Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística"

Transcripción

1 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 (UCM) 01/01/ / 31

2 Introducción Comúnmente, cuando se realiza un estudio estadístico, se miden a una misma unidad de análisis, más de una variable. Definición (Variable Dependiente) Es la variable por predecir (o por modelar) y se denota con la letra Y. Definición (Variable Independiente) Son las variables que se utilizan para predecir y se denota con la letra X. Definición (Relación entre variables) Se dice que dos variables están relacionadas, si cambios producidos (causa) en la variable independiente producen un efecto en la variable dependiente. (UCM) 01/01/ / 31

3 Relación entre las variables Definición (Covarianza) La covarianza entre dos variables cuantitativas, nos indica si la posible relación entre dos variables es directa o inversa. La covarianza muestral se calcula de la siguiente manera: cov xy = n (x i x)(y i y) i=1 n 1 = S xy n 1 Si la covarianza es negativa, entonces la relación es inversa. Si la covarianza es positiva, entonces la relación es directa. Si la covarianza es cero, entonces la relación es nula (no relacionados). El signo de la covarianza nos dice si el aspecto de la nube de puntos es creciente o no, pero no nos dice nada sobre el grado de relación entre las variables. (UCM) 01/01/ / 31

4 Relación entre las variables Ejemplo Considere un estudio donde se mide el ingreso mensual (X) y el gastos mensual (Y ). Se considera una muestra de 10 individuos, los datos son: Ingreso (x i) Gasto (y i) (x i x) (y i y) (x i x)(x i x) 15,6 17,4 2,05 0,75 1, ,8 18,4 1,25 1,75 2, ,5 16,5 1,95-0,15-0, ,5 15,2-1,05-1,45 1, ,2 19,9 0,65 3,25 2, ,7 22,1 2,15 5,45 11, ,3 14,8-1,25-1,85 2, ,2 17,3 0,65 0,65 0,4225 8,8 10,3-4,75-6,35 30, ,9 14,6-1,65-2,05 3,3825 Promedio 13,55 16,65 Suma 55,065 La covarianza sería cov xy = 55,065 9 = 6, 118. Lo que indica es que el Ingreso y el Gasto están relacionados, de forma directa (a medida que aumenta el Ingreso aumenta el gasto). (UCM) 01/01/ / 31

5 Grado de relación entre las variables Coeficiente de correlación de Pearson Definición (Correlación) El coeficiente de correlación de Pearson, indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores de la otra. r = n (x i x)(y i y) i=1 n (x i x) 2 i=1 = n (y i y) 2 i=1 S xy Sxx S yy (UCM) 01/01/ / 31

6 Grado de relación entre las variables Coeficiente de correlación de Pearson Indica si los puntos tienen una tendencia a disponerse alineadamente (excluyendo rectas horizontales y verticales). Es útil para determinar si hay relación lineal (ŷ = β 0 + β 1 x) entre dos variables. Tiene el mismo signo que Cov xy. La diferencia radica en que r está acotado en [ 1, 1]. Si está cercana a -1, indica que las variables están relacionadas en forma inversa, si está cercana a +1, la relación es directa y si está cercana a 0, las variables no están relacionadas. Cuanto más cerca esté r de 1 o +1 mejor será el grado de relación lineal. Siempre que no existan observaciones atípicas. (UCM) 01/01/ / 31

7 Grado de relación entre las variables Coeficiente de correlación de Pearson Ejemplo Con los datos anteriores, calcule e interprete la correlación. Ingreso (x i) Gasto (y i) (x i x) 2 (y i y) 2 15,6 17,4 4,2025 0, ,8 18,4 1,5625 3, ,5 16,5 3,8025 0, ,5 15,2 1,1025 2, ,2 19,9 0, , ,7 22,1 4, , ,3 14,8 1,5625 3, ,2 17,3 0,4225 0,4225 8,8 10,3 22, , ,9 14,6 2,7225 4,2025 Promedio 13,55 16,65 Suma 42,985 94,385 55,065 La correlación sería r = 42,985 94,385 = 0, 865. Lo que indica es que el Ingreso y Gasto están relacionados, de forma directa casi perfecta (r cercana a 1). (UCM) 01/01/ / 31

8 Grado de relación entre las variables Prueba de hipótesis para probar si la correlación es significativa en SPSS (UCM) 01/01/ / 31

