TRABAJO PRÁCTICO ESTADISTICA APLICADA (746)
|
|
- José Ramón Valdéz Maldonado
- hace 7 años
- Vistas:
Transcripción
1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADEMICO AREA DE MATEMATICA TRABAJO PRÁCTICO ESTADISTICA APLICADA (746) JOSE GREGORIO SANCHEZ CASANOVA C.I. V CARRERA: 610 SECCION Nº 1 SAN CRISTOBAL, JULIO DE 2011.
2 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO COORDINACIÓN DE EVALUACIÓN ACADÉMICA TAREA: TRABAJO PRÁCTICO ASIGNATURA: ESTADISTICA APLICADA CÓDIGO: 746 FECHA DE ENTREGA : 26 DE JULIO DE NOMBRE DEL ESTUDIANTE: JOSE GREGORIO SANCHEZ C- CÉDULA DE IDENTIDAD: V CENTRO LOCAL: TACHIRA CARRERA: CONTADURÍA PÚBLICA. NUMERO DE ORIGINALES: 01 FIRMA DEL ESTUDIANTE:
3 INTRODUCCION Dentro del proceso administrativo, normalmente se encuentran situaciones en las cuales la toma de decisiones es imprescindible y necesaria para apoyar o cambiar ciertas estrategias y actividades comunes en la línea de trabajo de una organización. Cada gerente debe contar con las herramientas adecuadas para el estudio y comprensión del manejo de las variables. La estadística, es una de las más prácticas y esquemáticas con las que se puede conseguir las proyecciones más adecuadas para determinar el comportamiento de la linera de producción y sus elementos. Dentro de las múltiples aplicaciones del estudio administrativo cabe destacar la presencia del análisis estadístico en el campo de la Educación, herramienta básica e importante para poder realizar proyecciones del comportamiento de las calificaciones y promedios de cada estudiante para su respectivo seguimiento dentro del período académico en curso. Del mismo modo como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo o razón, así también se puede comprender la relación de dos o más variables y nos permitirá relacionar mediante ecuaciones, una variable en relación de la otra variable llamándose Regresión Lineal y una variable en relación a otras variables llamándose Regresión múltiple. En el informe que se presenta a continuación, se puede conseguir una muestra de lo que representa un trabajo de la descripción de conjuntos de datos y la inferencia a partir de la información recolectada de un fenómeno de interés. En este caso, la función principal de la estadística. abarca: Resumir, Simplificar, Comparar, Relacionar, y Proyectar un estudio de factores o variables sobre una de las actividades importantes de una organización, en el caso de estudio específico relación de variables independientes con el Promedio de Calificaciones de los alumnos para un Lapso Académico. Dicho informe, se encuentra estructurado en 2 partes, la primera en la cual se trata de establecer la relación del promedio de calificaciones de un estudiante con un grupo de variables personales, a saber ( edad, peso y estatura), y la segunda parte se relaciona el promedio de calificaciones del estudiante con un grupo de variables denominadas de ajuste a saber (conducta, méritos e inasistencias), a cada uno de los grupos de variables se les aplico el análisis de regresión lineal, estructurado de la siguiente forma: cuadro resumen, análisis de varianza, intervalos de confianza, análisis de residuales, gráficos de los residuales, curva de regresión ajustada y grafico de probabilidad normal. Finalmente se realizan las conclusiones definitivas del estudio de ambos casos y se establece la correlación o no de las variables personales y de ajuste con respecto al promedio de calificaciones de un estudiante en un lapso.
4 TABLA DE CONTENIDOS 1.- Bases Teóricas. 2.- Desarrollo del Caso. 3.- CASO Nº 1.- Relación del Promedio del estudiante con Edad, Peso y Estatura Análisis de Regresión: (Promedio, con Edad, Peso y Estatura ) Análisis de Regresión: (Promedio con Edad y Peso ) Análisis de Regresión: (Promedio con Peso y Estatura) 4.- CASO Nº 2.- Relación del Promedio del Estudiante con Conducta, Méritos e Inasistencias) Análisis de Regresión: (Promedio con Conducta, Méritos e Inasistencias ) Análisis de Regresión: (Promedio con Conducta y Méritos ) Análisis de Regresión: (Promedio con Méritos e Inasistencias) 5.- Conclusiones. 6.- Bibliografía.
5 BASES TEORICAS REGRESION MULTIPLE Se define como un procedimiento mediante el cual se trata de determinar si existe o no relación de dependencia entre dos o más variables. Es decir, conociendo los valores de una variable independiente, se trata de estimar los valores, de una o más variables dependientes. Este tipo se presenta cuando dos o más variables independientes influyen sobre una variable dependiente. Ejemplo: Y = f(x, w, z). La regresión en forma grafica, trata de lograr que una dispersión de las frecuencias sea ajustada a una línea recta o curva. CLASES DE REGRESIÓN ser a su vez: La regresión puede ser Lineal y Curvilínea o no lineal, ambos tipos de regresión pueden Esta regresión se utiliza con mayor frecuencia en las ciencias económicas, y sus disciplinas tecnológicas. Cualquier función no lineal, es linealizada para su estudio y efectos prácticos en las ciencias económicas, modelos no lineales y lineales multiecuacionales. Se utiliza la regresión lineal simple para: 1.- Determinar la relación de dependencia que tiene una variable respecto a otra. 2.- Ajustar la distribución de frecuencias de una línea, es decir, determinar la forma de la línea de regresión. 3.- Predecir un dato desconocido de una variable partiendo de los datos conocidos de otra variable. Análisis de Regresión Múltiple Dispone de una ecuación con dos variables independientes adicionales: Se puede ampliar para cualquier número "m" de variables independientes: Para poder resolver y obtener y en una ecuación de regresión múltiple el cálculo se presenta muy tediosa porque se tiene atender 3 ecuaciones que se generan por el método de mínimo de cuadrados: Análisis de regresión.- Es la técnica empleada para desarrollar la ecuación y dar las estimaciones.
6 Análisis de regresión y Correlación Múltiple.- Consiste en estimar una variable dependiente, utilizando dos o más variables independientes Ecuación de Regresión.- es una ecuación que define la relación entre dos variables. Ecuación de regresión Lineal: Y = a + Bx Ecuación de regresión Lineal Múltiple: Y = a + b1x1 + b2x2 + b3x3... Coeficiente de Regresión- Describe la intensidad de la relación entre dos conjuntos de variables de nivel de intervalo. Es la medida de la intensidad de la relación lineal entre dos variables. El valor del coeficiente de correlación puede tomar valores desde menos uno hasta uno, indicando que mientras más cercano a uno sea el valor del coeficiente de correlación, en cualquier dirección, más fuerte será la asociación entre las variables. Mientras más cercano a cero sea el coeficiente de correlación indicará que más débil es la asociación entre las variables. Si es igual a cero se concluirá que no existe relación lineal alguna entre ambas variables. En otras palabras dicho coeficiente Indica el número de unidades en que se modifica la variable dependiente "Y" por efecto del cambio de la variable independiente "X" o viceversa en una unidad de medida. Clases de coeficiente de Regresión: El coeficiente de regresión puede ser: Positivo, Negativo y Nulo. Es positivo cuando las variaciones de la variable independiente X son directamente proporcionales a las variaciones de la variable dependiente "Y" Es negativo, cuando las variaciones de la variable independiente "X" son inversamente proporcionales a las variaciones de las variables dependientes "Y" Es nulo o cero, cuando entre las variables dependientes "Y" e independientes "X" no existen relación alguna.
