SPSS Aplicación práctica: Base de datos del HATCO
|
|
- Marina Palma Calderón
- hace 6 años
- Vistas:
Transcripción
1 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 HATCO: X X X X X 5 X 6 X 7 Resultados de compra: X 9 Velocidad de entrega Nivel de precios Flexibilidad de precios Imagen del fabricante Servicio conjunto Imagen de fuerza de ventas Calidad de producto Nivel de fidelidad Características del comprador: X 8 Tamaño de la empresa (Variable codificada -)
2 Primer paso: Objetivos del análisis Predecir los niveles de fidelidad a los productos por parte de los clientes basándonos en las percepciones que estos tienen de la actividad de HATCO, así como identificar los factores que llevan al aumento de la utilización del producto para su aplicación en campañas de marketing diferenciadas. Segundo paso: Diseño de la investigación Análisis de Regresión múltiple (lineal) Variable dependiente: Fidelidad al producto (X 9 ) Variables independientes: 7 percepciones (X, X, X, X, X 5, X 6, X 7 ) Tamaño muestral: (= n, N)
3 Tercer paso: Supuestos del análisis de regresión múltiple ª etapa: Contrastación de las variables dependiente e independientes A. Relación de linealidad de cada v. independiente con la dependiente B. Constancia en la varianza (Homocedasticidad) Después del ajuste. C. Normalidad (tests asociados al análisis) (Hacemos un primer sondeo antes de ajustar el modelo) ª etapa: Contrastación de la relación conjunta después de la estimación del modelo (Se realizará después de haber estimado el modelo)
4 A. Relación de linealidad de cada v. independiente con la dependiente Una a una poner cada v. independiente en el eje X X X X ,,5,,5,,5,,5 5,
5 C. Normalidad de todas las variables Gráfico Q-Q normal de Pruebas de normalidad Normal esperado Valor observado Gráfico Q-Q normal de 8 9 X X X Kolmogorov-Smirnov a Shapiro-Wilk Estadístico gl Sig. Estadístico gl Sig.,6,*,985,,95,8,969,7,95,7,95,,7,7,98,8,85,69,986,66,,,96,7,9,,97,8,79,,985, *. Este es un límite inferior de la significación verdadera. a. Corrección de la significación de Lilliefors Normal esperado Valor observado 5
6 Cuarto paso: Estimación del modelo y valoración global del ajuste Resumen del modelo R cuadrado Error típ. de la R R cuadrado corregida estimación,88 a,775,758,7 a. Variables predictoras:,,,, X, X,, X I. El modelo ajustado y la bondad del ajuste X X X a. Variable dependiente: Coeficientes no estandarizados Coeficientes a Coeficientes estandarizad os Intervalo de confianza para B al 95% Límite B Error típ. Beta t Sig. Límite inferior superior -,87,977 -,7, -,7 -, -5,76E-, -,8 -,9,977 -,55,9 -,697,9 -,9 -,,7 -,88,5,68,,5 8,9,,55,85 -,E-,667 -,5 -,6,95 -,67,8 8,69,98,699,6,5,587 6,5,8,97,,5,8 -,6,6,567,55,,595, -,9,7 = X.697 X +.68 X. X X X X 7 El modelo ajustado explica aproximadamente el 75.8% de la variabilidad de 6
