Probabilidad y Estadística - Clase 3

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

Download "Probabilidad y Estadística - Clase 3"

Transcripción

1 Probabilidad y Estadística - Clase 3

2 Relación entre dos variables Karl Pearson ( ). Matemático británico. Mejoró los trabajos de Francis Galton. Se propuso estudiar la relación entre la estatura de los hijos y sus padres. Inventó el coeficiente de correlación entre dos variables. Se llevaba muy mal con Ronald Fisher.

3 El estudio de Pearson Pearson observó la estatura de 1078 pares de padres e hijos.

4 De tal palo, tal astilla? Padre (X) Hijo (Y) Densidad Densidad Altura del padre (cm) Altura del hijo (cm) No podemos ver la relación entre X e Y.

5 Diagrama de dispersión Altura del Hijo (cm) Altura del Padre (cm) Los valores de X son {x 1,..., x n }. Los valores de Y son {y 1,..., y n }. Ponemos un punto por cada par p i = (x i, y i ).

6 Diagrama de dispersión Altura del Hijo (cm) Altura del Padre (cm) El promedio de los padres es x = cm. El promedio de los hijos es y = cm. El punto p = (x, y) es el promedio de (X, Y ).

7 Diagrama de dispersión Altura del Hijo (cm) Altura del Padre (cm) Consideremos la recta que pasa por p de pendiente 1. Los pares (x i, y i ) cerca de la recta cumplen que y i x i + cte.

8 Diagrama de dispersión Altura del Hijo (cm) Altura del Padre (cm) La franja de puntos con x i [179, 181] tiene mucha variabilidad. Hay puntos muy alejados de la recta y = x + (y x).

9 Un grueso bosquejo y y Asociación Fuerte x Asociación débil x Si hay asociación fuerte entre X e Y, saber una ayuda a predecir la otra. Si hay asociación débil, información sobre una variable no ayuda mucho a adivinar la otra.

10 Distribución conjunta z Histograma conjunto Altura del padre Altura del hijo Altura del Hijo (cm) Altura del Padre (cm) Los histogramas de X e Y por separado, permiten visualizar las distribuciones marginales de las variables. Por sí solos no alcanzan para entender la relación entre X e Y. El diagrama de dispersión representa la distribución conjunta del par (X, Y ). También se puede hacer un histograma conjunto.

11 Cuidado con la regla del producto Sea C = I J un rectángulo en el plano xy. La frecuencia relativa de pares p i = (x i, y i ) que caen en C es Fr(C) = 1 n #{i : p i C }. La frecuencia relativa de cada intervalo es Fr(I ) = 1 n #{i : x i I } y Fr(J) = 1 n #{i : y i J}. Pregunta: Es Fr(C) = Fr(I ) Fr(J)? En general no! Veamos los datos de Pearson: tomemos I = J = [160, 170], entonces Fr(C) = 0.13, Fr(I ) = 0.35, Fr(J) = 0.23, Fr(I ) Fr(J) = Dist. conjunta de (X, Y ) (Marginal de X ) (Marginal de Y ).

12 Cómo resumir un diagrama de dispersión? El 96% de las x i s caen en el intervalo [x ± 2s X ]. El 95% de las y i s caen en el intervalo [y ± 2s Y ]. Altura del Hijo (cm) Altura del Padre (cm)

13 Cómo resumir un diagrama de dispersión? La mayoría de las x i s caen en el intervalo [x ± 2s X ]. La mayoría de las y i s caen en el intervalo [y ± 2s Y ]. y y 2s Y 2s Y x x 2s X 2s X Hasta ahora, el resumen es x, s X, y, s Y.

14 Pero falta algo... Solamente las medias y las desviaciones típicas no alcanzan: y y 2s Y 2s Y x x 2s X 2s X Falta un número que nos diga cuán fuerte es la asociación entre X e Y.

15 El coeficiente de correlación El coeficiente de correlación r mide la fuerza de la asociación (lineal) entre dos variables X e Y. En palabras: mide cuán agrupados en una linea recta están los puntos en el diagrama de dispersión. La relación entre dos variables queda resumida por: la media y la desviación típica de X, la media y la desviación típica de Y, el coeficiente de correlación r. Cómo definir r?