7 DESARROLLO DEL CASO Considerando la importancia que tiene el estudio y seguimiento de los promedios estudiantiles para el logro del cumplimiento de metas y desarrollo de las competencias académicas en el año escolar, la U.E. Colegio Los pirineos Don Bosco desea saber la relación que existe entre el promedio de calificaciones de un estudiante del 5to año de Educación Básica en un lapso académico, con dos grupos de variables, a saber, un grupo de aspectos personales al estudiante como son (Edad, Peso y Estatura) y el segundo grupo con variables inherentes al ajuste académico al final de cada lapso académico, (Conducta, Méritos e inasistencias). La Data, se tomó en función del total de estudiantes del 5to año de Bachillerato, el cual comprende un número de 131, con: Zc 2 = 95% (Confianza), P = 5% (Proporción Esperada), Q = (1-P = = 0.95), d = 3% (Previsión), Se aplico la siguiente ecuación: N * Zc 2 * p * q n = = estudiantes y promedios. d 2 * (N-1) + Zc 2 *p * q Luego del total de 131 estudiantes se seleccionaron al azar y se tomaron los 80 registros de su promedio de calificaciones, y de las demás variables tanto del grupo personal como del grupo de ajuste, ya que son valores que se encuentran registrados en las planillas de trabajo de la Coordinación del mismo grado.
8 CASO NUMERO 1: RELACION DEL PROMEDIO CON EDAD PESO Y ESTATURA DEL ESTUDIANTE TABLA DE DATOS ANALISIS 1 PROMEDIO Vs EDAD, PESO Y ESTATURA ASPECTOS PERSONALES DEL ESTUDIANTE NUMERO Y = PROMEDIO X1 =EDAD X2 = PESO X3 = ESTATURA , , ,7 3 14, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,61
9 29 12, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,71
10 71 13, , , , , , , , , , , , , , , , , , , ,6 Fuente: Documentos pertenecientes a la Coordinación de 5to año del Plantel ANALISIS DEL MODELO DE REGRESION MULTIPLE 1. (PROMEDIO Vs EDAD, PESO Y ESTATURA) CUADRO RESUMEN: Estadísticas de la regresión Coeficiente de correlación múltiple 0, Coeficiente de determinación R^2 0, R^2 ajustado -0,021 Error típico 3, Observaciones 80 La tabla anterior muestra un resumen, de los indicadores presentes del promedio de 80 estudiantes seleccionados al azar de una población de 131, el coeficiente de correlación múltiple permite observar un relación entre las variables X1 ( Edad ), X2 ( Peso ), X3 ( Estatura ) asociadas a la variable dependiente Y ( Promedio ), las que se encuentran asociadas en forma directa de una manera muy débil con la variable dependiente, en un porcentaje del 13.33%, en un rango < 0.40, observándose que se encuentra muy alejado de los valores de relación directa (-1, 1), y a su vez se encuentran muy cercanos a cero. Según el Coeficiente de Determinación, se señala que un 1,77% de los promedios pueden ser explicadas por la relación de la edad, el peso y la estatura.
11 Del mismo modo, este resultado es de esperarse tal cual se evidencia que el R^2 ajustado es inferior al R^2 normal. Tomando en cuenta el error típico, se observa que la desviación de los residuos existente entre los valores de Y = promedio y los que se determinan por la recta de regresión es de puntos. Utilizando las formulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresión o utilizando Regresión de Análisis de datos, en la Hoja de Cálculo de Excel podemos calcular también los coeficientes de regresión ANALISIS DE VARIANZA: Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 3 12, , , , Residuos , , Total , Prueba Global: Verificación de la validez del modelo de Regresión Múltiple. Formulación de Hipótesis: Hp: B1 = B2 = 0 En el cuadro del análisis de la varianza se puede determinar que el valor del F critico para 3 grados de libertad es de y el F calculado es de , por lo que es menor que el F critico, y de esta manera se acepta la hipótesis lo que significa que ninguno de los factores (X1, X2, X3) son relevantes para explicar los cambios en Y. Inferior 95% Superior 95% Inferior 95,0% Superior 95,0% Coeficientes Error típico Estadístico t Probabilidad - Intercepción 19, , , , , , , , EDAD X1 0, , , , , , , , PESO X2 0, , , , , , , , ESTATURA X3-7, , , , , , , ,
12 Para el análisis realizado anteriormente del resumen, Se observa un nivel muy bajo de confiabilidad de los resultados, por lo tanto, se determina que no se requiere construir una ecuación de regresión, debido a que el modelo no representa al fenómeno estudiado. INTERVALOS DE CONFIANZA: Los intervalos de confianza son los siguientes: < < < < < < < < ANALISIS DE RESIDUALES Observación Pronóstico PROMEDIO Residuos Residuos estándares 1 14, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
13 30 14, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,4411 3, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,4083 4, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
14 GRAFICOS DE LOS RESIDUALES: Con respecto al analisis de los residuales a través de las gráficas se observa que siguen un comportamiento ajustado a los valores que conforman la data, en el sentido que la estatura se concentra en un intervalo de 1.50 a 1.80m aproximadamente, el peso entre los 45 y 82 kilogramos y la edad se encuentra bien estratificada en los 4 valores principales 15, 16, 17 y 18 años, dando mayor densidad poblacional a la edad de 16 años Destaca que los 3 gráficos marcan una anchura de banda de residuos constante entre 5 y -5, en el eje de las ordenadas de las respectivas curvas
15 CURVA DE REGRESION AJUSTADA Para las 3 curvas de regresión ajustada se observa que no se registra la marca de una linea que comprenda a todos los puntos a lo largo de los estudios,en cada uno de los intervalos de las 3 variables independientes con respecto a la variable Y, por el contrario, los puntos quedan fuera de la curva, por lo que las variables independientes ( eje horizontal ) no se relacionan linealmente con la variable dependiente Y ( promedio)
16 GRAFICO DE PROBABILIDAD NORMAL El gráfico de probabilidad normal evidencia que los errores tienen una distribución aproximadamente Normal. ANALISIS DEL MODELO DE REGRESION MULTIPLE 2. (PROMEDIO Vs EDAD Y PESO) CUADRO RESUMEN: Estadísticas de la regresión Coeficiente de correlación múltiple 0, Coeficiente de determinación R^2 0, R^2 ajustado 0, Error típico 3, Observaciones 80 La tabla anterior muestra un resumen, de los indicadores presentes del promedio de 80 estudiantes seleccionados al azar de una población de 131, el coeficiente de correlación múltiple permite observar un relación entre las variables X1 ( Edad ), X2 ( Peso ), asociadas a la variable dependiente Y ( Promedio ), las que se encuentran asociadas en forma directa de una manera muy débil con la variable dependiente, en un porcentaje del 6.37%, en un rango < 0.40, observándose que se encuentra muy alejado de los valores de relación directa (-1, 1), y a su vez muy cercanos a cero.
