Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
|
|
- Adolfo Villanueva Campos
- hace 6 años
- Vistas:
Transcripción
1 Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo Rendmento Académco Promedo Sobre TOTAL Ya vmos cómo podemos descrbr los datos que provenen de este tpo de problema, medante tablas de contngenca o de doble entrada. n esta undad revsaremos los test estadístcos dsponbles, el test de J cuadrado y el test F. Test de J-cuadrado xsten varos tests de J cuadrado * que srven para contestar dstntas preguntas, pero estos tenen certas característcas comunes: 1. Los datos conssten en frecuencas observadas (O), esto es, cuantos ítems o sujetos caen en cada categoría.. Se calculan las frecuencas esperadas () bajo H, esto es, las frecuencas que esperamos ver en cada categoría s la correspondente hpótess nula es correcta. 3. Comparamos las frecuencas observadas con las esperadas por medo del test estadístco que será una medda de cuán cerca están las frecuencas observadas de las frecuencas esperadas bajo H. ntonces, s la "dstanca" es grande, tenemos evdenca para rechazar H. l test de J cuadrado es: χ ( O ) = S las frecuencas observadas están cerca de las frecuencas esperadas bajo H, entonces el estadístco de χ debe ser chco. Valores grandes del estadístco ndcan dferencas entre lo observado y lo esperado. Como sólo valores grandes son evdenca a favor de la hpótess alternatva, los tests de J cuadrado son unlaterales y la dreccón del extremo es haca la derecha. l valor-p será la probabldad de observar un test estadístco gual o mayor al calculado, asumendo que la hpótess nula es certa. 4. La relacón entre el test y la dstrbucón funcona ben sempre cuando el número esperado es al menos 5. n general los softwares estadístcos verfcan este supuesto. Propedades de la dstrbucón de J-cuadrado χ ( gl) - La dstrbucón no es smétrca, es sesgada a la derecha - Sus valores son cero o postvos, no negatvos. - La dstrbucón está defnda por el número de grados de lbertad. - l promedo de la dstrbucón de J-cuadrado es gual a sus grados de lbertad. - La varanza de la dstrbucón de J-cuadrado es dos veces sus grados de lbertad ( gl). * sencalmente la prueba de asocacón que veremos aquí y las pruebas de bondad de ajuste. 1
2 gl=1 gl=4 gl= χ Fgura: Dstrbucones de J cuadrado con dstntos grados de lbertad
3 Tabla de J cuadrado 3
4 Prueba de asocacón o de ndependenca * La prueba de asocacón, permte al nvestgador saber s exste asocacón entre dos varables cualtatvas. jemplo: Para evaluar un nuevo tratamento, cuyos resultados son desconocdos, se trata a 1 pacentes con el nuevo tratamento y a 13 pacentes (selecconados aleatoramente) con un tratamento antguo y se regstra s mejora o no. stado Tratamento xpermental Antguo Total Mejora 9 11 No mejora Total a) Planteamento de la hpótess Hpótess de nuldad ( H ): No hay asocacón entre el estado del pacente y el tratamento, es decr, el porcentaje de pacentes que mejora es el msmo, sn mportar a qué tratamento fue sometdo. Smbólcamente, H P = P : en que P representa el porcentaje de mejoría. exp ant Hpótess alternatva ( H 1 ): Hay asocacón entre el estado del pacente y el tratamento, es decr, el porcentaje de pacentes que mejora es dferente entre los sometdos al tratamento expermental y los sometdos al tratamento antguo. Smbólcamente, H 1 : P exp Pant stadístca a utlzar: en que: O = frecuenca observada en la celda = frecuenca esperada en la celda χ fxc = Σ = 1 ( O ) fxc = número de celdas, se obtene multplcando número de flas (f) por número de columnas (c). n este problema =4 b) Cálculo del J-cuadrado Bajo la hpótess nula, no hay asocacón entre el estado del pacente y el tratamento; por lo tanto, el porcentaje que mejora debería ser el msmo para los dos tratamentos. Su mejor estmacón será: 11/5, 44%, vale decr, el porcentaje de mejoría observado en el total. La frecuenca esperada ( ) de los que mejoran la obtenemos aplcando este porcentaje a los totales margnales, respectvamente = 1= 5,8 = 13= 5, Por analogía, la frecuenca esperada ( ) de los que no mejoran la obtendremos aplcando 14/5, 56% el porcentaje de los que no mejoran a los totales margnales, respectvamente = 1= 6,7 4 = 13= 7, * Algunos textos hacen la dstncón entre una prueba de J cuadrado de ndependenca y una prueba de J cuadrado de homogenedad. l cálculo y la nterpretacón práctca de cada procedmento son déntcos. Utlzamos la prueba de asocacón para nclur ambos tpos. 4
