ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
|
|
- Lidia de la Cruz Plaza
- hace 5 años
- Vistas:
Transcripción
1 ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 11 - Junio SOLUCIONES Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones estadísticas básicas. No se pueden utilizar calculadoras programables. Existe una sóla respuesta correcta por pregunta. Cada respuesta correcta se valorará con 1 punto y cada incorrecta con -1/3. Las preguntas no contestadas no se valoran. Si se marcan varias respuestas a la vez se considerará la pregunta no contestada. Responder con letras mayúsculas y bolígrafo. Las respuestas elegidas que se considerarán válidas son las que se consignen en el cuadro que se adjunta a continuación. Pregunta Respuesta C B B A D C A D C C B C Pregunta Respuesta D A A B C D B B A C D D CUESTIONES 1. En un muestreo aleatorio simple con reemplazamiento de tamaño n de una variable de interés X: La media muestral X es A. Un parámetro de la población que se puede estimar pero no calcular exactamente. B. Una variable aleatoria con distribución normal. C. Una variable aleatoria con distribución que depende de la distribución de X: D. Ninguna de las otras respuestas. 2. En un diseño de experimentos de dos factores jos con interacción y replicación se supone que A. ^Yij N( + i + j ; 2 ): B. Y ijk N( + i + j + () ij ; 2 ): C. ^Yij t g:l: D. Y ijk N(0; 2 )
2 3. En un grá co de cajas simple (box-plot) de una muestra de tamaño n de una variable de interés X: La longitud de la caja es igual A. Al rango. B. Al rango intercuartílico. C. 2 Q2 X D. Ninguna de las otras respuestas. 4. Del siguiente grá co Q Q Uniforme de una variable X, se deduce A. Que la distribución de X no es uniforme. B. Que la distribución de X no es normal. C. Que la distribución de X es simétrica. 5. Se dispone de una muestra de 30 observaciones y se quiere contrastar la hipótesis H 0 : "la distribución es normal". Se realiza el contraste chi-cuadrado utilizando seis intervalos y se obtiene la siguiente tabla Intervalo Frec. Observada Frec Esperada I I I I I I A. Se acepta H 0 con = 0; 10 B. Se rechaza H 0 con = 0; 05 C. No se puede aplicar este contraste porque la distribución es continua.
3 6. El correlograma de los residuos de un diseño de experimentos con dos factores es el de la gura adjunta. A. Se veri ca la hipótesis de independencia. B. Existe dependencia positiva. C. Existe dependencia negativa. D. No se puede deducir nada de la hipótesis de independencia porque habría que trabajar con los residuos tipi cados 7. Al ajustar un modelo de diseño de experimentos con un factor jo con tres niveles y 10 observaciones en cada nivel, se ha obtenido que la SS RES = 385 y la SS T OT AL = 775: Calcula un intervalo de con anza al 90% para la varianza del modelo 2 A. IC 2 = (9 0 59; ): B. IC 2 = ( ; ): C. IC 2 = (5 0 22; ): 8. Utilizando los datos de la cuestión 7 y denominando A, B y C a los niveles del factor, se ha obtenido x A = 65; x B = 108; x C = 130: Utilizando la técnica Sche é contrastar la hipótesis H 0 : A + C = 2 B A. El estadístico pivote es 4:93 y se acepta para = 0:05: B. El estadístico pivote es 8: 47 y se rechaza para = 0:05: C. El estadístico pivote es 3:78 y se acepta para = 0:05: 9. Utilizando los datos de la cuestión 7 y suponiendo que el factor es aleatorio. La estimación de la varianza de la respuesta 2 Y es A. ^ 2 Y = 18: 125
4 B. ^ 2 Y = 13:75 C. ^ 2 Y = 32: En un diseño de experimentos con un factor al calcular m intervalos de con anza para contrastes ( i ) ; los intervalos calculados por el método de Sche e veri can que A. Tienen menor longitud que los de Bonferroni. B. Tienen menor longitud que los de LSD. C. Tienen la ventaja de no depender de m: 11. Al ajustar un modelo de diseño de experimentos con dos factores jos (F A y F B ); cada uno de los dos factores con tres niveles y 4 observaciones en cada tratamiento (casilla). Se supone que puede haber interacción. Se han obtenido los siguientes valores de la tabla ANOVA Fuente S:S: g:l: V arianzas F p valor Factor F A 106 Factor F B 390 Interacción 96 Residual 189 Total Completar la tabla ANOVA y trabajando con = 0; 05 se obtiene A. La interacción no es signi cativa pero los dos factores son signi cativos. B. La interacción y los dos factores son signi cativos. C. La interacción es signi cativa y aunque el factor F A no es signi cativo lo debemos dejar en el modelo. D. Solamente el factor F B es signi cativo. 12. Utilizando los datos de la cuestión 7 el modelo explica A. 63; 51 % de la variabilidad de la respuesta. B. 87; 06 % de la variabilidad de la respuesta. C. 75; 80 % de la variabilidad de la respuesta. 13. El histograma de los residuos obtenidos al ajustar un modelo de diseño de experimentos con un factor jo es el de la gura. Se observa
