> modindepen<-glm(counts~race+believe,family=poisson,data=creencia ) > summary(modindepen)
|
|
- José Miguel Cabrera Vega
- hace 6 años
- Vistas:
Transcripción
1 Estos son datos acerca de sí las personas creen o no en una vida después de la muerte. race no yes ather black white Ajusto un modelo de INDEPENDENCIA > modindepen<-glm(counts~race+,family=poisson,data=creencia ) > summary(modindepen) glm(formula = counts ~ race +, family = poisson, data = creencia) (Intercept) <2e-16 *** raceblack <2e-16 *** racewhite <2e-16 *** yes <2e-16 *** Null deviance: on 5 degrees of freedom Residual deviance: on 2 degrees of freedom AIC: Number of Fisher Scoring iterations: 3 > Después de ver el valor de la deviance decimos que el modelo se ajusta muy bien, así que hay independencia entre creer en el más allá y la raza de la persona. Como la variable creer tiene sólo dos categorías podemos interpretar con momios. Entonces el momio de creer en la vida después de la muerte es > exp(modindepen$coefficients[4]) yes
2 Es el mismo para todas las razas, no depende de las razas. La probabilidad de creer es más del cuadruple que la de no creer. Esto es muy claro en la siguiente figura: [width=50mm] > mosaicplot(~ race+, data = tabla, color = TRUE) tabla ather black white yes no race Figura 1: mosaicplot datos originales de tabla El modelo saturado es el siguiente: > moddepen<-glm(counts~race*,family=poisson,data=creencia ) > summary(moddepen) glm(formula = counts ~ race *, family = poisson, data = creencia) [1] (Intercept) < 2e-16 *** raceblack *** racewhite < 2e-16 *** yes e-09 *** raceblack:yes racewhite:yes
3 Null deviance: e+03 on 5 degrees of freedom Residual deviance: e-13 on 0 degrees of freedom AIC: Number of Fisher Scoring iterations: 3 El cociente de momios de creer del grupo black vs ather son ( OJO coeficientes asociados a raza=ather son cero) > exp(moddepen$coefficients[5]) raceblack:yes El cociente de momios de creer del grupo white vs ather > exp(moddepen$coefficients[6]) racewhite:yes El cociente de momios de creer del del grupo black vs white > exp(moddepen$coefficients[5]-moddepen$coefficients[6]) raceblack:yes Estos tres valores no son muy lejanos a 1, es por eso que el modelo de independencia no se rechaza. Ahora si modificacmos los datos, para romper la independencia, modificando el grupo más grande: > tabla2 race no yes ather black white > summary(modindepen2<-glm(counts~race+,family=poisson,data=creencia2 )) glm(formula = counts ~ race +, family = poisson, data = creencia2) 3
4 > mosaicplot(~ race+, data = tabla2, color = TRUE) tabla2 ather black white yes no race Figura 2: mosaicplot datos modificando el grupo white es decir el más grande (Intercept) < 2e-16 *** raceblack < 2e-16 *** racewhite < 2e-16 *** yes e-08 *** Null deviance: on 5 degrees of freedom Residual deviance: on 2 degrees of freedom AIC: Number of Fisher Scoring iterations: 5 Vemos que la deviance crece mucho. Ahora si modificamos los datos, para romper la independencia modificando el grupo más pequeño: > tabla3 race no yes ather
5 black white > mosaicplot(~ race+, data = tabla3, color = TRUE) tabla3 ather black white yes no race Figura 3: mosaicplot datos modificando el grupo ather es decir el más pequeño. > summary(modindepen3<-glm(counts~race+,family=poisson,data=creencia3 )) glm(formula = counts ~ race +, family = poisson, data = creencia3) (Intercept) <2e-16 *** raceblack <2e-16 *** racewhite <2e-16 *** yes <2e-16 *** Null deviance: on 5 degrees of freedom Residual deviance: on 2 degrees of freedom AIC: Number of Fisher Scoring iterations: 5 5
6 La deviance crece pero bastante menos que que modificando el grupo white. 6
Cálculos de Regresión Logística en R, Caso de una covariable.
