Revista Cubana de Ciencia Agrícola ISSN: Instituto de Ciencia Animal Cuba
|
|
- María Iglesias Alcaraz
- hace 7 años
- Vistas:
Transcripción
1 Revista Cubana de Ciencia Agrícola ISSN: Instituto de Ciencia Animal Cuba Guerra, Caridad W.; Cabrera, A.; Fernández, Lucía Criterios para la selección de modelos estadísticos en la investigación científica Revista Cubana de Ciencia Agrícola, vol. 37, núm. 1, 23, pp. 3-1 Instituto de Ciencia Animal La Habana, Cuba Disponible en: Cómo citar el artículo Número completo Más información del artículo Página de la revista en redalyc.org Sistema de Información Científica Red de Revistas Científicas de América Latina, el Caribe, España y Portugal Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
2 Revista Cubana de Ciencia Agrícola, Tomo 37, No. 1, Criterios para la selección de modelos estadísticos en la investigación científica Caridad W. Guerra 1, A. Cabrera 2 y Lucía Fernández 1 1 Universidad Agraria de La Habana «Fructuoso Rodríguez Pérez», Autopista Nacional y Carretera de Tapaste, San José de las Lajas, La Habana 2 Centro Universitario de Guantánamo, Carretera Guantánamo. Santiago de Cuba, km 2½, Guantánamo Ante los retos de este milenio, no sólo en las ciencias biológicas y en el área agrícola, sino también en otras ramas, se requiere una labor eficiente en la organización y desarrollo de la investigación científica y el conocimiento que ésta genera, a lo que puede contribuir, en gran medida, la aplicación consecuente de modelos estadísticos, con el apoyo de las nuevas tecnologías de la información y la comunicación. En la literatura científica y docente se recogen muy pocos aspectos que avalen las cualidades de los modelos estadísticos de regresión, ya sean teóricas como prácticas, tampoco se expresan sus posibilidades descriptivas, explicativas o predictivas en el contexto de una situación determinada. Para contribuir al realismo, precisión y generalidad en la aplicación de los modelos estadísticos de regresión y otros, se proponen en. este estudio catorce criterios que se deben tener en cuenta para su selección, además de una aplicación concreta, relacionada con el porcentaje de puesta (de gallinas ponedoras) en la fase inicial. Se concluye que el modelo polinomial de cuarto grado es el que describe de forma más adecuada este proceso, de acuerdo con las características del mismo. Palabras clave: modelos estadísticos, regresión polinomial, criterios de selección. El papel de la Matemática y sus aplicaciones ha sido diferente en las esferas de la actividad humana y en las distintas épocas. Se formó históricamente bajo la influencia considerable de dos factores: el nivel de desarrollo del aparato matemático y el grado de madurez de los conocimientos acerca del objeto de estudio, así como la posibilidad de describir sus rasgos y propiedades más importantes en un lenguaje de símbolos y ecuaciones matemáticas o, como se ha dicho con frecuencia, la posibilidad de construir un modelo matemático del objeto a estudiar. Un modelo no es ciencia ni matemática, es el arte que construye puentes entre ambas (Bowen 1997). Actualmente, no sólo en las ciencias biológicas y el área agrícola, sino en otras ramas, se observa un uso formal de los modelos estadísticos, fundamentalmente los relacionados con los análisis de regresión. En éstos se requiere de una labor eficiente en la organización y desarrollo de la investigación científica y el conocimiento que ésta genera, a lo que puede contribuir en gran medida la aplicación consecuente de estos modelos, con el apoyo de las nuevas tecnologías de la información y la comunicación. Igualmente, con mucha frecuencia, no se valoran los supuestos teóricos de los modelos estadísticos y no se establecen conclusiones válidas a partir de la información analizada. Desde 1994, distintos autores han realizado aplicaciones de criterios para la selección de modelos estadísticos en servicios científico-técnicos, en dos Tesis de Maestría en Matemática Aplicada a las Ciencias Agropecuarias y actualmente, en dos Tesis de Doctorado con aplicaciones en modelos que describen la dinámica de crecimiento en aves y bovinos y las curvas de lactancia (Fernández 1996 y Fernández et al. 21) y en estudios de poblaciones de insectos (Cabrera 1997). También se ha tratado la selección de estos modelos en cursos de postgrado y en diferentes maestrías
