TÉCNICAS MULTIVARIANTES
|
|
- Carmelo Ruiz Ortega
- hace 6 años
- Vistas:
Transcripción
1
2 Máster en Ordenación y Gestión del Desarrollo Territorial y Local Módulo I MÉTODO Y TÉCNICAS ESTADÍSTICAS PARA EL DESARROLLO TERRITORIAL Y LOCAL CURSO TÉCNICAS MULTIVARIANTES Prof. Dr. Rosa Jordá Borrell 2
3 ETAPAS APLICACIÓN T. MULTIVARIANTES 1) Objetivos del análisis Se define el problema especificando los objetivos y las técnicas multivariantes que se van a utilizar El investigador debe establecer el problema en términos conceptuales definiendo los conceptos y las relaciones fundamentales que se van a investigar. Se deben establecer si dichas relaciones van a ser relaciones de dependencia o de interdependencia. Con todo esto se determinan las variables a observar 2) Diseño del análisis. Se determina el tamaño muestral, las ecuaciones a estimar (si procede), las distancias a calcular (s procede) y las técnicas de estimación a emplear. Una vez determinado todo esto se proceden a observar los datos 3) Realización del análisis Se estima el modelo y se evalúa el ajuste a los datos. En este paso pueden aparecer observaciones atípicas cuya influencia sobre las estimaciones y la bondad de ajuste se debe analizar. 4) Interpretación de los resultados Dichas interpretaciones pueden llevar a reespecificaciones adicionales de las variables o del modelo con lo cual se puede volver de nuevo a los pasos 3) y 4) 3
4 TECNICAS MULTIVARIANTES. Sirven para analizar grandes cantidades de datos complejos EJEMPLO Mundo 95 Análisis univariante: análisis de distribuciones de una sola variable Análisis bivariante es una correlación, clasificaciones cruzadas, regresiones simples y son utilizadas para analizar dos variables. Son métodos y técnicas estadísticas Por qué sería un Método? 4
5 DEFINICIONES El término multivariante no se usa de la misma forma en la literatura científica 1.-El Análisis Multivariante es el conjunto de métodos estadísticos cuya finalidad es analizar simultáneamente conjuntos de datos multivariantes en el sentido de que hay varias variables medidas para cada individuo ú objeto estudiado. Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio, obteniendo información que los métodos estadísticos univariantes y bivariantes son incapaces de conseguir. 2.-Para ser considerado verdaderamente multivariante todas las variables deben ser aleatorias y estar relacionadas de tal forma que sus diferentes efectos no puedan ser interpretados separadamente con algún sentido. 5
6 Métodos técnicas multivariantes Algunos de los métodos del análisis multivariante son métodos puramente descriptivos que realizan un estudio de datos muestrales exclusivamente. En otros se trata de realizar inferencias acerca de parámetros poblacionales. Para realizar inferencias es necesario incorporar hipótesis estadísticas En el análisis multivariante la distribución normal multivariante juega un papel esencial, de la misma manera que en el univariante lo hace la distribución normal. En el análisis multivariante se suelen realizar ciertas transformaciones de los datos originales, utilizándose datos en desviaciones respecto a la media y datos tipificados. Por qué se utilizan datos tipificados? Porque los datos se ven afectados por la escala de medida. Una observación está tipificada cuando se divide la observación, expresada en desviaciones respecto la media, por la desviación típica. 6
7 ESCALAS DE MEDIDA Dos tipos de datos: no métricos (cualitativos) y métricos (cuantitativos). Los primeros son atributos, características o propiedades categóricas.escalas nominal y ordinal. Métricas: son las escalas de intérvalos y de razón 7
8 TIPOS DE TECNICAS MULTIVARIANTES 1) Métodos de dependencia Suponen que las variables analizadas están divididas en dos grupos: las variables dependientes y las variables independientes. El objetivo de los métodos de dependencia consiste en determinar si el conjunto de variables independientes afecta al conjunto de variables dependientes y de qué forma. 2) Métodos de interdependencia Estos métodos no distinguen entre variables dependientes e independientes y su objetivo consiste en identificar qué variables están relacionadas, cómo lo están y por qué. 3) Métodos estructurales Suponen que las variables están divididas en dos grupos: el de las variables dependientes y el de las independientes. El objetivo de estos métodos es analizar, no sólo como las variables independientes afectan a las variables dependientes, sino también cómo están relacionadas las variables de los dos grupos entre sí. 8