Cálculos de Regresión Logística en R, Caso de una covariable. Carga de datos (Tabla 1.1, Hosmer-Lemeshow): CH=read.table( CHDAGE.txt,header = T) attach(ch) Gráfico de Dispersión: plot(age,chd,xlab= Edad,
Más detalles1)DESCRIPCIÓN DE LOS DATOS
1)DESCRIPCIÓN DE LOS DATOS ITAM-CONAC MÉTODOS ESTADÍSTICOS EN ACTUARÍA I DR. JUAN JOSÉ FERNÁNDEZ DURÁN EJEMPLO DE REGRESIÓN POISSON Y GAMMA RECLAMACIONES EN SEGUROS DE AUTOS EN SUECIA Los datos contienen
Más detallesRegresión Logística usando R
Universidad Nacional Agraria La Molina Departamento de Estadística e Informática Ciclo 2012 1 Grupo E Data Cangrejo Regresión Logística usando R > Cangrejo
Más detallesg(e (y)) = α + β 1 x β k x k
Modelos lineales generalizados Especifica la función para E (y) = μ g(.) = Función liga o conectora Conecta los componentes aleatorio y sistemático g(e (y)) = α + β 1 x 1 + + β k x k Componente Aleatorio
Más detallesAnálisis de Datos Categóricos. Leticia Gracia Medrano
Análisis de Datos Categóricos Leticia Gracia Medrano ii Contents 1 Modelo Logístico 1 1.1 Estimación de parámetros.................... 1 1.2 Interpretación de los parámetros................. 2 1.3 Ejemplo..............................
Más detallesModelos de elección discreta Aplicaciones en ordenador
Modelos de elección discreta Aplicaciones en ordenador Román Salmerón Gómez Para ilustrar cómo abordar el análisis de Modelos de elección discreta con el software econométrico Gretl resolveremos el siguiente
Más detalles3 Ejemplos simples sobre regresión logística
3 Ejemplos mples sobre regreón logística 1. Ejemplo 1 (ejemplo1.dat) tabla 2x2 Una variable explicativa binaria (Solución) 2. Ejemplo 2 (ejemplo2.dat) Una variable independiente continua (Solución) 3.
Más detalles> leucemia<-read.table("a:\\leucemia",header=t) (1)
Feigl y Zelen (1965) analizaron datos de 33 acientes con leucemia ara los que se anotó si su tiemo de suervivencia era suerior a 52 semanas (de hecho, ellos anotaron el tiemo de suervivencia y no sólosieraonomayora52semanas),quecorresondería
Más detallesRegresión logística. Ejemplo: Una variable explicativa binaria
Regresión logística Ejemlo: Una variable exlicativa binaria Datos: Tabla de arámetetro desestabilizado * Exosición al agente Recuento arámetetro desestabilizado Total no si Exosición al agente no si Total
Más detallesClasificación supervisada con R
Clasificación supervisada con R Diagnóstico de cáncer de mama por imagen Los datos del fichero Wisconsin.RData proceden de un estudio sobre diagnóstico del cáncer de mama por imagen. Mediante una punción
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 detallesCiencia UANL Universidad Autónoma de Nuevo León ISSN (Versión impresa): MÉXICO
Ciencia UANL Universidad Autónoma de Nuevo León rciencia@mail.uanl.mx ISSN (Versión impresa): 1405-9177 MÉXICO 2008 Peter B. Mandeville TEMA 16: LA RAZÓN DE MOMIOS 2. REGRESIÓN LOGÍSTICA Ciencia UANL,
Más detallesCONTENIDO: Regresión logística con variables cuantitativas y cualitativas
Ejemplo simple de regresión logística CONTENIDO: Regresión logística con variables cuantitativas y cualitativas OBJETIVO: 1. Mostrar los modos en que se puede introducir la información para el análisis
Más detallesSesión 000. Vender o No vender, esa es la cuestión: El arte de decidir 1480-Técnicas Estadísticas en Investigación de Mercados Grado en Estadística
Sesión 000. Vender o No vender, esa es la cuestión: El arte de decidir 1480-Técnicas Estadísticas en Investigación de Mercados Grado en Estadística empresaria Curso 2012-13 Segundo semestre Profesor: Xavier
Más detallesMathias Bourel. 2 de octubre de 2016
Regresión Logística Mathias Bourel IMERL - Facultad de Ingeniería, Universidad de la República, Uruguay 2 de octubre de 2016 M.Bourel (IMERL, UdelaR) Regresión Logística 2 de octubre de 2016 1 / 28 Introducción
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 Logísticos de Regresión de Respuesta Binaria Índice 1. Planteamiento de modelo 2. Estimación
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 detallesAnexo. Modelos de demanda: Reparto Modal
Anexo. Modelos de demanda: Reparto Modal Introducción o El MOTIVO PRINCIPAL del viaje se ha obtenido del procesado de la grabación. Los casos donde se habían mezclado desplazamientos por varios motivos
Más detallesTema 6: Modelos Log-Lineales para tablas de Contingencia
Tema 6: Modelos Log-Lineales para tablas de Contingencia Introducción Habitualmente, se suelen estudiar las tablas de contingencia calculando estadísticos del tipo χ 2 para contrastar independencia entre
Más detallesClasificación y regresión logística
Clasificación y regresión logística José R. Berrendero Universidad Autónoma de Madrid Contenidos Planteamiento del problema de clasificación supervisada Regla lineal de Fisher Regresión logística Optimalidad:
Más detallesMODELOS GENERALIZADOS LINEALES CON R
Luis M. Carrascal (www.lmcarrascal.eu) Depto. Biogeografía y Cambio Global Museo Nacional de Ciencias Naturales, CSIC Cómo realizarlos, buena praxis e interpretación de los resultados curso de la Sociedad
Más detallesLa distribución de Poisson es de tipo exponencial con parámetro dispersión 1.
