TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
|
|
|
- Concepción Segura Duarte
- hace 6 años
- Vistas:
Transcripción
1 TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
2 FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis VARIABLES Planteamiento de las hipótesis estadísticas REALIZACIÓN DEL ANÁLISIS Generación de la matriz de datos Preparación de los datos: Diagnóstico Técnica de análisis PAQUETE ESTADÍSTICO RESULTADOS PRESENTACIÓN DE RESULTADOS EN UN TRABAJO DE INVESTIGACIÓN (Tesis, artículo, memoria investigación ) Interpretación de la salida de resultados Presentación de resultados y su representación gráfica
3 1. SELECCIÓN. A) SELECCIÓN DEL MODELO DE ANÁLISIS HIPÓTESIS DE INVESTIGACIÓN Existen diferencias entre dos grupos? Produce mejora un tratamiento? Es una variable buena predictora de otra? Es lineal la relación entre dos variables? MODELO DE ANÁLISIS MODELO ESTRUCTURAL O DE EFECTOS Contraste t Análisis de la Varianza (ANOVA) MODELO DE REGRESIÓN Análisis de Regresión Lineal Simple
4 B) SELECCIÓN DE LA TÉCNICA DE ANÁLISIS. MODELO ESTRUCTURAL O DE EFECTOS NIVELES DE LA VI Dos niveles Más de dos niveles Contraste t de diferencias de medias ANOVA Diferencias entre grupos Diferencias entre medidas Contraste t de diferencias de medias para muestras independientes Contraste t de diferencias de medias para muestras relacionadas
5 C) PLANTEAMIENTO DE LAS HIPÓTESIS ESTADÍSTICAS. HIPÓTESIS DE INVESTIGACIÓN HIPÓTESIS DE INVESTIGACIÓN Diferencias en la VD entre grupos Diferencias en la VD entre medidas Hipótesis estadísticas bidireccionales Contraste t de diferencia de medias para muestras independientes HIPÓTESIS ESTADÍSTICAS Contraste t de diferencia de medias para muestras relacionadas Hipótesis estadísticas unidireccionales Un grupo superior o inferior a otro en la VD Una medida en la VD superior o inferior a otra
6 D) REALIZACIÓN DEL ANÁLISIS. - Generación de la Matriz de datos. Contraste t de diferencia de medias para muestras independientes ANOVA VI Categórica VD Cuantitativa Contraste t de diferencia de medias para muestras relacionadas VD VD 1ª Medida 2ª Medida Cuantitativa Cuantitativa Niveles Puntuaciones Puntuaciones Puntuaciones de la en la en la en la VI VD VD VD
7 - Preparación de los datos. Tratamiento de las omisiones Detección y tratamiento de los casos extremos Adecuación del nivel de medida de la VI CATEGORIZACIÓN Cuantitativa Categórica
8 - Diagnóstico. a) Normalidad: -N. Univariable: Representación gráfica de la VD: Histograma (Ajuste a la curva normal) Caja y patillas Índices de forma de la VD: Asimetría (As 0) Curtosis (K 0) Prueba de bondad de ajuste sobre la VD (p>0,05 ó p>0,01) -N. Bivariable: Representación gráfica de la VD para cada nivel de la VI: Histograma (Ajuste a la curva normal) Caja y patillas Índices de forma de la VD para cada nivel de la VI: Asimetría (As 0) Curtosis (K 0) Prueba de bondad de ajuste sobre la VD para cada nivel de la VI (p>0,05 ó p>0,01) b) Homocedasticidad: Prueba de Levene (p>0,05 ó p>0,01) Relación significativa entre las dos medidas (contraste t de diferencia de medias para muestras relacionadas
9 E) PRESENTACIÓN DE LOS RESULTADOS DEL ANÁLISIS Tabla de descriptivos Representación gráfica Tabla 1.- Descriptivos en la VD para los distintos niveles en la VI. VI n M D.T. VD Niveles de la VI Nº de sujetos Media en la VD para cada grupo o medida Desviación Típica en la VD para cada grupo o medida Total Niveles de la VI Figura 1. Medias en la VD para los diferentes niveles en la VI. Contraste t diferencia de medias para muestras independientes y relacionadas (t(gl)=., p=.., eta 2 =..) ANOVA (F(gl 1,gl 2 )=., p=.., eta 2 =..)