9 CLASIFICACIÓN T. MULTIVARIANTES Métodos de Dependencia Dependiente Métrica Dependiente No Métrica Análisis de Regresión Análisis de Supervivencia MANOVA Correlación Canónica Análisis Discriminante Regresión Logística Análisis Conjoint Técnicas Multivariantes Métodos de Interdependencia Datos Métricos Datos No Métricos A. Comp. Principales Análisis Factorial Escalas Multidimensionales Análisis Cluster Análisis de Correspondencias Modelos log-lineales Escalas Multidimensionales Análisis Cluster Modelos estructurales 9
10 ANÁLISIS FACTORIAL (AF) INTRODUCCIÓN Aborda el problema de cómo analizar la estructura de las interrelaciones (correlaciones) entre un gran número de variables. Por lo tanto tendrá por objeto simplificar las múltiples y complejas relaciones que puedan existir entre las variables observadas. DIBUJO haz factores Es una clase de método multivariante cuyo propósito principal es definir, conocer la estructura subyacente en una matriz de datos. Como medir el nivel de desarrollo de un país, qué características distinguen unas marcas de pastas de dientes de otras? EJEMPLO Mundo ver vista variables Para ello trata de encontrar dimensiones comunes o factores que ligan a las aparentemente no relacionadas. Es una técnica de reducción de la dimensionalidad de los datos. Su propósito es buscar el nº mínimo de dimensiones capaces de explicar el máximo de información contenida en los datos. Y que esa información sea fácilmente interpretable 10
11 11
12 ANÁLISIS FACTORIAL (AF) INTRODUCCIÓN Consiste en encontrar un conjunto de k < p factores no observables que expliquen suficientemente bien a las variables observadas: Perdiendo el mínimo de observación Que sean fácilmente explicadas Por tanto resumen la información y reducen el número de datos El AF es una técnica de interdependencia en la que se consideran todas las variables simultáneamente cada una relacionada con todas las demás. Todas las variables son independientes 12
13 13
14 14
15 COMUNALIDAD/especificidad o unicidad Comunalidad: proporción de la varianza explicada de una variable por el conjunto de los factores comunes. Proporción de varianza que puede ser explicada por el modelo factorial obtenido Especificidad parte de la varianza debida a los factores únicos 15
16 ETAPAS APLICACIÓN T. MULTIVARIANTES 1) Objetivos del análisis Se define el problema especificando los objetivos y las técnicas multivariantes que se van a utilizar El investigador debe establecer el problema en términos conceptuales definiendo los conceptos y las relaciones fundamentales que se van a investigar. Se deben establecer si dichas relaciones van a ser relaciones de dependencia o de interdependencia. Con todo esto se determinan las variables a observar 2) Diseño del análisis. Se determina el tamaño muestral, las ecuaciones a estimar (si procede), las distancias a calcular (s procede) y las técnicas de estimación a emplear. Una vez determinado todo esto se proceden a observar los datos 3) Realización del análisis Se estima el modelo y se evalúa el ajuste a los datos. En este paso pueden aparecer observaciones atípicas cuya influencia sobre las estimaciones y la bondad de ajuste se debe analizar. 4) Interpretación de los resultados Dichas interpretaciones pueden llevar a reespecificaciones adicionales de las variables o del modelo con lo cual se puede volver de nuevo a los pasos 3) y 4) 16
17 DISEÑO DEL ANÁLISIS: VARIABLES A INCLUIR TAMAÑO MUESTRA Variables preferentemente métricas Estudiar los datos. Ejemplo base datos MUNDO (buscar, religión, región, cregrano, clima y densidad) vista variables Si las variables A y B están englobadas en C Se incluyen las tres? muestra no inferior a 50 observaciones/casos, preferible 100 o más. El tamaño aceptable es un ratio de 10 observaciones/casos por una variable. Qué hacer con los datos ausentes? 17