16 El coeficiente de correlación Coef. Corr. r=0.0 Coef. Corr. r=0.5 Coef. Corr. r=0.9 y y y x Coef. Corr. r= x Coef. Corr. r= x y y x x

17 El coeficiente de correlación Buscamos un número r [ 1, 1] que verifique: Si r > 0 un aumento en X implica un aumento en Y. Si r = 1 Y = ax + b, con a > 0, b R. Si X e Y no tienen relación lineal aparente r = 0 Si r < 0 un aumento en X implica una disminución en Y. Si r = 1 Y = ax + b, con a < 0, b R. Si dos variables están en relación lineal Y = ax + b, las medias verifican y = ax + b b = y ax. Luego, las variables centradas verifican Y y = a(x x). Basta trabajar con las variables centradas.

18 Los datos como vectores Supongamos que las variables son centradas, i.e. x = y = 0. Podemos pensar que las observaciones son vectores de R n X = (x 1,..., x n ) e Y = (y 1,..., y n ). Recordar que: La longitud de un vector v = (v 1,..., v n ) es n v = i=1 v 2 i. El ángulo entre dos vectores v = (v 1,..., v n ) y w = (w 1,..., w n ) es cos θ = v, w v w = 1 v w n v i w i. i=1

19 Los datos como vectores cos Si definimos el coeficiente de correlación como r = cos (X, Y ) se verifica r [ 1, 1]; si r = 1, existe a > 0 tal que Y = ax ; si r = 1, existe a < 0 tal que Y = ax ; si r = 0 entonces X e Y son ortogonales; X La fórmula queda <(X,Y) Y ni=1 x i y i r = n i=1 x i 2 n i=1 y i 2

20 El signo de r y r>0 r<0 y x x signo(r) = signo n i=1 x i y i

21 La fórmula general de r Supongamos ahora que X e Y no son necesariamente centradas. La covarianza entre X e Y se define como cov(x, Y ) = 1 n 1 n (x i x) (y i y). i=1 El coeficiente de correlación entre X e Y se define como r = cov(x, Y ) s X s Y.

22 Normalizar una variable Observar que podemos escribir la correlación r como r = 1 n 1 n ( ) ( ) xi x yi y i=1 s X s Y Sea X una variable cuyos valores son {x 1,..., x n }, normalizarla significa: Centrarla: le restamos la media a cada observación x i x. Reducirla: dividimos las observaciones centradas por el desvío z i = x i x s X. La variable normalizada Z tendrá media cero y desvío 1. La unidad de la variable normalizada Z se llama unidad típica.

23 La recta de desvíos La nube de puntos en un diagrama de dispersión tiende a inclinarse en la dirección de la recta de desvíos. La recta de desvíos es aquella que pasa por los promedios y tiene pendiente ±s Y /s X. Miede la relación de variabilidad entre X e Y. El signo de la pendiente depende del signo de la correlación r. La ecuación de la recta es entonces y y = ( signo(r) s Y s X ) (x x). Fijados los desvíos, la correlación r mide si la nube es fina o gruesa.

24 La recta de desvíos y y r~1 r~0 2s Y 2s Y x x 2s X 2s X Diferentes correlaciones pero igual recta de desvíos.

25 Fijados los desvíos Coef. Corr. r=0.23 Coef. Corr. r=0.9 y y x x Aquí tanto X como Y tienen media 3 y desvíos 1 y 0.5 resp. La recta de desvíos pasa por (3, 3) y tiene pendiente 0.5.

26 Trampas visuales Coef. Corr. r=0.7 Coef. Corr. r=0.7 y y x x Aquí tanto X como Y tienen media 3. Pero tienen desvío 1 en el primer caso y 0.5 en el segundo. La recta de desvíos pasa por (3, 3) y tiene pendiente 1.

27 Casos excepcionales Outliers r=0.08 No lineal r=-0.2 y y x x La correlación r es sensible a datos atípicos. La correlación r mide asociación lineal, no asociación en general.

28 Correlación no es causalidad Age of Miss America correlates with Murders by steam, hot vapours and hot objects yrs 8 murders Age of Miss America yrs 22.5 yrs yrs 20 yrs 6 murders 4 murders Murders by steam yrs murders Murders by steam Age of Miss America Math doctorates awarded correlates with Uranium stored at US nuclear power plants tylervigen.com degrees 100 million pounds Math doctorates 1600 degrees 1200 degrees 80 million pounds 60 million pounds Uranium US power plants 800 degrees million pounds Uranium US power plants Math doctorates tylervigen.com

29 Correlación no es causalidad Coef. Corr. r=0.95 Coef. Corr. r=0.87 Doctorados en Matematica Asesinatos Uranio almacenado (millones libras) Edad Miss America

30 Regresión El método de regresión consiste en estimar el valor promedio de Y correspondiente a un determinado valor de X. En el curso nos limitaremos a la regresión lineal. Datos del Maternal and Child Health Centres Se realizó en 1993 en Hong Kong. Es un estudio de adolescentes de 18 años. Se midieron: X = Altura en cm. Y = Peso en kg.