10 MODELO DE REGRESIÓN B) SELECCIÓN DE LA TÉCNICA DE ANÁLISIS. Nº de VI TIPO DE RELACIÓN Más de una Una Lineal Curvilínea A.de Regresión Múltiple A.de Regresión Lineal Simple A.de Regresión Polinómica
11 C) PLANTEAMIENTO DE LAS HIPÓTESIS ESTADÍSTICAS. HIPÓTESIS DE INVESTIGACIÓN Relación lineal VI-VD VI buen predictor diferencias VD HIPÓTESIS ESTADÍSTICAS Hipótesis sobre el coeficiente de regresión Hipótesis sobre la proporción de varianza explicadas
12 D) REALIZACIÓN DEL ANÁLISIS. - Generación de la Matriz de datos. Análisis de Regresión Lineal Simple VI Cuantitativa VD Cuantitativa Puntuaciones Puntuaciones en la en la VD VI
13 - Preparación de los datos. Tratamiento de las omisiones Detección y tratamiento de los casos extremos
14 - Diagnóstico. a) Normalidad: -N. Univariable: Representación gráfica de las VI y VD: Histograma (Ajuste a la curva normal) Caja y patillas Índices de forma de las VI y VD: Asimetría (As 0) Curtosis (K 0) Prueba de bondad de ajuste sobre las VI y VD (p>0,05 ó p>0,01) -N. Bivariable: Representación gráfica de los errores: Histograma (Ajuste a la curva normal) Caja y patillas Índices de forma de los errores: Asimetría (As 0) Curtosis (K 0) Prueba de bondad de ajuste sobre los errores (p>0,05 ó p>0,01) b) Linealidad: Representación gráfica: Diagrama de dispersión. Índice estadístico: Coeficiente de correlación de Pearson. Pruebas t y F (p<0,05 ó p<0,01) c) Homocedasticidad, Linealidad y Normalidad: Representación de errores sobre puntuaciones pronosticadas.
15 E) PRESENTACIÓN DE LOS RESULTADOS DEL ANÁLISIS Tabla de descriptivos Representación gráfica Tabla 1.- Descriptivos de las VI y VD. Variables n M D.T. VD VI VD Nº de sujetos Media en las VI y VD Desviación Típica en las VI y VD Total VI Figura 1. Recta de regresión de la VD sobre la VI. Prueba t sobre el Coeficiente de Regresión (t(gl)=., p=.) Prueba F del ANOVA de la Regresión (F(gl 1,gl 2 )=., p=.., R 2 =..)
16 ANÁLISIS DE DATOS: LOS PAQUETES ESTADÍSTICOS ENTORNO PC ENTORNO MACINTOSH STATGRAPHICS STATVIEW SAS BMDP SYSTAT SPSS
17 COMPONENTES DE LOS PAQUETES ESTADÍSTICOS GENERACIÓN DE LA MATRIZ DE DATOS PREPARACIÓN DE LA MATRIZ DE DATOS TÉCNICAS DE ANÁLISIS Y REPRESENTACIONES GRÁFICAS
18 ANÁLISIS DE DATOS CON EL PAQUETE ESTADÍSTICO SPSS
19 PAQUETE ESTADÍSTICO SPSS.
20 1. GENERACIÓN DE LA MATRIZ DE DATOS.
21 A) DEFINICIÓN DE LAS VARIABLES: VISTA DE VARIABLES. - Variables nominales o categóricas.
22 - Variables cuantitativas.
23 - Introducción de datos: Vista de datos.
24 2. PREPARACIÓN DE LA MATRIZ DE DATOS A) TRATAMIENTO DE LAS OMISIONES.
25 B) DETECCIÓN Y TRATAMIENTO DE LOS CASOS EXTREMOS. - Detección de los casos extremos: exploración de los datos MSGS N = 10 c.izquierdo 10 c.derecho C.PRESEN
26 - Eliminación de los casos extremos del análisis: seleccionar casos.