18 DISEÑO DEL ANÁLISIS: VALORES PERDIDOS Excluir casos según lista, opción por defecto. Se excluyen los casos que tengan valores perdidos en cualquiera de las variables empleadas en el Análisis Factorial. Esta forma puede suponer la pérdida de un gran número de casos y la reducción del tamaño muestra Excluir casos según pareja, los casos con valor perdido en una variable se excluyen del análisis sólo para el cálculo estadístico en el que esté implicada esa variable Reemplazar por la media, en la medida en que el nº de valores perdidos aumenta, la sustitución por la media tiene el efecto de centrar las variables disminuyendo su variabilidad. 18
19 INTERPRETACIÓN DE FACTORES Se sugieren dos pasos: 1.- Estudiar la composición de las saturaciones significativas de cada factor 2.-Intentar dar nombre a los factores. Nombre que se debe dar de acuerdo con la estructura de las saturaciones, conociendo su contenido.- Eliminar las cargas factoriales bajas inferiores a 0,30.- Factores bipolares, son aquellos en los que unas variables cargan positivamente y otras tienen cargas negativas 19
20 ETAPAS APLICACIÓN T. MULTIVARIANTES 1) Objetivos del análisis Se define el problema especificando los objetivos y las técnicas multivariantes que se van a utilizar El investigador debe establecer el problema en términos conceptuales definiendo los conceptos y las relaciones fundamentales que se van a investigar. Se deben establecer si dichas relaciones van a ser relaciones de dependencia o de interdependencia. Con todo esto se determinan las variables a observar 2) Diseño del análisis. Se determina el tamaño muestral, las ecuaciones a estimar (si procede), las distancias a calcular (s procede) y las técnicas de estimación a emplear. Una vez determinado todo esto se proceden a observar los datos 3) Realización del análisis Se estima el modelo y se evalúa el ajuste a los datos. En este paso pueden aparecer observaciones atípicas cuya influencia sobre las estimaciones y la bondad de ajuste se debe analizar. 4) Interpretación de los resultados Dichas interpretaciones pueden llevar a reespecificaciones adicionales de las variables o del modelo con lo cual se puede volver de nuevo a los pasos 3) y 4) 20
21 FASES DEL ANALISIS FACTORIAL 1.-Cálculo de una matriz capaz de expresar la variabilidad conjunta de todas las variables (m. correlaciones) 2.-Extracción de un nº óptimo de factores: Criterios Revisión de autovalores Métodos principales para extraer factores: diferencias y revisión de comunalidad 3.-Rotación de la solución para facilitar su interpretación Estadísticos asociados a Matriz de Correlaciones 4.-Estimación de las puntuaciones de los sujetos/casos en las nuevas dimensiones Ejemplo OCDE,ir a SPSS y mostrar pasos 21
22 MATRIZ DE CORRELACIÓN. FASE 1ª La finalidad de este análisis es comprobar si las características son las más adecuadas para realizar el AF: variables estén muy intercorrelacionadas Coeficientes de correlación: mide la variabilidad conjunta de las variables. Son los coeficientes de Pearson entre cada par variables Qué tiene que contener la matriz? Cuándo un índice de correlación es significativo? Niveles de significación: niveles críticos unilaterales asociados a cada coeficiente correlación. Nivel menor de 0,05 es lo que interesa Un nivel inferior a 0,05 indica que la correlación poblacional entre el correspondiente par de variables puede ser considerado significativamente distinto de cero 22
23 CARGAS FACTORIALES SIGNIFICATIVAS SEGÚN TAMAÑO MUESTRA Carga Factorial Tamaño muestra 0, , , , , , , , , ,
24 CRITERIOS PARA EL CÁLCULO Nº DE FACTORES A EXTRAER. FASE 2ª Autovalores mayores de 1(los menores de 1 explican como máximo una variable). por qué? Explicarlo el ejemplo Autovalores cantidad de varianza total explicada por cada factor La suma de las cargas factoriales (elevadas al cuadrado) de un mismo factor con todas las variables, se denomina valor propio, autovalor o eigenvalue de dicho factor Porcentaje de la varianza. En ciencias naturales los factores extraídos deben contar con el 95% varianza. En ciencias sociales considerar una solución que represente un 60% de la varianza. Cómo se obtiene este porcentaje? En las sumas de cuadrados de columna total si el método es el componentes coincide con autovalores, en los otros métodos no coincide ejemplo 24