Reclaaciones y Edad (Pawitan). Una copañía aseguradora quiere conocer cóo depende el núero de reclaaciones de los clientes con cierta póliza, de su edad. El archivo reclaaciones.txt contiene los datos
Más detallesModelos lineales generales, generalizados y mixtos en ecología:
Modelos lineales generales, generalizados y mixtos en ecología: EXAMEN Roberto Munguía-Steyer rmunguia.steyer@gmail.com Departamento de Ecología Evolutiva Instituto de Ecología, UNAM 04 Octubre-06 Diciembre
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 detallesRegresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t")
Regresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t") Ejemplo: (archivo datoempleado.dat) Fh (Referencia=Mujer) variables en el archivo names(b) [1] "id" "sexo" "fechnac" "educ" "catlab"
Más detallesESTADÍSTICA II Tema 4: Clasificación y regresión logística
ESTADÍSTICA II Tema 4: Clasificación y regresión logística Clasificación supervisada: Planteamiento del problema. Modelos. La regla Bayes Regla lineal de Fisher Estimación del error de clasificación Regresión
Más detallesEstas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías
ANOVA I 19-8-2014 Estas dos clases ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA II - ANOVA factorial - ANCOVA (análisis
Más detallesEstadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...
Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes
Más detallesCurso: Economía Ambiental del Turismo. Aplicación del Método Costo de Viaje
Curso: Economía Ambiental del Turismo Aplicación del Método Costo de Viaje Estimación de Modelos Poisson para la estimación del Excedente del Consumidor a través del Método del Costo de Viaje: El caso
Más detallesMÀSTER DE LOGÍSTICA, TRANSPORT I MOBILITAT (UPC). CURS Q1 EXAMEN FINAL EXTRAORDINARI Mètodes de Captació, Anàlisi i Interpretació de Dades.
MÀSTER DE LOGÍSTICA, TRANSPORT I MOBILITAT (UPC). CURS 10-11 Q1 EXAMEN FINAL EXTRAORDINARI Mètodes de Captació, Anàlisi i Interpretació de Dades. (Data: 10/5/2011 9:00-12:00 h Lloc: Aula H10.14) Nom de
Más detallesEjemplo de Regresión Lineal Simple.
Ejemplo de Regresión Lineal Simple. El archivo sargos.csv contiene datos morfométricos de una muestra de 200 sargos. Estos datos pueden leerse en R mediante la sintaxis: sargos=read.table(file="http://dl.dropbox.com/u/7610774/sargos.csv",
Más detallesEstadística I Examen Final - 19 de junio de Nombre:... Grupo:...