31 Estadística Descriptiva Diagrama de dispersión de (X, Y ) Peso (kg) 70 MCHC 1993 Hong Kong Altura (cm)

32 Resumen numérico del diagrama x (cm) s X (cm) y (kg) s Y (kg) r El problema Es claro que los altos pesan en general más que los bajos. Queremos cuantificar el incremento en peso debido a un incremento en altura. Dificultad Gran variabilidad de peso entre individuos que miden aproximadamente lo mismo.

33 Mucha variabilidad Peso de individuos con estatura entre 174 y 176 cm. Densidad Peso (kg)

34 Pero al tomar promedios... Grafico de promedios Peso promedio (kg) Altura (cm)

35 Cómo son los incrementos? X 2cm Y X 2cm Y El incremento promedio es 0.97 kg. Y si medimos en unidades típicas? 1 unidad típica de X 1 desvío s X = 4.8 cm. 1 unidad típica de Y 1 desvío s Y = 5.3 kg. Los incrementos quedan: X = 0.42 u.t. y Promedio ( Y ) = 0.18 u.t. ( ) Y en u.t. Promedio = 0.44 r X en u.t.

36 La recta de regresión La recta de regresión aproxima al gráfico de promedios. Es la recta que Pasa por el punto de los promedios p = (x, y). Tiene Pendiente = r s Y sx. La ecuación es y y = r s Y s X (x x) y Estimación por regresión El punto de los promedios r x s Y s X x

37 La recta de regresión Recta de regresion Peso promedio (kg) Altura (cm)

38 La regresión como método de predicción Supongamos que se toma un individuo al azar entre los 25 mil. En cuánto estimarías su peso? Sin otra informacón, lo mejor que podemos decir por ahora es el promedio general de la población y = 57.6 kg. Y si se nos dice que su altura es cm? Podemos usar la recta de regresión: Peso = r s Y s X (163.5 x) + y = 52.5 kg. Más adelante en el curso veremos como hacer mejores predicciones.

39 Regresión a la media Volvamos a los datos de las alturas de Pearson: Altura del hijo (cm) Altura del padre (cm)

40 Regresión a la media Notar lo que ocurre al dividir por franjas: Altura del hijo (cm) Altura del padre (cm)

41 Regresión a la media Lo mismo pasa con la recta de regresión: Altura del hijo (cm) Altura del padre (cm)

42 Regresión a la media El resumen numérico del diagrama de dispersión es x (cm) s X (cm) y (cm) s Y (cm) r La recta de regresión tiene ecuación dada por y y = 0.51 (x x). Supongamos que un padre tiene altura x. Si x > x, entonces y > y pero y y < x x. Si x < x, entonces y < y pero y y < x x. Este efecto se conoce como regresión a la media.

43 El Error Cuadrático Medio en regresión Sean X e Y dos variables cuyos valores son {x 1,..., x n } y {y 1,..., y n }. El error de predicción para el i-ésimo individuo es ɛ i = y i reg(x i ) en donde reg(x i ) es el valor predicho por la recta de regresión: reg(x) = r s X s Y (x x) + y. El error cuadrático medio de predicción es por definición ECM = 1 n 1 n ɛ 2 i. i=1

44 El Error Cuadrático Medio en regresión y Error Valor real Predicción El ECM dice cuán lejos en promedio están los pares p i = (x i, y i ) de la recta de regresión. x

45 El Error Cuadrático Medio en regresión y y 68% Recta de regresión Un ECM Un ECM 95% Recta de regresión Dos ECM Dos ECM x x Es una regla heurística para interpretar el ECM.