25 FASES DEL ANALISIS FACTORIAL 1.-Cálculo de una matriz capaz de expresar la variabilidad conjunta de todas las variables (m. correlaciones) 2.-Extracción de un nº óptimo de factores: Criterios Revisión de autovalores Métodos principales para extraer factores: diferencias y revisión de comunalidad 3.-Rotación de la solución para facilitar su interpretación Estadísticos asociados a Matriz de Correlaciones 4.-Estimación de las puntuaciones de los sujetos/casos en las nuevas dimensiones Ejemplo OCDE,ir a SPSS y mostrar pasos 25
26 COMPONENTES PRINCIPALES. FASE 2ª Cuando se aplica este método para la extracción de factores la comunalidad de la extracción inicial de cada variable es = 1 ya que se consideran todos los componentes/factores incluyendo la unicidad. No le interesa tanto explicar las estructuras latentes No hace distinción entre varianza única y común Explicar la mayor parte de la variabilidad total de las variables con el menor nº de factores /componentes posibles y reduciendo al máximo la unicidad 26
27 COMPONENTES PRINCIPALES. FASE 2ª Los valores propios de la extracción final coinciden con los de la inicial El primer factor explica la mayor parte de la varianza total, el 2º explicaría la mayor parte de la varianza restante. 27
28 COMUNALIDAD/especificidad o unicidad Comunalidad: proporción de la varianza explicada de una variable por el conjunto de los factores comunes. Proporción de varianza que puede ser explicada por el modelo factorial obtenido Podemos ver cuales son las variables mejor o peor explicadas Especificidad parte de la varianza debida a los factores únicos El problema que se plantea en AF es la estimación de los coeficientes llamados cargas factoriales, es decir pesos de los distintos factores en la estimación de la comunalidad de cada variable 28
29 EJES PRINCIPALES. 2ª FASE Se centra en el análisis factorial común. Los factores que resultan se basan en la varianza común Las comunalidades son menores (CP) en la 1ª extracción y obedece a la menor varianza total explicada La varianza común inicial es desconocida y debe estimarse: correlación múltiple al cuadrado La varianza total explicada no es igual al nº de variables sino que será igual a la suma de los valores de la diagonal principal de la matriz de correlaciones reproducidas. EJEMPLO: ocde CON EJES PRINCIPALES 29
30 EJES PRINCIPALES La varianza total explicada en 2ª extracción no es igual a la inicial y obedece a que la estructura factorial ha cambiado porque la forma de obtener la comunalidad inicial y la de extracción es diferente y ésta última depende del nº de factores. Es un método iterativo. En algunas ocasiones no permite llegar a unas estimaciones adecuadas debido a problemas de convergencia que plantean dichos métodos, sobre todo en muestras pequeñas. Iterativo: Se ejecuta repetitivamente hasta alcanzar la solución idónea Cuando el nº de variables excede de 30, el tamaño de la muestra está en torno a 300 y la varianza compartida excede de 0,60 para la mayoría de variables los resultados del análisis de componentes principales y de Ejes Principales son iguales 30
31 MATRIZ DE COMPONENTES/ MATRIZ DE ESTRUCTURA FACTORIAL Contiene las correlaciones entre las variables originales (o saturaciones) y cada uno de los factores. Esta matriz cambia de denominación en función del método de extracción elegido 31
32 FASES DEL ANALISIS FACTORIAL 1.-Cálculo de una matriz capaz de expresar la variabilidad conjunta de todas las variables (m. correlaciones) 2.-Extracción de un nº óptimo de factores: Criterios Revisión de autovalores Métodos principales para extraer factores: diferencias y revisión de comunalidad 3.-Rotación de la solución para facilitar su interpretación Estadísticos asociados a Matriz de Correlaciones 4.-Estimación de las puntuaciones de los sujetos/casos en las nuevas dimensiones Ejemplo OCDE,ir a SPSS y mostrar pasos 32