Estadística I Examen Final - 19 de junio de 2009 Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. La siguiente tabla muestra las distribuciones
Más detallesModelo Lineal Generalizado
Modelo Lineal Generalizado Introducción Comenzaremos con un ejemplo que nos servirá para ilustrar el análisis de datos binarios. Nuestro interés se centra en relacionar una estructura estocástica en los
Más detallesAsociación de polimorfismos genéticos de las razas Cebú y Romosinuano con el desarrollo muscular y peso vivo final
Comunicaciones en Estadística Junio 2011, Vol. 4, No. 1 Asociación de polimorfismos genéticos de las razas Cebú y Romosinuano con el desarrollo muscular y peso vivo final Association of Genetic Polymorphism
Más detallesSatisfacción en el trabajo Muy insatisfecho. Poco insatisfecho. Muy satisfecho < 12000 20 24 80 82 Ingresos( )
Ingresos y Satisfacción en el trabajo: La siguiente tabla presenta el resultado de una encuesta para estudiar la relación entre el nivel de ingresos y la satisfacción en el trabajo. Satisfacción en el
Más detallesMedia-Lab Prado. Modelos Lineales en para procesar encuestas de Satisfacción. Manuel Pérez Gómez 16/06/2016
Media-Lab Prado Modelos Lineales en para procesar encuestas de Satisfacción Manuel Pérez Gómez 16/06/2016 Análisis de los Sectores. TPV Caja Compras Almacén Grupos Informes TPV Caja Compras Almacén Grupos
Más detallesexploreglm: Exploración automática de un Modelo Lineal Generalizado mediante la creación de un paquete para el software estadístico R
exploreglm: Exploración automática de un Modelo Lineal Generalizado mediante la creación de un paquete para el software estadístico R PATRICIA BALLESTA TORRE Grau d Estadística Aplicada de la Universitat
Más detallesREGRESIÓN LOGÍSTICA INTRODUCCIÓN
1 REGRESIÓN LOGÍSTICA INTRODUCCIÓN Comencemos con un ejemplo que nos servirá para ilustrar el análisis de datos binarios. Los siguientes datos tomados de Little (1978) corresponden a 1607 mujeres casadas
Más detalles1. Modelos para conteos
1. Modelos para conteos En esta sección se modelarán conteos, que resultan de diversas situaciones, por ejemplo: el número de accidentes en una carretera, el número de caries que tiene una persona, el
Más detallesPropension marginal al consumo de los hogares de Mexico
Propension marginal al consumo de los hogares de Mexico Francisco Javier Parra Rodríguez Universidad de Cantabria (UNICAN), España parra_fj@cantabria.es Introducción El objetivo del artículo es estimar
Más detallesEjemplo de Análisis de la Covarianza
Ejemplo de Análisis de la Covarianza Utilizando los datos del archivo sargos.csv representamos la itud desde el morro hasta la aleta dorsal frente a la itud total del pez: > sargos = read.table(file =
Más detallesEstadística I Solución Examen Final - 28 Mayo de 2009
Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas
Más detallesCapítulo X. Regresión Logística
Capítulo Regresión Logística Conceptos y definiciones Es un modelo clásico de regresión lineal simple o múltiple, pero donde la variale dependiente es inaria o dicotómica. 3 5 4 ÉITO FRACASO Es decir,
Más detallesANOVA. Análisis de regresión y modelo lineal
. Análisis de regresión y modelo lineal [0011] DEFAD. Métodos de contraste de hipótesis y diseño de experimentos 2014 15. Análisis de regresión y modelo lineal 1 Comparaciones múltiples 2 3. Análisis de
Más detallesLas desigualdades entre las deviances no se verifican necesariamente entre los estadísticos χ 2 de Pearson.
Análisis de la deviance El análisis de la deviance es una generalización del análisis de la varianza para los GLM obtenido para una secuencia de modelos anidados (cada uno incluyendo más términos que los
Más detallesEstadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos. Nombre:... Grupo:...
Estadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. (10
Más detallesRegresión logística. September 7, 2017
Regresión logística September 7, 2017 Contenidos Regresión logística. Regresión logística regularizada Datos de Default Queremos predecir si un individuo entrará en cesación de pagos con su tarjeta de
Más detallesVender o no vender ese es el problema (II)
Vender o no vender ese es el problema (II) Reg. logística: Bondad de ajuste, Predicció y Curvas ROC Xavi Babrer Centro de Investigación Operativa Universidad Miguel Hernández de Elche Xavi Babrer (@umh1480
Más detallesPercentiles. El percentil p de una variable aleatoria X es número más pequeño, que denominaremos x u que cumple:
Percentiles 130 El percentil p de una variable aleatoria X es número más pequeño, que denominaremos x u que cumple: el percentil es, por tanto, el valor de la variable aleatoria para el cual la función
Más detallesCREACIÓN DE INDICADORES ALTERNATIVOS PARA LA VIGILANCIA EN SALUD ORAL, MEDIANTE REGRESIÓN BETA
CREACIÓN DE INDICADORES ALTERNATIVOS PARA LA VIGILANCIA EN SALUD ORAL, MEDIANTE REGRESIÓN BETA Ramón Alvarez 1 ; Elena Vernazza 1 RESUMEN En el ámbito de la Salud Pública, en particular en los sistemas
Más detallesPropensión Marginal al Consumo en Argentina
Propensión Marginal al Consumo en Argentina Francisco Javier Parra Rodríguez Universidad de Cantabria (UNICAN), España parra_fj@cantabria.es Introducción El objetivo del artículo es estimar una Propensión
Más detallesIntroducción al. José Aurelio Pina Romero, Andreu Nolasco Bonmatí
Introducción al José Aurelio Pina Romero, Andreu Nolasco Bonmatí Departamento de Enfermería Comunitaria, Medicina Preventiva y Salud Pública e Historia de la Ciencia Universidad de Alicante Índice 1.-
Más detallesEjemplo de análisis con variables predictoras muy relacionadas.
1 TEORÍA Y PRAXIS DE MODELOS GENERALIZADOS: INFIRIENDO PATRONES CON EL PAQUETE ESTADÍSTICO R Ejemplo de análisis con variables predictoras muy relacionadas. Curso de la Sociedad de Amigos del Museo Nacional
Más detallesUna Estimación del Costo y Cambios en el Bienestar de los Colombianos con el Nuevo Plan de Beneficios en Salud
. Una Estimación del Costo y Cambios en el Bienestar de los Colombianos con el Nuevo Plan de Beneficios en Salud Álvaro Riascos, Sergio Camelo. Documentos PROESA #5 DOCUMENTOS PROESA ISSN: 2256-4128 Diciembre
Más detallesCLAVE Lab 11 - Regresión Lineal Simple y Polinomial
Escala común CLAVE Lab 11 - Regresión Lineal Simple y Polinomial 1. A mano, construya los siguientes gráficos: a. Grafique la línea recta correspondiente a la ecuación y 2x 1 b. Grafique la línea recta
Más detalles(x) = 1 si P (Y = 1 X = x) P (Y = 0 X = x) P (Y = 0 X = x) > P (Y = 1 X = x) P (X = x Y = 0)P (Y = 0) > P (X = x Y = 1)P (Y = 1)
1 1. Conceptos generales de clasificación 2. Clasificador k-vecino más cercano 3. Clasificador Bayesiano óptimo 4. Análisis discriminante lineal (LDA) 5. Clasificadores lineales y el Modelo perceptrón
Más detallesRegresión logística. Tratamiento computacional con R. José Luis Cañadas Reche
Regresión logística. Tratamiento computacional con R. José Luis Cañadas Reche Junio 2013 i Máster en Estadística Aplicada. Departamento de Estadística e Investigación Operativa. Facultad de Ciencias. Universidad
Más detallesPráctica 3: Regresión simple con R
Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar
Más detallesTema 4: Modelos avanzados con
Tema 4: Modelos avanzados con Regresión Logística Introducción Es uno de los procedimientos estadísticos más utilizados en la práctica usando datos categóricos. que Se considera una respuesta binaria Y
Más detallesTema 3: Modelos lineales generalizados
Tema 3: Modelos lineales generalizados Componentes de un modelo generalizado lineal (GLM) Un modelo lineal generalizado tiene tres componentes básicos: Componente aleatoria: Identifica la variable respuesta
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 detallesClave Lab 7- Experimentos con dos Factores
Clave Lab 7- Experimentos con dos Factores 1. Se realizó un experimento para estudiar los efectos de tres niveles de ácido sórbico (0, 100 y 200 ppm) y seis niveles de actividad de agua (AW) en la supervivencia
Más detalles1. Construcción de un modelo de regresión logística con R.