46 El ECM y el coeficiente de correlación El ECM de predicción en la regresión se puede calcular mediante ECM = 1 r 2 s Y. La prueba es una cuenta: ECM 2 = 1 n 1 n i=1 ɛ 2 i = 1 n 1 n i=1 = s 2 Y 2rs Y cov(x, Y ) + r 2 s 2 Y = s 2 Y 2r 2 s Y + r 2 s 2 Y = (1 r 2 )s 2 Y. ( y i y r s ) 2 Y (x i x) s X Notar que en unidades típicas (ECM) u.t. = 1 r 2.

47 La variación explicada Cuando existe una relación lineal, parte de la variación de Y se explica por el hecho de que cuando X cambia, arrastra consigo a Y. Problema: Cuánto influye esto en la variación total de Y? Observar que la media de las predicciones coincide con la de Y : 1 n n reg(x i ) = 1 n i=1 n i=1 r s Y s X (x i x) + y = y. La variación explicada por la regresión es por definición s 2 reg = 1 n 1 reg(xi ) y 2. i=1

48 El coeficiente de determinacón El coeficiente de determinación R 2 mide la fracción de la variación total de Y que es explicada por la regresión. Se define como R 2 = 1 s2 reg. s 2 Y Interpretación de R 2 Si R 2 1, casi no hay variación debida a la regresión. Si R 2 0, casi toda la variación es debida a la regresión.

49 Descomposición de la variación total de Y La variación total de Y se descompone como s 2 Y = ECM2 + s 2 reg. La prueba es una cuenta: primero observar que De aquí resulta s 2 Y = 1 n 1 n yi reg(x i ) reg(x i ) y = 0 i=1 n yi reg(x i ) + reg(x i ) y 2 i=1 = ECM n 1 n yi reg(x i ) reg(x i ) y + sreg 2 = ECM 2 + sreg. 2 i=1

50 Descomposición de la variación total de Y La fórmula anterior se interpreta así: s 2 Y }{{} Variación total de Y = ECM } {{ } 2 + sreg 2 }{{} Variación residual Variación de regresión Coeficiente de determinación y r 2 De la relación entre r y ECM deducimos la igualdad R 2 = 1 r 2. Resulta entonces que r 2 = s2 reg s 2 Y = variación de regresión de Y con X variación total de Y.

51 El gráfico de residuos Los errores de predicción ɛ i se llaman también residuos. El gráfico de residuos se construye como el diagrama de dispersión, salvo que se dibujan los puntos r i = (x i, ɛ i ) donde ɛ i es el error de predicción del i-ésimo individuo. El gráfico de residuos es un método visual para evaluar si es correcto ajustar la relación entre dos variables mediante un modelo lineal.

52 Residuos en el ejemplo del estudio de Pearson Grafico de residuos Residuos (cm) Altura del padre (cm) Si los puntos se distribuyen al azar arriba y abajo de la recta horizontal, quiere decir que el modelo lineal es una buena opción.

53 Residuos que se curvan Diagrama de dispersion Grafico de residuos y Residuos x x Si los residuos presentan un patron marcado, es un indicio de que el modelo lineal no es una buena opción.

54 Regresión y mínimos cuadrados Sean X e Y variables con valores {x 1,..., x n } y {y 1,..., y n }. Busquemos la recta que mejor aproxima los puntos p i = (x i, y i ) en el diagrama de dispersión usando el método de mínimos cuadrados. Entre todas las rectas y = ax + b queremos aquella que minimiza el ECM(a, b) 2 = 1 n 1 Derivamos e igualamos a cero n (y i ax i b) 2. i=1 ECM 2 a ECM 2 b = 2 n 1 = 2 n 1 n (y i ax i b) x i = 0 i=1 n (y i ax i b) = 0 i=1

55 Regresión y mínimos cuadrados Haciendo cuentas, llegamos a a = 1 ni=1 n x i y i x y ni=1 xi 2 x 2 1 n b = y ax. Y haciendo un poco más de cuentas a = r s Y s X. La recta de regresión es la recta que mejor aproxima los puntos del diagrama de dispersión por el método de mínimos cuadrados.

56 Resumiendo...

Teoría de la decisión

Teoría 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 detalles

Bioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión

Bioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión Bioestadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en

Más detalles

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos: 15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo

Más detalles

Estadística descriptiva bivariante y regresión lineal.

