Tema 10: Introducción a los problemas de Asociación y Correlación
|
|
- Marta Duarte Herrera
- hace 7 años
- Vistas:
Transcripción
1 Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
2 Índice 1 Asociación entre caracteres 2 Contraste chi cuadrado 3 Medidas de asociación 4 Correlación y regresión entre variables 5 Correlación y Regresión Lineal Simple 6 Inferencia en el Modelo de Regresión Lineal 7 Correlación Lineal 8 Predicciones Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
3 Asociación entre caracteres Sea X una variable cualitativa con modalidades A 1,, A k, e Y otra variable cualitativa con modalidades B 1,, B l, ambas definidas en la misma población Estamos interesados en saber si las variables X e Y presentan relación Los parámetros de interés serán las probabilidades condicionadas P(A i B j ) que representan la probabilidad de que un individuo que presenta la modalidad B j del carácter Y presente la modalidad A i de la variable X También en este caso son de interés las probabilidades condicionadas P(B j A i ) Las variables X e Y son independientes si P(A i B 1 ) = = P(A i B l ) para i = 1,, k es decir, si la probabilidad de que un individuo presente una determinada modalidad de X no depende de qué modalidad de Y presente dicho individuo Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
4 Asociación entre caracteres Tablas de contingencia En la situación anterior resolveremos el problema en base a una muestra de n individuos Los datos se representan en una tabla de contingencia: B 1 B j B l Total A 1 n 11 n 1j n 1l n 1 A i n i1 n ij n il n i A k n k1 n kj n kl n k Total n 1 n j n l n Frecuencias absolutas de la muestra (valores observados) n ij número de individuos que presentan simultáneamente la modalidad A i de la variable X y la modalidad B j de la variable Y n i número de individuos que presentan la modalidad A i de la variable X n j número individuos que presentan la modalidad B j de la variable Y Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
5 Asociación entre caracteres Frecuencias relativas de la muestra f ij = n ij n = P(A i B j ), f i = n i n = P(A i ), f j = n j n = P(B j ) f ij es la probabilidad estimada de que un individuo presente simultáneamente la modalidad A i de la variable X y la modalidad B j de la variable Y Frecuencias por filas de la muestra P(B j A i ) = n ij n i es la probabilidad estimada de que un individuo que presenta la modalidad A i de la variable X presente la modalidad B j del carácter Y Frecuencias por columnas de la muestra P(A i B j ) = n ij es la probabilidad de que un individuo que presenta la modalidad B j n j del carácter Y presente la modalidad A i de la variable X Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
6 Asociación entre caracteres Valores esperados Se calculan mediante la expresión E ij = n in j n Son los valores que cabría esperar para n ij si las variables X e Y fueran independientes Por lo tanto, bajo la hipótesis de independencia, todas las cantidades n ij E ij deberían ser próximas a 0 Si hemos comprobado que hay relación, para saber a cual de las categorías de X o de Y hemos de atribuir la relación entre ambas variables, hemos de buscar en la tabla los valores de n ij E ij más altos Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
7 Contraste chi cuadrado Planteamos el contraste de hipótesis del siguiente modo: H 0 : P(A i B 1) = = P(A i B l) para i = 1,, k H 1 : estas probabilidades no son iguales para algún i dicho de forma intuitiva: H 0 : H 1 : las variables X e Y son independientes hay relación entre las variables El valor experimental se calcula mediante la fórmula: χ = X i,j (n ij E ij) 2 E ij Rechazamos H 0 al nivel α si χ > χ 2 (k 1)(l 1),α Este test no sería válido si más del 25% de los valores E ij son menores que 5 Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