PostData Curso de Introducción a la Estadística Tutorial 13: Regresión logística. Atención: Este documento pdf lleva adjuntos algunos de los ficheros de datos necesarios. Y está pensado para trabajar con
Más detallesPrueba de Hipótesis. Tipos de inferencias (2)
Prueba de Hipótesis Tipos de inferencias (2) PRUEBA DE HIPOTESIS: busca responder a una pregunta sobre el valor de un parámetro en la población (siempre utilizando los resultados de la muestra) Esta pregunta
Más detallesAGRO Examen Final. Nombre:
Examen Final Nombre: AGRO 5005 2012 Instrucciones: Apague celulares. Se descontarán 10 puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
Más detallesREGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS
REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS Teoría de la estimación: Estimación puntual Estimación por intervalos ESTIMACIÓN DE INTERVALOS: IDEAS BÁSICAS 1 Lo que se busca
Más detallesANEXO 3-A LA LECTURA DE UNA ESPECIE DE COMPUTADORA
ANEXO 3-A LA LECTURA DE UNA ESPECIE DE COMPUTADORA La presente sección busca echar un vistazo en el mundo del análisis de regresión. Presentamos, pues, tres extractos de salidas de computadora que provienen
Más detallesMÀSTER DE LOGÍSTICA, TRANSPORT I MOBILITAT (UPC). CURS Q1 EXAMEN EXTRAORDINARI Mètodes de Captació, Anàlisi i Interpretació de Dades.
MÀSTER DE LOGÍSTICA, TRANSPORT I MOBILITAT (UPC). CURS 12-13 Q1 EXAMEN EXTRAORDINARI Mètodes de Captació, Anàlisi i Interpretació de Dades. (Data: 7/5/2013 9:00-12:00 h Lloc: Aula H9.2) Nom de l alumne:
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesLa aritmética es la ciencia que se ocupa de analizar con objetos concretos, esto es, el uso de los números.
Aritmética vs. Álgebra Aritmética y álgebra La aritmética es la ciencia que se ocupa de analizar con objetos concretos, esto es, el uso de los números. El álgebra son las operaciones matemáticas analizadas
Más detallesAjuste de Regresión Lineal Simple
Ajuste de Regresión Lineal Simple Hugo Alberto Brango García 1 1 Universidad de Córdoba Estadística II Mayo de 2014 Análisis de Regresión Mayo de 2014 1 / 33 Supuestos sobre los residuales del modelo Normalidad
Más detallesTema 4: Regresión Logística
Tema 4: Regresión Logística Introducción Es uno de los procedimientos estadísticos más utilizados en la práctica usando datos categóricos. que Se considera una respuesta binaria Y junto con una variable
Más detallesManual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University.
Manual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University. Estadísticas con MegaStat AgeCat Gender Seconds 1 2
Más detallesEl objetivo es decribir cómo el uso de métodos anticonceptivos varía según la edad, el nivel de educación y el deseo de tener más hijos.
Modelo Lineal Generalizado Introducción Comenzaremos con un ejemplo que nos servir para ilustrar el análisis de datos binarios. Nuestro interés se centra en relacionar una estructura estocástica en los
Más detallesEstructura de este tema. Estadística II Tema 1: Contrastes no paramétricos. Ejemplo: los bombardeos de Londres. Ejemplo: los bombardeos de Londres
Estructura de este tema Estadística II Tema 1: Contrastes no paramétricos José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contrastes de bondad de ajuste Contrastes basados
Más detallesModelo Lineal Generalizado Guía de R
Modelo Lineal Generalizado Guía de R (Fuente: Faraway, 2006) 1. Tablas de 2 2 Crearemos una tabla en R. Para ello usaremos el comando gl que genera factores siguiendo un patrón determinado. Así, por ejemplo:
Más detalles1) Considera la función f(x) = x2 + 1 para contestar las siguientes preguntas:
LIMITE DE FUNCIONES Tema: Introducción a límite 1) Considera la función f(x) = x2 + 1 para contestar las siguientes preguntas: a) Cuál es el valor de la función si x = 2? b) Cuál es el valor de la función
Más detallesInferencia en tablas de contingencia
GoBack Inferencia en tablas de contingencia Guillermo Ayala Gallego Universidad de Valencia 15 de octubre de 2008 1 / 36 Distribución condicionada exacta Intervalo para los odds ratio Intervalo de la diferencia
Más detallesUniversidad Autónoma de Sinaloa
