Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo
|
|
|
- Guillermo Revuelta Vega
- hace 7 años
- Vistas:
Transcripción
1 Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó
2 Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la vestgacó de la relacó etre dos mas varables. Por ejemplo, e u proceso químco, supógase que el redmeto del producto está relacoado co la temperatura de operacó del proceso. El aálss de regresó puede emplearse para costrur u modelo que permta predecr el redmeto para ua temperatura dada. Este modelo també puede utlzarse para la optmzacó del proceso, tal como hallar la temperatura que mamza el redmeto, o para fes de cotrol. E este curso vamos a estudar el llamado aálss de regresó leal smple, e el cual se cosdera ua varable depedete de ua varable depedete que este ua relacó proporcoal drecta o versa (e líea recta) etre dchas varables estudadas.. Estadístca. UNITEC Tema 6: Aálss de Regresó
3 Estudo cojuto de dos varables A la derecha teemos ua posble maera de recoger los datos obtedo observado dos varables e varos dvduos de ua muestra. E cada fla teemos los datos de u dvduo Cada columa represeta los valores que toma ua varable sobre los msmos. Las dvduos o se muestra e gú orde partcular. Dchas observacoes puede ser represetadas e u dagrama de dspersó. E ellos, cada dvduo es u puto cuas coordeadas so los valores de las varables. Nuestro objetvo será tetar recoocer a partr del msmo s ha relacó etre las varables, de qué tpo, s es posble predecr el valor de ua de ellas e fucó de la otra. Altura e cm Peso e Kg Estadístca. UNITEC Tema 6: Aálss de Regresó 3
4 00 Dagramas de dspersó o ube de putos Teemos las alturas los pesos de 30 dvduos represetados e u dagrama de dspersó Pesa 76 kg Pesa 50 kg Mde 6 cm Mde 87 cm.. Estadístca. UNITEC Tema 6: Aálss de Regresó 4
5 Relacó etre varables. Teemos las alturas los pesos de 30 dvduos represetados e u dagrama de dspersó. Parece que el peso aumeta co la altura Estadístca. UNITEC Tema 6: Aálss de Regresó 5
6 Predccó de ua varable e fucó de la otra. Aparetemete el peso aumeta 0Kg por cada 0 cm de altura... o sea, el peso aumeta e ua udad por cada udad de altura kg cm Estadístca. UNITEC Tema 6: Aálss de Regresó 6
7 Aálss de Regresó El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y Varable depedete predcha eplcada X Varable depedete predctora eplcatva Es posble descubrr ua relacó? Y f(x) + error f es ua fucó de u tpo determado el error es aleatoro, pequeño, o depede de X. Estadístca. UNITEC Tema 6: Aálss de Regresó 7
8 Modelo de Regresó Leal Smple E el modelo de regresó leal smple, dado dos varables Y (depedete) X (depedete, eplcatva) buscamos ecotrar ua fucó de X mu smple (leal) la mejor que os permta apromar Y medate Ŷ b 0 + b X b 0 (ordeada e el orge, costate) b (pedete de la recta) Y e Ŷ rara vez cocdrá por mu bueo que sea el modelo de regresó. A la catdad ey-ŷ se le deoma resduo o error resdual.. Estadístca. UNITEC Tema 6: Aálss de Regresó 8
9 Modelo de Regresó Leal Smple Faldad Estmar los valores de (varable depedete) a partr de los valores de (varable depedete) Ordeada e el orge (tercepto) a θ ε ŷ ŷ Modelo a + b b tg θ coefcete de regresó (pedete) + ε. Estadístca. UNITEC Tema 6: Aálss de Regresó 9
