DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
|
|
|
- Carmelo Chávez Martín
- hace 5 años
- Vistas:
Transcripción
1 DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 7 Problema 1. Tengamos el siguiente ANOVA obtenido en una investigación con N 15 donde se estudia la relación entre autoeficacia percibida (X y el rendimiento en una tarea (Y. ANOVA 1 Regresión Residual Total Suma de Media cuadrados gl cuadrática F Sig. 43,060???,000 19,873??? Completa la información que falta en el ANOVA realizado. ANOVA 1 Regresión Residual Total Suma de cuadrados gl Media cuadrática F Sig. 43, ,060 8,168,000 19, ,59 6,933? Problema.- Hemos estimado una regresión para estudiar la posible relación entre el grado de histrionismo y la autoestima. Hemos utilizado el paquete estadístico SPSS y hemos obtenido los siguientes resultados. Resumen del modelo R R cuadrado?,19 a Variables predictoras: (Constante, Histriónica ANOVA(b Suma de cuadrados gl Media cuadrática F Sig. 1 Regresión? 1 85,106 13,494,000(a Residual? 91? Total 07,88 9 a Variables predictoras: (Constante, Histriónica b Variable dependiente: autoestima
2 Coeficientes(a Coeficientes no estandarizados Coeficientes estandarizad os B Error típ. Beta t Sig. 1 (Constante 10,14 1,315 7,701,000 Histriónica -,069,019??,000 a Variable dependiente: autoestima a Completa los valores que aparecen con interrogantes en las tablas. Cuánto vale la bondad de ajuste? b Representa en un diagrama de Venn la Bondad de ajuste del modelo c Escribe la ecuación de regresión estimada en puntuaciones directas, centradas y típicas. SOL a En relación a la primera tabla R R En relación a la segunda tabla: R ( Y Y ( Y Y Y ˆ Y en cuanto a la suma de cuadrados residual: Y 07.88* ( Y ˆ Y ( Y Y ( Y Yˆ La media cuadrática residual: ( Y Y ˆ N K El coeficiente estandarizado, en la regresión simple, es la correlación entre X e Y: Y en relación al valor de t: β r xx t b 0 ( S b 0.019
3 b c Ecuación en directas: Yˆ X En centradas: yˆ x En estandarizadas: Z y 0.359Z x Problema 3.-Tengamos la siguiente tabla donde se expresa la relación entre X (horas invertidas en una tarea e Y (nivel de estrés: 1 (Constante X a. Variable dependiente: Y Coeficientes no estandarizados Coeficientes a Coeficientes estandarizad os B Error típ. Beta t Sig. 1,981,910,178,061,704,165,833 4,65,003 a Qué indica la hipótesis nula? b Cuál es la probabilidad de equivocarnos al rechazar la hipótesis nula? Razona tu respuesta. c Cuál es la proporción de variabilidad explicada por la variable X? d Cuál es el incremento del estrés por dos horas invertidas en la tarea? a Que ambas variables no están relacionadas, que las horas invertidas en la tarea no influyen en el estrés. b Su valor es 0.003, que indica la probabilidad de obtener una pendiente de de una supuesta población de pendiente 0. Al rechazar la Ho hay que tener en cuenta, no obstante, que podría ocurrir veces desde la Ho y que esas veces nos podríamos equivocar.
4 c Será el cuadrado de 0.833, que es precisamente la correlación entre horas y estrés. O sea: d Si por cada hora es 0.704, por horas será puntos. Problema 4.- Tengamos las variables X e Y, tales que los valores de Y son: Y: 5, 7, 7, 6, 9, 8 Por otro lado, en relación a los residuos, sabemos que e Esto supuesto, calcular rxy Calculemos la suma de cuadrados total: ( Y Y (5 7 + (7 7 + (7 7 + (6 7 + (9 7 + ( Nos dicen que la suma de cuadrados no explicada es, luego la explicada será Por tanto: R Y ( Y Y La correlación valdrá: r xy R 0.8 ± Problema 5.- Relacionamos la variable 1 X con la variable Y. Disponemos de las puntuaciones observadas en Y y de las puntuaciones residuales.