Séptima Edición del Diplomado en Estadística Mc. José V. Jiménez Ramírez Director de la Escuela de Ciencias Fisico-Matemáticas Tel. : 7 16 11 54 vidaljr@uas.uasnet.mx Dr. René Castro Montoya Coordinador
Más detallesRESUMEN ABSTRACT. REDVET - Revista electrónica de Veterinaria - ISSN
REDVET - Revista electrónica de Veterinaria - ISSN 1695-7504 Determinación ultrasonográfica de la prevalencia de las alteraciones del tracto reproductivo de hembras bovinas - Ultrasonographic determination
Más detallesIntroducción a la Teoría de Redes 1
Ejemplos de Redes Modelo aleatorio de formación de redes Coportamiento Estratégico Introducción a la Teoría de Redes 1 Alvaro J. Riascos Villegas Agosto, 2015 1 Basado en Jackson, M (2008). Social and
Más detallesRegresión Lineal. 15 de noviembre de Felipe Bravo Márquez
Felipe José Bravo Márquez 15 de noviembre de 2013 Introducción Un modelo de regresión se usa para modelar la relación de una variable dependiente y numérica con n variables independientes x 1, x 2,...,
Más detallesAYUDA SPSS. TABLA DE CONTINGENCIA y PRUEBA CHI CUADRADO
Ayuda SPSS_Tabla de Contingencia/Prueba Chi Cuadrado AYUDA SPSS TABLA DE CONTINGENCIA y PRUEBA CHI CUADRADO Menú Analizar > Estadísticos Descriptivos>Tablas de Contingencia > Botón Estadísticos > Tildar
Más detallesCátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
Más detallesEstructuras de medias y covarianzas (MACS)
Estructuras de medias y covarianzas (MACS) Modelo de estructuras de medias y covarianzas Modelo Estructuras de Covarianzas (SEM) y = βx + ε Vector de parámetros: θ = (β, σ xx, σ εε ) Modelo Estructuras
Más detallesEjemplo de Modelo de efectos aleatorios
Ejemplo de Modelo de efectos aleatorios El archivo RIKZ.txt, parte del cual se muestra en la tabla 1, contiene datos recogidos por el Netherlands Institute for Coastal and Marine Management/RIKZ en verano
Más detallesC L A S E N 5 I N S E M E S T R E O T O Ñ O,
Unidad 1 a. Probabilidades y Estadística 1 C L A S E N 5 I N 3 4 0 1 S E M E S T R E O T O Ñ O, 2 0 1 2 Características de las v.a 2 Parámetros v.a. La función de densidad o la distribución de probabilidad
Más detallesPresentación ADDACTIS PRICING. Pricing as a process
Presentación ADDACTIS PRICING Pricing as a process Contenido 1. Situación de Seguros en España 2. Pricing - en un ambiente competitivo 3. GLM en seguros 4. Pricing como un proceso (ingles) 1. Preparación
Más detallesMétodos robustos. September 7, 2017
Métodos robustos September 7, 2017 Contenidos Outliers en el análisis de regresión. M-estimadores de regresión Ejercicio de aplicación Los conjuntos de datos rara vez verifican completamente las hipótesis
Más detallesINTRODUCCIÓN A REGRESIÓN LINEAL. Simple y Múltiple
1 INTRODUCCIÓN A REGRESIÓN LINEAL Simple y Múltiple 2 Introducción Aprendizaje Supervisado Predicción: estimar una función f(x) de forma que y = f(x) Donde Y puede ser: Número real: Regresión Categorías:
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 detallesModelos de suavizado, aditivos y mixtos
Carmen Armero 13 de junio de 11 Libreria mgcv Libreria mgcv mgcv es una librería de R diseñada para trabajar con modelos aditivos generalizados, incluyendo modelos mixtos aditivos generalizados, GAMM.
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesPruebas estadís,cas para evaluar relaciones
Pruebas estadís,cas para evaluar relaciones Asociación entre dos variables categóricas Hipótesis: frecuencias de ocurrencias en las categorías de una variable son independientes de los frecuencias en la
Más detallesImprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >> UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL MUESTREO
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL MUESTREO En las unidades anteriores se manejó el uso de la distribución z, la cual
Más detalles3 Polinomios y funciones racionales
Programa Inmersión, Verano 06 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 300 y MATE 303 Clase #8: jueves, 3 de junio de 06. 3 Polinomios y funciones racionales 3. Funciones
Más detalles3 Polinomios y funciones racionales
Programa Inmersión, Verano 07 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 300 y MATE 303 Clase #8: miércoles, 3 de agosto de 07. 3 Polinomios y funciones racionales 3.
Más detalles