7 Regresión Residual Total ANOVA b Suma de Media cuadrados gl cuadrática F Sig. 698, ,55 5,5, a 8, 9 9, , 99 a. Variables predictoras:,,,, X, X,, X b. Variable dependiente: III. Significación individual de las variables X j y la constante H : j = H : j Al 5% las variables menos relevantes: X, X, X, X 6 y X 7 Las que más influencia parecen tener son: X y X, además de la constante que parece conveniente mantenerla en el modelo. Observar los coeficientes estandarizados (importancia relativa de cada variable X j en la explicación de ) X X X a. Variable dependiente: II. Tabla ANOVA Coeficientes no estandarizados H : = = = 7 = (R = ) H : Algún j (R ) Una significación de. nos dice que existe relación lineal entre las variables y tiene sentido el análisis de regresión Coeficientes a Coeficientes estandarizad os Intervalo de confianza para B al 95% Límite B Error típ. Beta t Sig. Límite inferior superior -,87,977 -,7, -,7 -, -5,76E-, -,8 -,9,977 -,55,9 -,697,9 -,9 -,,7 -,88,5,68,,5 8,9,,55,85 -,E-,667 -,5 -,6,95 -,67,8 8,69,98,699,6,5,587 6,5,8,97,,5,8 -,6,6,567,55,,595, -,9,7 Estas consideraciones no son concluyentes hay elegir las variables relevantes utilizando métodos secuenciales 7
8 IV. Examen de las correlaciones: Detectar posible multicolinealidad y qué variables guardan mayor correlación con la variable dependiente (de nuevo no podremos concluir nada). Correlaciones Correlación de Pearson Sig. (unilateral) N X X X X X X X X X X X X,,676,8,559,,7,56 -,9,676, -,9,59,5,6,77 -,8,8 -,9, -,87,7,5,86,7,559,59 -,87, -,6,67 -, -,8,,5,7 -,6,,99,788,,7,6,5,67,99,, -,55,56,77,86 -,,788,,,77 -,9 -,8,7 -,8, -,55,77,,,,9,,,,5,8,,,,,9,,,,9,,,,,,,,,,,,5,55,67,,,9,,5,,,,,,,,55,,,8,9,5,,,67,,8,,9,8,,,,,9,9, Las más correlacionadas con son X, X y X Entre si la mayor correlación (moderada) se observa entre X y X 5, X y X 5, X y X 6 8
9 V. Selección de variables independientes: Métodos secuenciales Utilizaremos el procedimiento de selección por pasos (Stepwise) 9
10 SPSS Variables introducidas, X,, a. Variable dependiente: Variables introducidas/eliminadas a Variables eliminadas Método Por pasos (criterio: Prob. de F para entrar <=,5, Prob. de F para salir >=,). Por pasos (criterio: Prob. de F para entrar <=,5, Prob. de F para salir >=,). Por pasos (criterio: Prob. de F para entrar <=,5, Prob. de F para salir >=,). El modelo ajustado final (después de tres pasos) = X X X 6 El modelo ajustado explica aproximadamente el 76.% de la variabilidad de X X X X X X X La colinealidad se detallará después con más estadísticos Variables excluidas d Estadísticos de Correlación colinealidad Beta dentro t Sig. parcial Tolerancia,96 a,8,,9,66 -,77 a -5,7, -,5,77,55 a,,,7,996,6 a,6,8,,9,9 a,5,,6,9 -,5 a -,78, -,6,997,6 b,5,88,,5 -, b -,67,79 -,7,6,95 b,88,7,8,89, b,78,9,6,99,9 b,68,96,69,799, c,89,698,, -,9 c -,5,687 -,,6 -, c -,,98 -,,57,7 c,7,6,,768 a. Variables predictoras en el modelo:, b. Variables predictoras en el modelo:,, X c. Variables predictoras en el modelo:,, X, d. Variable dependiente: Coeficientes a X X Coeficientes no estandarizados Coeficientes estandarizad os Intervalo de confianza para B al 95% Límite B Error típ. Beta t Sig. Límite inferior superior,65,596 8,, 6,5 6,8 8,8,86,7 9,7, 6,67,95 -,89,57 -,,57-9,556,578 7,97,6,666,, 6,777 9,7,6,7,55,,,688,985-6,5,7 -,8,7 -,965 -,75 7,6,67,67,57, 6,6 8,87,76,,5,56,,7,,6,59,,78,9,,579 La interpretación del modelo ajustado (efectos) la realizaremos en el paso quinto Resumen del modelo d Estadísticos de cambio R cuadrado Error típ. de la Cambio en Sig. del R R cuadrado corregida estimación R cuadrado Cambio en F gl gl cambio en F,7 a,9,86 6,58,9 9,55 98,,869 b,755,75,98,6,5 97,,877 c,768,76,98, 5,656 96,9