5 A. Que existe falta de simetría y por lo tanto no se acepta la hipótesis de normalidad. B. La existencia de heterocedasticidad causada por la existencia de atípicos. C. De esta grá ca no se puede deducir nada porque se trabaja con los residuos y se debe trabajar con los residuos tipi cados. D. No se observa nada que contradiga las hipótesis del modelo ajustado. 14. En un diseño de experimentos hay un factor (F ) que no se tiene en cuenta, por tanto, no se controla su in uencia. En este caso A. Se debe aleatorizar la aplicación de los niveles del factor F: B. Las predicciones del modelo serán malas. C. Si el factor F es aleatorio no in uye pero si es jo si es in uyente. D. El factor F no in uye o in uye poco. 15. En un diseño de experimentos con un factor se obtiene que el contraste de Levene es signi cativo. Por tanto A. Las varianzas de la respuesta (Y ) en cada nivel son distintas. B. No se veri ca la hipótesis de dependencia. C. No se veri ca la hipótesis de normalidad. D. Existe homocedasticidad en el modelo. 16. Al ajustar el modelo de regresión lineal simple de la respuesta Y sobre la regresora X con una muestra de n = 50 observaciones, se han obtenido los siguientes datos P P xi = 246 x 2 i = 1620 P yi = 196 P y 2 i = 1125 P xi y i = 1238 La predicción de Y para una observación con x = 6 es: A. ^y(x = 6) = :
6 B. ^y(x = 6) = : C. ^y(x = 6) = : 17. Utilizando los datos de la cuestión 16, del estadístico individual de la t se obtiene A. Que el estadístico ^t 1 = 0:2 y la explicativa no es signi cativa para = 0; 05: B. Que el estadístico ^t 1 = 5:6 y la explicativa no es signi cativa para = 0; 05: C. Que el estadístico ^t 1 = 7:1 y la explicativa es signi cativa para cualquier valor de < 0; 01: 18. En un modelo de regresión lineal simple, sea n h el "número equivalente de observaciones" asociado a un valor de la regresora x h : Entonces A. 1 n h n: B. Si x h = x; se veri ca que n h! 1: C. Si x h = x; se veri ca que n h = 0: D. n h n y no depende de los valores de la variable respuesta. 19. En un análisis de regresión lineal múltiple, los residuos estandarizados vienen dados por A. r i = y i ^y i ^s R B. r i = y i ^y p i ^s R 1 hii C. r i = y i ^y i D. r i = (y i ^y i ) p 1 h ii 20. En un modelo de regresión lineal múltple cuál de las siguientes a rmaciones es correcta? A. El vector de residuos mínimo cuadrados es ortogonal al vector de la variable respuesta. B. El vector de predicciones es una combinación lineal de los vectores asociados a las variables regresoras. C. El vector de residuos mínimo cuadrados es una combinación lineal de los vectores asociados a las variables regresoras. D. El vector de predicciones es ortogonal al vector de la variable respuesta. 21. Al ajustar un modelo de regresión lineal múltple se ha obtenido la siguiente grá ca de residuos frente a predicciones. De la que se deduce
7 A. Que la población no es homogénea y debe introducirse una variable de clasi cación. B. Que debe hacerse un ajuste parabólico. C. Que no se veri ca la hipótesis de independencia. D. Que existe heteroceasticidad. 22. En regresión lineal si el valor del coe ciente de determinación es de 0.8, podemos decir que: A. El 80% de la variabilidad total de la variable respuesta no es explicada por la regresión, por lo tanto el ajuste del modelo es malo. B. El 80% de la variabilidad total de la variable respuesta no es explicada por la regresión, por lo tanto el ajuste del modelo es bueno. C. El 80% de la variabilidad total de la variable respuesta es explicada por la regresión, por lo tanto el ajuste del modelo es bueno. D. El 80% de la variabilidad total de la variable respuesta es explicada por la regresión, por lo tanto el ajuste del modelo es malo. 23. En regresión lineal múltiple se detecta la (posible) presencia de multicolinealidad cuando: A. Alguno de los coe cientes de tolerancia es próximo a 1. B. Alguno de los coe cientes de tolerancia es grande (mayor que 10, por ejemplo). C. Alguno de los coe cientes del factor de in ación de la varianza (FIV) es pequeño (próximo a 0). D. Alguno de los coe cientes del factor de in ación de la varianza (FIV) es grande (mayor que 10, por ejemplo). 24. En la selección de variables en regresión lineal múltiple, con cuál de los siguientes niveles de signi cación del criterio de entrada pueden incorporarse más variables?: A. IN = 0:005 B. IN = 0:05 C. IN = 0:01 D. IN = 0:10
ESTADISTICA 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 detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 21 - Junio - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que,
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 detallesESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones
Más detallesEJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos
ECONOMETRÍA EJERCICIO T APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta
Más detallesDiseños con una fuente de variación (I): Diseño con un factor completamente aleatorizado
Diseños con una fuente de variación (I): Diseño con un factor completamente aleatorizado Tema 3 (I) Estadística 2 Curso 08/09 Tema 3 (I) (Estadística 2) ANOVA I Curso 08/09 1 / 63 Introducción Diseño con
Más detallesEJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos
ECONOMETRÍA EJERCICIO T1 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta 1 A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta
Más detallesPrácticas y problemas de diseño de experimentos de una vía.