5 Determinar R. Calculemos la suma de cuadrados total: ( Y Y ( ( ( ( ( Y la no explicada: ( Yˆ Y e ( 1 + ( 0. + (.6 + ( ( Luego: R Y ( Y Y ( Y Y ( Y Yˆ ( Y Y Problema 6.- Estudiamos la relación entre X e Y. Disponemos de las puntuaciones observadas en Y y las predichas. Y Yˆ Esto supuesto determinar la correlación entre X e Y. En relación a la suma de cuadrados total: ( Y Y (1 4 + (3 4 + (5 4 + (7 4 + (4 4 0 Y en relación a la explicada:
6 ( ˆ Yˆ Y ( (4 4 + (4 4 + ( ( Luego: R Y ( Y Y La correlación valdrá: r xy R 0.54 ± Problema 7.- Tengamos los siguientes datos: donde: Coeficientes no es tandarizados Coeficientes a Coeficientes es tandarizad os B Error típ. Beta t Sig. 1 (Constante X a. Variable dependiente: Y En relación al sujeto cuarto, cuya puntuación en X es 4, determinar la puntuación prevista en Y, junto a su error asociado (Puntuaciones directas. La puntuación prevista para este sujeto será: Y ˆ a + bx * Como ha obtenido 5 puntos, su error asociado será:
7 e Y Yˆ Problema 8.- Supongamos que relacionamos Horas de estudio y Rendimiento. Sabemos que aquellos que no estudian nada obtienen por término medio puntos y que por cada hora de estudio se mejora el rendimiento 0.6 puntos. Determinar la ecuación de regresión en directas. En base al enunciado: Yˆ X Problema 9.- Supongamos que para aprobar la asignatura de Diseños Experimentales hacen falta 4 horas a la semana por término medio. Supongamos igualmente que los que no estudian nada obtienen 1.5 puntos. Esto supuesto, calcular cuantas horas hay que estudiar a la semana para conseguir un notable. La ordenada en el origen es precisamente 1.5, que hace referencia al valor de Y cuando X0. Como hacen falta 4 horas para aprobar: Y ˆ b * 4 5 Despejando b: b Luego la ecuación de regresión será: Yˆ X Para sacar notable: X Despejando X: X
8 En consecuencia, son necesarias 6.9 horas a la semana para obtener notable. Problema 10.- En una clase de matemáticas compuesta por 50 alumnos, la puntuación media en matemáticas es de 5 puntos y la media de estudio de dicha materia a lo largo de la semana es de 3 horas. Se sabe que los que no estudian nada obtienen puntos. Esto supuesto, determinar el incremento en matemáticas por cada hora de estudio. Nos piden la pendiente, que es precisamente el cambio en Y (Matemáticas por cada unidad de cambio en X (Horas de estudio. Por otro lado, si los que no estudia obtienen puntos, entonces esa es la ordenada en el origen. También sabemos que las medias de X e Y satisfacen la ecuación de regresión: Y a + bx 5 + b * 3 Despejemos b: 5 b 3 1 Ese será el incremento en matemáticas por cada hora de estudio. Problema 11.- En la siguiente tabla se presenta la relación entre Sexo y Estatura en una muestra de 7 estudiantes de 3º de primaria. La codificación es 0 para los niños y 1 para las niñas. Por otro lado, tenemos 14 niños y 13 niñas. 1 (Constante Sexo a. Variable dependiente: Estatura Esto supuesto, calcular: a Interpreta la ecuación de regresión. Cuál es la media de estatura de los niños? Y la niñas? b Ecuación de regresión suponiendo que los niños se codifican como 1 y las niñas como 0. a La ecuación de regresión es: Sustituyendo para niños: Coeficientes no estandarizados Coeficientes a Coeficientes estandarizad os B Error típ. Beta t Sig. 1,91, ,387,000 -,035,016 -,40 -,195,038 Y X Y para niñas: Y X *01.91 metros
9 Y X *11.56 metros En consecuencia, la intersección indica la media en Y para la cuando X vale 0. La pendiente indica la diferencia en media de Y para los valores de 1 y 0 en X. En este caso, la diferencia entre niñas y niños. b Si la codificación fuera a la inversa, entonces: Y X
Problema 1.- Tengamos las puntuaciones de X, las predichas y las residuales:
DISEÑO Y ANÁLISIS DE DATOS II. ENEO 6. Problema.- Tengamos las puntuaciones de X, las predichas y las residuales:.- Calcular la ecuación de regresión.- Correlación entre X e Y.- Por cada punto que aumenta
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PÁCTICA 8 Problema.- En una determinada investigación aplicada a una muestra de sujetos se estudia el efecto de las variables Ejercicio (horas al día), Edad
ANÁLISIS DE DATOS II
ANÁLISIS DE DATOS II Febrero 1998 Problema 1.- En una determinada prueba de razonamiento mecánico aplicada a 20 personas (10 mujeres y 10 varones), la media ha sido de 5 puntos y la desviación tipo de
Regresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
ANÁLISIS DE DATOS II
ANÁLISIS DE DATOS II Febrero 1997 Problema 1.- Dos investigadores (A y B) relacionando la variable satisfacción familiar (Y) con sueldo (X 1 ), horas de trabajo (X 2 ) y satisfacción personal (X 3 ) obtienen
Universidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Segunda Prueba Parcial Lapso 7-746 /6 Universidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: 6-6 - 6 Fecha: --8 MODELO DE RESPUESTAS Objetivos 5 al 8 OBJ 5
COEFICIENTE DE CORRELACIÓN PARCIAL
COEFICIENTE DE CORRELACIÓN PARCIAL 1.- Introducción....- Correlación parcial mediante correlación de Pearson.... 4 3.- Correlación parcial mediante el recurso de diagramas de Venn.... 6 4.- Aplicación
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 6 Problema 1.- Tengamos las variables sexo, nivel económico y consumo de tabaco. Los datos son los siguientes: Hombre Mujer Alto Bajo Alto Bajo 10 10
COEFICIENTE DE CORRELACIÓN SEMIPARCIAL
COEFICIENTE DE COELACIÓN SEMIPACIAL 1.- Introducción....- Correlación semiparcial... 3.- Contribución específica de las distintas variables al modelo de egresión Múltiple... 3 4.- Correlación semiparcial
ANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Profesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Tema VII. La predicción de variables
7.1. La ecuación lineal de regresión: - Variable dependiente e independiente (fijas ó aleatorias):. Fijas (modelo I de regresión). Aleatorias (modelo II; más complejo) - Objetivo predictivo (básico en
Unidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Regresión con efecto interactivo
4 Regresión con efecto interactivo. Introducción El modelo de regresión múltiple tratado previamente supone la independencia de efectos de las diferentes variables predictoras, En este sentido, es un modelo
Método de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Regresión con variables cualitativas
3 Regresión con variables cualitativas. Introducción Hasta ahora hemos abordado el tema de la correlación y la regresión con variables cuantitativas. Sin embargo, un estudio de regresión similar puede
ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 2016.
DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 016. Problema 1.- En una determinada investigación se estudia el efecto del tipo de ejercicio (, andar y ) y tipo de dieta (poca grasa y mucha grasa)
SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
PRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO
MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO Resultados obtenidos por los hombres ganadores de las medallas de oro en salto de longitud y salto de altura en las olimpiadas desde
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación
Estadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
ESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Estructura 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
Regresión con variables independientes categóricas
Regresión con variables independientes categóricas 1.- Introducción... 2 2.- Regresión y contrate de medias... 2 2.1.- Contrate de medias... 2 2.2.- Regresión... 3 3.- Regresión y análisis de la varianza...
