Odds = = e. UD1: El modelo de regresión logística 1. 1 e
|
|
- María del Rosario Josefa Soler Sánchez
- hace 7 años
- Vistas:
Transcripción
1 RE2. Regresión logística binaria, multinomial, de Poisson y binomial negativa Curso 204/5 Solución resumida de la prueba de evaluación Unidad didáctica (D) La regresión logística puede utilizarse en cualquiera de los estudios incluidos en esta pregunta. En la Unidad se ha explicado cómo se interpretan sus resultados en función del tipo de diseño utilizado para la recogida de los datos. 2 (B) Los diferentes estudios comparativos realizados indican que la regresión logística es más robusta que el análisis discriminante porque requiere menos supuestos para su aplicación. 3 (D) La regresión logística permite relacionar una variable dependiente categórica binaria Y con varias variables independientes cuantitativas y/o binarias. 4 (A) Por definición, la función logística (con forma de S) presenta valores entre 0 y. 5 (D) Por definición, la función logit (logaritmo neperiano de una odds) puede tomar valores entre y +. 6 (C) Una característica de la función logística es su rápida convergencia hacia 0 y. Así, para valores Z inferiores a 3 el valor de la función es menor que 0.05, y para valores Z superiores a +3 el valor de la función es mayor que (D) Puesto que en el modelo de regresión logística la variable dependiente Y es binaria (/0), su media equivale a la proporción de sujetos que presentan la respuesta. De este modo, la componente sistemática modeliza la proporción x de sujetos con la característica Y= para cada posible valor de X, es decir, la probabilidad condicional de que un sujeto presente la respuesta. 8 (A) Pr (Y= X) = x = ( 0 x ) e Odds = x x = e ( 0 x ) 9 (B) En este caso, e es el factor por el cual se multiplica la odds de la respuesta (Y) cuando la variable predictora X se incrementa en unidad. 0(C) El modelo de regresión logística supone que la distribución de los residuales, para cada posible valor de X, tiene media 0, variancia x ( x ), no constante para diferentes valores de X, y probabilidades dadas por la ley Binomial. (B) Los coeficientes de la regresión logística se estiman con un estimador máximo-verosímil. 2(D) Muchos programas de ordenador dan el valor LL (logaritmo neperiano de la verosimilitud) de cada modelo estimado, que es un valor negativo. Stata lo presenta como Log Likelihood. 3(A) El valor de la verosimilitud L oscila entre 0 y. 4(D) El logaritmo neperiano de la verosimilitud (LL) será un número negativo, que alcanzaría el valor 0 en un hipotético modelo que reprodujera exactamente los datos. 5(B) De LL=0 se deduce el valor: L=. 6(C) De LL = n ln(0.5) se deduce el valor: L = 0.5 n 7(B) Un ensayo clínico, igual que un estudio de cohortes, permite estimar incidencias de manera que su valor será un ROR. Sin embargo, como en un ensayo clínico la respuesta no acostumbra a tener baja prevalencia no podrá ser considerado como una estimación del riesgo relativo RR. Sin embargo, dicho RR podrá ser calculado de forma directa a partir de las estimaciones de las incidencias acumuladas que permite obtener la regresión logística. 8(C) En un estudio transversal las odds estiman prevalencias. En este caso la razón de odds que representa e se denomina razón de odds de prevalencia POR. 9(D) En un estudio de casos y controles, la razón de odds (OR) se puede interpretar como una estimación del riesgo relativo (RR) si la respuesta tiene baja frecuencia. 20(B) En un diseño de cohortes e puede ser interpretado como una medida del efecto del factor X sobre la respuesta Y. La razón de odds se denomina razón de odds de riesgo ROR. 2(A) Ver comentario a pregunta 7. 22(C) En estudios de casos y controles los grupos de sujetos expuestos y no expuestos no reproducen la prevalencia de la respuesta porque el número de casos y controles depende del diseño planteado por el investigador. Así, el RR sólo puede ser estimado de forma indirecta a través de la OR si en la población la respuesta es de baja prevalencia. 0 = e x e UD: El modelo de regresión logística