Estadística descriptiva bivariante y regresión lineal. Estadística descriptiva bivariante y regresión lineal. 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en su libro Natural inheritance (1889) refiriéndose a la

Más detalles

Módulo de Estadística

Módulo de Estadística Módulo de Estadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton

Más detalles

Tema 9: Estadística en dos variables (bidimensional)

Tema 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

VARIABLES ESTADÍSTICAS BIDIMENSIONALES

VARIABLES 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 detalles

Tema 3: Análisis de datos bivariantes

Tema 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 detalles

Correlación. 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) 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 detalles

Coeficiente de Correlación

Coeficiente de Correlación Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las

Más detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. 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 detalles

Tema 2. Descripción Conjunta de Varias Variables

Tema 2. Descripción Conjunta de Varias Variables Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis

Más detalles

Relación entre la altura y la distancia del suelo al ombligo

Relación entre la altura y la distancia del suelo al ombligo Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas

Más detalles

Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística

Regresión 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 detalles

Estadística aplicada a la comunicación

Estadística 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 detalles

Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.

Regresión: 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 detalles

Tema 3. Relación entre dos variables cuantitativas

Tema 3. Relación entre dos variables cuantitativas Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas

Más detalles

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión

Estadís5ca. 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 detalles

CORRELACIÓN Y REGRESIÓN. Raúl David Katz

CORRELACIÓN Y REGRESIÓN. Raúl David Katz CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable

Más detalles

Tema 8: Regresión y Correlación

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 detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística 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 detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles

Universidad 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 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 detalles

Técnicas de Investigación Social

Técnicas de Investigación Social Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro

Más detalles

Matemáticas. Selectividad ESTADISTICA COU

Matemáticas. Selectividad ESTADISTICA COU Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries

Más detalles

Estadística Descriptiva II: Relación entre variables

Estadística 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 detalles

CAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA

CAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como

Más detalles

1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1

1, 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 detalles

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones

Más detalles

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

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 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 INTRODUCCIÓN: Variables estadísticas bidimensionales En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población

Más detalles

Repaso Estadística Descriptiva

Repaso 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 detalles

Tema 10: Introducción a los problemas de Asociación y Correlación

Tema 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 detalles

RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO

RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre

Más detalles

Tema 1.- Correlación Lineal

Tema 1.- Correlación Lineal Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una

Más detalles

Estadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada

Estadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada Estadística Descriptiva Bivariada En el aspecto conceptual, este estudio puede ser generalizado fácilmente para el caso de la información conjunta de L variables aunque las notaciones pueden resultar complicadas

Más detalles

CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES

CUESTIONES 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 detalles

Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión

Estadís6ca 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 detalles

Sesgo y varianza del estimador de la razón. con el problema de presición vs. sesgo que ya discutimos. t y. ˆt x

Sesgo y varianza del estimador de la razón. con el problema de presición vs. sesgo que ya discutimos. t y. ˆt x Sesgo y varianza del estimador de la razón A diferencia de los estimadores lineales vistos en las clases anteriores, los estimadores de la razón son usualmente sesgados. La varianza, comunmente más reducida,

Más detalles

El ejemplo: Una encuesta de opinión

El 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 detalles

Álgebra y Matemática Discreta

Álgebra y Matemática Discreta Álgebra y Matemática Discreta Sesión de Teoría 23 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 2 Dic 2013-8 Dic 2013 Introducción La existencia de bases ortonormales es los espacios es muy útil

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN 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 detalles

Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1

Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta

Más detalles

Unidad IV Introducción a la Regresión y Correlación

Unidad IV Introducción a la Regresión y Correlación Unidad IV Introducción a la Regresión y Correlación Última revisión: 25-0ctubre-2009 Elaboró: Ing. Víctor H. Alcalá-Octaviano Página 48 IV.1 Conceptos fundamentales Antología de Probabilidad y Estadística

Más detalles

CORRELACION Y REGRESIÓN LINEAL

CORRELACION Y REGRESIÓN LINEAL LECCION Nº 5 CORRELACION Y REGRESIÓN LINEAL OBJETIVOS ESPECIFICOS Diferenciar los conceptos de correlación lineal, y regresión lineal. Determinar el índice o coeficiente de correlación en una distribución

Más detalles

Regresión múltiple. Demostraciones. Elisa Mª Molanes López

Regresión 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 detalles

UNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:

UNIDAD 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 detalles

Calculamos la covarianza. (La covarianza indica el sentido de la correlación entre las variables):

Calculamos la covarianza. (La covarianza indica el sentido de la correlación entre las variables): 0 81 098 www.ceformativos.com EJERCICIOS RESUELTOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Cinco niñas de 2,3,,7 y 8 años de edad pesan respectivamente 14, 20, 30, 42 y 44 kilos. a) Hallar la ecuación de la recta

Más detalles

Método de cuadrados mínimos

Método 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 detalles

Estadística Inferencial. Estadística Descriptiva

Estadística Inferencial. Estadística Descriptiva INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y

Más detalles

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización

Más detalles

Cuaderno de actividades 1º

Cuaderno 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 detalles

ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANALISIS 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 detalles

En este caso la variable X es el n de hijos, es por tanto una variable discreta. Veamos todas las frecuencias.