27 C) ADECUACIÓN DEL NIVEL DE MEDIDA DE LA VI: CATEGORIZACIÓN. -Establecer los puntos de corte: Percentiles Estadísticos MSGS N Media Mediana Desv. típ. Varianza Asimetría Error típ. de asimetría Curtosis Error típ. de curtosis Mínimo Máximo Percentiles Válidos Perdidos ,65 473,50 74, ,61-1,060,512,966, ,80 413,25 453,80 473,50 486,60 501,75 510,80
28 -Categorizar: Recodificar Variable categorizada
29 3. TÉCNICAS DE ANÁLISIS Y REPRESENTACIONES GRÁFICAS
30 A) Contraste t de diferencia de medias para muestras independientes. - Matriz de datos.
31 - Diagnóstico. a) Normalidad: Nivel univariable.
32 Descriptivos Estadístico Error típ. msgs Asimetría -,198,536 Curtosis -,797 1,038 Pruebas de normalidad Kolmogorov-Smirnov a Shapiro-Wilk Estadístico gl Sig. Estadístico gl Sig. msgs,124 18,200 *,962 18,636 a. Corrección de la significación de Lilliefors *. Este es un límite inferior de la significación verdadera.
33 a) Normalidad: Nivel bivariable.
34 Descriptivos c.presen Estadístico Error típ. c.izquierdo Asimetría -,267,717 Curtosis,689 1,400 c.derecho Asimetría,206,717 Curtosis -1,479 1,400 Pruebas de normalidad c.presen Kolmogorov-Smirnov a Shapiro-Wilk Estadístico gl Sig. Estadístico gl Sig. msgs c.izquierdo,128 9,200 *,978 9,951 c.derecho,157 9,200 *,939 9,567 a. Corrección de la significación de Lilliefors *. Este es un límite inferior de la significación verdadera.
35 b) Homocedasticidad. Prueba de homogeneidad de la varianza Estadístico de Levene gl1 gl2 Sig. msgs Basándose en la media, ,333 Basándose en la mediana., ,350 Basándose en la mediana y con gl corregido Basándose en la media recortada, ,700,350, ,336
36 - Técnica de análisis: Prueba de significación estadística.
37 - Salida de resultados del análisis. Descriptivos de los grupos: Estadísticos de grupo MSGS C.PRESEN c.izquierdo c.derecho N Desviación Error típ. de Media típ. la media 9 496,11 41,01 13, ,56 49,14 16,38 Resultados del análisis: MSGS Se han asumido varianzas iguales No se han asumido varianzas iguales Prueba de Levene para la igualdad de varianzas F Sig. Prueba de muestras independientes t gl Sig. (bilateral) Prueba T para la igualdad de medias Diferencia de medias 95% Intervalo de confianza para la Error típ. de diferencia la diferencia Inferior Superior,997,333 2,229 16,040 47,56 21,33 2,33 92,78 2,229 15,504,041 47,56 21,33 2,21 92,90 Comprobación del supuesto de homocedasticidad t (16) = 2,23; p = 0,04 (Contraste bilateral) p = 0,02 (Contraste unilateral)
38 - Representación gráfica de los resultados.
39 Media de MSGS Media de MSGS c.izquierdo c.derecho c.izquierdo c.derecho C.PRESEN C.PRESEN
40 B) Análisis de Varianza de un factor inter (ANOVA de un factor inter) - Matriz de datos:
41 - Diagnóstico. a) Normalidad: Nivel univariable.
42 Descriptivos Estadístico Error típ. precord Asimetría,069,427 Curtosis -1,104,833 Pruebas de normalidad Kolmogorov-Smirnov a Shapiro-Wilk Estadístico gl Sig. Estadístico gl Sig. precord,126 30,200 *,949 30,163 a. Corrección de la significación de Lilliefors *. Este es un límite inferior de la significación verdadera.
43 a) Normalidad: Nivel bivariable.
