Tema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Tema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura"

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

Método de cuadrados mínimos

Método 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 detalles

Repaso Estadística Descriptiva

Repaso 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 detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. 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 detalles

Teoría de la decisión

Teoría 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 detalles

Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A

Regresión 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 detalles

Regresión con variables independientes cualitativas

Regresión 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 detalles

Capítulo 8. Análisis Discriminante

Capítulo 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 detalles

Tercera práctica de REGRESIÓN.

Tercera práctica de REGRESIÓN. Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.

1 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 detalles

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión

Estadís5ca. 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 detalles

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.

Se 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 detalles

Práctica 9 REGRESION LINEAL Y CORRELACIÓN

Práctica 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 detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 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 detalles

SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante

SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras

Más detalles

4.1 Análisis bivariado de asociaciones

4.1 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 detalles

Tema 8. Análisis de dos variables Ejercicios resueltos 1

Tema 8. Análisis de dos variables Ejercicios resueltos 1 Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los

Más detalles

REGRESION simple. Correlación Lineal:

REGRESION simple. Correlación Lineal: REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES

VARIABLES 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 detalles

MATEMÁTICAS 1º DE BACHILLERATO

MATEMÁTICAS 1º DE BACHILLERATO POLINOMIOS Y FRACCIONES 1. Operaciones fracciones algebraicas 2. Opera y simplifica fracciones 3. Repaso fracciones 4. Fracciones equivalentes 5. Potencias de fracciones 6. Operaciones con fracciones 7.

Más detalles

Ecuaciones, inecuaciones y sistemas

Ecuaciones, inecuaciones y sistemas Ecuaciones, inecuaciones y sistemas. Matemáticas Aplicadas a las Ciencias Sociales I 1 Ecuaciones, inecuaciones y sistemas Ecuaciones con una incógnita. Ecuación.- Una ecuación es una igualdad de expresiones

Más detalles

4. Regresión Lineal Simple

4. Regresión Lineal Simple 1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 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 detalles

MODELO ECONOMÉTRICO. José María Cara Carmona. Adrián López Ibáñez. Explicación del desempleo

MODELO ECONOMÉTRICO. José María Cara Carmona. Adrián López Ibáñez. Explicación del desempleo José María Cara Carmona Adrián López Ibáñez MODELO ECONOMÉTRICO Explicación del desempleo Desarrollaremos un modelo econométrico para intentar predecir el desempleo. Trataremos los diversos problemas que

Más detalles

Tema 3. Relación entre dos variables cuantitativas

Tema 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 detalles

18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.

18 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 detalles

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las

Más detalles

Diagramas de Dispersión simples

Diagramas de Dispersión simples Ayuda SPSS-Diagrama de Dispersión-Inserción Recta de Regresión -1- AYUDA SPSS DIAGRAMA DE DISPERSIÓN e INSERCIÓN DE LA RECTA DE REGRESIÓN Ruta Cuadros de Diálogos Autor: Prof. Rubén José Rodríguez 1 de

Más detalles

CAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA

CAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como

Más detalles

Tema 2. Regresión Lineal

Tema 2. Regresión Lineal Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite

Más detalles

EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.

EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones

Más detalles

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:

15. 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 detalles

Bioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión

Bioestadística. 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 detalles

Estadísticas 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 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 detalles

Regresión y Correlación

Regresión y Correlación Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios

Más detalles

DEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM

DEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-

Más detalles

ADMINISTRACION DE OPERACIONES

ADMINISTRACION DE OPERACIONES Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura

Más detalles

MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales

MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales 3.1. En algunas reservas naturales se controla el número Y de ejemplares de cierta especie al

Más detalles

2.- Sistemas lineales.

2.- Sistemas lineales. 2.- Sistemas lineales. 2.1.-Definiciones previa. 2.1.1.-Ecuación lineal con n incógnitas: Cualquier expresión del tipo:, donde a i, b, ú. Los valores a i se denominan coeficientes, b término independiente

Más detalles

Práctica 9: Anova (2).