2 RE2. Regresión logística binaria, multinomial, de Poisson y binomial negativa Curso 204/5 Solución resumida de la prueba de evaluación Unidad didáctica Problema A 23(C) ROR = e 0.2 =.22. La respuesta B es falsa porque la hipertensión no tiene baja prevalencia. La respuesta A no es correcta porque este coeficiente carece de interpretación clínica. Se trata de una razón de odds de riesgo por ser un estudio de cohortes. 24(C) ROR = e = e 4 = (A) Z = T O de donde: Z T=20; O = = = 4.7; Z T=0; O= = = (A) Obesos: 27(C) RR = RR = + e + e 4.7 (.8) + e + e 28(B) Pr (H= t=0; O=) = = e =.483 = = > 0.5 H = Pr(H= t=0; O=0) = = < 0.5 H = 0 + e 29(C) OR = e 0.2 =.22. La respuesta B es falsa porque la hipertensión no tiene baja prevalencia y la razón de odds no puede interpretarse como un riesgo relativo. 30(D) Véase comentario a pregunta anterior. En este caso sólo es posible estimar la razón de odds a través del coeficiente b porque no se cumple el supuesto de baja prevalencia: OR = e = e 4 = Problema B 3(B) Se trata de un estudio de seguimiento de dos cohortes con PAS baja y alta. 32(B) OR = (20/95)/(894/73) = (B) RR = (95/296)/(73/067) = (C) Odds Ratio = OR = (A) OR = e b b = ln OR = ln = (B) b = 0.893; S E(b) = IC 95% de b: b ±.96 S E(b) = a (D) IC95% OR: e a e a Solución con Stata. Este problema se debe contestar aplicando las fórmulas. Para comprobar los resultados se presenta la solución con Stata. clear input PAS EC Frec //Introducción de los datos a partir de una tabla 2x end expand Frec label define dec 0 "No" "Sí" label values EC dec label define dpas 0 "<65" ">=65" label values PAS dpas UD: El modelo de regresión logística 2
3 RE2. Regresión logística binaria, multinomial, de Poisson y binomial negativa Curso 204/5 Solución resumida de la prueba de evaluación Unidad didáctica cs EC PAS, or PAS Exposed Unexposed Total Cases Noncases Total Risk Point estimate [95% Conf. Interval] Risk difference Risk ratio Attr. frac. ex Attr. frac. pop.7540 Odds ratio (Cornfield) logit EC PAS, or chi2() = Pr>chi2 = Logistic regression Number of obs = 363 LR chi2() = Prob > chi2 = Log likelihood = Pseudo R2 = EC Odds Ratio Std. Err. z P> z [95% Conf. Interval] PAS _cons logit EC PAS EC Coef. Std. Err. z P> z [95% Conf. Interval] PAS _cons Problema C import excel "204RE2.xls", sheet("autoevc") firstrow clear label variable MC "Masa corporal (kg/m2)" label variable Trat "Tratamiento" label variable Compl "Complicaciones" label define dtrat "Sólo dieta" 2 "Tabletas" 3 "Insulina" label values Trat dtrat label define dnosi 0 "No" "Sí" label values Compl dnosi logit Compl MC i.trat estimates store Mmax Logistic regression Number of obs = 6 LR chi2(3) = 9.07 Prob > chi2 = Log likelihood = Pseudo R2 = Compl Coef. Std. Err. z P> z [95% Conf. Interval] MC Trat Tabletas Insulina _cons UD: El modelo de regresión logística 3