5 Una manera alternatva para el cálculo de las frecuencas esperadas para determnada celda utlza los totales de la fla y de la columna en que se encuentra el valor observado de la celda: l estadístco observado a partr de los datos de este ejemplo es: = (total fla x total columna)/ Total χ OBS = ( 9 5,8) ( 5,7) ( 3 6,7) ( 11 7,8) 5,8 + 5,7 + 6,7 + 7,8 = 9, c) Grados de lbertad ste test de J cuadrado tene dstrbucón de J cuadrado con (número de flas - 1) x (número de columnas - 1) grados de lbertad. n este ejemplo, (-1) x (-1) = 1 grado de lbertad Comparemos con la salda del SPSS: Ch-cuadrado de Pearson Correccón por contnudad a Razón de verosmltudes stadístco exacto de Fsher Asocacón lneal por lneal N de casos váldos Pruebas de ch-cuadrado Sg. asntótca Valor gl (blateral) 9. b a. Calculado sólo para una tabla de x. Sg. exacta (blateral) Sg. exacta (unlateral).5.4 b. casllas (.%) tenen una frecuenca esperada nferor a 5. La frecuenca mínma esperada es
6 Supuestos del test de J cuadrado La prueba de J cuadrado no asume dstrbucón alguna para las observacones, es decr es una prueba no paramétrca. Un supuesto básco al utlzar esta prueba consste en que cada observacón regstrada en la tabla de contngenca es ndependente de las demás. "Independenca" en este contexto sgnfca que no más de una observacón vene de cada undad observaconal. La undad más común es una persona. S hay 96 personas en estudo, el número total de observacones en la tabla de contngenca deberá ser 96. S la msma persona contrbuye en más de una entrada en una tabla, la prueba de J cuadrada no es apropada. Por últmo, un supuesto mportante es saber que el estadístco de J cuadrado sgue una dstrbucón de J cuadrado sempre que los valores esperados sean mayores que 5, s esto no se cumple, el test no es váldo. Qué hacer s tenemos frecuencas esperadas menores que 5? l test de probabldad exacta de Fsher Se utlza para el análss de tablas de contngenca cuando no se cumple el requsto del tamaño mínmo para aplcar el método de J cuadrado, que exge que los valores esperados en cada celda de la tabla sean al menos 5. l test de probabldad exacta de Fsher requere el cálculo de las probabldades ndvduales para las dstntas maneras (combnacones) en que pueden aparecer las frecuencas dentro de las celdas de la tabla de contngenca, mantenendo constantes las frecuencas margnales. No vamos a revsar los cálculos para la prueba de Fsher sno que revsaremos la solucón que nos da la salda SPSS cuando analzamos tablas de contngenca. Paradoja de Smpson (opconal) Ya hemos revsado el problema de las varables confundentes, el efecto de estas varables podría nfluencar la asocacón entre dos varables categórcas. jemplo: Suponga que el Mnstero de Salud nos entrega datos sobre la mortaldad de dos Hosptales de la Regón. Los datos en una tabla de x nos muestran la sobrevvenca de pacentes después de crugía en el hosptal A y B, donde sobrevvenca sgnfca que el pacente está vvo al menos 6 semanas después de la crugía. HOSPITAL A B stado Vvo pacente Muerto Total 1 8 Hosptal A perde 63/1 = 3% de los pacentes de crugía y Hosptal B perde 16/8 = % de los pacentes de crugía. Conclumos que el Hosptal B es "mejor". Pero, no todas las crugías son del msmo tpo. Luego, se entregan nuevos datos que ncluyen la condcón de los pacentes antes de la crugía clasfcados como "buena" o "mala". stado Buena condcón Mala condcón Hosptal Hosptal A B A B Sobrevve stado Sobrevve Muere 6 8 Muere 57 8 Total 6 6 Total 15 S analzamos ahora según la condcón, resulta que en el Hosptal A sólo 6/6 = 1% muere y en el Hosptal B 8/6 = 1,3% muere entre los pacentes que estaban en buenas condcones. ntre los pacentes que están en malas condcones en el Hosptal A sólo 57/15 = 3,8% muere y en el Hosptal B 8/ = 4% muere. ste fenómeno es conocdo como la paradoja de Smpson. 6
H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesPyE_ EF1_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesContraste de Hipótesis
. CONTRSTE DE HIPÓTESIS.1. Introduccón.. Contraste de una hpótess estadístca.3. Test unlateral y blateral.4. Test relaconados con una sola meda (varanza conocda).5. Relacón con la estmacón del ntervalo
Más detallesTema 1. Conceptos generales
Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesCapítulo 12 CONTRASTES NO PARAMÉTRICOS
Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística
ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesAnálisis de Varianza no paramétricos
Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesunidad 12 Estadística