44 5 Para ENTRENAM= G. Control 3,5 3,0 Para ENTRENAM= Tipo A 2,5 Para ENTRENAM= Tipo B 4 2,5 2,0 Frecuencia 3 2 Frecuencia 2,0 1,5 Frecuencia 1,5 1,0 1, ,0 4,0 6,0 8,0 10,0 De sv. típ. = 2,83 Med ia = 5,3 N = 10,00,5 0,0 8,0 10,0 12,0 14,0 16,0 18,0 Desv. típ. = 3,86 Media = 12,0 N = 10,00,5 0,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0 Desv. típ. = 4,00 Media = 14,7 N = 10,00 PRECORD PRECORD PRECORD PRECORD 10 0 N = 10 G. Control 10 Tipo A 10 Tipo B ENTRENAM
45 Descriptivos entrenam Estadístico Error típ. precord G. Control Asimetría,612,687 Curtosis -1,162 1,334 Tipo A Asimetría,261,687 Curtosis -1,797 1,334 Tipo B Asimetría -,388,687 Curtosis -,961 1,334 Pruebas de normalidad Kolmogorov-Smirnov a Shapiro-Wilk ENTRENAM Estadístico gl Sig. Estadístico gl Sig. PRECORD G. Control,192 10,200*,901 10,286 Tipo A,202 10,200*,884 10,187 Tipo B,131 10,200*,955 10,702 *. Este es un límite inferior de la significación verdadera. a. Corrección de la significación de Lilliefors
46 a) Homocedasticidad. Prueba de homogeneidad de la varianza PRECORD Basándose en la media Basándose en la mediana. Basándose en la mediana y con gl corregido Basándose en la media recortada Estadístico de Levene gl1 gl2 Sig. 1, ,377, ,606, ,917,606 1, ,377
47 - Técnica de análisis: Prueba de significación estadística.
48 - Salida de resultados del análisis. Descriptivos de los grupos: PRECORD G. Control Tipo A Tipo B Total N Descriptivos Intervalo de confianza para la media al 95% Desviación Límite Media típica Error típico Límite inferior superior Mínimo Máximo 10 5,30 2,83,90 3,28 7, ,00 3,86 1,22 9,24 14, ,70 4,00 1,27 11,84 17, ,67 5,31,97 8,68 12, Comprobación del supuesto de homocedasticidad: Prueba de homogeneidad de varianzas PRECORD Estadístico de Levene gl1 gl2 Sig. 1, ,377 Resultados del análisis: ANOVA PRECORD Inter-grupos Intra-grupos Total Suma de Media cuadrados gl cuadrática F Sig. 468, ,233 18,059, , , , F (2,27) = 18,06; p < 0,01
49 - Comparaciones post hoc o a posteriori. Comparaciones múltiples Variable dependiente: PRECORD Intervalo de confianza al 95% (I) ENTRENAM (J) ENTRENAM Diferencia de medias (I-J) Error típico Sig. Límite inferior Límite superior HSD de Tukey G. Control Tipo A -6,70* 1,61,001-10,69-2,71 Tipo B -9,40* 1,61,000-13,39-5,41 Tipo A G. Control 6,70* 1,61,001 2,71 10,69 Tipo B -2,70 1,61,232-6,69 1,29 Tipo B G. Control 9,40* 1,61,000 5,41 13,39 Tipo A 2,70 1,61,232-1,29 6,69 Scheffé G. Control Tipo A -6,70* 1,61,001-10,87-2,53 Tipo B -9,40* 1,61,000-13,57-5,23 Tipo A G. Control 6,70* 1,61,001 2,53 10,87 Tipo B -2,70 1,61,263-6,87 1,47 Tipo B G. Control 9,40* 1,61,000 5,23 13,57 Tipo A 2,70 1,61,263-1,47 6,87 *. La diferencia entre las medias es significativa al nivel.05.
50 - Tamaño del efecto.