11 Para visualizar gráficamente la bondad del ajuste: Dispersión de valores exactos frente a valores predichos Gráfico de dispersión Variable dependiente: Regresión Valor pronosticado tipificado Gráfico de dispersión Variable dependiente: Regresión Valor pronosticado tipificado R² = Editando el gráfico obtenemos bandas de confianza y la línea de referencia
12 Volvemos a comprobar la significación individual y conjunta de las variables: SPSS ofrece los resultados en cada paso realizado Regresión Residual Total Regresión Residual Total Regresión Residual Total ANOVA d Suma de Media cuadrados gl cuadrática F Sig. 97,9 97,9 9,55, a 7,69 98, , 99 66,5 8,56 9,8, b 96,87 97, 7999, 99 65,7 8,567 6,5, c 85, 96 9,5 7999, 99 a. Variables predictoras:, b. Variables predictoras:,, X c. Variables predictoras:,, X, d. Variable dependiente: X X Coeficientes no estandarizados Coeficientes a Coeficientes estandarizad os Intervalo de confianza para B al 95% Límite B Error típ. Beta t Sig. Límite inferior superior,65,596 8,, 6,5 6,8 8,8,86,7 9,7, 6,67,95 -,89,57 -,,57-9,556,578 7,97,6,666,, 6,777 9,7,6,7,55,,,688,985-6,5,7 -,8,7 -,965 -,75 7,6,67,67,57, 6,6 8,87,76,,5,56,,7,,6,59,,78,9,,579 Como ya sabíamos las variables guarda relación lineal con la v. dependiente en los tres modelos Todas las variables que se van introduciendo son significativas. Obsérvese que la constante en el modelo resulta no significativa
13 VI. SPSS ANÁLISIS DE LOS RESIDUOS: Evaluación de los supuestos del análisis a) Normalidad de los residuos: Histograma, gráfico de prob. normal b) No autocorrelación: Test de Durbin-Watson c) Homocedasticidad: Gráficos de dispersión (ZRESID frente a ZPRED) d) Falta de linealidad: Gráficos de regresión parcial e) No multicolinealidad: Diagnóstico de colinealidad Identificación de casos atípicos y datos influyentes: Diagnóstico por caso (atípicos), guardar residuos, estadísticos de influencia y distancias (Mahalanobis, Cook, valores de influencia)
14 Gráfico P-P normal de los residuos tipificados Variable dependiente:, 6 Histograma Variable dependiente: Standardized Residual Pruebas de normalidad Kolmogorov-Smirnov a Estadístico gl Sig.,79,7,8 a. Corrección de la significación de Lilliefors Prob acum esperada,5,,,,,5,8, Frecuencia 8 6 Desv. típ. =,98 Media =, N =, a) Se puede admitir la normalidad de los residuos del modelo Prob acum observada Regresión Residuo tipificado b) Se puede admitir que no existe autocorrelación serial (d>.) Resumen del modelo b Durbin-Watson,9 a a. Variables predictoras:,, X, b. Variable dependiente:
15 Gráfico de dispersión Variable dependiente: c) No muestra una pauta clara de aumento o disminución de los residuos. Admitimos la hipótesis de homocedasticidad Regresión Residuo tipificado Regresión Valor pronosticado tipificado d) Las relaciones entre y X e y X 5 son claramente lineales y muy significativas (más pendiente más efecto de la variable). La relación con X 6 es menos clara y significativa, no obstante no muestra ninguna forma curvilínea. Admitimos la hipótesis de linealidad Gráfico de regresión parcial Variable dependiente: Gráfico de regresión parcial Variable dependiente: Gráfico de regresión parcial Variable dependiente: , -,5 -, -,5,,5,,5, X 5