17 Según el Coeficiente de determinación, se señala que un 0.4% de los promedios pueden ser explicadas por la relación de la edad y el peso. Según este resultado es de esperarse tal cual se evidencia que el R^2 ajustado es inferior al R^2 normal. Tomando en cuenta el error típico, se observa que la desviación de los residuos existente entre los valores de Y = promedio y los que se determinan por la recta de regresión es de puntos. Utilizando las formulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresión o utilizando Regresión de Análisis de datos, en la Hoja de Cálculo de Excel podemos calcular también los coeficientes de regresión ANALISIS DE VARIANZA: Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 2 2, , , , Residuos , , Total , Prueba Global: Verificación de la validez del modelo de Regresión Múltiple. Formulación de Hipótesis: Hp: B1 = B2 = 0 En el cuadro del análisis de la varianza se puede determinar que el valor del F critico para 2 grados de libertad es de y el F calculado es de , por lo que es menor que el F critico, y de esta manera se acepta la hipótesis lo que significa que ninguno de los factores (X1, X2,) son relevantes para explicar los cambios en Y. Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Intercepción 10, , , , , , EDAD 0, , , , , , PESO 0, , , , , , Inferior 95,0% Superior 95,0% - 3, , , , , ,
18 Según el análisis realizado anteriormente del resumen, con el nivel tan bajo de confiabilidad de los resultados, se determina que no se requiere construir una ecuación de regresión. INTERVALOS DE CONFIANZA: Los intervalos de confianza son los siguientes: < < < < < < ANALISIS DE RESIDUALES Observación Pronóstico PROMEDIO Residuos Residuos estándares 1 14, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
19 32 14, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,631647
20 GRAFICOS DE LOS RESIDUALES: Con respecto al analisis de los residuales a través de las gráficas se observa que siguen un comportamiento ajustado a los valores que conforman la data, en el sentido que: El peso entre los 45 y 82 kilogramos y La edad se encuentra bien estratificada en los 4 valores principales 15, 16, 17 y 18 años, dando mayor densidad poblacional a la edad de 16 años Se destaca que los 2 gráficos marcan una anchura de banda de residuos constante entre 5 y -5, en el eje de las ordenadas de las respectivas curvas
21 CURVA DE REGRESION AJUSTADA Para las 2 curvas de regresión ajustada se observa que no se registra la marca de una linea que comprenda a todos los puntos a lo largo de los estudios,en cada uno de los intervalos de las 2 variables independientes con respecto a la variable Y, por el contrario, los puntos quedan fuera de la curva, por lo que las variables independientes ( eje horizontal ) no se relacionan linealmente con la variable dependiente Y ( promedio) GRAFICO DE PROBABILIDAD NORMAL El gráfico de probabilidad normal evidencia que los errores tienen una distribución aproximadamente Normal.
22 CUADRO RESUMEN: ANALISIS DEL MODELO DE REGRESION MULTIPLE 3. (PROMEDIO Vs PESO Y ESTATURA) Estadísticas de la regresión Coeficiente de correlación múltiple 0, Coeficiente de determinación R^2 0, R^2 ajustado 0, Error típico 3, Observaciones 80 La tabla anterior muestra un resumen, de los indicadores presentes del promedio de 80 estudiantes seleccionados al azar de una población de 131, el coeficiente de correlación múltiple permite observar un relación entre las variables, X2 ( Peso ), X3 ( Estatura ) asociadas a la variable dependiente Y ( Promedio ), las que se encuentran asociadas en forma directa de una manera muy débil con la variable dependiente, en un porcentaje del 10.73%, en un rango < 0.40, observándose que se encuentra muy alejado de los valores de relación directa (-1, 1), y a su vez muy cercanos a cero. Según el Coeficiente de determinación, se señala que un 1,15% de los promedios pueden ser explicadas por la relación de la edad, el peso y la estatura. Según este resultado es de esperarse tal cual se evidencia que el R^2 ajustado es inferior al R^2 normal. Tomando en cuenta el error típico, se observa que la desviación de los residuos existente entre los valores de Y = promedio y los que se determinan por la recta de regresión es de puntos. Utilizando las formulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresión o utilizando Regresión de Análisis de datos, en la Hoja de Cálculo de Excel podemos calcular también los coeficientes de regresión
23 ANALISIS DE VARIANZA: Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 2 8, , , , Residuos , , Total , Prueba Global: Verificación de la validez del modelo de Regresión Múltiple. Formulación de Hipótesis: Hp: B1 = B2 = 0 En el cuadro del análisis de la varianza se puede determinar que el valor del F critico para 2 grados de libertad es de y el F calculado es de , por lo que es menor que el F critico, y de esta manera se acepta la hipótesis lo que significa que ninguno de los factores (, X2, X3) son relevantes para explicar los cambios en Y. Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0% Intercepción 23, , , , , , , , PESO 0, , , , , , , , ESTATURA -6, , , , , , , , Según el análisis realizado anteriormente del resumen, con el nivel tan bajo de confiabilidad de los resultados, se determina que no se requiere construir una ecuación de regresión. INTERVALOS DE CONFIANZA: Los intervalos de confianza son los siguientes: < < < < < <
24 ANALISIS DE RESIDUALES Observación Pronóstico PROMEDIO Residuos Residuos estándares 1 14, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,2968 2, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
25 GRAFICOS DE LOS RESIDUALES: 48 14, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
26 Con respecto al analisis de los residuales a través de las gráficas se observa que siguen un comportamiento ajustado a los valores que conforman la data, en el sentido que la estatura se concentra en un intervalo de 1.50 a 1.80m aproximadamente, y el peso entre los 45 y 82 kilogramos Destaca que los 2 gráficos marcan una anchura de banda de residuos constante entre 5 y -5, en el eje de las ordenadas de las respectivas curvas CURVA DE REGRESION AJUSTADA
27 Para las 2 curvas de regresión ajustada se observa que no se registra la marca de una linea que comprenda a todos los puntos a lo largo de los estudios,en cada uno de los intervalos de las 2 variables independientes con respecto a la variable Y, por el contrario, los puntos quedan fuera de la curva, por lo que las variables independientes ( eje horizontal ) no se relacionan linealmente con la variable dependiente Y ( promedio) GRAFICO DE PROBABILIDAD NORMAL El gráfico de probabilidad normal evidencia que los errores tienen una distribución aproximadamente Normal.
28 CASO NUMERO 2: RELACION PROMEDIO CON CONDUCTA, MERITOS E INASISTENCIAS DEL ESTUDIANTE TABLA DE DATOS ANALISIS 1 PROMEDIO VS CONDUCTA, MERITOS E INASISTENCIAS ASPECTOS DE AJUSTE ACADEMICO NUMERO PROMEDIO CONDUCTA MERITOS INASIST , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
29 35 17, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
30 ANALISIS DEL MODELO DE REGRESION MULTIPLE 1. (PROMEDIO Vs CONDUCTA MERITOS E INASISTENCIAS) CUADRO RESUMEN: Estadísticas de la regresión Coeficiente de correlación múltiple 0, Coeficiente de determinación R^2 0, R^2 ajustado 0, Error típico 2, Observaciones 80 La tabla anterior muestra un resumen, de los indicadores presentes del promedio de 80 estudiantes seleccionados al azar de una población de 131, el coeficiente de correlación múltiple permite observar un relación entre las variables X1 ( Conducta ), X2 ( Méritos ), X3 ( Inasistencia) asociadas a la variable dependiente Y ( Promedio ), las que se encuentran asociadas en forma directa de una manera media con la variable dependiente, en un porcentaje del 61.72%, en un rango 0,40 < < 0.70, observándose que se encuentra alejado de los valores de relación directa (-1, 1). Según el Coeficiente de determinación, se señala que un 38,10% de los promedios pueden ser explicados por la relación de la conducta, los méritos y las inasistencias Según este resultado es de esperarse tal cual se evidencia que el R^2 ajustado es inferior al R^2 normal. Tomando en cuenta el error típico, se observa que la desviación de los residuos existente entre los valores de Y = promedio y los que se determinan por la recta de regresión es de puntos. Utilizando las formulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresión o utilizando Regresión de Análisis de datos, en la Hoja de Cálculo de Excel podemos calcular también los coeficientes de regresión
31 ANALISIS DE VARIANZA: Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 3 271, , , ,3634E-08 Residuos , , Total , Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0% Intercepción 6, , , , , , , , CONDUCTA 0, , , , , , , , MERITOS 0, , , , , , , , INASIST. -0, , , , , , , , Prueba Global: Verificación de la validez del modelo de Regresión Múltiple. Formulación de Hipótesis: Hp: B1 = B2 = 0 En el cuadro del análisis de la varianza se puede determinar que el valor del F critico para 3 grados de libertad es de 5.364E-08 y el F calculado es de , por lo que es mayor que el F critico, y de esta manera se rechaza la hipótesis Hp, y se acepta la hipótesis alternativa, lo que significa que los factores (X1,X2, X3) son de alguna manera relevantes para explicar los cambios en Y, dentro de la caracterización de un nivel medio, para estas variables ya que se requiere de otras variables u otros estudios para verificar esa confiabilidad. Según el análisis realizado anteriormente del resumen, se muestra un nivel bajo de confiabilidad de los resultados, se determina que la ecuación de regresión, no representa un comportamiento 100 por ciento confiable, solo. NOTA: De ser necesaria la representación de la ecuación de regresión aunque no es completamente confiable, quedaría de la siguiente manera: Por lo tanto podemos construir la ecuación de regresión que buscamos: Y = X X X3
32 INTERVALOS DE CONFIANZA: Los intervalos de confianza son los siguientes: < < < < < < < < ANALISIS DE RESIDUALES Observación Pronóstico PROMEDIO Residuos Residuos estándares 1 15, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
33 35 16, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
34 GRAFICOS DE LOS RESIDUALES: Con respecto al analisis de los residuales a través de las gráficas se observa que siguen un comportamiento ajustado a los valores que conforman la data, en el sentido que la conducta se concentra en un intervalo de 08 a 20 puntos aproximadamente, los meritos entre los 20 y 100 y la inasistencia se encuentra en un intervalo definido de 0 a 18 dias aprox,, destaca que los 3 gráficos marcan una anchura de banda de residuos constante entre 5 y -5, en el eje de las ordenadas de las respectivas curvas
35 CURVA DE REGRESION AJUSTADA Para las 3 curvas de regresión ajustada se observa que no se registra la marca de una linea que comprenda a todos los puntos a lo largo de los estudios,en cada uno de los intervalos de las 3 variables independientes con respecto a la variable Y, por el contrario, los puntos quedan fuera de la curva, por lo que las variables independientes ( eje horizontal ) no se relacionan linealmente con la variable dependiente Y ( promedio)
36 GRAFICO DE PROBABILIDAD NORMAL El gráfico de probabilidad normal evidencia que los errores tienen una distribución aproximadamente Normal. ANALISIS DEL MODELO DE REGRESION MULTIPLE 2. (PROMEDIO Vs CONDUCTA Y MERITOS) CUADRO RESUMEN: Estadísticas de la regresión Coeficiente de correlación múltiple 0, Coeficiente de determinación R^2 0, R^2 ajustado 0, Error típico 2, Observaciones 80 La tabla anterior muestra un resumen, de los indicadores presentes del promedio de 80 estudiantes seleccionados al azar de una población de 131, el coeficiente de correlación múltiple permite observar un relación entre las variables X1 ( Conducta ), X2 ( Méritos ), asociadas a la variable dependiente Y ( Promedio ), las que se encuentran asociadas en forma directa de una manera media con la variable dependiente, en un porcentaje del 57.98%, en un rango 0.14 < < 0.70, observándose que se encuentra muy alejado de los valores de relación directa (-1, 1), y a su vez muy cercanos a cero. Según el Coeficiente de determinación, se señala que un 33.62% de los promedios pueden ser explicadas por la relación de la conducta y los méritos.
37 Según este resultado es de esperarse tal cual se evidencia que el R^2 ajustado es inferior al R^2 normal. Tomando en cuenta el error típico, se observa que la desviación de los residuos existente entre los valores de Y = promedio y los que se determinan por la recta de regresión es de puntos. Utilizando las formulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresión o utilizando Regresión de Análisis de datos, en la Hoja de Cálculo de Excel podemos calcular también los coeficientes de regresión ANALISIS DE VARIANZA: Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 2 239, , , ,4041E-07 Residuos , , Total , Prueba Global: Verificación de la validez del modelo de Regresión Múltiple. Formulación de Hipótesis: Hp: B1 = B2 = 0 En el cuadro del análisis de la varianza se puede determinar que el valor del F critico para 2 grados de libertad es de E-07 y el F calculado es de 19.50, por lo que es mayor que el F critico, y de esta manera se rechaza la hipótesis Hp, y se acepta la hipótesis alternativa, lo que significa que los factores (X1,X2,) son relevantes para explicar los cambios en Y, dentro de la caracterización de un nivel medio, para estas variables ya que se requiere de otras variables u otros estudios para verificar esa confiabilidad. Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0% Intercepción 4, , , , , , , , CONDUCTA 0, , , ,86081E-05 0, , , , MERITOS 0, , , , , , , , Según el análisis realizado anteriormente del resumen, con el nivel tan bajo de confiabilidad de los resultados, se determina que no se requiere construir una ecuación de regresión.
