Probabilidad y Estadística - Clase 3

Save this PDF as:
 WORD  PNG  TXT  JPG

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...

Definición de Correlación

Definición de Correlación Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del

Más detalles

ANÁLISIS DE REGRESIÓN N LINEAL

ANÁLISIS 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 detalles

TEMA 2: DISTRIBUCIONES BIDIMENSIONALES

TEMA 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 detalles

Tema 2: Análisis de datos bivariantes

Tema 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 detalles

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

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

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 14 ESTADÍSTICA. Cuantitativa: si puede medirse y expresarse con números (es una variable), por ejemplo la talla de calzado.

TEMA 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 detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS 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 detalles

Tema 4. Regresión lineal simple

Tema 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 detalles

Profesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.

Profesor: 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 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

7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE

7. 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 detalles

Ajuste por mínimos cuadrados

Ajuste 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 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

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

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

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

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

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

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

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

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE

ANÁLISIS 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 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

Estructura 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. 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 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 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 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 detalles

3. RELACION ENTRE DOS CONJUNTOS DE DATOS.

3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen

Más detalles

Introducción IMADIL /17/2014. Tema 3. Características estadísticas fundamentales (Tercera parte)

Introducción IMADIL /17/2014. Tema 3. Características estadísticas fundamentales (Tercera parte) IMADIL 0 /7/0 Tema. Características estadísticas fundamentales (Tercera parte) Ignacio Martín y José Luis Padilla IMADIL 0. Introducción. Representación Gráfica. Correlación. Índice Introducción Uno de

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

1 JESTADIS\REGRES.DOC

1 JESTADIS\REGRES.DOC CONTENIDOS 1. Introducción 2. Diagrama de dispersión 3. El coeficiente de correlación de Pearson 4. Regresión 1. Introducción Una de las metas frecuentes en la investigación consiste en determinar si existe

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

TEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN

TEMA 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 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

Lección 3. Análisis conjunto de dos variables

Lección 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 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

CORRELACIÓN LINEAL SIMPLE

CORRELACIÓN LINEAL SIMPLE CORRELACIÓN LINEAL SIMPLE ANÁLISIS DE CORRELACIÓN Cuando se trabaja con dos variables, pueden surgir diferentes preguntas como: Existe relación entre lo que una empresa gasta en publicidad y el importe

Más detalles

2. ESTADÍSTICAS BIDIMENSIONALES

2. 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 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

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

PROBLEMAS SOBRE V. ESTAD. BIDIMENSIONALES. PROFESOR: ANTONIO PIZARRO.

PROBLEMAS SOBRE V. ESTAD. BIDIMENSIONALES. PROFESOR: ANTONIO PIZARRO. 1º) (Andalucía, Junio, 98) Se considera la siguiente tabla estadística, donde a es una incógnita: X 2 4 a 3 5 Y 1 2 1 1 3 a) Calcular el valor de a sabiendo que la media de X es 3. b) Mediante la correspondiente

Más detalles

Distribuciones Bidimensionales.

Distribuciones 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 detalles

Capitulo. Describir la relación entre dos variables Pearson Prentice Hall. All rights reserved

Capitulo. Describir la relación entre dos variables Pearson Prentice Hall. All rights reserved Capitulo 34 Describir la relación entre dos variables Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta fundamental debe ser si podemos utilizar el valor

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

ESTADÍSTICA Hoja 2

ESTADÍSTICA Hoja 2 Estadística 1 ESTADÍSTICA 05-06. Hoja 2 1. Dada la variable bidimensional (X, Y ), Es cierto que: a) La suma de todas las frecuencias absolutas conjuntas es igual al número de datos.? b) La suma de todas

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

Un modelo para representar una relación aproximadamente

Un 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 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

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

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

TEMA 3 REGRESIÓN Y CORRELACIÓN

TEMA 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 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

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

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

ESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple

ESTADÍSTICA 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 detalles

Relación funcional Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se

Relación funcional Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se Distr ibuciones bidim ensionales Relación funcional 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

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

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

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

Julio Deride Silva. 18 de agosto de 2010

Julio Deride Silva. 18 de agosto de 2010 Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 18 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride

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

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

ESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL

ESTADÍSTICA. 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 detalles

peso edad grasas Regresión lineal simple Los datos

peso 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 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

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

ESTADÍSTICA BIDIMENSIONAL

ESTADÍSTICA BIDIMENSIONAL ESTADÍSTICA BIDIMENSIONAL 0. REPASO DE ESTADÍSTICA La estadística es la parte de las Matemática que estudia los fenómenos que se prestan a cuantificación, que generan conjunto de datos. La misión del estadístico

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

Estadística Inferencial. Sesión No. 9 Regresión y correlación lineal

Estadística Inferencial. Sesión No. 9 Regresión y correlación lineal Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia

Más 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

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

Estadística de dos variables

Estadística 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 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

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

Sumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...

Sumario 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 detalles

Tema 2: Análisis de datos bidimensionales

Tema 2: Análisis de datos bidimensionales Tema : Análisis de datos bidimensionales Variables estadísticas bidimensionales Distribuciones de frecuencias asociadas Regresión y correlación En una población puede resultar interesante considerar simultáneamente

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS II TEMA 4: FUNCIONES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS II TEMA 4: FUNCIONES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS II TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva,

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

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

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

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS II TEMA 4: FUNCIONES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS II TEMA 4: FUNCIONES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS II TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva,

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

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

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

OARI CLASE 19/05/2015. DESCRIPCIÓN CUANTITATIVA DE LOS DATOS. MEDIDAS RESUMEN

OARI CLASE 19/05/2015. DESCRIPCIÓN CUANTITATIVA DE LOS DATOS. MEDIDAS RESUMEN OARI CLASE 19/05/2015. DESCRIPCIÓN CUANTITATIVA DE LOS DATOS. MEDIDAS RESUMEN Licenciatura en Gestión Ambiental 2015 Estimación de estadísticos descriptivos Una descripción cuantitativa de datos incluye:

Más detalles

ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN

ASOCIACIÓN 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 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

1 POBLACIÓN Y MUESTRA

1 POBLACIÓN Y MUESTRA 1 POBLACIÓN Y MUESTRA Estadística.- es la rama de las matemáticas que se encarga de describir y analizar datos de un estudio, y obtener consecuencias válidas del estudio. Población.- es el conjunto de

Más detalles

Vectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos

Vectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos Definición Dado un espacio muestral S, diremos que X =(X 1, X 2,, X k ) es un vector aleatorio de dimension k si cada una de sus componentes es una variable aleatoria X i : S R, para i = 1, k. Notemos

Más detalles

Tema 3: Espacios eucĺıdeos

Tema 3: Espacios eucĺıdeos Marisa Serrano, Zulima Fernández Universidad de Oviedo 25 de noviembre de 2009 email: mlserrano@uniovi.es Índice 1 2 3.1 V, R espacio vectorial, la aplicación : V V R ( v, u) v u a) v 1, v 2, u V α, β

Más detalles

EJERCICIOS DE MATEMÁTICAS B

EJERCICIOS DE MATEMÁTICAS B EJERCICIOS DE MATEMÁTICAS B 4º ESO 1. Un avión vuela entre dos ciudades que distan 80 km. Las visuales desde el avión a A a B forman ángulos de 29 43 con la horizontal, respectivamente. A qué altura está

Más detalles

La línea recta: Serie1

La línea recta: Serie1 La línea recta: En una línea recta tenemos una relación entre dos variables, la independiente (x) y la dependiente (y). La forma en que se relacionan dependerá de la función que describa dicha relación.

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

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

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