Regresión de Datos de Vida
|
|
- Margarita Pinto Luna
- hace 5 años
- Vistas:
Transcripción
1 Regresón de Datos de Vda Resumen El procedmento Regresón de Datos de Vda está dseñado para ajustar un modelo estadístco paramétrco relaconado con tempos de falla a una o más varables predctoras. Los predctores pueden ser cuanttatvos o categórcos. Pueden ajustarse modelos de prmer o segundo orden, con o sn nteraccones. La dstrbucón de los tempos de falla puede tomar sete formas dferentes, ncluyendo Webull, exponencal, normal, lognormal, logístca, loglogístca, o la dstrbucón de valores extremos para mínmos. Los tempos de falla pueden ser censurados o no. Los resultados de este predctor ncluyen un estmador de la funcón de resgo y de los percentles del tempo de falla. Pueden hacerse predccones a partr del modelo ajustado, tambén pueden detectarse resduales nusuales. StatFolo muestra: lfedata reg.sgp Datos de muestra: El archvo capactors.sf3 contene datos de un expermento realzado para determnar el efecto del Voltaje y de la Temperatura en los tempos de falla de capactores de vdro, reportado por Meeker y Escobar (1998). Un total de n = 32 capactores fueron probados, cuatro a cada combnacón de 4 voltajes y 2 temperaturas. Una porcón del archvo se muestra abajo. Voltaje (voltaje) temperatura (Temperatura) horas (Horas) Todos los tempos de falla observados son no censurados por StatPont, Inc. Regresón de Datos de Vda - 1
2 Entrada de Datos El cuadro de dálogo de entrada de datos pde nformacón sobre los tempos de falla y las varables predctoras: Varable Dependente: una varable numérca contenendo a Y, los tempos de falla (para datos no censurados) o tempos censurados (para datos censurados). (Censura): una columna opconal que ndca s cada valor ha sdo censurado o no. Ingrese un 0 s el valor de la varable dependente representa un tempo de falla no censurado. Ingrese un 1 s el valor ha sdo censurado por la derecha (el verdadero tempo de falla es mayor que el valor ngresado). Factores Cuanttatvos: columnas numércas que contengan valores de cualquer factor cuanttatvo que vaya a nclurse en el modelo. Factores Categórcos: columnas numércas o no-numércas que contenen los nveles de cualquer factor categórco que vaya a nclurse en el modelo. Seleccón: Subconjunto a selecconar por StatPont, Inc. Regresón de Datos de Vda - 2
3 Modelo Estadístcos STATGRAPHICS ajusta dos tpos de modelos paramétrcos de regresón para tempos de vda: modelos de regresón de localzacón-escala y modelos de regresón de log-localzacón-escala. Modelos de Localzacón Escala Para este tpo de modelo, los percentles de la dstrbucón del tempo de vda están relaconados con las varables predctoras a través de una funcón lneal de la forma: ( p) σ = β + β X + β X Φ ( p)σ 1 1 Y P = μ + Φ (1) donde μ es un parámetro de localzacón que depende de las varables predctoras, σ es un parámetro de escala, y Φ -1 (p) es la cdf nversa estandarzada de la dstrbucón del tempo de vda,.e., Y μ F ( Y ) = Φ (2) σ Para tal modelo, se puede asumr que los tempos de vda sguen una dstrbucón ya sea normal, logístca, o de valores extremos para mínmos. Modelos de Log Localzacón Escala Para este tpo de modelo, los percentles de la dstrbucón del tempo de vda están relaconados con las varables predctoras a través de una funcón no lneal de la forma donde ( p) σ = β + β X + β X Φ ( p)σ 1 1 log( Y P ) = μ + Φ (3) log( Y ) μ F ( Y ) = Φ (4) σ Para tal modelo, se puede asumr que los tempos de vda sguen una dstrbucón ya sea lognormal, loglogístca, Webull, o exponencal por StatPont, Inc. Regresón de Datos de Vda - 3
