Tema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura
|
|
- Blanca San Martín Henríquez
- hace 6 años
- Vistas:
Transcripción
1 Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 8 de noviembre de 2010
2 Índice 1 Regresión lineal simple 2 3
3 Índice 1 Regresión lineal simple 2 3
4 Índice 1 Regresión lineal simple 2 3
5 Regresión En qué consiste? Es la explicación de una variable numérica a partir de una o varias variables, también numéricas
6 Regresión Lineal simple Una variable explicativa 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
7 Modelo Relación lineal Población: Y α + βx Muestra: y i a + bx i. i = 1,..., n Solución mínimo-cuadrática n minimizar [y i (a + bx i )] 2 i=1
8 Estimación y contraste de hipótesis Grado de correlación lineal Recta de regresión y = a + bx Test de correlación r 2 = s2 xy s 2 xs 2 y b = s2 xy, a = y bx s 2 x Existe relación a nivel poblacional? ρ 2 = 0 β = 0 H 0 : ρ 2 = 0 r 2, n
9 Ejemplo Gráfico 150,0 140,0 Velocidad lineal 130,0 120,0 110,0 Sq r lineal = 0, ,0 32,00 34,00 36,00 38,00 Área de la cabeza Cálculos r 2 = 0,002 y = 110, ,338x P = 0,660 Página 1
10 Es la explicación de una variable numérica Y a partir de varias variables numéricas. Para facilitar la notación hablaremos únicamente de dos variables explicativas X y Z.
11 Ejemplo Predicción del peso de un feto mediante tres medidas CC, CA y LF proporcionadas por un ecógrafo. Ventaja Mejor predicción Inconveniente Gráficos
12 Diagrama de dispersión matricial Peso CA CC LF LF CC CA Peso
13 Modelo Regresión lineal simple Relación lineal Población: Y β 0 + β 1 X + β 2 Z Muestra: y i b 0 + b 1 x i + b 2 z i. i = 1,..., n Solución mínimo-cuadrática n minimizar [y i (b 0 + b 1 x i + b 2 z i )] 2 i=1
14 Cálculo de b 0,b 1 y b 2 ( b1 b 2 ) ( s 2 = x s xz s zx s 2 z ) 1 ( syx s yz ), b 0 = y (b 1 x + b 2 z) Ecografía Peso Femur+9.8Cráneo-9.4Abdomen
15 Medidas del grado de correlación Tipos de coeficientes de correlación lineal (al cuadrado) Simple Múltiple Parcial Múltiple corregido
16 Simples Regresión lineal simple r 2 xy, r 2 xz, r 2 zy Expresan la proporción de variabilidad de una variable explicada linealmente por otra. Cálculo (estimación) r 2 xy = s2 yx s 2 xs 2 y r 2 zy = s2 yz s 2 zs 2 y r 2 xz = s2 zx s 2 xs 2 z
17 Describen los gráficos de dispersión simples Peso CA CC LF LF CC CA Peso Correlaciones LF CC CA Peso LF CC CA Peso,682,661, ,963,577 1,420 1
18 Coeficiente de correlación múltiple R 2 Expresan la proporción de variabilidad de la variable respuesta explicada linealmente por las otras. Cálculo (estimación) ( s 2 (s yx s yz ) x s xz s R 2 zx s 2 z = s 2 y ) 1 ( sxy s zy )
19 parcial r 2 yx,z r 2 yz,x r 2 yx,z: proporción de variabilidad de Y no explicada por Z que sí es explicada por X. r 2 yz,x: proporción de variabilidad de Y no explicada por X que sí es explicada por Z. Ambos parámetros indican la aportación. en exclusiva"de las variables X y Z en la explicación de Y. Cálculo (estimación) r 2 yx,z = R2 r 2 yz 1 r 2 yz r 2 yz,x = R2 r 2 yx 1 r 2 yx
20 Coeficiente correlación múltiple corregido R 2 Introducir una variable explicativa inútil (con correlación parcial pequeña respecto a la variable respuesta) no puede provocar una disminución de R 2 pero sí de R 2, que se define de manera similar pero penalizando el exceso de variables.
21 Regresión lineal simple Objetivos La finalidad de la ecuación muestral y = b 0 + b 1 x + b 2 z es: Estimar los valores poblacionales β 0, β 1, β 2 de la ecuación. Predecir el valor de Y que correspondería a un individuo con valores x y z conocidos ŷ = b 0 + b 1 x + b 2 z
22 Fiabilidad Regresión lineal simple Intervalos de confianza para las predicciones Podemos asignar un margen probable de error a la estimación obtenida que dependerá de los factores siguientes: R 2 n Distancia de (x, z) al centro (x, y).