8 Medidas de asociación En caso de ser significativo el contraste anterior, calculamos grado de relación con el coeficiente de contingencia de Pearson n 2 ij χ C = χ + n = i,j E ij n n 2 ij i,j E ij Si q = min{l, k} entonces C toma valores entre 0 (asociación nula o independencia) y (q 1)/q (asociación máxima) Para tablas 2 2 tenemos el coeficiente Φ definido Φ = χ n = (n 11 n 22 n 12 n 21 ) 2 n 1 n 2 n 1 n 2 Φ toma valores entre 0 (asociación nula o independencia) y 1 (asociación máxima) Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
9 Correlación y regresión entre variables En este tema estudiaremos cómo determinar si existe relación entre dos variables cuantitativas X e Y, así como algunos coeficientes para, caso de existir, determinar la fuerza de dicha asociación Al mismo tiempo que daremos respuesta a estos problemas, desarrollaremos un modelo que relaciona X e Y aunque no de forma determinística, sino admitiendo la existencia de una componente aleatoria, debida al azar y a otros elementos del experimento estadístico que no se han tenido en cuenta en el análisis Dicho modelo se denomina Modelo de Regresión Lineal Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
10 Correlación y regresión entre variables Modelo General de Regresión Supongamos que estamos interesados en determinar la relación entre las siguientes variables: Y, variable aleatoria sobre una población (dependiente o respuesta) las variables que influyen en Y se llaman predictoras o regresoras Nos limitaremos al caso de una única variable predictora, X, definida sobre la misma población que Y La distribución de probabilidad de Y dependerá del valor que tome X No obstante, Y no está completamente determinada por X, ya que hay otras influencias aleatorias Esto se expresa mediante la ecuación: Y = f (X) + E (ecuación de regresión de Y sobre X) E, variable aleatoria no observable con media E[E] = 0 (error o ruido) Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
11 Correlación y Regresión Lineal Simple Modelo de Regresión Lineal Si en el Modelo General de Regresión, la función f es una recta, entonces la regresión de Y sobre X es lineal Y = β 0 + β 1 X + E En la práctica, la ecuación anterior es imposible de determinar Nuestro problema se limita a la Inferencia (estimación puntual, intervalos de confianza y contraste de hipótesis) sobre los parámetros β 0 y β 1 Intuitivamente, la pendiente de la recta, β 1, marca el crecimiento (o decrecimiento) de la variable Y por cada unidad que crece la variable X Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
12 Correlación y Regresión Lineal Simple Otros parámetros de interés: correlación lineal Algunos parámetros cuantificarán el grado de relación entre X e Y y el sentido de la misma Son la Covarianza poblacional (σ xy ) y el Coeficiente de Correlación Lineal (ρ) Se relacionan mediante la expresión Se verifica que ρ = σ xy σ x σ y, 1 ρ 1 Si β 1, σ xy, ρ < 0, la relación lineal es negativa (cuando crece X, decrece Y) Si β 1, σ xy, ρ = 0, no hay relación lineal, las variables son incorreladas, es decir, el comportamiento de X no afecta al de Y Si β 1, σ xy, ρ > 0, la relación lineal es positiva (cuando crece X también crece Y) Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
13 Correlación y Regresión Lineal Simple Ejemplo 1 Se desea conocer si existe relación entre las concentraciones de nitrato y sulfato en un suelo Para ello se toman 20 muestras de tierra resultando estas concentraciones: SO NO SO NO Representamos las dos variables en la nube de puntos o diagrama de dispersión nitrato NIT SULF sulfato Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
14 Correlación y Regresión Lineal Simple Inferencia en el Modelo de Regresión Lineal Como hemos visto en el Ejemplo, la inferencia se basará en una muestra aleatoria simple ambas variables X e Y, medidas sobre los mismos individuos Estimación puntual Los estimadores de los parámetros del modelo son: ˆσ xy = s xy = 1 n 1 Y y 1 y 2 y 3 y n X x 1 x 2 x 3 x n nx (x i x)(y i ȳ), ˆρ = r = sxy, 1 r 1 s i=1 xs y La recta de regresión lineal estimada de Y sobre X es la recta que mejor se ajusta a la nube de puntos de un determinado conjunto de datos (ajuste de mínimos cuadrados) y sus coeficientes se calculan son: s s ˆβ 1 = sxy s s 2, E 1 = 2 x (n 1)s 2, ˆβ0 = ȳ ˆβ 1 1 x, E 0 = s 2 x n + x 2 «(n 1)s 2 x siendo s 2 la varianza intrínseca muestral: s 2 = 1 X n n 2 (y i ( ˆβ 0 + ˆβ 1 x i )) 2 = n 1 i=1 n 2 (s2 y sxy ˆβ 1 ) Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