4 Resumen del Análss El Resumen del Análss desplega una tabla mostrando el modelo estmado y pruebas de razón de verosmltud para la sgnfcanca de los coefcentes del modelo. Regresón de Supervvenca - horas Varable dependente: horas Factores: voltaje temperatura Número de valores no censurados: 32 Número de valores censurados por derecha: 0 Modelo de Regresón Estmado - Webull Error LC Inferor 95.0% LC Superor 95.0% Parámetro Estmado Estándar Límte de Conf. Límte de Conf. CONSTANTE Log verosmltud = voltaje Pruebas temperatura de Razón de Verosmltud SIGMA Factor J-Cuadrada Gl Valor-P voltaje temperatura La tabla ncluye: Resumen de Datos: Un resumen de los datos de entrada, ncluyendo el número de observacones n usadas para ajustar el modelo. Modelo de Regresón Estmado: Estmador de los coefcentes del modelo de regresón, con errores estándar e ntervalos de confanza aproxmados. Pruebas de Razón de Verosmltud: corrda de prueba para determnar s los coefcentes son sgnfcatvamente dferentes de 0 o no. Se desplegan P-valores bdrecconales. P- valores pequeños (menores a 0.05 s se opera a un nvel de sgnfcanca del 5%) corresponden a varables estadístcamente sgnfcatvas. La tabla de arrba muestra el resultado de ajustar un modelo de prmer orden a los datos del capactor, asumendo una dstrbucón Webull para los tempos de falla a valores fjos de las varables predctoras. El modelo estmado tene parámetros: μ = voltaje temperatura (5) σ = (6) basados en un modelo log-lneal. La ecuacón del p-ésmo percentl es horas = exp( voltaje temperatura log(-log(1-p) )) (7) Tanto voltaje como temperatura tenen un efecto negatvo en los tempos de vda de los capactores. Voltaje es altamente sgnfcatvo, mentras que temperatura es sgnfcatvo al nvel de 10% pero no al de 5% por StatPont, Inc. Regresón de Datos de Vda - 4
5 Opcones de Análss El modelo estadístco a ajustarse se especfca usando Opcones de Análss. Tpo de Modelo: Seleccone Prmer Orden para ajustar un modelo que solo nvolucre efectos prncpales de cada factor. Seleccone Segundo Orden para nclur efectos cuadrátcos de factores cuanttatvos e nteraccones 2-factores entre todas las varables. Dstrbucón: la dstrbucón asumda para los tempos de falla a valores fjos de las varables predctoras. Nvel de Confanza: porcentaje de confanza para los estmadores de ntervalo de los coefcentes del modelo. Exclur: Presones este botón para exclur térmnos específcos del modelo. Un cuadro de dálogo se desplegará abajo: 2006 por StatPont, Inc. Regresón de Datos de Vda - 5
6 Dé doble clc en un efecto para moverlo del campo Inclur al campo Exclur o vceversa. Ejemplo: Ajustar un Modelo con una Interaccón Para agregar una nteraccón al modelo, seleccone Segundo Orden en el cuadro de dálogo Opcones de Análss. Luego presone el botón Exclur para remover temperatura 2 y voltaje 2 del modelo, dejando los efectos prncpales y el producto cruz voltaje*temperatura. Los resultados del ajuste se muestran abajo. Regresón de Supervvenca - horas Varable dependente: horas Factores: voltaje temperatura Número de valores no censurados: 32 Número de valores censurados por derecha: 0 Modelo de Regresón Estmado - Webull Error LC Inferor 95.0% LC Superor 95.0% Parámetro Estmado Estándar Límte de Conf. Límte de Conf. CONSTANTE voltaje temperatura voltaje*temperatura SIGMA Log verosmltud = por StatPont, Inc. Regresón de Datos de Vda - 6
7 Pruebas de Razón de Verosmltud Factor Ch-Cuadrada Gl Valor-P voltaje temperatura voltaje*temperatura La prueba de razón de verosmltud para el térmno producto cruz tene un P-Valor grande, ndcando que no hay nteraccón sgnfcatva entre voltaje y temperatura por StatPont, Inc. Regresón de Datos de Vda - 7
8 Gráfca del Modelo Ajustado El panel Gráfca del Modelo Ajustado desplega los percentles como funcón de cualquer varable X con todas las otras varables fjas a valores específcos Gráfca del Modelo Ajustado Webull percentles: 5%, 50%, 95% temperature=175.0 hours voltage Por ejemplo, la gráfca de arrba muestra cómo los percentles 5-to, 50-ésmo, y 95-ésmo varían como funcón de voltaje, con temperatura fja a 175. El tempo de falla medo decrece como crece el voltaje, con la varabldad tambén decrecendo. Panel de Opcones 2006 por StatPont, Inc. Regresón de Datos de Vda - 8
