A: Broca B: velocidad A B AB Vibración Totales 1/ ,2 18,9 12,9 14,4 64,4 = (1) 1/ ,2 24,0 22,4 22,5 96,1 = a
|
|
- Lucas Coronel Escobar
- hace 6 años
- Vistas:
Transcripción
1 LORTORIO 8 - LORTORIO INFORMÁTICO Caso. Interesa estudiar el efecto del tamaño de broca (factor ) y de la velocidad (factor ) sobre la vibración de la ranuradora (respuesta Y). Para ello se decide utilizar un diseño factorial 2 2 con cuatro réplicas. : : velocidad Vibración Totales / ,2 8,9 2,9 4,4 64,4 = () / ,2 24, 22,4 22,5 96, = a / ,9 4,5 5, 4,2 59,7 = b / , 43,9 36,3 39,9 6, = ab Las preguntas fundamentales que se quieren responder con el experimento son: la velocidad y el tamaño de la broca afectan la vibración de la ranuradora?, si la afecta, cómo es tal efecto y cuál combinación de velocidad y tamaño de broca minimizan la vibración?, cuál es la vibración esperada en las condiciones óptimas?, se cumplen los supuestos del modelo? Los efectos estimados se podrían calcular directamente (los términos entre corchetes se denominan contrastes ): Empecemos a crear el diseño factorial y a analizarlo con MINIT. Estadísticas > Crear diseño factorial > Tipo de diseño: Factorial de 2 niveles (generadores predeterminados) > Diseños: Factorial completo; Número de puntos centrales por bloque: ; Número de réplicas para puntos factoriales: 4; Número de bloques: Diseño factorial completo Factores: 2 Diseño de la base: 2; 4 Corridas: 6 Réplicas: 4 loques: Puntos centrales (total): Todos los términos están libres de estructuras alias.
2 Podríamos predecir directamente el tratamiento (los valores x están codificados): Estadísticas > DOE > Factorial > nalizar diseño factorial > Gráficas juste factorial: Vibración vs. ; Velocidad Efectos y coeficientes estimados para Vibración (unidades codificadas) Término Efecto Coef SE Coef T P Constante 23,83,62 38,99, 6,637 8,39,62 3,6, Velocidad 7,537 3,769,62 6,7, *Velocidad 8,73 4,356,62 7,3, S = 2,44476 PRESS = 27,57 R-cuad. = 95,8% R-cuad.(pred.) = 92,54% R-cuad.(ajustado) = 94,76% En general, para fines de predicción se recomienda un coeficiente de determinación ajustado de al menos 7%. Cuando hay muchos factores se prefiere el R 2 aj que el R 2 sin ajustar, puesto que este último es engañoso al incrementarse de manera artificial con cada término que se agrega al modelo, aunque sea un término que no contribuya en nada a la explicación de la respuesta. En cambio, el R 2 aj incluso baja de valor cuando el término que se agrega no aporta nada. De esta manera, de acuerdo con R 2 aj el modelo ajustado explica el 94,75% de la variabilidad de la vibración observada en el experimento. Vemos a continuación como existen diferencias significativas en la broca, la velocidad y su interacción (p-valor <,5). Se llaman efectos o interacciones activas. nálisis de varianza para Vibración (unidades codificadas) Fuente GL SC Sec. SC just. MC just. F P Efectos principales 2 334,48 334,48 667,24,64, 7,23 7,23 7,23 85,25, Velocidad 227,26 227,26 227,26 38,2, 2º orden (interacciones) 33,63 33,63 33,63 5,8, *Velocidad 33,63 33,63 33,63 5,8, Error residual 2 7,72 7,72 5,98 Error puro 2 7,72 7,72 5,98 Total 5 79,83
3 Gráfico de efectos en papel normal o gráfico de Daniel. Los efectos no significativos deben seguir una distribución normal con media igual a cero y varianza constante. Esto implica que si los efectos se representan en papel probabilístico normal, los que no son significativos tenderán a formar una línea recta en esa gráfica. Gráfica normal de efectos estandarizados (la respuesta es Vibración, lfa =,5),E+2 99, ,99 Tipo de efecto No significativo Significativo Factor Nombre V elocidad Porcentaje Efecto estandarizado 2 6 Gráfica de efectos normales (absolutos) estandarizados (la respuesta es Vibración, lfa =,5),E+2 Tipo de efecto No significativo Significativo,E+2 Factor Nombre V elocidad Porcentaje 99, Efecto estandarizado absoluto 2 4
4 El diagrama de Pareto para los efectos representa una manera práctica de ver cuáles efectos son los más grandes en cuanto a su magnitud. quí se ven mejor los efectos activos. Diagrama de Pareto de efectos estandarizados (la respuesta es Vibración, lfa =,5) 2,8 Factor Nombre V elocidad Término Efecto estandarizado 2 4 Cuando hay efectos o interacciones no significativas, el nivel de operación debería elegirse o bien en aquel que de mayor economía o productividad al proceso, o bien aquel que produzca menor variabilidad en la respuesta. El supuesto de varianza constante se puede verificar representando los residuos contra los predichos, y los puntos deben caer aleatoriamente en el sentido vertical dentro de una banda horizontal.