3 4 Revista Cubana de Ciencia Agrícola, Tomo 37, No. 1, 23. y diplomados en la Universidad Agraria de La Habana (UNAH), Universidad de Pinar del Río, Camagüey y Cienfuegos, en dos Universidades de Bolivia y en cursos de pregrado en las diferentes carreras de la UNAH (Guerra et al y Guerra et al. 21). El objetivo de este trabajo fue resumir un grupo de criterios para la selección de modelos estadísticos y presentar su aplicación a una situación concreta. Materiales y Métodos En la elaboración de los criterios y el análisis de la información se consideraron los aportes de Rekaya et al.(1995), Chacín (1998), Castell (1999), Del Valle (2), entre otros autores, además de los paquetes de programas SAS for Windows (1996), STATGRAPHICS Plus (1997) y SigmaPlot (1999). Los aspectos que se deben tener en cuenta en la selección de modelos estadísticos están dirigidos, fundamentalmente, a los modelos explicativos y dinámicos. Aunque los relativos a estadígrafos, estimación y dócimas de hipótesis en general, están presentes en todos los casos: 1. Métodos de ajuste de los modelos 2. Error estándar de los estimadores de los parámetros (Test t de student) 3. Coeficiente de variación de los estimadores 4. Límites de confianza de los parámetros 5. Test de redundancia de los parámetros 6. Análisis de varianza relacionado con el modelo en cuestión 7. Coeficiente de determinación R 2 y R 2 ajustado por los grados de libertad 8. Suma de cuadrados o Cuadrado Medio Residual (Burguello 1993) 9. Error estándar de estimación 1. Test de falta de ajuste del modelo 11. Análisis del efecto del uso de transformaciones en el modelo. 12. Diagnóstico y tratamiento de la multicolinealidad en modelos de regresión lineal múltiple. 13. Validación de las predicciones del modelo. - Estadístico PRESS (Suma de Cuadrados del Error de Predicción). - Estadístico CMEP (Cuadrado Medio del Error de Predicción). - Estadístico Cp de Mallows. - Coeficientes de correlación entre los resultados predichos y los reales. - Análisis de la precisión de las estimaciones. 14. Análisis de los residuos: Normalidad (Test de Shapiro-Wilks, Kolmogorov-Smirnov) Autocorrelación (Test de Rachas, Signos, Durbin-Watson, X 2 de independencia, Ljung y Box) Homocedasticidad (Gráficos de los residuos, test de Cochran, Bartlett y Hartley). Se utilizaron además otros tests y gráficos relacionados con los residuos que aparecen en los paquetes estadísticos. Los resultados utilizados representan el porcentaje de puesta de gallinas ponedoras White Leghorns, durante 3 d, a partir del inicio de la puesta en una granja de la provincia La Habana. Resultados y Discusión Para realizar una valoración más amplia de los resultados obtenidos, se ajustaron modelos polinomiales de primero a cuarto grado, de acuerdo con lo sugerido en el diagrama de dispersión (figura 1). La tabla 1 muestra la alta significación estadística de todos los modelos y de los parámetros, excepto el de término lineal en el polinomio cuadrático (dado por los valores de p o nivel de significación para los parámetros y el modelo). Los valores ajustados de R 2 (indicador de la bondad de ajuste, recomendado para comparar modelos con diferentes números de parámetros) son: %, %, % y 83.6 %, respectivamente. En los modelos lineal simple y cuadrático, estos tienen un incremento moderado; en el cúbico es más notable, pues es de casi 4 % y en el último no es muy notable. De forma similar, pero en sentido decreciente, es el comportamiento del CME (Cuadrado