9 Factores: seleccone un factor a grafcar en el eje horzontal, con límtes nferores y superores de la gráfca. Para los demás factores, especfque valores a los que estos deben quedar fjos. Percentles: porcentajes de percentles deseados. Gráfcar Meda: ncluye una línea al tempo de falla medo estmado. Sguente y Atrás: usado para desplegar otros factores cuando hay más de por StatPont, Inc. Regresón de Datos de Vda - 9
10 Percentles El panel Percentles desplega una tabla de percentles estmados a una combnacón selecconada de varables predctoras. Tabla de Predccones Inversas para horas voltaje=275.0 temperatura=175.0 Error LC Inferor 95.0% LC Superor 95.0% Porcentaje Percentl Estándar Límte Conf. Límte Conf Se 96.0 ncluyen ntervalos de confanza basados en una aproxmacón normal de muestra grande. Por ejemplo, 97.0 a un voltaje = y una temperatura = 175, se estma que el 50% de los capactores habrán 99.0 fallado luego de aproxmadamente horas El ntervalo de confanza del 95% para el 50-ésmo 99.5 percentl oscla entre horas y 593 horas por StatPont, Inc. Regresón de Datos de Vda - 10
11 Panel de Opcones STATGRAPHICS Rev. 4/d/yyyy Nvel: valores de las varables predctoras a las que los percentles van a estmarse. Nvel de Confanza: porcentaje de confanza para los estmadores de ntervalo. Sguente y Atrás: usados para desplegar otros factores cuando hay más de 16. Gráfca de Percentles La Gráfca de Percentles grafca los percentles estmados a una combnacón selecconada de varables predctoras por StatPont, Inc. Regresón de Datos de Vda - 11
12 1 0.8 Gráfca de Percentles con ntervalos de confanza del 95.0% voltage=275.0 temperature=175.0 prob. de falla hours Se ncluyen ntervalos de confanza basados en una aproxmacón normal de muestra grande. Panel de Opcones Nvel: valor de la varable predctora a la que se estmarán los percentles. Nvel de Confanza: porcentaje de confanza para los estmadores de ntervalo por StatPont, Inc. Regresón de Datos de Vda - 12
13 Gráfca: seleccone F.D. Acumulada para grafcar los percentles o Funcón de Supervvenca para grafcar las probabldades estmadas de supervvenca. Sguente y Atrás: usados para desplegar otros factores cuando hay más de 16. Gráfca de Percentles de Probabldad Esta gráfca grafca los percentles estmados en un cuadro escalado de tal forma que la dstrbucón acumulatva es una línea recta. prob. de falla Gráfca de Percentles con ntervalos de confanza del 95.0% voltage=275.0 temperature= hours Panel de Opcones Las opcones son las msmas que en Gráfca de Percentles. Predccones El panel Predccones crea predccones usando el modelo ajustado. Por defecto, la tabla ncluye una línea para cada fla de la hoja de datos que tene nformacón completa en las varables X y un valor faltante para la varable Y. Esto le permte agregar columnas en la parte baja de la hoja de datos correspondente a nveles a los que quere las predccones sn afectar el modelo ajustado. Por ejemplo, suponga que se desea una predccón para un capactor sujeto a un voltaje de 275 y a una temperatura de 175. En la fla #33 de la hoja de datos, estos valores serían añaddos pero la columna horas se dejaría en blanco. La tabla resultante se muestra abajo: Predccones para horas 2006 por StatPont, Inc. Regresón de Datos de Vda - 13
14 Observado Ajustado Error LC Inferor 95.0% LC Superor 95.0% Fla Estándar para Meda para Meda STATGRAPHICS Rev. 4/d/yyyy Se ncluyen en la tabla: Fla el número de fla de la hoja de datos. Observado los valores observados, Y. Ajustado los valores ajustados, dados por μˆ para modelos de localzacón-escala y exp ( μˆ ) para modelos de log-localzacón escala. Error estándar los errores estándar correspondentes a μˆ. Límtes de Confanza límtes de confanza aproxmados para los valores ajustados. Panel de Opcones 2006 por StatPont, Inc. Regresón de Datos de Vda - 14
