Inferencia en tablas de contingencia
|
|
- Roberto Ortiz de Zárate Juárez
- hace 5 años
- Vistas:
Transcripción
1 GoBack
2 Inferencia en tablas de contingencia Guillermo Ayala Gallego Universidad de Valencia 15 de octubre de / 36
3 Distribución condicionada exacta
4 Intervalo para los odds ratio Intervalo de la diferencia de proporciones Intervalo de el riesgo relativo con 2 / 36
5 Intervalo para los odds ratio El estimador del odds ratio es ˆθ = n 11n 22 n 12 n 21 El estimador puede ser 0, infinito o no estar definido ( ) dependiendo de los conteos. Por ello no existe ni la media ni la varianza de ˆθ ni de log ˆθ. Una posibilidad es trabajar con y con log θ. θ = (n ,5)(n ,5) (n ,5)(n ,5) Intervalo para los odds ratio Intervalo de la diferencia de proporciones Intervalo de el riesgo relativo con 3 / 36
6 Un estimación del error estándar de ˆθ es ( ˆσ(log ˆθ) 1 = n 11 n 12 n 21 n 22 El intervalo de confianza de Wald sería: log ˆθ ± z α/2ˆσ(log ˆθ) ) 1/2 Tomando las exponenciales en los extremos tenemos el correspondiente intervalo para log θ. Intervalo para los odds ratio Intervalo de la diferencia de proporciones Intervalo de el riesgo relativo con 4 / 36
7 El test es algo conservador (la probabilidad de cubrimiento es algo mayor que el nivel nominal). Estudio sueco sobre el uso de la aspirina y el infarto de miocardio. Infarto de miocardio Si No Total Placebo Aspirina notar/notar012.pdf Intervalo para los odds ratio Intervalo de la diferencia de proporciones Intervalo de el riesgo relativo con 5 / 36
8 Intervalo de la diferencia de proporciones Suponemos que tenemos muestras de binomiales independientes. En grupo i tenemos Y i Bi(n i,π i ). Tenemos ˆπ i = Y i /n i y el error estándar es σ(ˆπ 1 ˆπ 2 ) = E(ˆπ 1 ˆπ 2 ) = π 1 π 2 [ π1 (1 π 1 ) + π ] 1/2 2(1 π 2 ) n 1 n 2 Estimamos sustituyendo π i por ˆπ i. Intervalo para los odds ratio Intervalo de la diferencia de proporciones Intervalo de el riesgo relativo con 6 / 36
9 El intervalo de confianza de Wald sería: ˆπ 1 ˆπ 2 ± z α/2ˆσ(ˆπ 1 ˆπ 2 ) Usualmente la probabilidad de cubrimiento es menor que el coeficiente de confianza nominal. Especialmente para valores de π 1 y π 2 próximos a 0 o 1. Intervalo para los odds ratio Intervalo de la diferencia de proporciones Intervalo de el riesgo relativo con 7 / 36
10 Intervalo de el riesgo relativo El riesgo relativo muestral viene dado por r = ˆπ 1 ˆπ 2 Hay una convergencia a la normalidad más rápida trabajando en la escala logarítmica. El error estándar asintótico de log r es σ(log r) = ( 1 π1 + 1 π ) 1/2 2 n 1 π 1 n 2 π 2 Es algo conservador (probabilidad de cubrimiento mayor que el nivel de confianza nominal). Intervalo para los odds ratio Intervalo de la diferencia de proporciones Intervalo de el riesgo relativo con 8 / 36
11 El intervalo de confianza de Wald para log π 1 /π 2 es log r ± z α/2ˆσ notar/notar012.pdf Intervalo para los odds ratio Intervalo de la diferencia de proporciones Intervalo de el riesgo relativo con 9 / 36
12 Test con 10 / 36
13 Nos planteamos el contraste de: H 0 : π ij H 0 : π ij = π i+ π +j i,j π i+ π +j para algún i,j Los tests que vamos a considerar se pueden aplicar tanto para muestreo multinomial (con I J categorías) como para muestreo multinomial independiente (para las distintas filas). En el primer caso contrastamos independencia y en el segundo homogeneidad. Test con 11 / 36
14 Test Es el test clásico propuesto por K. Pearson. Bajo H 0, Los MLE son En ij = µ ij = nπ i+ π +j. ˆµ ij = nˆπ i+ˆπ +j = n n i+ n Se utiliza el estadístico n +j n = n i+n +j n (n ij ˆµ ij ) 2 Test con X 2 = i j ˆµ ij 12 / 36
15 Bajo H 0, X 2 χ 2 ((I 1)(J 1)). El test score produce el estadístico X 2. El test del cociente de verosimilitud produce el test G 2 = 2 i con ˆµ ij = n i+n +j n. Bajo H 0, j n ij log n ij ˆµ ij Test con G 2 χ 2 ((I 1)(J 1)). 13 / 36
16 Se rechaza para valores grandes de X 2 o G 2. La convergencia a la distribución es más rápida para X 2 que para G 2. La aproximación para G 2 es pobre si n/ij < 5. La aproximación para X 2 puede ser razonablemente buena si las frecuencias esperadas son mayores que 1 y la mayor parte son mayores que 5. Si nos los podemos usar hay que utilizar métodos para. Test con 14 / 36
