la regresión y de los residuales. El valor del estadístico F resulta de dividir el cuadrado medio de regresión entre el cuadrado medio residual. El estadístico F se utiliza para probar la hipótesis de que la variable independiente no contribuye con ninguna información para predecir la variable dependiente. Esto equivale a probar estadísticamente que : Ho = 1 = 0 en Regresión Lineal Simple 107
16 c) Ecuación de Regresión Ecuación de regresión lineal simple utilizada para estimar el valor medio de Y ó predecir un valor particular de Y con base en un valor específico de X obtenido de la información muestral. y = X donde: y = E( y /X ) = valor esperado promedio para un valor particular de la variable independiente X. 0 = Intercepto con eje y 1 = Pendiente y = Valor esperado promedio de la variable dependiente x = Valor particular de la variable independiente d) E(Y / X) = o Modelo probabilistico de regresión lineal simple. Esta ecuación indica lo siguiente: para cualquier X, los valores de Y varían de manera aleatoria alrededor de su media E(Y / X) en forma de distribución normal de media cero y varianza 2. E ( Y / X 1 ) E ( Y / X 2 ) X 1 X 2 108
17 La letra indica el error aleatorio (medición) y se supone con distribución normal de media cero y con igual varianza 2 (homocedasticidad). Este modelo supone también, los valores Y i independientes y las medidas de distribución de la variable Y condicionadas a los X i, situadas en una recta denominada línea de regresión verdadera (linealidad). e) Supuestos para análisis de regresión lineal SUPUESTO 1 Debe existir linealidad Coeficiente r de Pearson. entre X, Y. Esta se puede comprobar con el En el análisis residual el error debe : SUPUESTO 2 Distribuirse Normal Esto se debe comprobar utilizando un test para bondad de ajuste o también mediante el test de Shapiro - Wilk que evalúa la correlación entre los residuales y los valores esperados. Gráficamente se debe obtener lo siguiente: y i y i X ó Y 109
18 Cuando existe heterocedasticidad (no homogeneidad de varianzas) el gráfico dará : y i y i X ó Y Si el gráfico de residuales muestra una tendencia lineal, se debe añadir otra variable independiente al modelo : y i - y i X ó Y Si se observa una tendencia parabólica, se opta por añadir un termino cuadratico o lineal al modelo : y i - y i X ó Y 110
19 Los errores deben ser independientes Esto se puede probar con el test de DURBIN WATSON. Los errores deben tener varianza costante Ejemplo: Análisis de Regresión entre Dosis (grm) de alcohol etílico ingerida y tiempo de reacción (seg) a un estímulo auditivo. a) Tabla de Datos Dosis (grms) b) Análisis de Correlación Estadístico Valor Coeficiente correlación 0.87 Intervalo Confianza (95% Coeficiente Determinación (%) 75% c) Análisis de Varianza Fuente de Variación Grados de libertad Suma de cuadrados Cuadrados Medios Regresión Error Total Estadística F Vapor -p d) Ecuación de Regresión Lineal 111
20 COEFICIENTES Variable Promedio coeficientes Limite confianza 95% Error Estadistica Inferior Superior Estándar F DOSIS ( 1) Intercepto ( o) Tiempo esperado promedio de reacción = x dosis (grm) Análisis: El coeficiente de correlación estimado (0.87) indica que existe una relación lineal fuerte entre dosis de alcohol etílico y tiempo de reacción. Su intervalo de confianza no incluye el cero (no correlación) lo cual está indicado que dicho coeficiente es significativamente diferente de cero. El coeficiente de determinación (75%) muestra que la dosis ingerida explica en un 75% el comportamiento del tiempo promedio de reacción (seg) a un estímulo auditivo. El otro 25% lo explicarán otras variables. Con los supuestos verificados, la prueba de bondad de ajuste del modelo de regresión arrojó un valor p igual a mucho menor que = 0.05 Conclusión: El análisis de regresión y correlación confirman una fuerte asociación entre dosis respuesta y permite utilizar la recta de regresión para estimar tiempos de reacción (seg.) según diferentes dosis (grm) de alcohol etílico entre 0 grm y 1000 grm 112