undad 1 Estadístca Qué es una tabla de frecuencas Págna 1 Al número de veces que se repte un dato se le denomna frecuenca de ese dato. Una tabla de frecuencas es una tabla en la que cada valor de la varable
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesRegresión Binomial Negativa
Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesLECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesTema 4 MODELOS CON DATOS DE RECUENTO
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 Tema 4 MODELOS CON DATOS DE RECUENTO 1. Datos de recuento: ejemplos 2. Por qué utlzamos modelos específcos para datos de recuento? 3. Modelo Posson 4. Modelo
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesMétodos de Apareamiento (Matching)
Impact Evaluaton Sesón n Técnca T VI: Métodos de Apareamento (Matchng) Lma, 2009 Departamento de Desarrollo Humano Fondo Español para Evaluacón de Impacto En el caso de asgnacón aleatora Supuesto asgnacón
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a)
ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 Rcardo Ramírez Facultad de Físca, Pontfca Unversdad Católca, Chle 1er. Semestre 2008 Corrente eléctrca CORRIENTE ELECTRICA Corrente eléctrca mplca carga en movmento.
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesOPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS
P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesMÉTODOS PARA PROBAR NUMEROS
Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesRiesgos Proporcionales de Cox
Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesDepartamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011
Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se
Más detallesTeoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios
Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesCapítulo III Medidas de posición y de dispersión
Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detalles16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales
16.21 Técncas de dseño y análss estructural Prmavera 2003 Undad 8 Prncpo de desplazamentos vrtuales Prncpo de desplazamentos vrtuales Tengamos en cuenta un cuerpo en equlbro. Sabemos que el campo de esfuerzo
Más detallesEJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:
EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca www.aulatecnologa.com 1 ETADÍTICA DECRIPTIVA Lo prmero que buscamos con la Estadístca es el tratamento matemátco a partr de una nformacón epermental. Cuando queremos observar la evolucón de
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesTEMA 4. TEORÍA DE LA DUALIDAD.
Investgacón Operatva TEMA. TEORÍA DE LA DUALIDAD. TEMA. TEORÍA DE LA DUALIDAD..... INTRODUIÓN... ALGORITMO DUAL DEL SIMPLEX.... EJEMPLO.... EJEMPLO.... EJEMPLO... TEORÍA DE LA DUALIDAD.... PROLEMA PRIMAL
Más detallesBloque 2 Análisis de circuitos alimentados en corriente continua. Teoría de Circuitos
Bloque Análss de crcutos almentados en corrente contnua Teoría de Crcutos . Métodos sstemátcos de resolucón de crcutos : Método de mallas Métodos sstemátcos de resolucón de crcutos Permten resolver los
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesAnálisis de Capabilidad (Defectos Por Unidad)
Análss de Capabldad (Defectos Por Undad) STATGRAPHICS Rev. 9/4/26 Este procedento esta dseñado para estar la eda del núero de defectos por undad sobre una poblacón basándose en uestras de artículos de
Más detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detallesFIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS
FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS Autores: Ángel A Juan Pérez (ajuanp@uocedu), Rafael García Martín (rgarcamart@uocedu) RELACIÓN CON OTROS MATH-BLOCS Este math-block forma parte
Más detalles6 Impacto en el bienestar de los beneficiarios del PAAM
6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesMétodos de Apareamiento
Human Development Network Latn Amerca and the Carbbean Regon Spansh Impact Evaluaton Trust fund Sesón n Técnca T VI: Métodos de Apareamento Karen Macours Karen Macours Managua, 5 Marzo 2008 En el caso
Más detallesi=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1
CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de
Más detallesGlosario básico. de términos estadísticos
Glosaro básco de térmnos estadístcos Lma, mayo de 2006 CREDITOS Dreccón y Supervsón Lupe Berrocal de Montestruque Drectora Técnca del Centro de Investgacón y Desarrollo Responsable del documento Hermna
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesTema 21: Distribución muestral de un estadístico
Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15
Más detalles