23 Hipótesis importantes Los parámetros anteriormente definidos son estimaciones de análogos poblaciones realizadas a partir de la muestra. r 2 yx ρ 2 yx R 2 ρ 2 r 2 yx,z ρ 2 yx,z Se dan la siguientes equivalencias entre los coeficientes de correlación y los parámetros de la ecuación: ρ 2 = 0 β 1 = β 2 = 0 ρ 2 yx,z = 0 β 1 = 0 ρ 2 yz,x = 0 β 2 = 0
24 Interpretación Regresión lineal simple Es decir ρ 2 = 0: todas las variables explicativas se multiplican por 0 en la ecuación poblacional Y β 0 + β 1 X + β 2 Z ρ 2 yx,z = 0: la variable X se multiplica por 0 en la ecuación. Por lo tanto R 2 no difiere significativamente de 0: b 1 y b 2 no difieren significativamente de 0. r 2 yx,z no difiere significativamente de 0: b 1 no difiere significativamente de 0.
25 Contraste total Regresión lineal simple H 0 : β 1 = β 2 = 0 Equivale a ρ 2 = 0, es decir, a que X y Z no tengan capacidad de explicar linealmente nada de Y. La decisión del test depende de R 2 y n. R 2 H 1
26 Ejemplo: lobos Regresión lineal simple R 2 = 0,787 Modelo 1 Resumen del modelo R cuadrado Error típ. de la R R cuadrado corregida estimación,887 a,787,659 2,11604 a. Variables predictoras: (Constante), crown length, braincase width, palatal width-2, postpalatal length, interorbital width, palatal width-1, postg foramina width, zygomatic width, palatal length P = 0,001 Modelo 1 Regresión Residual Total ANOVA b Suma de Media cuadrados gl cuadrática F Sig. 248, ,584 6,160,001 a 67, , , a. Variables predictoras: (Constante), crown length, braincase width, palatal width-2, postpalatal length, interorbital width, palatal width-1, postg foramina width, zygomatic width, palatal length b. Variable dependiente: peso
27 Contrastes parciales H 1 0 : β 1 = 0 Equivalen a ρ 2 yx,z = 0, es decir, a que X no tengan capacidad de explicar linealmente nada de Y al margen de lo que ya explique Z. La decisión en ambos tests depende de n y r 2 yx,z. H 2 0 : β 2 = 0 Idem para Z. Depende de n y r 2 yz,x. Finalidad El objetivo de los tests parciales es depurar el modelo eliminando las variables que no añaden nada a la explicación.
28 Ejemplo: lobos Regresión lineal simple Eliminaríamos todas salvo braincasewidth P = 0,002 Coeficientes a Modelo 1 (Constante) palatal length postpalatal length zygomatic width palatal width-1 palatal width-2 postg foramina width interorbital width braincase width crown length a. Variable dependiente: peso Coeficientes no estandarizados Coeficientes estandarizad os B Error típ. Beta t Sig. -6,588 16,660 -,395,698,365,191,611 1,909,076 -,352,214 -,490-1,646,121,076,145,149,523,608 -,069,267 -,055 -,258,800,309,505,150,613,549 -,022,390 -,015 -,055,956,026,268,023,099,923,778,202,595 3,842,002,247,902,044,274,788
29 Tests parciales Son en principio los encargados de depurar el modelo eliminando las variables que aporten resultados no significativos (correlaciones parciales pequeñas).
30 Problema importante Multicolinealidad Las variables explicativas pueden correlacionar entre sí, lo cual da lugar a un efecto de "solapamiento"que no afecta a R 2 ni a la fiabilidad de las predicciones, pero sí a los coeficientes de correlación parciales. Consecuencias Los coeficientes de regresión no son fiables individualmente aunque la ecuación sí lo sea globalmente. Aparecen demasiados resultados no significativos en los tests parciales.