21 5.13. TALLER SOBRE REGRESION Y CORRELACION LINEAL SIMPLE La tabla siguiente muestra la cantidad de glucosa inyectada y la cantidad retenida en 18 usuarios hospitalarios. GLUCOSA GLUCOSA CASO INYECTADA RETENIDA CASO INYECTADA RETENIDA Fuente: Datos de James C. Cain y William P. Belk, The Asimilation Rate of Intravenously Injected Glucose in Hospital Patients, American Journak of the Medical Sciences, Vol. 203, No. 3 March 1942, pp Actividades 1. Realice el diagrama de correlación. 2. Determine si el grado de correlación entre las variables es estadísticamente diferente de cero. 3. Interprete el coeficiente de determinación obtenido (r 2 ) 4. Determine si la bondad de ajuste de una línea de Regresión es buena o no. 5. Plantee la ecuación de Regresión para estimaciones. 6. Estime la cantidad media retenida de Glucosa (gm/kgm x hora) en un paciente al que se le aplican 1.5gms. y su error estándar. Que significan estos resultados? 113
22 Salidas de computador con SPSS Correlation coefficient r = 0.97 r 2 = % confidence limits: 0.91 <R<0.99 Source df Sum of Squares Means Square F-statistic Regression Residuals Total Coefficients 95% confidence Partial Variable Mean Coefficient Lower Upper Std Error F-test INYECTADA Y- Intercept BILIOGRAFIA 1. CARVAJAL Reynaldo. Métodos Estadísticos para Análisis Epidemiológico. En proceso de publicación. Santiago de Cali: Univalle, KENNETH J. Rothman. Modern Epidemilogy, Segunda Edición, Boston: Little, Brown and Company, MEYER L. Paul. Probabilidad y Aplicaciones Estadísticas. México: Fondo Educativo Interamericano A.S MENDENHALL William. Estadística para Administración y Economía, México: Grupo Editorial Iberoamericana, SIDNEY Siegel. Estadística no Paramétrica. Séptima Reimpresión, México: Editorial Trillas, MENDEMHALL W. Scheaff R. Wackerly D. Estadística Matemática con Aplicaciones. México: Grupo Editorial Iberoamerica, S.A
METODOS ESTADISTICOS PARA ANALISIS BIVARIADO
CAPITULO 5 METODOS ESTADISTICOS PARA ANALISIS BIVARIADO El análisis bivariado permite examinar si existe relación (asociación) entre dos variables. Las variables pueden ser ambas numéricas, una numérica
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesCONCEPTOS BASICOS DE MUESTREO VARIABLE ALEATORIA. (Concepto no matemático)
CAPITULO 8 CONCEPTOS BASICOS DE MUESTREO En la aplicación de los métodos de muestreo es importante recordar los siguientes conceptos básicos: 8.1. VARIABLE ALEATORIA. (Concepto no matemático) Es aquella
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesFolleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detalles2. ESTADÍSTICA DESCRIPTIVA 15 Estadística descriptiva.. Variables aleatorias Descripción de variables cuantitativas
" INDICE PRÓLOGO... XXIII PREFACIO GUÍA DE LECTURA XXV XXIX 1. INTRODUCCIÓN A LA ESTADÍSTICA 1 1.1. Estadística 1 1.2. Historia 3 1.3. Población y muestra 4 1.4. Estadística aplicada 7 1.5. Aplicaciones
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesESTUDIOS ANALITICOS DISEÑO Y ANALISIS
CAPITULO 6 ESTUDIOS ANALITICOS DISEÑO Y ANALISIS Los estudios analíticos tienen como objetivo identificar dentro de una gama de factores posiblemente asociados con un efecto, cuales de ellos son verdaderamente
Más detalles7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesMicro currículo OBJETIVO GENERAL. Al finalizar este curso, el alumno estará en capacidad de:
Micro currículo Materia: ESTADISTICA INFERENCIAL Pensum: Aplica a partir del 2017.1 Resolución: VRA-010 Asignatura Nombre de la materia Código 15034 Créditos 3 Intensidad (H/S) 4 Modalidad PRESENCIAL Prerrequisitos
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Definición y clasificación del diseño experimental de grupos Diseño experimental de dos grupos: definición y clasificación Diseño experimental de dos grupos: análisis estadístico
Más detallesDiseño de experimentos - prueba de hipótesis.