4 Revista Cubana de Ciencia Agrícola, Tomo 37, No. 1, Modelo lineal simple % de puesta Modelo cuadrático % de puesta % de puesta Modelo cúbico Modelo polinomial de cuarto grado % de puesta Figura 1. Gráficos de los modelos ajustados Medio Residual) en los diferentes modelos, que representa en el modelo polinomial de cuarto grado el %, con respecto al polinomial cúbico. El estadístico PRESS (Suma de Cuadrados del Error de Predicción), decrece igualmente, a medida que aumenta el grado del polinomio, aunque en el de cuarto grado es superior aproximadamente 5 % al del grado anterior. El de Cp de Mallows (cuantifica el sesgo en las estimaciones de los parámetros del modelo) coincidió en todos los casos con el número de parámetros (2, 3, 4 y 5, respectivamente), lo que indicó un pequeño sesgo en la estimación de los parámetros de estos modelos (Chacin 1998). La tabla 2 indica el cumplimiento de los supuestos teóricos de los modelos analizados, dado por el análisis de los residuos en cuanto a normalidad, incorrelación y homocedasticidad (homogeneidad de varianzas). En el modelo lineal simple no se cumplen ninguno de estos supuestos y en el resto va mejorando hasta el último modelo, aunque se mantiene el incumplimiento de la homocedasticidad (figura 2). Gujarati (1997) señala que el incumplimiento de estos supuestos influye en la distribución de los estimadores de los parámetros y la varianza, y en que los primeros no sean MELI (Mejor Estimador Lineal Insesgado); pero si son estimadores lineales insesgados, falla en este sentido la propiedad de varianza mínima. Esto concuerda con los resultados dados por el estadístico Cp en la tabla 1. Los modelos polinomial cúbico y de cuarto grado, describen mucho mejor el proceso de puesta que el lineal simple y el cuadrático (figura 1), dadas las características que presenta la información en la primera decena, debido a problemas con la alimentación. Esto produjo
5 6 Revista Cubana de Ciencia Agrícola, Tomo 37, No. 1, 23. Tabla 1. Resultado de los ajustes de los modelos de regresión en el análisis de la curva de puesta Modelo Criterios Estimadores, ± EE Valor p parámetro Linealsimple b = 3.88 (±7.25).2 b 1 = 1.57 (±.41).6 cuadrático b = (±1.79).2 b 1 = (±1.61).3465 b 2 =.1 (±.5).559 cúbico b = (±9.11) b 1 = (±2.5) b 2 = 1.4 (±.19) b 3 = -.3 (±.4) de cuarto grado b = (±1.78) b 1 = (±4.65) b 2 = 3.15 (±.59) b 3 = -.11 (±.3) b 4 =.1 (±.5).53 Valor p modelo R 2 (%) R 2 ajustado (%) CME PRESS Cp de Mallow
6 Revista Cubana de Ciencia Agrícola, Tomo 37, No. 1, Tabla 2. Análisis del cumplimiento de los supuestos de los errores en los modelos ajustados Modelo Linealsimple cuadrático cúbico de cuarto grado Normalidad no se cumple se cumple se cumple se cumple Incorrelación no se cumple no se cumple no se cumple se cumple Homocedasticidad no se cumple no se cumple no se cumple no se cumple Modelo lineal simple Residuos Modelo cuadrático Residuos Residuos 2.5 Modelo cúbico Modelo polinomial de cuarto grado Residuos Figura 2. Gráficos de los residuos para los modelos ajustados una brusca caída de la producción y su posterior recuperación, hasta alcanzar niveles similares a los iniciales. La figura 2 representa los residuos en cada tipo de modelo, el comportamiento sistemático de éstos se atenúa en el modelo polinomial de cuarto grado. Este es un aspecto que aún resulta desfavorable a este modelo y pudiera resolverse mediante el uso de alguna transformación de una o ambas variables. La figura 3 muestra que el modelo lineal y el cuadrático (con dos y tres parámetros) presentan resultados estables de R 2 y R 2 ajustado y se elevan considerablemente en el modelo polinomial cúbico y, ligeramente en el de cuarto grado. Los modelos señalados, con respecto al CME, tienen un comportamiento contrario. Espinoza et al. (1998) recomiendan que se seleccionen aquellos modelos cuyo Cp se acerque al valor de p. Aunque es importante el uso de otros criterios, como el del análisis de los residuos, es difícil encontrar trabajos en los que se seleccionen los modelos sobre la base de otro criterio que no sea R 2. En muchos estudios se aceptan modelos con R 2 sumamente bajos, en el orden de.4 a.5 (4 a 5 %) o menores.
7 8 Revista Cubana de Ciencia Agrícola, Tomo 37, No. 1, 23. R. cuadrado Número de coeficientes R. cuadrado ajustado Número de coeficientes CME Número de coeficientes Figura 3. Comportamiento gráfico de R 2, R 2 ajustado y CME Las consideraciones expuestas son de aplicación general a otros tipos de modelos matemáticos y estadísticos que aparecen dispersos en la literatura especializada. Ortiz (2) planteó una combinación balanceada de alguno de estos criterios para el análisis de la modelación y simulación matemática de nutrientes en suelos con pastoreo vacuno y Fernández et al. (21), en la modelación de curvas de lactancia estándar en vacas de la raza Siboney de Cuba. Méndez (1993) recomienda valorar más ampliamente un modelo, de modo que incluya, además de su ajuste a los datos, su análisis comparativo con respecto a otros y su correspondencia con los aspectos teóricos. Peña (1994) señaló que la práctica demuestra que los buenos modelos coinciden, generalmente, con cualquier criterio razonable, como el CME o el estadístico Cp. Se debe hacer su selección final basándose en la adecuación lógica a la realidad que describe, además se deben recomendar criterios de validez externa cuando sea necesario. Con respecto a la aplicación de los aspectos propuestos inicialmente, el método de ajuste utilizado (1) es el de los Mínimos Cuadrados Ordinarios, el cual tiene amplia aplicación práctica. Este aparece en diversos paquetes de programas y resulta adecuado, siempre que se cumplan los supuestos requeridos para su aplicación. La tabla 1 resume un conjunto de información que recorre aspectos del 2 al 9. Los que no aparecen explícitamente, son derivados de éstos. No fue posible ejecutar el criterio 1 porque no había observaciones repetidas de Y para cada valor de X. No fue necesario aplicar el criterio 11. La multicolinealidad (12) no es propia de este tipo de modelo, ya que se presenta cuando hay relación lineal entre las variables independientes (X) de forma parcial o total (Gujarati 1997). En este caso, existen relaciones no lineales entre las variables (X 2, X 3 y X 4 ).
8 Revista Cubana de Ciencia Agrícola, Tomo 37, No. 1, En cuanto a la validez de las predicciones (13), se incluyeron los estadísticos PRESS y Cp de Mallows, por aparecer con menos frecuencia en la literatura científica. Estos mostraron coeficientes de correlación entre los valores reales y predichos de.5886,.6562,.8978 y.9266, con alta significación estadística en todos los casos. En cuanto al análisis de los residuos, se verificaron mediante los programas utilizados, los supuestos de normalidad, incorrelación y homocedasticidad de los errores, que permitieron establecer criterios sobre éstos, conjuntamente con el análisis gráfico de los residuos (figura 2). De acuerdo con los elementos analizados y expresados, el modelo mejor sustentado para describir la curva de puesta en esta situación particular, es el polinomial de cuarto grado. De acuerdo con los criterios establecidos, en la formación de profesionales y en la posterior superación de éstos, así como en los servicios científico-técnicos y en la actividad científico-investigativa, se debe atender a la aplicación adecuada de los modelos estadísticos, desde el punto de vista teórico y práctico. Esto evita el formalismo y el abuso de esta importante herramienta. Además, si es necesario, se deben explorar, con la precisión y aplicabilidad requerida, diversos modelos para elegir el que mejor se corresponda con la realidad. Se deben establecer criterios de validación externa cuando se desee reafirmar la generalidad del modelo elegido. Una vez validado éste, debe ser interpretado según el contexto. Referencias Bowen, W Experimentos de campo y el arte de los modelos. CIP Circular. Lima, Perú. p.2 Burguillo, F.J Modelación matemática y ajuste de datos por ordenador en ciencias de la vida. Curso práctico. Universidad de Salamanca, España Cabrera, C. A Modelos probabilísticos y sus aplicaciones en las Ciencias Agropecuarias. Tesis de Maestría. Universidad Agraria de La Habana «Fructuoso Rodríguez Pérez», Cuba Castell, E Selección de modelos de regresión con regresores cualitativos. Tesis Dr. Cs. Facultad de Matemática y Computación. Universidad de La Habana, Cuba Chacín, F Análisis de regresión y superficies de respuesta. Universidad Central de Venezuela, Facultad de Agronomía. Maracay, Venezuela. 274 pp Del Valle, J. 2. La multicolinealidad en modelos de regresión lineal múltiple. Tesis de Maestría. Universidad Agraria de La Habana «Fructuoso Rodríguez Pérez», Cuba Espinosa, J.R., Ortiz, J., Mendoza, M.C., Villareños, J.A., Villegas, A., Peña, C. & Almaguer, Y Modelos de regresión para la estimación del peso fresco y seco de ramas de duraznero. Revista Chapingo 4:125 Fernández, L Modelos que describen la dinámica de los procesos biológicos en las Ciencias Agropecuarias. Tesis de Maestría. Universidad de La Habana «Fructuoso Rodríguez Pérez», Cuba Fernández, C.H., Menéndez, L., Guerra, W. & Suárez, M. 21. Estimación de curvas de lactancias estándar de la raza Siboney para su utilización en extensiones de lactancia. Rev. Cubana Cienc. Agríc 35:99 Guerra, W., De Calzadilla, J.& Del Valle, J Aspectos cuantitativos-cualitativos sobre modelos que describen la dinámica de crecimiento en poblaciones. Monografía. Universidad Agraria de La Habana «Fructuoso Rodríguez Pérez».13 pp Guerra, W., De Calzadilla, J., Lavarreres, J.R., Pino, J.A. & Del Valle, J. 21. El modelo estadístico en el sistema de conocimiento de la estadística en el nivel superior agropecuario. Universidad Agraria de La Habana «Fructuoso Rodríguez Pérez», Cuba. 597 pp Gujarati, D Ecometría. Ed. ENPES. La Habana. 597 pp. Méndez, R.I Uso y abuso de la Estadística en investigación. Tópicos de Investigación y Postgrado. 3:3 Ortiz, R.J. 2. Modelación y simulación matemática del reciclaje de N, P y K en sistemas de pastoreo vacuno en Cuba. Tesis Dr. Cs. Instituto de Ciencia Animal. La Habana, Cuba Peña, D Estadística. Modelos y Métodos. Modelos lineales y series temporales. Ed. Alianza S. A. Madrid, España. 575 pp Rekaya, R., Béjar, F., Alenda, R. & Carabaño, M. J Extención de la lactancia a 35 días. Area
9 1 de mejora genética animal. CIT-INIA. Madrid, España SAS Institute SAS User s guide. Statics, Statistical Analysis Systems. Ed. Institute Cary, NC Revista Cubana de Ciencia Agrícola, Tomo 37, No. 1, 23. SigmaPlot SigmaPlot for Windows Version 5., SPSS Inc. STATGRAPHICS Plus STATGRAPHICS Plus for Windows 3.1. Statistical Graphics Corp. Recibido: 2 de diciembre de 21.
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesGuía docente 2007/2008
Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación
Más detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesUNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA
UNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA LICENCIATURA: ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CURSO: CUARTO
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detallesSPSS Aplicación práctica: Base de datos del HATCO
Aplicación práctica: Base de datos del HATCO Datos: observaciones de variables obtenidos desde encuentas a clientes de un distribuidor industrial. Variables de interés en la aplicación: Percepciones de
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesDr. Fidel Ulin Montejo M.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto 2004 Fecha de última actualización: Julio 2010
PROGRAMA DE ESTUDIO Análisis de Regresión Programa Educativo: Licenciatura en Actuaría Área de Formación : Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos:
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesCURSO: Métodos estadísticos para la investigación en
CURSO: Métodos estadísticos para la investigación en salud (V versión) Información General Versión: 5ª/ 2017 Modalidad: Presencial. Duración Total: 40 horas académicas. Horas a Distancia: - Fecha de inicio:
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesMÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.
MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesObligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo
Carta descriptiva Datos de identificación Programa Nombre de la asignatura Tipo de Asignatura Maestría en Economía Aplicada Econometría I Ciclo Primer semestre Obligatoria Optativa Extracurricular Curso
Más detallesEl Modelo de Regresión Lineal
ECONOMETRÍA I El Modelo de Regresión Lineal Dante A. Urbina CONTENIDOS 1. Regresión Lineal Simple 2. Regresión Lineal Múltiple 3. Multicolinealidad 4. Heterocedasticidad 5. Autocorrelación 6. Variables
Más detallesDiplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López
Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesCiencias Holguín E-ISSN: Centro de Información y Gestión Tecnológica de Santiago de Cuba.
Ciencias Holguín E-ISSN: 1027-2127 revista@ciget.holguin.inf.cu Centro de Información y Gestión Tecnológica de Santiago de Cuba Cuba Peña González, Marisol; Rodríguez Cora, Frank A.; Cruz Font, Jaime D.;
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesRevista Sociedad y Economía ISSN: Universidad del Valle Colombia
Revista Sociedad y Economía ISSN: 1657-6357 revistasye@univalle.edu.co Universidad del Valle Colombia Béjar, Helena Voluntariado: compasión o autorrealización? Revista Sociedad y Economía, núm. 10, abril,
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesEspacios Públicos ISSN: Universidad Autónoma del Estado de México México
Espacios Públicos ISSN: 1665-8140 revista.espacios.publicos@gmail.com Universidad Autónoma del Estado de México México Soberón Mora, José La reconstrucción de bases de datos a partir de tablas de contingencias
Más detallesCURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara
CURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara Descripción: Los temas de estadística propuestos corresponden con los conocimientos mínimos que un
Más detallesCURSO: Métodos estadísticos de uso frecuente en salud
CURSO: Métodos estadísticos de uso frecuente en salud Información General Versión: 2016 Modalidad: Presencial. Duración Total: 40 horas. NUEVA FECHA Fecha de inicio: 01 de octubre Fecha de término: 10
Más detallesESTADÍSTICA. Materia Básica Estadística. Formación Básica. Introducción a la Odontología 1º 1º 6
GUIA DOCENTE DE LA ASIGNATURA ESTADÍSTICA MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Introducción a la Odontología Materia Básica Estadística 1º 1º 6 Formación Básica PROFESOR(ES) DIRECCIÓN COMPLETA DE
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesTODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)
TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) NOTA IMPORTANTE - Estas notas son complementarias a las notas de clase del primer semestre correspondientes a los temas de Regresión
Más detallesANÁLISIS DE DATOS. L.A. y M.C.E. Emma Linda Diez Knoth
ANÁLISIS DE DATOS 1 Tipos de Análisis en función de la Naturaleza de los Datos Datos cuantitativos Datos cualitativos Análisis cuantitativos Análisis cuantitativos de datos cuantitativos (Estadística)
Más detallesGUÍA DOCENTE ABREVIADA DE LA ASIGNATURA
GUÍA DOCENTE ABREVIADA DE LA ASIGNATURA G969 - Métodos Estadísticos en Economía y Empresa Grado en Economía Curso Académico 2015-2016 1. DATOS IDENTIFICATIVOS Título/s Grado en Economía Tipología y Optativa.
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: SEMESTRE: 5 (QUINTO) MODALIDAD
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesINDICE. XV 1. Introducción a los pronósticos Actividad
INDICE Prefacio XV 1. Introducción a los pronósticos 1 Historia de los pronósticos La necesidad de pronosticar 2 Tipos de pronostico Pronóstico macroeconómico 4 Selección del método de pronostico 5 Pasos
Más detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
Más detallesPrácticas Tema 5. Ampliaciones del Modelo lineal básico
Prácticas Tema 5. Ampliaciones del Modelo lineal básico Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 5.1. Se ha examinado la evolución reciente de las ventas de
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesUNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA
UNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA LICENCIATURA: DERECHO Y ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS
Más detallesLa asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades.
1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Muestreo y Regresión. Ingeniería Forestal. FOC-1027 SATCA: 2 2 4 2.- PRESENTACIÓN. Caracterización de la asignatura.