4 RE2. Regresión logística binaria, multinomial, de Poisson y binomial negativa Curso 204/5 Solución resumida de la prueba de evaluación Unidad didáctica 38(B) Los comandos de lectura y definición de datos, y de estimación del modelo, se encuentran en el listado anterior, junto a la estimación del modelo presentando los coeficientes y presentando las OR. También se almacena el modelo en memoria con el nombre Mmax para posteriores comparaciones. 39(A) La prueba de razón de verosimilitud global se presenta en el listado anterior. 40(D) Se obtiene comparando con el comando lrtest la verosimilitud del modelo máximo (que contiene MC y Trat) con la del modelo reducido sin la variable MC: logit Compl i.trat estimates store Mmc lrtest Mmc Mmax Likelihood-ratio test LR chi2() = 2.4 (Assumption: Mmc nested in Mmax) Prob > chi2 = (B) Se obtiene comparando con el comando lrtest la verosimilitud del modelo máximo (que contiene MC y Trat) con la del modelo reducido sin la variable Trat: logit Comp MC estimates store Mtrat lrtest Mtrat Mmax Likelihood-ratio test LR chi2(2) = 6.80 (Assumption: Mtrat nested in Mmax) Prob > chi2 = Se deduce que Trat es una variable relevante ya que la prueba de razón de verosimilitud es estadísticamente significativa (p=0.033), reflejando una pérdida significativa de verosimilitud al eliminar Trat. logit Compl MC i.trat, or Compl Odds Ratio Std. Err. z P> z [95% Conf. Interval] MC Trat Tabletas Insulina _cons e (D) La opción A es correcta pues presenta el IC95% de OR. La opción B es correcta pues presenta el IC95% de b. La opción C es correcta pues la tendencia indicada es cierta. 43(A) La prueba de razón de verosimilitud es más potente que la prueba de Wald, por lo que, en caso de discrepancia entre ambas, debe ser la prueba de elección. El tratamiento con tabletas o con insulina tiene un efecto similar, pero disminuye (no aumenta) la probabilidad de complicaciones respecto a sólo dieta. 44(C) El efecto de la insulina respecto a sólo la dieta se representa en la variable ficticia Trat2 (Insulina), en el valor de su OR e IC95%. 45(C) Para realizar predicciones se añade un sujeto sin valor en Comp y con MC=25 y Trat=3. Seguidamente se estima la regresión logística con los dos predictores y se ejecuta el comando predict para averiguar la probabilidad de este sujeto de tener complicaciones: preserve set obs 7 replace MC=25 if _n==7 replace Trat=3 if _n==7 logit Comp MC i.trat predict Compl_Pre, p list MC Trat Compl_Pre in 7 restore MC Trat Compl_~e Insulina UD: El modelo de regresión logística 4
5 RE2. Regresión logística binaria, multinomial, de Poisson y binomial negativa Curso 204/5 Solución resumida de la prueba de evaluación Unidad didáctica 46(B) La Tabla de clasificación obtenida pone de manifiesto una sensibilidad = 75% y una especificidad = 87.5%, que se pueden considerar valores aceptables: estat classification Logistic model for Compl True Classified D ~D Total Total Classified + if predicted Pr(D) >=.5 True D defined as Compl!= 0 Sensitivity Pr( + D) 75.00% Specificity Pr( - ~D) 87.50% Positive predictive value Pr( D +) 85.7% Negative predictive value Pr(~D -) 77.78% False + rate for true ~D Pr( + ~D) 2.50% False - rate for true D Pr( - D) 25.00% False + rate for classified + Pr(~D +) 4.29% False - rate for classified - Pr( D -) 22.22% Correctly classified 8.25% 47(B) La curva ROC se obtiene empleando como variable de clasificación la predicción realizada en la pregunta 45. El valor AUC=0.89 obtenido indica una muy buena capacidad diagnóstica: roctab Compl Compl_Pre, graph ROC Asymptotic Normal Obs Area Std. Err. [95% Conf. Interval] Sensitivity Specificity UD: El modelo de regresión logística 5
Departamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesObjetivos del análisis de supervivencia
Regresión de Cox Javier Zamora Unidad de Bioestadística Clínica. IRYCIS 1 Objetivos del análisis de supervivencia Estimar e interpretar las curvas de supervivencia i y/o riesgo. Comparar curvas de supervivencia,
Más detallesUniversidad de la República, Facultad de Ciencias Económicas y Administración.
