Estudio descriptivo de dos variables
|
|
- Juan Manuel Paz Alarcón
- hace 6 años
- Vistas:
Transcripción
1 Metodología de la Investigación en Enfermería Cátedra de Bioestadística Universidad de Extremadura 1 de febrero de 2012
2 Índice Introducción 1 Introducción 2 3 4
3 Índice Introducción 1 Introducción 2 3 4
4 Índice Introducción 1 Introducción 2 3 4
5 Índice Introducción 1 Introducción 2 3 4
6 De qué trata? Relación a nivel descriptivo entre dos variables Cuantitativa-Cuantitativa:1. Regresión-Correlación (Bioestadística 2.1) Cualitativa-Cualitativa: 2. (Bioestadística 2.2) 3. (Bioestadística: 5.4.3) 4. Diagnóstico clínico (Bioestadística 5.4.4) Cualitativa-Cuantitativa: 5. Comparaciones de grupos o tratamientos (Bioestadística 5.5-Introducción)
7 1. Tabla de frecuencias No suele mostrarse pues los pares de datos raramente se repiten X =peso(kg) Y =altura(cm)
8 2. Gráfico Introducción Diagrama de dispersión Y X
9 Otro ejemplo 5,200 5,100 5,000 Anchura cabeza 4,900 4,800 4,700 4,600 4,500 7,800 8,100 8,400 Longitud cabeza 8,700 9,000
10 Ausencia de de relación (independencia) 8,00 7,00 6,00 5,00 y 4,00 3,00 2,00 1,00 2,00 4,00 x 6,00 8,00
11 Estudiamos relaciones lineales 11,00 Concentración de calcio (mg/100ml) 10,00 9,00 8,00 7,00 6,00 5,00 0,00 1,00 2,00 3,00 4,00 Concentración de hormona paratiroidea (mug/ml) 5,00
12 3. Valores típicos Dos tipos De las variables por separados. Referentes a la relación entre las variables
13 Variables por separado x, s x, y, s y, ỹ,...
14 Referentes a la relación entre las variables: Covarianza n i=1 s xy = (x i x)(y i y) n 1 s x s y s xy + s x s y.
15 Interpretación gráfica Y Y X Y X X
16 Interpretación gráfica 630,71 s xy +630,71 s xy = 577, Altura Peso
17 Covarianza positiva 5,200 5,100 5,000 Anchura cabeza 4,900 4,800 4,700 4,600 4,500 7,800 8,100 8,400 Longitud cabeza 8,700 9,000
18 Covarianza próxima a cero 8,00 7,00 6,00 5,00 y 4,00 3,00 2,00 1,00 2,00 4,00 x 6,00 8,00
19 Covarianza negativa 11,00 Concentración de calcio (mg/100ml) 10,00 9,00 8,00 7,00 6,00 5,00 0,00 1,00 2,00 3,00 4,00 Concentración de hormona paratiroidea (mug/ml) 5,00
20 Coeficiente de correlación lineal r Medida adimensional del grado de correlación s x s y s xy + s x s y. r = s xy s x s y 1 r 1
21 r = 0,91 Y X
22 r = 0,625 5,200 5,000 anch 4,800 4,600 7,800 8,100 8,400 longt 8,700 9,000
23 r = 0,97 11,00 Concentración de calcio (mg/100ml) 10,00 9,00 8,00 7,00 6,00 5,00 0,00 1,00 2,00 3,00 4,00 Concentración de hormona paratiroidea (mug/ml) 5,00
24 Recta de regresión lineal y = a + b x y = 89,11 + 1,10x Predicciones: x = 62kg ŷ = 89,11 + 1,10 60 = 155,11cm Altura Peso
25 Cálculo de la recta El individuo i-ésimo tiene valores (x i, y i ). Una recta y = a + b x predice para x i el valor a + bx i. La recta es apropiada si la diferencia y i (a + bx i ) es pequeña. Solución mínimo-cuadrática n min [y i (a + bx i )] 2 i=1
26 y = 89,11 + 1,10x Altura Peso
27 Varianza residual Mide el error cometido por la recta de regresión s 2 y x = 1 n 2 n i=1 [y i (a + bx i )] 2 = 1335,32/10 x i y i (a + bx i ) [y i (a + bx i )]
28 Coeficiciente de determinación r 2 s 2 y x s 2 y = 1 r 2 xy 1 r 2 xy indica la proporción de la variabilidad total de Y no explicada por la regresión. r 2 xy expresa lo contrario.