31 Ejemplo: ecógrafo Regresión lineal simple Multicolinealidad leve entre LF, CC y CA Ecuación que permite obtener predicciones fiables pero cuyos coeficientes no deberían interpretarse por separado. Están sometidos a una fuerte variabilidad. Peso Femur+9.8Cráneo-9.4Abdomen
32 Multicolinealidad fuerte entre LF y LTi Si introducimos dos variables explicativas fuertemente correlacionadas es muy probable que tengamos para ambas resultados no significativos en los tests parciales, aunque su correlación simple con Y sea alta. Las dos desaparecerían del modelo. Modelo 1 (Constante) LF CC CA LTi a. Variable dependiente: Peso Coeficientes a Coeficientes Coeficientes no estandarizad estandarizados os B Error típ. Beta t Sig. -297, ,083 -,964,342 31,214 38,125 1,917,819,418 9,724,974 1,904 9,985,000-9,355,906-1,925-10,328,000-18,557 38,065-1,142 -,488,629
33 Soluciones multicolinealidad Opciones Procurar que las variables explicativas no tengan relación entre sí. Trabajar con muestras muy grandes. Aplicar algoritmos de selección para optimizar el modelo. Tomar decisiones "salomónicas": componentes principales.
34 Álgoritmo I Regresión lineal simple Hacia delante Plantear tantos modelos de regresión simples como variables explicativas haya. Efectuar el contraste de correlación en cada unos de ellos. Escoger la variable que aporte el resultado más significativo. Considerar los diferentes modelos de dos variables explicativas que se obtienen añadiendo a ésta cada una de las restantes. Escoger la variable nueva que aporte el resultado más significativo en el test parcial Así sucesivamente hasta que ninguna candidata aporte un resultado significativo.
35 Álgoritmo II Regresión lineal simple Hacia atrás Efectuar todos los tests parciales en el modelo completo y excluir la variable que aporte un resultado menos significativo. Repetir el mismo método en el modelo reducido resultante y así hasta que todas las variables aporten resultados significativos (excepción: P<0.10). Lo deseable es que ambos métodos conduzcan a un mismo modelo.
36 Ejemplo: lobos Regresión lineal simple Hacia adelante: dos variables R 2 = 0,712 Modelo 1 2 (Constante) braincase width (Constante) braincase width palatal width-2 a. Variable dependiente: Total weight Coeficientes a Coeficientes no estandarizados Coeficientes estandarizad os B Error típ. Beta t Sig. 8,693 6,634 1,310,203 1,052,162,805 6,506,000-6,791 9,309 -,729,473 1,006,151,769 6,658,000,528,239,256 2,212,038
37 Ejemplo: lobos Regresión lineal simple Hacia adelante: cuatro variables R 2 = 0,778 Coeficientes a Coeficientes no estandarizados Coeficientes estandarizad os Modelo B Error típ. Beta t Sig. (Constante) -4,344 9,283 -,468,645 palatal length,401,150,670 2,674,015 postpalatal length -,378,172 -,527-2,202,040 zygomatic width,115,062,225 1,852,079 braincase width,769,162,588 4,733,000 a. Variable dependiente: Total weight
38 Lobos? Regresión lineal simple Regresión simple con braincase widthcon r 2 = 0,648 60,00 57,50 55,00 Total weight 52,50 50,00 47,50 Sq r lineal = 0,648 45,00 35,00 37,50 40,00 braincase width 42,50 45,00
39 Edad días-peso embrión Peso Embrión Edad embrión
40 Ecuación de Michaellis-Menten [S] V V S
41 Solución Transformar variables (logaritmo, inverso, etc) o trabajar con funciones polinómicas de las variables explicativas (parábolas, etc) Ejemplo: exponancial y = a e bx ln y = ln a + b x La relación entre X e Y no es lineal, pero entre X y ln Y sí lo es.
42 Embrión: exponencial ỹ = ln y x = x 8,00 7,00 Ln Peso 6,00 5,00 Sq r lineal = 0,997 4, Edad en días 14 16
43 Embrión: deshacemos el cambio Peso = 1,86 1,58 Edad r 2 = 0,997 Peso en mg Observada Exponencial Edad en días 14 16
44 Ecuación de Michaellis-Menten X = 1/[s], Y = 1/V y = 1, ,52x; r = 0, Y X
45 Deshacemos el cambio V = 0,60[S] 16,67 + [S] V S V max = 0,60 K M = 16,67
TEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
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 detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
Más detallesPráctica 4: Regresión Lineal Múltiple (1).