Práctica 9: Anova (2). Práctica 9: Anova (2) Dedicamos esta práctica al estudio de modelos bifactoriales del análisis de la varianza Veremos concretamente diseños bifactoriales con y sin interacción, diseño por bloques al azar

Más detalles

1. Caso no lineal: ajuste de una función potencial

1. Caso no lineal: ajuste de una función potencial 1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir

Más detalles

Análisis Probit. StatFolio de Ejemplo: probit.sgp

Análisis Probit. StatFolio de Ejemplo: probit.sgp STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo

Más detalles

UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL.

UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL. UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL. Benjamín R. Sarmiento Lugo. Universidad Pedagógica Nacional bsarmiento@pedagogica.edu.co Esta conferencia está basada en uno de los temas desarrollados

Más detalles

CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS

CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones

Más detalles

PRÁCTICA 4. REGRESIÓN CURVILÍNEA. INTRODUCCIÓN DE VARIABLES ARTIFICIALES EN REGRESIÓN LINEAL

PRÁCTICA 4. REGRESIÓN CURVILÍNEA. INTRODUCCIÓN DE VARIABLES ARTIFICIALES EN REGRESIÓN LINEAL PRÁCTICA 4. REGRESIÓN CURVILÍNEA. INTRODUCCIÓN DE VARIABLES ARTIFICIALES EN REGRESIÓN LINEAL 4.1. Regresión exponencial 4.2. Regresión cúbica 4.3. Regresión con variables artificiales M. Carmen Carollo,

Más detalles

Un segundo ohmímetro mide la misma resistencia y obtiene los siguientes resultados: R B1 = ( 98 ± 7 ) Ω R B2 = ( 100 ± 7 ) Ω R B3 = ( 103 ± 7 ) Ω

Un segundo ohmímetro mide la misma resistencia y obtiene los siguientes resultados: R B1 = ( 98 ± 7 ) Ω R B2 = ( 100 ± 7 ) Ω R B3 = ( 103 ± 7 ) Ω Relación de problemas: MEDIDAS Y ERRORES. 1) En la medida de 1 m se ha cometido un error de 1 mm, y en 300 Km, 300 m. Qué error relativo es mayor?. ) Como medida de un radio de 7 dm hemos obtenido 70.7

Más detalles

CORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña

CORRELACIÓN 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 detalles

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10 DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes

Más detalles

Proceso de análisis de regresión múltiple

Proceso de análisis de regresión múltiple Proceso de análisis de regresión múltiple Recolección de datos Chequeo de la calidad de los datos Diagnóstico de relaciones o interacciones fuertes entre las variables Xs Aplicación de medidas remediales

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes

Más detalles

Variables estadísticas bidimensionales

Variables estadísticas bidimensionales Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO

Más detalles

REGRESIÓN LINEAL CON SPSS

REGRESIÓN LINEAL CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre

Más detalles

Regresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010

Regresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010 Regresión Lineal Dra. Noemí L. Ruiz Limardo 008 Derechos Reservados, Rev 010 Objetivos de la Lección Conocer el significado de la regresión lineal Determinar la línea de regresión cuando ha correlación

Más detalles

MATEMÁTICAS 2º DE BACHILLERATO

MATEMÁTICAS 2º DE 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 de orden 2 y 3 8.

Más detalles

INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos

INDICE 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

GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS

GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión

Más detalles

Dos inecuaciones se dice que son equivalentes cuando ambas tienen las mismas soluciones.

Dos inecuaciones se dice que son equivalentes cuando ambas tienen las mismas soluciones. 10. INECUACIONES Definición de inecuación Una inecuación es una desigualdad entre dos expresiones algebraicas. 2x + 3 < 5 ; x 2 5x > 6 ; x x 1 0 Inecuaciones equivalentes Dos inecuaciones se dice que son

Más detalles

Tema Contenido Contenidos Mínimos

Tema Contenido Contenidos Mínimos 1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.

Más detalles

Contenidos mínimos Criterios de evaluación Ejemplos de preguntas

Contenidos mínimos Criterios de evaluación Ejemplos de preguntas Contenidos mínimos Criterios de evaluación Ejemplos de preguntas 1º ESO Números naturales, enteros y decimales: operaciones elementales. Fracciones: operaciones elementales. Potencias de exponente natural.