15 Correlación y Regresión Lineal Simple Intervalos de confianza Hemos de suponer que E N(0, σ) A un nivel de confianza 1 α: Para β 1 : I 1 = [ ˆβ 1 ± E 1 t n 2,α/2 ] Para β 0 : I 0 = [ ˆβ 0 ± E 0 t n 2,α/2 ] Contraste de hipótiesis Supondremos también que E N(0, σ) La hipótesis más interesante a contrastar es que hay relación entre las variables, es decir, H 0 : β 1 = 0 H 1 : β 1 0 H 0 : no hay relación lineal entre X e Y H 1 : sí hay relación lineal entre X e Y El estadístico de contraste es: T = ˆβ 1 E 1 Rechazamos H 0 al nivel α si T > t n 2,α/2 (equivalentemente si 0 I 1 ) Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
16 Correlación y Regresión Lineal Simple Grado de relación entre las variables Intuitivamente, si aceptamos H 0 la variable X desaparece de la ecuación Y = β 0 + β 1 X + E es decir, toda la variabilidad de Y es aleatoria Por el contrario si aceptamos H 1, entonces parte de la variabilidad de Y es debida a X y habrá relación entre X e Y El grado de relación y el signo de la misma nos lo dan ˆσ xy = s xy, ˆρ = r Este último coeficiente está entre -1 y 1, y por tanto su magnitud puede ser comparada con estas cantidades Así su proximidad a -1 ó a 1 nos da idea de una asociación lineal fuerte mientras que su proximidad a 0 de una asociación débil Coeficiente de determinación Al valor r 2 se le denomina coeficiente de determinación Mide el grado de asociación lineal (sin signo) entre X e Y Intuitivamente, r 2 se puede interpretar como el tanto por 1 de la variabilidad de Y que queda explicada por la variable X Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
17 Correlación y Regresión Lineal Simple Predicciones en el modelo de regresión lineal La recta de regresión estimada Y = ˆβ 0 + ˆβ 1 X puede ser utilizada para realizar predicciones Sea x 0 un valor observado de la variable X, que se corresponde con un valor y 0 de la variable Y que no hemos observado Aunque no conozcamos y 0, la recta anterior nos permite hacer inferencia sobre este valor Así su estimación será ŷ 0 = ˆβ 0 + ˆβ 1 x 0 Si además E N(0, σ) podemos dar un intervalo de confianza al nivel 1 α para y 0 : [ ( ŷ 0 ± s n + (x ) ] 0 x) 2 (n 1)s 2 t n 2,α/2 x Estas predicciones sólo serán fiables si hemos probado que hay relación entre las variables y el coeficiente de determinación r 2 es alto Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación Curso / 18
Tema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesTema 9: Relación entre variables categóricas
Tema 9: Relación entre variables categóricas Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Relación entre variables categóricas Curso
Más detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
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 detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
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 detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesEstadística Descriptiva II: Relación entre variables
Estadística Descriptiva II: Relación entre variables Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesDistribución bidimensional. Marginales. Correlación lineal. Rectas de regresión.
REGRESIÓN LINEAL. Distribución bidimensional. Marginales. Correlación lineal. Rectas de regresión. Dada una población, hasta ahora hemos estudiado cómo a partir de una muestra extraída de ella podemos
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 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 detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesTema1. Modelo Lineal General.