5 4 vs. ajustes (la respuesta es Vibración) 3 2 Residuo Valor ajustado 35 4 Gráfica de probabilidad normal (la respuesta es Vibración) Porcentaje , -2,5, Residuo 2,5 5, Puesto que sólo se estudian dos factores, toda la información relevante del experimento se encuentra en la gráfica de la interacción. Cuando hay interacciones activas, es decir, significativas, lo primero y prioritario es estudiar la interacción. Los efectos principales, en este caso, nos podrían llevar a engaño. Sólo deberemos interpretar los efectos principales si no interactúan con ningún otro!
6 Gráfica de interacción para Vibración Medias de datos Velocidad Velocidad - - Se puede afirmar que cuando la broca se encuentra en su nivel bajo la velocidad no afecta de manera significativa la vibración, por el contrario, cuando la broca se encuentra en su nivel alto, la velocidad tiene un efecto considerable sobre la vibración. En otras palabras, al estar la broca en su nivel bajo, la vibración será baja sin importar la velocidad. Gráfica de efectos principales para Vibración Medias de datos 32,5 Velocidad 3, 27,5 Media 25, 22,5, 7,5 5, - -
7 Gráfica de cubos (medias de los datos) para Vibración 4,925 4,275 Velocidad - 6, 24,25 - Respuesta pronosticada para los nuevos puntos del diseño utilizando el modelo para Vibración EE de Punto juste ajuste IC de 95% IP de 95% 6,,2224 (3,4367; 8,7633) (,446; 22,554) 2 24,25,2224 (2,367; 26,6883) (8,696; 29,984) 3 4,925,2224 (2,267; 7,5883) ( 8,9696;,884) 4 4,275,2224 (37,67; 42,9383) (34,396; 46,234) 5 6,,2224 (3,4367; 8,7633) (,446; 22,554) 6 24,25,2224 (2,367; 26,6883) (8,696; 29,984) 7 4,925,2224 (2,267; 7,5883) ( 8,9696;,884) 8 4,275,2224 (37,67; 42,9383) (34,396; 46,234) 9 6,,2224 (3,4367; 8,7633) (,446; 22,554) 24,25,2224 (2,367; 26,6883) (8,696; 29,984) 4,925,2224 (2,267; 7,5883) ( 8,9696;,884) 2 4,275,2224 (37,67; 42,9383) (34,396; 46,234) 3 6,,2224 (3,4367; 8,7633) (,446; 22,554) 4 24,25,2224 (2,367; 26,6883) (8,696; 29,984) 5 4,925,2224 (2,267; 7,5883) ( 8,9696;,884) 6 4,275,2224 (37,67; 42,9383) (34,396; 46,234) Vamos a representar en MTL la superficie de respuesta. >> [X,Y]=meshgrid(-:.:); >> Z= *X+3.77.*Y+4.35.*X.*Y; >> surfc(x,y,z)
8 Vibración (unidades codificadas) - 5 Velocidad (unidades codfiicadas) En MINIT también se puede realizar el dibujo de la superficie de respuesta. Como tenemos la matriz de diseño y la respuesta ya introducida en la hoja de datos, no usamos Crear diseño de superficie de respuesta, sino Definir diseño de superficie de respuesta. Estadísticas > DOE > Superficie de respuesta > Definir diseño de superficie de respuesta > Factores:, Velocidad Estadísticas > DOE > Superficie de respuesta > nalizar el diseño de superficie de respuesta Coeficientes de regresión estimados de Vibración utilizando datos en unidades no codificadas Término Coef Constante 23,833 8,3875 Velocidad 3,76875 *Velocidad 4,35625 Estadísticas > DOE > Superficie de respuesta > Gráficas de contorno/superficie