16 X X X X X X X Variables excluidas d Estadísticos de colinealidad Tolerancia Beta dentro FIV mínima,96 a,599,66 -,77 a,57,77,55 a,,996,6 a,98,9,9 a,6,9 -,5 a,,997,6 b,69,5 -, b,56,6,95 b,,89, b,6,96,9 b,5,797, c,8, -,9 c,6,6 -, c,85,57,7 c,,768 a. Variables predictoras en el modelo:, b. Variables predictoras en el modelo:,, X c. Variables predictoras en el modelo:,, X, d. Variable dependiente: Interpretación de los índices de condición. Identificar los índices que estén por encima del umbral:. Para los índices identificados, identificar las variables con proporciones de varianza por encima del 9%: Habrá multicolinealidad si ocurre con dos o más coeficientes. Factor de inflacción de la varianza (FIV) Localizar valores superiores a Dimensión a. Variable dependiente: Diagnósticos de colinealidad a Indice de Proporciones de la varianza Autovalor condición X,969,,,,E- 7,98,98,98,9,,,,,595E- 8,,,85,9,7E-,778,97,,8,88,,,,, 5,997E- 8,6,,,,85,5E- 9,6,,9,,,7E- 7,79,97,7,75, e) No se viola la hipótesis de no multicolinealidad: Los índices de condición en el modelo no superan en ningún caso. 6
17 IDENTIFICACIÓN DE ATÍPICOS DATOS INFLUENTES Detección de atípicos: Los residuos mayores corresponden a los casos 7,, y. Valor pronosticado Valor pronosticado tip. Error típico del valor pronosticado Valor pronosticado corregido Residuo bruto Residuo tip. Residuo estud. Residuo eliminado Residuo eliminado estud. Dist. de Mahalanobis Distancia de Cook Valor de influencia centrado a. Variable dependiente: Estadísticos sobre los residuos a Desviación Mínimo Máximo Media típ. N,7 6,59 6, 7,8789 -,885,89,,,67,9,868,59,8 6,88 6, 7,98 -,55 7,57,,67 -,857,7,,985 -,98,77,, -,687 7,69 -,,97 -,5,756 -,,7,9 9,85,97,85,,,,,,96,, Esta tabla es un resumen descriptivo, los valores para los casos aparecen como variables añadidas en el editor de datos Número de caso 7 a. Variable dependiente: Diagnósticos por caso a Valor Residuo tip. pronosticado Residuo bruto -,857 6, 58,55 -,55 -,6,,67 -,67 -, 8, 8,9 -,9 -,696,,88 -,88 Detección de puntos influyentes Límites Valor de influencia:.8 SDFBETA: (-.,.) SDFFIT: (-.,.) COVRATIO: (.88,.) D. Cook:. Puntos influyentes y atípicos: 7,, y (posible eliminación) 7
18 Quinto paso: Interpretación del resultado teórico El modelo ajustado (Bondad del ajuste del 76.% ) = X X X 6 Interpretación de los efectos de cada variable explicativa Efectos tipificados (Importancia relativa de cada variable en la predicción del nivel de fidelidad) El mayor efecto en la predicción del nivel de fidelidad al producto es el asociado a las variables servicio global (6.7%) y flexibilidad de los precios (5.%). Aunque con menos efecto, la variable imagen de los vendedores (.%) tiene influencia en el nivel de fidelidad. Efectos sin tipificar: (Incremento medio en el nivel de fidelidad cuando la variable aumenta en una unidad y el resto de variables valen ) Servicio global: 7.6 Flexibilidad de precios:.76 Imagen de los vendedores:.6 Término constante: -6.5 (Incremento medio en el nivel de fidelidad cuando el resto de variables valen ) Predicciones Nivel de fidelidad (cliente que responde. en las tres v. independientes) =.9 -En SPSS basta añadir un caso con datos en todas las variables excepto en el nivel de fidelidad- 8