Más detallesPensamiento Psicológico ISSN: Pontificia Universidad Javeriana Colombia
Pensamiento Psicológico ISSN: 1657-8961 revistascientificasjaveriana@gmail.com Pontificia Universidad Javeriana Colombia Vesga Rodríguez, Juan Javier Los tipos de contratación laboral y sus implicaciones
Más detallesGUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA
GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA DATOS BÁSICOS DE LA ASIGNATURA Nombre: Titulación: Centro: Tipo: Créditos: Curso: Prerrequisitos: Profesor: Dpto.: Estadística Aplicada. Licenciatura
Más detallesDiplomado en Estadística Aplicada Coordinador Académico: Dr. Rubén Hernández Cid
Diplomado en Estadística Aplicada Coordinador Académico: Dr. Rubén Hernández Cid Brindar al alumno los conocimientos y las habilidades que le permitan contar con un panorama tanto teórico como de aplicación
Más detallesEspacios Públicos ISSN: Universidad Autónoma del Estado de México México
Espacios Públicos ISSN: 1665-8140 revista.espacios.publicos@gmail.com Universidad Autónoma del Estado de México México Mercado Maldonado, Asael; Ruiz González, Arminda El concepto de las crisis ambientales
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesTerra Nueva Etapa ISSN: Universidad Central de Venezuela Venezuela
Terra Nueva Etapa ISSN: 1012-7089 vidal.saezsaez@gmail.com Universidad Central de Venezuela Venezuela Rojas Salazar, Temístocles Importancia de los cursos de teoría geográfica en la formación del profesional
Más detallesFacultad de Ciencias e Ingeniería. Escuela Académico Profesional de Comunicación SÍLABO
Facultad de Ciencias e Ingeniería Escuela Académico Profesional de Comunicación SÍLABO ASIGNATURA: ESTADÍSTICA APLICADA A LAS COMUNICIONES I. DATOS GENERALES: 1.1. Código de Asignatura : 21252 1.2. Escuela
Más detallesUniversidad Nacional Autónoma de México Facultad de Psicología
Universidad Nacional Autónoma de México Facultad de Psicología PROGRAMA DE ASIGNATURA Nombre de la asignatura Clave Semestre Estadística Inferencial 0186 4 Número de créditos 8 Horas teoría 4 Horas práctica
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesReflexión Política ISSN: Universidad Autónoma de Bucaramanga Colombia
Reflexión Política ISSN: 0124-0781 reflepol@bumanga.unab.edu.co Universidad Autónoma de Bucaramanga Colombia Lamus Canavate, Doris La construcción de movimientos latinoamericanos de mujeres/feministas:
Más detallesCURSO ECONOMETRÍA BÁSICA MULTISOFTWARE
CURSO ECONOMETRÍA BÁSICA MULTISOFTWARE El objetivo de este curso es la presentación de las técnicas econométricas básicas, tanto clásicas como modernas, y su tratamiento con las herramientas más adecuadas
Más detallesRevista Colombiana de Obstetricia y Ginecología ISSN: Federación Colombiana de Asociaciones de Obstetricia y Ginecología
Revista Colombiana de Obstetricia y Ginecología ISSN: 0034-7434 rcog@fecolsog.org Federación Colombiana de Asociaciones de Obstetricia y Ginecología Colombia Mondragón Cedeño, Alba Lucía FORMATOS PARA
Más detallesPROGRAMA DE ESTUDIO : UN SEMESTRE ACADÉMICO : TERCER AÑO, PRIMER SEMESTRE
PROGRAMA DE ESTUDIO A. Antecedentes Generales ASIGNATURA : Estadística CÓDIGO : IIM313A DURACIÓN : UN SEMESTRE ACADÉMICO PRE - REQUISITO : PROBABILIDADES CO REQUISITO : NO TIENE UBICACIÓN : TERCER AÑO,
Más detallesInformación general. Obligatoria básica o de fundamentación X. Obligatoria profesional. Horas de trabajo independiente del estudiante
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura E S T A D I S T I C A Código 73210011 Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
Más detallesUNIVERSIDAD NACIONAL DE LA MATANZA
UNIVERSIDAD NACIONAL DE LA MATANZA Departamento de Ciencias Económicas Nombre de la Carrera: Licenciatura en Economía Nombre de la Asignatura: Estadística Económica Especializada Código: 2581 Modalidad
Más detallesRevista Historia de la Educación Latinoamericana ISSN: Universidad Pedagógica y Tecnológica de Colombia.
