UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
|
|
- Alicia Navarrete Tebar
- hace 6 años
- Vistas:
Transcripción
1 UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre de 2014 Correlación múltiple y parcial. Ecuaciones y planos de regresión Contenido: Correlación y regresión simple Introducción al análisis multivariado Correlación múltiple y parcial Ecuaciones y planos de regresión 1
2 Correlación y regresión simple. El análisis bivariado analiza la relación entre 2 variables. (Correlación y regresión) Correlación lineal: Mide el grado de relación entre 2 variables (X e Y). Coeficiente de correlación lineal (r), o del producto momento de Pearson (varía entre ± 1 y 0) rxy = Sxy /SxSy Donde: Sxy es la covarianza de x e y; Sx y Sy son los desvíos estándar de x e y (raíz cuadrara de las varianzas). Ecuación de la regresión lineal simple (ecuación de la recta): Y i = α + βx i Donde: Y: var dependiente X: var. Independiente α: ordenada al origen (intersección) β: pendiente (coeficiente de regresión) (α y β con parámetros poblacionales) Como en una población es improbable que los datos se ubiquen en una recta: Y i = α + βx i + ε i (donde ε i : error o residuo) Ecuación de regresión muestral: Ŷ i = a + bx i Los estadísticos a y b son estimadores de α y β (parámetros poblacionales). 2
3 ANOVA de la regresión: Evalúa la significancia del modelo de regresión. F = Var Explicada Var Residual (no explicada) (Y Y) 2 = (Ŷ Y) 2 + (Y Ŷ) 2 Variación total = Variación explicada + Variación no explicada Y: valor observado o real Y: media aritmética de X Ŷ: valor estimado de X con la ecuación de la recta de regresión r = ± Var Expl/Var Total Coeficiente de determinación (R 2 ): Porcentaje de variación explicado por el modelo de regresión Ejemplo 1: Análisis de regresión lineal simple x y ŷ 2 5 5, , , , , , a = 3,40 b = 1,23 r = 0,90 R 2 = 0,81 y = 3,4 + 1,23 x 3
4 Análisis multivariado Cuando tenemos más de 3 variables y queremos analizar su relación podemos realizar un análisis de la correlación y regresión múltiple. Ejemplos: Crecimiento de una planta en función de variables climáticas y edáficas. Contenido de materia orgánica de una laguna en función de la temperatura del agua, ph, vientos, etc. Tasa de reproducción de un insecto en función del alimento, la humedad, el tiempo de desarrollo, etc. Nivel de contaminación de un área en función de características climáticas, urbanísticas e industriales. Tenor extraíble de un oligoelemento en función de las características del sustrato (materia orgánica, ph, arcillas). Correlación múltiple y parcial: La correlación múltiple mide el grado de correlación que existe entre 3 o más variables. Se asume distribución normal multivariada. Coeficiente de Correlación Múltiple (R y.1 k ): mide la covariación conjunta de una variable (Y) con otras variables (X1, X2). R = 1 S S²1 Donde S 1 es la desviación típica de la variable dependiente (Y). S 1.23 es el error típico de la estimaciones de Y a partir de las dos variables independientes (X 1 y X 2 ) utilizando la ecuación de regresión múltiple. 4
5 Correlación múltiple y parcial: En el análisis de regresión múltiple R mide el grado de ajuste entre los valores reales y los valores estimados (0 y +1). El coeficiente de correlación múltiple (R) es la raíz cuadrada positiva (+) del Coeficiente de Determinación Múltiple (R²). Debido a que R² no está ajustado al número de grados de libertad, tiende a sobreestimar al parámetro poblacional ρ² y.1 k. Puede mejorarse si se calcula: R²aj = 1 (1 - R²)(n-1/n-k-1) Donde: R²aj: Coeficiente de Determinación ajustado. n: número de observaciones; k: número de variables independientes en el modelo. Correlación múltiple y parcial: Coeficiente de correlación parcial: Mide la correlación entre un par de variables (1 y 2) manteniendo las demás variables (3) constantes. r 12.3 = r 12 - r 13 r 2 (1 - r 2 13) (1 - r 2 23) Donde: r 12.3 es el coeficiente de correlación parcial entre las variables 1 y 2, manteniendo la variable 3 constante; y r 12, r 13, r 23 son los coeficientes de correlación simple entre cada par de variables. 5