33 ROTACION. 3ª FASE El efecto último de rotar la matriz de factores es redistribuir la varianza de los primeros factores a los últimos para lograr un patrón de factores más simple, más significativo y más fácil de interpretar (en la solución inicial cada uno de los factores comunes están correlacionados en mayor o menor medida con cada una de las variables originales). Cada una de las variables originales tengan una correlación lo más próximo a 1 con uno de los factores y correlaciones próximas a 0 con el resto de factores 33
34 34
35 METODOS DE ROTACIÓN.3ª FASE VARIMAX minimiza el nº de variables que tienen saturaciones altas en cada factor, es decir simplifica la columnas QUARTIMAX: minimiza el nº de factores necesarios para explicar cada variable. Simplifica la interpretación de los factores optimizando la solución por filas Las variables con mayores comunalidades tienen mayor influencia en la solución final (normalización de Kaiser) Normalización de Kaiser: consiste en dividir cada carga factorial al cuadrado por la comunalidad de la variable Con estos métodos de rotación lo que cambia es el valor de las cargas factoriales y el % de varianza total explicada por cada factor Ejemplo OCDE 35
36 ESTADISTICOS ASOCIADOS a Matriz CORRELACIONES. DESCRIPTIVOS I y II Niveles de significación: niveles críticos unilaterales asociados a cada coeficiente. Nivel menor de 0,05 es lo que interesa Determinante: próximo a 0 indican que las variables están relacionadas AF es una técnica pertinente. Si es muy bajo significa que hay variables con interrelaciones muy altas Reproducida: contiene las correlaciones que es posible reproducir utilizando la información contenida en la solución factorial hallada Residual: diferencias entre las correlaciones observadas y las reproducidas. Si el modelo es correcto, el nº de residuos con valores elevados debe ser mínimo 36
37 ESTADISTICOS ASOCIADOS A MATRIZ DE CORRELACIONES. DESCRIPTIVOS II KMO compara la magnitud de los coeficientes de correlación observados con la magnitud de los coeficientes de correlación parcial. Debe tomar un valor próximo a 1. Los menores de 0,5 indican que no de be emplearse el AF con los datos muestrales empleados poner formula PRUEBA ESFERICIDAD DE BARTLETT asumiendo que los datos provienen de una distribución normal multivariante, el estadístico B. se distribuye según el modelo de chi-cuadrado. Si el nivel de significación es mayor de 0,05 no podremos asegurar que el modelo factorial es adecuado para explicar los datos. 37
38 KMO y prueba de Bartlett Medida de adecuación muestral de Kaiser-Meyer-Olkin.,562 Prueba de esfericidad de Bartlett Chi-cuadrado aproximado gl Sig. 77,787 21,000 38
39 FASES DEL ANALISIS FACTORIAL 1.-Cálculo de una matriz capaz de expresar la variabilidad conjunta de todas las variables (m. correlaciones) 2.-Extracción de un nº óptimo de factores: Criterios Revisión de autovalores y comunalidad Métodos principales para extraer factores: diferencias 3.-Rotación de la solución para facilitar su interpretación Estadísticos asociados a Matriz de Correlaciones 4.-Estimación de las puntuaciones de los sujetos/casos en las nuevas dimensiones Ejemplo OCDE,ir a SPSS y mostrar pasos 39
40 PUNTUACIONES. 4º FASE Son puntuaciones de los sujetos en cada uno de los factores resultantes de la extracción a fin de valorar la situación relativa de cada caso/sujeto Equivalen a las cargas factoriales? 40
41 Puntuaciones de los factores.4fase Son estimaciones Regresión es el método más generalizado. Tiene una varianza = al cuadrado de la correlación múltiple entre las puntuaciones estimadas y los valores factoriales verdaderos No es = a 1. Cuando se utiliza CP las puntuaciones F. no son estimadas sino calculadas a partir de las variables originales Las puntuaciones factoriales de los casos dependerá del método de extracción, el método de rotación elegido y el método de estimación de las puntuaciones factoriales Las puntuaciones positivas son puntuaciones mayores que la media, las negativas son menores que la media y las puntuaciones de 0 corresponden a una p. factorial igual a la media. Ejemplos poner OCDE y Cataluña mapa 41
UNIVERSIDADA NACIONAL DEL SANTA FACULTAD DE CIENCIAS DEPARTAMENTO DE MATEMÁTICAS
UNIVERSIDADA NACIONAL DEL SANTA FACULTAD DE CIENCIAS DEPARTAMENTO DE MATEMÁTICAS PINCIPALES FACTORES QUE INFLUYEN EN EL HOGAR, SEGÚN ENCUESTA ENAHO 2009. RESPONSABLE: LIC. LUIS ALFREDO PAJUELO GONZÁLES
Más detallesObjetivo. variables factores F Principios básicos. Parsimonia Interpretabilidad
ANÁLISIS FACTORIAL 1. Introducción 2. Examen de la matriz de correlación 3. Extracción de los factores 4. Rotación de los factores 5. Puntuaciones factoriales 6. Caso práctico Introducció Objetivo. Resumir
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: ANÁLISIS DEL RIESGO ACTUARIAL Y FINANCIERO
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: ESTADÍSTICA ACTUARIAL III: ANÁLISIS MULTIVARIANTE DE DATOS Código: 603377 Materia: ESTADÍSTICA ACTUARIAL Módulo: ANÁLISIS DEL
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 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 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 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 detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesEstadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada
Estadística Descriptiva Bivariada En el aspecto conceptual, este estudio puede ser generalizado fácilmente para el caso de la información conjunta de L variables aunque las notaciones pueden resultar complicadas
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesAnálisis Factorial: Análisis de componentes principales
Análisis Factorial: Análisis de componentes principales Abel Lucena Ferran Carrascosa Universitat Pompeu Fabra 22 de febrero de 2013 En qué consiste el análisis factorial? El análisis factorial agrupa
Más detallesCOLEGIO DE ESTADITICOS DEL PERÚ REGIÓN LAMBAYEQUE MSC. ACOSTA PISCOYA, JORGE
COLEGIO DE ESTADITICOS DEL PERÚ REGIÓN LAMBAYEQUE 1 TITULO: Actitudes hacia la Estadística en estudiantes de la Facultad de Ciencias Físicas y Matemáticas de la Universidad Nacional Pedro Ruiz Gallo. Un
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 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 detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
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 detallesANÁLISIS 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)
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesAPLICACIÓN DEL ANÁLISIS FACTORIAL A LA INVESTIGACIÓN DE MERCADOS. CASO DE ESTUDIO
Scientia et Technica Año XIII, No 35, Agosto de 2007. Universidad Tecnológica de Pereira. ISSN 0122-1701 281 APLICACIÓN DEL ANÁLISIS FACTORIAL A LA INVESTIGACIÓN DE MERCADOS. CASO DE ESTUDIO Application
Más detallesQUE ES EL ANÁLISIS MULTIVARIANTE
QUE ES EL ANÁLISIS MULTIVARIANTE El análisis Multivariante es definido por Hair, Anderson, Tathan y Black (2004) en el sentido más amplio como todos los métodos estadísticos que analizan simultáneamente
Más detallesAnálisis de datos en los estudios epidemiológicos III Correlación y regresión
Análisis de datos en los estudios epidemiológicos III Correlación y regresión Salinero. Departamento de Investigación Fuden Introducción En el capitulo anterior estudiamos lo que se denomina estadística
Más detalles2.1. DEFINICIÓN Y OBJETIVOS DE LA ESTADÍSTICA. Definición:
CAPITULO 2. LA ESTADISTICA 2.1. DEFINICIÓN Y OBJETIVOS DE LA ESTADÍSTICA Definición: La estadística es la ciencia que nos proporciona un conjunto de, métodos, técnicas o procedimientos, mediante los cuales
Más detallesTema: 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
Más detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
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 detallesGuía de trabajo en R :
Guía de trabajo en R : ANÁLISIS FACTORIAL Y ANÁLISIS DE COMPONENTES PRINCIPALES Ayudantía Estadística IV (2015), Sociología, Universidad de Chile Guía y procedimiento en R realizados por Raúl Zamora y
Más detallesÍNDICE 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...