17 Creencias religiosas Educación Fundamentalista Moderado Liberal Total Menos que secundaria Secundaria Graduado Total notar/notar013.pdf 15 / 36
18 Acaba la vida con el p-valor? Residuos con 16 / 36
19 Acaba la vida con el p-valor? Ya sabemos que el test es significativo. Ya tenemos un p-valor maravillosamente pequeño. Y ahora qué? Acaba la vida con el p-valor? Residuos con 17 / 36
20 Residuos Vamos a comparar las frecuencias observadas con las esperadas. Notemos que, para muestreo de Poisson, σ(n ij µ ij ) = µ ij. La desviación estándar de n ij ˆµ ij es menor que µij pero todavía proporcional a este valor. Definimos el residuo de Pearson como e ij = n ij ˆµ ij ˆµij. Acaba la vida con el p-valor? Residuos con 18 / 36
21 En particular tenemos que el estadístico X 2 de Pearson es igual a la suma de los cuadrados de los residuos de Pearson. X 2 = e 2 ij. i j Comparar estos residuos con los percentiles normales da una visión conservadora. Se definen los residuos de Pearson estandarizados como n ij ˆµ ij [ ˆµ ij (1 ˆπ i+ )(1 ˆπ +j ) ] 1/2 que sí tienen una distribución normal estándar. 19 / 36
22 Podemos comparar los residuos de Pearson estandarizados con los percentiles de la normal. Valores superiores (en módulo) a 2 o 3 indican falta de ajuste. notar/notar014.pdf Acaba la vida con el p-valor? Residuos con 20 / 36
23 con con Alternativa de tendencia lineal Alternativa de tendencia monótona 21 / 36
24 Alternativa de tendencia lineal Los test X 2 y G 2 no tienen en cuenta si las variables son ordinales. Si ambas variables son ordinales es de esperar una tendencia positiva o negativa. Una posibilidad es asignar puntuaciones a las categorías de X (u 1... u I ) y a las categorías de Y, (v 1... v I ) tales que conservan la ordenación. Sea r el coeficiente de correlación entre las puntuaciones. Consideramos el estadístico con Alternativa de tendencia lineal Alternativa de tendencia monótona para muestras grandes. M 2 = (n 1)r 2 χ 2 (1) 22 / 36
25 Rechazamos para valores grandes de M 2. Un p-valor pequeño no implica una lineal aunque sí que la componente lineal permite rechazar la hipótesis nula. notar/notar016.pdf con Alternativa de tendencia lineal Alternativa de tendencia monótona 23 / 36
26 Alternativa de tendencia monótona En el test que acabamos de considerar en donde la hipótesis alternativa era una relación lineal. Hemos tenido que transformar la variable ordinal en variable numérica. Consideremos una hipótesis alternativa mas débil, la relación entre las variables ordinales es monótona. La gamma muestral tiene una distribución asintótica normal. notar/notar017.pdf con Alternativa de tendencia lineal Alternativa de tendencia monótona 24 / 36
27 con Fisher para tablas 2 2 El ejemplo del té Fisher y alternativa bilateral Distribución condicionada exacta independencia para tablas I J 25 / 36
28 Fisher para tablas 2 2 Todos los procedimientos vistos hasta ahora se basan en distribuciones asintóticas. Si tenemos muestras grandes no hay problemas. Y con? Rezar es una buena opción. Siempre lo es. La otra es un test exacto. con Fisher para tablas 2 2 El ejemplo del té Fisher y alternativa bilateral Distribución condicionada exacta independencia para tablas I J 26 / 36
29 Consideramos una tabla 2 2. La hipótesis nula es de independencia. Condicionamos a los totales marginales de fila y columna. Solamente nos queda libre un conteo (por ejemplo, n 11 ) y ) p(t) = P(n 11 = t) = donde los valores posibles son m n 11 m + ( n1+ )( n2+ t n +1 t ( n n +1 ) con m = máx{0,n 1+ + n +1 n} y m + = mín{n 1+,n +1 }. 27 / 36
30 Queremos contrastar independencia. En tablas 2 2 lo podemos formular como frente a (alternativa unilateral) H 0 : θ = 1 H 1 : θ > 1 Para el test anterior, si t 0 es el valor observado de n 11, entonces el p-valor sería P(n 11 t 0 ) 28 / 36
31 El ejemplo del té Predicción primer servicio Primer servicio Leche Té Total Leche Té Total 4 4 Sería más extrema la tabla con n 11 = 4. El p-valor sería P(n 11 = 3) + P(n 11 = 4) = 0,243 con Fisher para tablas 2 2 El ejemplo del té Fisher y alternativa bilateral Distribución condicionada exacta independencia para tablas I J 29 / 36
32 Estamos ordenando las tablas de acuerdo con n 11. Podríamos ordenarlas según el odds ratio o la diferencia de las proporciones y obtenemos el mismo test. Esto no será cierto para test bilateral. con Fisher para tablas 2 2 El ejemplo del té Fisher y alternativa bilateral Distribución condicionada exacta independencia para tablas I J 30 / 36
33 Fisher y alternativa bilateral La definición de p-valor depende de cómo ordenamos las tablas. Lo que suele ir programado en software es (si p(t) = P(n 11 = t)) p = P(p(n 11 ) p(t 0 )) Sumamos la probabilidad de todas aquellas tablas que son tan probables o menos que la tabla observada. 31 / 36
34 Otra opción es p = P ( ) n 11 E(n 11 ) t 0 E(n 11 ) teniendo en cuenta que para la hipergeométrica Este procedimiento equivale con E(n 11 ) = n 1+ n +1 /n p = P(X 2 X 2 0) siendo X 2 0 el valor observado de X / 36
35 notar/notar018.pdf con Fisher para tablas 2 2 El ejemplo del té Fisher y alternativa bilateral Distribución condicionada exacta independencia para tablas I J 33 / 36
36 Distribución condicionada exacta Consideramos tablas con I J. Suponemos muestreo multinomial independiente (por filas). En consecuencia los totales de fila (n i+ ) están fijados. Asumimos la hipótesis de que la distribución condicionada de cada fila es la misma H 0 : π j 1 =... = π j I = π +j para j = 1,...,J y condicionamos ahora a los totales de columna. La distribución condicionada de los conteos es i n i+! j n +j! n! i j n ij! la distribución hipergeométrica múltiple. 34 / 36
37 Si suponemos una única distribución multinomial. Condicionamos al total de la tabla n. Condicionamos a los totales de fila y columna. La independencia se formula como H 0 : π ij = π i+ π +j i,j Obtenemos la misma distribución condicionada. con Fisher para tablas 2 2 El ejemplo del té Fisher y alternativa bilateral Distribución condicionada exacta independencia para tablas I J 35 / 36
38 independencia para tablas I J Hemos de establecer un orden entre las tablas. La opción más habitual es considerar la probabilidad de la tabla. El p-valor es la probabilidad de las tablas (con las marginales dadas) que no son más probables que la tabla observada. Otra posibilidad es utilizar un estadístico que mida la distancia de una tabla con la hipótesis nula: Como el estadístico X 2. Si tenemos datos ordinales podemos usar los estadísticos de los tests diseñados para este tipo de información. notar/notar019.pdf con Fisher para tablas 2 2 El ejemplo del té Fisher y alternativa bilateral Distribución condicionada exacta independencia para tablas I J 36 / 36
Análisis de datos Categóricos
Inferencia para tablas de contingencia Universidad Nacional Agraria La Molina 2013-1 Odds ratio Diferencia de proporciones Riesgo relativo Ejemplo Odds ratio El odds ratio muestral es: El estimador modicado
Más detallesAnálisis de datos Categóricos
Pruebas Chi-cuadrado para tablas de dos vías Universidad Nacional Agraria La Molina 2017-1 Independencia y Homogeneidad Independencia y Homogeneidad Prueba de Pearson y G 2 Una prueba de independencia
Más detallesGuillermo Ayala Gallego Universidad de Valencia
GoBack Regresión logística Guillermo Ayala Gallego Universidad de Valencia 4 de febrero de 2009 1 / 22 Puede que sea el procedimiento estadístico más utilizado. Con aplicaciones frecuentes en Medicina
Más detallesOtra medida alternativa para la distancia entre ˆπ y p muy usada es la deviance. Λ= máx ω. Si queremos testear. el cociente estaría dado por
M.L.G. Ana M. Bianco FCEyN 2010 96 Estadístico G 2 Otra medida alternativa para la distancia entre ˆπ y p muy usada es la deviance G 2, que es un estadístico basado en el cociente de verosimilitud. Si
Más detallesAnálisis de datos Categóricos
Tablas de contingencia de dos vías Universidad Nacional Agraria La Molina 2017-1 Notación y estructura de probabilidad Independencia de variables categóricas Distribuciones de muestreo Tipos de estudios
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 detallesa. Poisson: los totales marginales y el total muestral varían libremente.
TEMA 2º: TABLAS DE CONTINGENCIA BIDIMENSIONALES 1º Distribución de frecuencias observadas El único aspecto cuantificable en el análisis cualitativo es el número de individuos que presenta una combinación
Más detallesDescripción de tablas de contingencia
GoBack Descripción de Guillermo Ayala Gallego Universidad de Valencia 15 de octubre de 2008 1 / 40 Un ejemplo Distribución conjunta y tabla de Distribución condicional Independencia y homogeneidad Tablas
Más detallesModelos lineales generalizados
GoBack Modelos lineales Guillermo Ayala Gallego Universidad de Valencia 20 de enero de 2009 1 / 57 Verosimilitud de Ajuste de un GLM mediante Fisher Scoring Method s de un modelo lineal generalizado Identifica
Más detallesContrastes basados en el estadístico Ji Cuadrado
Capítulo 10 Contrastes basados en el estadístico Ji Cuadrado 10.1. Introducción Existen multitud de situaciones en el ámbito de la salud en el que las variables de interés, las cuales no pueden cuantificarse
Más detallesPROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesTABLAS DE CONTINGENCIA
Tablas de contingencia 1 TABLAS DE CONTINGENCIA En SPSS, el procedimiento de Tablas de Contingencia crea tablas de clasificación doble y múltiple y, además, proporciona una serie de pruebas y medidas de
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesTema 9: Relación entre variables categóricas
Tema 9: Relación entre variables categóricas Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Relación entre variables categóricas Curso
Más detallesDistribuciones de parámetros conocidos
10.3. CONTRASTE DE BONDAD DE AJUSTE PARA DISTRIBUCIONES265 350 300 observaciones esperado(x) 250 Frecuencias esperadas 200 150 100 Frecuencias observadas 50 0 55 60 65 70 75 80 85 90 Figura 10.2: En los
Más detalles4. Obtén las siguientes tablas de doble entrada para las variables Dispersión y Formación:
ACTIVIDAD DE INFERENCIA Y ASOCIACIÓN 1. Obtén los estadísticos descriptivos básicos y un intervalo de confianza del 95% para la media del coste en farmacia por habitante. A partir del resultado obtenido
Más detallesAnálisis de datos Categóricos
Introducción Universidad Nacional Agraria La Molina 2017-1 Variable cualitativa Variable respuesta cualitativa Variable respuesta y explicativa Variable de conteo y proporción Escalas de medición Una variable
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesConceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de
Más detallesInformación general. Fundamentos de Análisis de datos. Obligatoria básica o de fundamentación X. Obligatoria profesional
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura Fundamentos de Análisis de datos Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
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 detalles1) Características del diseño en un estudio de cohortes.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de cohortes CONCEPTOS CLAVE 1) Características del diseño en un estudio de cohortes. ) Elección del tamaño
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica: Facultad de Ingeniería. Mexicali.
Más detallesAplicación de la distribución empírica: Tests de bondad de ajuste
Aplicación de la distribución empírica: Tests de bondad de ajuste 4 de marzo de 2009 Test de bondad de ajuste Supongamos que se dispone de una m.a.s de tamaño n de una población X con distribución desconocida
Más detallesAsignatura: BIOESTADISTICA. Curso: º de Medicina.
Asignatura: BIOESTADISTICA. Curso: 2002-2003. 1º de Medicina. Profesores: Agustín García Nogales, Miguel González Velasco y Jesús Montanero Fernández. Introducción sobre la Estadística y las Ciencias de
Más detallesConstrucción y aplicación de modelos de
GoBack Construcción y aplicación de s de regresión logística Guillermo Ayala Gallego Universidad de Valencia 8 de marzo de 2009 1 / 15 selección del Un debe ser suficientemente complejo para que ajuste
Más detallesTema: Medidas de Asociación con SPSS
Tema: Medidas de Asociación con SPSS 1.- Introducción Una de las tareas habituales en el análisis de encuestas es la generación y análisis de tablas de contingencia, para las variables y categorías objetivo
Más detallesINFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS
. Metodología en Salud Pública INFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS Autor: Clara Laguna 7.1 INTRODUCCIÓN Los datos categóricos o variables cualitativas son muy frecuentes en
Más detalles2. ESTADÍSTICA DESCRIPTIVA 15 Estadística descriptiva.. Variables aleatorias Descripción de variables cuantitativas
" INDICE PRÓLOGO... XXIII PREFACIO GUÍA DE LECTURA XXV XXIX 1. INTRODUCCIÓN A LA ESTADÍSTICA 1 1.1. Estadística 1 1.2. Historia 3 1.3. Población y muestra 4 1.4. Estadística aplicada 7 1.5. Aplicaciones
Más detallesSoluciones a los nuevos ejercicios propuestos
Soluciones a los nuevos ejercicios propuestos 1 Soluciones a los nuevos ejercicios propuestos 1. Sea X la cantidad de calcio en sangre del paciente (en mg. por cada 100 ml. de sangre). X N(µ, σ 2 ). Tenemos
Más detallesPROGRAMA DE ASIGNATURA. CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado en Física Profesorado en Matemática
PROGRAMA DE ASIGNATURA ASIGNATURA: Probabilidad y Estadística Introducción a la Probabilidad y Estadísitica AÑO: 2012 CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Fundamentos de Estadística
Ficha Técnica Titulación: Grado en Ingeniería de Organización Industrial Plan BOE: BOE número 75 de 28 de marzo de 2012 Asignatura: Módulo: Fundamentos de Matemáticas Curso: 2º Créditos ECTS: 6 Tipo de
Más detallesEstadística. Para el caso de dos variables aleatorias X e Y, se puede mostrar que. Pero y son desconocidos. Entonces. covarianza muestral
Para el caso de dos variables aleatorias X e Y, se puede mostrar que Pero y son desconocidos. Entonces donde covarianza muestral Estimación de intervalos de confianza Cuál es el intervalo (de confianza)
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesCONTRASTES DE HIPÓTESES
CONTRASTES DE IPÓTESES 1. Contraste de hipótesis 2. Contrastes de tipo paramétrico 2.1 Contraste T para una muestra 2.2 Contraste T para dos muestras independientes 2.3 Análisis de la varianza 3. Contrastes
Más detallesTema 6: Introducción a la Inferencia Bayesiana
Tema 6: Introducción a la Inferencia Bayesiana Conchi Ausín Departamento de Estadística Universidad Carlos III de Madrid concepcion.ausin@uc3m.es CESGA, Noviembre 2012 Contenidos 1. Elementos básicos de
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesComparación de dos grupos independientes Solución no paramétrica. En capítulo 12: Métodos no paramétricos
Comparación de dos grupos independientes Solución no paramétrica En capítulo 12: Métodos no paramétricos Los métodos que hemos visto hasta ahora, asumen como distribución muestral la distribución Normal,
Más detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesOBJETIVOS DOCENTES Y ORGANIZACIÓN ACADÉMICA DE LA ASIGNATURA DE ESTADÍSTICA
OBJETIVOS DOCENTES Y ORGANIZACIÓN ACADÉMICA DE LA ASIGNATURA DE ESTADÍSTICA Curso 2012-13 1. OBJETIVOS GENERALES El programa docente de esta asignatura está planteado con el objetivo general de inculcar
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesProf. Jose Jacobo Zubcoff Universidad de Alicante 1
Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Presentación Objetivos Metodología Evaluación Agenda Definiciones Inferencia Muestra y s Aleatoria Independiente Finitas, Infinitas Población
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Novedades en el Plan de Trabajo Desviación típica sesgada
Más detallesINDICE. Capitulo Uno.
INDICE Prefacio XIII Capitulo Uno. 1 Introducción 1.1. Estadística: La ciencia de los datos 2 1.2. Tipos de datos 5 1.3. El papel de la estadística 7 1.4. Resumen 8 Laboratorio de Computación. Introducción
Más detallesSoluciones al examen de Estadística Aplicada a las Ciencias Sociales Junio 2008 Primera semana
Soluciones al examen de Estadística Aplicada a las Ciencias Sociales Junio 008 Primera semana Ejercicio 1. Para analizar la asociación entre el nivel de estudios y la renta calcularemos el estadístico
Más detallesTablas de contingencia y contrastes χ 2
Tablas de contingencia y contrastes χ 2 Independencia Grado de Biología sanitaria M. Marvá e-mail: marcos.marva@uah.es Unidad docente de Matemáticas, Universidad de Alcalá 7 de diciembre de 2017 Contraste
Más detallesElementos de probabilidad e inferencia estadística en el seguro
Elementos de probabilidad e inferencia estadística en el seguro Instructor: Act. Erick Mier Moreno. Director general y profesor de AMAT- Applied Mathematics and Actuary Training. Profesor de asignatura
Más detallesTema 3. Tema 3 La Distribución Normal y los Puntajes Estándar. Profa. María Fátima Dos Santos
Tema 3 Tema 3 La Distribución Normal y los Puntajes Estándar Profa. María Fátima Dos Santos 1 TEMARIO Concepto de distribución. Algunas distribuciones. Distribución normal. Características Distribución
Más detalles1 Descripción de datos con gráficas 7. 2 Descripción de datos con medidas numéricas 47. Contenido. 2.1 Descripción de un conjunto de datos mediante
Introducción:Una invitación a la estadística 1 La población y la muestra 3 Estadística descriptiva y estadística inferencial 3. Cómolograrel objetivode la estadísticainferencial: los pasos necesarios 4
Más detallesTeórica básica. Incluimos. - Temas
Teórica básica Incluimos - Temas 1 - Tema 1: Fenómenos aleatorios. Conceptos de probabilidad. Propiedades. Independencia de sucesos. Teorema de Bayes. - Tema 2: Variables aleatorias. Variables discretas.
Más detallesRepresentaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Más detallesMétodos cuantitativos de las ciencias sociales aplicados a los estudios urbanos y regionales André Lemelin
Métodos cuantitativos de las ciencias sociales aplicados a los estudios urbanos y regionales André Lemelin INDICE PREFACIO... 15 PRIMERA PARTE INTRODUCCIÓN A LA PRIMERA PARTE... 19 CAPÍTULO 1-1 EL ENFOQUE
Más detallesCurso básico de Estadística para Ciencias Sociales
titulación de formación continua bonificada expedida por el instituto europeo de estudios empresariales Curso básico de Estadística para Ciencias Sociales duración total: precio: 0 * modalidad: Online
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: Introducción a la estimación de parámetros
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesPasos. i Aplicar la prueba X 2 para determinar la significación estadística de las proporciones entre ambas variables (no son iguales)
Relación entre variables cualitativas Pasos Construir una tabla de contingencia Crear una tabla con las frecuencias esperadas f ei (frecuencias teóricas en caso de que X e Y fueran independientes), calculadas
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesFLACSO / Facultad Latinoamericana de Ciencias Sociales Maestría en Ciencias Políticas & Sociología Metodología de la Investigación Social
FLACSO / Facultad Latinoamericana de Ciencias Sociales Maestría en Ciencias Políticas & Sociología Metodología de la Investigación Social Unidad 3 - Clase 7 y 8 Concepto de covarianza, relaciones bivariadas
Más detallesLICENCIATURA EN ECONOMÍA Y LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS
DEPARTAMENT D ECONOMIA APLICADA UNIVERSITAT DE VALENCIA LICENCIATURA EN ECONOMÍA Y LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA TEMA 1: INTRODUCCIÓN
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesAl nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).
A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos
Más detallesECONOMETRÍA I. Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación
ECONOMETRÍA I Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA
Más detalles10.5. Contraste de independencia de variables cualitativas
272 Bioestadística: Métodos y Aplicaciones H 0 : La variable X se distribuye igualmente en ambas poblaciones H 1 : La distribución no es homogénea Para ello escribimos la que sería la distribución de frecuencias
Más detallesPROGRAMA DE CURSO. Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT
PROGRAMA DE CURSO Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal
Más detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Básica. Resultados de Aprendizaje
Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT es Docentes PROGRAMA DE CURSO Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesModelo Lineal Generalizado GAMMA. Distribución gamma: Otra parametrización mediante el parámetro de forma y la media:
Modelo Lineal Generalizado GAMMA Distribución gamma: Otra parametrización mediante el parámetro de forma y la media: La distribución gamma es de tipo exponencial: 1 Supongamos que se dispone de r subpoblaciones
Más detallesEl análisis de correspondencias. Ana María López Jiménez Dept. Psicología Experimental (USE)
El análisis de correspondencias Ana María López Jiménez Dept. Psicología Experimental (USE) 4. El análisis de correspondencias 4.. Introducción 4.2. Tabla de correspondencias 4.3. Dependencia e independencia
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 3. Contrastes de bondad
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 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 detallesTécnicas de Inferencia Estadística II. Tema 6. Contrastes de independencia
Técnicas de Inferencia Estadística II Tema 6. Contrastes de independencia M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2015/16 Contenidos 1. Introducción 2.
Más detallesANEXO VI. DETALLE ESTADÍSTICO
ANEXO VI. DETALLE ESTADÍSTICO El análisis de variables categóricas 8 mediante tablas cruzadas o de contingencia, es uno de los más empleados en ciencias sociales para estudiar la existencia de relación
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesInferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Más detallesEl Bootstrap paramétrico y no parametrico y su aplicación en los modelos log-lineal Poisson
El Bootstrap paramétrico y no parametrico y su aplicación en los modelos log-lineal Poisson Antonio Bravo Quiroz * Universidad Ricardo Palma 23 de noviembre de 2017 Índice 1. Conceptos Preliminares 6 1.1.
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA PROGRAMA DE LA ASIGNATURA DE: PROBABILIDAD Y ESTADÍSTICA IDENTIFICACIÓN
Más detallesOBJETIVOS DOCENTES Y ORGANIZACIÓN ACADÉMICA DE LA ASIGNATURA DE ESTADÍSTICA
OBJETIVOS DOCENTES Y ORGANIZACIÓN ACADÉMICA DE LA ASIGNATURA DE ESTADÍSTICA Curso 2011-12 1. OBJETIVOS GENERALES El programa docente de esta asignatura está planteado con el objetivo general de inculcar
Más detallesTema 7: Introducción a la Teoría sobre Estimación
Tema 7: Introducción a la Teoría sobre Estimación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Introducción a la Teoría sobre Estimación
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesEstadística para las Ciencias Agropecuarias
Estadística para las Ciencias Agropecuarias Séptima Edición Di Rienzo, Julio Alejandro Casanoves, Fernando Gonzalez, Laura Alicia Tablada, Elena Margot Díaz, María del Pilar Robledo, Carlos Walter Balzarini,
Más detallesBIOSESTADÍSTICA AMIGABLE
BIOSESTADÍSTICA AMIGABLE EJEMPLO: Ficha solicitud Colección Reserva UNIVERSIDAD AUSTRAL DE CHILE SISTEMA DE BIBLIOTECAS Clasificación: 574.015195 MAR 2001 Vol. y/o Copia: Apellido Autor: Título: C. 1 (SEGÚN
Más detallesDEPARTAMENTO DE MATEMÁTICAS Página 1
DEPARTAMENTO DE MATEMÁTICAS Página 1 APROBADO EN EL CONSEJO DE LA FACULTAD DE CIENCIAS EXACTAS ACTA 13 DEL 21 ABRIL 2010 PROGRAMAS DEL DEPARTAMENTO DE MATEMÁTICAS El presente formato tiene la finalidad
Más detallesASIGNATURA: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA. (Especialidad: Mecánica) Troncal 1 cuatrimestre, 6 créditos: 3 teóricos, 3 prácticos
ASIGNATURA: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA (Especialidad: Mecánica) Troncal 1 cuatrimestre, 6 créditos: 3 teóricos, 3 prácticos (Código: 632079) 1. EQUIPO DOCENTE Dr. D. Vicente Novo Sanjurjo. Profesor
Más detallesPrueba Ji-cuadrado de Homogeneidad cuando tengo los datos tabulados (en tablas resumidos ya):
Prueba Ji-cuadrado de Homogeneidad cuando tengo los datos tabulados (en tablas resumidos ya): Objetivo de la prueba: se utiliza cuando se tienen varias muestras independientes de n individuos que se clasifican
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detalles