Capítulo 1 Prácticas y problemas de diseño de experimentos de una vía. 1.1. Problemas de diseño de experimentos de una vía con ordenador. Problema 2.1. Una fábrica de herramientas desea comprobar si la
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 detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesRegresión lineal múltiple
Regresión lineal múltiple Tema 6 Estadística 2 Curso 08/09 Tema 6 (Estadística 2) Regresión lineal múltiple Curso 08/09 1 / 91 Introducción Introducción Consideramos ahora la extensión del modelo de regresión
Más detallesDepartamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff
Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff Tema 5 Modelos de dos factores-tratamiento. Se continua trabajando
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 detalles10 Modelo de regresión lineal
0 Modelo de regresión lineal La relación matemática determinística más simple entre dos variables x e y, es una relación lineal y = 0 + x. El conjunto de pares (x; y) que veri can esta relación, determinan
Más detallesSOLUCIONES EXAMEN FINAL EXTRAORDINARIO DE ECONOMETRÍA
UC3M. Examen Final Extraordinario de Econometría, 06/7 9/06/07 SOLUCIONES EXAMEN FINAL EXTRAORDINARIO DE ECONOMETRÍA. (a) Este es un contraste del modelo completo con esta hipótesis nula H 0 : 0 en contra
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 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 detallesConceptos básicos de inferencia estadística (IV): Inferencia no paramétrica: Contrastes de aleatoriedad.
Conceptos básicos de inferencia estadística (IV): Inferencia no paramétrica: Contrastes de aleatoriedad. Tema 1 (IV) Estadística 2 Curso 08/09 Tema 1 (IV) (Estadística 2) Contrastes de aleatoriedad Curso
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
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 detallesConceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de
Más detallesContenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
Más detallesEconometría. Ejercicio 5 - Resuelto
Econometría Ejercicio 5 Resuelto E ESTE EJERCICIO SE ILUSTRA LAS FÓRMULAS Y LOS CÁLCULOS ASOCIADOS CO LA ESTIMACIÓ, EL COTRASTE DE HIPÓTESIS Y LA PREVISIÓ E MODELOS DE REGRESIÓ LIEAL MÚLTIPLE ES MUY IMPORTATE
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesEstadística III (P33) Exam, Tipo: A
21 de Enero de 2000 Responde a las siguientes preguntas sobre papel ordinario, de forma breve y concisa. Al entregar tu exámen, has de entregar también la Tarea 10, que no fue posible finalizar en periodo
Más detallesPrácticas y problemas de diseño de experimentos.