51 Pruebas de los efectos inter-sujetos Variable dependiente: PRECORD Suma de cuadrados Media Parámetro de Potencia Fuente tipo III gl cuadrática F Significación Eta cuadrado no centralidad observada a Modelo corregido 468,467 b 2 234,233 18,059,000,572 36,118 1,000 Intersección 3413, , ,164,000, ,164 1,000 ENTRENAM 468, ,233 18,059,000,572 36,118 1,000 Error 350, ,970 Total 4232, Total corregida 818, a. Calculado con alfa =,05 b. R cuadrado =,572 (R cuadrado corregida =,541)
52 - Representación gráfica de los resultados Media de PRECORD Media de PRECORD G. Control Tipo A Tipo B 4 G. Control Tipo A Tipo B ENTRENAM ENTRENAM
53 C) Contraste t de diferencia de medias para muestras relacionadas. - Matriz de datos:
54 Diagnóstico. a) Normalidad: Nivel bivariable.
55
56 Descriptivos Estadístico Error típ. derecho Asimetría,192,616 Curtosis -1,128 1,191 izquierd Asimetría,184,616 Curtosis -1,000 1,191 Pruebas de normalidad Kolmogorov-Smirnov a Shapiro-Wilk Estadístico gl Sig. Estadístico gl Sig. derecho,132 13,200 *,943 13,502 izquierd,109 13,200 *,955 13,679 a. Corrección de la significación de Lilliefors *. Este es un límite inferior de la significación verdadera.
57 b) Relación significativa entre las dos medidas.
58 - Técnica de análisis: Prueba de significación estadística.
59 - Salida de resultados del análisis. Descriptivos de los grupos: Estadísticos de muestras relacionadas Par 1 DERECHO IZQUIERD Desviación Error típ. de Media N típ. la media 497, ,70 33,20 508, ,11 34,42 Relación entre las medidas Correlaciones de muestras relacionadas N Correlación Sig. Par 1 derecho y izquierd 13,993,000 Resultados del análisis: Par 1 DERECHO - IZQUIERD Prueba de muestras relacionadas Diferencias relacionadas 95% Intervalo de confianza para la Desviación Error típ. de diferencia Media típ. la media Inferior Superior t gl Sig. (bilateral) -10,85 14,71 4,08-19,73-1,96-2,659 12,021 t (12) = -2,66; p = 0,021 (Contraste bilateral) p = 0,0105 (Contraste unilateral)
60 - Representación gráfica de los resultados.
61 Medias TR Medias TR Derecho Izquierdo 496 Derecho Izquierdo C.VISUAL C.VISUAL
62 D) Análisis de regresión lineal simple. - Matriz de datos:
63 - Diagnóstico. a) Normalidad a nivel Univariable.
64 Frecuencia Desv. típ. = 7,43 Media = 47,3 0 N = 34,00 35,0 40,0 45,0 50,0 55,0 60,0 37,5 42,5 47,5 52,5 57,5 62,5 EP N = 34 EP Frecuencia Desv. típ. = 35,81 Media = 105,5 0 N = 34,00 40,0 60,0 80,0 120,0 160,0 200,0 100,0 140,0 180,0 0 EF N = 34 EF Pruebas de normalidad Kolmogorov-Smirnov a Shapiro-Wilk Estadístico gl Sig. Estadístico gl Sig. EP,117 34,200*,965 34,433 EF,112 34,200*,975 34,668 *. Este es un límite inferior de la significación verdadera. a. Corrección de la significación de Lilliefors
65 a) Normalidad a nivel Bivariable Frecuencia Desv. típ. =,98 Media = 0,00 0 N = 34,00-2,00-1,00-1,50 -,50 0,00,50 1,00 2,00 3,00 1,50 2,50 Regresión Residuo tipificado
66 b) Linealidad EF EP
67 c) Linealidad, homocedasticidad y normalidad bivariable: Regresión Residuo tipificado Regresión Valor pronosticado tipificado
68 - Técnica de análisis: Prueba de significación estadística.