9 Grado de relación entre las variables Prueba de hipótesis para probar si la correlación es significativa en SPSS (UCM) 01/01/ / 31

10 Grado de relación entre las variables Prueba de hipótesis para probar si la correlación es significativa en SPSS (UCM) 01/01/ / 31

11 Regresión Lineal Simple Introducción (Regresión Lineal Simple) El término regresión fue introducido por Galton en su libro Natural inheritance (1889) refiriéndose a la ley de la regresión universal. Se supone que se tiene una muestra (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ) correspondiente a la observación conjunta de las variables X e Y. El objetivo será encontrar una relación entre ambas variables, esta relación podría estar dada por una recta (ecuación de regresión: ŷ = β 0 + β 1 x). (UCM) 01/01/ / 31

12 Regresión Lineal Simple Diagrama de dispersión En un diagrama de dispersión, cada unidad de análisis es un punto cuyas coordenadas son los valores de las variables. 22,0 R 2 Lineal = 0,747 20,0 18,0 Gasto 16,0 14,0 12,0 10,0 8,00 10,00 12,00 Ingreso 14,00 16,00 El error aleatorio; ɛ son las desviaciones de los verdaderos valores de Y con respecto a los valores estimados ŷ (recta). (UCM) 01/01/ / 31

13 Regresión Lineal Simple La ecuación de regresión La ecuación de predicción esperada está dada por ŷ = β 0 + β 1 x. Donde, las estimaciones de los parámetros β 1 y β 0 son: β 1 = S xy S xx ; y β0 = y β 1 x Intercepto ( β 0 ): es la estimación de y cuando x = 0. Pendiente ( β 1 ): es la estimación de la pendiente de la recta (magnitud del incremento (o decremento) de y por cada unidad de incremento en x.) Además, se define el coeficiente de determinación r 2, como el porcentaje de la variabilidad total que explica el modelo. (UCM) 01/01/ / 31

14 Regresión Lineal Simple La ecuación de regresión Ejemplo Considerando los datos del problema anterior, encuentre la ecuación de regresión entre el Ingreso y el Gasto. La ecuación de predicción esperada está dada por ŷ = β 0 + β 1 x, Ĝasto = β 0 + β 1 Ingreso, Donde, las estimaciones de los parámetros β 1 y β 0 son: β 1 = 55, , 985 = 1, 281; y β0 = 16, 65 1, , 55 = 0, 708. (UCM) 01/01/ / 31

15 Regresión Lineal Simple La ecuación de regresión Ejemplo Entonces, la ecuación sería: Ĝasto = 0, , 281 Ingreso, Pendiente: Por cada unidad monetaria que se incrementa el Ingreso, el gasto se incrementa en 1,281. Intercepto: Un individuo con un ingreso muy pequeño (0), se estima que su Gasto será de -0,708. En este caso no tiene sentido. Esta recta, puede servir para predecir, suponga que tiene un individuo con un ingreso de 8, entonces se estima que su Gasto sería de Ĝasto = 0, , = 9, 54. Además el porcentaje de la variabilidad total que explica el modelo es de 74,7% (r 2 = 0, = 0, 747). (UCM) 01/01/ / 31

16 Regresión Lineal Simple Regresión Lineal Simple en SPSS (UCM) 01/01/ / 31

17 Regresión Lineal Simple Regresión Lineal Simple en SPSS (UCM) 01/01/ / 31

18 Regresión Lineal Simple Regresión Lineal Simple en SPSS (UCM) 01/01/ / 31

19 Regresión Estimación curvilínea: Modelo Exponencial Un modelo de regresión se dice que es exponencial si ŷ = β 0 exp[ β Variable dependiente:volumen 1 x] Por ejemplo, considere el problemaexponencial donde se mide,001 el Ingreso=X,266 y el La variable independiente esdap. Impuesto=Y. Ingreso=X Impuestos=Y 16,9,117 8,9,025 17,7,131 2,1,001 11,5,037 19,9,198 6,2,012 17,1,127 14,7,089 18,6,167 Ecuación 0,200 0,150 0,100 0,050 0,000 0,0 Estimaciones de los parámetros Constante 5,0 Resumen del modelo y estimaciones de los parámetros b1 10,0 DAP Volumen (UCM) 01/01/ / 31 15,0 20,0