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesModelos de ecuaciones estructurales (SEM) para la investigación en Contabilidad y Auditoría
Iª REUNIÓN INTERNACIONAL DE INVESTIGACIÓN EN CONTABILIDAD Y AUDITORÍA (RIICA) Modelos de ecuaciones estructurales (SEM) para la investigación en Contabilidad y Auditoría Dr. D. Jesús Collado Agudo Departamento
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 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 detallesY 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
Más detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS NO AGRUPADOS MATERIAL DIDACTICO SOLO VISION ASIGNATURA QUE CORRESPONDE: ESTADISTICA
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 detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más 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 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 detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesTEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS
TEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) PROCEDIMIENTOS ESTADISTICOS CONSTRUCCION DE MODELOS DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS Cada procedimiento es aplicable a un
Más detallesSelección de fuentes de datos y calidad de datos
Selección de fuentes de datos y calidad de datos ESCUELA COMPLUTENSE DE VERANO 2014 MINERIA DE DATOS CON SAS E INTELIGENCIA DE NEGOCIO Juan F. Dorado José María Santiago . Valores atípicos. Valores faltantes.
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 detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesEstadística Descriptiva II: Relación entre variables
Estadística Descriptiva II: Relación entre variables Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más 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: Medidas de Asociación con SPSS
Tema: Medidas de Asociación con SPSS 1.- Introducción Una de las tareas habituales en el análisis de encuestas es la generación y análisis de tablas de contingencia, para las variables y categorías objetivo
Más detallesDiplomado 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
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 detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Modelos multivariantes estacionarios: VAR(p). La dependencia temporal. La causalidad en el sentido de Granger. La estimación de los modelos VAR. Profesora:
Más detallesRECOPILACIÓN DE LA INFORMACIÓN
RECOPILACIÓN DE LA INFORMACIÓN CONCEPTOS DE ESTADÍSTICA Y SU CLASIFICACIÓN ESTADÍSTICA. Es la ciencia que estudia los medios para derivar información válida a partir de un conjunto de datos. Es decir,
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 detallesFormato de la información suministrada por el programa informático MINITAB, empleado para el análisis de los datos empíricos.
CAPÍTULO XIX: TÉCNICAS DE INVESTIGACIÓN EMPLEADAS. En este capítulo se describen las técnicas de análisis cuantitativo empleadas para el análisis de los datos, con la finalidad de contrastar las hipótesis
Más detallesGuía de Matemática Cuarto Medio
Guía de Matemática Cuarto Medio Aprendizaje Esperado: 1. Conocen distintas maneras de organizar y presentar información incluyendo el cálculo de algunos indicadores estadísticos, la elaboración de tablas
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 detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detallesScientia et Technica Año XIV, No 38, Junio de Universidad Tecnológica de Pereira. ISSN
Scientia et Technica Año XIV, No 38, Junio de 2008. Universidad Tecnológica de Pereira. ISSN 0122-1701 241 ANÁLISIS FACTORIAL CON COMPONENTES PRINCIPALES PARA INTERPRETACION DE IMÁGENES SATELITALES LANDSAT
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 detallesFiabilidad y variabilidad
Fiabilidad y variabilidad El coeficiente de fiabilidad de un test se ve afectado por la variabilidad de la muestra. Un test tiende a manifestar un coeficiente de fiabilidad mayor cuanto mayor sea su variabilidad.
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS SEMESTRE ASIGNATURA 8vo TEORÍA DE DECISIONES CÓDIGO HORAS MAT-31314
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 detallesAnálisis Multivariante de Datos en Psicología. Ana María López Curso
Análisis Multivariante de Datos en Psicología Ana María López Curso 2006-2007 2007 Análisis Multivariante de Datos en Psicología Créditos teóricos: 2.5 Créditos prácticos: 2 PROGRAMA DE CONTENIDOS TEÓRICOS
Más detallesLa práctica del análisis de correspondencias
La práctica del análisis de correspondencias MICHAEL GREENACRE Catedrático de Estadística en la Universidad Pompeu Fabra Separata del capítulo 11 Contribuciones a la inercia Primera edición: julio 2008
Más detallesMetodología de la Investigación: Validez y Confiabilidad. Prof. Reinaldo Mayol Arnao
Metodología de la Investigación: Validez y Confiabilidad Prof. Reinaldo Mayol Arnao Validez en varios momentos En esta presentación hablaremos sobre la medición de la validez en dos pasos críticos de la
Más detallesMatemática. Desafío. GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo GUICEN041MT22-A16V1
GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo Desafío Una población estadística está compuesta de cuatro números enteros consecutivos, siendo n el menor de ellos. La desviación
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detallesEl Análisis de Correspondencias tiene dos objetivos básicos:
Tema 8 Análisis de correspondencias El Análisis de Correspondencias es una técnica de reducción de dimensión y elaboración de mapas percentuales. Los mapas percentuales se basan en la asociación entre
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesPuntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth
1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito
Más detallesResumen teórico de los principales conceptos estadísticos
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Muestreo aleatorio simple Resumen teórico Resumen teórico de los principales conceptos estadísticos Muestreo aleatorio
Más detallesUNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera. Asignatura: Método Cuantitativo Empresarial
UNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera Asignatura: Método Cuantitativo Empresarial CLAVE: PDF-421 Prerrequisitos: Licenciatura No. de Créditos: 03 I. PRESENTACION El método
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detalles2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo.
2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2.1 Formas cuadráticas. Expresión matricial y analítica. Expresiones diagonales. Definición 2.1 (Expresión matricial) Una
Más detallesMetodología 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
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 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 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 detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
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 detallesEL PLAN DE ANALISIS. Patricio Suárez Gil Julio Alonso Lorenzo. La Fresneda, Asturias 2011 Programa MFyC
EL PLAN DE ANALISIS Patricio Suárez Gil Julio Alonso Lorenzo La Fresneda, Asturias 2011 Programa MFyC Qué es investigar? En esencia es RESPONDER PREGUNTAS FASES DE UN PROYECTO Formular una PREGUNTA Antecedente
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 detallesPROGRAMA DE ESTUDIO. - Nombre de la asignatura : ESTADISTICA I. - Pre requisitos : Matemática III
PROGRAMA DE ESTUDIO A. Antecedentes Generales - Nombre de la asignatura : ESTADISTICA I - Código : EME 221 - Carácter de la asignatura (obligatoria / electiva) : Obligatoria - Pre requisitos : Matemática
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más 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 detallesTransformaciones de variables
Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale
Más detallesCORRELACION Y REGRESIÓN LINEAL
LECCION Nº 5 CORRELACION Y REGRESIÓN LINEAL OBJETIVOS ESPECIFICOS Diferenciar los conceptos de correlación lineal, y regresión lineal. Determinar el índice o coeficiente de correlación en una distribución
Más detallesINDICE. Introducción Capitulo uno. La idea nace un proyecto de investigación Como se originan las investigaciones? 2 Resumen Conceptos básicos
INDICE Introducción Capitulo uno. La idea nace un proyecto de investigación 1 1.1. Como se originan las investigaciones? 2 Resumen 6 Ejemplo 7 Capitulo dos. El planteamiento del problema objetivos, preguntas
Más detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
Más 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 detalles