69 - Salida de resultados del análisis. Resumen del modelo Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación 1,671 a,450,433 26,97 a. Variables predictoras: (Constante), EP ANOVA b Modelo Suma de cuadrados gl Media cuadrática F Sig. 1 Regresión 19054, ,121 26,202,000 a Residual 23270, ,198 Total 42324, a. Variables predictoras: (Constante), EP b. Variable dependiente: EF Coeficientes no estandarizados Coeficientes a Coeficientes estandarizados Modelo B Error típ. Beta t Sig. 1 (Constante) -47,531 30,257-1,571,126 EP 3,234,632,671 5,119,000 a. Variable dependiente: EF F (1,32) = 26,20; p =,000; R 2 =0,45 t (32)=5,12, p=.000
70 - Representación gráfica de los resultados EF EP EF EP
SPSS Aplicación práctica: Base de datos del HATCO
Aplicación práctica: Base de datos del HATCO Datos: observaciones de variables obtenidos desde encuentas a clientes de un distribuidor industrial. Variables de interés en la aplicación: Percepciones de
Prueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
PRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Tipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
1. Realice la prueba de homogeneidad de variancias e interprete los resultados.
1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis
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.
TEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
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
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
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
INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS
ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS 3datos 2011 Variables CUANTITATIVAS Números con unidad de medida (con un instrumento, o procedimiento, de medición formal) Ej.: Tasa cardiaca;
SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
Regresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
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
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación
TEMA 10 COMPARAR MEDIAS
TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,
ACTIVIDAD PRÁCTICA 3 COMPARACIÓN DE DOS MUESTRAS INDEPENDIENTES Comparación de dos medias independientes (prueba t de Student, prueba paramétrica)
ACTIVIDAD PRÁCTICA 3 COMPARACIÓN DE DOS MUESTRAS INDEPENDIENTES Comparación de dos medias independientes (prueba t de Student, prueba paramétrica) Con esta actividad se pretende que aprendamos a realizar
INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
CURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara
CURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara Descripción: Los temas de estadística propuestos corresponden con los conocimientos mínimos que un
1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología
Exemple Examen Part II (c) Problema 1 - Solución. En un estudio sobre la elección de la carrera universitaria entre envió cuestionarios a una muestra aleatoria simple de estudiantes preguntando la carrera
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
CUERPO TÉCNICO, OPCION ESTADISTICA
CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial
Introducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
ÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Análisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS
Red ibérica de evaluación de eficacia y efectos secundarios de tratamientos para el control de plagas en el olivar (RIESPO) 2ª Reunión, Madrid 10-11/06/2010 Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS ESTADÍSTICA
Estadística Descriptiva. Poblaciones y muestras.
Estadística Descriptiva. Poblaciones y muestras. fgarcia@cipf.es CIPF s Research Development Programme Indice 1 Introducción 2 3 Análisis Estadístico Población y muestra Software estadístico CIPF s Research
Grado en NHyD 23 de junio de 2014
Estadística Aplicada Examen extraordinario Grado en HyD 23 de junio de 214 OTA: Explica y desarrolla tus respuestas usando las salidas de los anexos. En las preguntas de verdadero y falso indica qué gráficos
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
Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
ANÁLISIS DE DATOS. L.A. y M.C.E. Emma Linda Diez Knoth
ANÁLISIS DE DATOS 1 Tipos de Análisis en función de la Naturaleza de los Datos Datos cuantitativos Datos cualitativos Análisis cuantitativos Análisis cuantitativos de datos cuantitativos (Estadística)
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
Guía docente 2007/2008
Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación
2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo
4 Análisis de Varianza
4 Análisis de Varianza 4. Análisis de Varianza e.4.1. Quiénes obtienen mejores resultados en Matemáticas, los estudiantes que viven en zonas rurales, en pequeñas ciudades, en ciudades medias o en grandes
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Capítulo 11. Análisis exploratorio: El procedimiento Explorar. Explorar
Capítulo 11 Análisis exploratorio: El procedimiento Explorar Independientemente de la complejidad de los datos disponibles y del procedimiento estadístico que se tenga intención de utilizar, una exploración
Para poder analizar los diferentes objetivos e hipótesis planteados, se llevaron a. Correlaciones entre las distintas Variables objeto de estudio.