6 Ejemplo de cálculo de la correlación parcial: X1: longitud de antena X2: longitud de Ala X3: longitud de tórax r 12 = 0,85 r 13 = 0,75 r 23 = 0,86 r A12 - r 13 r 23 0,85 (0,75)(0,86) r 12.3 = = = 0,61 (1 - r 2 13) (1 - r 2 23) (1 0,75 2 )(1 0,86 2 ) La correlación parcial entre la variable longitud de la antena (X1) y longitud del ala (X2), manteniendo constante la variable longitud de tórax (X3) es de 0,61. A pesar de que la longitud del tórax podría explicar el tamaño general, no es suficiente para explicar la correlación entre la antena y el ala. Interpretación de la correlación parcial: La correlación entre Y1 y Y2 (r 12 ) se debe a una causa común (Y4), pero como otras variables (Y3, Y5) también determinan su valor, la correlación entre estas variables no será perfecta. La correlación parcial r 12.4, debiera dar un valor de r cercano a 0 (cero), ya que no existe covariación entre las variables Y1 y Y2 cuando Y4 no varía. Ejemplo: puede ser interesante analiza la relación entre distintas partes de un organismo (cabeza, tórax, alas, brazos, piernas), manteniendo el tamaño total del mismo constante. 6
7 Ecuaciones y planos de regresión: El análisis de estimación de una variable dependiente (Y) en función de varias variables independientes (X 1, X 2,, X n ), se denomina regresión múltiple. Permite analizar de qué modo una variable depende de las variaciones en otras variables. Ecuación de regresión lineal múltiple para estimar una variable dependiente (Y) a partir de dos variables independientes (X 1 ; X 2 ): Y j = α + β 1 X 1j + β 2 X 2j Donde: Yj es la variable dependiente X 1 y X 2 : son las variables independientes. α : constante, intersección, valor de Y cuando X 1, y X 2 son igual a cero. β 1 y β 2 : coeficientes de regresión parcial. Expresan cuanto cambia Y en respuesta a un cambio en X 1 o X 2 manteniendo las otras constantes o invariantes. Ecuaciones y planos de regresión: Podemos definir la ecuación en su forma muestral: Ŷ j = a + b 1 X 1j + b 2 X 2j Donde : a es estimador de α; y b 1 y b 2 son estimadores de β 1 y β 2 respectivamente. Este modelo se denomina regresión lineal múltiple debido a la naturaleza lineal (aditiva) de los parámetros de la ecuación (α y β). 7
8 Ecuaciones y planos de regresión: Un modelo de regresión múltiple (Y; X1 y X2) en un sistema de coordenadas rectangulares tridimensional, se representa con un plano de regresión de Y sobre X 1 y X 2. Con n variables independientes, se define un espacio multidimensional ( superficie de respuesta o hiperplano ). Ecuaciones y planos de regresión: Del mismo que en el caso de la regresión simple, no todos los datos poblacionales se ubicarán sobre el plano, por lo que incluimos un error (ε i ). Y j = α + β 1 X 1j + β 2 X 2j + ε i ε i : es una medida del error o diferencia entre el valor real y el valor estimado por la ecuación (su suma también es cero). 8
9 Análisis de regresión múltiple (ARM): Analiza la relación entre una variable dependiente (Y) respecto a o en función de un conjunto de variables independientes (X 1 a Xn) en forma simultánea, computando la función lineal que mejor ajuste a los datos (por mínimos cuadrados). Los objetivos del ARM son: i) Establecer una ecuación lineal que permita predecir una porción significativa de la varianza de una variable dependiente (Y) en función de un conjunto reducido de variables independientes (X1,, Xn). ii) Estimar y ajustar un modelo estructural que explique las variaciones observadas en la variable dependiente (Y) en función de las variables independientes consideradas. Ejemplo: Análisis de regresión múltiple (Y; X 1; X 2 ) Y: concentración media anual de SO 2 (ug/m 3 ) 4 variables climáticas: X1: temperatura media anual (º F) X4: velocidad media anual del viento (millas/hora). X5: precipitación media anual (pulgadas) X6: número de días con precipitación al año 2 variables antrópicas: X2: número de fábricas con más de 20 empleados. X3: tamaño poblacional humana (en miles) Datos de Sokal & Rohlf (1995). Procesados con Statistica (7.1) 9
10 Ejemplo 2: Análisis de regresión múltiple (Y; X 1; X 2 ). Ejemplo 2: Análisis de regresión múltiple (Y; X 1; X 2 ). Ŷ = 77,24 1,05 X 1 + 0,02 X 2 R² = 11,374,09 / 22,037,90 = 0,516 R = R² = 0,5161 = 0,7184 R²aj = 1 (1 - R²)(n-1/n-k-1) = 1 (1 0,516)(41-1/41-2-1) = 0,
11 Ejemplo 3: Análisis de regresión múltiple (Y; X 1; X 2; X 3 ). Ŷ = 58,20 0,59 X 1 + 0,07 X 2 0,05 X 3 R² = 13,499,25 / 22,037,90 = 0,613 R = R² = 0,613 = 0,783 Ejemplo 3: Análisis de regresión múltiple (Y; X 1; X 2; X 3 ) Estimación de Y a partir del modelo: Ŷ = 58,20 0,59 X 1 + 0,07 X 2 0,05 X 3 Ciudad 1: X 1 (Temperatura media anual): 70,3 º F X 2 (Número de fábricas con más de 20 empleados): 213 X 3 (Tamaño poblacional humana, en miles): hab. Ŷ = 58,183 (0,5868)(70,3) + (0,07128)(213) (0,04670)(582) = Y = 4,9 ug SO2/m3 Ŷ (estimado) = 4,9 ug SO2/m3 Y (observado) = 10 ug SO2/m3 11