En este caso la variable X es el n de hijos, es por tanto una variable discreta. Veamos todas las frecuencias. ESTADÍSTICA DESCRIPTIVA Concepto v finalidad En los municipios existen unos censos de los ciudadanos con datos de su edad, sexo, residencia, trabajo, etc. Pero si se desea conocer, para lanzar un producto

Más detalles

CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 3º DE ESO

CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 3º DE ESO CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 3º DE ESO UNIDAD 1 1.1. Simplifica y compara fracciones y las sitúa de forma aproximada sobre la recta. 1.2. Realiza operaciones aritméticas con números fraccionarios.

Más detalles

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas

INDICE 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 detalles

Tema 2: Estadística Descriptiva Bivariante.

Tema 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 detalles

Matemáticas. Bioestadística. Correlación y Regresión Lineales

Matemáticas. Bioestadística. Correlación y Regresión Lineales Matemáticas Bioestadística Correlación y Regresión Lineales En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo, si se analiza la

Más detalles

MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO

MATEMÁTICAS 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 detalles

Cátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS

Cátedra: 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 detalles

Julio Deride Silva. 4 de junio de 2010

Julio 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 detalles

Tema 2 Estadística Descriptiva

Tema 2 Estadística Descriptiva Estadística Descriptiva 1 Tipo de Variables 2 Tipo de variables La base de datos anterior contiene la información de 36 alumnos de un curso de Estadística de la Universidad de Talca. En esta base de datos

Más detalles

PROGRAMA DE REFUERZO 3º Evaluación

PROGRAMA DE REFUERZO 3º Evaluación COLEGIO INTERNACIONAL SEK EL CASTILLO DEPARTAMENTO DE MATEMÁTICAS PROGRAMA DE REFUERZO 3º Evaluación MATEMÁTICAS 3º de E.S.O. ALUMNO: Ref E3.doc3 Página 1 Matemáticas 3º ESO MATEMÁTICAS 3º E.S.O. (010/011)

Más detalles

Variables estadísticas bidimensionales

Variables 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 detalles

ADMINISTRACION DE OPERACIONES

ADMINISTRACION DE OPERACIONES Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura

Más detalles

CLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA

CLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA 1 CLASES DE ESTADÍSTICA II CLASE ) ESPERANZA ABSOLUTA. ESPERANZA CONDICIONAL. ESPERANZA ABSOLUTA El cálculo de valores esperados o esperanzas a nivel de dos variables aleatorias es una generalización matemática

Más detalles

Tema 1: Análisis de datos univariantes

Tema 1: Análisis de datos univariantes Tema 1: Análisis de datos univariantes 1 En este tema: Conceptos fundamentales: muestra y población, variables estadísticas. Variables cualitativas o cuantitativas discretas: Distribución de frecuencias

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M.

1 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 detalles

Regresión y Correlación

Regresión 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 detalles

CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS

CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones

Más detalles

TEMA 4 Modelo de regresión múltiple

TEMA 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

PROBABILIDAD Y ESTADÍSTICA. Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE

PROBABILIDAD Y ESTADÍSTICA. Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE PROBABILIDAD Y ESTADÍSTICA Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE 4.1 Regresión lineal simple y curvilínea 4.1.1 Variable dependiente e independiente 4.1.2 Ecuación de regresión 4.1.2.1 Aplicación

Más detalles

4.1 Análisis bivariado de asociaciones

4.1 Análisis bivariado de asociaciones 4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis

Más detalles

PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI

PRUEBA 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 detalles

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

3. 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 detalles

ÁREAS DE LA ESTADÍSTICA

ÁREAS DE LA ESTADÍSTICA QUÉ ES LA ESTADÍSTICA? Es el arte de realizar inferencias y sacar conclusiones a partir de datos imperfectos. ÁREAS DE LA ESTADÍSTICA Diseño: Planeamiento y desarrollo de investigaciones Descripción: Resumen

