ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
|
|
- Ana Isabel Méndez Martin
- hace 6 años
- Vistas:
Transcripción
1 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) 7 INDICE. INTRODUCCIÓN Ejemplo Clasificación de los Modelos de Regresión Lineal. MODELO DE REGRESIÓN LINEAL SIMPLE Ejemplo Representación gráfica Tipo de relación entre las variables Coeficiente de correlación lineal de Pearson 3. RECTA DE REGRESIÓN LINEAL SIMPLE Planteamiento de la recta Estimación de la recta Ejemplo en SPSS Interpretación de los coeficientes estimados 4. ES ADECUADO EL MODELO PLANTEADO? Test de Wald Coeficiente de determinación R 5. SUPUESTOS TEÓRICOS 6. DIAGNOSIS DEL MODELO 7. EJEMPLO DEL MODELO LINEAL GENERAL
2 . INTRODUCCIÓN EJEMPLO: Objetivo: Queremos explicar / conocer / predecir el comportamiento de la a través de otros parámetros. Variable de interés: Variable dependiente/respuesta Variables que influyen en la Variables independientes/ explicativas/covariables Se supone que el valor que toma la está influenciado por los valores que toman una o más variables. Tipo de variables: Variable dependiente: Cuantitativa Variables independientes: Cuantitativas Relación entre variables cuantitativas CLASIFICACIÓN DE LOS MODELOS DE REGRESIÓN LINEAL: Dependiendo del nº de variables explicativas o independientes Una variable explicativa Dos o más variables explicativas Modelo de Regresión Lineal Simple Modelo de Regresión Lineal Múltiple 3
3 EJEMPLO:. MODELO DE REGRESIÓN LINEAL SIMPLE Objetivo: Sabemos que la está muy relacionada con el Bun. Queremos explicar/conocer/predecir el comportamiento de la a través del Bun Cómo influye el Bun en la? Datos: Se dispone de una muestra de 37 pacientes de los cuales conocemos su nivel de y de Bun. Variables: CREATININA: Nivel de Variable dependiente (cuantitativa) : Nivel de Bun Variable independiente/explicativa (cuantitativa) 4 REPRESENTACIÓN GRÁFICA: La representación gráfica más oportuna para analizar el tipo de relación existente entre dos variables cuantitativas Gráfico de dispersión Ejemplo en SPSS: Ruta SPSS: Gráficos > Dispersión > Simple 4 3 Eje horizontal: var. explicativa Eje vertical: var. dependiente Puntos: representan a cada paciente de la muestra Tendencia: según aumenta el nivel del Bun, aumenta el nivel de la La relación parece lineal 5
4 TIPO DE RELACIÓN ENTRE LAS VARIABLES: En todo momento, la relación entre la variable dependiente (respuesta) y la variable o variables explicativas (covariables) debe ser lineal. Ejemplo de relación no lineal: Queremos explicar el nivel de satisfacción de pacientes que acuden al servicio de urgencias de un hospital a través de la edad Tendencia: dos bloques Menores de 7 años: según aumenta la edad, aumenta el nivel de satisfacción Mayores de 7 años: el nivel de satisfacción se estabiliza SATISFAC 3 4 EDAD La relación no es lineal No debemos utilizar un modelo de regresión lineal 6 Ejemplo de relación no lineal: Queremos explicar la percepción de imagen corporal que tienen las pacientes con trastornos de la alimentación dependiendo de su peso Tendencia: dos bloques Empezando por pesos bajos, según aumenta el peso la imagen corporal mejora. Una vez alcanzado un rango de peso normal, según sigue aumentando el peso, la imagen corporal vuelve a empeorar. IMAGEN La relación no es lineal PESO No debemos utilizar un modelo de regresión lineal 7
5 COEFICIENTE DE CORRELACIÓN LINEAL DE PEARSON: Definición: Mide la magnitud de la asociación lineal entre dos variables cuantitativas. Se denota como r. Interpretación de r: puede tomar valores entre - y Si r próximo a Existe un grado alto de correlación positiva Si r próximo a El grado de correlación es prácticamente nula Si r próximo a - Existe un grado alto de correlación negativa Ejemplo en SPSS: Ruta SPSS: Analizar > Correlaciones > Bivariadas Correlaciones Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N **. La correlación es significativa al nivel,,,688**,, 37 37,688**,,, r =.688 Correlación positiva considerable Contraste de SPSS: H : Coef.Corr = H : Coef.Corr 8 3. RECTA DE REGRESIÓN LINEAL SIMPLE INDICE PLANTEAMIENTO DE LA RECTA: Ejemplo: Consideramos a la variable (Y) como dependiente de los valores de la variable Bun (X) Para un cierto valor del Bun, se espera un cierto valor medio de Objetivo: Encontrar una función razonable de forma que pueda estudiar o estimar el valor medio de la a partir de los valores del Bun. 4 3 Recta de regresión Expresión de la recta: Media () = β + β xbun β : Ordenada de la recta β : Pendiente de la recta
6 ESTIMACIÓN DE LA RECTA: En que consiste la estimación de la recta?: Media (Creat.) = β + β x Bun β, β? Se trata de elegir β y β de forma que la recta que obtenemos sea aquella que mejor se ajusta a los datos Método de estimación: Método de Mínimos Cuadrados Idea intuitiva: obtener la recta que está tan próxima como sea posible a todos los datos puntuales simultáneamente 4 3 Minimizar la suma de los cuadrados de las distancias entre los datos puntuales y la recta (residuos) n n Min e i ei = Min [ yi ( ˆ β + ˆ βxi )] 4 6 i= i= ˆ β y ˆ β EJEMPLO EN SPSS: Ruta SPSS: Analizar > Regresión > Lineal Análisis descriptivo previo: Estadísticos descriptivos Desviación Media típ. N,6, ,7 9,36 37 Estimación de los parámetros: Modelo (Constante) Coeficientes no estandarizados a. Variable dependiente: Coeficientes a Coeficientes estandarizad os B Error típ. Beta t Sig.,54,43,976,,,,688 7,8, ˆ β =.54 ˆ β =. Media (Creat.) = x Bun
7 INTERPRETACIÓN DE LOS COEFICIENTES ESTIMADOS: Recta estimada: Media () = x Bun Interpretación de la estimación de β : ˆ β =.54 (Ordenada de la recta) El valor medio de la es de.54 cuando el Bun es tiene sentido En este caso no es interpretable No Interpretación de la estimación de β : βˆ =. (Pendiente de la recta) El aumento en unidad del Bun, produce un aumento de. en el valor medio de la. Como ˆβ es positivo Según aumenta el Bun aumenta la, y la magnitud de dicho aumento viene determinado por el parámetro ˆβ. INTERVALOS DE CONFIANZA DE LOS COEFICIENTES: Hasta ahora solo hemos obtenido las estimaciones de β y β. ˆ β =.54 y ˆ β =. Estimaciones puntuales Podemos obtener los Intervalos de confianza del 95% para cada uno de los coeficientes Nos orientan sobre la precisión de la estimación. Ejemplo en SPSS: Ruta SPSS: Analizar > Regresión > Lineal Coeficientes a Modelo (Constante) Coeficientes no estandarizados a. Variable dependiente: Intervalo de confianza para B al 95% B Error típ. t Sig. Límite inferior Límite superior,54,43,976,,49,598,, 7,8,,,3 IC.95 (β ) = (.49,.598) IC.95 (β ) = (.,.3) 3
8 4. ES ADECUADO EL MODELO PLANTEADO? INDICE Recordar el objetivo: Explicar o conocer el comportamiento de la a través del comportamiento del Bun. Analizar si el Bun tiene algún efecto sobre el comportamiento de la. objetivo? El modelo de regresión lineal simple planteado cumple este Herramientas: Test de Wald (para cada coeficiente estimado) Coeficiente de Determinación R 4 TEST DE WALD: Objetivo: dar respuesta a la siguiente pregunta: La variable explicativa tiene algún efecto significativo sobre la variable dependiente CREATININA? Planteamiento del contraste: H : β = El efecto del Bun sobre la sería nulo H : β Estadístico de contraste o pivote: ˆ β t p = Desv.Stand ( ˆ β ) n t( ) Suponiendo H cierta Decisión: p-valor.5 No rechazo H El Bun no es una variable estadísticamente significativa en el modelo Replantear el modelo p-valor <.5 Rechazo H El efecto del Bun sobre la es estadísticamente significativo El modelo planteado tiene sentido 5
9 Ejemplo en SPSS: Ruta SPSS: Analizar>Regresión>Lineal Modelo (Constante) Coeficientes no estandarizados a. Variable dependiente: Coeficientes a Coeficientes estandarizad os B Error típ. Beta t Sig.,54,43,976,,,,688 7,8, Resultados del Test de Wald para β Valor del estadístico: t = 7.8 p-valor <. <.5 Se rechaza la hipótesis nula de que β = El Bun tiene un efecto estadísticamente significativo sobre la 6 COEFICIENTE DE DETERMINACIÓN R : Objetivo: dar respuesta a la siguiente pregunta: Cuál es la variabilidad de la CREATININA explicada a través del modelo (en este caso a través del )? Interpretación del coeficiente: Puede tomar valores entre y Si su valor es próximo a el modelo no es adecuado Cuanto más próximo a sea, mejor es el modelo La interpretación suele realizarse en porcentajes (R x )% En el caso de Regresión Lineal Simple R = r 7
10 Ejemplo en SPSS: Ruta SPSS: Analizar>Regresión>Lineal Modelo Resumen del modelo R cuadrado Error típ. de la R R cuadrado corregida estimación,688 a,473,47,36549 a. Variables predictoras: (Constante), R =.473 la A través del Bun se explica un 47.3% de la variabilidad de Conclusiones: El Bun es una muy buena variable para explicar el comportamiento de la, aunque no es suficiente SUPUESTOS TEORICOS Supuestos sobre la variable dependiente o respuesta: Debe ser cuantitativa y debe seguir una distribución normal: Y N(µ,σ ) Este supuesto implica que los errores sigan una distribución normal de media y varianza σ. Esta hipótesis debe ser contrastada a través de los residuos. Residuo = e i = Valor observado de Y - Valor predicho de Y Residuo = e i N (, σ ei ) Residuo estandarizado = var e ( ) i N (,) Supuestos sobre la variable explicativa o covariable: Bun Debe ser cuantitativa Supuestos sobre la relación entre las variables: Debe ser lineal 9
11 6. DIAGNOSIS DEL MODELO Objetivo: Contrastar la hipótesis teórica sobre que los residuos estandarizados del modelo siguen una distribución N (,) EJEMPLO EN SPSS: Ruta SPSS: Analizar>Regresión>Lineal El SPSS permite guardar los residuos para poder hacer análisis y gráficos. Histograma: La distribución debe ser más o menos normal (acampanada) Media= y Varianza= 8 6 El histograma indica un ligero sesgo hacia la derecha, aunque no excesivamente acentuado 4 5,63 4,63 3,63,63,63,63 -,38 -,38 -,38 Desv. típ. =, Media =, N = 37, Standardized Residual Gráfico de dispersión: Representamos en el gráfico, los residuos estandarizados frente a los valores de la variable explicativa Bun. Residuos mayores que 3 o menores que -3 deben ser examinados con mayor detalle. 6 4 El gráfico indica que 6 casos tienen residuos mayores de 3. Por tanto deberían ser examinados con más detalle. Standardized Residual
12 7. EJEMPLO DEL MODELO LINEAL GENERAL INTRODUCCIÓN: Variable dependiente: Cuantitativa Variables independientes: Cuantitativas y cualitativas EJEMPLO: Hipótesis: Sabemos que el Bun es buena variable para explicar el comportamiento de la, pero no suficiente. Por tanto, consideraremos también el Sexo, ya que se cree que la también podría estar influenciada por el sexo. Variables: Variable dependiente: (cuantitativa) Variables explicativas: Bun (cuantitativa) y Sexo (cualitativa) Objetivo: Estudiar si el Bun y el Sexo tienen alguna influencia sobre la conjuntamente. GRAFICO DE DISPERSION: SEXO Mujer Hombre SEXOC Mujer Hombre 6 3
13 PLANTEAMIENTO DEL MODELO: Media () = β + β x Bun + β x Sexo Hombre donde Sexo =, si es hombre, si es mujer La variable Sexo es dicotómica, por tanto, debemos considerar a los hombres o mujeres como grupo de referencia. En este caso, vamos a considerar a los mujeres como grupo de referencia. Hombres: Media () = β + β x Bun + β = (β + β ) + β x Bun Mujeres: Media () = β + β x Bun 4 EJEMPLO EN SPSS: Ruta SPSS: Analizar > Modelo Lineal General > Univariante Estimación del modelo: Variable dependiente: Parámetro Intersección [SEXO=] [SEXO=] Estimaciones de los parámetros Intervalo de confianza al 95%. Límite B Error típ. t Significación Límite inferior superior,45,49 8,45,,39,5,, 7,635,,,3,55,4 3,848,,76,34 a..... a. Al parámetro se le ha asignado el valor cero porque es redundante. Modelo estimado: Media (Creat) = x Bun +.55 x Sexo Hombre Hombres: Media (Creat) = x Bun +.55 = x Bun Mujeres: Media (Creat) = x Bun 5
14 Interpretación de los coeficientes: Media (Creat) = x Bun +.55 x Sexo Hombre Interpretación de la estimación de β :.45 El valor esperado de la cuando el Bun es y el paciente es mujer No es interpretable Interpretación de la estimación de β :. El aumento en unidad del Bun, produce un aumento de. en el valor medio de la, en las mismas condiciones de Sexo (ajustando por Sexo). Interpretación de la estimación de β :.55 La diferencia en el nivel medio de la de un Hombre respecto del de una Mujer es de.55, en las mismas condiciones de Bun (ajustando por Bun). 6 Análisis del efecto de cada variable explicativa (Test de Wald): Variable dependiente: Parámetro Intersección [SEXO=] [SEXO=] Estimaciones de los parámetros Intervalo de confianza al 95%. Límite B Error típ. t Significación Límite inferior superior,45,49 8,45,,39,5,, 7,635,,,3,55,4 3,848,,76,34 a..... a. Al parámetro se le ha asignado el valor cero porque es redundante. Bun: t = 7.635, p-valor <.5 Sexo: t = 3.848, p-valor <.5 Tanto la influencia del Bun, como del Sexo sobre la son estadísticamente significativas. Coeficiente de Determinación: no coincide con r R =.496 El Bun y el Sexo conjuntamente explican el 49.6% de la variabilidad de la 7
15 MUCHAS GRACIAS! 8
Estructura 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 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 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 detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
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 detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
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 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 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 detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
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 detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
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 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 detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
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 detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Más detallesEXTENSIONES DEL MODELO DE REGRESIÓN
EXTENSIONES DEL MODELO DE REGRESIÓN 1. Regresión exponencial 2. Regresión polinómica 3. Regresión con variables cualitativas M. Carmen Carollo, Beatriz Pateiro Página 1 1. Regresión exponencial Al tratar
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 detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
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 detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
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 Modelo de regresión simple
TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesUniversidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Segunda Prueba Parcial Lapso 7-746 /6 Universidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: 6-6 - 6 Fecha: --8 MODELO DE RESPUESTAS Objetivos 5 al 8 OBJ 5
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
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 detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 7 Problema 1. Tengamos el siguiente ANOVA obtenido en una investigación con N 15 donde se estudia la relación entre autoeficacia percibida (X y el rendimiento
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 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 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 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 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 detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
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 detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
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 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 detalles1. Introducción. CEDEX - Curso de formación estadística. Práctica Cómo introducir datos en SPSS/PC?
Técnicas de análisis multivariante - I 9//oo5 CEDEX - Curso de formación estadística Práctica. Introducción En esta práctica trabajaremos con el fichero de datos pardals.xls que corresponde a un estudio
Más detallesAnálisis de datos en CCSS: introducción al análisis descriptivo e inferencial
Programa de Doctorado Formación en la Sociedad del Conocimiento Seminario de doctorado 13 y 14 de marzo de 2014 Análisis de datos en CCSS: introducción al análisis descriptivo e inferencial Dra. Mª José
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
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 detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
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 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 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 detallesTema VII. La predicción de variables
7.1. La ecuación lineal de regresión: - Variable dependiente e independiente (fijas ó aleatorias):. Fijas (modelo I de regresión). Aleatorias (modelo II; más complejo) - Objetivo predictivo (básico en
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 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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
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 detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesProblema 1.- Tengamos las puntuaciones de X, las predichas y las residuales:
DISEÑO Y ANÁLISIS DE DATOS II. ENEO 6. Problema.- Tengamos las puntuaciones de X, las predichas y las residuales:.- Calcular la ecuación de regresión.- Correlación entre X e Y.- Por cada punto que aumenta
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesRegresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.
Regresión Lineal Simple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2
Más detallesDepartamento 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 detallesRegresión con efecto interactivo
4 Regresión con efecto interactivo. Introducción El modelo de regresión múltiple tratado previamente supone la independencia de efectos de las diferentes variables predictoras, En este sentido, es un modelo
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: La Correlación. https://www.intecca.uned.es/portalavip/grabacion.php?id_grabacion=56932&id_sala=605
Más detallesPráctica 10: Introducción a Modelos Lineales Generalizados.
Práctica : Introducción a Modelos Lineales Generalizados Esta última práctica está dedicada a estudiar brevememente algunos problemas que que se formalizan mediante un modelo similar al modelo lineal normal
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 detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesJavier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo
Javier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo 30/10/2013 Modelos Lineales de Regresión Índice 1. Planteamiento de modelo Caso práctico 2. Estimación y
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 detallesAnálisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple
Análisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple El modelo predictivo utilizado para realizar el presente análisis es el de regresión lineal múltiple (RLM) 1. Resulta plausible la
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000
Más detalles= 15 CALIFICACION:
6 + 4 + 5 = 15 CALIFICACION: Vacacion.xls Este fichero está adaptado del fichero vacation.gdt del libro de Hill et al.(2008) que se puede descargar en: http://gretl.sourceforge.net/gretl data.html PARTE
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 detallesElaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
Más detallesElaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesBioestadística. Curso Práctica: La recta de regresión
Bioestadística. Curso 2012-2013 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. El diagrama de dispersión 2 3. Covarianza 4 4. Coeciente de correlación
Más detallesDistribución bidimensional. Marginales. Correlación lineal. Rectas de regresión.
REGRESIÓN LINEAL. Distribución bidimensional. Marginales. Correlación lineal. Rectas de regresión. Dada una población, hasta ahora hemos estudiado cómo a partir de una muestra extraída de ella podemos
Más detallesECONOMETRÍA I. Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación
ECONOMETRÍA I Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA
Más detallesA: Broca B: velocidad A B AB Vibración Totales 1/ ,2 18,9 12,9 14,4 64,4 = (1) 1/ ,2 24,0 22,4 22,5 96,1 = a
LORTORIO 8 - LORTORIO INFORMÁTICO Caso. Interesa estudiar el efecto del tamaño de broca (factor ) y de la velocidad (factor ) sobre la vibración de la ranuradora (respuesta Y). Para ello se decide utilizar
Más detallesESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA
ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA HIPOTESIS Y PRINCIPIOS Sabemos a quién y qué vamos a estudiar. Ahora hay que decidir cuántos individuos contendrá la muestra. Hipótesis nula (H o )
Más detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 6: Análisis de datos cuantitativos II: introducción a la estadística inferencial OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2 unai.martin@ehu.eus
Más detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesCurso de Estadística con R: Nivel Medio
Curso de Estadística con R: Nivel Medio Prof. Vanesa Jordá Departamento de Economía Facultad de Ciencias Económicas y Empresariales Universidad de Cantabria Índice Introducción Contrastes de hipótesis
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesEstadística Descriptiva II: Relación entre variables
Estadística Descriptiva II: Relación entre variables Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de
Más detalles