10 Método de Mímos Cuadrados El prcpo e el que se basa el ajuste de la mejor líea es el de mímos cuadrdos, establece que s es ua fucó leal de ua varable depedete, la poscó mas probable de ua recta a + b es tal que la suma de los cuadrados de las desvacoes de todos los putos (, ) respecto de la líea es u mímo. Cabe destacar que el suspuesto cosderado cosste e que está lbre de errores (es la asgada), o be, está sujeta a errores que debe ser elmados por el método de mímos cuadrados. La observada es pues u valor aleatoro a partr de la poblacó de valores de que correspode a ua dada. Supoga que uestras observacoes costa de pares de valores:,,,...,,..., Supoga además que, debdo a la aturaleza físca de la relacó etre, se sabe que la relacó es leal, o be, se espera o sospecha que lo es.. Estadístca. UNITEC Tema 6: Aálss de Regresó 0
11 Método de Mímos Cuadrados Por cosguete, se epresa la relacó como: (, ) ŷ a + b ε ε Nuestro problema cosste e ecotrar los valores de a b para el caso de la líea de mejor ajuste. E lo referete a u puto e esta líea: ε ŷ a + b (, ) ( a + b ) 0 (, ) Pero s se preseta u error e la medcó, habrá u resduo tal que: ( a + ) ε b. Estadístca. UNITEC Tema 6: Aálss de Regresó
12 Método de Mímos Cuadrados Co observacoes, se tee ecuacoes: M ( a + b) ( a + b ) M ( a + b ) Medate el uso de la otacó sumatora, es posble epresar la suma de los cuadrados de los resduos como sgue: P ε o be, P ( a + ) ε ε M ε [ ] b. Estadístca. UNITEC Tema 6: Aálss de Regresó
13 3 Tema 6: Aálss de Regresó. Estadístca. UNITEC Método de Mímos Cuadrados ( ) [ ] ( ) [ ] b a 0 b a 0 b P 0 a P Como se mecoó ates, se tee que satsfacer la codcó de que la suma de los cuadrados de los resduos es míma; es decr, P es u mímo. Co la auda del cálculo básco, esto ocurre cuado: Smplfcado se obtee las llamadas ecuacoes ormales de mímos cuadrados: ( ) + + a b b a
14 4 Tema 6: Aálss de Regresó. Estadístca. UNITEC Método de Mímos Cuadrados ( ) b Pedete Al resolver las ecuacoes ormales de mímos cuadrados, se obtee los llamados estmadores de mímos cuadrados (coefcetes de regresó) para la ordeada al orge la pedete del modelo de regresó leal smple: b b a Ordeada alorge
15 Error Estádar de Estmacó El error estádar de estmacó es la desvacó estádar de los errores de predccó, proporcoa ua dcacó de su varabldad respecto a la recta de regresó e la poblacó e la que se hace las predccoes. S ε a b ( ) Bajo los supuestos de ormaldad, e ua poblacó umerosa se ecuetra que: Apromadamete el 68 % está e los límtes de ua desvacó estádar. Apromadamete el 95 % está e los límtes de dos desvacoes estádar. Apromadamete el 99,7 % está e los límtes de tres desvacoes estádar.. Estadístca. UNITEC Tema 6: Aálss de Regresó 5
16 Error Estádar de Estmacó 95% 68% 99,7% Recta de Regresó ( est S, est + S ) ( est S, est + S ) ( 3S, + 3S ) est est. Estadístca. UNITEC Tema 6: Aálss de Regresó 6
17 Cómo medr la bodad de ua regresó? Imagemos u dagrama de dspersó, vamos a tratar de compreder e prmer lugar qué es el error resdual, su relacó co la varaza de Y, de ahí, cómo medr la bodad de u ajuste.. Estadístca. UNITEC Tema 6: Aálss de Regresó 7
18 Iterpretacó de la varabldad e Y E prmer lugar olvdemos que este la varable X. Veamos cuál es la varabldad e el eje Y. Y La fraja sombreada dca la zoa dode varía los valores de Y. Proeccó sobre el eje Y olvdar X. Estadístca. UNITEC Tema 6: Aálss de Regresó 8
19 Iterpretacó del resduo Fjémoos ahora e los errores de predccó (líeas vertcales). Los proectamos sobre el eje Y. Y Se observa que los errores de predccó, resduos, está meos dspersos que la varable Y orgal. Cuato meos dspersos sea los resduos, mejor será la bodad del ajuste.. Estadístca. UNITEC Tema 6: Aálss de Regresó 9
20 Bodad de u ajuste Resumedo: Y La dspersó del error resdual será ua fraccó de la dspersó orgal de Y Cuato meor sea la dspersó del error resdual mejor será el ajuste de regresó. Eso hace que defamos como medda de bodad de u ajuste de regresó, o coefcete de determacó a: R S S e Y. Estadístca. UNITEC Tema 6: Aálss de Regresó S < e S Y 0