38 NOTA: De ser necesaria la representación de la ecuación de regresión aunque no es confiable, quedaría de la siguiente manera: Por lo tanto podemos construir la ecuación de regresión que buscamos: INTERVALOS DE CONFIANZA: Los intervalos de confianza son los siguientes: Y = X X < < < < < < ANALISIS DE RESIDUALES Observación Pronóstico PROMEDIO Residuos Residuos estándares 1 16, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
39 32 15, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
40 GRAFICOS DE LOS RESIDUALES: Con respecto al analisis de los residuales a través de las gráficas se observa que siguen un comportamiento ajustado a los valores que conforman la data, en el sentido que la conducta se concentra en un intervalo de 08 a 20 puntos aproximadamente, los meritos entre los 20 y 100, destaca que los 2 gráficos marcan una anchura de banda de residuos constante entre 5 y -5, en el eje de las ordenadas de las respectivas curvas CURVA DE REGRESION AJUSTADA
41 Para las 2 curvas de regresión ajustada se observa que no se registra la marca de una linea que comprenda a todos los puntos a lo largo de los estudios,en cada uno de los intervalos de las 2 variables independientes con respecto a la variable Y, por el contrario, los puntos quedan fuera de la curva, por lo que las variables independientes ( eje horizontal ) no se relacionan linealmente con la variable dependiente Y ( promedio) GRAFICO DE PROBABILIDAD NORMAL El gráfico de probabilidad normal evidencia que los errores tienen una distribución aproximadamente Normal.
42 ANALISIS DEL MODELO DE REGRESION MULTIPLE 2. (PROMEDIO Vs MERITOS E INASISTENCIAS) CUADRO RESUMEN: Estadísticas de la regresión Coeficiente de correlación múltiple 0, Coeficiente de determinación R^2 0, R^2 ajustado 0, Error típico 2, Observaciones 80 La tabla anterior muestra un resumen, de los indicadores presentes del promedio de 80 estudiantes seleccionados al azar de una población de 131, el coeficiente de correlación múltiple permite observar un relación entre las variables, X2 ( Méritos ), X3 ( Inasistencias ) asociadas a la variable dependiente Y ( Promedio ), las que se encuentran asociadas en forma directa de una manera media con la variable dependiente, en un porcentaje del 51.36%, en un rango 0.4 < < 0.70, observándose que se encuentra muy alejado de los valores de relación directa (-1, 1),. Según el Coeficiente de determinación, se señala que un 26.38% de los promedios pueden ser explicadas por la relación de la edad, el peso y la estatura. Según este resultado es de esperarse tal cual se evidencia que el R^2 ajustado es inferior al R^2 normal. Tomando en cuenta el error típico, se observa que la desviación de los residuos existente entre los valores de Y = promedio y los que se determinan por la recta de regresión es de puntos. Utilizando las formulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresión o utilizando Regresión de Análisis de datos, en la Hoja de Cálculo de Excel podemos calcular también los coeficientes de regresión
43 ANALISIS DE VARIANZA: Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión 2 188, , , ,5574E-06 Residuos , , Total , Prueba Global: Verificación de la validez del modelo de Regresión Múltiple. Formulación de Hipótesis: Hp: B1 = B2 = 0 En el cuadro del análisis de la varianza se puede determinar que el valor del F critico para 2 grados de libertad es de E-06 y el F calculado es de 13.79, por lo que es mayor que el F critico, y de esta manera se rechaza la hipótesis Hp, y se acepta la hipótesis alternativa, lo que significa que los factores (X2, X3) son relevantes para explicar los cambios en Y, dentro de la caracterización de un nivel medio, para estas variables ya que se requiere de otras variables u otros estudios para verificar esa confiabilidad. Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0% Intercepción 11, , , ,21496E-09 7, , , , MERITOS 0, , , , , , , , INASIST. -0, , , , , , , , Según el análisis realizado anteriormente del resumen, con el nivel tan bajo de confiabilidad de los resultados, se determina que no se requiere construir una ecuación de regresión. NOTA: De ser necesaria la representación de la ecuación de regresión aunque no es confiable, quedaría de la siguiente manera: Por lo tanto podemos construir la ecuación de regresión que buscamos: Y = X X3 INTERVALOS DE CONFIANZA: Los intervalos de confianza son los siguientes: < < < < < <
Y = ßo + ß1X + ε. La función de regresión lineal simple es expresado como:
1 Regresión Lineal Simple Cuando la relación funcional entre las variables dependiente (Y) e independiente (X) es una línea recta, se tiene una regresión lineal simple, dada por la ecuación donde: Y =
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallesDistribuciones bidimensionales. Regresión.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 5: Distribuciones bidimensionales. Regresión. Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA I CÓDIGO ASIGNATURA: 1215-311 PRE-REQUISITO: 1215209 SEMESTRE: 3 UNIDADES DE CRÉDITO:
Más detallesSESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesREGRESIÓN 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 detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN.
1.- Unidad Académica: Facultad de Ingeniería UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN 2.- Programa (s) de estudio:
Más detallesPROGRAMA ASIGNATURA. Horas Cronológicas Semanales Presénciales Adicionales Total. Nº de Semanas
PROGRAMA ASIGNATURA Facultad: Carrera: INGENIERIA INGENIERIA EN CONSTRUCCION 1.- IDENTIFICACIÓN DE LA ASIGNATURA: a. Nombre: ESTADISTICA b. Código: ICN 122 c. Nivel (semestre en que se ubica): SEGUNDO
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detalles1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Probabilidad y Estadística. Carrera: Ingeniería en Materiales. Clave de la asignatura: MAM 0524
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería en Materiales MAM 0524 3 2 8 2.- HISTORIA
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesNombre de la asignatura: Probabilidad y Estadística Ambiental
Nombre de la asignatura: Probabilidad y Estadística Ambiental Créditos: 2 2-4 Aportación al perfil Proporcionar los fundamentos necesarios para el manejo estadístico de datos experimentales que le permitan
Más detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesProblemas resueltos. Tema 12. 2º La hipótesis alternativa será que la distribución no es uniforme.
Tema 12. Contrastes No Paramétricos. 1 Problemas resueltos. Tema 12 1.- En una partida de Rol se lanza 200 veces un dado de cuatro caras obteniéndose 60 veces el número 1, 45 veces el número 2, 38 veces
Más detalles3. Resolver triángulos rectángulos utilizando las definiciones de las razones trigonométricas.
Contenidos mínimos MI. 1. Contenidos. Bloque I: Aritmética y Álgebra. 1. Conocer las clases de números, los conjuntos numéricos: naturales, enteros, racionales, reales y complejos y las propiedades que
Más detallesProblemas resueltos. Temas 10 y 11 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.
Temas 10 y 11. Contrastes paramétricos de hipótesis. 1 Problemas resueltos. Temas 10 y 11 1- las puntuaciones en un test que mide la variable creatividad siguen, en la población general de adolescentes,
Más detallesDOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL
DOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL 3.1 INTRODUCCIÓN Como ya sabes, una distribución de probabilidad es un modelo matemático que nos ayuda a explicar los
Más detallesEstadística II Examen Final - Enero 2012. Responda a los siguientes ejercicios en los cuadernillos de la Universidad.