Más detalles

Teoría Tema 9 Ecuaciones de la recta en el espacio tridimensional

Teoría Tema 9 Ecuaciones de la recta en el espacio tridimensional página 1/11 Teoría Tema 9 Ecuaciones de la recta en el espacio tridimensional Índice de contenido Ecuación vectorial, paramétrica y continua de la recta...2 Ecuación general o implícita de la recta...5

Más detalles

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)

REGRESIÓN 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 detalles

La asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades.

La asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades. 1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Muestreo y Regresión. Ingeniería Forestal. FOC-1027 SATCA: 2 2 4 2.- PRESENTACIÓN. Caracterización de la asignatura.

Más detalles

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que

Más detalles

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

3. 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 detalles

Modelo Econométrico sobre el Turismo

Modelo Econométrico sobre el Turismo Modelo Econométrico sobre el Turismo Ruth Rubio Rodríguez Miriam Gómez Sánchez Mercados 3ºA GMIM Índice Planteamiento del Problema..4 1. Estadísticos Descriptivos...5 2. Matriz Correlaciones 5 3. Gráfico

Más detalles

Regresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp

Regresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad

Más detalles

Departamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.

Departamento 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 detalles

Sistem as de ecuaciones lineales

Sistem as de ecuaciones lineales Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a

Más detalles

5. Regresión Lineal Múltiple

5. Regresión Lineal Múltiple 1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente

Más detalles

APUNTES DE QUIMIOMETRIA REGRESIO LINEAL

APUNTES DE QUIMIOMETRIA REGRESIO LINEAL REGRESIO LINEAL APUNTES DE QUIMIOMETRIA Datos anómalos y levas en las rectas de calibrado. Regresión robusta Mínima mediana de cuadrados Recta de calibrado mediante mínimos cuadrados. Hipótesis básicas

Más detalles

1 ÁLGEBRA DE MATRICES

1 ÁLGEBRA DE MATRICES 1 ÁLGEBRA DE MATRICES 1.1 DEFINICIONES Las matrices son tablas numéricas rectangulares. Se dice que una matriz es de dimensión m n si tiene m filas y n columnas. Cada elemento de una matriz se designa

Más detalles

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n ) Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder

Más detalles

Técnicas Cuantitativas para el Management y los Negocios

Técnicas Cuantitativas para el Management y los Negocios Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis

Más detalles

USO HERRAMIENTAS EXCEL PARA LA PREDICCION

USO HERRAMIENTAS EXCEL PARA LA PREDICCION USO HERRAMIENTAS EXCEL PARA LA PREDICCION Nassir Sapag Chain MÉTODO DE REGRESIÓN LINEAL SIMPLE El método de Regresión Lineal (o Mínimos cuadrados) busca determinar una recta, o más bien la ecuación de

Más detalles

Regresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp

Regresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente

Más detalles

Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS

Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza

Más detalles

GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA

GUÍA 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 detalles

TEMARIO: CONTENIDOS, OBJETIVOS MÍNIMOS Y TIEMPO.

TEMARIO: CONTENIDOS, OBJETIVOS MÍNIMOS Y TIEMPO. TEMARIO: CONTENIDOS, OBJETIVOS MÍNIMOS Y TIEMPO. Los contenidos seleccionados tienen la intención de aportar una formación matemática suficiente para abordar problemas del mundo social y del entorno, así

Más detalles

Transformaciones de Box-Cox

Transformaciones de Box-Cox Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.

Más detalles

Doc. Juan Morales Romero

Doc. Juan Morales Romero Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica

Más detalles

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN

ÍNDICE 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 detalles

Tema 3.1: Modelo lineal general: hipótesis y estimación. Universidad Complutense de Madrid 2013

Tema 3.1: Modelo lineal general: hipótesis y estimación. Universidad Complutense de Madrid 2013 ema 3.1: Modelo lineal general: hipótesis y estimación Universidad Complutense de Madrid 2013 Introducción El objetivo es especificar y estimar un Modelo Lineal General (MLG) en donde una variable de interés

Más detalles

Una ecuación puede tener ninguna, una o varias soluciones. Por ejemplo: 5x 9 = 1 es una ecuación con una incógnita con una solución, x = 2

Una ecuación puede tener ninguna, una o varias soluciones. Por ejemplo: 5x 9 = 1 es una ecuación con una incógnita con una solución, x = 2 Podemos definir a las ecuaciones como una igualdad entre expresiones algebraicas (encadenamiento de números y letras ligados por operaciones matemáticas diversas),en la que intervienen una o más letras,

Más detalles

Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia

Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia Scientia Et Technica ISSN: 01221701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia URRUTIA MOSQUERA, JORGE ANDRÉS; SALAZAR, HEVER DARÍO; CRUZ TREJOS, EDUARDO ARTURO EVALUACIÓN DE LA ROBUSTEZ

Más detalles

Repaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013

Repaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013 Repaso de estadística básica Juan D. Barón Santiago de Chile, 8 de abril de 2013 1 I. CONCEPTOS ESTADÍSTICOS BÁSICOS 2 Las decisiones se toman bajo incertidumbre Las decisiones se basan en información

Más detalles

1. Cómo introducir datos en SPSS/PC? - Recordatorio

1. Cómo introducir datos en SPSS/PC? - Recordatorio 1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones

Más detalles

INDICE. Prólogo a la Segunda Edición

INDICE. 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 detalles

Tema 2.- Formas Cuadráticas.

Tema 2.- Formas Cuadráticas. Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas

Más detalles

Bloque 1. Contenidos comunes. (Total: 3 sesiones)

Bloque 1. Contenidos comunes. (Total: 3 sesiones) 4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como

Más detalles

T4. Modelos con variables cualitativas

T4. Modelos con variables cualitativas T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad

Más detalles

DESARROLLO D) 4. para a = 1 y b = 2 (a 2 + b 2 )(2a 3b 2 ) es:

DESARROLLO D) 4. para a = 1 y b = 2 (a 2 + b 2 )(2a 3b 2 ) es: ENCUENTRO # 10 TEMA:Operaciones con polinomios CONTENIDOS: 1. Multiplicación de polinomios. 2. Productos notables. DESARROLLO Ejercicio Reto x 2 1. Al racionalizar el denominador de la fracción 3 + se

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

Formulación del problema de la ruta más corta en programación lineal

Formulación del problema de la ruta más corta en programación lineal Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,

Más detalles

Análisis de Regresión no lineal

Análisis de Regresión no lineal Capítulo IX Análisis de Regresión no lineal En algunas situaciones es evidente que un modelo lineal en todas las variables independientes es inadecuado. Por ejemplo, un modelo de regresión que predice

Más detalles

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción

Más detalles

Grado en NHyD 23 de junio de 2014

Grado en NHyD 23 de junio de 2014 Estadística Aplicada Examen extraordinario Grado en HyD 23 de junio de 214 OTA: Explica y desarrolla tus respuestas usando las salidas de los anexos. En las preguntas de verdadero y falso indica qué gráficos

Más detalles

4º E.S.O. Matemáticas A

4º E.S.O. Matemáticas A 4º E.S.O. Matemáticas A Objetivos 1. Incorporar, al lenguaje y formas habituales de argumentación, las distintas formas de expresión matemática (numérica, algebraica, de funciones, geométrica...), con

Más detalles

1. dejar a una lado de la igualdad la expresión que contenga una raíz.

1. dejar a una lado de la igualdad la expresión que contenga una raíz. 1. Resuelve las siguientes ecuaciones reales: Solución x 1 + x = 0 ; 3 x = 3 ; ln(x 1) + 4 = ln 3 Ecuaciones con raíces: No todas las ecuaciones de este tipo son sencillas de resolver, pero podemos intentar

Más detalles

Tipo de punta (factor) (bloques)

Tipo de punta (factor) (bloques) Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos

Más detalles

Análisis de datos en los estudios epidemiológicos III Correlación y regresión

Análisis 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 detalles