Más detalles

X Y

X 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 detalles

Fundamentos de Estadística y Simulación Básica

Fundamentos de Estadística y Simulación Básica Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión

Más detalles

Pendientes de Matemáticas Aplicadas a las Ciencias Sociales I b) 5-2

Pendientes de Matemáticas Aplicadas a las Ciencias Sociales I b) 5-2 . ARITMÉTICA OPERACIONES CON FRACCIONES. Realiza las siguientes operaciones teniendo en cuenta el orden de prioridades: 8-5 ( 5. Opera y simplifica: 5 5 5+ + ( ) 5 5 5 : c) 7-4 -(5-5- + PROPIEDADES DE

Más detalles

SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante

SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras

Más detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

Bioestadística. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si.

Bioestadística. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. 1 de 5 15/10/2006 06:04 a.m. Bioestadística. Correlación y regresión lineales. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo,

Más detalles

Variables estadísticas bidimensionales: problemas resueltos

Variables estadísticas bidimensionales: problemas resueltos Variables estadísticas bidimensionales: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO

Más detalles

REPASO DE ESTADÍSTICA DESCRIPTIVA

REPASO DE ESTADÍSTICA DESCRIPTIVA ÍNDICE: 1.- Tipos de variables 2.- Tablas de frecuencias 3.- Gráficos estadísticos 4.- Medidas de centralización 5.- Medidas de dispersión REPASO DE ESTADÍSTICA DESCRIPTIVA 1.- Tipos de variables La estadística

Más detalles

Tema 3. VARIABLES ALEATORIAS.

Tema 3. VARIABLES ALEATORIAS. 3..- Introducción. Tema 3. VARIABLES ALEATORIAS. Objetivo: Encontrar modelos matemáticos para el trabajo con probabilidad de sucesos. En particular, se quiere trabajar con funciones reales de variable

Más detalles

Práctica 3: Regresión simple con R

Práctica 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 detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos

Más detalles

Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A

Regresión 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 detalles

Doc. Juan Morales Romero

Doc. Juan Morales Romero Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica

Más detalles

Estadística. Generalmente se considera que las variables son obtenidas independientemente de la misma población. De esta forma: con

Estadística. Generalmente se considera que las variables son obtenidas independientemente de la misma población. De esta forma: con Hasta ahora hemos supuesto que conocemos o podemos calcular la función/densidad de probabilidad (distribución) de las variables aleatorias. En general, esto no es así. Más bien se tiene una muestra experimental

Más detalles

ESTADÍSTICA CON EXCEL

ESTADÍSTICA CON EXCEL ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas

SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria

Más detalles

PRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado

PRÁCTICA 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 detalles

Tema 7: Estadística y probabilidad

Tema 7: Estadística y probabilidad Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro

Más detalles

Tema 3: Estadística Descriptiva

Tema 3: Estadística Descriptiva Tema 3: Estadística Descriptiva Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 3: Estadística Descriptiva Curso 2008-2009 1 / 27 Índice

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tendencia central Medidas de tendencia central Medidas de Posición: son aquellos valores numéricos que nos permiten o bien dar alguna medida de tendencia central, dividiendo el recorrido de

Más detalles

RENTABILIDAD Y RIESGO

RENTABILIDAD Y RIESGO RENTABILIDAD Y RIESGO 1. MEDICIONES 1. SITUACIÓN La rentabilidad que tienen que entregar las inversiones, no solo involucran el beneficio natural que debe otorgar al capital por su utilización, sino la

Más detalles

Datos continuos (o agrupados en intervalos)

Datos continuos (o agrupados en intervalos) Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 2: Medidas de tipo paramétrico Documento Datos continuos (o agrupados en intervalos) Los datos que pueden tener

Más detalles

Multiple Linear Regression

Multiple 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 detalles

Criterios de evaluación 3º de ESO. Matemáticas Orientadas a las Enseñanzas Aplicadas

Criterios de evaluación 3º de ESO. Matemáticas Orientadas a las Enseñanzas Aplicadas CONCRECCIÓN de los CRITERIOS de EVALUACIÓN MATEMÁTICAS APLICADAS º ESO Teniendo en cuenta los criterios de evaluación correspondientes a esta materia, se realizan a continuación una concreción de dichos

Más detalles