29 r 2 = 0, Altura Peso
30 r 2 0 8,00 7,00 6,00 5,00 y 4,00 3,00 2,00 1,00 2,00 4,00 x 6,00 8,00
31 r 2 = 0,39 5,200 5,100 5,000 Anchura cabeza 4,900 4,800 4,700 4,600 4,500 7,800 8,100 8,400 Longitud cabeza 8,700 9,000
32 Regresión no lineal Edad días-peso embrión: Transformar variables Peso Embrión Edad embrión
33 ỹ = ln y, x = x r = 0,99 ỹ = 0,62 + 0,46 x Deshacemos la transformación: y = 1,86 1,58 x 8,00 7,00 Ln (Y) 6,00 5,00 4, Edad embrión 14 16
34 V Ecuación de Michaellis-Menten [S] V S
35 Y y = 1/V; x = 1/S y = 1, ,52x; r = 0,99 [S] V X
36 V Deshacemos el cambio V = 0,60[S] 1,67 + [S] S V max = 0,60 K M = 16,67
37 Relación entre dos variables cualitativas Nivel contaminación - salud árboles Cloroplastos SO 2 (3 3) Alto Medio Bajo Total Alto Medio Bajo Total
38 Agente radiactivo - Cáncer tiroides Exposición Tumor (2 2) Sí No Total Sí No Total
39 Gen-tumor Gen Tumor Sí No Total Sí No Total
40 Contaminación - salud árboles Cloroplastos SO 2 (3 3) Alto Medio Bajo Total Alto Medio Bajo Total
41 Proporciones filas y columnas ˆP(B j ) = O j n ˆP(A i ) = O i n Proporciones celdas ˆP(SO 2 alto) = = 0.33 ˆP(Cloroplastos medio) = = 0.42 ˆP(A i B j ) = O ij n ˆP(SO 2 alto y Cloroplastos medio ) = 4 60 = 0.067
42 Proporciones condicionadas ˆP(A i B j ) = O ij O j = ˆP(A i B j ) ˆP(B j ) ˆP ( SO 2 alto Cloroplastos medio ) = 4 25 = 0.16 ˆP(B j A i ) = O ij O i = ˆP(A i B j ) ˆP(A i ) ˆP ( Cloroplastos bajo SO2 alto ) = = 0.65
43 Gráfico de barras agrupadas Gráfico de barras Nivel de cloroplastos 12,5 Cloroplastos alto Cloroplastos medio Cloroplatos bajo 10,0 Recuento 7,5 5,0 2,5 0,0 SO2 alto SO2 medio Nivel de SO2 SO2 bajo
44 Medidas del grado de dependencia En qué consiste la ausencia de dependencia? ˆP(B j A i ) = ˆP(B j ) El hecho de que se verifique A i no altera la proporción que se daba en general para B j, o viceversa, para todo i y j. ˆP(A i B j ) ˆP(A i ) = ˆP(B j ) Independencia (sobre la muestra) ˆP(A i B j ) = ˆP(A i ) ˆP(B j )
45 Qué deberíamos esperar en caso de independencia? En definitiva ˆP(A i B j ) = ˆP(A i ) ˆP(B j ) O ij? n = O i n O j n O ij? = O i O j n E ij = O i O j n
46 Ejemplo En el caso de los cloroplastos, de no existir relación alguna cabría esperar las siguientes observaciones: Cloroplastos SO 2 (3 3) Alto Medio Bajo Total Alto Medio Bajo Total
47 Observados vs esperados Cuando mayor sea la diferencia entre estas tablas más fuerte será la correlación: Cloroplastos SO 2 SO 2 (3 3) Alto Medio Bajo Total Alto Medio Bajo Total Cloroplastos (3 3) Alto Medio Bajo Total Alto Medio Bajo Total
48 Observados vs Esperados: distancia χ 2 (O ij E ij ) 2 χ 2 exp = i,j E ij 0 χ 2 exp + Coeficiente de contingencia de Pearson C χ 2 exp C = χ 2 exp + n q 1 0 C q, q = min{no filas, n o colunas}
49 Ejemplo: cloropastos Tabla 3 3. Por lo tanto, En este caso concreto, 0 C Grado de asociación medio 2 3 = 0,816 C = 0,444
50 Independencia C = 0 Cloroplastos SO 2 (3 3) Alto Medio Bajo Total Alto Medio Bajo Total
51 Máxima dependencia C = 0, 816 Los valores observados deberían ser éstos: Cloroplastos SO 2 (3 3) Alto Medio Bajo Total Alto Medio Bajo Total