Universidad de la República, Facultad de Ciencias Económicas y Administración. ECONOMETRIA II- CURSO 2010 Practica 5 MODELOS DE VARIABLE DEPENDIENTE TRUNCADA CENSURADA, MODELOS DE SELECTIVIDAD, MODELOS
Más detallesDiagnósticos regresión
Diagnósticos regresión de Cox Víctor Abraira Unidad de Bioestadística Clínica. IRYCIS 1 Diagnósticos de regresión Se trata de evaluar lo adecuado del modelo. Hay tres aspectos: Asunciones Bondad de ajuste
Más detallesEstimación del Probit Ordinal y del Logit Multinomial
Estimación del Probit Ordinal y del Logit Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 Introducción El
Más detallesBioestadística para Reumatólogos
Bioestadística para Reumatólogos Xavier Barber Vallés Mabel Sánchez Barrioluengo Colaboradores - Umh Todos los datos que se muestran son ficticios Tablas 2x2: Riesgos Relativos y Odds ratio En cada sociedad
Más detallesBIOESTADISTICA ( ) Evaluación de pruebas diagnósticas. 1) Características del diseño en un estudio para evaluar pruebas diagnósticas.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Evaluación de pruebas diagnósticas CONCEPTOS CLAVE 1) Características del diseño en un estudio para evaluar pruebas
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
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 detallesPrograma de estudios. 1) Muestra y población. Parámetros estimadores y estadísticos. Distribución de Gauss. Intervalo de confianza
Programa de estudios Módulo 1: Panorama general de la Investigación Clínica. Ideas y Protocolo 1. La imaginación científica. Desarrollo de la idea de Investigación. Preguntas de Investigación 2. Diseño
Más detallesT4. Modelos con variables cualitativas
T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad
Más detallesVI Fórum multidisciplinar
VI Fórum multidisciplinar de la Enfermedad Tromboembólica Predicción de muerte por sangrado Dr. José Antonio Nieto Rodríguez Servicio de Medicina Interna Hospital Virgen de la Luz Cuenca Journal of Thrombosis
Más detallesFunciones de Regresión No Lineales (SW Cap. 6)
Funciones de Regresión No Lineales (SW Cap. 6) Todo anteriormente ha sido lineal en las X s La aproximación de que la función de regresión es lineal puede ser satisfactoria para algunas variables pero
Más detallesAnálisis de estudios de cohortes en Ciencias de la P005/10. Salud (modelos regresión de Poisson y de Cox)
Análisis de estudios de cohortes en Ciencias de la P005/10 Salud (modelos regresión de Poisson y de Cox) Fecha de aprobación de programa: Marzo 2012 Fechas curso: 4 y 5 de Junio de 2012 Horario: Mañana
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesCaracterísticas operativas de test diagnósticos Sensibilidad y Especificidad
Curso MBE IV Medicina Universidad de Valparaíso Características operativas de test diagnósticos Sensibilidad y Especificidad Dr. Claudio Puebla Característica operativas de los test diagnósticos Son los
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 detallesDESEMPEÑO ACADEMICO DE ESTUDIANTES DE INGENIERIA: ANALISIS DE FACTORES INCIDENTES
DESEMPEÑO ACADEMICO DE ESTUDIANTES DE INGENIERIA: ANALISIS DE FACTORES INCIDENTES GT 04 Modelagem Matemática María del Carmen Ibarra Facultad de Ingeniería Universidad Nacional de Misiones- UNaM ibarra@fio.unam.edu.ar
Más detallesINCIDENCIA Y MORTALIDAD POR CANCER COHORTES Y ETNIAS. Resultados Preliminares del Trabajo Maestría en Epidemiología i Universidad del valle, 2008
INCIDENCIA Y MORTALIDAD POR CANCER DE PROSTATA EN CALI: UN ANÁLISIS POR COHORTES Y ETNIAS. Resultados Preliminares del Trabajo Maestría en Epidemiología i Universidad del valle, 2008 Cáncer de próstata
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 detallesIntroducción a la regresión ordinal
Introducción a la regresión ordinal Jose Barrera jbarrera@mat.uab.cat 20 de mayo 2009 Jose Barrera (UAB) Introducción a la regresión ordinal 20 de mayo 2009 1 / 11 Introducción a la regresión ordinal 1
Más detallesMuestreo e inferencia