Capítulo 1 Prácticas y problemas de diseño de experimentos. 1.1. Problemas de diseño de experimentos con ordenador. Problema 3.1. Datos apareados. El Ministerio de Trabajo desea saber si un plan de seguridad
Más detallesUNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2007
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2007 TIEMPO: 2 HORAS 30 MINUTOS Instrucciones: ANTES DE EMPEZAR A RESPONDER EL EXAMEN:
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 detallesEXAMEN FINAL DE ECONOMETRÍA SOLUCIONES Conteste cada pregunta en un cuadernillo diferente en dos horas y media
EXAMEN FINAL DE ECONOMETRÍA SOLUCIONES Conteste cada pregunta en un cuadernillo diferente en dos horas y media 1. Sean (Y; X; W ) tres variables aleatorias relacionadas por el siguiente modelo de regresión
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 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 detallesTEMA 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 detallesProblemas deestadísticaii Cuaderno II: Regresión Multiple
Problemas deestadísticaii Cuaderno II: Regresión Multiple Ingeniería Industrial. Curso 2000/2001 1. Se realizanlas regresiones lineales: bx 1 = b 0+ b 1x 2 R 2 =0:99 by= b 0 + b 1 x 1 R 2 =0:8 (a) Indicar
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 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 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 detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesTrimestre Enero-Marzo 2008 Departamento de Cómputo Cientí co y Estadística Guía de ejercicios. Regresión Lineal Múltiple y ANOVA Práctica N 7
Trimestre Enero-Marzo 28 Departamento de ómputo ientí co y Estadística Guía de ejercicios. Regresión Lineal Múltiple y ANOVA Práctica N 7 ONTENIDO Ajuste del modelo lineal mediante matrices. Propiedades
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
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 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 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 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 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 detallesUNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA CIVIL DEPARTAMENTO DE INGENIERÍA HIDROMETEOROLÓGICA LABORATORIO:
17 o 1765 5 FUNDAMENTACION En un sentido general la estadística es la ciencia que se ocupa de la colección, clasificación, análisis e interpretación de hechos o datos numéricos. Esta ciencia puede aplicarse
Más detallesDepartamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12. ECONOMETRÍA I Hoja de problemas del Tema 4
Departamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12 ECONOMETRÍA I Hoja de problemas del Tema 4 Nota: En todos los contrastes tome como nivel de signi cación el 5%.
Más detallesCAPÍTULO 5. Proyecciones de las Fuentes de Empleo Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes
CAPÍTULO 5 Proyecciones de las Fuentes de Empleo 5.1. Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes de Empleo a Nivel Nacional. Para la proyección de las fuentes de empleo
Más detallesGUIÓN TEMA 3. CONTRASTE DE HIPÓTESIS EN EL MRL Contrastes de hipótesis en el MRL
ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 011/1 GUIÓN TEMA 3. CONTRASTE DE HIPÓTESIS EN EL MRL Los procedimientos clásicos de contrastes de hipótesis
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Fundamentos de Estadística
Ficha Técnica Titulación: Grado en Ingeniería de Organización Industrial Plan BOE: BOE número 75 de 28 de marzo de 2012 Asignatura: Módulo: Fundamentos de Matemáticas Curso: 2º Créditos ECTS: 6 Tipo de
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 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 detallesRegresión lineal simple
Regresión lineal simple Unidad 1 Javier Santibáñez IIMAS, UNAM jsantibanez@sigma.iimas.unam.mx Semestre 2018-2 Javier Santibáñez (IIMAS, UNAM) Regresión simple Semestre 2018-2 1 / 62 Contenido 1 Planteamiento
Más detallesAnálisis de datos en CCSS: introducción al análisis descriptivo e inferencial
Programa de Doctorado Formación en la Sociedad del Conocimiento Seminario de doctorado 13 y 14 de marzo de 2014 Análisis de datos en CCSS: introducción al análisis descriptivo e inferencial Dra. Mª José
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 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 detallesEstas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías
ANOVA I 19-8-2014 Estas dos clases ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA II - ANOVA factorial - ANCOVA (análisis
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
Más detallesAnálisis de la Varianza
Análisis de la Varianza Prof. Susana Martín n Fernández ndez Índice Análisis de la Varianza de un Factor Análisis de la Varianza de dos Factores Análisis de la Varianza de dos Factores con Interacción
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 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 detallesEJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos
ECONOMETRÍA APLICADA EJERCICIO T2 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta 1 A B C En Blanco Pregunta 2 A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco
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 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 detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesFACULTAD DE RECURSOS NATURALES INGENIERÍA ZOOTECNISTA PROGRAMA DE ESTADÍSTICA Y BIOMETRÍA AÑO 2017
FACULTAD DE RECURSOS NATURALES INGENIERÍA ZOOTECNISTA PROGRAMA DE ESTADÍSTICA Y BIOMETRÍA AÑO 2017 Titular: Ing Inés González de Rubiano (gonrubi@arnet.com.ar) JTP: Lic. Gladis Mazza (gladismazza@gmail.com)
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 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 detallesINDICE. Capitulo Uno.
INDICE Prefacio XIII Capitulo Uno. 1 Introducción 1.1. Estadística: La ciencia de los datos 2 1.2. Tipos de datos 5 1.3. El papel de la estadística 7 1.4. Resumen 8 Laboratorio de Computación. Introducción
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 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 detallesTipo 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 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 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 detalles5. Estimación del Modelo y Resultados
5. Estimación del Modelo y Resultados 5.1. Forma reducida del modelo Como no se tienen datos sobre la tasa natural de desempleo, es necesario hacer una forma reducida del modelo para poder estimarlo utilizando
Más detalleslog Y = log + v log K + (1 )v log L 1=2 log(1 )v[log(k=l)] 2 + U = log K + 2 log L + 3 [log(k=l)] 2 + U;
Universidad Carlos III de Madrid Econometría Examen Final, Convocatoria Extraordinaria, Curso 2014-2015. Duración del examen: 2 horas. Nota importante: Alguna información contenida en las salidas es redundante.
Más detallesEstudiaremos tres tipos de contrastes, cada uno de los cuales trata de responder a la pregunta correspondiente: Bondad del ajuste Proceden los datos
Contrastes 2 χ Estudiaremos tres tipos de contrastes, cada uno de los cuales trata de responder a la pregunta correspondiente: Bondad del ajuste Proceden los datos de una determinada distribución? Homogeneidad
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 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 detallesEconometría 1. Karoll GOMEZ Segundo semestre 2017
Econometría 1 Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 II. El modelo de regresión lineal Esperanza condicional I Ejemplo: La distribución de los salarios
Más detalles4. DISEÑOS MULTIFACTORIALES O FACTORIALES
4. DISEÑOS MULTIFACTORIALES O FACTORIALES 4.1 PRINCIPIOS Y DEFINICIONES BASICAS Los arreglos factoriales se utilizan cuando en una investigación se pretende estudiar simultáneamente la influencia del cambio
Más detallesGrupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS
Red ibérica de evaluación de eficacia y efectos secundarios de tratamientos para el control de plagas en el olivar (RIESPO) 2ª Reunión, Madrid 10-11/06/2010 Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS ESTADÍSTICA
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Definición y clasificación del diseño experimental de grupos Diseño experimental de dos grupos: definición y clasificación Diseño experimental de dos grupos: análisis estadístico
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesPROGRAMA DE ESTUDIO : UN SEMESTRE ACADÉMICO : TERCER AÑO, PRIMER SEMESTRE
PROGRAMA DE ESTUDIO A. Antecedentes Generales ASIGNATURA : Estadística CÓDIGO : IIM313A DURACIÓN : UN SEMESTRE ACADÉMICO PRE - REQUISITO : PROBABILIDADES CO REQUISITO : NO TIENE UBICACIÓN : TERCER AÑO,
Más detallesCarrera: Ingeniero Químico Asignatura: Área del Conocimiento: Licenciatura Todas las Ingenierías Abril 2010
Carrera: Ingeniero Químico Asignatura: Probabilidad y Estadística Área del Conocimiento: Ciencias Básicas Generales de la Asignatura: Nombre de la Asignatura: Clave Asignatura: Nivel: Carrera: Frecuencia
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 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 detallesPrácticas y problemas de regresión lineal simple.
Capítulo 1 Prácticas y problemas de regresión lineal simple. 1.1. Problemas de regresión lineal simple con ordenador. Problema 4.1. Los datos de la tabla adjunta proporcionan la distancia en línea recta
Más detallesSOLUCIONES EXAMEN FINAL DE ECONOMETRÍA
UC3M. Examen Final de Econometría, 206/7 23/05/207 SOLUCIONES EXAMEN FINAL DE ECONOMETRÍA.. a. Respuesta: donde Y 0 + X + 2 Z + 3 W + U W 0 + Z + V U Y ( 0 + X + 2 Z + 3 W ) Y E (Y j X; Z; W ) ) E (Uj
Más detallesEstadística Descriptiva 2da parte
Universidad Nacional de Mar del Plata Facultad de Ingeniería Estadística Descriptiva 2da parte 2 Cuatrimestre 2018 COMISIÓN :1. Prof. Dr. Juan Ignacio Pastore. Qué es la estadística? El contenido de la
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesRegresión Lineal Múltiple
Unidad 4 Regresión Lineal Múltiple Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 35 Introducción La idea de la regresión lineal múltiple es modelar el valor esperado de la variable respuesta
Más detallesInferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Más detallesEXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos)
EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) PROBLEMA 1 Se quiere comparar la cantidad de energía necesaria para realizar 3 ejercicios o actividades: andar, correr y montar en bici.
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 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 detallesIII. Métodos estadísticos de análisis
Anexo III Métodos estadísticos de análisis Estadística descriptiva Análisis de muestras y contraste de hipótesis Análisis de varianza factorial Prueba binomial Prueba Chi-cuadrado de Pearson Modelos de
Más detalles