19 Sexto paso: Validación de los resultados Comparación entre R y R -ajustado (grandes diferencias pude indicar un sobreajuste del modelo y que no se mantiene una razón adecuada de observaciones con respecto al número de variables) En nuestro caso:.768,.76 Obtener una segunda muestra y corroborar los resultados. Métodos de exploración intensiva de la muestra (bootstrap, jackknife, PRESS) Evaluación de modelos de regresión alternativos Incorporación de nuevas variables. Inclusión de términos de interacción entre las presentes en el modelo Inclusión de términos cuadráticos o cúbicos en alguna variable independiente (si se alejaba de la linealidad) Inclusión de una variable no métrica: tamaño de la empresa (X 8 ) 9
20 Inclusión de una variable no métrica: Tamaño de la empresa (X 8 ) / (empresa pequeña / grande) OBSERVACIONES Al estar codificada con los valores y se puede introducir directamente en el modelo. Si está sin codificar o los códigos no se corresponden: Variables ficticias (en SPSS el módulo de Escalamiento óptimo) La interpretación del efecto asociado a la variable no métrica es distinto: Interpretamos el coeficiente como el valor de las grandes empresas comparado con el de las pequeñas. Un coeficiente positivo indica que las grandes empresas cuentan con un nivel de fidelidad mayor que el de las pequeñas, y al contrario si es negativo. Coeficientes a 5 X X X8 X X8 X X8 X a. Variable dependiente: Coeficientes no estandarizados Coeficientes estandarizados B Error típ. Beta t Sig.,65,596 8,, 8,8,86,7 9,7, -,89,57 -,,57 7,97,6,666,,,6,7,55,, -,956,7 -,7, 8,,59,7,9,,8,,65,9,,76,8,6,8, -6,5,5 -,8, 8,55,59,67,6,,5,99,655,6,,85,9,,5,,6,56,5,6, -5,96,86 -,8, 7,8,77,586 9,8,,99,,66 9,7,,96,8,7,96,,57,555,5,8,6,,5,65,6, 5 Resumen del modelo R cuadrado Error típ. de la R R cuadrado corregida estimación,7 a,9,86 6,58,869 b,755,75,98,88 c,778,77,,89 d,79,78,766,895 e,8,79,67 a. Variables predictoras:, b. Variables predictoras:,, X c. Variables predictoras:,, X, X8 d. Variables predictoras:,, X, X8, e. Variables predictoras:,, X, X8,, X Las empresas grandes cuentan con un nivel de fidelidad un.96% mayor que las pequeñas
21 Ejercicios propuestos. Con los datos contenidos en el fichero coches.sav ajustar mediante el procedimiento de regresión no lineal un modelo del tipo: Donde: : Consumo X : Motor X : Potencia (cv) X : Peso X : Acel = a X + b X + c sqrt(x ) + X ** d + e Parámetros: a,b,c,d,e (Valor inicial ). Con los datos del fichero coches.sav ajustar mediante el procedimiento de regresión curvilínea el mejor modelo que permita explicar la variable Consumo en función de la variable Potencia.. Ajustar mediante el procedimiento de regresión lineal un modelo que permita predecir el consumo en función de: motor, potencia y la variable codificada origen (utilizar variables ficticias).. Con los datos del fichero encuesta.sav ajustar mediante el procedimiento de regresión categórica un modelo que permita precedir el grado de felicidad (feliz) en términos del sexo, la raza y el tipo de vida (vida) de los encuestados. (Nota: en este caso los coeficientes resultantes, tipificados, indican en qué medida influye los valores de cada variable independiente en la variable dependiente.)