52 Caso especialmente sencillo: tablas 2 2 Hepatitis Vacunación (2 2) Sí No Total Sí No Total C 0,707 C = 0,206
53 Otra medida de asociación: φ φ 2 = χ2 exp n, 0 φ 1 ( ) 2 φ = = 0,211 Hepatitis Vacunación (2 2) Sí No Total Sí No Total
54 Caso extremo: φ = 1 Hepatitis Vacunación (2 2) Sí No Total Sí No Total ˆP(hepatitis vacunados) = 0 ˆP(hepatitis no vacunados) = 1
55 Caso extremo: φ = 0 Hepatitis Vacunación (2 2) Sí No Total Sí No Total ˆP(hepatitis vacunados) = 0,33 ˆP(hepatitis no vacunados) = 0,33
56 Analogía correlación: φ r Altura Y Peso X + Tot Tot Página 1
57 Introducción Agente radiactivo - Cáncer tiroides Exposición Tumor (2 2) Sí No Total Sí No Total (2 2) FR FR Total E a b a+b E c d c+d Total a+c b+d n
58 Tipos de estudios Transversal o de prevalencia: Muestra aleatoria amplia estudiada con el objeto de estimar la prevalencia de la enfermedad. De seguimiento o de cohortes: Se seleccionan un grupo de expuestos al factor y otro de no expuestos para seguir su evolución. Tiene por objeto estimar la incidencia de la enfermedad por grupos. No permite estimar prevalencia. Retrospectivos o de casos-control: Se selecciona un grupo de enferemos y otro de sanos para indagar si han estado expuestos al factor de riesgo. No permite estimar prevalencia ni incidencia.
59 Ejemplos Tumor Gen Exposición (2 2) Sí No Total Sí No Total Tumor Sí No Total Sí No Total
60 Estimaciones Introducción Prevalencia P(E). P denota la proporción (desconocida) en toda la población. La estimamos mediante la proporción ˆP en la tabla (muestra). Sólo en estudios de prevalencia: (2 2) FR FR Total E a b a+b E c d c+d Total a+c b+d n ˆP(E) = a + b n
61 Incidencias por cohortes P(E FR); P(E FR). Ejemplo: P(Hep No vac); P(Hep Vac) Sólo en estudios de cohortes (no caso-control) ˆP(E FR) = (2 2) FR FR Total E a b a+b E c d c+d Total a+c b+d n a a + c ˆP(E FR) = b b + d ˆP(Tumor Exposición) = = 0,500 % ˆP(Tumor No exposición) = = 0,032 %
62 Riesgo atribuible Diferencia absoluta entre incidencias (cohortes) RA = P(E FR) P(E FR) En nuestro ejemplo (exposición agente radioactivo): ˆ RA = ˆP(Hep No vac) ˆP(Hep Vac) = 0,500 % 0,032 % = 0,468 %
63 Fracción atribuible a la exposición Diferencia relativa. Indica la parte de riesgo de los expuestos que se debe al factor en sí. FA = P(E FR) P(E FR) P(E FR) En nuestro ejemplo (exposición agente radioactivo): FA ˆ = ˆP(Tumor Exp) ˆP(Tumor No exp) ˆP(Tumor Exp) = 0,468 0,500 = 0,936 (93,6 %)
64 Riesgo relativo RR = P(E FR) P(E FR) En nuestro ejemplo (exposición radioactividad): Estimación: ˆ RR = RR = P(Tumor Exp) P(Tumor No exp) ˆP(Tumor Exp) ˆP(Tumor No exp) = 0,500 0,032 = 15,6 Se estima que es 15.6 veces más probable desarrollar ese tipo de tumor si se está expuesto al agente radioactivo que si no se está expuesto.
65 Odds Ratio Aunque puede utilizarse también en los estudios de cohortes, es la única medida apropiada para los de caso-control porque en éstos no es posible estimar correctamente las incidencias al haber escogido una cantidad determinada de enfermos en la muestra, normalmente muy por encima de lo que corresponde a la prevalencia de la enfermedad.
66 Ejemplo: tumor-gen Tumor Sí No Total Gen Sí No Total Rojo: El gen es factor de riesgo ( ) Azul: El gen no es factor de riesgo ( )
67 Razón de productos cruzados Tumor Sí No Total Gen Sí No Total ˆ OR = = 2,70
68 Ejemplo exposición radioactividad Exposición Tumor (2 2) Sí No Total Sí No Total ˆ OR = Recordemos ˆ RR = 15, = 15,9
69 Interpretación formal de OR ˆ A partir de la denominada Regla de Bayes podemos probar que la razón de productos cruzados OR ˆ es una estimación válida del siguiente parámetro poblacional denominado Odds ratio (de ahí la notación OR): OR = P(E FR) P(E FR) P(E FR) P(E FR) De ahí que nuestro parámetro se denomine con frecuencia Odds Ratio.
70 Tipos de tablas (estudios) Prevalencia (exposición aleatoria, incidencia aleatoria): prev, RA, FA, RR, OR. Cohortes (exposición controlada, incidencia aleatoria): RA, FA, RR, OR Caso-control (exposición aleatoria, incidencia controlada): OR
71 Introducción Otras medidas relacionadas Riesgo relativo suavizado
72 Tests diagnóstico Resultado del test Enfermedad (2 2) + - Total Sí No Total Tabla 2 2. Enfermedad controlada. Se supone conocida la prevalencia P(E).
73 Propiedades del test Sensibilidad: P(+ E). E Falso negativo. Especificidad: P( E). E + Falso positivo. Valor predictivo positivo VP+ = P(E +). No tabla. Valor predictivo negativo VP = P(E ). No tabla.
74 Sensibilidad y especificidad Resultado del test Enfermedad (2 2) + - Total Sí No Total sens = 120/200 = 0,60 esp = 710/800 = 0,89
75 Test ideal: sens=1; esp=1 Resultado del test Enfermedad (2 2) + - Total Sí No Total sens = 200/200 = 1 esp = 800/800 = 1
76 VP+ y VP- No pueden estimarse directamente a partir de la tabla porque, normalmente, la cantidad de enfermos que recoge la tabla es muy superior a la que cabría esperar en función de la prevalencia de la enfermedad. No obstante, si la prevalencia es conocida, podemos hacer uso de la Regla de Bayes para obtener una estimación válida de VP+ y VP-.
77 VP+ y VP- según Regla de Bayes sens prev VP+ = sens prev + (1 esp) (1-prev) VP = esp (1 prev) (1 sens) prev + esp (1-prev)
78 VP+, VP Dato conocido: prev = 0,02 VP+ = VP = 0,60 0,02 0,60 0,02 + 0,113 0,98 = 0,097 0,887 0,98 0,40 0,02 + 0,887 0,98 = 0,990
79 Introducción a las comparaciones de medias Factor Cuantitativa 20,00 Puntuación de ansiedad de Hamilton 18,00 16,00 14,00 12,00 10,00 5 8,00 Viven solos Grupo Viven con otras personas Influye el estilo de vida en la ansiedad?
80 Influye la acidosis en la glucemia? 100,000 Nivel de glucemia en el cordón umbilical 90,000 80,000 70,000 60,000 50,000 40,000 Control Acidosis Respiratoria Tipo de acidosis Acidosis Metabólica Acidosis Mixta
81 Contrastes de hipótesis H 0 : µ 1 = µ 2 = µ 3 = µ 4 Parámetros poblacionales µ denota la media poblacional de una variable cuantitativa Parámetros muestrales Nosotros sólo contamos con los valores típicos (x,s, etc) de una muestra de cada población.
82 Proceso estadístico Población Muestra Descripción Generalización Muestreo Descriptiva Inferencia Probabilidad Probabilidad
83 Diseño de experimentos Las muestras deben seleccionarse aleatoriamente controlando el factor o los factores a estudiar. A partir de los valores típicos muestrales se efectúan una serie de cálculos de carácter probabilístico (test de hipótesis) que conducen a una decisión.
Estadística Descriptiva II: Relación entre variables
Estadística Descriptiva II: Relación entre variables Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de
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 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 detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 5: Análisis de datos cuantitativos I: estadística descriptiva b. Análisis bivariante OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2
Más 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 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 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 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 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. 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 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 detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesTema 9: Estadística en dos variables (bidimensional)
Tema 9: Estadística en dos variables (bidimensional) 1. Distribución de frecuencias bidimensional En el tema anterior se han estudiado las distribuciones unidimensionales obtenidas al observar sólo un
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 detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más 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 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 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 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 detallesContrastes de hipótesis. 1: Ideas generales
Contrastes de hipótesis 1: Ideas generales 1 Inferencia Estadística paramétrica población Muestra de individuos Técnicas de muestreo X 1 X 2 X 3.. X n Inferencia Estadística: métodos y procedimientos que
Más detalles1) Características del diseño en un estudio de cohortes.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de cohortes CONCEPTOS CLAVE 1) Características del diseño en un estudio de cohortes. ) Elección del tamaño
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Sexta clase: Programa Técnico en Riesgo, 2016 Agenda 1 2 de una vía 3 Pasos para realizar una prueba de hipótesis Prueba de hipotesis Enuncia la H 0 ylah 1,ademásdelniveldesignificancia(a).
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
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 detallesTécnicas de Investigación Social
Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro
Más detallesTaller Epidemiología y Medicina Preventiva; El análisis de riesgos en Sanidad Animal. C. Oretga ANÁLISIS DE RIESGO EN SANIDAD ANIMAL
ANÁLISIS DE RIESGO EN SANIDAD ANIMAL El análisis de riesgos es una herramienta de tipo sanitaria que en Salud Pública se ha aplicado en la detección de puntos críticos para transmisión de enfermedades
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 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 detalles1. Estudios observacionales. 2. Estudios experimentales. 1. Estudios transversales. 2. Estudios longitudinales (prospectivos o retrospectivos)
EL CONCEPTO DE CAUSALIDAD Cambio de paradigma de causa univoca a causa contributiva. La causa no produce por si sola un efecto, sino que aumenta la probabilidad de que éste se produzca. TIPOS DE EPIDEMIOLÓGICOS
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 detallesBIOESTADISTICA ( ) Evaluación de pruebas diagnósticas. 1) Características del diseño en un estudio para evaluar pruebas diagnósticas.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Evaluación de pruebas diagnósticas CONCEPTOS CLAVE 1) Características del diseño en un estudio para evaluar pruebas
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 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 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 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 detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
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 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 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 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 detallesMETODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL
METODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL María Pérez Marqués Metodología Seis Sigma a través de Excel María Pérez Marqués ISBN: 978-84-937769-7-8 EAN: 9788493776978 Copyright 2010 RC Libros RC Libros es
Más detallesMÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN. Tema 9
Métodos de Investigación en Educación 1º Psicopedagogía Grupo Mañana Curso 2009-2010 2010 MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Tema 9 La regresión lineal Tema 9: La regresión lineal Objetivos Conocer
Más detallesBioestadística para Reumatólogos
Bioestadística para Reumatólogos Xavier Barber Vallés Mabel Sánchez Barrioluengo Colaboradores - Umh Todos los datos que se muestran son ficticios Tablas 2x2: Riesgos Relativos y Odds ratio En cada sociedad
Más detallesCuaderno de actividades 1º
Cuaderno de actividades 1º 1 ITRODUCCIÓ: Variables estadísticas bidimensionales En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población En el caso de dos (o más)
Más detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
Más 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 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 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 I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura Créditos
ESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura 46497 Créditos 6 ECTS Carácter Básica Rama de Conocimiento Ciencias de la Salud Materia Fisiología Ubicación dentro del
Más detallesTema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.
Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones
Más 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 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 detalles3. CORRELACIÓN Y REGRE-
3. CORRELACIÓN Y REGRE- SIÓN Objetivo Medir y ajustar una relación lineal entre dos variables cuantitativas. Bibliografia recomendada Peña y Romo (1997), Capítulos 8 y 9. Índice 1. Covarianza y sus propiedades
Más detallesContrastes de Hipótesis paramétricos y no-paramétricos.
Capítulo 1 Contrastes de Hiptesis paramétricos y no-paramétricos. Estadística Inductiva o Inferencia Estadística: Conjunto de métodos que se fundamentan en la Teoría de la Probabilidad y que tienen por
Más detallesUNIVERSIDAD MARÍA AUXILIADORA UMA
CARRERA PROFESIONAL DE ENFERMERIA SÍLABO DE BIOESTADÍSTICA I. DATOS GENERALES: 1.1. Carreras profesionales : Enfermería 1.2. Semestre académico : 2015 - I 1.3. Ciclo : III 1.4. Pre-requisito : Matemática
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 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 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 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 detallesAnálisis de la varianza
Análisis de la varianza José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 I 1 Introducción 1 Comparación de medias 2 El pricipio de aleatorización 2 El problema de un factor
Más detallesElección del diseño del estudio
ESTUDIOS SECUNDARIOS ESTUDIOS PRIMARIOS Lima, 26 de junio del En Complementaria Elección del diseño del estudio Antes de elegir o escoger el diseño de estudio, se debe: 1. Tener la pregunta de investigación
Más detallesAnálisis de datos cualitativos
Capítulo Análisis de datos cualitativos DEFINICIÓN DE VARIABLES CUALITATIVAS Son aquellas variables cuyos valores son un conjunto de cualidades no numéricas a las que se llama categorías o modalidades.
Más detallesCURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara
CURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara Descripción: Los temas de estadística propuestos corresponden con los conocimientos mínimos que un
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesEXAMEN EPI 1. DEFINICIÓN DE EPIDEMIOLOGÍA
1. DEFINICIÓN DE EPIDEMIOLOGÍA EXAMEN EPI Método de razonamiento lógico aplicable a la salud, aplicado a la descripción de los fenómenos de salud, a la explicación de su etiología y a la investigación
Más detalles18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
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 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 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 detallesESTADÍSTICA. Individuo. Es cada uno de los elementos que forman la población o muestra.
ESTADÍSTICA La estadística tiene por objeto el desarrollo de técnicas para el conocimiento numérico de un conjunto de datos empíricos (recogidos mediante experimentos o encuestas). Según el colectivo a
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más 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 detallesEsquema (1) Análisis de la Varianza y de la Covarianza. ANOVA y ANCOVA. ANOVA y ANCOVA 1. Análisis de la Varianza de 1 Factor
Esquema (1) Análisis de la arianza y de la Covarianza ANOA y ANCOA 1. (Muestras independientes). () 3. Análisis de la arianza de Factores 4. Análisis de la Covarianza 5. Análisis con más de Factores J.F.
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesRelación entre la altura y la distancia del suelo al ombligo
Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
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 detallesESTADÍSTICA CICLO 6 CAPACITACIÓN 2000
INTRODUCCIÓN La estadística día a día esta ocupando un lugar importante en nuestra sociedad colaborando así al progreso humano y su bienestar. Aunque en sus comienzos era aplicada únicamente a asuntos
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 detallesGUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA
GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA DATOS BÁSICOS DE LA ASIGNATURA Nombre: Titulación: Centro: Tipo: Créditos: Curso: Prerrequisitos: Profesor: Dpto.: Estadística Aplicada. Licenciatura
Más detallesCONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK
CONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK BLOQUE 1. ESTADÍSTICA 1. ESTADÍSTICA UNIDIMENSIONAL Variable estadística
Más detallesDistribuciones bidimensionales. Correlación.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 4: Distribuciones bidimensionales. Correlación. Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesAnálisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.
Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesFacultad de Ciencias e Ingeniería. Escuela Académico Profesional de Comunicación SÍLABO
Facultad de Ciencias e Ingeniería Escuela Académico Profesional de Comunicación SÍLABO ASIGNATURA: ESTADÍSTICA APLICADA A LAS COMUNICIONES I. DATOS GENERALES: 1.1. Código de Asignatura : 21252 1.2. Escuela
Más detallesAnova unifactorial Grados de Biología y Biología sanitaria
Anova unifactorial Grados de Biología y Biología sanitaria M. Marvá e-mail: marcos.marva@uah.es Unidad docente de Matemáticas, Universidad de Alcalá 29 de noviembre de 2015 El problema Analizaremos la
Más detalles4 Descripción conjunta de varias variables. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS 7 4 Descripción conjunta de varias variables. Ejemplos y ejercicios. 4.1 Ejemplos. Ejemplo 4.1 La siguiente tabla de frecuencias absolutas corresponde a 200
Más detallesMATEMÁTICAS 2º BACHILLERATO
MATEMÁTICAS 2º BACHILLERATO MATRICES 1. Matrices y tipos de matrices 2. Operaciones con matrices 3. Producto de matrices 4. Matriz traspuesta 5. Matriz inversa 6. Rango de matrices DETERMINANTES 7. Determinantes
Más detallesCRITERIOS DE EVALUACIÓN ESTÁNDARES DE APRENDIZAJE EVALUABLES
Matemáticas hasta 6º de Primaria CONTENIDOS Bloque 5. Estadística y probabilidad CRITERIOS DE EVALUACIÓN ESTÁNDARES DE APRENDIZAJE EVALUABLES Gráficos y parámetros estadísticos. Recogida y clasificación
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 detallesEstadística Descriptiva II
Estadística Descriptiva II M. Carmen Carollo Limeres Estadística descriptiva bivariable En muchas ocasiones nos encontramos con situaciones en las que nos interesa analizar conjuntamente dos características.
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 detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detalles