Estadística II Examen Final - Enero 2012 Responda a los siguientes ejercicios en los cuadernillos de la Universidad. No olvide poner su nombre y el número del grupo de clase en cada hoja. Indique claramente
Más detallesC a r t a D e s c r i p t i v a
I. Identificadores del Programa: C a r t a D e s c r i p t i v a Programa: Maestría en Matemática Educativa. Depto.: Física y Matemáticas Materia: Métodos Estadísticos Clave: MME10090 No. Créditos: 6 Tipo:
Más detalles5 Relaciones entre variables.
ANÁLISIS EPLORATORIO DE DATOS 39 ANÁLISIS EPLORATORIO DE DATOS 40 Relaciones entre variables..1 Ejercicios. Ejercicio.1 En una muestra de 0 individuos se recogen datos sobre dos medidas antropométricas
Más detallesCarrera: SCC - 0424 4-2-10. Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y estadística Ingeniería en Sistemas Computacionales SCC - 0424 4-2-10
Más detallesIntroducción a la estadística básica, el diseño de experimentos y la regresión
Introducción a la estadística básica, el diseño de experimentos y la regresión Objetivos José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 Objetivo general Organizar el estudio
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2010/11
Estadística II Tema 4. Regresión lineal simple Curso 010/11 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesCUADERNO DE EJERCICIOS
MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Psicopedagogía Curso 2009/2010 CUADERNO DE EJERCICIOS Ejercicio nº 1 Aplicada una prueba de medición de la inteligencia a un grupo de 50 alumnos, las puntuaciones
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 detallesEl conjunto de los complejos. Escritura cartesiana y binómica. Representación gráfica.
Tramo A Números complejos Disciplina, esfuerzo y perseverancia en la búsqueda de resultados. Valoración del lenguaje preciso, claro y conciso de la Matemática como organizador del pensamiento. Valoración
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detallesContenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra.
Contenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Clasificar distintos tipos de números: naturales, enteros, racionales y reales. 2. Operar con números reales y aplicar las propiedades
Más detallesPREGUNTAS DE EJEMPLO MATEMÁTICA SEGUNDO CICLO MEDIO
PREGUNTAS DE EJEMPLO MATEMÁTICA SEGUNDO CICLO MEDIO MODALIDAD FLEXIBLE DECRETO Nº211 1. En las siguientes fotografías, la imagen pequeña es una reducción a escala de la imagen mayor: Cuál es la razón de
Más detallesIngeniería en Innovación Agrícola Sustentable
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Estadística Ingeniería en Innovación Agrícola Sustentable ASF-1010 (Créditos) SATCA: 3-2-5 2.- PRESENTACIÓN Caracterización
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
Más detallesTema 3. 3. Correlación. Correlación. Introducción
3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test
Más detallesREPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD BICENTENARIA DE ARAGUA VICERRECTORADO ACADÉMICO ARAGUA VENEZUELA
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD BICENTENARIA DE ARAGUA VICERRECTORADO ACADÉMICO ARAGUA VENEZUELA FACULTAD: ESCUELA: ASIGNATURA: CODIGO: CIENCIAS ADMINISTRATIVAS Y SOCIALES ADMINISTRACION
Más detalles1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: (Créditos) SATCA 1
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: (Créditos) SATCA 1 Estadística ll Ingeniería en Desarrollo Comunitario DCF-1008 2-3 - 5 2.- PRESENTACIÓN Caracterización
Más detallesDISTRIBUCIONES DE PROBABILIDAD (RESUMEN)
DISTRIBUCIONES DE PROBABILIDAD (RESUMEN) VARIABLE ALEATORIA: un experimento produce observaciones numéricas que varían de muestra a muestra. Una VARIABLE ALEATORIA se define como una función con valores
Más detallesContenidos Programáticos. PROGRAMA: VARIAS (Ingeniería, Administración, edufísica, M. veterinaria )
Página 1 de 4 FACULTAD: CIENCIAS BÁSICAS PROGRAMA: VARIAS (Ingeniería, Administración, edufísica, M. veterinaria ) DEPARTAMENTO DE: MATEMÁTICA CURSO : ESTADISTICA I CÓDIGO: 157011 ÁREA: MATEMÁTICA REQUISITOS:
Más detallesUNIVERSIDAD DEL CARIBE UNICARIBE. Escuela de Educación. Programa de Asignatura
UNIVERSIDAD DEL CARIBE UNICARIBE Escuela de Educación Programa de Asignatura Nombre de la asignatura : Estadística I Carga académica : 4 créditos Modalidad : Semipresencial Clave : MAT-241 Pre-requisito
Más detallesPROFESORADO DE EDUCACIÓN SECUNDARIA EN MATEMÁTICA
PROFESORADO DE EDUCACIÓN SECUNDARIA EN MATEMÁTICA Ciclo Lectivo: 2014 Curso: Segundo Año Espacio Curricular: PROBABILIDAD Y ESTADÍSTICA I Régimen de cursado: Anual Formato: Asignatura Carga horaria: 4
Más detallesEL TAMAÑO DE UNA MUESTRA EN UN ESTUDIO DE PREVALENCIA. Carlos Escalante Angulo Docente, Investigador, Facultad de Optometria
EL TAMAÑO DE UNA MUESTRA EN UN ESTUDIO DE PREVALENCIA Carlos Escalante Angulo Docente, Investigador, Facultad de Optometria RESUMÉN La investigación epidemiológica moderna se realiza por medio de muestras
Más detalles6. ESTIMACIÓN DE PARÁMETROS
PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza
Más detalles1. IDENTIFICACIÓN DE LA ASIGNATURA
UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE ADMINISTRACION Y ECONOMIA DEPARTAMENTO DE CONTABILIDAD Y AUDITORIA PROGRAMA DE ESTUDIO ESTADÍSTICA APLICADA II 1. IDENTIFICACIÓN DE LA ASIGNATURA 2. OBJETIVOS
Más detallesCAPÍTULO III Metodología de la Investigación CAPÍTULO III METODOLOGÍA DE LA INVESTIGACIÓN
CAPÍTULO III METODOLOGÍA DE LA INVESTIGACIÓN 33 : METODOLOGÍA DE LA INVESTIGACIÓN. CAPÍTULO III 3.1 TIPO DE INVESTIGACIÓN La investigación que se realizó es de tipo Descriptiva y Correlacional. Descriptiva
Más detallesLa Estadística Médica. Descripción General de la Bioestadística. Esquema de la presentación. La Bioestadística. Ejemplos de fuentes de Incertidumbre
Esquema de la presentación A. DESCRIPCIÓN GENERAL La Estadística Médica B. ORGANIZACIÓN DE LA ASIGNATURA 1. PROGRAMA 2. METODOLOGÍA DOCENTE 3. BIBLIOGRAFÍA 4. EVALUACIÓN 2 La Bioestadística Descripción
Más detallesMULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL
MULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL Noviembre, 2011 Multicolinealidad El termino multicolinealidad se le atribuye originalmente a Frisch
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias Algunas secciones han sido modificadas de: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua TEORIA DEL MUESTREO
Más detallesINFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016
INFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016 Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II 1. COMENTARIOS Y/O ACOTACIONES RESPECTO AL TEMARIO EN RELACIÓN
Más detalles4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido:
INTRODUCCIÓN A LA ESTADÍSTICA. Relación 4: REGRESIÓN Y CORRELACIÓN 1.- En una población se ha procedido a realizar observaciones sobre un par de variables X e Y. Xi 4 5 4 5 6 5 6 6 Yi 1 1 3 3 3 4 4 ni
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 9 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización Los métodos estadísticos y las técnicas de
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS EMPRESARIALES
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS EMPRESARIALES CARRERA: LICENCIATURA EN TURISMO ASIGNATURA: ESTADÍSTICA SOCIAL CURSO: 3er. AÑO AÑO: 2015 CARGA HORARIA SEMANAL: CUATRO
Más detallesEl uso de la Técnica de Regresión Lineal Múltiple para la evaluación de la dotación de personal en el I.N.S.S.