Diseño de experimentos - prueba de hipótesis http://www.academia.utp.ac.pa/humberto-alvarez/diseno-deexperimentos-y-regresion Inferencia estadística Conjunto de métodos y técnicas que permiten inducir,
Más detallesDr. Abner A. Fonseca Livias
UNIVERSIDAD NACIONAL HERMILIO VALDIZAN FACULTAD DE ENFERMERÍA Dr. Abner A. Fonseca Livias 3/21/2015 6:17 AM Dr. Abner Fonseca Livias 1 UNIVERSIDAD NACIONAL HERMILIO VALDIZAN ESCUELA DE POST GRADO Dr. Abner
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA PROGRAMA DE LA ASIGNATURA DE: PROBABILIDAD Y ESTADÍSTICA IDENTIFICACIÓN
Más detallesEstadísticos Aplicados en el SPSS 2008
PRUEBAS ESTADISTICAS QUE SE APLICAN (SPSS 10.0) PARAMÉTRICAS:... 2 Prueba t de Student para una muestra... 2 Prueba t par muestras independientes... 2 ANOVA de una vía (multigrupo)... 2 ANOVA de dos vías
Más detallesInferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica: Facultad de Ingeniería. Mexicali.
Más detallesINDICE Capitulo 1. Nociones Básicos sobre el SPSS/PC+ Capitulo 2. Nociones Básicos sobre Probabilidad
INDICE Prólogo XIX Introducción XXIII Capitulo 1. Nociones Básicos sobre el SPSS/PC+ 1 1. Qué es y para qué sirve el SPSS/PC+ 1 2. funcionamiento general 1 A. Módulos, comandos y subcomandos 1 B. Estilos
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesESTADÍSTICA APLICADA A LA MEDICINA LABORAL
ESTADÍSTICA APLICADA A LA MEDICINA LABORAL ---oo--- II Curso 29/ Pedro Femia Marzo Bioestadística - Facultad de Medicina http://www.ugr.es/local/bioest Un esquema general de comparación de medias 2 Asumible
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesPruebas estadís,cas para evaluar relaciones
Pruebas estadís,cas para evaluar relaciones Asociación entre dos variables categóricas Hipótesis: frecuencias de ocurrencias en las categorías de una variable son independientes de los frecuencias en la
Más detallesBIOSESTADÍSTICA AMIGABLE
BIOSESTADÍSTICA AMIGABLE EJEMPLO: Ficha solicitud Colección Reserva UNIVERSIDAD AUSTRAL DE CHILE SISTEMA DE BIBLIOTECAS Clasificación: 574.015195 MAR 2001 Vol. y/o Copia: Apellido Autor: Título: C. 1 (SEGÚN
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
Más detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesInferencia estadística. Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan
Inferencia estadística Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan ESTADISTICA INFERENCIAL Permite obtener información de la población a través de una muestra Generalización de resultados
Más detallesNota 2. Estadísticas avanzadas Muestreos Complejos, R. Linear, R.Logística y Análisis de Supervivencia
Page 1 of 7 Nota 2 Estadísticas avanzadas Muestreos Complejos, R. Linear, R.Logística y Análisis de Supervivencia Objetivos Nivel Duración Necesidades Requisitos Características Esta nota proporciona información
Más detallesGuía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA.
Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA. Debe ser resuelta a mano, citar bibliografía (no usar internet). Términos clave 1. Ceteris Paribus 2. Grado de libertad 3.
Más detallesConocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.
NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesDISEÑO EXPERIMENTAL Biología, 2º Ciclo Profesores: Mauro Santos y Hafid Laayouni PROGRAMA TEÓRICO
DISEÑO EXPERIMENTAL Biología, 2º Ciclo 2005-2006 Profesores: Mauro Santos y Hafid Laayouni PROGRAMA TEÓRICO Tema 1 Introducción Diseño experimental e inferencia estadística: las dos caras de una misma
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS
Febrero 2011 EXAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: 62011037 EXAMEN MODELO B DURACION: 2 HORAS X Ciudad A Ciudad B 17-20 10 17 13-16 20 27 9-12 25 15 5-8 15
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detalles1) Inferencia estadística
1) Inferencia estadística Programa sintético INFERENCIA ESTADÍSTICA Datos básicos Semestre Horas de teoría Horas de práctica Objetivos Horas trabajo adicional estudiante Créditos IV 1 2 1 4 El estudiante
Más detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
Más detallesAnálisis de datos en CCSS: introducción al análisis descriptivo e inferencial
Programa de Doctorado Formación en la Sociedad del Conocimiento Seminario de doctorado 13 y 14 de marzo de 2014 Análisis de datos en CCSS: introducción al análisis descriptivo e inferencial Dra. Mª José
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detallesManual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University.
Manual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University. Estadísticas con MegaStat AgeCat Gender Seconds 1 2
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo
Más detallesPruebas Paramétricas y No paramétricas. Para la comprobación de hipótesis
Pruebas Paramétricas y No paramétricas Para la comprobación de hipótesis Pruebas Paramétricas Se busca estimar los parámetros de una población en base a una muestra. Se conoce el modelo de distribución
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesESTADISTICA AVANZADA. Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman)
ESTADISTICA AVANZADA Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman) Factor Análisis de la Variancia El análisis de varianza One Way es una generalización de la Prueba t para mas
Más detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detalles13A. RELACIÓN ENTRE DOS VARIABLES CUANTITATIVAS PRUEBAS ESTADÍSTICAS DE CONFORMIDAD
13A. RELACIÓN ENTRE DOS VARIABLES CUANTITATIVAS PRUEBAS ESTADÍSTICAS DE CONFORMIDAD RELACIÓN ENTRE DOS VARIABLES CUANTITATIVAS Las pruebas estadísticas para analizar la relación entre dos variables cuantitativas,
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesGrupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS
Red ibérica de evaluación de eficacia y efectos secundarios de tratamientos para el control de plagas en el olivar (RIESPO) 2ª Reunión, Madrid 10-11/06/2010 Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS ESTADÍSTICA
Más detallesUniversidad Autónoma de Sinaloa
Séptima Edición del Diplomado en Estadística Mc. José V. Jiménez Ramírez Director de la Escuela de Ciencias Fisico-Matemáticas Tel. : 7 16 11 54 vidaljr@uas.uasnet.mx Dr. René Castro Montoya Coordinador
Más detallesPrueba T de Student. Descripción de la Prueba T de student. Proceso de cálculo. Criterios de la prueba T de student
Descripción de la Prueba T de student Prueba T de student Víctor Cuchillac (padre) Prueba paramétrica para evaluar la asociación entre una variable nominal y una variable cuantitativa dicotómica (que posea
Más detallesN T E N.. IDO. CAPíTULO 3 TABLAS Y GRÁFICAS: UNA IMAGEN DICE MÁS QUE MIL PALABRAS 78. CAPíTULO I LA IMAGINACiÓN ESTADíSTICA
N T E N.. IDO PREFACIO xiv CAPíTULO I LA IMAGINACiÓN ESTADíSTICA Introducción La imaginación estadística 3 Enlace de la imaginación estadística con la imaginación sociológica 4 Normas estadísticas y normas
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesÍNDICE. Prefacio... xi
ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple
Más detallesIntroducción a estadística
Introducción a estadística Diego Shalom Laboratorio 5 Abril 2016 Medición = Comparar Comparar a veces es fácil, pero no siempre. Estadística descriptiva: valor representativo y ancho de la distribución
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesEstas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías
ANOVA I 19-8-2014 Estas dos clases ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA II - ANOVA factorial - ANCOVA (análisis
Más detallesCURSO - TALLER METODOLOGÍA DE LA INVESTIGACIÓN Y ESTADÍSTICA INFERENCIAL. Dirigido a Profesionales de la Salud. opción
CURSO - TALLER METODOLOGÍA DE LA INVESTIGACIÓN Y ESTADÍSTICA INFERENCIAL opción A Dirigido a Profesionales de la Salud 2019 Introducción Curso-Taller Metodología de la Investigación y Estadística Básica
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesTALLER DE INTRODUCCIÓN A LOS NEGOCIOS
REGRESIÓN LINEAL SIMPLE INTRODUCCIÓN Si sabemos que existe una relación entre una variable denominada dependiente y otras denominadas independientes (como por ejemplo las existentes entre: la experiencia
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesParte de las notas tomadas de: Prof. Edgar Acuña UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ
Estadística stica No Paramétrica Parte de las notas tomadas de: Prof. Edgar Acuña http://math.uprm math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ METODOS ESTADISTICOS
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesGUIA DOCENTE ESTADISTICA
1 GUIA DOCENTE ESTADISTICA 1- Datos de identificación Asignatura: Estadística Carácter: Formación básica Titulación: Psicología Ciclo: Grado Curso: 1 Cuatrimestre: Anual Departamento: Metodología de las
Más detallesIntroducción a las pruebas de hipótesis
Introducción a las pruebas de hipótesis André Chocó Introducción Las pruebas de hipótesis junto a los intervalos de confianza constituyen dos enfoques fundamentales de la inferencia estadística, es decir
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 12) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 12) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: Introducción al Contraste de Hipótesis https://www.intecca.uned.es/portalavip/grabacion.php?id_grabacion=56991&id_sala=60624&hash
Más detallesAl nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).
A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos
Más detallesAsignatura: BIOESTADISTICA. Curso: º de Medicina.
Asignatura: BIOESTADISTICA. Curso: 2002-2003. 1º de Medicina. Profesores: Agustín García Nogales, Miguel González Velasco y Jesús Montanero Fernández. Introducción sobre la Estadística y las Ciencias de
Más detallesTEMA 9 EL ANÁLISIS BÁSICO DE LA INFORMACIÓN EN LA INVESTIGACION DE MERCADOS
TEMA 9 EL ANÁLISIS BÁSICO DE LA INFORMACIÓN EN LA INVESTIGACION DE MERCADOS 9.1. Análisis Descriptivo de la Información 9.2. La Tabulación Cruzada 9.3. Contraste de Hipótesis 9.1. Análisis Descriptivo
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detallesINDICE 1. Introducción 2. Recolección de Datos Caso de estudio
INDICE Prefacio XIX 1. Introducción 1 1.1. Qué es la estadística moderna? 2 1.2. El crecimiento y desarrollo de la estadística moderna 2 1.3. Pensamiento estadístico y administración moderna 4 1.4. Estudios
Más detallesNombre de la asignatura: Estadística I. Carrera: Ingeniería en Desarrollo Comunitario. Clave de la asignatura: DCM-0510
1. DATOS DE LA ASIGNATURA. Nombre de la asignatura: Estadística I Carrera: Ingeniería en Desarrollo Comunitario Clave de la asignatura: DCM-0510 Horas teoría-horas práctica-créditos: 3--8. HISTORIA DEL
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesCURSO METODOLOGÍA DE LA INVESTIGACIÓN Y ESTADÍSTICA BÁSICA. Dirigido a Profesionales de la Salud. Febrero -Diciembre
CURSO METODOLOGÍA DE LA INVESTIGACIÓN Y ESTADÍSTICA BÁSICA Dirigido a Profesionales de la Salud Febrero -Diciembre 2017 Introducción Curso-Taller Metodología de la Investigación y Estadística Básica Aplicadas
Más detallesCURSO - TALLER METODOLOGÍA DE LA INVESTIGACIÓN Y ESTADÍSTICA INFERENCIAL. Dirigido a Profesionales de la Salud
CURSO - TALLER METODOLOGÍA DE LA INVESTIGACIÓN Y ESTADÍSTICA INFERENCIAL Dirigido a Profesionales de la Salud 2018 Introducción Curso-Taller Metodología de la Investigación y Estadística Básica Aplicadas
Más detalles19 Código: EST 2 Duración del ciclo en semanas:
Nombre de la Asignatura: ESTADÍSTICA 2 a) Generalidades Número de orden Prerrequisito (s): 19 Código: EST 2 Duración del ciclo en semanas: EST 1 Ciclo Académico: IV Duración /Hora Clase en minutos: Área
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detalles