9 Gráfica de superficie de Vibración vs. Velocidad; 4 Vibración Velocidad Gráfica de contorno de Vibración vs. Velocidad; Velocidad,,5, Vibración < > 4 -,5 -, -, -,5,,5,
10 Podemos pasar al análisis con SPSS. nalizar > Modelo lineal general > Univariante > Variable dependiente: Vibración; Factores fijos: Velocidad, Factores inter-sujetos Etiqueta del valor N Velocidad Estadísticos descriptivos Variable dependiente: Vibración Velocidad Media Desviación típica N - 6, 2, Total + 4,925,75 4 Total 5,53 2, ,25 2, ,275 3,45 4 Total 32,5 9, ,63 4, ,6 3,74 8 Total 23,83, Se puede comprobar también que no se puede rechazar la hipótesis nula de homogeneidad de varianzas de la variable duración, validando así una de las hipótesis estructurales del modelo propuesto. En efecto, la prueba de Levene da lo siguiente: Contraste de Levene sobre la igualdad de las varianzas error a Variable dependiente: Vibración F gl gl2 Sig.,92 3 2,83 Contrasta la hipótesis nula de que la varianza error de la variable dependiente es igual a lo largo de todos los grupos. a. Diseño: Intersección + + Velocidad + * Velocidad
11 Variable dependiente: Vibración Pruebas de los efectos inter-sujetos Origen Suma de gl Media F Sig. Eta al Parámetro Potencia cuadrados cuadrática cuadrado de no observada b tipo III parcial centralidad Parámetro Modelo corregido 638,2 a 3 546,37 9,358,, ,75, Intersección 986, ,856 5,336,,992 5,336, 7,226 7,226 85,252,,939 85,252, Velocidad 227, ,256 38,22,,76 38,22, * 33,63 33,63 5,8,,89 5,8, Velocidad Error 7, ,977 Total 796,69 6 Total corregida 79,834 5 a. R cuadrado =,958 (R cuadrado corregida =,948) b. Calculado con alfa =,5 Estimaciones de los parámetros Variable dependiente: Vibración Parámetro Error t Sig. Intervalo de Eta al Parámetro Potencia típ. confianza 95% cuadrado de no observada b Límite inferior Límite superior parcial centralidad Parámetro Intersección 4,275,222 32,948, 37,62 42,938,989 32,948, [=] -25,35,729 -, - -2,583,947 4,664, 4,664 29,7 [=2] a [Velocidad=] -6,25,729-9,4, - -2,483,88 9,4,,7 [Velocidad=2] a [=] * [Velocidad=] 7,425 2,445 7,27, 2,98 22,752,89 7,27, [=] * a [Velocidad=2] [=2] * a [Velocidad=] [=2] * [Velocidad=2] a a. l parámetro se le ha asignado el valor cero porque es redundante. b. Calculado con alfa =,5
12 En el gráfico matricial de puntos tenemos una idea de si se verifican los supuestos de independencia, homogeneidad de varianzas falta de ajuste. En efecto, se observa en la casilla Residuos-Observados que los puntos están dispersos, lo que redunda en su aleatoriedad y por tanto en corroborar la hipótesis de independencia. La nube Residuos-Pronosticados muestra una dispersión semejante para cada valor pronosticado, lo cual corrobora la homoscedasticidad (homogeneidad de varianzas). Por último, en la nueve Pronosticados-Observados se ajusta a una relación lineal, probando así el nivel de ajuste del modelo estimado.