El uso de la Técnica de Regresión Lineal Múltiple para la evaluación de la dotación de personal en el I.N.S.S. Establecimiento de un sistema de evaluación de la dotación de personal para las oficinas del
Más detallesBenavides Muñoz Holger. Área de Ingeniería Hidráulica y Saneamiento. Unidad de Ingeniería Civil, Geología y Minas.
Aplicación de métodos numéricos en el análisis financiero. Determinación de la TR por el método de Newton Raphson Benavides Muñoz Holger Área de ngeniería Hidráulica y Saneamiento. Unidad de ngeniería
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.5 Semana 4.5 Optativa Prácticas 0.0 16 Semanas 72.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 19 de noviembre de 2008 PROBABILIDAD
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detalles2. FRECUENCIAS. 2.1. Distribución de Frecuencias.
2. FRECUENCIAS 2.1. Distribución de Frecuencias. El manejo de la información requiere de la ordenación de datos de tal forma que permita la obtención de una forma más fácil la obtención de conclusiones
Más detallesDirección de Desarrollo Curricular Secretaría Académica
PLAN DE ESTUDIOS DE EDUCACIÓN MEDIA SUPERIOR CAMPO DISCIPLINAR Matemáticas PROGRAMA DE ASIGNATURA (UNIDADES DE APRENDIZAJE CURRICULAR) Álgebra PERIODO I CLAVE BCMA.01.05-10 HORAS/SEMANA 5 CRÉDITOS 10 Secretaría
Más detallesCaso 314: Cálculo de velocidades iniciales en Cinética. Discriminación entre modelos, cálculo de pendientes y asíntotas (F.J.
Caso 314: Cálculo de velocidades iniciales 1 Caso 314: Cálculo de velocidades iniciales en Cinética. Discriminación entre modelos, cálculo de pendientes y asíntotas (F.J. Burguillo) CASO PRÁCTICO La siguiente
Más detallesCómo describir e interpretar los resultados de un estudio de investigación quirúrgica? Variables cuantitativas
Cómo describir e interpretar los resultados de un estudio de investigación quirúrgica? Variables cuantitativas Sesión de Residentes 13 de febrero, 2012 ÍNDICE Diferencia entre población y muestra. Diferencia
Más detallesLos fenómenos psicológicos (por ejemplo, la comunicación verbal) se puede analizar desde distintos puntos de vista:
Los fenómenos psicológicos (por ejemplo, la comunicación verbal) se puede analizar desde distintos puntos de vista: (1) Cuáles son los procesos mentales que realizamos para construir una frase? (por ejemplo,
Más detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación Francisca José Serrano Pastor Pedro A. Sánchez Rodríguez - Implica siempre a variables
Más detallesProbabilidad y Estadística
Programa de: Hoja 1 de 5 Probabilidad y Estadística UNIVERSIDAD NACIONAL DE CORDOBA Código: Carrera: Materia común Res. Nº298-HCD-04 Plan: Puntos: 3,0 Escuela: Carga horaria: 72 hs. Hs. Semanales: 4,5
Más detallesCAPÍTULO 1 INTRODUCCIÓN. Uno de los instrumentos fundamentales para la planeación del desarrollo económico y
CAPÍTULO 1 INTRODUCCIÓN 1.1 Prólogo. Uno de los instrumentos fundamentales para la planeación del desarrollo económico y social lo constituye la prospectiva demográfica. El conocimiento de la posible magnitud
Más detallesCALIDAD 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ENSEÑANZA SECUNDARIA
CALIDAD 1 DIAGRAMA DE CORRELACIÓN-DISPERSIÓN QUÉ ES EL DIAGRAMA DE CORRELACIÓN-DISPERSIÓN? Es una herramienta gráfica que permite demostrar la relación existente entre dos clases de datos y cuantificar
Más detallesSnapStat: Análisis de Una Muestra
SnapStat: Análisis de Una Muestra Resumen La SnapStat Análisis de Una Muestra crea un resumen en una hoja de una sola columna de datos numéricos. Calcula estadísticas de resumen e intervalos de confianza,
Más detallesUNIVERSIDAD MARIANO GÁLVEZ DE GUATEMALA ESCUELA DE GESTIÓN PÚBLICA
Programa de Curso de Maestría en Gestión Pública UNIVERSIDAD MARIANO GÁLVEZ DE GUATEMALA ESCUELA DE GESTIÓN PÚBLICA Maestría en Gestión Pública Código del Curso: 904 Nombre del Curso: Estadística Aplicada
Más detallesSirven los exámenes de admisión? Héctor G. Riveros, Emma Jiménez Cisneros Existen diferentes tipos de exámenes: los de evaluación de conocimientos,
Sirven los exámenes de admisión? Héctor G. Riveros, Emma Jiménez Cisneros Existen diferentes tipos de exámenes: los de evaluación de conocimientos, los de diagnóstico, los de admisión, etc., cada uno diseñado
Más detallesTema II. Las muestras y la teoría paramétrica
2.1. Muestras y muestreos: - La muestra:. Subconjunto de elementos de la población. Necesidad práctica:. Motivos económicos. Imposibilidad (práctica/teórica) de estudiar TODA la población. Inconveniencia
Más detallesGUÍAS. Módulo de Razonamiento cuantitativo SABER PRO 2014-1
GUÍAS Módulo de Razonamiento cuantitativo SABER PRO 2014-1 GUÍAS Módulo Razonamiento cuantitativo Este módulo evalúa competencias relacionadas con las habilidades matemáticas que todo ciudadano debe tener,
Más detallesEl promedio como punto típico de los datos es el valor al rededor del cual se agrupan los demás valores de la variable.