Práctica : Lineal Múltiple () Esta práctica está dedicada a resolver un problema de Lineal sin atender a ninguna cuestión relativa al cumplimiento de los supuestos del modelo, a la presencia de valores
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesEstudio descriptivo de dos variables
Metodología de la Investigación en Enfermería Cátedra de Bioestadística Universidad de Extremadura 1 de febrero de 2012 Índice Introducción 1 Introducción 2 3 4 Índice Introducción 1 Introducción 2 3 4
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
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 detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más 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 detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesEXTENSIONES DEL MODELO DE REGRESIÓN
EXTENSIONES DEL MODELO DE REGRESIÓN 1. Regresión exponencial 2. Regresión polinómica 3. Regresión con variables cualitativas M. Carmen Carollo, Beatriz Pateiro Página 1 1. Regresión exponencial Al tratar
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez. Facultad Nacional de Salud Pública Héctor Abad Gómez
UNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez Facultad Nacional de Salud Pública Héctor Abad Gómez La Regresión es una técnica estadística utilizadas para estimar (interpolar)
Más detallesTEMA 3 Modelo de regresión simple
TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesRegresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.
Regresión Lineal Simple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
Más detallesMÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO
MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO Resultados obtenidos por los hombres ganadores de las medallas de oro en salto de longitud y salto de altura en las olimpiadas desde
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 detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesTema VII. La predicción de variables
7.1. La ecuación lineal de regresión: - Variable dependiente e independiente (fijas ó aleatorias):. Fijas (modelo I de regresión). Aleatorias (modelo II; más complejo) - Objetivo predictivo (básico en
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 7 Problema 1. Tengamos el siguiente ANOVA obtenido en una investigación con N 15 donde se estudia la relación entre autoeficacia percibida (X y el rendimiento
Más detallesEl modelo de regresión múltiple
El de regresión múltiple Simple El de regresión múltiple es la extensión a k variables explicativas del de regresión simple. La estructura del de regresión múltiple es la siguiente: y = f (x 1,..., x k
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
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 detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesIndica qué variables están correlacionadas y el signo de la correlación.
ACTIVIDAD DE CORRELACIÓ 1) Obtén la matriz correlaciones para las variables: - Costes totales (población total) en euros. - Calidad la farmacéutica. % fármacos con U.T.B. (sobre el total fármacos prescritos).
Más detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesUniversidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Segunda Prueba Parcial Lapso 7-746 /6 Universidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: 6-6 - 6 Fecha: --8 MODELO DE RESPUESTAS Objetivos 5 al 8 OBJ 5
Más detallesPráctica 6: Regresión Lineal Múltiple (3)
Práctica 6: Regresión Lineal Múltiple () En la práctica anterior vimos cómo se pueden diagnosticar diferentes violaciones de las condiciones del modelo de regresión a través del análisis gráfico de los
Más detallesAjustando Curva SnapStat
STATGRAPHICS Rev. 9/14/26 Ajustando Curva SnapStat Resumen El procedimiento Ajustando Curva SnapStat crea un resumen de una pagina que describe la relación entre un solo factor cuantitativo X y una variable
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 detallesAjuste por mínimos cuadrados
Mathieu Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Cartagena, Enero 2010 Guión 1 Planteamiento 2 Criterio de mínimos cuadrados 3 Casos concretos: regresión lineal
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 detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesEjemplo de Regresión Lineal Simple
Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3
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 detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M. Los modelos de regresión sirven, en general, para tratar de expresar una variable respuesta (numérica) en
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.
MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Abordaremos en este capítulo el modelo de regresión lineal múltiple, una vez que la mayor parte de las
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesRegresión lineal simple y correlación
Regresión lineal simple y correlación Regresión y Correlación Los análisis de regresión y correlación nos mostrarán cómo determinar tanto la naturaleza como la fuerza de una relación entre dos variables.
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 detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesPart I. Descripción estadística de dos variables. Estadística I. Mario Francisco. Variable. bidimensional. Distribuciones de frecuencias
Part I Descripción de dos variables Introducción Si para un mismo individuo observamos simultáneamente k obtendremos como resultado una variable k-dimensional. Nos ocuparemos del estudio de las variables
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesSPSS Aplicación práctica: Base de datos del HATCO
Aplicación práctica: Base de datos del HATCO Datos: observaciones de variables obtenidos desde encuentas a clientes de un distribuidor industrial. Variables de interés en la aplicación: Percepciones de
Más detallesJesús García Herrero TÉCNICAS CLÁSICAS DE ANÁLISIS DE DATOS
Jesús García Herrero TÉCNICAS CLÁSICAS DE ANÁLISIS DE DATOS En esta clase se presentan los primeros algoritmos Análisis de Datos para abordar tareas de aprendizaje de modelos descriptivos y predictivos.