21 El Coefcete de Determacó R Y Y Resduo Recta de Regresó Yˆ _ Y Total Eplcada var total var eplcada + resduos X ( Y ) ( ˆ ) ( ˆ Y Y Y + Y Y) X. Estadístca. UNITEC Tema 6: Aálss de Regresó
22 Tema 6: Aálss de Regresó. Estadístca. UNITEC Volvedo a la fórmula de cálculo, realzado operacoes, se obtee que el coefcete de regresó es gual al cuadrado del coefcete de correlacó leal de Pearso. Por supuesto esto solo aplca e el caso de regresó leal smple. Dos propedades de R :. Es ua catdad o egatva. Toma valores etre 0. Etre más cercao a maor ajuste El Coefcete de Determacó R ( )( ) [ ] ( ) ( ) Y e r S S R
23 Resume sobre bodad de u ajuste La bodad de u ajuste de u modelo de regresó se mde usado el coefcete de determacó R R es ua catdad admesoal que sólo puede tomar valores e [0, ] Cuado u ajuste es bueo, R será cercao a uo. Cuado u ajuste es malo R será cercao a cero. A R també se le deoma porcetaje de varabldad eplcado por el modelo de regresó. R puede ser dfcl de calcular e modelos de regresó geeral, pero e el modelo leal smple, la epresó es de lo más seclla: R r. Estadístca. UNITEC Tema 6: Aálss de Regresó 3
24 Otros modelos de regresó Se puede cosderar otros tpos de modelos, e fucó del aspecto que presete el dagrama de dspersó (regresó o leal) recta o parábola? a + b + c Se puede cosderar modelos e los cuales se usa trasformacoes, por ejemplo logartmos, co la faldad de mostrar de forma mas ajustada ua relacó etre varables que o es mu clara e su forma orgal recta o cúbca? a + b + c + d 3 També es comú que el modelo este epresado e fucó de mas de ua varable. (regresó múltple) Estadístca. UNITEC Tema 6: Aálss de Regresó 4
25 Otros Modelos Comúmete Usados Líea Re cta : a + b Curva Cuadrátca : a + b + c 3 Curva Cúbca : a + b + c + d Curva degrado : a + b + c Curva Epoecal : a b b Curva Gompertz : pq Curva Logístca : a b + g Curva Hperbólca : a + b cm. Estadístca. UNITEC Tema 6: Aálss de Regresó 5
26 Idvduo Peso (Kg) Altura (cm) Rest..(m) Ejemplo E el ejemplo de la clase pasada se determó que las habldades físcas de los estudates de certa uversdad o está relacoadas co sus habldades académcas; s embargo quedó la duda acerca de las relacoes etre peso altura. Por esto se tomó ua ueva muestra de 5 estudates del seo masculo de 0 años de edad, se tomaro medcoes de peso corporal, ressteca e carrera (tempo) altura. Vamos a estudar la correlacó etre las varables dadas vamos a costrur modelos de regresó leal co fes de predccó.. Estadístca. UNITEC Tema 6: Aálss de Regresó 6
27 Cálculos Numércos Vamos a llamar: Varable X: Peso (Kg) Varable Y: Altura (cm) Varable Z: Ressteca (m) 5 X X X Y Y Y X Z Z Z Z Y Estadístca. UNITEC Tema 6: Aálss de Regresó 7
28 Dagramas de Dspersó 00 altura (cm) Peso (Kg) Resst. (m) Peso (Kg) Segú el dagrama de dspersó de la relacó peso vs altura, parecera estr ua fuerte relacó postva etre ellas. Segú el dagrama de dspersó de la relacó peso vs ressteca, parecera estr ua buea relacó versa etre ellas.. Estadístca. UNITEC Tema 6: Aálss de Regresó 8
29 Dagramas de Dspersó Segú el dagrama de dspersó de la relacó altura vs ressteca, parecera estr ua buea relacó versa etre ellas. Bastate parecda a la gráfca de peso vs ressteca. Resst. (m) Altura (cm). Estadístca. UNITEC Tema 6: Aálss de Regresó 9
30 Coefcetes de Correlacó Leal de Pearso r S S S Relacó Peso vs Altura Peso vs Ressteca Altura vs Ressteca r 0,96-0,86-0,85 Iterpretacó Alta correlacó postva etre peso altura (cas perfecta) Alta correlacó egatva etre peso ressteca (buea) Alta correlacó egatva etre altura ressteca (buea). Estadístca. UNITEC Tema 6: Aálss de Regresó 30