13
14 Caso 2: En una línea de fabricación de tubos de escape para la industria del automóvil se desea optimizar el proceso de soldadura que se realiza en un componente de acero inoxidable. Para ello se lleva a cabo un diseño factorial 2 3 considerando los factores que figuran en el cuadro. Nivel - Nivel +. Caudal de gas (l/m) 8 2. Intensidad () C. Velocidad cadena (m/min),6 Caudal de gas (l/m) Intensidad () Velocidad cadena Respuesta Y (m/min) 8 23,6 2 23,6 26,5 8 24, ,6 7,5 8 23, , Usaremos MINIT para diseñar la matriz de experimentos. Estadísticas > DOE > Factorial > Crear diseño factorial > Tipo de diseño: Factorial de 2 niveles (generadores predeterminados); Número de factores: 3 > Diseños: Factorial completo; Número de puntos centrales por bloque: ; Número de réplicas para puntos factoriales: ; Número de bloques: Diseño factorial completo Factores: 3 Diseño de la base: 3; 8 Corridas: 8 Réplicas: loques: Puntos centrales (total): Todos los términos están libres de estructuras alias.
15 Estadísticas > DOE > Factorial > nalizar diseño factorial > Gráficas > Gráficas de efectos: Normal, Normales (absolutos), Pareto; Residuos para las gráficas: Regular; Gráficas de residuos: Cuatro en uno juste factorial: Y vs. Caudal; Intensidad; Velocidad Efectos y coeficientes estimados para Y (unidades codificadas) Término Efecto Coef Constante 8, Caudal 9, 4,5 Intensidad -, -,5 Velocidad,5,75 Caudal*Intensidad -6,5-3,25 Caudal*Velocidad -,5 -,25 Intensidad*Velocidad,,5 Caudal*Intensidad*Velocidad,5,25 S = * PRESS = * nálisis de varianza para Y (unidades codificadas) Fuente GL SC Sec. SC just. MC just. F P Efectos principales 3 68,5 68,5 56,67 * * Caudal 62, 62, 62, * * Intensidad 2, 2, 2, * * Velocidad 4,5 4,5 4,5 * * 2º orden (interacciones) 3 87, 87, 29, * * Caudal*Intensidad 84,5 84,5 84,5 * * Caudal*Velocidad,5,5,5 * * Intensidad*Velocidad 2, 2, 2, * * 3º orden (interacciones),5,5,5 * * Caudal*Intensidad*Velocidad,5,5,5 * * Error residual * * * Total 7 256, Coeficientes estimados para Y utilizando datos en unidades no codificadas Término Coef Constante -893,75 Caudal 2,625 Intensidad 3,75 Velocidad 86,25 Caudal*Intensidad -,425 Caudal*Velocidad -3, Intensidad*Velocidad -,75 Caudal*Intensidad*Velocidad,25
16 Gráfica normal de los efectos (la respuesta es Y, lfa =,5) Porcentaje Tipo de efecto No significativo Significativo Factor C Nombre C audal Intensidad V elocidad 5-5, -2,5, 2,5 Efecto 5, 7,5, PSE de Lenth =,5 Gráfica de efectos normales (absolutos) (la respuesta es Y, lfa =,5) 98 Tipo de efecto No significativo Significativo Porcentaje Factor C Nombre C audal Intensidad V elocidad Efecto absoluto PSE de Lenth =,5
17 Diagrama de Pareto de los efectos (la respuesta es Y, lfa =,5) 5,646 Factor C Nombre C audal Intensidad V elocidad Término C C C C Efecto PSE de Lenth =,5 Estadísticas > DOE > Factorial > Gráficas factoriales > Gráfica de interacción > Configuración Gráfica de interacción para Y Medias de datos Caudal 8 2 Media Intensidad 24
18 Estadísticas > DOE > Factorial > Gráficas factoriales > Gráfica de cubos Gráfica de cubos (medias de los datos) para Y 24 6,25 8,75 Intensidad 23,75 26,25 8 Caudal 2 El mejor resultado se obtiene con un caudal de 2 l/min y una intensidad de 23. Nótese que si un día, por las razones que sean, el caudal debe fijarse a 8 l/min, lo mejor es una intensidad de 24. La experimentación podría seguirse con valore más altos de caudal y más bajos de intensidad (si técnicamente es posible). Podemos dibujar la superficie de contorno, también con MINIT.
19 Gráfica de superficie de Y vs. Intensidad; Caudal Valores fijos Velocidad,8 25 Y Caudal 2 Intensidad Gráfica de contorno de Y vs. Intensidad; Caudal 24, 238,5 237, Y < > 24 Intensidad 235,5 234, Valores fijos Velocidad,8 232,5 23, 8 9 Caudal 2
PRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesTipo 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
Más detallesPrueba 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
Más detallesESTADÍSTICA. 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 detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detalles4.1 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 detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detalles1. 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
Más detallesESTADISTICA 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
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesSPSS 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
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesCORRELACION 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
Más detallesÍNDICE 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.
Más detallesGUÍA 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.
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesINDICE 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
Más detallesAnálisis 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
Más detallesINDICE. 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 detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesAnálisis 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 detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesPROGRAMA 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
Más detallesTEMA 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,
Más detallesGrado en Química. 1 er Curso ESTADÍSTICA APLICADA E INFORMÁTICA PARA QUÍMICOS. Manual de Prácticas
Grado en Química 1 er Curso ESTADÍSTICA APLICADA E INFORMÁTICA PARA QUÍMICOS Manual de Prácticas Curso 2013-2014 Profesores/as: José Antonio Álvarez Dios, María Isabel Borrajo García, Hipólito Irago Baúlde,
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detalles2 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..............................
Más detallesIntroducción 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
Más detallesPráctica 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 detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesSOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
Más detallesBioestadística. 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 detallesDISEÑO 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
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesEstadística descriptiva bivariante y regresión lineal.
Estadística descriptiva bivariante y regresión lineal. 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en su libro Natural inheritance (1889) refiriéndose a la
Más detallesCLASE 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:
Más detallesRegresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.
1 DEFINICIONES PREVIAS Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. Correlación: es la cuantificación del grado de relación existente
Más detallesCORRELACIÓN 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 detallesINDICE 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
Más detallesCoeficiente de Correlación
Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesPráctica 3: Regresión simple con R
Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesTema: Análisis de valores faltantes con SPSS
Tema: Análisis de valores faltantes con SPSS 1.- Introducción Hemos de comenzar advirtiendo que el Procedimiento Valores perdidos no se incluye en el sistema Base de SPSS, por lo que solo estará disponible
Más detallesGrupo 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
Más detallesRegresión 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.
Más detallesCapítulo 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
Más detallesCONTENIDO. 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................................................
Más detalles1. 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
Más detallesProblema 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
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesMódulo de Estadística
Módulo de Estadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton
Más detallesCORRELACIÓN 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 detallesTema 4. Análisis multivariante de la varianza
Máster en Técnicas Estadísticas Análisis Multivariante Año 2008 2009 Profesor: César Sánchez Sellero Tema 4 Análisis multivariante de la varianza 4 Presentación del modelo Se trata de comparar las medias
Más detallesMatemáticas. Bioestadística. Correlación y Regresión Lineales
Matemáticas Bioestadística Correlación y Regresión Lineales En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo, si se analiza la
Más detallesEjercicio Heterocedasticidad_2
Ejercicio heterocedasticidad 2. 1 Ejercicio Heterocedasticidad_2 Tengamos los siguientes datos de los beneficios (B i ) y ventas (V i ) de 20 empresas: obs B V 1 13,2 61 2 15 78 3 22,2 158 4 15,2 110 5
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detalles8.2 CONSTRUCCION DEL DISEÑO FRACCIONADO UN CUARTO 2 k-2
8. DISEÑOS FACTORIALES FRACCIONADOS 2 K-2 8.1 DISEÑOS FACTORIALES FRACCION UN CUARTO Dependiendo del número de factores y del costo de cada corrida experimental, en ocasiones es necesario correr una fracción
Más detallesGuía 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
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesBioestadística. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si.