Universidad 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 detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesCORRELACION Y REGRESION
CORRELACION Y REGRESION En el siguiente apartado se presenta como calcular diferentes índices de correlación, así como la forma de modelar relaciones lineales mediante los procedimientos de regresión simple
Más detallesRegresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
Más detallesEl Análisis de la Regresión a través de SPSS
El Análisis de la Regresión a través de SPSS M. D olores M artínez M iranda Profesora del D pto. E stadística e I.O. U niversidad de G ranada Referencias bibliográficas. Hair, J.F., Anderson, R.E., Tatham,
Más detallesGUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
Más detallesINSTITUTO 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 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 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 detallesSOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
Más detalles1. Cómo introducir datos en SPSS/PC? - Recordatorio
1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones
Más detallesPráctica 9 REGRESION LINEAL Y CORRELACIÓN
Práctica 9. Regresión lineal y Correlación 1 Práctica 9 REGRESION LINEAL Y CORRELACIÓN Objetivos: En esta práctica utilizaremos el paquete SPSS para estudiar la regresión lineal entre dos variables y la
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 detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesRegresión lineal SIMPLE 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 detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más 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 detallesModelo Econométrico sobre el Turismo
Modelo Econométrico sobre el Turismo Ruth Rubio Rodríguez Miriam Gómez Sánchez Mercados 3ºA GMIM Índice Planteamiento del Problema..4 1. Estadísticos Descriptivos...5 2. Matriz Correlaciones 5 3. Gráfico
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
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 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 detallesGrado en NHyD 23 de junio de 2014
Estadística Aplicada Examen extraordinario Grado en HyD 23 de junio de 214 OTA: Explica y desarrolla tus respuestas usando las salidas de los anexos. En las preguntas de verdadero y falso indica qué gráficos
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
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 detalles1. Realice la prueba de homogeneidad de variancias e interprete los resultados.
1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis
Más detallesTécnicas de regresión: Regresión Lineal Simple
Investigación: 1/7 Técnicas de regresión: Regresión Lineal Simple Pértega Díaz S., Pita Fernández S. Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario Juan Canalejo. A Coruña. Cad
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 detallesCapítulo 4. Análisis de Regresión Múltiple. 1. Introducción. Capítulo 4
Capítulo 4 1. Introducción El Análisis de Regresión Lineal Múltiple nos permite establecer la relación que se produce entre una variable dependiente Y y un conjunto de variables independientes (X1, X2,...
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 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 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 detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
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 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 detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
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 detallesMODELO ECONOMÉTRICO. José María Cara Carmona. Adrián López Ibáñez. Explicación del desempleo
José María Cara Carmona Adrián López Ibáñez MODELO ECONOMÉTRICO Explicación del desempleo Desarrollaremos un modelo econométrico para intentar predecir el desempleo. Trataremos los diversos problemas que
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
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 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 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 detallesY accedemos al cuadro de diálogo Descriptivos
SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.
MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Abordaremos en este capítulo el modelo de regresión lineal múltiple, una vez que la mayor parte de las
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesAnálisis de regresión lineal simple
Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable
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 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 detallesSE OFRECE A ESTUDIANTES DE GRADO: SI X. MÓDULO DEL PLAN 2013 EN QUE ACREDITA: Módulo Metodológico DESCRIPTORES: Probabilidad y Estadística
Asignatura: Probabilidad y Estadistica para Investigadores en ciencias del comportamiento I Tipo: Optativa Créditos: 15 Fecha tentativa: de 12:30 a 17:00 hrs desde el 23/04/2014 Lugar: Salón 9 Cupos: 20
Más detallesANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS
ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS 3datos 2011 Variables CUANTITATIVAS Números con unidad de medida (con un instrumento, o procedimiento, de medición formal) Ej.: Tasa cardiaca;
Más detallesCUERPO TÉCNICO, OPCION ESTADISTICA
CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA
Más detallesCARGA HORARIA Horas totales: 80 Horas totales de resolución de problemas de aplicación: 32
PROBABILIDAD Y ESTADISTICA OBJETIVOS: 1. Extraer y sintetizar información de un conjunto de datos. 2. Aprehender los conceptos de aleatoriedad y probabilidad. 3. Estudiar los modelos más importantes de
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesInferencia estadística III. Análisis de Correlación. La inferencia estadística también se puede aplicar para:
1 Inferencia estadística III La inferencia estadística también se puede aplicar para: 1. Conocer el grado de relación o asociación entre dos variables: análisis mediante el coeficiente de correlación lineal
Más detallesPROGRAMA DE CURSO. Código Nombre ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS Unidades
PROGRAMA DE CURSO Código Nombre IN 3401 ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS es Horas Docencia Horas de Trabajo SCT Horas de Cátedra Docentes Auxiliar
Más detallesPRINCIPALES FACTORES QUE INTERVIENEN EN LA FORMACIÓN BRUTA DEL CAPITAL FIJO DEL ECUADOR
PRINCIPALES FACTORES QUE INTERVIENEN EN LA FORMACIÓN BRUTA DEL CAPITAL FIJO DEL ECUADOR Petróleo Banano Recaudación Tributaria Introducción En nuestro país la formación bruta de capital fijo está dada
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
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 detallesRegresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp
Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesMETODOLOGÍA PARA EL CONTROL DE LA CALIDAD DEL CAP AUTOMATICO ADOPTADA POR LA COMUNIDAD AUTÓNOMA DE ARAGÓN
METODOLOGÍA PARA EL CONTROL DE LA CALIDAD DEL CAP AUTOMATICO ADOPTADA POR LA COMUNIDAD AUTÓNOMA DE ARAGÓN El Departamento de Desarrollo Rural y Sostenibilidad del Gobierno de Aragón acorde con el plan
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
Más detallesRegresión con variables cualitativas
3 Regresión con variables cualitativas. Introducción Hasta ahora hemos abordado el tema de la correlación y la regresión con variables cuantitativas. Sin embargo, un estudio de regresión similar puede
Más detallesCAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como
Más detallesDiagramas de Dispersión simples
Ayuda SPSS-Diagrama de Dispersión-Inserción Recta de Regresión -1- AYUDA SPSS DIAGRAMA DE DISPERSIÓN e INSERCIÓN DE LA RECTA DE REGRESIÓN Ruta Cuadros de Diálogos Autor: Prof. Rubén José Rodríguez 1 de
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 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 detallesEste programa estadístico está organizado en dos bloques: el editor de datos y el visor de resultados.
Bases de Estadística Licenciatura en Ciencias Ambientales Curso 2oo3/2oo4 Introducción al SPSS/PC Este programa estadístico está organizado en dos bloques: el editor de datos y el visor de resultados.
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 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 detallesPara poder analizar los diferentes objetivos e hipótesis planteados, se llevaron a. Correlaciones entre las distintas Variables objeto de estudio.
Tesis Doctoral. Juan Ángel Simón Piqueras. Para poder analizar los diferentes objetivos e hipótesis planteados, se llevaron a cabo los siguientes análisis estadísticos: MANCOVA tomando como variables independientes
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
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 detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesBioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión
Bioestadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA SISTEMA UNIVERSIDAD ABIERTA PROGRAMA DE INTRODUCCIÓN A LA ECONOMETRÍA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ECONOMÍA SISTEMA UNIVERSIDAD ABIERTA PROGRAMA DE INTRODUCCIÓN A LA ECONOMETRÍA Área: Métodos Cuantitativos QUINTO SEMESTRE Carácter: Obligatorio HORA/SEMANA/SEMESTRE
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 detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesPRINCIPIOS DE ECONOMETRÍA
PRINCIPIOS DE ECONOMETRÍA 2009-2010 I. IDENTIFICACIÓN Asignatura: Duración: Titulación: Ciclo: Departamento: Profesor: Principios de Econometría Semestral (Primer semestre) Licenciatura en Economía Primer
Más detallesSESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más 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 detallesESTADÍSTICA. Individuo. Es cada uno de los elementos que forman la población o muestra.
ESTADÍSTICA La estadística tiene por objeto el desarrollo de técnicas para el conocimiento numérico de un conjunto de datos empíricos (recogidos mediante experimentos o encuestas). Según el colectivo a
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
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 Descriptiva Para Psicólogos (EST-225)
Más detallesAnálisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.
Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de
Más detallesMÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN. Tema 9
Métodos de Investigación en Educación 1º Psicopedagogía Grupo Mañana Curso 2009-2010 2010 MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Tema 9 La regresión lineal Tema 9: La regresión lineal Objetivos Conocer
Más detallesTema: Medidas de Asociación con SPSS
Tema: Medidas de Asociación con SPSS 1.- Introducción Una de las tareas habituales en el análisis de encuestas es la generación y análisis de tablas de contingencia, para las variables y categorías objetivo
Más detallesUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
Más detallesProbabilidad y Estadística, EIC 311
Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesCoeficiente de Correlación
Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las
Más detalles