12 Resultados Análisis de Regresión Múltiple Ejemplo 2: ARM (Y; X 1; X 2 ) Y = 77,24 1,05 X 1 + 0,02 X 2 R² = 11,374,09 / 22,037,90 = 0,516 R = R² = 0,7184 Ejemplo 3: ARM (Y; X 1; X 2; X 3 ) Y = 58,20 0,59 X 1 + 0,07 X 2 0,05 X 3 R² = 13,499,25 / 22,037,90 = 0,613 R = R² = 0,613 = 0,783 A medida que incremento el número de variables mejora el ajuste del modelo, lo que significa que las nuevas variables independientes muestran una correlación parcial con la variable dependiente. Análisis de regresión múltiple paso a paso A medida que aumentamos el número de variables independientes en un modelo se espera que se incremente el valor del coeficiente de correlación múltiple ( R), salvo que las nuevas variables no estén asociadas con la variable dependiente. Todas las variables aportan por igual al modelo? Cómo seleccionar aquellas que tienen mayor peso relativo? Análisis de regresión múltiple paso a paso: Forward (agregando) or Backward (eliminando) progresivamente. 12
13 Análisis de regresión múltiple paso a paso Los criterios de selección de variables pueden ser (Forward): i) Aquellas que producen un incremento significativo en el valor de R² (Coeficiente de determinación múltiple). A tal fin, se puede seleccionar aquella variable que tiene el mayor valor de correlación parcial (r y.1 k ). ii) Calcular el valor de F correspondiente al test de significancia del incremento de R² debido a la inclusión de la nueva variable ( valor de F para entrar ). Se incorpora aquella variable que tenga el mayor valor, sólo si es significativo a un nivel especificado. Ambos criterios son coincidentes. El proceso se detiene cuando el valor de F es no significativo en relación a un nivel nominal de P ( valor de P para entrar ). Ejemplo 4: Análisis de regresión múltiple paso a paso (Stepwise: Forward) (Y; X n ). 13
14 Ejemplo 4: Análisis de regresión múltiple paso a paso (Stepwise: Forward) (Y; X n ). Ejemplo 4: Análisis de regresión múltiple paso a paso (Stepwise: Forward) (Y; X n ). 14
15 Ejemplo 4: Análisis de regresión múltiple paso a paso (Stepwise: Forward) (Y; X n ). Ejemplo 4: Análisis de regresión múltiple paso a paso A medida que aumentamos el número de variables independientes en un modelo se incrementa el valor del coeficiente de correlación múltiple ( R), salvo que las nuevas variables no estén asociadas con la variable dependiente. Podemos observar el incremento de la varianza explicada y la reducción progresiva de la varianza NO explicada a medida que incluimos nuevas variables independientes (Forward). Del mismo modo podemos ver el efecto de eliminar progresivamente variables independientes del análisis sobre la varianza No explicada (errores o residual), eliminando del modelo aquellas variables que no aporten significativamente al modelo (Backward). De este modo podemos definir aquel modelo de regresión múltiple que tenga el mejor ajuste con el menor número de variables independientes. 15
16 UNLP FCNYM CLASE ESPECIAL MUCHAS GRACIAS La Plata, septiembre de 2014 Interpretación geométrica de la correlación parcial. Se observa un elipsoide tridimensional con sus respectivas proyecciones bidimensionales (sombreadas). El elipsoide se corta para Y2 = C, generando una elipse que representa la covariación de las variables Y1 y Y3 cuando la variable Y2 se mantiene constante (e igual a C), a medida que esa elipse sea más alargada, mayor será la correlación parcial entre Y1 y Y3. 16
ESTADÍSTICA. 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 detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
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 detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más 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 detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
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 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, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Más detallesCalculamos la covarianza. (La covarianza indica el sentido de la correlación entre las variables):
0 81 098 www.ceformativos.com EJERCICIOS RESUELTOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Cinco niñas de 2,3,,7 y 8 años de edad pesan respectivamente 14, 20, 30, 42 y 44 kilos. a) Hallar la ecuación de la recta
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 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 detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesLA CIRCUNFERENCIA. La circunferencia es la sección producida por un plano perpendicular al eje.
LA CIRCUNFERENCIA La circunferencia es la sección producida por un plano perpendicular al eje. β = 90º La circunferencia es un caso particular de elipse. Se llama circunferencia al lugar geométrico de
Más detallesTema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.
Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones
Más detallesY = ßo + ß1X + ε. La función de regresión lineal simple es expresado como:
1 Regresión Lineal Simple Cuando la relación funcional entre las variables dependiente (Y) e independiente (X) es una línea recta, se tiene una regresión lineal simple, dada por la ecuación donde: Y =
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesDiplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes
Más detallesUNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS
UNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS PROFESOR: Manuel de Jesús Fornos Gómez CICLO 01/2003 GUIA DE EJERCICIOS
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 detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesTRABAJO PRÁCTICO ESTADISTICA APLICADA (746)
UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADEMICO AREA DE MATEMATICA TRABAJO PRÁCTICO ESTADISTICA APLICADA (746) JOSE GREGORIO SANCHEZ CASANOVA C.I. V-9223081 CARRERA: 610 SECCION Nº 1 SAN CRISTOBAL,
Más detallesAnálisis de Regresión Lineal Simple para Predicción. (Simple Linear Regression Analysis for Prediction)
Daena: International Journal of Good Conscience. 7(3) 67-81. Noviembre 2012. ISSN 1870-557X Análisis de Regresión Lineal Simple para Predicción (Simple Linear Regression Analysis for Prediction) Badii,
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 detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detalles4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido:
INTRODUCCIÓN A LA ESTADÍSTICA. Relación 4: REGRESIÓN Y CORRELACIÓN 1.- En una población se ha procedido a realizar observaciones sobre un par de variables X e Y. Xi 4 5 4 5 6 5 6 6 Yi 1 1 3 3 3 4 4 ni
Más detallesTEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN
TEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN 1 MODELO LINEAL GENERAL applemodelo estadístico appledescribe una combinación lineal de los efectos aditivos que forman la puntuación
Más detallesUniversidad de Sonora Departamento de Matemáticas Área Económico Administrativa
Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 015- Hermosillo, Sonora, a 14 de septiembre de
Más detallesPreparación para Álgebra 1 de Escuela Superior
Preparación para Álgebra 1 de Escuela Superior Este curso cubre los conceptos mostrados a continuación. El estudiante navega por trayectos de aprendizaje basados en su nivel de preparación. Usuarios institucionales
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesCapítulo 6. Análisis bivariante de variables
Contenidos: Capítulo 6 Análisis bivariante de variables Distribución bidimensional de frecuencias ( tabla de correlación o contingencia ) Distribuciones marginales Coeficientes de Asociación Análisis de
Más detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo
Más detallesScientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 01221701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia URRUTIA MOSQUERA, JORGE ANDRÉS; SALAZAR, HEVER DARÍO; CRUZ TREJOS, EDUARDO ARTURO EVALUACIÓN DE LA ROBUSTEZ
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 detallesAPÉNDICE I. Calibración de la señal cromatográfica como función de la concentración: Sistema Ternario
APÉNDICE I Calibración de la señal cromatográfica como función de la concentración: Sistema Ternario En este apéndice se muestra la información correspondiente a la elaboración de las diferentes curvas
Más detallesv = V max[s] K m +[S]
Caso 206: Cálculo de V max y K m mediante la linealización Lineweaver-Burk Caso 206 : Cálculo de V max y K m mediante la linealización de Lineweaver-Burk (Regresión lineal sin pesos estadísticos (todas
Más detallesHoja de Ejercicios 4 Análisis de regresión con información cualitativa
Hoja de Ejercicios 4 Análisis de regresión con información cualitativa Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería
Más detallesCONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
Más detalles3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de Documento PDF.
3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de 2008. Documento PDF. 5. PROYECCIONES DE LA DEMANDA DE ENERGIA Estudio Prospectiva de la Demanda de Energía de República Dominicana Informe
Más detallesMODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales
MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales 3.1. En algunas reservas naturales se controla el número Y de ejemplares de cierta especie al
Más detallesMATEMÁTICAS APLICADAS A LAS CC. SOCIALES I. Examen de la tercera evaluación. Nombre y apellidos Fecha: 10 de junio de 2010
IES ATENEA San Sebastián de los Rees MATEMÁTICAS APLICADAS A LAS CC. SOCIALES I Eamen de la tercera evaluación Nombre apellidos Fecha: 0 de junio de 00.- (, 5 puntos) En seis modelos de zapatillas deportivas
Más detalles2. Análisis de varianza
1. Análisis de varianza Introducción La estadística inferencial no solo realiza estudios con una muestra, también es necesario trabajar con más de una muestra; las que pueden ser dos o más. Para cada una
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesJuan Carlos Colonia INTERVALOS DE CONFIANZA
Juan Carlos Colonia INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA PARA LOS PARÁMETROS DE DOS POBLACIONES I.C. PARA EL COCIENTE DE VARIANZAS Sean X y dos muestras aleatorias,..., Xn Y,..., Yn independientes
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 detallesCDEE. Cuestiones 3er Ejercicio. 0 si x 1. k(x + 1) + x2 1. k(x + 1) x si x > 1
CUESTIÓN 1: El tiempo de retraso, medido en minutos, del AVE Madrid-Sevilla sigue una variable aleatoria continua con función de distribución: 0 si x 1 F (x) = k(x + 1) + x2 1 2 si 1 < x 0 k(x + 1) x2
Más detallesEstadística Espacial en Ecología del Paisaje
Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas
Más detallesENUNCIADOS DE PROBLEMAS
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesEl Modelo de Regresión Simple
El Modelo de Regresión Simple Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso 2007/08 C Velasco
Más detallesTema 2: Estadística Descriptiva Bivariante.
Estadística 24 Tema 2: Estadística Descriptiva Bivariante. Se va a estudiar la situación en la que los datos representan observaciones, correspondientes a dos variables o caracteres, efectuadas en los
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 detallesMódulo de Estadística
Módulo de Estadística Tema 2: Estadística descriptiva Tema 2: Estadísticos 1 Medidas La finalidad de las medidas de posición o tendencia central (centralización) es encontrar unos valores que sinteticen
Más detallesEn la notación C(3) se indica el valor de la cuenta para 3 kilowatts-hora: C(3) = 60 (3) = 1.253
Eje temático: Álgebra y funciones Contenidos: Operatoria con expresiones algebraicas Nivel: 2 Medio Funciones 1. Funciones En la vida diaria encontramos situaciones en las que aparecen valores que varían
Más detallesCurso de Estadística Básica
Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión
Más detallesMétodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesEsquema (1) Análisis de la Varianza y de la Covarianza. ANOVA y ANCOVA. ANOVA y ANCOVA 1. Análisis de la Varianza de 1 Factor
Esquema (1) Análisis de la arianza y de la Covarianza ANOA y ANCOA 1. (Muestras independientes). () 3. Análisis de la arianza de Factores 4. Análisis de la Covarianza 5. Análisis con más de Factores J.F.
Más detallesCointegración El caso bivariado
Cointegración El caso bivariado Definición: La serie Y t es integrada de orden d (denotada I(d)) si al menos debe ser diferenciada d veces para que sea estacionaria. Ejemplos: 1. El proceso random walk
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 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 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 detallesSe usa para encontrar un numero relativamente pequeño de variables nuevas que contengan la mayor cantidad de info posible del conjunto de datos
Analisis Estadístico de Datos Climáticos Análisis de componentes principales Analisis de componentes principales Se usa para encontrar un numero relativamente pequeño de variables nuevas que contengan
Más detallesProyecto. Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas. Geometría Analítica. Isidro Huesca Zavaleta
Geometría Analítica Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas Isidro Huesca Zavaleta La Integración de dos Ciencias La Geometría Analítica nació de la integración de dos ciencias
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detalles3. RESULTADOS. Los resultados de la descapsulación de quistes fueron los siguientes : Eficiencia de eclosión (EE) : 382.
3. RESULTADOS 3.1 ECLOSIÓN DE QUISTES Los resultados de la descapsulación de quistes fueron los siguientes : Eficiencia de eclosión (EE) : 382.000 nauplius/gramo Porcentaje de eclosión (PE) : 99 % Tasa
Más detalles13. Utilizar la fórmula del término general y de la suma de n términos consecutivos
Contenidos mínimos 3º ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Utilizar las reglas de jerarquía de paréntesis y operaciones, para efectuar cálculos con números racionales, expresados en forma
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesTema 13. Los caracteres cuantitativos. Genética CC.MM.
Tema 13. Los caracteres cuantitativos Genética CC.MM. Contenidos Los caracteres cuantitativos La naturaleza de la variación continua Norma de reacción Heredabilidad de un carácter Selección artificial
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesFACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES CRIVISQ
PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES EDU DUARDO CRIVISQ RIVISQUI PRESENTACIÓN DE LOS MÉTODOS DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES
Más detallesDispone de 1 hora para resolver las siguientes cuestiones planteadas.
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE ECONOMÍA Y NEGOCIOS EXAMEN TEÓRICO DE ESTADÍSTICA COMPUTARIZADA NOMBRE: PARALELO: Dispone de 1 hora para resolver las siguientes cuestiones planteadas.
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 detallesMÓDULO 1: GESTIÓN DE CARTERAS
MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta
Más detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Más detallesa) La ecuación del plano que pasa por el punto ( 1, 1, 0 ). (3 puntos) b) La ecuación del plano que es paralelo a la recta r.
PROBLEMAS DE SELECTIVIDAD. BLOQUE GEOMETRÍA 1. En el espacio se dan las rectas Obtener a) El valor de para el que las rectas r y s están contenidas en un plano. (4 puntos) b) La ecuación del plano que
Más detallesEstadística. Análisis de datos.
Estadística Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un
Más detallesLa representación gráfica de una función cuadrática es una parábola.
Función Cuadrática A la función polinómica de segundo grado +bx+c, siendo a, b, c números reales y, se la denomina función cuadrática. Los términos de la función reciben los siguientes nombres: La representación
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesDISTANCIA ENTRE DOS PUNTOS EN EL PLANO CARTESIANO.
RAZONAMIENTO Y DEMOSTRACIÓN Determina la distancia entre pares de puntos. Calcula las coordenadas del punto medio del segmento cuyos extremos son dos puntos dados. Halla la pendiente de una recta. COMUNICACIÓN
Más detallesUNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL
UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 Matilde Ungerovich- mungerovich@fisica.edu.uy DEFINICIÓN PREVIA: Distribución: función que nos dice cuál es la probabilidad de que cada suceso
Más detallesEVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Más detallesCAPÍTULO VI RESULTADOS PESO (50 COMPRIMIDOS) INICIAL PESO (50 COMPRIMIDOS) FINAL PESO (50 COMPRIMIDOS) INICIAL PESO DEL PLATO
CAPÍTULO VI RESULTADOS 6.1. CÁLCULOS 6.1.1. PORCENTAJE DE FRIABILIDAD RANGO: No mayor 1 % FÓRMULA % = PESO (50 COMPRIMIDOS) INICIAL PESO (50 COMPRIMIDOS) FINAL PESO (50 COMPRIMIDOS) INICIAL PESO DEL PLATO
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 detalles1. Caso no lineal: ajuste de una función potencial
1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir
Más detallesEjemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos
Más detallesDistribuciones bidimensionales. Regresión.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 5: Distribuciones bidimensionales. Regresión. Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detallesFundamentos de Estadística descriptiva
Fundamentos de Estadística descriptiva COCEPTOS GEERALES Llamaremos población estadística al conjunto de referencia sobre el cual van a recaer las observaciones. Se llama individuo a cada uno de los elementos
Más detalles