1 de 5 15/10/2006 06:04 a.m. Bioestadística. Correlación y regresión lineales. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo,
Más detallesCARGA HORARIA Horas totales: 80 Horas totales de resolución de problemas de aplicación: 32
PROBABILIDAD Y ESTADISTICA OBJETIVOS: 1. Extraer y sintetizar información de un conjunto de datos. 2. Aprehender los conceptos de aleatoriedad y probabilidad. 3. Estudiar los modelos más importantes de
Más detalles10 Modelo de regresión lineal
0 Modelo de regresión lineal La relación matemática determinística más simple entre dos variables x e y, es una relación lineal y = 0 + x. El conjunto de pares (x; y) que veri can esta relación, determinan
Más detallesAnálisis de la covarianza
Análisis de la covarianza Preparado por Luis M. Molinero (Alce Ingeniería) CorreoE: bioestadistica alceingenieria.net Artículo en formato PDF Enero 2002 El análisis de la covarianza es una técnica estadística
Más detallesT2. 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
Más detalles1 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 detallesDiseño de Experimentos Diseños factoriales 2 k. Diseños 2 k
Diseño de Experimentos Diseños factoriales 2 k Licenciatura en Estadística 2015 Dr. José Alberto Pagura Lic. Lucía N. Hernández Dra. Daniela F. Dianda Diseños 2 k Una clase especial de diseños factoriales
Más detallesÍndice 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
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesEl análisis de correspondencias. Ana María López Jiménez Dept. Psicología Experimental (USE)
El análisis de correspondencias Ana María López Jiménez Dept. Psicología Experimental (USE) 4. El análisis de correspondencias 4.. Introducción 4.2. Tabla de correspondencias 4.3. Dependencia e independencia
Más detalles1. Valoración y análisis de EDAD AL DIAGNÓSTICO. Media (D.E.) Mediana Min Max Rango R.I. Edad diagnóstico (+19.7) años
Transformar y calcular variables 1. Calcular el IMC (peso/altura 2 ). Recordar que la altura ha de ser en metros y el peso en kg. Recalcular la altura si es necesario. 2. Recodificar la edad al diagnóstico
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detallesMétodos Estadísticos de la Ingeniería Práctica 4: Regresión Lineal
Métodos Estadísticos de la Ingeniería Práctica 4: Regresión Lineal Área de Estadística e Investigación Operativa Mariano Amo Salas y Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos Práctica 4.......................................................
Más detallesEscribir el modelo. Evaluar los efectos de los factores y la interacción entre ellos.
Ejercicio 1: Se aplican pinturas tapaporos para aeronaves en superficies de aluminio, con dos métodos: inmersión y rociado. La finalidad del tapaporos es mejorar la adhesión de la pintura, y puede aplicarse
Más detallesSESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesBloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F
Bloque 3 Tema 4 AÁLISIS DE LA VARIAZA. PRUEBA F El objetivo fundamental de la experimentación es estudiar la posible relación de causalidad existente entre dos o más variables. Este estudio representa
Más detallesTema 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 detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M. Los modelos de regresión sirven, en general, para tratar de expresar una variable respuesta (numérica) en
Más detallesCM0244. 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 detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesElaboró: 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
Más detallesCapítulo 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
Más detallesTransformaciones 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 detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.
MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Abordaremos en este capítulo el modelo de regresión lineal múltiple, una vez que la mayor parte de las
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesTema 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 detallesGrado 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
Más detalles7. FRACCIONES FACTORIALES 7.2 DISEÑOS FRACCIONADOS 7.1 INTRODUCCION
7. FRACCIONES FACTORIALES 7.1 INTRODUCCION Si el número de factores a estudiar no es reducido los planes factoriales equilibrados (por ejemplo, los planes 2 k ) exigen un número muy elevado de pruebas.
Más detalles