Tesis Doctoral. Juan Ángel Simón Piqueras. Para poder analizar los diferentes objetivos e hipótesis planteados, se llevaron a cabo los siguientes análisis estadísticos: MANCOVA tomando como variables independientes
METODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL
METODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL María Pérez Marqués Metodología Seis Sigma a través de Excel María Pérez Marqués ISBN: 978-84-937769-7-8 EAN: 9788493776978 Copyright 2010 RC Libros RC Libros es
Capítulo 13. Contrastes sobre medias: Los procedimientos Medias y Prueba T. Medias
Capítulo 13 Contrastes sobre medias: Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Universidad Central del Este UCE Facultad de Ciencias de la Salud Escuela de Medicina
Universidad Central l Este UCE Facultad Ciencias la Salud Escuela Medicina Programa la asignatura: : MED-052 Bioestadística II Código: Semestre: Asignatura electiva Total créditos 3 Teóricos 3 Prácticos
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.
Índice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Pero qué hacemos cuando no se cumple la normalidad o tenemos muy pocos datos?
Capítulo : Métodos no paramétricos Los métodos presentados en los capítulos anteriores, se basaban en el conocimiento de las distribuciones muestrales de las diferencias de porcentajes o promedios, cuando
CORRELACION Y REGRESION
CORRELACION Y REGRESION En el siguiente apartado se presenta como calcular diferentes índices de correlación, así como la forma de modelar relaciones lineales mediante los procedimientos de regresión simple
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
Problema 1.- Tengamos las puntuaciones de X, las predichas y las residuales:
DISEÑO Y ANÁLISIS DE DATOS II. ENEO 6. Problema.- Tengamos las puntuaciones de X, las predichas y las residuales:.- Calcular la ecuación de regresión.- Correlación entre X e Y.- Por cada punto que aumenta
paramétrica comparar dos grupos de puntuaciones
t de Student Es una prueba paramétrica de comparación de dos muestras independientes, debe cumplir las siguientes características: Asignación aleatoria de los grupos Homocedasticidad (homogeneidad de las
CAPÍTULO IV ANÁLISIS E INTERPRETACIÓN DE RESULTADOS. Laboratorio Clínico del Hospital Voz Andes Lugar
CAPÍTULO IV ANÁLISIS E INTERPRETACIÓN DE RESULTADOS 4.1. TABULACIÓN DE DATOS DATOS INFORMATIVOS Establecimiento Laboratorio Clínico del Hospital Voz Andes Lugar Provincia de Pastaza, Cantón Mera Parroquia
CONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN
TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN 1 DISEÑO DE INVESTIGACIÓN Y 1 A = a 1 a Y 1 A = 3 a 1 a a Hipótesis específicas de la investigación Cuando la variable independiente tiene
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,
Diplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Análisis descriptivo y exploratorio de datos
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Análisis descriptivo y exploratorio de datos Francisco M. Ocaña Peinado @ocanapaco http://www.ugr.es/local/fmocan Departamento de Estadística e Investigación
T2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
INTRODUCCIÓN AL ANÁLISIS DE DATOS
INTRODUCCIÓN AL ANÁLISIS DE DATOS HORARIOS: Lunes, 12:00-13:30 Martes, 8:15-9:45 Jueves, 8:15-9:45 Tema 1. Introducción. El análisis de datos dentro de la estadística. Características de los datos socioeconómicos.
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
Estas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías
ANOVA I 19-8-2014 Estas dos clases ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA II - ANOVA factorial - ANCOVA (análisis
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
ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
REGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
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
ANALIZAR Comparar medias
Diseño entre-grupos univariado unifactorial con A>2. Contraste de hipótesis específicas Dolores Frías-Navarro Universidad de Valencia http://www.uv.es/friasnav/ Hasta ahora hemos ido desarrollando las
Cátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
ANÁLISIS DE DATOS: Examen Final Junio 2006
AÁLISIS DE DATOS: Examen Final Junio 2006 Profesora: R. GRAERO PROBLEMA A: La escasez de estudios en materia de físico (o negligencia) determinan un desconocimiento bastante importante de la tipología
Y accedemos al cuadro de diálogo Descriptivos
SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas
Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Diagramas de Dispersión simples
Ayuda SPSS-Diagrama de Dispersión-Inserción Recta de Regresión -1- AYUDA SPSS DIAGRAMA DE DISPERSIÓN e INSERCIÓN DE LA RECTA DE REGRESIÓN Ruta Cuadros de Diálogos Autor: Prof. Rubén José Rodríguez 1 de
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de
Manejo del entorno windows y nociones básicas de estadística.