20 Regresión Estimación curvilínea: Modelo Exponencial (Modelo exponencial) El modelo exponencial, se puede solucionar mediante una regresión lineal simple. Aplicar el logaritmo natural a la ecuación ŷ = β 0 exp[ β 1 x]. Tendríamos w = ln[ŷ] = ln[ β 0 ] + β 1 x. Encuentre la ecuación de regresión lineal simple entre X y W. Luego se debe aplicar la exponencial a w para despejar ŷ. (UCM) 01/01/ / 31

21 Regresión Estimación curvilínea: Modelo Exponencial Ejemplo Para los datos de Ingreso= X y Impuestos= Y, encuentre la ecuación de regresión ŷ = β 0 exp[ β 1 x]. Considere lo siguiente: Ingreso=X Impuesto=Y W = ln[y ] 16,9 0,117-2,1456 8,9 0,025-3, ,7 0,131-2,0326 2,1 0,001-6, ,5 0,037-3, ,9 0,198-1,6195 6,2 0,012-4, ,1 0,127-2, ,7 0,089-2, ,6 0,167-1,7898 La ecuación de regresión entre X y W es w = 6, , 266x. Además el r 2 xw = 0, 934. Aplicando la exponencial y considerando que w = ln[ŷ], tenemos ŷ = exp[ 6, 588] exp[0, 266x] ŷ = 0, 001 exp[0, 266x]. (UCM) 01/01/ / 31

22 Regresión Estimación curvilínea: Modelo Exponencial Ejemplo También podemos encontrar la ecuación de regresión lineal simple entre X e Y. La cual sería, ŷ = 0, , 011x, con r 2 xy = 0, 890. El modelo exponencial es ŷ = 0, 001 exp[0, 266x], con r 2 xw = 0, 934. En los datos existe un árbol con Ingreso= 14, 7 y Impuesto= 0, 089. Si utilizamos estos dos modelos para predecir el impuesto de un individuos con un ingreso de 14,7, tenemos Con el modelo de regresión lineal simple: ŷ = 0, , , 7 = 0, 105. Con el modelo exponencial: ŷ = 0, 001 exp[0, , 7] = 0, 068. Ambas estimaciones del impuesto están cercanas a 0, 089, pero la del modelo exponencial (0,068), está más cercana. Además, el r 2 del modelo exponencial está más cercano al 100%. En conclusión, entre estos dos modelos el mejor es el exponencial. (UCM) 01/01/ / 31

23 Regresión Estimación curvilínea: Algunos modelos clásicos Modelo Ecuación Comentario Lineal ŷ = β 0 + β 1 x Este modelo ya se analizó con todo detalle. Logarítmico ŷ = β 0 + β 1 ln[x] Calcule T = ln[x], encuentre la ecuación de regresión lineal entre T e Y. Luego, en la ecuación ŷ = β 0 + β 1 t, reemplace t por ln[x]. Inverso ŷ = β 0 + β 1 1 x Calcule T = 1 X, encuentre la ecuación de regresión lineal entre T e Y. Luego, en la ecuación ŷ = β 0 + β 1 t, reemplace t por 1 x. Cuadrático ŷ = β 0 + β 1 x + β 2 x 2 Calcule X 2 y realice una regresión múltiple. Cúbico ŷ = β 0 + β 1 x + β 2 x 2 + β 3 x 3 Calcule X 2, X 3 y realice una regresión múltiple. Potencia Calcule T = ln[x], W = ln[y ]. Encuentre la ecuación de regresión entre ŷ = β 0 x β1 T y W. En la ecuación w = b + m t, reemplace t = ln[x] y w = ln[ŷ]. Luego despeje ŷ. Entonces, los parámetros serían β 0 = exp[b] y β 1 = m. Compuesto Calcule W = ln[y ]. Encuentre la ecuación de regresión entre X y W. ŷ = β 0 β x 1 En la ecuación w = b + m x, reemplace w = ln[ŷ]. Luego despeje ŷ. Entonces, los parámetros serían β 0 = exp[b] y β 1 = exp[m]. G [ ] Calcule T = 1 X, W = ln[y ]. Encuentre la ecuación de regresión entre ŷ = exp β 0 + β 1 1 x T y W. En la ecuación w = b + m t, reemplace t = 1 x y w = ln[ŷ]. Luego despeje ŷ. Entonces, los parámetros serían β 0 = b y β 1 = m. Logística 1 ŷ = (β 0 + β 1 β2 x) Solución por sistemas no lineales. Ingresar n máx. de iteraciones, usar Crecimiento Calcule W = ln[y ]. Encuentre la ecuación de regresión entre X y W. ŷ = exp[ β 0 + β 1 x] En la ecuación w = b + m x, reemplace w = ln[y]. Luego despeje ŷ. Entonces, los parámetros serían β 0 = b y β 1 = m. Exponencial ŷ = β 0 exp[ β 1 x] Este modelo ya se analizó con todo detalle. (UCM) 01/01/ / 31

24 Regresión Estimación curvilínea: Modelo Exponencial en SPSS (UCM) 01/01/ / 31

25 Regresión Estimación curvilínea: Modelo Exponencial en SPSS (UCM) 01/01/ / 31

26 Regresión Estimación curvilínea: Modelo Exponencial en SPSS (UCM) 01/01/ / 31

27 Regresión Estimación curvilínea: Modelo Exponencial en SPSS Variable dependiente:impuestos Resumen del modelo y estimaciones de los parámetros Resumen del modelo Estimaciones de los parámetros Ecuación R cuadrado F gl1 gl2 Sig. Constante b1 Lineal,890 64, ,000 -,055,011 Exponencial, , ,000,001,266 La variable independiente esingreso. Impuestos,200 Observado Lineal Exponencial,150,100,050,000,0 5,0 10,0 15,0 20,0 Ingreso (UCM) 01/01/ / 31

28 Regresión Lineal Múltiple Introducción Índice de sitio 28,0 26,0 24,0 22,0 20,0 18,0 1,20 1,25 1,30 1,35 Densidad 1,40 1,45 1,50 Arena 50,0 45,0 40,0 35,0 30,0 Técnica de dependencia que puede utilizarse para analizar la relación entre una única variable dependiente (Y ) y varias variables independientes x 1, x 2,..., x k. Cada variable independiente es ponderada (β j ), de forma que las ponderaciones indican su contribución relativa a la predicción conjunta. El objetivo es usar las variables independientes cuyos valores son conocidos para predecir la única variable dependiente seleccionada por el investigador. N G LISTWISE (UCM) 01/01/ / 31

29 Ejemplo de problema de Regresión Lineal Múltiple En un estudio se desea saber cuales son los factores que influyen en la asistencia al Psicólogo, por problemas de aprendizaje. Para este objetivo se mide el número de veces que asiste la familia en el año (y), el tamaño de la familia (x 1 ) y la renta familiar (x 2 ). Se seleccionan 8 familias y los datos se entregan a continuación : Familia Asistencia (y) Tamaño (x 1) Renta (x 2) El objetivo es encontrar una función que relacione: Asistencia = β 0 + β 1 Tamaño + β 2 Renta + Error. Bastaría sólo tener una estimación de β 0, β 1, y β 2 para tener definida por completo la función anterior. (UCM) 01/01/ / 31

30 Regresión Lineal Múltiple El modelo lineal general El modelo de regresión lineal sería Donde Y = y 1 y 2. y n y i = β 0 + β 1 x i1 + β 2 x i2,..., β k x ik + ε i. 1 x 11 x x 1n, X = 1 x 21 x x 2k...., β = 1 x n1 x n2... x nk β 0 β 1. β k, ε = β j, son los parámetros desconocidos, j = 1,..., k. El n total de parámetros es p = k + 1. ε i es el i ésimo error aleatorio asociado con y i, i = 1,..., n. El objetivo es estimar β j, a esta estimación la llamaremos β j. La estimación se los parámetros sería β = (X T X) 1 X T Y. Entonces el modelo estimado sería ŷ i = β 0 + β 1 x i1 + β 2 x i2,..., β k x ik. ε 1 ε 2. ε n, (UCM) 01/01/ / 31

31 Regresión Lineal Múltiple Ejemplo de estimación de los parámetros. Identificando las matrices y vectores, tenemos Y = , X = , β = (X T X) 1 X T Y = , 188 0, 814, 0, 182 Entonces un modelo, estimado, para predecir el número de Asistencias sería: Equivalentemente, Asistencia = 0, , 814 Tamaño + 0, 182 Renta ŷ = 0, , 814 x 1 + 0, 182 x 2 Si los parámetros β j son muy cercanos a 0, las variables x i no estarían influenciando en el modelo en la predicción de y. (UCM) 01/01/ / 31

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

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

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. 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

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

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

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN

Más detalles

Análisis de regresión lineal simple

Análisis de regresión lineal simple Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable

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

CORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña

CORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre

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

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

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

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

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

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

Tema Contenido Contenidos Mínimos

Tema Contenido Contenidos Mínimos 1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.

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

5. Regresión Lineal Múltiple

5. Regresión Lineal Múltiple 1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente

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

Capítulo 8. Análisis Discriminante

Capítulo 8. Análisis Discriminante Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables

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

log = = Las ecuaciones de cancelación cuando se aplican las funciones f x = a x y f 1 = log a x, se convierten en:

log = = Las ecuaciones de cancelación cuando se aplican las funciones f x = a x y f 1 = log a x, se convierten en: Función logarítmica Función logarítmica y su representación Si a > 0 y a 0, la función exponencial f x = a x bien se incrementa o disminuye y por eso mediante la prueba de la línea horizontal es uno a

Más detalles

INDICE. Prólogo a la Segunda Edición

INDICE. Prólogo a la Segunda Edición INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.

Más 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

Tema 8. Análisis de dos variables Ejercicios resueltos 1

Tema 8. Análisis de dos variables Ejercicios resueltos 1 Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los

Más detalles

EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.

EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones

Más 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

Transformaciones de Box-Cox

Transformaciones de Box-Cox Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.

Más detalles

MATEMÁTICAS 2º DE BACHILLERATO

MATEMÁTICAS 2º DE BACHILLERATO MATRICES 1. Matrices y tipos de matrices 2. Operaciones con matrices 3. Producto de matrices 4. Matriz traspuesta 5. Matriz inversa 6. Rango de matrices DETERMINANTES 7. Determinantes de orden 2 y 3 8.

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

I Unidad: La medición de los atributos psicológicos.

I Unidad: La medición de los atributos psicológicos. EL ESCALAMIENTO PSICOFÍSICO. Las primeras escalas elaboradas que se pueden considerar mediciones o medidas previas a la medición de los psicológico son las denominadas escalas psicofísicas. Representan

Más detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse

Más detalles

Exactitud y Linearidad del Calibrador

Exactitud y Linearidad del Calibrador Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos

Más detalles

Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México

Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel

Más detalles

MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales

MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales 3.1. En algunas reservas naturales se controla el número Y de ejemplares de cierta especie al

Más detalles

Econometría II Grado en finanzas y contabilidad

Econometría II Grado en finanzas y contabilidad Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es

Más detalles

Métodos Estadísticos Multivariados

Métodos Estadísticos Multivariados Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre

Más detalles

Y = ßo + ß1X + ε. La función de regresión lineal simple es expresado como:

Y = ßo + ß1X + ε. La función de regresión lineal simple es expresado como: 1 Regresión Lineal Simple Cuando la relación funcional entre las variables dependiente (Y) e independiente (X) es una línea recta, se tiene una regresión lineal simple, dada por la ecuación donde: Y =

Más detalles

Análisis de datos Categóricos

Análisis de datos Categóricos Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores

Más detalles

Variables aleatorias

Variables aleatorias Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,

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

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n ) Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder

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

Distribuciones de probabilidad bidimensionales o conjuntas

Distribuciones de probabilidad bidimensionales o conjuntas Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso

Más detalles

Tercera práctica de REGRESIÓN.

Tercera práctica de REGRESIÓN. Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión

Más detalles

Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.

Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones

Más detalles

Análisis de Componentes de la Varianza

Análisis de Componentes de la Varianza Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable

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 y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión

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

ECUACIÓN DE LA RECTA

ECUACIÓN DE LA RECTA MATEMÁTICA SEMANA 2 ECUACIÓN DE LA RECTA Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está permitido copiar, reproducir, reeditar, descargar,

Más detalles

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10 DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes

Más detalles

Regresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp

Regresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El

Más detalles

18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.

18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso. PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto

Más detalles

Distribuciones bidimensionales. Regresión.

Distribuciones bidimensionales. Regresión. Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 5: Distribuciones bidimensionales. Regresión. Resumen teórico Resumen teórico de los principales conceptos estadísticos

Más detalles

UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL.

UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL. UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL. Benjamín R. Sarmiento Lugo. Universidad Pedagógica Nacional bsarmiento@pedagogica.edu.co Esta conferencia está basada en uno de los temas desarrollados

Más detalles

La asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades.

La asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades. 1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Muestreo y Regresión. Ingeniería Forestal. FOC-1027 SATCA: 2 2 4 2.- PRESENTACIÓN. Caracterización de la asignatura.

Más detalles

Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia

Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia Scientia Et Technica ISSN: 01221701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia URRUTIA MOSQUERA, JORGE ANDRÉS; SALAZAR, HEVER DARÍO; CRUZ TREJOS, EDUARDO ARTURO EVALUACIÓN DE LA ROBUSTEZ

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 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

TALLER N 7 DE ESTADÍSTICA

TALLER N 7 DE ESTADÍSTICA UNIVERSIDAD CATÓLICA DEL MAULE FACULTAD DE CIENCIAS BÁSICAS PEDAGOGÍA EN MATEMÁTICA Y COMPUTACIÓN TALLER N 7 DE ESTADÍSTICA Alumno : Victor Córdova Cornejo (victormatematica@live.cl) : Rodrigo Gutiérrez

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA

Más detalles

MÓDULO 1: GESTIÓN DE CARTERAS

MÓDULO 1: GESTIÓN DE CARTERAS MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta

Más detalles

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. 3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,

Más detalles

CM0244. Suficientable

CM0244. Suficientable IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE

Más detalles

UNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS

UNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS UNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS PROFESOR: Manuel de Jesús Fornos Gómez CICLO 01/2003 GUIA DE EJERCICIOS

Más detalles

Cálculo de Probabilidades II Preguntas Tema 1

Cálculo de Probabilidades II Preguntas Tema 1 Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga

Más detalles

Análisis de datos en los estudios epidemiológicos III Correlación y regresión

Análisis de datos en los estudios epidemiológicos III Correlación y regresión Análisis de datos en los estudios epidemiológicos III Correlación y regresión Salinero. Departamento de Investigación Fuden Introducción En el capitulo anterior estudiamos lo que se denomina estadística

Más detalles

Estadística Espacial en Ecología del Paisaje

Estadística Espacial en Ecología del Paisaje Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas

Más detalles

Funciones de Regresión No Lineales (SW Cap. 6)

Funciones de Regresión No Lineales (SW Cap. 6) Funciones de Regresión No Lineales (SW Cap. 6) Todo anteriormente ha sido lineal en las X s La aproximación de que la función de regresión es lineal puede ser satisfactoria para algunas variables pero

Más detalles

3. Correlación. Introducción. Diagrama de dispersión

3. Correlación. Introducción. Diagrama de dispersión 1 3. Correlación Introducción En los negocios, no todo es el producto, pueden existir factores relacionados o externos que modifiquen cómo se distribuye un producto. De igual manera, la estadística no

Más detalles

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las

Más detalles

Contenidos mínimos Criterios de evaluación Ejemplos de preguntas

Contenidos mínimos Criterios de evaluación Ejemplos de preguntas Contenidos mínimos Criterios de evaluación Ejemplos de preguntas 1º ESO Números naturales, enteros y decimales: operaciones elementales. Fracciones: operaciones elementales. Potencias de exponente natural.

Más detalles

Práctica 9 REGRESION LINEAL Y CORRELACIÓN

Práctica 9 REGRESION LINEAL Y CORRELACIÓN Práctica 9. Regresión lineal y Correlación 1 Práctica 9 REGRESION LINEAL Y CORRELACIÓN Objetivos: En esta práctica utilizaremos el paquete SPSS para estudiar la regresión lineal entre dos variables y la

Más detalles

USO HERRAMIENTAS EXCEL PARA LA PREDICCION

USO HERRAMIENTAS EXCEL PARA LA PREDICCION USO HERRAMIENTAS EXCEL PARA LA PREDICCION Nassir Sapag Chain MÉTODO DE REGRESIÓN LINEAL SIMPLE El método de Regresión Lineal (o Mínimos cuadrados) busca determinar una recta, o más bien la ecuación de

Más detalles

Análisis Probit. StatFolio de Ejemplo: probit.sgp

Análisis Probit. StatFolio de Ejemplo: probit.sgp STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo

Más detalles

INSTITUCIÓN EDUCATIVA GABRIEL TRUJILLO CORREGIMIENTO DE CAIMALITO, PEREIRA

INSTITUCIÓN EDUCATIVA GABRIEL TRUJILLO CORREGIMIENTO DE CAIMALITO, PEREIRA INSTITUCIÓN EDUCATIVA GABRIEL TRUJILLO CORREGIMIENTO DE CAIMALITO, PEREIRA Pobre del estudiante que no aventaje a su maestro. LA LÍNEA RECTA Leonardo da Vinci DESEMPEÑOS Identificar, interpretar, graficar

Más detalles

Mapa Curricular: Funciones y Modelos

Mapa Curricular: Funciones y Modelos A.PR.11.2.1 Determina el dominio y el alcance de las funciones a partir de sus diferentes representaciones. A.PR.11.2.2 Identifica y aplica las relaciones entre los puntos importantes de una función (ceros,

Más detalles

1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Solución:

1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Solución: RELACIÓN DE PROBLEMAS DE SELECTIVIDAD DE ANÁLISIS. I Departamento de Matemáticas 1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Función

Más detalles

matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4

matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4 PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área

Más detalles

1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7.

1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7. MODELO A Examen de Estadística Económica (2407) 20 de junio de 2009 En cada pregunta sólo existe UNA respuesta considerada más correcta. Si hay dos correctas deberá escoger aquella respuesta que tenga

Más detalles

Repaso de conceptos de álgebra lineal

Repaso de conceptos de álgebra lineal MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso

Más detalles

Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos.

Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. MATEMÁTICAS I Contenidos. Aritmética y álgebra: Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. Resolución e interpretación gráfica de ecuaciones e

Más detalles

CAPITULO ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ En el presente capítulo se realiza el análisis estadístico multivariado de los

CAPITULO ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ En el presente capítulo se realiza el análisis estadístico multivariado de los 112 CAPITULO 5 5.- ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ 5.1. Introducción En el presente capítulo se realiza el análisis estadístico multivariado de los datos obtenidos en censo correspondientes a

Más detalles

Unidad IV: Distribuciones muestrales

Unidad IV: Distribuciones muestrales Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia

Más detalles

478 Índice alfabético

478 Índice alfabético Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión

Más 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

Tema 2 Datos multivariantes

Tema 2 Datos multivariantes Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,

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

Modelos de Regresión y Correlación

Modelos de Regresión y Correlación Artículo de Educación Modelos de Regresión y Correlación REGRESSION AND CORRELATION MODELS Claudio Silva Z 1, Mauricio Salinas 2 1. PhD en Estadística Escuela de Salud Pública Universidad de Chile. 2.

Más detalles

Ministerio de Educación Pública Dirección de Gestión y Evaluación de la Calidad Departamento de Evaluación Académica y Certificación.

Ministerio de Educación Pública Dirección de Gestión y Evaluación de la Calidad Departamento de Evaluación Académica y Certificación. Matemáticas Distribución de ítems para la prueba nacional Modalidad Académica (Diurnos Nocturnos) Convocatorias 016 ESTIMADO DOCENTE: En la modalidad de colegios académico, la Prueba de Bachillerato 016

Más detalles

PLANIFICACIÓN ANUAL NM3 TERCERO MEDIO

PLANIFICACIÓN ANUAL NM3 TERCERO MEDIO PLANIFICACIÓN ANUAL NM3 TERCERO MEDIO TERCER AÑO FORMACIÓN GENERAL OBJETIVOS FUNDAMENTALES CONTENIDOS MINIMOS SUGERENCIAS DE ACTIVIDADES. Los alumnos y las alumnas desarrollarán la capacidad de : Resolver

Más detalles

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:

Más detalles

Unidad II. 2.1 Concepto de variable, función, dominio, condominio y recorrido de una función.

Unidad II. 2.1 Concepto de variable, función, dominio, condominio y recorrido de una función. Unidad II Funciones 2.1 Concepto de variable, función, dominio, condominio y recorrido de una función. Función En matemática, una función (f) es una relación entre un conjunto dado X (llamado dominio)

Más detalles

Carrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos

Carrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar

Más detalles

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)

Más detalles