Images created with STATA software. 1 Muestreo e inferencia Calidad de los datos y las mediciones Razones para hablar de muestreo Formación académica de la población Comprender los datos que se van a utilizar
Más detalles11 preguntas para ayudarte a entender un estudio de Casos y Controles
PROGRAMA DE LECTURA CRÍTICA CASPe Leyendo críticamente la evidencia clínica 11 preguntas para ayudarte a entender un estudio de Casos y Controles Comentarios generales Hay tres aspectos generales a tener
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 detallesCómo obtener un Modelo de Regresión Logística Binaria con SPSS
Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo obtener un Modelo de Regresión Logística Binaria con SPSS Vanesa Berlanga-Silvente y Ruth Vilà-Baños Fecha de presentación:
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesEstimar efectos parciales con margins
Estimar efectos parciales con margins David M. Drukker Director of Econometrics Stata 2010 Spanish Stata Users Group meeting Madrid September 2010 1 / 31 Información general Esta charla muestra como usar
Más detallesEVALUACIÓN N DE LA VALIDEZ DE PRUEBAS DIAGNÓSTICAS
EVALUACIÓN N DE LA VALIDEZ DE PRUEBAS DIAGNÓSTICAS César Gutiérrez Villafuerte Sección n de Epidemiología a y Estadística stica Facultad de Medicina UNMSM Lima, marzo de 2006 Tuberculosis pulmonar Cáncer
Más detallesProceso de análisis de regresión múltiple
Proceso de análisis de regresión múltiple Recolección de datos Chequeo de la calidad de los datos Diagnóstico de relaciones o interacciones fuertes entre las variables Xs Aplicación de medidas remediales
Más detalles. gen princ=(faminc-ww*whrs)/1000. . probit lfp wa kl6 k618 we princ
UCEMA ECONOMETRIA APLICADA - Probit- El archivo MROZ.xls tiene datos de un un estudio clásico donde se trata de estimar una ecuación de salarios para mujeres. La primer etapa del estudio es determinar
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesAplicación de la norma ANSI/PMI 99-001:2004 a la gestión de proyectos de una empresa del Sector de la Construcción.
IV. CASO PRÁCTICO: EMPRESA DEL SECTOR DE LA VIABILIDAD. CONSTRUCCIÓN. ESTUDIO DE 1.- ANALISIS DE VIABILIDAD... 117 1.1.- MARCHA DE CÁLCULO... 117 1.2.- IDENTIFICAR FACTURACIÓN... 117 1.3.- IDENTIFICAR
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detalles... *Elasticidad ingreso del gasto en electricidad (Modelo Restringido). reg lviv ling
---- ---------------------------------------- log: C:\datos\docencia\econIccee\practicas2009\chowlog log type: text opened on: 17 Sep 2009, 17:58:52 use "$ruta\chowdta", clear * crear variable logaritmo
Más detallesMODELO PREDICTIVO DE RIESGO DE MOROSIDAD PARA CRÉDITOS BANCARIOS USANDO DATOS SIMULADOS
INVESTIGACIÓN MODELO PREDICTIVO DE RIESGO DE MOROSIDAD PARA CRÉDITOS BANCARIOS USANDO DATOS SIMULADOS CLAUDIO ALFREDO LÓPEZ MIRANDA Un problema grave en las instituciones de crédito son los préstamos no
Más detallesPor ejemplo, si se desea discriminar entre créditos que se devuelven o que presentan
Regresión Logística Introducción El problema de clasificación en dos grupos puede abordarse introduciendo una variable ficticia binaria para representar la pertenencia de una observación a uno de los dos
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesENUNCIADOS DE PROBLEMAS
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
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 detallesEvaluar, 6 (2006), ISSN
Evaluar, 6 (2006), 52 67 ISSN 1667-4545 Laboratorio de Evaluación Psicológica y Educativa ARTICULO METODOLÓGICO Fundamentos del Análisis de Regresión Logística en la Investigación Psicológica Ana María
Más detallesComparaciones indirectas y metaanálisis en red
Comparaciones indirectas y metaanálisis en red Aurelio Tobías y Ferrán Catalá- López 3 a Jornada Metodológica de la Unidad de Bioestadís:ca Clínica: Actualización en metanálisis Hospital Ramón y Cajal
Más detallesEjercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL
Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL 1. Se ha realizado una muestra aleatoria simple (m.a.s) de tamaño 10 a una población considerada normal. Llegando a la conclusión que
Más detallesMÓDULO: MÉTODOS CUANTITATIVOS
MÓDULO: MÉTODOS CUANTITATIVOS 1.- Nombre del módulo y las asignaturas: Métodos Cuantitativos Econometría Avanzada Econometría Financiera 2.-Número de créditos ECTS: Econometría Avanzada: 6 ECTS. Econometría
Más detalles10 12 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA
10 12 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA Ejemplo 10.1 Modelos Probit y Logit para la probabilidad de tener carro propio en Holanda El archivo NLCAR contiene información para 2,820 hogares
Más detallesUna metodología para manejar variables
Una metodología para manejar variables continuas en los modelos pronóstico: Polinomios fraccionales Javier Zamora Unidad de Bioestadística Clínica- IRyCIS Enero 2011 Índice Manejo de variables continuas
Más detallesTRABAJO FIN DE MÁSTER MÁSTER OFICIAL EN ESTADÍSTICA APLICADA UNIVERSIDAD DE GRANADA
TRABAJO FIN DE MÁSTER MÁSTER OFICIAL EN ESTADÍSTICA APLICADA UNIVERSIDAD DE GRANADA Alumna: María Ángeles Dueñas Rodríguez ÍNDICE Capítulo 1: Introducción... 1 Capítulo 2: Teoría de los modelos de regresión
Más detallesCLASE 10: RESUMEN DEL CURSO
CLASE 10: RESUMEN DEL CURSO 10.1.-INTRODUCCIÓN Qué debemos valorar al enfrentarnos con el análisis de unos datos estadísticos? 1º TIPO DE ESTUDIO: - Datos Independientes - Datos Apareados 2º TIPO DE VARIABLES:
Más detallesPresentación de la tercera edición Autores
ÍNDICE DE CAPÍTULOS Presentación de la tercera edición Autores 1 Introducción a los métodos de la epidemiología y la bioestadística... 1 M.A. Martínez-González, A. Sánchez-Villegas, J. de Irala 1.1. Estadística,
Más detalles1. Caso no lineal: ajuste de una función potencial
1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir
Más detallesMedición clínica Diagnóstico Sensibilidad y especificidad
Medición clínica Diagnóstico Sensibilidad y especificidad La práctica de la medicina necesita evidencias sobre tres tipos básicos de conocimiento profesional Diagnóstico : Probabilidad El diagnóstico perfecto
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesPRUEBAS. Sandra Convers-Páez, M.D. Instituto de Investigaciones Médicas Facultad de Medicina 2009
PRUEBAS DIAGNÓSTICAS Sandra Convers-Páez, M.D. Instituto de Investigaciones Médicas Facultad de Medicina 2009 PRUEBAS DIAGNÓSTICAS Generalmente, pruebas realizadas en un laboratorio (también historia y
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesMediciones de ocurrencia: Prevalencia e Incidencia. Dra. M Teresa Valenzuela B. Departamento de Salud Pública y Epidemiología
Mediciones de ocurrencia: Prevalencia e Incidencia Dra. M Teresa Valenzuela B. Departamento de Salud Pública y Epidemiología Cómo medimos los problemas de salud? Enjuiciamiento clínico? Palabras tales
Más detallesANEXOS. 1) Modelo Probit.
ANEXOS 1) Modelo Probit. Estos modelos pertenecen a los modelos de respuesta binaria 1, es decir, la variable dependiente es una variable dicotómica, donde toma 1 para indicar el éxito en la variable de
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 detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesUniversitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011
Econometría I Examen Final 1 Universitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011 Este examen consta de un total de 50 puntos.
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesLa probabilidad de obtener exactamente 2 caras en 6 lanzamientos de una moneda es. 2) (2) (2) "it^g) = 64
Las distribuciones binomial, normal y de Poisson CAPITULO 7 Wmmr LA DISTRIBUCION B I N O M I A L Si p es la probabilidad de que cualquier evento ocurra en un solo ensayo (denominada probabilidad de éxito)
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 detallesUNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT
Más detallesFundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I
Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................
Más detallesLos Ensayos Clínicos (EC) son estudios epidemiológicos caracterizados por ser:
(678',26(3,'(0,2/Ï*,&26(;3(5,0(17$/(6 Contenido: 1. Ensayos Clínicos Características Diseño de estudio de cohortes y ensayos clínicos Selección de la muestra de estudio Grupos de estudio. Aleatorización.
Más detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesANALISIS DE FRECUENCIA
ANALISIS DE FRECUENCIA HIDROLOGÍA Determinística: enfoque en el cual los parámetros se calculan en base a relaciones físicas para procesos dinámicos del ciclo hidrológico. Estocástico: Enfoque en el cual
Más detallesModelos de regresión: lineal simple y regresión logística
14 Modelos de regresión: lineal simple y regresión logística Irene Moral Peláez 14.1. Introducción Cuando se quiere evaluar la relación entre una variable que suscita especial interés (variable dependiente
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 detalles(.$263*7.5"4+%#,"8..9$ $.$ - -. 7.# "4< $ 8 $ 7 "% @
!"#$%!& ' ($ 2 ))!"#$%& '$()!& *($$+%( & * $!" "!,"($"$ -(.$!- ""& +%./$$&,-,$,". - %#,"0# $!01 "23(.4 $4$"" ($" $ -.#!/ ". " " ($ "$%$(.$2.3!- - *.5.+%$!"$,"$ (.$263*7.5"4+%#,"8..9$ $.$ - $,"768$"%$,"$%$!":7#;
Más detallesSesión Práctica 6. Efectos edad, periodo y cohorte.
Sesión Práctica 6. Efectos edad, periodo y cohorte. En numerosos estudios epidemiológicos los participantes se encuentran englobados en un amplio rango de edades. La edad es un trascendente factor de riesgo
Más detallesRepaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013
Repaso de estadística básica Juan D. Barón Santiago de Chile, 8 de abril de 2013 1 I. CONCEPTOS ESTADÍSTICOS BÁSICOS 2 Las decisiones se toman bajo incertidumbre Las decisiones se basan en información
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesANÁLISIS DISCRIMINANTE APLICADO AL PROBLEMA DE CREDIT SCORING
ANÁLISIS DISCRIMINANTE APLICADO AL PROBLEMA DE CREDIT SCORING RESUMEN JUAN MANUEL RIVAS CASTILLO En este documento se emplea el análisis discriminante, que es una técnica del análisis multivariado utilizada
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detalles2. MARCO CONCEPTUAL DE REFERENCIA
2. MARCO CONCEPTUAL DE REFERENCIA 2.1 MACROSOMÍA FETAL La MF se asocia a un aumento en las tasas de: 1) inducción del trabajo de parto, 2) parto operatorio (fórceps, cesárea), 3) detención de la progresión
Más detallesCalculemos inicialmente el logaritmo en base 10 de las siguientes potencias de 10:
Logarítmos en base diez: El 10 se omite como base; es decir: log 10 a = log a. Clase-1 Calculemos inicialmente el logaritmo en base 10 de las siguientes potencias de 10: (a) log 10.000 = (f) log 0,1 =
Más detallesPRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx
PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx Octubre, 2011 Introducción Un supuesto básico del modelo es la existencia de una relación lineal entre la variable
Más detallesDocumento de Trabajo. Debo inscribir más de 22 créditos?
Documento de Trabajo Debo inscribir más de 22 créditos? Rodrigo Navia Carvallo 2004 El autor es Ph.D in Economics, Tulane University, EEUU. Máster of Arts in Economics, Tulane University, EEUU. Licenciado
Más detallesCarrera: Integrantes de la Academia de Ingeniería Industrial: M.C. Ramón García González. Integrantes de la
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Ingeniería de calidad Licenciatura en Ingeniería Industrial Clave de la asignatura: Horas teoría horas práctica - créditos 4-0 - 8 2.- HISTORIA
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesREDUCCIONES TEMPORALES DE CONTRIBUCIONES A LA SEGURIDAD SOCIAL Y SUS EFECTOS EN EL EMPLEO EL CASO DE ARGENTINA
REDUCCIONES TEMPORALES DE CONTRIBUCIONES A LA SEGURIDAD SOCIAL Y SUS EFECTOS EN EL EMPLEO EL CASO DE ARGENTINA 1 Ministerio de Trabajo, Empleo y Seguridad Social de Argentina Buenos Aires, 26 de septiembre
Más detallesECONOMETRIA APLICADA NOTAS DATOS DE PANEL
ECONOMETRIA APLICADA NOTAS DATOS DE PANEL Revisión En una de las referencias clásicas en la literatura, Hsiao (1986) los describe como secciones cruzadas de individuos observadas a lo largo del tiempo.