15 Mostrar: Todas las flas pueden ser desplegadas, o Sólo Pronóstcos (sólo aquellas flas con valores para la varable dependente). Nvel de Confanza: porcentaje de confanza de los estmadores de ntervalos. Observado vs. Predcho El panel Observado vs. Predcho grafca los tempos observados de falla Y contra μˆ para modelos de localzacón escala y exp ( μˆ ) para modelo de log localzacón escala Gráfca de hours observado predcho S el modelo ajusta ben, los puntos deben dspersarse aleatoramente alrededor de la línea dagonal. Gráfca de Probabldad Resdual En todas las aplcacones de regresón, es mportante calcular y grafcar los resduales. El procedmento Regresón de Datos de Vda crea tres dferentes tpos de resduales: 1. Resduales Ordnaros: Para modelos de localzacón escala: r = y (8) μˆ Para modelos de log localzacón - escala: r y exp( μˆ ) 2. Resduales estandarzados = (9) Para modelos de localzacón escala: y ˆ μ e = ˆ σ (10) ln y ˆ μ Para modelos de log localzacón escala e = exp ˆ σ (11) 2006 por StatPont, Inc. Regresón de Datos de Vda - 15 ( )
16 3. Resduales Cox-Snell un tpo de resduales Cox-Snell forzados a caer entre 0 y 1, defndos por: ( ) uˆ = Fˆ (12) Y que es la dstrbucón acumulatva del tempo de vda estmado evaluada en el tempo de falla observado. Los resduales ordnaros cuantfcan la dferenca entre los datos observados y los valores ajustados. Los resduales estandarzados se escalan de tal forma que deben segur una forma estandarzada de la dstrbucón asumda del tempo de falla. Los resduales Cox-Snell pueden ser de utldad al dentfcar puntos lejanos. La Gráfca de Probabldad Resdual desplega resduales estandarzados en una gráfca dseñada para ayudar a determnar s las dstrbucones asumdas para los tempos de vda son razonables para los datos: Gráfca de probabldad Webull porcentaje acumulado Resduo estandarzado S la dstrbucón selecconada es adecuada para los datos, los puntos deben caer sobre la línea dagonal de referenca. Resduos Átpcos El panel de Resduos Átpcos lsta todas las observacones que tenen resduales nusualmente grandes. Resduos Atípcos para horas 2006 por StatPont, Inc. Regresón de Datos de Vda - 16
17 Y Resduo Resduo Fla Y Predcha Resduo Estandarzado Cox-Snell STATGRAPHICS Rev. 4/d/yyyy La tabla desplega: Fla el número de fla en la hoja de datos. Y los tempos de falla observados (posblemente censurados). Y Predcha los valores ajustados, dados por μˆ para modelos de localzacón escala y exp ( μˆ ) para modelos de log localzacón escala. Resduo los resduales ordnaros. Resduo Estandarzado los e estandarzados. Resduo Cox-Snell los resduales Cox-Snell forzados û. Se agrega una fla a la lsta correspondente a la lsta correspondente a todos los resduales Cox Snell que son menores que o mayores que 0.975,.e., cualquer resduales fuera del 95% de la dstrbucón del tempo estmado. Se le debe dar partcular atencón a cualquer resdual fuera del ntervalo u ˆ pues sería equvalente a estar más allá de tres desvacones estándar s la dstrbucón fue Gaussana. Gráfcas de Resduos Pueden crearse muchos otros tpos de gráfcas de resduales por StatPont, Inc. Regresón de Datos de Vda - 17
18 Gráfco de Dspersón vs. Valor Predcho Esta gráfca es de utldad para vsualzar s la varabldad es constante o varía de acuerdo a la magntud de Y o no. 4.6 Gráfca de Resduos log resudal estandarzado predcho hours Gráfca de Probabldad Normal Esta gráfca puede ser usada para determnar s las desvacones alrededor de la línea sguen una dstrbucón normal. Gráfca de Probabldad Normal para hours porcentaje log resudal estandarzado Aunque esta gráfca es creada en todos los procedmentos de regresón la Gráfca Especal de Probabldad Resdual descrta anterormente es más útl para los resduales de datos de vda. Autocorrelacones Resduales Esta gráfca calcula la autocorrelacón entre resduales como funcón del número de flas entre ellas en la hoja de datos por StatPont, Inc. Regresón de Datos de Vda - 18
19 Autocorrelacones Resduales para hours autocorrelacón retraso Esto es relevante sólo s los datos se han recolectado secuencalmente. Cualquer barra más allá de los límtes ndcaría dependenca sgnfcatva entre resduales separados por el retraso ndcado por StatPont, Inc. Regresón de Datos de Vda - 19
20 Panel de Opcones STATGRAPHICS Rev. 4/d/yyyy Grafcar: el tpo de resduales a grafcar. Tpo: el tpo de grafca a crear. Un Dagrama de Dspersón es usado para curvatura. Una Gráfca de Probabldad Normal es usada para determnar s los resduales del modelo venen de una dstrbucón normal o no. Una Funcón de Autocorrelacón es usada para probar dependenca entre resduales consecutvos. Grafcar Versus: para un Dagrama de Dspersón, la cantdad a grafcar en el eje horzontal. Número de Retrasos: para una Funcón de Autocorrelacón el número máxmo de retrasos. Para números pequeños de datos, el número grafcado de retrasos puede ser menor que este valor. Nvel de Confanza: para una Funcón de Autocorrelacón, el nvel usado para crear los límtes de probabldad. Matrz de Correlacones La Matrz de Correlacones desplega estmadores de la correlacón entre los coefcentes estmados. Matrz de correlacón para los coefcentes estmados 2006 por StatPont, Inc. Regresón de Datos de Vda - 20
21 CONSTANTE voltaje temperatura CONSTANTE voltaje temperatura STATGRAPHICS Rev. 4/d/yyyy Esta tabla puede ser de ayuda para determnar qué tan ben se han separado entre sí los efectos de varables ndependentes dferentes. Guardar Resultados Los sguentes resultados pueden ser guardados en las hojas de datos. 1. Valores Predchos los valores ajustados correspondentes a cada una de las n observacones: 2. Errores Estándar de Medas los errores estándar de los n valores ajustados. 3. Límtes Inferores para las Medas Pronostcadas los límtes nferores de confanza para los valores ajustados. 4. Límtes Superores para las Medas Pronostcadas los límtes nferores de confanza para los valores ajustados. 5. Resduos los n resduales r. 6. Resduos Estandarzados los n resduales estandarzados e. 7. Resduos Cox-Snell - los n resduales Cox-Snell û. 8. Coefcentes los coefcentes estmados del modelo. 9. Porcentajes los porcentajes a los cuales fueron calculados los percentles. 10. Percentles los percentles estmados. 11. Errores Estándar de Percentles los errores estándar de los percentles estmados. 12. Límtes de Conf. Inferores de Percentles límtes nferores de confanza para los percentles. 13. Límtes de Conf. Superores de Percentles límtes superores de confanza para los percentles por StatPont, Inc. Regresón de Datos de Vda - 21
22 Cálculos STATGRAPHICS Rev. 4/d/yyyy Dstrbucones Estandarzados Logístca, log logístca: ( z ) = exp( z) /[ 1+ exp( z) ] Φ (13) z 2 Normal, lognormal: Φ( z) = ( 1/ 2 ) exp( z / 2) π (14) Menor valor extremo, Webull, exponencal: ( z) = 1 exp[ exp( z) ] Φ (15) Funcones de Verosmltud Sea δ = 1 para un tempo exacto de falla y 0 para una observacón censurada por la derecha. Modelos de Localzacón Escala: L δ 1 δ n 1 y μ y μ ( β, σ ) = φ = σ σ 1 Φ σ (16) 1 Modelos de Log Localzacón Escala: L δ 1 δ n 1 log( y ) μ log( y ) μ ( β, σ ) = φ = σ σ 1 Φ σ (17) 1 Errores Estándar para Coefcentes Determnados a partr de las dervadas parcales evaluados en los EMV s. Los ntervalos de confanza están basados en una aproxmacón normal de muestra grande. Tempos Medos de Falla Dstrbucón E(Y) Normal μ Lognormal exp(μ + σ 2 /2) Logístca μ log logístca exp(μ)γ(1+σ)γ(1 σ) Menor Valor Extremo μ σ Webull exp(μ)γ(1+σ) Exponencal exp(μ)γ(2) 2006 por StatPont, Inc. Regresón de Datos de Vda - 22