TEMA 3: ESTADÍSTICA DESCRIPTIVA 3.1 Conceptos fundamentales Es el conjunto de procedimientos y técnicas empleadas para recolectar, organizar y analizar datos, los cuales sirven de base para tomar decisiones
Más detallesNociones de Estadística Descriptiva. Medidas de tendencia central y de variabilidad
Nociones de Estadística Descriptiva. Medidas de tendencia central y de variabilidad Introducción a la estadística descriptiva La estadística descriptiva ayuda a describir las características de grupos
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS
1 1. DATOS INFORMATIVOS PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS MATERIA: ESTADISTICA CODIGO: 11715 CARRERA: INGENIERIA DE SISTEMAS NIVEL: TERCERO
Más detallesUniversidad de Sonora Departamento de Matemáticas Área Económico Administrativa
Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 016-1 Hermosillo, Sonora. Febrero 3 de 016. Introducción
Más detallesUna población es el conjunto de todos los elementos a los que se somete a un estudio estadístico.
Introducción a la Melilla Definición de La trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico
Más detallesValidación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS. Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO
Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO Objetivos de la clase Objetivos de la estadística. Concepto y parámetros
Más detallesUNIVERSIDAD COMPLUTENSE DE MADRID
INSTRUCCIONES GENERALES Y VALORACIÓN TIEMPO: Una hora y treinta minutos. INSTRUCCIONES: El examen presenta dos opciones A y B; el alumno deberá elegir una de ellas y contestar razonadamente a los cuatro
Más detallesEl método utilizado en esta investigación será el método probabilístico ya que el universo en estudio es finito.
CAPITULO III: MARCO METODOLOGICO. 3.1 TIPO DE INVESTIGACION: El tipo de estudio que se desarrollara en la investigación es, descriptiva, porque está dirigido a determinar cómo es, cómo está la situación
Más detallesEstadística Inferencial. Sesión No. 8 Pruebas de hipótesis para varianza.
Estadística Inferencial. Sesión No. 8 Pruebas de hipótesis para varianza. Contextualización. En las dos sesiones anteriores se vieron métodos de inferencia estadística para medias y proporciones poblacionales.
Más detallesTema Contenido Contenidos Mínimos
1 Números racionales - Fracciones equivalentes. - Simplificación de fracciones. - Representación y comparación de los números fraccionarios. - Operaciones con números fraccionarios. - Ordenación de los
Más detallesCÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE
CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 011 Índice 1. Antecedentes Generales 1. Comparación de puntajes promedios.1. Errores
Más detallesTEST DE RAZONAMIENTO empresa
TEST DE RAZONAMIENTO empresa CONTENIDO Introducción Qué se mide? Especificidad y fundamento teórico del Test de Razonamiento Qué información obtiene el examinado/administrador del test? Propiedades psicométricas
Más detallesErrores frecuentes en la interpretación del coeficiente de determinación lineal
Anuario Jurídico y Económico Escurialense, X X X V I I I (2005) 315-332 / I S S N: 11 3 3-3 6 7 7 Errores frecuentes en la interpretación del coeficiente de determinación lineal Elena MARTÍNEZ RODRÍGUEZ
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO
SIP-0 INSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN DE POSGRADO FORMATO GUÍA PARA REGISTRO DE ASIGNATURAS Hoja 1 de I. DATOS DEL PROGRAMA Y LA ASIGNATURA 1.1 NOMBRE DEL
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 detallesPráctica 2 Estadística Descriptiva
Práctica 2 Estadística Descriptiva Contenido Introducción...................................... 1 Tablas de frecuencias................................. 2 Medidas de centralización, dispersión y forma...................
Más detallesJulia García Salinero. Departamento de Investigación FUDEN. Introducción
1 Análisis de datos en los estudios epidemiológicos V Prueba de Chi cuadrado y Análisis de la varianza. Departamento de Investigación FUDEN. Introducción Continuamos el análisis de los estudios epidemiológicos,
Más detallesPlan de Estudios de la Carrera de Licenciatura en Turismo. Código MAT 1. Ciclo Académico: Área Curricular: Básica UVA 4
Nombre de la asignatura: MATEMÁTICA 1 a) Generalidades: Pre-requisito Bachill erato Código MAT 1 Ciclo Académico: Área Curricular: 1 Básica UVA 4 Duración del ciclo en semanas Duración Hora/clase en minutos
Más detallesTema 11: Intervalos de confianza.
Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por
Más detallesMatemáticas domésticas: Compras, facturas, ingresos
UNIDAD 1: DEPARTAMENTO DE MATEMÁTICAS PROGRAMACIÓN DE AULA 2º DE ESO CURSO 2012/2013 PROFESOR: José Antonio Reifs Matemáticas domésticas: Compras, facturas, ingresos COMPETENCIAS BÁSICAS PROGRAMACIÓN GENERAL
Más detallesInferencia estadística III. Análisis de Correlación. La inferencia estadística también se puede aplicar para:
1 Inferencia estadística III La inferencia estadística también se puede aplicar para: 1. Conocer el grado de relación o asociación entre dos variables: análisis mediante el coeficiente de correlación lineal
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 detallesTamaño de muestra agropecuaria
Pablo Tadeo Cruz * RESUMEN En este documento, se analizan condiciones de productividad y rentabilidad de los Sistemas de Producción Agropecuaria, dónde se aplica metodología de determinación de tamaño
Más detallesPrueba de hipótesis. 1. Considerando lo anterior específica: a. La variable de estudio: b. La población: c. El parámetro. d. Estimador puntual:
Prueba de hipótesis Problema Un grupo de profesores, de cierto estado de la república, plantea una investigación acerca del aprendizaje de las ciencias naturales en la escuela primaria. Uno de los objetivos
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES Carrera: LICENCIATURA EN COMERCIO EXTERIOR Asignatura: ESTADÍSTICA APLICADA A LOS NEGOCIOS ESTADÍSTICA DE LOS NEGOCIOS Curso: 1º AÑO Año lectivo: 2016 Carga
Más detallesGUÍAS. Módulo de Razonamiento cuantitativo SABER PRO 2013-1
Módulo de Razonamiento cuantitativo Este módulo evalúa competencias relacionadas con las habilidades en la comprensión de conceptos básicos de las matemáticas para analizar, modelar y resolver problemas
Más detallesDiplomado en Finanzas Corporativas Coordinador Académico: C.P. Benito Revah Meyohas
Diplomado en Finanzas Corporativas Coordinador Académico: C.P. Benito Revah Meyohas Proporcionar al participante los principios teóricos y prácticos de las diferentes áreas de las Finanzas Corporativas;
Más detallesRelación entre variables: causalidad, correlación y regresión
Relación entre variables: causalidad, correlación y regresión Correlación entre variables. Modelos de regresión simple (lineal, cuadrática, cúbica). Modelos de regresión múltiple Blanca de la Fuente PID_00161061
Más detallesEstadística Inferencial 3.7. Prueba de hipótesis para la varianza. σ gl = n -1. Es decir: Ho: σ 2 15 Ha: σ 2 > 15 (prueba de una cola)
UNIDAD III. PRUEBAS DE HIPÓTESIS 3.7 Prueba de hipótesis para la varianza La varianza como medida de dispersión es importante dado que nos ofrece una mejor visión de dispersión de datos. Por ejemplo: si
Más detalles