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesDatos binomiales 1.70 1.75 1.80 1.85. beetles$dosis
Datos binomiales Modelos de dosis-respuesta Carga de datos y calculo de proporciones: beetles
Más detallesGUÍA PARA EL ANÁLISIS DE LAS ESTADÍSTICAS VITALES, DE MORBILIDAD Y RECURSOS DE SALUD
GUÍA PARA EL ANÁLISIS DE LAS ESTADÍSTICAS VITALES, DE MORBILIDAD Y RECURSOS DE SALUD GUÍA 2 PARA COMPLETAR LAS APLICACIONES 1 Organización Panamericana de la Salud/ Organización Mundial de la Salud (OPS/OMS)
Más detalles> y <- c(19, 57, 29, 63, 29, 49, 27, 53, 23, 47, 33, 66, 47, 55, 23, 50, + 24, 37, 42, 68, 43, 52, 30, 42) > ly <- length( y )
Preferencia por un nuevo Detergente: Para un estudio de mercado sobre las preferencias entre un nuevo detergente Xx y uno standard Mm se consideró una muestra de 1008 consumidores, a los que se preguntó
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesCRITERIOS DE EVALUACIÓN ESTÁNDARES DE APRENDIZAJE EVALUABLES
Matemáticas hasta 6º de Primaria CONTENIDOS Bloque 5. Estadística y probabilidad CRITERIOS DE EVALUACIÓN ESTÁNDARES DE APRENDIZAJE EVALUABLES Gráficos y parámetros estadísticos. Recogida y clasificación
Más detallesQué demonios es un Odds Ratio (OR)? Medidas de efecto
Adolfo Figueiras Guzmán Prof. Titular de Medicina Preventiva e Saúde Pública (USC) Qué demonios es un Odds Ratio (OR)? Medidas de efecto Índice 1. Introducción 2. Conceptos previos sobre cocientes 3. Medidas
Más detallesANÁLISIS DISCRIMINANTE
DEFINICIÓN: Cómo técnica de análisis de dependencia: Pone en marcha un modelo de causalidad en el que la variable endógena es una variable NO MÉTRICA y las independientes métricas. Cómo técnica de análisis
Más detallesINFORME DE RESULTADO. "Atlas de mortalidad por cáncer de tráquea, bronquios y pulmón" PROYECTO FONIS SA05I20030:
INFORME DE RESULTADO "Atlas de mortalidad por cáncer de tráquea, bronquios y pulmón" PROYECTO FONIS SA05I20030: Atlas de mortalidad por Cáncer. Chile 1997-2003 SA05I20030 1 AÑO 2006 NÚMERO PROYECTO DURACIÓN
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS PROBABILIDAD Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0056 Asignaturas antecedentes y subsecuentes PRESENTACIÓN
Más detallesEconometría Tutorial 6 Ejercicios de Multicolinealidad
Econometría Tutorial 6 Ejercicios de Multicolinealidad En los siguientes ejercicios vamos a retomar la Curva de Kuznets Ambiental analizada en los primeros dos trabajos prácticos. La relación entre contaminación
Más detallesEL4005 Principios de Comunicaciones Clase No.24: Demodulación Binaria
EL4005 Principios de Comunicaciones Clase No.24: Demodulación Binaria Patricio Parada Departamento de Ingeniería Eléctrica Universidad de Chile 5 de Noviembre de 2010 1 of 34 Contenidos de la Clase (1)
Más detalles