Revista Historia de la Educación Latinoamericana ISSN: 0122-7238 rhela@uptc.edu.co Universidad Pedagógica y Tecnológica de Colombia Colombia Page, Carlos A. Los simbólicos Edificios de las Escuelas Normales
Más detallesEconometría de Económicas Ejercicios para el tema 2 y 3
Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesMODELOS DE REGRESIÓN
MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. MODELOS DE REGRESIÓN
Más detallesPlanificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 6109 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
Más detallesRevista Cubana de Cirugía ISSN: Sociedad Cubana de Cirugía Cuba
Revista Cubana de Cirugía ISSN: 0034-7493 ecimed@infomed.sld.cu Sociedad Cubana de Cirugía Cuba Díaz Mesa, C. Julio; Taquechel Barreto, Fidel; Gómez-Quintero, Rocío Queral; Domínguez Cordovés, Janet Diagnóstico
Más detalles(3620) ECONOMETRÍA (3620)
Programa de la asignatura Curso: 2013 / 2014 (3620) ECONOMETRÍA (3620) PROFESORADO Profesor/es: MARIA ISABEL LANDALUCE CALVO - correo-e: iland@ubu.es FICHA TÉCNICA Titulación: LICENCIATURA EN ADMINISTRACIÓN
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
Más detallesUNIVERSIDAD MARÍA AUXILIADORA UMA
CARRERA PROFESIONAL DE ENFERMERIA SÍLABO DE BIOESTADÍSTICA I. DATOS GENERALES: 1.1. Carreras profesionales : Enfermería 1.2. Semestre académico : 2015 - I 1.3. Ciclo : III 1.4. Pre-requisito : Matemática
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesRevista de Psicología ISSN: Pontificia Universidad Católica del Perú Perú
Revista de Psicología ISSN: 0254-9247 revpsicologia@pucp.edu.pe Pontificia Universidad Católica del Perú Perú Kudó T., Inés; Velásquez C., Tesania; Iza R., Mónica; Ángeles R., Alicia; Pezo del Pino, César;
Más detallesESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura Créditos
ESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura 46497 Créditos 6 ECTS Carácter Básica Rama de Conocimiento Ciencias de la Salud Materia Fisiología Ubicación dentro del
Más detallesINFORME TÉCNICO PREVIO DE EVALUACIÓN DE SOFTWARE ESTADÍSTICO Y ECONOMÉTRICO Informe Nro DSIC
INFORME TÉCNICO PREVIO DE EVALUACIÓN DE SOFTWARE ESTADÍSTICO Y ECOMÉTRICO Informe Nro 11-2013-DC 1. MBRE DEL ÁREA Dirección de Sistemas de Información y Comunicación en CTeI (DC). 2. RESPONSABLE DE LA
Más detallesAnálisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
Más detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 6. Validación de Supuestos JAIME MOSQUERA RESTREPO VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO Los procedimientos estudiados son validos únicamente bajo el cumplimiento de 4 supuestos
Más detallesLABORATORIO DE CALIDAD NUTRICIONAL VALIDACIÓN DE MÉTODOS ANALÍTICOS: CASO LOWRY MÓNICA PIZARRO S.
LABORATORIO DE CALIDAD NUTRICIONAL VALIDACIÓN DE MÉTODOS ANALÍTICOS: CASO LOWRY MÓNICA PIZARRO S. Es un consorcio de instituciones que aspira reducir la desnutrición y mejorar la seguridad alimentaria
Más detallesRevista Cubana de Ciencia Agrícola ISSN: Instituto de Ciencia Animal Cuba
Revista Cubana de Ciencia Agrícola ISSN: 34-7485 rcca@ica.co.cu Instituto de Ciencia Animal Cuba Díaz, C.P.; González, E.; Rodríguez, Y. Uso de la miel final o el azúcar crudo en la alimentación de cerdos
Más detallesGRADO : ADE ASIGNATURA: ECONOMETRÍA I. Curso: 2 Cuatrimestre: 2 Asignaturas que se recomienda tener superadas: Estadística I y II
FICHA DESCRIPTIVA DE LA ASIGNATURA GUIA DOCENTE Curso Académico 2012/2013 GRADO : ADE ASIGNATURA: ECONOMETRÍA I Módulo Materia Ampliaciones de Métodos Cuantitativos Econometría Créditos 6 Ubicación Carácter
Más detallesGrupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS
Red ibérica de evaluación de eficacia y efectos secundarios de tratamientos para el control de plagas en el olivar (RIESPO) 2ª Reunión, Madrid 10-11/06/2010 Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS ESTADÍSTICA
Más detallesGUIA DOCENTE. Curso Académico Licenciatura Administración y Dirección de Empresas
GUIA DOCENTE Curso Académico 2012-2013 1. ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA 1.1. Datos de la asignatura Tipo de estudios Licenciatura Titulación Administración y Dirección de Empresas Nombre
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detalles