ANÁLISIS ESTADÍSTICO CON EL SPSS Profesor: J. Manuel Tejero González. METODOLOGÍA. Prensencial, en el aula de informática, utilizando un ordenador por alumno (Programa SPSS Versión 11.0, paquete básico,
Metodología II: Análisis de Datos. Prof. Reinaldo Mayol Derecho
Metodología II: Análisis de Datos Prof. Reinaldo Mayol Derecho Por donde vamos? Luego de obtenidos los datos, el siguiente paso es realizar el análisis de los mismos. Aunque ha sido presentado en este
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
Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos
Test de hipótesis t de Student Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos HOMA Casos Válidos Perdidos Total N Porcentaje N Porcentaje
Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante
Capítulo 15 Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven para evaluar el efecto
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Estadísticos Descriptivos
ANÁLISIS EXPLORATORIO DE DATOS El análisis exploratorio tiene como objetivo identificar el modelo teórico más adecuado para representar la población de la cual proceden los datos muéstrales. Dicho análisis
CLASE 10: RESUMEN DEL CURSO
CLASE 10: RESUMEN DEL CURSO 10.1.-INTRODUCCIÓN Qué debemos valorar al enfrentarnos con el análisis de unos datos estadísticos? 1º TIPO DE ESTUDIO: - Datos Independientes - Datos Apareados 2º TIPO DE VARIABLES:
ESTADÍSTICA DESCRIPTIVA CON SPSS
ESTADÍSTICA DESCRIPTIVA CON SPSS (2602) Estadística Económica Joaquín Alegre y Magdalena Cladera SPSS es una aplicación para el análisis estadístico. En este material se presentan los procedimientos básicos
Elaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
ESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura Créditos
ESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura 46497 Créditos 6 ECTS Carácter Básica Rama de Conocimiento Ciencias de la Salud Materia Fisiología Ubicación dentro del
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
Regresión con variables cualitativas
3 Regresión con variables cualitativas. Introducción Hasta ahora hemos abordado el tema de la correlación y la regresión con variables cuantitativas. Sin embargo, un estudio de regresión similar puede
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO
MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN. Tema 9
Métodos de Investigación en Educación 1º Psicopedagogía Grupo Mañana Curso 2009-2010 2010 MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Tema 9 La regresión lineal Tema 9: La regresión lineal Objetivos Conocer
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
PROGRAMA DE CURSO. Código Nombre MA3402 Estadística Nombre en Inglés Statistics SCT Requisitos. DIM Resultados de Aprendizaje
> < ; U Q R ;?C: VT 2 +D :?CB J B > > ; S6D :? < ;? ; C?C : >? ; W( U C > X?2 > R+DE?C : < > ; ; 9 : : R > ; Y < > < ; U Q R ;?C: VT 2 +D :?C B J B > > ; S6D :? < ;? ; C?C : >? ; W( U C > X?2 > R+DE?C
Capítulo 4. Análisis de Regresión Múltiple. 1. Introducción. Capítulo 4
Capítulo 4 1. Introducción El Análisis de Regresión Lineal Múltiple nos permite establecer la relación que se produce entre una variable dependiente Y y un conjunto de variables independientes (X1, X2,...
ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Diplomado en Estadística e Investigación Científica
Sociedad Hispana de Investigadores Científicos Diplomado en Estadística e Investigación Científica Introducción Durante mucho tiempo se consideró a la investigación científica como una actividad de unos
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
UNIVERSIDAD MARÍA AUXILIADORA UMA
CARRERA PROFESIONAL DE ENFERMERIA SÍLABO DE BIOESTADÍSTICA I. DATOS GENERALES: 1.1. Carreras profesionales : Enfermería 1.2. Semestre académico : 2015 - I 1.3. Ciclo : III 1.4. Pre-requisito : Matemática