Riesgos Proporcionales de Cox
Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los
Más detallesRegresión Binomial Negativa
Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado
Más detallesHeight (altura) Extraction (extracción)
Regresón Posson Resumen El procedmento Regresón Posson está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado relacona Y con
Más detallesRegresión Logística. StatFolio Muestra: logistic.sgp
Regresón Logístca Resumen El procedmento de Regresón Logístca está dseñado para ajustarse a un modelo de regresón en el que la varable dependente Y caracterza un evento con sólo dos posbles resultados.
Más detallesTablas de Vida (Intervalos)
Tablas de Vda (Intervalos) Resumen El procedmento Tablas de Vda (Intervalos) está dseñado para analzar datos que contengan tempos de vda o de falla, donde se sabe que el valor del tempo de vda cae en un
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesComparación de Tasas. Ejemplo StatFolio: comparerates.sgp
STATGRAPHICS Rev. 9/4/2006 Comparacón de Tasas Resumen El procedmento Comparacón de Tasas esta dseñado para comparar las tasas observadas de un evento entre muestras. Este realza una prueba de dspersón
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesAnálisis de Capabilidad (Defectos Por Unidad)
Análss de Capabldad (Defectos Por Undad) STATGRAPHICS Rev. 9/4/26 Este procedento esta dseñado para estar la eda del núero de defectos por undad sobre una poblacón basándose en uestras de artículos de
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes
Más detallesPyE_ EF1_TIPO1_
SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesResolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
Más detallesa) DIAGRAMA DE DISPERSION
SIS 335 - A EJEMPLO.- Se ha recogdo datos de una localdad medante sendas encuestas sobre el consumo (Y) de productos de hogar y de la renta (X) de los consumdores consultados, obtenéndose los sguentes
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesllamadas variables independientes, d e es, tomando valores en R las p+1 variables consideradas.
Análss de Regresón Lneal Mª Dolores Cubles de la Vega Departamento de Estadístca e Investgacón Operatva Unversdad de Sevlla El Análss de Regresón es un conjunto de técncas estadístcas cuyo objetvo es nvestgar
Más detallesEXPERIMENTOS ANIDADOS O JERARQUICOS NESTED
EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles
Más detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesInstrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesPrueba de Evaluación Continua
Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas
Más detallesGuía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología
Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)
Más detallesCASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS)
Caso 6: Calbrado para fosfato y predccón nversa 43 Caso 6 : Calbrado para fosfato y predccón nversa (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS) CASO PRÁCTICO Al hacer calbrados con
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesEstructura de tabla. Crear una tabla de base de datos. Paso previo a la creación i
Estructura de una tabla Estructura de tabla Access 2016 Crear una tabla de base de datos Paso prevo a la creacón Una tabla es un conjunto de datos estructurados. Esta estructura se basa en un elemento
Más detallesCAPÍTULO IV. IV.1 Correlación de los resultados experimentales
CAPÍTULO IV IV. Correlacón de los resultados expermentales La aplcacón de modelos de solucón para correlaconar los resultados que se obtenen en los expermentos, resulta de gran mportanca para amplar la
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesRelación 2: Regresión Lineal.
Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesExamen Final de Econometría Grado
Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón
Más detallesEJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.
EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.
Más detallesRegresión lineal y correlación lineal
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel
Más detallesCLAVE - Laboratorio 1: Introducción
CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad
UNIVERSIDAD NAIONAL MAYOR DE SAN MAROS FAULTAD DE IENIAS MATEMÁTIAS E.A.P. DE ESTADÍSTIA Métodos multvarantes en control estadístco de la caldad apítulo IV. Gráfcos de control MUSUM TRABAJO MONOGRÁFIO
Más detallesTema 2.- Regresión lineal múltiple (I) Introducción 2.2. Especificación del modelo de regresión lineal múltiple. 2.3.
Tema.- Regresón lneal múltple (I)... Introduccón.. Especfcacón del modelo de regresón lneal múltple..3. Estmacón de los parámetros del modelo por mínmos cuadrados..4. Interpretacón de la ecuacón de regresón..5.
Más detallesSlide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I
Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesEstadística con R. Modelo Probabilístico Lineal
Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S
Más detallesDetección Bayesiana de Efectos Activos en Experimentos Factoriales con Respuesta Dicotómica.
DETECCIÓN BayesanA DE EFECTOS ACTIVOS RESPUESTA BINOMIAL Deteccón Bayesana de Efectos Actvos en Expermentos Factorales con Respuesta Dcotómca. XXI Foro Naconal de Estadístca AME y Unversdad Autónoma de
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
Más detallesNOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesMAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.
TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesCapítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende
Más detallesSEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN
Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesTema 7: Regresión Logística p. 1/1
Tema 7: Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco http://www.sc.ehu.es/sg/ Tema 7: Regresón Logístca
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detalles16/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,
Más detallestruncación inferior en el punto a=25 es igual a El grado de truncación es del
ECONOMETTRÍ ÍA III II.. Cuurrssoo 22000022- -0033 (f( f cchheer roo: : ccuueesst t oonneess lleecccc l 33) ) CUESTTI IONES SOBRE LLA LLECCI IÓN 33: : MODELLOS DE VARIABLLE DEPENDIENTTE LLI IMITTADA 1.
Más detallesTEMA 7. ANÁLISIS DE SUPERVIVENCIA
TEMA 7. ANÁLISIS DE SUPERVIVENCIA CONTENIDOS 7. Funcón de supervvenca. 7.2 Estmacón no paramétrca de la funcón de supervvenca. 7.2. Tempos de supervvenca dscretos. Estmador de Kaplan-Meer. 7.2.2 Tempos
Más detallesTema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema
Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesEspecialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesPUBLICACIONES DE 4º CURSO
PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal
Más detallesEDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño
EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste
Más detallesSolución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal
Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B
Más detalles1.Variables ficticias en el modelo de regresión: ejemplos.
J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes
Más detalleses un vector de p covariables correspondientes al mismo individuo i, i
5. Modelos de regresón En el análss de tempos de falla, es común suponer que el resgo de presentar la falla está en funcón de una sere de covarables o varables explcatvas nherentes a cada ndvduo. Es decr,
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detalleses un vector de p covariables correspondientes al mismo individuo i, i 1,,n.
5. Modelos de regresón En el análss de tempos de falla, es común suponer que el resgo de presentar la falla está en funcón de una sere de covarables o varables explcatvas nherentes a cada ndvduo. Es decr,
Más detallesDiseño y Análisis de Experimentos en el SPSS 1
Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se
Más detallesVII. Solución numérica de ecuaciones diferenciales
VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las
Más detallesDISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú
DISEÑO SEVERO PALACIOS C. SEVERO Consultor Metalúrgco espc@yahoo.com Lma Perú RESUMEN: Se ha desarrollado un nuevo dseño de mucha utldad para los procesos ndustrales al cual he denomnado Dseño Severo.
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detalles6 Impacto en el bienestar de los beneficiarios del PAAM
6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda
Más detalles