Tema1. Modelo Lineal General. 1. Si X = (X 1, X 2, X 3, X 4 ) t tiene distribución normal con vector de medias µ = (2, 1, 1, 3) t y matriz de covarianzas 1 0 1 1 V = 0 2 1 1 1 1 3 0 1 1 0 2 Halla: a) La
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
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 detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
Más detallesD I S T R I B U C I O N E S B I D I M E N S I O N A L E S
D I S T R I B U C I O N E S B I D I M E N S I O N A L E S 1. VARIABLES ESTADÍSTICAS BIDIMENSIONALES En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población. En
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
Más detalles= 15 CALIFICACION:
6 + 4 + 5 = 15 CALIFICACION: Vacacion.xls Este fichero está adaptado del fichero vacation.gdt del libro de Hill et al.(2008) que se puede descargar en: http://gretl.sourceforge.net/gretl data.html PARTE
Más detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Más detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 5: Análisis de datos cuantitativos I: estadística descriptiva b. Análisis bivariante OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2
Más 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 detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesTema 7: Introducción a la Teoría sobre Estimación
Tema 7: Introducción a la Teoría sobre Estimación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Introducción a la Teoría sobre Estimación
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 detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesUnidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de
Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más 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 detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
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 detallesRepresentaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Más detallesPart I. Descripción estadística de dos variables. Estadística I. Mario Francisco. Variable. bidimensional. Distribuciones de frecuencias
Part I Descripción de dos variables Introducción Si para un mismo individuo observamos simultáneamente k obtendremos como resultado una variable k-dimensional. Nos ocuparemos del estudio de las variables
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 detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesTEMA 3 Modelo de regresión simple
TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesESTADÍSTICA CÁTEDRA I. Unidad 7
ESTADÍSTICA CÁTEDRA I Unidad 7 UNIDAD 7: La relación entre variables. Contenidos Distribución conjunta de dos variables. Diagrama de dispersión. Distribuciones marginales y condicionales. Correlación.
Más detallesPrincipios de Bioestadística
Principios de Bioestadística Dra. Juliana Giménez www.cii.org.ar Nos permite Llegar a conclusiones correctas acerca de procedimientos para el diagnostico Valorar protocolos de estudio e informes Se pretende
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 detallesEstudio descriptivo de dos variables
Metodología de la Investigación en Enfermería Cátedra de Bioestadística Universidad de Extremadura 1 de febrero de 2012 Índice Introducción 1 Introducción 2 3 4 Índice Introducción 1 Introducción 2 3 4
Más detallesEl modelo de regresión múltiple
El de regresión múltiple Simple El de regresión múltiple es la extensión a k variables explicativas del de regresión simple. La estructura del de regresión múltiple es la siguiente: y = f (x 1,..., x k
Más detallesTema 9: Introducción al problema de la comparación de poblaciones
Tema 9: Introducción al problema de la comparación de poblaciones Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema
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 detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
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 detallesEstadística Estadística descriptiva bivariante
Estadística Estadística descriptiva bivariante Vamos a medir dos características (variables) sobre cada individuo. Las variables pueden ser cuantitativas o cualitativas combinadas de todas las formas posibles
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Novedades en el Plan de Trabajo Desviación típica sesgada
Más detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesCurso de nivelación Estadística y Matemática
Modelo de Curso de nivelación Estadística y Matemática Pruebas de hipótesis, y Modelos ARIMA Programa Técnico en Riesgo, 2017 Agenda Modelo de 1 2 Asociación Medidas de asociación para variables intervalo
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesEstadística I Tema 3: Análisis de datos bivariantes
Estadística I Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes Contenidos 31 Tablas de doble entrada Datos bivariantes Estructura de la tabla de doble entrada Distribuciones
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 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 detallesLos estimadores mínimo cuadráticos bajo los supuestos clásicos
Los estimadores mínimo cuadráticos bajo los supuestos clásicos Propiedades estadísticas e inferencia Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni MCO bajo los supuestos clásicos 1
Más detallesT3. El modelo lineal básico
T3. El modelo lineal básico Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Regresión lineal múltiple Planteamiento Hipótesis
Más detallesEscuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez.
Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez. Econometría Regresión Múltiple: Municipio Ocupados Población Analfabeta Mayor de 10 años Total de Viviendas Bejuma 18.874 1.835
Más detallesRegresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.
1 DEFINICIONES PREVIAS Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. Correlación: es la cuantificación del grado de relación existente
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: Introducción a la estimación de parámetros
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 4
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 4: Análisis conjunto de dos variables. 1.- Cuando se dice que dos variables están correlacionadas positivamente, se tiene que interpretar que: A) un aumento en una
Más detallesDistribuciones Bidimensionales.
Distribuciones Bidimensionales. 1.- Variables Estadísticas Bidimensionales. Las variables estadísticas bidimensionales se representan por el par (X, Y) donde, X es una variable unidimensional, e Y es otra
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple
Unidad Temática 3: Estadística Analítica Unidad 9 Correlación y Regresión Lineal Simple Análisis de Correlación Creado por Karl Pearson en 1920. Tiene el propósito de medir el grado de asociación observado
Más detallesANEXO VI. DETALLE ESTADÍSTICO
ANEXO VI. DETALLE ESTADÍSTICO El análisis de variables categóricas 8 mediante tablas cruzadas o de contingencia, es uno de los más empleados en ciencias sociales para estudiar la existencia de relación
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesDistribuciones bidimensionales
Distribuciones bidimensionales Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si se deja caer una piedra,
Más detallesUniversidad Central del Este UCE Facultad de Ciencias de la Salud Escuela de Medicina
Universidad Central l Este UCE Facultad Ciencias la Salud Escuela Medicina Programa la asignatura: : MED-052 Bioestadística II Código: Semestre: Asignatura electiva Total créditos 3 Teóricos 3 Prácticos
Más detallesCALIFICACION: 287,33 218, sí 1 sí 1. Se especifica el siguiente modelo de regresión para el precio de las viviendas: G i =
6 + 5 = 11 CALIFICACION: PARTE 1 (6 puntos) Una empresa inmobiliaria desea conocer los determinantes del precio de la vivienda en una ciudad de tamaño medio Para ello recoge información sobre las siguientes
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
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 detallesConceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesDos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda.
Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplos Si se deja caer una piedra, existe una fórmula que nos permite
Más detallesTema 15: Contrastes de hipótesis sobre algunos parámetros
ema 15: Contrastes de hipótesis sobre algunos parámetros 1. CORASE DE HIPÓESIS SOBRE LA MEDIA, Conocida Desconocida. CORASE DE HIPÓESIS SOBRE LA CORRELACIÓ, Bibliografía: ema 15 (págs. 379-4) Ejercicios
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL
ESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL CONCEPTOS PREVIOS RELACIÓN ESTADÍSTICA Dos variables x e y están relacionadas estadísticamente cuando conocida la primera se puede estimar aproximadamente el valor
Más detallesTema 7. Contrastes no paramétricos en una población
Tema 7. Contrastes no paramétricos en una población Resumen del tema 7.1. Introducción a la Estadística Inferencial. Estimación de parámetros Como ya sabemos, la Estadística estudia los métodos científicos
Más detallesVariables estadísticas bidimensionales
Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No. 9 Nombre: Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M. Los modelos de regresión sirven, en general, para tratar de expresar una variable respuesta (numérica) en
Más detallesEstadística Diplomado
Diplomado HRB UNAM 1 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 Estimación por Intervalos Cantidades Pivotales
Más detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
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 detalles5.5 Modelo de regresión. se especificó en los términos siguientes: (6.3.1) 1,2,3,..N. Donde:
5.5 Modelo de regresión El modelo de regresión lineal que se aplicó para explicar la relación entre producción antigüedad, edad, capital humano, apiarios y camioneta de los apicultores nayaritas se especificó
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 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 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 detallesTema 9: Estadística en dos variables (bidimensional)
Tema 9: Estadística en dos variables (bidimensional) 1. Distribución de frecuencias bidimensional En el tema anterior se han estudiado las distribuciones unidimensionales obtenidas al observar sólo un
Más detalles