Más detallesRegresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesModelos de Calibración
Modelos de Calibración Resumen El procedimiento Modelos de Calibración esta diseñado para construir un modelo estadístico que describe la relación entre variables, X y Y, donde construir un modelo es construir
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesTema 2: Estadística Bivariante Unidad 1: Correlación y Regresión
Estadística Tema 2: Estadística Bivariante Unidad 1: Correlación y Regresión Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesAnálisis de Regresión.
Análisis de Regresión http://www.academia.utp.ac.pa/humberto-alvarez/diseno-deexperimentos-y-regresion Introducción Tiene como objetivo modelar en forma matemática el comportamiento de una variable de
Más detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Más detallesJulio Deride Silva. 4 de junio de 2010
Curvas ROC y Regresión Lineal Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 4 de junio de 2010 Tabla de Contenidos Curvas ROC y Regresión Lineal
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesTécnicas de regresión: Regresión Lineal Simple
Investigación: 1/7 Técnicas de regresión: Regresión Lineal Simple Pértega Díaz S., Pita Fernández S. Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario Juan Canalejo. A Coruña. Cad
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesPráctica 9 REGRESION LINEAL Y CORRELACIÓN
Práctica 9. Regresión lineal y Correlación 1 Práctica 9 REGRESION LINEAL Y CORRELACIÓN Objetivos: En esta práctica utilizaremos el paquete SPSS para estudiar la regresión lineal entre dos variables y la
Más detallesUn modelo para representar una relación aproximadamente
Regresión Se han visto algunos ejemplos donde parece que haya una relación aproximadamente lineal entre dos variables. Supongamos que queremos estimar la relación entre las dos variables. Cómo ajustamos
Más detallesEstadística II. Laura M. Castro Souto
Estadística II Laura M. Castro Souto Segundo Cuatrimestre Curso 2000/2001 Modelos de Regresión Diferencias con el Diseño de Experimentos Los modelos de regresión estudian relaciones numéricas entre variables
Más detallesU.N.P.S.J.B. FACULTAD DE INGENIERÍA Cátedra de ESTADÍSTICA Cátedra ESTADISTICA
U.N.P.S.J.B. FACULTAD DE INGENIERÍA Cátedra de ESTADÍSTICA Cátedra ESTADISTICA TRABAJOS PRÁCTICOS Facultad de Ingeniería Universidad Nacional de La Patagonia S. J. B. Comodoro Rivadavia TEMA Nº.. REGRESIÓN
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 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 detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesElaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
Más detallesPrácticas Tema 2: El modelo lineal simple
Prácticas Tema 2: El modelo lineal simple Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 2.1- Se han analizado sobre una muestra de 10 familias las variables
Más detallesTODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)
TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) NOTA IMPORTANTE - Estas notas son complementarias a las notas de clase del primer semestre correspondientes a los temas de Regresión
Más detallesPor qué unos cerezos tienen mayor volumen que otros?
En la siguiente tabla se muestra el volumen (en pies cúbicos) de 31 cerezos. Observamos que no todos los cerezos tienen el mismo volumen, es decir, constatamos variabilidad en el volumen de los cerezos.
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
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 detallesESTADÍSTICA APLICADA A LA MEDICINA LABORAL
ESTADÍSTICA APLICADA A LA MEDICINA LABORAL ---oo--- II Curso 29/ Pedro Femia Marzo Bioestadística - Facultad de Medicina http://www.ugr.es/local/bioest Un esquema general de comparación de medias 2 Asumible
Más detalles7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
Más detallesAnálisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple
Análisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple El modelo predictivo utilizado para realizar el presente análisis es el de regresión lineal múltiple (RLM) 1. Resulta plausible la
Más detallesMulticolinealidad Introducción. Uno de los supuestos básicos del modelo lineal general. y = Xβ + u
CAPíTULO 6 Multicolinealidad 6.1. Introducción Uno de los supuestos básicos del modelo lineal general y = Xβ + u establece que las variables explicativas son linealmente independientes, es decir, la igualdad
Más detallesAnálisis de Regresión y Correlación Lineal
Análisis de Regresión y Correlación Lineal Análisis de dos ó más variables aleatorias Veamos que en los siguientes estudios hay situaciones donde intervienen más de una variable aleatoria Ejemplos: La
Más detallesque represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.
Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detalles