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
U ED Tudela Introducción al Análisis de Datos - Tema 5
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 5: Relación entre variables (II) 1.- Cuál de las siguientes afirmaciones es verdadera? A) Una correlación de 0 78 entre dos variables X e Y tiene la misma intensidad
Objetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
U ED Tudela Introducción al Análisis de Datos - Tema 4
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 4: Análisis conjunto de dos variables. 1.- Cuando se dice que dos variables están correlacionadas positivamente, se tiene que interpretar que: A) un aumento en una
TEMA 3 Modelo de regresión simple
TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.
Qué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
ESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
TEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Tema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
EXTENSIONES DEL MODELO DE REGRESIÓN
EXTENSIONES DEL MODELO DE REGRESIÓN 1. Regresión exponencial 2. Regresión polinómica 3. Regresión con variables cualitativas M. Carmen Carollo, Beatriz Pateiro Página 1 1. Regresión exponencial Al tratar
TEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN
4.5.- En cuál de los siguientes casos se podría utilizar la varianza residual en lugar del coeficiente de determinación para medir la calidad del ajuste? Con el mismo conjunto de datos y dos ajustes distintos.
REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Selectividad Septiembre 2007 SEPTIEMBRE 2007
Bloque A SEPTIEMBRE 2007 1.- Cada instalación de una televisión analógica necesita 10 metros de cable y cada instalación de televisión digital necesita 20 metros. Cada televisión analógica necesita 20
EJERCICIOS RESUELTOS TEMA 4. Tarea realizada 68 (84,8) --- (---) 96 (112,8) --- (---)
Nivel de ansiedad Ansiedad INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 4. 4.1. Con los datos de la Tabla 1, el valor de es igual a: A) 7,17; B) 11,80 C) 16,8. Tabla 1. En un estudio se investigó
Análisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Prueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
CORRELACIÓN LINEAL SIMPLE
CORRELACIÓN LINEAL SIMPLE ANÁLISIS DE CORRELACIÓN Cuando se trabaja con dos variables, pueden surgir diferentes preguntas como: Existe relación entre lo que una empresa gasta en publicidad y el importe
Análisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple
Análisis Multivariado: Modelo Predictivo de Regresión Lineal Múltiple El modelo predictivo utilizado para realizar el presente análisis es el de regresión lineal múltiple (RLM) 1. Resulta plausible la
Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa
Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 016-1 Hermosillo, Sonora. Febrero 3 de 016. Introducción
CORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
CLAVE - LAB 13 (Regresión y correlación lineal)
CLAVE - LAB 13 (Regresión y correlación lineal) 1. Se condujo un experimento para examinar el efecto de diferentes concentraciones de pectina sobre la firmeza de batata enlatada. Se usaron tres concentraciones
Regresión. Instituto Tecnológico de Ciudad Victoria Maestría en Ciencias en Biología Sesión de Cómputo. Modelo I
Regresión La regresión lineal estima la relación de una variable con respecto a otra, por medio de la expresión de una variable en términos de una función lineal de otra variable. Existen dos modelos de
Y ± E max 37,3 ± 0,866 (36,43; 38,17)
Modelo A. Febrero 2015. No debe entregar los enunciados Fórmula de corrección: Aciertos (Errores / 2) Material permitido: Formulario de cualquier curso académico sin anotaciones y cualquier tipo de calculadora
Modelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
DISEÑO Y ANÁLISIS DE DATOS I. SEGUNDO PARCIAL 2016
DISEÑO Y ANÁLISIS DE DATOS I. SEGUNDO PARCIAL 2016 Problema 1.- En La siguiente investigación estudiamos el consumo de tabaco en un determinado colectivo. Relacionemos la variable sexo con número de cigarrillos
INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
Regresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.
Regresión Lineal Simple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2
Tema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 8 de noviembre de 2010 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal
MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN. Tema 9
Métodos de Investigación en Educación 1º Psicopedagogía Grupo Mañana Curso 2009-2010 2010 MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Tema 9 La regresión lineal Tema 9: La regresión lineal Objetivos Conocer
PRACTICAS DE TAMAÑO DE EFECTO Y POTENCIA
PRACTICAS DE TAMAÑO DE EFECTO Y POTENCIA 1.- Introducción... 2 2.- Comparación de una media observada y otra teórica... 2 3.- Comparación de dos medias observadas en grupos independientes... 5 4. - Comparación
Unidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple
Unidad Temática 3: Estadística Analítica Unidad 9 Correlación y Regresión Lineal Simple Análisis de Correlación Creado por Karl Pearson en 1920. Tiene el propósito de medir el grado de asociación observado
TEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Ing. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
EXAMEN Prof. J. Calventus S., 19 julio de 2013
U. S. T. Psicología Estadística Inferencial EXAMEN Prof. J. Calventus S., 19 julio de 2013 NOMBRE: Puntaje: Nota: Para responder esta prueba podrá consultarse todo tipo de material escrito. Utiliza un
Al 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
1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.
1 DEFINICIONES PREVIAS Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. Correlación: es la cuantificación del grado de relación existente
PROBLEMAS SOBRE V. ESTAD. BIDIMENSIONALES. PROFESOR: ANTONIO PIZARRO.
1º) (Andalucía, Junio, 98) Se considera la siguiente tabla estadística, donde a es una incógnita: X 2 4 a 3 5 Y 1 2 1 1 3 a) Calcular el valor de a sabiendo que la media de X es 3. b) Mediante la correspondiente
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: La Correlación. https://www.intecca.uned.es/portalavip/grabacion.php?id_grabacion=56932&id_sala=605
ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación
TEMA V ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación Análisis de la covarianza (ANCOVA) Modelos alternativos de análisis DISEÑO DE GRUPO CONTROL NO
Tema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Estadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Prueba de Evaluación Continua Grupo A 26-XI-14
Estadística Descriptiva y Regresión y Correlación Prueba de Evaluación Continua Grupo A -XI-1 1.- Los valores de 5 mediciones realizadas con un distanciometro con apreciación en milímetros han sido agrupados
Relación 3 de problemas
ESTADÍSTICA II Curso 2016/2017 Grado en Matemáticas Relación 3 de problemas 1. La Comunidad de Madrid evalúa anualmente a los alumnos de sexto de primaria de todos los colegios sobre varias materias. Con
CORRELACION Y REGRESION
CORRELACION Y REGRESION En el siguiente apartado se presenta como calcular diferentes índices de correlación, así como la forma de modelar relaciones lineales mediante los procedimientos de regresión simple
Teoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Estadística Inferencial
Estadística Inferencial 1 Sesión No. 9 Nombre: Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión
TEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Prueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Regresión Lineal Múltiple. Dr. Víctor Aguirre Torres, ITAM. Guión 12.
Regresión Lineal Múltiple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función del cambio simultáneo otras variables (x 1, x 2,..., x p ). y=variable dependiente (cuantitativa)
TEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Pruebas estadís,cas para evaluar relaciones
Pruebas estadís,cas para evaluar relaciones Asociación entre dos variables categóricas Hipótesis: frecuencias de ocurrencias en las categorías de una variable son independientes de los frecuencias en la
6. PRUEBA DE HIPÓTESIS
6. PRUEBA DE HIPÓTESIS El análisis estadístico de tipo econométrico es la base sobre la cual se sustenta la prueba de hipótesis de esta investigación que intenta responder, en este apartado a la cuarta
CAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como
Modelos de Calibración
Modelos de Calibración Resumen El procedimiento Modelos de Calibración esta diseñado para construir un modelo estadístico que describe la relación entre variables, X y Y, donde construir un modelo es construir
Elaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO IV ANALISIS DE LOS DATOS
CAPÍTULO IV ANALISIS DE LOS DATOS 4.1 DESCRIPCIÓN DE LOS DATOS Como ya se mencionó anteriormente, el tamaño de la población con la que se está trabajando es de 149 observaciones, 69 de ellas presentan
Análisis de Regresión y Correlación Lineal
Análisis de Regresión y Correlación Lineal Análisis de dos ó más variables aleatorias Veamos que en los siguientes estudios hay situaciones donde intervienen más de una variable aleatoria Ejemplos: La
Ejemplo de Regresión Lineal Simple
Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3
Lección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN