Métodos Estadísticos de la Ingeniería Tema 4: Correlación y Regresión Grupo B
|
|
- Sergio Franco Moya
- hace 7 años
- Vistas:
Transcripción
1 Métodos Estadísticos de la Ingeniería Tema 4: Correlación y Regresión Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2010 Contenidos Variables Bidimensionales 3 Introducción Variables Bidimensionales Frecuencias y Frecuencias Marginales Distribución Condicionada Ejemplo Variables Bidimensionales con R Variables Bidimensionales con R Representaciones Gráficas Representaciones Gráficas con R Representaciones Gráficas con R Momentos Análisis de la Covarianza Coeficiente de Correlación de Pearson Correlación con R Regresión 18 Regresión y Correlación Modelo de Regresión Suma de Cuadrados Regresión Lineal Simple Coeficiente de Determinación Regresión con R Regresión con R summary(regresion) Regresión Lineal X sobre Y Regresión Exponencial, Potencial e Hiperbólica Regresión Polinómica y Múltiple
2 Contenidos Variables Bidimensionales Frecuencias, Frecuencias Marginales, Distribución Condicionada, Representaciones Gráficas. Frequencies, Marginal Frequencies, Conditional Distributions, Graphs. Correlación, Correlation. Covarianza y Coeficiente de Correlación de Pearson. Covariance and Correlation Coefficient. Regresión, Regression. Modelo de Regresión, Regresión Lineal Simple, Coeficiente de Determinación. Linear Regression, Determination Coefficient. La Regresión tiene como objetivo buscar una función que permita explicar una Variable en función de otra. A method for fitting a curve (not necessarily a straight line) through a set of points using some goodness-of-fit criterion. The most common type of regression is linear regression. Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 2 / 29 Variables Bidimensionales 3 / 29 Introducción Hasta ahora, para cada Unidad Estadística de nuestra muestra, sólo hemos observado un determinado Carácter. En la realidad, la mayoría de las ocasiones que tomamos una muestra observaremos más de un Carácter por Unidad Estadística. Como ya vimos los Caracteres podían ser: Cuantitativos o Cualitativos. El valor que adoptaba un Carácter entre sus distintas Modalidades posibles era una Variable Estadística. Cuantitativas Discretas o Continuas. Cualitativas Nominales u Ordinales. Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 4 / 29 2
3 Variables Bidimensionales El caso más sencillo es cuando para cada Unidad Estadística se observan dos Caracteres distintos. Siendo X e Y dos Variables Estadísticas. La ordenación de datos bidimensionales se puede efectuar mediante tablas de doble entrada, según sean: Variables cualitativas o no agrupadas. Variables cuantitativas agrupadas. Se tendrá: Para Variables cualitativas o no agrupadas, Para Variables cuantitativas agrupadas, X \ Y y 1... y j... y l Totales x 1 n n 1j... n 1l n x i n i1... n ij... n il n i..... x m n m1... n mj... n ml n m Totales n 1... n j... n l n X \ Y [b 1,b 2 )... [b j,b j+1 )... [b l,b l+1 ] Totales d 1... d j... d l [a 1,a 2 ) c 1 n n 1j... n 1l n [a i,a i+1 ) c i n i1... n ij... n il n i [a m,a m+1 ) c m n m1... n mj... n ml n m Totales n 1... n j... n l n Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 5 / 29 Frecuencias y Frecuencias Marginales Se definen entonces las Frecuencias Absolutas y las Frecuencias Relativas: Frecuencia Absoluta de (x i,y j ) es n ij. Frecuencia Relativa de (x i,y j ) es f ij = n ij n. Además podemos definir Frecuencias Marginales: Frecuencia Marginal Absoluta n i o n i, suma por columnas o por filas respectivamente. Frecuencia Marginal Relativa f i o f i, suma de las f ij por columnas o filas respectivamente. The total row and total column report the marginal frequencies or marginal distribution, while the body of the table reports the joint frequencies. Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 6 / 29 3
4 Distribución Condicionada Se define la Distribución Condicionada como la distribución de una de las variables respecto de un valor concreto de la otra variable. f(y i x j ) = n ij n j = f ij f j f(x i y j ) = n ij n j = f ij f j Given two jointly distributed random variables X and Y, the conditional probability distribution of Y given X (written Y X) is the probability distribution of Y when X is known to be a particular value. Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 7 / 29 Ejemplo Pedidos recibidos hoy en nuestra empresa de transporte logístico. En primer lugar observaremos el carácter Cualitativo de la Delegación Comercial que ha recibido el pedido y en segundo lugar el Producto Solicitado. Resinas Aceites Aditivos Ciudad Real Puertollano Completamos la tabla de frecuencias con las Frecuencias Marginales: Resinas Aceites Aditivos Totales Ciudad Real Puertollano Totales Frecuencias condicionadas por Delegación Comercial: Resinas Aceites Aditivos Totales Ciudad Real 1 Puertollano 1 Frecuencias Condicionadas por Producto Solicitado: Resinas Aceites Aditivos Ciudad Real Puertollano Totales Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 8 / 29 4
5 Variables Bidimensionales con R > Producto<-c("a","r","o","a","o","a","r","a","o","a") > Delegacion<-c("CR","P","CR","CR","P","CR","P","CR","CR","P") > addmargins(table(producto,delegacion)) Delegacion Producto CR P Sum a o r Sum > margin.table(table(producto,delegacion),1) Producto a o r Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 9 / 29 Variables Bidimensionales con R > Producto<-c("a","r","o","a","o","a","r","a","o","a") > Delegacion<-c("CR","P","CR","CR","P","CR","P","CR","CR","P") > prop.table(table(producto,delegacion),1) Delegacion Producto CR P a o r > prop.table(table(producto,delegacion),2) Delegacion Producto CR P a o r Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 10 / 29 5
6 Representaciones Gráficas Las representaciones gráficas más usadas son los Diagramas de Rectángulos para Caracteres Cualitativos y diagramas de Barras e Histogramas, para datos Caracteres Cuantitativos. Pedidos Pedidos Puertollano Ciudad Real Ciudad Real Puertollano Resinas Aceites Aditivos Resinas Aceites Aditivos Zona Comercial Zona Comercial Ahora bien, en el caso de parejas de Variables Estadísticas las representaciones más sencillas son los diagramas de dispersión. Y X Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 11 / 29 6
7 Representaciones Gráficas con R > Producto<-c("a","r","o","a","o","a","r","a","o","a") > Delegacion<-c("CR","P","CR","CR","P","CR","P","CR","CR","P") > barplot(table(producto,delegacion),legend.text=true) > barplot(table(producto,delegacion),legend.text=true, + beside=true) r o a a o r CR P CR P Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 12 / 29 7
8 Representaciones Gráficas con R > library(usingr) > Ingresos<-cfb$INCOME[1:15] > Ahorros<-cfb$SAVING[1:15] > plot(ingresos,ahorros) Ahorros Ingresos Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 13 / 29 8
9 Momentos Se definen los Momentos de orden (r,s) respecto de (v,w): i,j M (r,s) (v,w) = n ij(x i v) r (y j w) s, n teniendo especial interés para (v, w) = (0, 0) y (v, w) = (x, y) Raw Moments, (v,w) = (0,0). Central Moments, (v, w) = (x, y). Momentos respecto al origen, (v,w) = (0,0): Momentos centrales, (v, w) = (x, y): a 0,0 = 1 n ij = 1 n ij a 1,0 = 1 n ij x i = 1 n i x i = x n n ij a 0,1 = 1 n ij y j = 1 n j y j = y n n ij j a 1,1 = 1 n ij x i y j = xy n ij a 2,0 = 1 n ij x 2 i = 1 n i x 2 i = x n n 2 ij i a 0,2 = 1 n ij yj 2 = 1 n j yj 2 = y n n 2 ij m 0,0 = 1, m 0,1 = m 1,0 = 0 m 1,1 = 1 n ij (x i x)(y j y) = a 1,1 a 1,0 a 0,1 = n i,j = xy x y = s xy = s yx = Covarianza m 2,0 = 1 n ij (x i x) 2 = 1 n i (x i x) 2 = s 2 x n n i,j m 0,2 = 1 n ij (y j y) 2 = 1 n j (y i y) 2 = s 2 y n n i,j i j i j Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 14 / 29 9
10 Análisis de la Covarianza s xy = 1 n n ij (x i x)(y j y) = a 1,1 a 1,0 a 0,1 = xy x y. i,j Var Var1 s xy = 0 Var Var1 s xy > 0 Var Var1 s xy < 0 Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 15 / 29 10
11 Coeficiente de Correlación de Pearson La Covarianza posee unidades, las unidades de la Unidad Estadística al cuadrado. Para conseguir un dato adimensional que nos permita comparar la correlación entre parejas de variables, se define el Coeficiente de Correlación de Pearson: s xy r = s x s y 1 < r < 1 Este coeficiente determina el grado de correlación lineal, pudiendo existir otro tipo de relaciones. Correlation is the degree to which two or more quantities are linearly associated. In a two-dimensional plot, the degree of correlation between the values on the two axes is quantified by the so-called correlation coefficient. Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 16 / 29 11
12 Correlación con R > Diesel<-c(0,0,0,2,2,2,4,4,4,6,6,6,8,8,8,10,10,10,12,12,12) > Viscosidad<-c(71.95,71.89,71.92,65.56,65.54,65.66,60.53,60.73, ,56.05,56.09,56.02,51.93,51.75,51.88,47.91,48.1,48.12,44.91,44.37,44.5) > cor(diesel,viscosidad) [1] > plot(diesel,viscosidad) Viscosidad Diesel Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 17 / 29 Regresión 18 / 29 Regresión y Correlación La Regresión trata de buscar una función que permita explicar los valores de una variable en función de otra. La Correlación cuantifica el grado de dependencia o asociación que liga ambas variables. La regresión persigue: Determinar el tipo de relación que une a las variables. Ecuación funcional matemática que representa al modelo. Estimar los parámetros del modelo y determinar la bondad del ajuste. Realizar predicciones de la variable respuesta, dentro del rango de valores. Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 19 / 29 12
13 Modelo de Regresión Siendo X la variable explicativa o independiente e Y la variable respuesta o dependiente, tendremos la Regresión Simple: Y = f(x) Si la variable respuesta, Y, depende de varias variables explicativas, X 1,X 2,...,X n, tendremos la Regresión Múltiple: Y = f(x 1,X 2,...,X n ) In statistics, regression analysis includes any techniques for modeling and analyzing several variables, when the focus is on the relationship between a dependent variable, Y, and one or more independent variables, X. Según la naturaleza de la función f podemos tener distintos tipos de Modelos de Regresión: Regresión Lineal Simple: Regresión Polinómica Simple: Y = a + b X Regresión Lineal Múltiple: Y = a + b X + c X 2 + d X Y = a + b 1 X 1 + b 2 X b n X n También hay Regresión: Logarítmica, Exponencial, Potencial, Hiperbólica, Trigonométrica, etc. Los valores desconocidos que caracterizan la función f se denominan Parámetros de Regresión, Regression Parameters. Qué criterio utilizar para escoger unos valores adecuados para los parámetros. Regresión Y=f(X) Y X Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 20 / 29 13
14 Suma de Cuadrados Para una observación dada (x i,y j ) con una frecuencia n ij, definimos el error cometido por el modelo de regresión: ε ij = (y j f(x i )), y j = f(x i ) + ε ij. El objetivo es minimizar el error cometido por el modelo al explicar la variable respuesta Y en función de la variable independiente X: SCE = i,j n ij ε 2 ij = i,j n ij (y j f(x i )) 2. Los parámetros del Modelo que minimizan la Suma del Cuadrado de los Errores, definen al Modelo de Regresión. En el caso del Modelo Lineal Simple tendremos: ε ij = (y j f(x i )), y j = a + b x i + ε ij. El objetivo es entonces minimizar la Suma del Cuadrado de los Errores: SCE = i,j n ij ε 2 ij = i,j n ij [y j (a + b x i )] 2 = G(a,b). The linear least squares fitting technique is the simplest and most commonly applied form of linear regression and provides a solution to the problem of finding the best fitting straight line through a set of points. Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 21 / 29 14
15 Regresión Lineal Simple La recta que explique la dependencia de Y respecto a X, tendrá parámetros a y b que minimizen la SCE: G(a,b) = n ij [y j (a + b x i )] 2. i,j Para obtener a y b: G(a,b) a = 0 G(a,b) b = 0 ij n ij y j ij n ij a ij n ij b x i = 0 ij n ij y j x i ij n ij a x i ij n ij b x 2 i = 0 Las ecuaciones normales que resultan de minimizar G(a,b), son: y = a + b x yx = a x + b x 2 Resolviendo el sistema, tenemos los valores a y b: a = y b x b = yx x y = sxy x 2 x 2 s 2 x Con lo que la recta de regresión de Y sobre X es: y = f(x) = y + s xy s 2 (x x) x Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 22 / 29 Coeficiente de Determinación El Coeficiente de Correlación de Pearson determina el grado de correlación lineal entre las variables. 1 < r < 1 Se demuestra que para r 2 = 1, la Suma de los Cuadrados de los Errores, SCE= 0. SCE = G min = n s 2 y (1 r2 ) El Coeficiente de Determinación, R 2, en este caso de Regresión Lineal Simple coincide con r 2, expresa el porcentaje de Variabilidad Explicada por el modelo. The overall quality of the fit is then parameterized in terms of a quantity known as the Coefficient of Determination, defined by r 2, which gives the proportion of (y i y) 2 which is accounted for by the regression. Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 23 / 29 15
16 Regresión con R > Diesel<-c(0,0,0,2,2,2,4,4,4,6,6,6,8,8,8,10,10,10,12,12,12) > Viscosidad<-c(71.95,71.89,71.92,65.56,65.54,65.66,60.53,60.73, ,56.05,56.09,56.02,51.93,51.75,51.88,47.91,48.1,48.12,44.91,44.37,44.5) > Regresion<-lm(Viscosidad ~ Diesel) > Regresion Call: lm(formula = Viscosidad ~ Diesel) Coefficients: (Intercept) Diesel > plot(diesel,viscosidad) > abline(regresion) Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 24 / 29 Regresión con R Viscosidad Diesel Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 25 / 29 16
17 summary(regresion) Call: lm(formula = Viscosidad ~ Diesel) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) <2e-16 *** Diesel <2e-16 *** --- Signif. codes: 0 ³***³ ³**³ 0.01 ³*³ 0.05 ³.³ 0.1 ³ ³ 1 Residual standard error: on 19 degrees of freedom Multiple R-squared: , Adjusted R-squared: F-statistic: 1915 on 1 and 19 DF, p-value: < 2.2e-16 Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 26 / 29 17
18 Regresión Lineal X sobre Y En el caso en que busquemos explicar la dependencia de X respecto de Y, mediante regresión lineal simple: X = a + b Y ε ij = (x i f(y j )), x i = f(y j ) + ε ij. Regresión X=f(Y) Y X La SCE a minimizar será, G(a,b) = i,j n ij [x i (a + b y j )] 2. G(a,b) a = 0 G(a,b) b = 0 Resolviendo el sistema, tenemos los valores a y b: a = x b y b = yx x y = sxy y 2 y 2 s 2 y Con lo que la recta de regresión de Y sobre X es: x = f(y) = x + s xy s 2 (y y) y Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 27 / 29 18
19 Regresión Exponencial, Potencial e Hiperbólica Para los casos de modelos Exponenciales, Potenciales e Hiperbólicos, una transformación de las variables permite adaptar lo visto para la Regresión Lineal Simple: Exponencial: Potencial: Hiperbólica: Y = a b X log(y ) = log(a) + log(b) X Y = a X b log(y ) = log(a) + b log(x) Y = 1 a + b X 1 Y = a + b X Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 28 / 29 Regresión Polinómica y Múltiple De forma genérica se obtienen los parámetros de regresión para ecuaciones Polinómicas o para el caso de Regresión Múltiple: Y = f(x;θ), θ = (a,b,c,... ). La Suma de Cuadrados a minimizar será, ε ij = (x i f(y j )), x i = f(y j ) + ε ij. G(θ) = i,j n ij [x i f(x i )] 2. G(a, b) θ = 0 Licesio J. Rodríguez-Aragón Tema 4, M.E.I. 29 / 29 19
Tema 2: Estadística Bivariante Unidad 1: Correlación y Regresión
Estadística Tema 2: Estadística Bivariante Unidad 1: Correlación y Regresión Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
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 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 detallesPráctica 3: Regresión simple con R
Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar
Más detallesUn modelo para representar una relación aproximadamente
Regresión Se han visto algunos ejemplos donde parece que haya una relación aproximadamente lineal entre dos variables. Supongamos que queremos estimar la relación entre las dos variables. Cómo ajustamos
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 detallesMODELO PARA EL TALLER DE REGRESION
MODELO PARA EL TALLER DE REGRESION PROBLEMA. Los datos siguientes muestran la matricula estudiantil en los primeros 5 anos de nuestra Universidad. Años (desde el 2000 al 2004) x 1 2 3 4 5 Matricula (miles
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 detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
Más detallesAjuste de Regresión Lineal Simple
Ajuste de Regresión Lineal Simple Hugo Alberto Brango García 1 1 Universidad de Córdoba Estadística II Mayo de 2014 Análisis de Regresión Mayo de 2014 1 / 33 Supuestos sobre los residuales del modelo Normalidad
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 detallesMétodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
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 detallesTema 2: Estadística Descriptiva Bivariante.
Estadística 24 Tema 2: Estadística Descriptiva Bivariante. Se va a estudiar la situación en la que los datos representan observaciones, correspondientes a dos variables o caracteres, efectuadas en los
Más detalles2. ESTADÍSTICAS BIDIMENSIONALES
TEMA. ESTADÍSTICAS BIDIMENSIONALES.... Definición. Objetivos.... Coeficiente de Correlación. Lineal... 4 3. Rectas de regresión.... 7 . Definición. Objetivos En el tema anterior hemos estudiado las distribuciones
Más detallesANALISIS DE LA ESTATURA
ANALISIS DE LA ESTATURA OBJETIVO El objetivo de este trabajo es realizar un estudio de la de distintos individuos. DATOS Se realizan los distintos análisis de regresión simple, así como el análisis de
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 detallesTEMA 1: ESTADISTICA DESCRIPTIVA
ESTADÍSTICA, CURSO 008 009 1 TEMA 1: ESTADISTICA DESCRIPTIVA 1 FUDAMETOS 11 VARIABLES ESTADISTICAS Población: conjunto completo de elementos, con alguna característica común, objeto del estudio estadístico
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 detallesINTRODUCCIÓN A REGRESIÓN LINEAL. Simple y Múltiple
1 INTRODUCCIÓN A REGRESIÓN LINEAL Simple y Múltiple 2 Introducción Aprendizaje Supervisado Predicción: estimar una función f(x) de forma que y = f(x) Donde Y puede ser: Número real: Regresión Categorías:
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 detallesRegresión Lineal. 15 de noviembre de Felipe Bravo Márquez
Felipe José Bravo Márquez 15 de noviembre de 2013 Introducción Un modelo de regresión se usa para modelar la relación de una variable dependiente y numérica con n variables independientes x 1, x 2,...,
Más detallesTEMA 14 ESTADÍSTICA. Cuantitativa: si puede medirse y expresarse con números (es una variable), por ejemplo la talla de calzado.
Objetivos / Criterios de evaluación TEMA 14 ESTADÍSTICA O.15.1 Conocer el significado y saber calcular los parámetros de centralización y dispersión O.15.2 Interpretar y utilizar los parámetros de dispersión.
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
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 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 detallesEstadística de dos variables
Versión: Estadística de dos variables 19 de septiembre de 013 1 Introducción En el Tema 1 se consideran las variables estadísticas unidimensionales, es decir, cada individuo de la muestra se describe de
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesSELECCIÓN Y SECUENCIACIÓN DE CONTENIDOS PARA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. BLOQUE 1 : ARITMÉTICA Y ÁLGEBRA
SELECCIÓN Y SECUENCIACIÓN DE CONTENIDOS PARA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. BLOQUE 1 : ARITMÉTICA Y ÁLGEBRA Se comenzará el curso, si el profesor lo considera necesario, con un pequeño
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
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
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesMedia-Lab Prado. Modelos Lineales en para procesar encuestas de Satisfacción. Manuel Pérez Gómez 16/06/2016
Media-Lab Prado Modelos Lineales en para procesar encuestas de Satisfacción Manuel Pérez Gómez 16/06/2016 Análisis de los Sectores. TPV Caja Compras Almacén Grupos Informes TPV Caja Compras Almacén Grupos
Más detallesTEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN
4.5.- En cuál de los siguientes casos se podría utilizar la varianza residual en lugar del coeficiente de determinación para medir la calidad del ajuste? Con el mismo conjunto de datos y dos ajustes distintos.
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 detalles1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1
8 Estadística 81 Distribuciones unidimensionales Tablas de frecuencias En este tema nos ocuparemos del tratamiento de datos estadísticos uestro objeto de estudio será pues el valor de una cierta variable
Más detallesTema 1: Estadística descriptiva. Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1
Tema 1: Estadística descriptiva Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1 Introducción Objetivo: estudiar una característica o variable en una población. Ejemplos:
Más detallesAnálisis de los resultados de la evaluación del aprendizaje de procedimientos de análisis descriptivo en ingeniería informática
Análisis de los resultados de la evaluación del aprendizaje de procedimientos de análisis descriptivo en ingeniería informática Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesFIABILIDAD (VI): TESTS DE VIDA ACELERADA
FIABILIDAD (VI): TESTS DE VIDA ACELERADA Autores: Ángel A. Juan Pérez (ajuanp@uoc.edu), Rafael García Martín (rgarciamart@uoc.edu). RELACIÓN CON OTROS MATH-BLOCS Este math-block forma parte de una serie
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detallesVariables aleatorias bidimensionales discretas
Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,
Más detallesCátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
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 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 detallesCONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK
CONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK BLOQUE 1. ESTADÍSTICA 1. ESTADÍSTICA UNIDIMENSIONAL Variable estadística
Más detallesTema 8: Distribuciones Unidimensionales y Distribuciones Bidimensionales. Consideraciones iniciales:
Tema 8: Distribuciones Unidimensionales y Distribuciones Bidimensionales. Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.:
Más detallesAnálisis de diferentes representaciones en la regresión lineal simple
Análisis de diferentes representaciones en la regresión lineal simple 5ª. Jornada sobre el Uso de los Sistemas de Cómputo Simbólico en la Enseñanza de las Matemáticas M.C. Gudelia Figueroa Preciado M.
Más detallesEjemplo simple de regresión lineal simple y múltiple (para realizar en el aula)
Ejemplo simple de regresión lineal simple y múltiple (para realizar en el aula) OBJETIVOS: 1. Familiarización con la terminología y funciones ligadas a un análisis de regresión lineal 2. Establecer las
Más detallesIntroducción al Tema 3. Tema 3. Correlación y regresión Covarianza y correlación. Propiedades y relación con el diagrama de dispersión. Regresión.
Introducción al Tema 3 1 Tema 2. Análisis de datos Representaciones y gráficos. Resumen numérico. Relaciones entre variables. bivariantes Extensión a dos variables cuantitativas Tema 3. Correlación y regresión
Más detallesLos datos siguientes contienen indicadores demográficos y criminales sobre 47
Los datos siguientes contienen indicadores demográficos y criminales sobre 47 estados de EEUU. Los datos fueron recogidos por la Uniform Crime Report del FBI y otras agencies del gobierno para determinar
Más detallesX Y
Capítulo 2 Distribuciones bivariantes Hasta ahora hemos estudiado herramientas que nos permiten describir las características de un único carácter Sin embargo, en muchos casos prácticos, es necesario estudiar
Más detallesJulio Deride Silva. 4 de junio de 2010
Curvas ROC y Regresión Lineal Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 4 de junio de 2010 Tabla de Contenidos Curvas ROC y Regresión Lineal
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
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 detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente
Más detallesCálculos de Regresión Logística en R, Caso de una covariable.
Cálculos de Regresión Logística en R, Caso de una covariable. Carga de datos (Tabla 1.1, Hosmer-Lemeshow): CH=read.table( CHDAGE.txt,header = T) attach(ch) Gráfico de Dispersión: plot(age,chd,xlab= Edad,
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesContenidos IB-Test Matemática NM 2014.
REDLAND SCHOOL MATHEMATICS DEPARTMENT 3 MEDIO NM 1.- Estadística y probabilidad. Contenidos IB-Test Matemática NM 2014. 1.1.- Conceptos de población, muestra, muestra aleatoria, y datos discretos y continuos.
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 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 detallesDistribuciones bidimensionales. Correlación.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 4: Distribuciones bidimensionales. Correlación. Resumen teórico Resumen teórico de los principales conceptos estadísticos
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 detallesEstadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión
Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo
Más detallesUNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.15 ECONOMETRÍA 2 Econometría.weebly.com Wilhem.weebly.com Ejercicio 19.15 Considérese
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 1: Frecuencias y Gráficos
Estadística Tema 1: Estadística Descriptiva Unidimensional Unidad 1: Frecuencias y Gráficos Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Septiembre 2010 Contenidos...............................................................
Más detalles(5 x 3) ( 3 x 5) ( 5 x 1) b1 335, ,3-26, ,59 b2 = 0, , ,8 12,85 = 2,94 b3-26,79 13,8 2, ,31
VENTAS PUBLIC. PRECIOS 1990 0, 0, 10 1991 1 0, 1992 2 0,8 199, 0,8 199 1, Y X U 0, 1 0, 10 U1 Modelo matricial con término constante 1 1 0, U2 (el vector de unos recoge ese término constante) 2 1 0,8 U,
Más detallesErrores de especificación. Series simuladas
Estimación modelo correcto Dependent Variable: Y Date: 05/13/02 Time: 17:07 Sample: 2 100 Included observations: 99 Errores de especificación. Series simuladas C 5.376164 0.253524 21.20578 0.0000 X1 0.954713
Más detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
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 detallesTEMA 3 REGRESIÓN Y CORRELACIÓN
TEMA 3 REGRESIÓN Y CORRELACIÓN Regresión mínimo-cuadrática bidimensional Planteamiento del problema Dadas dos variables aleatorias X e Y definidas sobre un mismo espacio de probabilidad (asociadas a un
Más detallesBachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( )
1 Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º (2015-2016) Tema 1: NÚMEROS REALES Conjuntos numéricos. Números naturales. Números enteros. Números racionales. Números
Más detallesPráctica 2: Regresión lineal
Prácticas de estadística con R Ingeniería Química Universidad de Cantabria Curso 2011 2012 Práctica 2: Regresión lineal R también permite trabajar conjuntamente con más de una variable. En particular esta
Más detallesUNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:
UNIDAD Nº4 TEORÍA DE REGRESIÓN Y CORRELACIÓN 1.- Teoría de Regresión.- En términos de estadística los conceptos de regresión y ajuste con líneas paralelas son sinónimos lo cual resulta estimar los valores
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 detallesAjuste por mínimos cuadrados
Mathieu Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Cartagena, Enero 2010 Guión 1 Planteamiento 2 Criterio de mínimos cuadrados 3 Casos concretos: regresión lineal
Más detallesANÁLISIS DE REGRESIÓN N LINEAL
ANÁLISIS DE REGRESIÓN N LINEAL Varias partes tomadas de Julio H. Cole "Nociones de Regresión Lineal" en Enciclopedia Multimedia Virtual de Economía EMVI. http://eumed.net/cursecon/medir/index.htm Análisis
Más detallesEstadística Descriptiva Bivariante con STATGRAPHICS -Dependencia lineal y Regresión-
Estadística Descriptiva Bivariante con STATGRAPHICS -Dependencia lineal y Regresión- 1. Introducción Fichero de datos empleado: VelVientos730.sf3 En este documento se analizarán, utilizando Statgraphics,
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 detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesCuaderno de actividades 1º
Cuaderno de actividades 1º 1 ITRODUCCIÓ: Variables estadísticas bidimensionales En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población En el caso de dos (o más)
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 detallesEVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Más detallesESTADÍSTICA. Rincón del Maestro:
ESTADÍSTICA Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Conceptos
Más detallesEstadística ESTADÍSTICA
ESTADÍSTICA La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesMATEMÁTICAS 2º BACHILLERATO
MATEMÁTICAS 2º BACHILLERATO MATRICES 1. Matrices y tipos de matrices 2. Operaciones con matrices 3. Producto de matrices 4. Matriz traspuesta 5. Matriz inversa 6. Rango de matrices DETERMINANTES 7. Determinantes
Más detallesExpresión decimal. Aproximación y estimación. Notación científica. Polinomios. Divisibilidad de polinomios. Regla de Ruffini.
Otras páginas Matemáticas 5º Matemáticas I. Bloque I: ARITMÉTICA Y ÁLGEBRA Los números reales Los números reales, concepto y características. Estructura algebraica, orden, representación en la recta real
Más detallesUN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL.
UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL. Benjamín R. Sarmiento Lugo. Universidad Pedagógica Nacional bsarmiento@pedagogica.edu.co Esta conferencia está basada en uno de los temas desarrollados
Más detallesECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3
ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 3 Considere la ecuación de inversión RINV t = β 1 +β 2 RPIB t +β 3 r t +u t donde RINV es la inversión real privada, RPIB es el PIB real y r es el tipo de
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
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 UNIDIMENSIONAL. 30/09/2004 Proyecto MaMaEuSch 1
ESTADÍSTICA DESCRIPTIVA UNIDIMENSIONAL 0/09/2004 Proyecto MaMaEuSch Estadística Ciencia que trata sobre los métodos científicos para: Recoger, organizar, resumir y analizar datos Sacar conclusiones relevantes
Más detallesModelos Lineales. Regresión Lineal Múltiple. Práctica 5
Práctica 5 Vamos a analizar con STATGRAPHICS el problema de estimación, descomposición de la variabilidad, contraste de regresión, intervalos de confianza para los parámetros, y predicciones, sobre un
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 detallesTema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 8 de noviembre de 2010 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal
Más detallesMétodos Estadísticos de la Ingeniería 2º I.T.I. Electricidad Curso 2010/2011 PRÁCTICA 2 ESTUDIOS DESCRIPTIVOS BIDIMENSIONALES
Práctica 2 Estudios Descriptivos Bidimensionales Página 1 Métodos Estadísticos de la Ingeniería 2º I.T.I. Electricidad Curso 2010/2011 PRÁCTICA 2 ESTUDIOS DESCRIPTIVOS BIDIMENSIONALES En esta segunda práctica
Más detalles