31 3 Tema 6: Aálss de Regresó. Estadístca. UNITEC Modelo de Regresó Leal ( ) b Pedete Las evdecas de correlacoes fuertes, tato drectas como versas, etre las varables estudadas, os hace pesar que podemos establecer modelos de regresó leal co u grado de ajuste bastate bueo. Veamos s eso es certo, usado el modelo líea recta: dode: b b a Ordeada al orge b a ŷ Recta : Líea +
32 Modelo de Regresó Leal Peso vs Altura Vamos a establecer u modelo leal e el cual el peso () es la varable depedete la altura () es la varable depedete. ( 5)( 356) ( 040)( 4346) ( 5)( 676) ( 040) b, a 5 5 (,99), 46 Modelo de Re gresó Leal: ŷ,46 +,99. Estadístca. UNITEC Tema 6: Aálss de Regresó 3
33 Modelo de Regresó Leal Peso vs Altura ŷ,46 +,99 00 altura (cm) 00 Altura (cm) Peso (Kg) Peso (Kg) Estadístca. UNITEC Tema 6: Aálss de Regresó 33
34 Modelo de Regresó Leal Peso vs Ressteca Vamos a establecer u modelo leal e el cual el peso () es la varable depedete la ressteca (z) es la varable depedete. ( 5)( 446) ( 040)( 758) ( 5)( 676) ( 040) b, a 5 5 (,5) 93, 54 Modelode Regresó Leal: ẑ 93,54,5. Estadístca. UNITEC Tema 6: Aálss de Regresó 34
35 Modelo de Regresó Leal Peso vs Ressteca ẑ 93,54, Resst. (m) Peso (Kg) Resst. (m) Peso (Kg). Estadístca. UNITEC Tema 6: Aálss de Regresó 35
36 Modelo de Regresó Leal Altura vs Ressteca Vamos a establecer u modelo leal e el cual la altura () es la varable depedete la ressteca (z) es la varable depedete. ( 5)( 30344) ( 758)( 4346) ( 5)( 75890) ( 4346) b 0, a 5 5 (,99) 95, 48 Modelode Regresó Leal: ẑ 95,48 0,7. Estadístca. UNITEC Tema 6: Aálss de Regresó 36
37 Modelo de Regresó Leal Altura vs Ressteca ẑ 95,48 0,7 Resst. (m) Altura (cm) Resst. (m) Altura (cm). Estadístca. UNITEC Tema 6: Aálss de Regresó 37
38 Desvacó Estádar de los Modelos Calculemos la Desvacó Estádar de los modelos de regresó leal obtedos, por medo de la fórmula: S S 3,3 a S b 5,34 ( ) z z S 5,5 Los errores estádar de estmacó de los tres modelos so bajos, e relacó a sus medas. La altura (73,84) tee u error bastate bajo; metras que la ressteca (70,3) tee errores mu parecdos e sus dos modelos de estmacó, lo cual hace pesar que se puede estmar co gual precsó co respecto al peso que co respecto a la altura.. Estadístca. UNITEC Tema 6: Aálss de Regresó 38
39 Coefcetes de Determacó de los Modelos Calculemos los Coefcetes de Determacó de los Modelos, recordado que estos so guales a los coefcetes de correlacó leal de Pearso elevados al cuadrado Relacó r R Iterpretacó Peso vs Altura 0,96 0,9 Ajuste mu bueo del modelo Peso vs Ressteca - 0,86 0,74 Bue ajuste del modelo Altura vs Ressteca - 0,85 0,7 Bue ajuste del modelo E el caso del modelo peso vs altura, el ajuste del modelo es cas perfecto (mu cercao a uo). S recordamos que el coefcete de determacó represeta el porcetaje de la varabldad eplcada por el modelo; es decr, e este caso se eplca el 9% de la varabldad. Los modelos de estmacó de la ressteca tee u bue ajuste; pero meor que el ateror. Ellos eplca etre 7 74 % de la varabldad; lo cual, auque o es malo, o es lo mas deseable. (lo deseable es por ecma de 0,80). Estadístca. UNITEC Tema 6: Aálss de Regresó 39
Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Modelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Regresión lineal simple
Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,
-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Regresión - Correlación
REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:
REGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Análisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres
1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
Análisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta
Máximos y Mínimos de funciones de dos variables
Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores
En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.
Análisis de Regresión
Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o
Tema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
ERRORES EN LAS MEDIDAS (Conceptos elementales)
ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas
Métodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA
Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1
ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua
RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.
RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el
Los Histogramas. Histograma simple
Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras
Colegio Sagrada Familia Matemáticas 4º ESO
Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
La inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)
UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.
TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).
TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores
ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez
ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre
GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
PARÁMETROS ESTADÍSTICOS ... N
el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto
Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:
:: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales
Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.
Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra
Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo
Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos
SERIE TEMA 7 ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN
FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SERIE TEMA ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN. Los datos
SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN
Estadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS
INGENIERÍA INDUTRIAL A meudo, e la práctca, se requere resolver prolemas que clue cojutos de varales, cuado se sae que este algua relacó herete etre ellas, esa relacó se puede ecotrar a partr de la formacó
Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS
Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y
ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.
ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b
MEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Aplicación de Boostrapping en Regresión I
Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores
Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:
Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,
FÍSICA EXPERIMENTAL INCERTIDUMBRE ABSOLUTA Y RELATIVA. Medición de la longitud del largo del cuaderno:
FÍSICA EXPERIMENTAL INCERTIDUMBRE ABSOLUTA Y RELATIVA Medcó de la logtud del largo del cuadero: 9,5, cm,cm represeta la certdumre asoluta de la medda Qué ta sgfcatva es esa certdumre? 9,5, cm puede ser
NOMBRE Apellido Paterno Apellido Materno Nombre(s)
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE
MODELOS DE REGRESIÓN. Prof. Susana Martín Fernández
MODELOS DE REGRESIÓN Prof. Susaa Martí Ferádez REGRESIÓN SIMPLE Objetvo Sea..., valores de la varable umérca X. Sea Y(y, y,..., y ) u vector aleatoro de varables aleatoras depedetes, el modelo de regresó
1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.
Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:
Modelo Lineal Simple. Clase 02. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Uversdad Austral de Chle Escuela de Igeería Comercal ICPM5, Ecoometría Clase Modelo Leal Smple Profesor: Carlos R. Ptta Ecoometría, Prof. Carlos R. Ptta, Uversdad Austral de Chle. El Modelo de Regresó
Figura 1
Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable
que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)
APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)
Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre
Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de
Correlación y regresión lineal. Ejemplos
Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9
1 Estadística. Profesora María Durbán
Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el
ESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS
Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2
Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos
Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores
(Véase el Ejercicio 13 Beneficio de los bancos )
étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó
1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada
No debe entregar los enunciados
Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)
División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)
Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó
Estadística Descriptiva
Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.
Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN
Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas
Regresión y correlación lineal.
Regresó y correlacó leal. Este procedmeto proporcoa medos legítmos, modelos matemátcos a trabes de los cuales, se puede establecer asocacoes etre varables de terés e las cuales la relacó usual o es casual.
CÁLCULO NUMÉRICO (0258)
CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.
GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C
Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )
Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R
EJERCICIOS RESUELTOS TEMA 3.
INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.
V II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además
cocetrac0,,4,6,8,0, fluo EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15
1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:
El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad
Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede
Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple
1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular
Inferencia Estadística
Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,
Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó
ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN
REGRESIÓN Y CORRELACIÓN LINEAL
REGRESIÓN Y CORRELACIÓN LINEAL AUTOR: Sstemas. Camlo H. Cohecha Torres. Lcecado e Matemátcas. Igeero de TEMA: Regresó y correlacó leal. LOGROS: Determar y aplcar el modelo de regresó leal e la predccó
Tema 2: El modelo básico de regresión lineal múltiple (I)
Tema : l modelo básco de regresó leal múltple I Casaldad la ocó de cetrs parbs e el aálss ecoométrco Repaso del cocepto de regresó smple: Recta de regresó poblacoal p verss recta de regresó estmada Motvacó
ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA
Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería
1.2. Medidas de Concentración
.. Meddas de Cocetracó Matlde Machado.. Meddas de Cocetracó La gra mayora de los mercados se ecuetra etre los extremos de competeca perfecta (cocetracó mma) y moopolo (cocetracó máxma). Las meddas de cocetracó
Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.
Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl
Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:
Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados
ANALISIS DE DATOS EN PSICOLOGÍA I FEBRERO ª P.P. 2ª SEMANA UNIÓN EUROPEA
ANALII DE DATO EN PICOLOGÍA I FEBRERO 007 1ª P.P. ª EANA UNIÓN EUROPEA 30 5 15 35 0 30 40 5 30 45 5 10 50 18 10 55 7 5 Tabla 1. Dstrbucó de u grupo de mujeres () y otro de hombres () e ua prueba de compresó
EL DIAGRAMA DE DISPERSIÓN Y EL ANÁLISIS DE CORRELACIÓN
CAPÍTULO VIII EL DIAGRAMA DE DISPERSIÓN Y EL ANÁLISIS DE CORRELACIÓN 8. INTRODUCCIÓN A través del Dagrama Causa - Efecto establecemos las posbles causas que provoca u problema de caldad, estas aseveracoes
Estadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL
Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema
Esta t d a í d s í titcos o TEMA 3.3
TEMA 3.3 Defcó úmero obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco)
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C
Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos
MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:
A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad
Variables bidimensionales: regresión y correlación
Varables bdmesoales: regresó correlacó VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1. Itroduccó.... Dstrbucoes margales... 4 3. Mometos... 7 3.1 Mometos respecto al orge... 7 3. Mometos respecto a la meda...
MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
AGRO Examen Parcial 1
AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para
LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS
Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN
Estadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:
VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
7. Muestreo con probabilidades desiguales.
7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.
MEDIDAS DE FORMA Y CONCENTRACIÓN
MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de
Modelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
GENERALIDADES ESTADISTICA DESCRIPTIVA
MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo: