Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III
|
|
- Trinidad Caballero Villalobos
- hace 5 años
- Vistas:
Transcripción
1 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly CAPÍTULO III MODELOS DE REGRESIÓN LOGÍSTICA 3. ANTECEDENTES La rgrsó logístca s ua d las hrramtas stadístcas co mjor capacdad para l aálss d datos vstgacó clíca y pdmología, d ahí su ampla utlzacó. Dado qu l modlo logístco o s lal, so pocal, s utlza trasformacos logarítmcas para lalzar l modlo y hac qu los cofcts o pud trprtars drctamt. El objtvo dl modlo pud sr stmatvo, s dcr stmar la mjor rlacó d las varabls dpdts co la varabl dpdt, usado mayormt studos tológcos qu cosst vstgar factors causals d ua dtrmada caractrístca d la poblacó y studar qu factors modfca la probabldad la aparcó d u sucso dtrmado; o també prdctvo qu cosst prdcr lo mjor posbl la varabl dpdt a través d las dpdts, habtualmt s dcotómco (clasfca él valor d la varabl rspusta como cuado prsta la caractrístca y co valor cuado o stá prst), també pud sr usada para stmar probabldads d cada ua d las posbldads d u sucso más d dos catgorías (poltómco). La técca rsulta spcalmt útl para dtfcar factors d rsgo y factors d prvcó d frmdads Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
2 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly mustras prospctvas dod la mtodología d la rgrsó lal o s aplcabl, dado qu la varabl rspusta sólo prsta dos valors (caso dcotómco) como pud sr prsca/ausca d u sucso. Icalmt, l aálss d Rgrsó Logístca fu sugrdo por Co (97). La codcó d la stca d ua úca solucó para la cuacó d vrosmltud fu dada por Albrt y Adrsso (984). El Modlo d Rgrsó Logístca s u caso spcal dl Modlo Lal Gralzado como fu propusto por Nldr y Wddrbur (97) y amplamt dscutda McCullagh y Nldr (983). El lbro d McCullagh y Nldr mustra la solucó d la cuacó d vrosmltud l Modlo Lal Gralzado y Rgrsó Logístca utlzado l método d Nwto- Raphso, sta solucó pud sr obtdo por u método smlar al cuadrado mdo podrado para l Modlo d Rgrsó Ordaro. El método s llamado método tractvo dl cuadrado Mdo Podrado, l cual també pud sr cotrado, por jmplo Adrs (99) o Agrst (996). Rsduals Estadarzados y la dstaca d Cook Rgrsó Logístca furo dscutdos Prgbo (98). Aálss d Rgrsó Logístca s també tratado lbros sobr Aálss d Datos Catgórcos y muchos lbros sobr Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
3 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly aálss d Rgrsó Aplcada por jmplo Adrs (99), Agrst (996) y Wsbrg (985). Rctmt Hosmr y Lmshow (989) publcaro u lbro spcal aálss d rgrsó Logístca. El Modlo d Rgrsó Logístca ha sdo utlzado por muchos años; pro o fu hasta qu Trutt, Corfld, y Kal (967) qu aplcaro l Modlo d Rgrsó Logístca utlzado los datos d Framgham, l cual trata d u studo dl corazó, dod s pudo aprcar l podr y la aplcacó d stos modlos. Dsd la publcacó d st artículo l modlo d rgrsó logístca llga a sr l método stádar para l aálss d rgrsó d datos dcotómcos muchas áras dl coocmto spcalmt las ccas d la Salud. Lugo muchos jourals como Th Amrca Joural of Epdmology, Th Amrca Joural of Publc Halth, Th Itratoal Joural of Epdmology y Th Joural of Chroc Dsass publcaro artículos cuyos aálss so basados l modlo d rgrsó logístca. Etr los pocos ttos qu cluy tmas sobr rgrsó logístca s cutra l lbro d Brslow y Day (98), Co (97), Klbaum, Kuppr y Morgstr (98), y Schlsslma (98). E cada uo d stos ttos, l tma ctral o s rgrsó logístca. Muchas d las téccas para aplcar l método trprtacó d los rsultados pud sr solamt cotrados la Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
4 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly ltratura stadístca, lo qu sta fura d la comprsó d muchos usuaros potcals. U lbro clt Rgrsó Logístca aplcada fu scrto por Hosmr y Lmshow (989). El prcpal objtvo d st lbro s dar ua troduccó l modlo d rgrsó logístca y utlzar st método para modlar la rlacó tr la probabldad d ocurrca d los rsultados d ua varabl rspusta dcotómca ( gral llamada varabl dpdt), qu ormalmt so los térmos sucso o fracaso, y las varabls plcatvas catgórcas o cotuas (coocdas como varabls dpdts). La da básca cosst stablcr ua rlacó lal tr las varabls plcatvas (o alguas trasformacos d éstas) y ua trasformacó, domada logt, d la varabl rspusta. 3.. DEFINICIÓN Sa Y ua varabl dpdt bara qu toma dos valors posbls tqutados como y. Sa X,...,X k u cojuto d varabls dpdts obsrvadas co l f d plcar y/o prdcr l valor d Y. El objtvo s dtrmar P[Y=/X,...,Xk], dod P dca probabldad por lo tato P[Y=/X,...,X k ] = - P[Y=/X,...,X k ]). Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
5 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly s costruy u modlo d la forma: P[Y=/X,...,X k ] = p(x,...,x k ; ß) () dod p(x,...,x k ; ß): R k [,] s ua fucó qu rcb l ombr d fucó d lac (fucó d probabldad) cuyo valor dpd d u vctor d parámtros ß = (ß,...,ßk). 3.. FUNCIÓN DE VEROSIMILITUD Co l f d stmar ß y aalzar l comportamto dl modlo cosdrado, obsrvamos ua mustra alatora smpl d tamaño dada por {( ',y );=,...,} dod = ( l,..., k )' s l valor d las varabls dpdts y ={,} s l valor obsrvado d Y l -ésmo lmto d la mustra. Y/(X,...,X k ) ~ Bomal(, p(y=/x,...,x k ; ß)) Utlzado l hcho d qu la varabl dpdt toma sólo dos rsultados (éto y fracaso), cuado l úmro d étos rptcos t ua dstrbucó bomal B(,p). La fucó d vrosmltud s: ' ' y L ( β /(, y ),..., (, y )) = p (-p ) () = y dod p = p( ; ß) = p(,..., k ; ß); =,..., Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
6 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly 3. MODELO DE REGRESIÓN LOGÍSTICA BINARIA Sa dod p(x,...,xk; ß) = G(ßX ßkXk) (3) G() = + s la fucó d dsdads acumuladas qu s la fucó logístca, l modlo ormalmt coocdo s: p log (,..., k; β) k k ( = β + β β p,..., ; ) β k (4) llamado modlo logt. Cuado la varabl cualtatva toma l valor la prsó: p p [ Y = / X,..., Xk ] [ Y = /X,..., X ] (,..., k; β) p(,..., ; β) p = (5) k k s cooc co l ombr d factor d rsgo l mudo d la mdca, dod la varabl Y dca habtualmt la prsca d ua dtrmada frmdad, objto d studo y ausca toma l valor. 3.. FUNCIÓN DE VEROSIMILITUD Tdo cuta la forma matrcal d: ' β p ( X,..., Xk; β ) = (6) ' β + Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
7 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly sgú () la fucó d vrosmltud v dada por: L ' ' ( β/ (,y),..., (,y ) = = ' + β ' β y + ' β y 3.. ESTIMACIÓN DE LOS PARÁMETROS El vctor d parámtros (ß) s stma mdat l método d máma vrosmltud qu cosst lgr l valor d ß, como stmador para (ß) para l cual L(ß) s mámo, s toma logartmo a la fucó la cuacó () dl sgut modo: = ( X,..., X β) L ( β) = log L ( β) = log p (7) k; s rsulv mdat la cuacó d vrosmltud ( β) l β = = ( y p ) X = (8) dod p = p (X;β) =,..., mdat métodos tratvos. Est método cosst mamzar la fucó d vrosmltud d la mustra fucó dl parámtro βˆ. Est procdmto s matmátcamt compljo a través dl cálculo dfrcal, pro lo qu mporta para l usuaro s: El procso s tratvo, s dcr s da a los cofcts uos valors arbtraros (habtualmt, auqu o Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
8 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly csaramt, l valor ). Alguos paquts stadístcos (por jmplo l PRESTA) prguta por stos valors, otros (como l SPSS o l SAS) o y asum. La solucó fal o dpd d stos valors, pro sí l tmpo d cálculo y a vcs pud sr csaro "jugar" co llos. A partr d stos valors cals y d los valors d la(s) varabl(s) dpdt(s) s calcula las matrcs d varazas y covarazas. 3 Y a partr d la vrsa d la matrz s calcula los uvos stmadors, s compruba s so la solucó fal s db parar l procso y caso cotraro s rpt l procso. 3.3 MODELO DE REGRESIÓN LOGÍSTICA SIMPLE Para costrur l modlo matmátco s csaro tr valors umércos, los cuals s obt cosdrado la probabldad d qu ocurra u sucso dtrmado P(Y) rlacó co la dpdca d qu dcha probabldad o ocurra - P(Y). E l prmr mmbro d la cuacó trsa tr a P y l sgudo mmbro la rlacó fucoal co trvcó d las varabls dpdts qu so los factors d trés. La probabldad s u úmro qu oscla tr y, qu proporcoa prdccos cosstts y d fácl trprtacó d los rsultados térmos d razó d probabldads llamado "Odds rato". Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
9 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly Sa la fucó: f = + (9) ( ) qu aparc otros muchos campos d la matmátca aplcada, y cuya gráfca s mustra la fgura N, s l doma fucó Logístca. Fgura N : FUNCIÓN LOGÍSTICA Probabldads Valors qu asum la varabl plcatva Para ua úca varabl dpdt X, l modlo d rgrsó logístca d la cuacó (6), toma la forma: β +β p = ( β + β) () + Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
10 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly l modlo Logt srá: p log = β + βx - p () o smplfcado la otacó: p log = β + βx - p Dod log sgfca logartmo bas dz, ß y ß so costats y X ua varabl plcatva qu pud sr cotua o dscrta. El campo d varacó d log (p /(- p )) s todo l campo ral (d - a ), mtras para p l campo s sólo d a y para p /(-p ) d a. Por lo tato, al modlo logístco o hay qu por rstrccos a los cofcts qu sólo complcaría su stmacó, lo más mportat s qu las cofcts so fáclmt trprtabls térmos d dpdca o asocacó tr las varabls ESTIMACIÓN DE LOS PARÁMETROS El método más usado s l d máma vrosmltud qu cosst lgr l valor d βˆ (como stmador para ß), tal como s ddujo la cuacó (8) y cosdrado la cuacó (), s t: L β +β [ ] = [ y ( β + β ) log( + )] ( β) = y log p + ( y ) log( - p ) = = La prmra tracó s la prmra drvada d la cuacó d vrosmltud y so las sguts: Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
11 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly L L ( β/y) β ( β/y) β = = y = ( y ) + p β β + β + β = = β +β y = β +β = + = ( y p ) La sguda tracó s a través d la sguda drvada por l método Nwto Raphso, las cuacos so las sguts: L L β ( β/y) β ( β/y) L β ( β/y) β = - = - = - β +β β +β ( + ) = - = = β +β = - = = β +β ( + ) β +β = - = = β +β ( + ) p ( p ) p ( p ) p ( p ) Las tracos db parar cuado s cutra la solucó y s l mámo stmador d ß PRUEBAS DE SIGNIFICANCIA Ua vz stmado los cofcts dl modlo, s t qu vrfcar s l modlo prdc d mara adcuada a la varabl dpdt u uvo dvduo rlacoado co la mustra, dod los valors d las varabls plcatvas so las probabldads stmadas cuado P(Y=) y P(Y=). Para sto, s formula y pruba la hpótss stadístca, para dtrmar s la varabl dpdt fluy sgfcatvamt la probabldad dl sucso dl modlo rlacoado a la varabl dl rsultado dl sgut modo. Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
12 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly H O : La varabl dpdt o fluy sobr p H : La varabl dpdt fluy sobr p Dod: p = p ( ; β, β) = ( β + β ) + β +β El modlo d rgrsó logístca s váldo s ß, s sgfcatvamt dfrt d cro y st cofct mustral s l stmador d la poblacó (B) qu va a plcar la varabl dpdt p y podr hacr postrormt prdccos co l modlo.. EVALUACIÓN ESTADÍSTICA DEL COEFICIENTE : ß El cofct ß db sr dfrt d cro para qu tga fluca sgfcatva la varabl dpdt las sguts hpótss: H : B = H : B Estadístco d pruba β B t = () ~ tα,-k- sβ dod s β, s l rror stádar dl cofct d rgrsó logístca mustral y k s él úmro d varabls dpdts, mtras qu B s l cofct d rgrsó logístca poblacoal y B s l cofct d rgrsó Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
13 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly logístca mustral, como B = por dfcó d la hpótss y k= co u vl d sgfcaca á, tocs () srá: t = β s ~ tα,- β Dcsó: s t > tα, rchazamos Ho. ESTADÍSTICO WALD Evalúa l cofct stmado la poblacó y s df como u coct tr l cofct y l rror stádar dl cofct la hpótss: H : B = H : B = Estadístco d pruba βˆ WALD = (3) s ~ Xα, β Dcsó: s Wald > X α, rchazamos H co u vl d sgfcaca á y coclumos qu la varabl dpdt fluy la probabldad d las caractrístcas d la varabl dpdt. S la varabl dpdt s cualtatva los grados d lbrtad s gual al úmro dé catgorías mos BONDAD DE AJUSTE DEL MODELO Para valuar la bodad dl modlo s utlza l logartmo dl coct d vrosmltud y la pruba d Hosmr-Lmshow. Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
14 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly. EL INCREMENTO DEL ESTADÍSTICO -logl El stadístco -logl md los cambos qu s produc cuado s agrga o s quta ua varabl, dod L s la fucó d vrosmltud dl modlo studado, pud osclar tr y, s l modlo s ajusta prfctamt a la data t ua vrosmltud gual a, d allí qu -logl =. Etocs drmos qu l modlo s ajusta b a la data s t u valor pquño d -logl, qu s l logartmo d la vrosmltud y s dstrbuy como ua X (J-cuadrado), cuado l modlo cluy sólo la costat los grados d lbrtad s gual al úmro d casos mos uo (-), y cuado s cluy la varabl dpdt sgu ua dstrbucó X co -k- grados d lbrtad, l modlo d rgrsó logístca smpl s -, la dfrca tr stos dos valors d -logl s llama Dvaza, pruba s la varabl s sgfcatva, s df como: D = -log (vrosmltud dl modlo s la varabl / vrosmltud dl modlo co la varabl) pˆ ( ) = -pˆ D = y log + y log (4) y - y Las hpótss so: H : El modlo ajustado s sgfcatvo H : El modlo ajustado o s sgfcatvo Estadístco d pruba D ~ X co -k- grados d lbrtad (5) Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
15 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly Dcsó s D < Xα,( k ) o rchazamos H, l modlo ajustado s sgfcatvo.. PRUEBA DE HOSMER - LEMESHOW Evalúa la bodad dl modlo costruydo ua tabla d cotgca, dvd la mustra apromadamt grupos guals a partr d las probabldads stmadas, para comparar las frcucas obsrvadas co las spradas cada uo d stos grupos a través d la pruba X co j- grados d lbrtad, dod j s l úmro d grupos formados. S calcula los dcls d las probabldads stmadas Pˆ ; =,..., y D,...,D 9 qu so los dcls obsrvados dvddos grupos dados por: { {,..., } /Pˆ [ D,D ]} Aj = j j, j =,..., dod: D =, D = sa: j = úmro d casos A j ; j =,... o j = úmro d y = A j ; j =,... P j = j A j Pˆ ; j =,... Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
16 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly Las hpótss a cotrastar so: H : El modlo s adcuado H : El modlo o s adcuado Estadístco d pruba s: ( oj jpj) j= P ( ) X (6) = ~ Xα, j- j j j Dcsó: s X Xα, j rchazamos Ho y coclumos qu l modlo o s adcuado a u vl d sgfcaca á. 3.4 MODELO DE REGRESIÓN LOGÍSTICA MÚLTIPLE Es ua gralzacó dl modlo smpl, rlacoa la probabldad d qu ocurra u dtrmado sucso dpdt dotado por l vctor X'= (,...,k) co probabldad codcoal P(Y=/X) fucó d k varabls dpdts qu pud sr cuattatvas, cualtatvas o combadas sgú sa l tpo d dsño d studo. El modlo logístco múltpl s: p log = β p + β β k k (7) o també: p β = + +β β β + β β k k k k (8) Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
17 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly 3.4. ESTIMACIÓN DE LOS PARÁMETROS Sa ua mustra d obsrvacos dpdts dfdo por (,,..., k, y), =,..., y como l caso uvarat s lg l vctor ß'= (ß O,...,ß k ), l método más usado s l d máma vrosmltud dfdo (3.3..) co k+ cuacos d vrosmltud qu s obt drvado l log d la fucó d vrosmltud rspcto a k+ cofcts. Las cuacos d vrosmltud so: [ y p] = = y = [ y p ] =, j =,...k ;,..., j = Ecotrar la solucó a st cojuto d cuacos s mdat l cálculo dfrcal, hoy día st softwar stadístcos para stmar los parámtros. Sa βˆ l stmador d máma vrosmltud para l sstma d cuacos d tal modo pˆ s l modlo logístco múltpl d la cuacó (8). El método d stmacó d varazas y covarazas d los cofcts stmados, s a través dl método d máma vrosmltud co procsos tratvos, cosst obtr la matrz d la sguda drvada parcal d la fucó d vrosmltud éstas drvadas parcals t la sgut forma gral: L β ( β) j = - β +β j β +β ( + ) = - = = j p ( p ) (9) Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
18 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly L β j ( β) β l = - β +β j l β +β ( + ) = - = = j l p ( p ) () Sa ua matrz (k+)(k+) qu cot los térmos gatvos las cuacos (9) y () dotado por I(B), llamado matrz d formacó co varazas y covarazas d los cofcts stmados por la vrsa d la matrz d la sgut forma Σ(B) = I - (B), cuyos lmtos d la dagoal so ó (ßj) qu s l j-ésmo lmto d la dagoal, la varaza d j ˆβ y ( βˆ, β ) σ j ˆ l so las covarazas d j ˆβ y ˆβ l para stmar la matrz d formacó dl modlo stmado s I ˆ ( β ˆ ) = X ' VX, dod X (k+) s la matrz d datos d los sujtos y V s ua matrz dagoal cuyo lmto gral s ( ) Las matrcs so: Pˆ Pˆ. X... l l k = ()... l k... k (k + ) V Pˆ = ( ) ( ) Pˆ ( )... Pˆ ( ) ( ) Pˆ ( ) Pˆ ( ) ( ) Pˆ ( ) () 3.4. PRUEBAS DE SIGNIFICANCIA Como l caso uvarat s pruba la sgfcaca d las varabls dpdts dl modlo mdat la pruba d vrosmltud co la sgfcaca d los k+ parámtros la Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
19 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly cuacó (4) bajo la hpótss para dtrmar s las varabls dpdts fluy sgfcatvamt la probabldad dl sucso dl modlo rlacoado a la varabl dl rsultado dl sgut modo: H : ß = ß =... = ß k = H : para algú ß Estadístco d pruba D ~ X co k grados d lbrtad (3) Dcsó: s D > X α,k rchazamos H, tocs al mos uo d los cofcts s dfrt d cro y la varabl corrspodt fluy la probabldad dl sucso studado. Ua vz cotrado l mjor cojuto d varabls plcatvas qu prdc la varabl Y, lugo s db valuar mdat Wald cada cofct para dtrmar cuál o cuáls grsa al modlo.. ESTADÍSTICO WALD Evalúa la sgfcaca d los cofcts s df como l vctor matrz d los cofcts stmados dl sgut modo sgú las hpótss: H : B = H : algú B Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
20 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly Estadístco d pruba [ Iˆ ( βˆ )] βˆ = βˆ '( X ' VX ) βˆ ~ X W ˆ' (4) = β α,k+ dod: (). X (k+) y V, so las matrcs d las cuacos () y Dcsó: s W > X α,k rchazamos H co u vl d sgfcaca fjado á, coclumos qu la varabl dpdt fluy la probabldad dl sucso PRUEBAS DE BONDAD DE AJUSTE Para valuar la bodad d ajust dl modlo s utlza la pruba d Hosmr-Lmshow, cosst calcular para cada obsrvacó dl cojuto d datos las probabldads d la varabl dpdt qu prdc l modlo, s agrupa apromadamt grupos guals a partr d las probabldads spradas y s compara co las frcucas obsrvadas mdat ua pruba X co j- grados d lbrtad, dod j s l úmro d grupos formados como s plcó l modlo smpl ( ). El modlo s ajusta b s o hay vdcas para rchazar la hpótss ula INTERPRETACIÓN DE LOS RESULTADOS La trprtacó d los rsultados obtdos s ralza a partr d la trprtacó d los cofcts dl modlo. Para llo basta tr cuta qu s l modlo ajustado s buo, tocs s dc qu l modlo s sgfcatvo, pro Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
21 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly admás s db aalzar l grado d asocacó stadístca qu st sus parámtros, a partr d la cuacó (4) s t: log p ( X k ) k k (,..., X ; β = β + β X β p X,..., X ; β) X k dod l "odds rato" qu s l factor d rsgo stá dado por la razó d sta prsó: p ( X,..., Xk; β) p ( X,..., X ; β) β = k +βx βk Xk tocs: p ( X +,..., X k; β) p ( X +,..., Xk; β) p ( X,..., Xk; β) p ( X,..., X ; β) k = β Por lo tato, β s l factor d cambo l "odds rato" (OR) d rsgo s l valor d la varabl X camba ua udad. Así, s ß > (ó ß < ) l factor srá mayor qu y p(x l,...,x k ; ß) aumtará (dsmurá). S ß = la varabl X o jrc gú fcto sobr p. ß s u ajust d scala. Su mjor trprtacó s obt calculado l valor d p(x,...,x k ;ß) los valors mdos d X,...,X k y usar como varabls plcatvas sus valors stadarzados. E rgrsó logístca la mdda d asocacó más mplada s l OR dbdo qu l úmro s la bas d los logartmos Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
22 Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly praos y lvados a u cofct d rgrsó logístca dl factor, s s mayor qu supo u aumto utaro, dca qu l factor d rsgo s mayor. S l modlo d Rgrsó Logístca s sgfcatvo y ua d las varabls dpdts s dcotómca co valors d y, l úmro lvado al cofct d rgrsó logístca s l OR, domado factor d rsgo o protccó qu mplca u aumto utaro d la varabl dpdt. E l caso d ua varabl cuattatva, lvado a ß s l úmro d vcs qu aumta la probabldad d padcr ua frmdad por cada udad d aumto d la varabl dpdt, o dcha d otra mara, cuátas vcs s más probabl qu padzca la frmdad ua prsoa qu prsta sítomas rlacoadas a lla. Elaboracó y dsño formato PDF, por la Ofca Gral dl Sstma d Bblotcas y Bblotca Ctral UNMSM
4.1 Procedimientos de inferencia para la distribución exponencial
4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal
Más detallesTEMA 3: ESTIMACIÓN PUNTUAL.
TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método
Más detallesTEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE
TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!
Más detallesAnálisis Estadístico de Datos Climáticos
Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,
Más detallesMODELO DE REGRESIÓN LINEAL MÚLTIPLE
Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas
Más detalles10 REGRESIÓN LINEAL SIMPLE
Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para
Más detallesANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π
xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a
Más detallesEXAMEN DE TÉCNICAS CUANTITATIVAS III.
APEIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdr u vl d cofaza dl 95% (z=).. U mprsaro qur stmar l cosumo msual d lctrcdad ua comudad d 000 hogars dvddos 400
Más detallesTema 5. Contraste de hipótesis (II)
Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.
Más detallesPRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES
PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ
Más detallesESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA
Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emprsarals Dpartamto d Ecoomía Aplcada Profsor: Satago d la Fut Frádz ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Estadístca
Más detallesMODELO DE REGRESIÓN LINEAL MÚLTIPLE
Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas
Más detallesCapítulo 12. Introducción a la Termodinámica Estadística.
Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part
Más detalles3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)
3. Rgrsó lal Curso - Estadístca Rgrsó smpl cosumo pso d automóvls Núm. Obs. Pso Cosumo g ltros/ m 98 878 3 78 8 4 38 5 64 3 6 655 6 7 73 4 8 485 7 9 366 8 35 8 635 9 3 888 7 4 766 9 5 98 3 6 79 7 7 34
Más detallesFACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402
FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor
Más detallesElementos de Probabilidad y Estadística
Capítulo 3 Elmtos d robabldad y Estadístca 3.. Itroduccó E st capítulo s prsta cocptos báscos d robabldad y Estadístca, ya u dtro dl dsño y plaacó d ua obra hdráulca juga u papl mportat l aálss hdrológco
Más detalles(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN
UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto
Más detallesBLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA 1. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL
BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL. Graldads Estadístca: Cojuto d torías y téccas para la rcoplacó, l aálss, la trprtacó y la prstacó d datos umércos Etapas
Más detallesBootstrap en los modelos de elección discreta: una aplicación en el método de valoración contingente
UNIVERSIDAD NACIONA MAYOR DE SAN MARCOS FACUTAD DE CIENCIAS MATEMÁTICAS UNIDAD DE POSGRADO Bootstrap los modlos d lccó dscrta: ua aplcacó l método d valoracó cotgt TESIS Para optar l Grado Académco d Magístr
Más detallesPrueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.
5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.
Más detallesCapítulo III. Colectivos estadísticos.
Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls
Más detalles9 Momentos y funciones generatrices de Momentos
9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s
Más detallesANÁLISIS DE DATOS PROVENIENTES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIONES A LA ENCUESTA DE HOGARES Y EMPLEO DE LA PROVINCIA DE BUENOS AIRES 1.
AÁLISIS DE DATOS PROVEIETES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIOES A LA ECUESTA DE HOGARES Y EMPLEO DE LA PROVICIA DE BUEOS AIRES. Autors: Damot C, Motvrd M 3, Prz V 4 y Sotlo R 5 (VERSIÓ DEL 3 DE
Más detallesCONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL
Cotrasts d sgfcacó cojuta APNTE DE CLAE ECONOMETRÍA I. DI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJNTA EN EL MBRL Prof. Rafal d Arc Rafal.darc@uam.s I. Cotrast d sgfcacó cojuta dl modlo a
Más detallesMECÁNICA ESTADÍSTICA
FAyA Lccatura Químca Físca III año 26 MÁIA SADÍSIA IRODUIÓ ROBABILIDAD robabldad s la cuatfcacó d la spraza dl rsultado d u xprmto o vto. S l posbl rsultado d u xprmto s A la probabldad d qu ocurra A s
Más detallesEstadística Teórica II
Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy
Más detallesRIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:
RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:
Más detallesCONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL
Cotrasts d sgfcacó cojuta /4 APUNTE DE CLAE ECONOMETRÍA I. UDI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJUNTA EN EL MBRL Prof. Rafal d Arc Prof. Ramó Mahía rafal.darc@uam.s ramo.maha@uam.s
Más detallesLA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH
A VARIABE ATENTE CAIDAD MEDIDA A TRAVÉS DE MODEO DE RASCH Álvarz Martíz, Pdro Blaco Sadía, Mª d los Ágls Gurrro Mazao, Mª dl Mar a obtcó d acts d olva d caldad rqur uos cudados spcals todas y cada ua d
Más detallesBIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA
BIOMETRÍA II CLASE 7 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA Héctor Olguín Salnas Dto d Ecología, Gnétca y Evolucón FECN, UBA Asocacón ntr l tamaño d la clda d anals d abja y la rvalnca dl ctoarásto
Más detallesAutomá ca. Capítulo4.RespuestadeRégimenTransitorio
Automáca Capítulo.RputadRégmratoro JoéRamóLlataGarcía EthrGozálzSaraba DámaoFrádzPérz CarloorFrro MaríaSadraRoblaGómz DpartamtodcologíaElctróca IgríadStmayAutomáca Rputa d Régm ratoro Rputa d Régm ratoro..
Más detallesTema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA
ma 4 - FUDAMOS D LA MCÁICA SADÍSICA CLÁSICA Cocptos stadístcos lmtals. Mcáca stadístca d sstmas mcroscópcos. Los colctvos mcrocaóco caóco y gracaóco. La fucó d partcó y las fucos trmodámcas. l gas dal
Más detallesdonde k < 1, tiene una raíz y sólo una. Determinar una sucesión convergente hacía esta raíz.
Hoja d roblmas Aálss III 9. Dmostrar qu la cuacó a a dod
Más detallesLa inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
Más detallesY i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión
Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las
Más detallesTeoría de errores. Tema 4
Toría d rrors Tma 4 Tma 4 Toría d rrors 4. El rror rdadro 4. Clasfcacó d rrors Sgú las causas qu los prooca Sgú los fctos qu produc 4.3 Ly d rrors d Gauss Postulados d Gauss y dstrbucó d rrors Valor más
Más detallesUn forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l
El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.
Más detallesAPLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA
Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emrsarals Dartamto d Ecoomía Alcada Profsor: Satago d la Fut Frádz APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA
Más detallesESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL
Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO
Más detallesTest de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa
Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesSupongamos que hemos aplicado el test F y hemos rechazado la H0.
Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos
Más detallesESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015
Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur
Más detallesTEMA 1: CALCULO DIRECTO DE LÍMITES
INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL
Más detalles3. Cálculo y dimensionado
Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas
Más detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesRegresión - Correlación
REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesTermodinàmica Química i Estadística Curs Part de Termodinàmica Estadística
rmodámca ItroduccóEstadístca F Curs 7-8 rmodàmca uímca Estadístca Curs - Part d rmodàmca Estadístca Cotdo ma : Fudamtos d rmodámca Estadístca Colctvos Postulados Colctvo Caóco: cofguracos psos cofguracó
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesEspecialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV
Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra
Más detallesObtención de la matriz de varianzas y covarianzas a través de los productos Kronecker en modelos balanceados de dos y tres vías con aplicaciones en R
Matrz d varazas covarazas modlos balacados d dos trs vías Dspobl lía : www.javraa.du.co/uvrstas_sctarum, Vol. 6 N : 6-7 SICI: 7-5(9/)6:..S;-L Artículo orgal Obtcó d la matrz
Más detallesTEMA 4: REGRESIÓN Y CORRELACIÓN.
TEMA 4: REGREIÓN Y CORRELACIÓN. 4.. Rgrsó corrlacó lal smpl... 4.. El método d los mímos cuadrados las cuacos ormals.... 3 4.3. Rgrsó lal: rcta d rgrsó (mímos cuadrados)... 4 4.3.. Propdads d las rctas
Más detallesEn esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
Más detallesQ c 0 en V (5.1a) y z k. y n
V.- PROBLEM DE CMPO ECLR 5..- Itroduccó dfrca d los problmas abordados los capítulos atrors, dod las cógtas rlacoados co los msmos ra catdads vctorals, st ua gra gama d problmas dod las cógtas so d aturala
Más detalles1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
Más detallesx θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra
Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de
Más detallesIntensificación en Estadística
GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro
Más detallesAnálisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears
Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.
Más detallesEXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov
EXAMEN FINA DE I.O.E. (Curo / º Q. Cada d Markov S ha comrobado qu la robabldad d qu u dtrmado artdo olítco ga ua lcco dd d la gaó lo do comco mdatamt atror d la gut forma: gaó la do lcco atror toc la
Más detallesFisicoquímica II-Módulo de Estructura y Propiedades Moleculares.
Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr
Más detallesAmpliació de Química-Física Curs Introducció
Itroduccó F Curs 7-8 mplacó d uímca-físca Curs 7-8 Itroduccó Cotdo ma : Cocptos báscos d Mcáca Cuátca Postulados d la Mcáca Cuátca Sstmas scllos Caja Cuátca rdmsoal Rotor Rígdo Osclador armóco promacó
Más detallesDISCRETIZACION DE VARIABLES ALEATORIAS CONTINUAS DE DOMINIO NEGATIVO
ISCRETIZCION E VRIBLES LETORIS CONTINUS E OMINIO NEGTIVO ERNESTO JESUS VERES ERRER pto. Ecoomía plcada/uvrsdad d Valca v d los Narajos s/ 6 - VLENCI JOSE MNUEL PVI MIRLLES pto. Ecoomía plcada/uvrsdad d
Más detallesCOLEGIO DE POSTGRADUADOS
OLEGIO E POSTGAUAOS INSTITUIÓN E ENSEÑANZA E INVESTIGAIÓN EN IENIAS AGÍOLAS AMPUS MONTEILLO SOIOEONOMÍA, ESTAÍSTIA E INFOMÁTIA ESTAÍSTIA VALIAIÓN E MOELOS MEANÍSTIOS BASAA EN LA PUEBA JI-UAAA E FEESE,
Más detalles02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C
Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detallesANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez
ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre
Más detallesProcesamiento Digital de Señales de Voz
Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.
Más detallesNOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es
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 detallesTEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Más detallesMáster en Ecología Métodos para el estudio de Sistemas Ecológicos: Diseño, Análisis y Modelización. III. Regresión logística
Mástr n Ecología Métodos para l studo d Sstmas Ecológcos: Dsño, Análss y Modlzacón. III. Rgrsón logístca Rgrsón logístca: ntroduccón - VR bnara p.., prsnca/ausnca, vvo/murto - Los prdctors pudn sr contnuos
Más detallesFacultad de Ciencias del Mar. Curso 2008/09 25/06/09
Estadístca Covocatora de Juo Facultad de Cecas del Mar. Curso 8/9 5/6/9 Los ríos Waccamaw y Lumber, e Carola del Norte (EEUU) se caracterza por ua rca bodversdad. E los últmos años estos ríos ha vsto crecer
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detallesCAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN ESPECIFICACIÓN DEL MODELO ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO...
CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN... 487 13.1. ESPECIICACIÓN DEL MODELO... 487 13.. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO... 489 13..1 LA INTERPRETACIÓN DE LOS PARÁMETROS ESTIMADOS...
Más detallesOPTIMIZACIÓN ESTRUCTURAL CON MALLAS FIJAS Y ANALISIS DE SENSIBILIDAD UTILIZANDO VARIAS APROXIMACIONES A LOS ELEMENTOS DE FRONTERA
OPMZACÓN ESRUCURAL CON MALLAS FJAS Y ANALSS DE SENSBLDAD ULZANDO VARAS APROXMACONES A LOS ELEMENOS DE FRONERA Wllam Ramírz Bítz, Maul Julo García Ruíz Prgrado gría Mcáca Uvrsdad EAF, Colomba. Ph.D. gría
Más detallesMétodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos
Métodos de Predccó Ifereca Curso - María Jesús Sáchez Narajo y Carola García-Martos Dstrbucó Normal Camaa de Gauss x f x ex, x R π Ifereca Ifereca 3 Meddas Característcas 3 3 4 4 3 3 4 4 3 Curtoss CA Asmetría
Más detalles2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros
.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros 59.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros Variació d parátros U procdiito
Más detallesEstadística aplicada al Periodismo
Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca
Más detallesAnálisis de Regresión
Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o
Más detallesMODELOS DE REGRESIÓN. Prof. Susana Martín Fernández
MODELOS DE REGRESIÓN Prof. Susaa Martí Ferádez REGRESIÓN SIMPLE Objetvo Sea..., valores de la varable umérca X. Sea Y(y, y,..., y ) u vector aleatoro de varables aleatoras depedetes, el modelo de regresó
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C
Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8
Más detallesAplicación de Boostrapping en Regresión I
Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores
Más detallesCapítulo 4-1. El problema de la interpolación. Polinomio interpolador de Lagrange
Capítulo 4-. El poblma d la tpolacó. Polomo tpolado d Lagag 4 El poblma d la Itpolacó. Sa f ua fucó cotua [a, b] d la qu s cooc l valo qu toma putos dsttos (odos):...... S tata d calcula l valo apomado
Más detallesDISTRIBUCIONES BINOMIAL, DE POISSON Y NORMAL
BNP DISTRIBUCIONES BINOMIAL, DE POISSON NORMAL Dstrbucó bomal BNP I a. S ucará acá d uvo l problma ya cosdrado NP X : Dado u sucso A cuya probabldad d ocurrca ua pruba aslada s p, s qur hallar la probabldad
Más detallesTEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS
www.ova.ud.s/wbags/ild/wb/d.htm -mal: mozas@l.ud.s TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS Dstbucó dgada u uto c.- Fucó d obabldad: P( = c) = ; P( c) = 0. Fucó d dstbucó: F() = 0, c, c Momtos: E()
Más detallesTEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)
TMS D MTMÁTICS Ooscos d Scudara TM 65 DISTRIBUCIOS D PROBBILIDD D VRIBL DISCRT. CRCTRÍSTICS Y TRTMITO. LS DISTRIBUCIOS BIOMIL Y D POISSO. PLICCIOS.. Itroduccó.. Fucos d Cuatía.. Dstrbucos Multvarats..
Más detallesI. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS
Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2
Más detallesFÓRMULAS DE MATEMÁTICAS FINANCIERAS
FÓRMULAS DE MATEMÁTIAS FINANIERAS TEMAS Y 2: ONEPTOS BÁSIOS... 2 Ly facra. Suma facra. Potulado d quvalca facra. Saldo facro. TEMA 3: MAGNITUDES DERIVADAS... 3 Factor, rédto, rédto acumulado, tato (d captalzacó
Más detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesAnálisis del caso promedio El plan:
Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas
Más detallesTécnicas de análisis de tendencias en mediciones espectrales y de nivel total de parámetros de diagnóstico
Igría Mcáca (000) 7-3 7 Téccas d aálss d tdcas mdcos spctrals d vl total d parámtros d dagóstco L. Paad Saz, E. Palomo Marí, I. Pérz Malla Facultad d Igría Mcáca. Isttuto Supror Poltécco José A. Echvrría
Más detallesPROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)
PROLMAS TMA JRCICIO j 9.5 d Frádz Abascal La cotizació olsa d u cirto título s cosidra ua variabl alatoria ormalmt distribuida co arámtros dscoocidos, ro s diso d la siguit iformació: a ist u,5% d robabilidad
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesdesarrollo del enfoque
có dl poblma y dsaollo dl oqu Lccó 4 1 José Lus Solózao - Ivstgacó d Mcados Objtvos 1. stgu t l poblma d dcsó admstatva y l poblma d vstgacó d mcados. 2. Explca y aplca téccas paa stuctua l poblma d vstgacó
Más detallesANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT
ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d
Más detallesDada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ
TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,
Más detalles