CAPITULO III MARCO TEÓRICO

Tamaño: px
Comenzar la demostración a partir de la página:

Download "CAPITULO III MARCO TEÓRICO"

Transcripción

1 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa CAPITULO III MARCO TEÓRICO 3- BAJO PESO DEL RECIÉN NACIDO U recé acdo es catalogado como aquel ño que ace co u peso feror a los 500 gramos o equvaletemete 5 lbras 8 ozas E el mucpo Boeros el bao peso al acer ha costtudo u problema de salud desde hace varos años; el prmer paso para tratar este problema es coocer los factores de resgo, por lo que decdero vestgar al respecto, co el obetvo de detfcar los factores asocados co el bao peso al acer e el mucpo de Boeros durate Se hzo u estudo tpo aalítco co u cohorte retrospectvo, cua fuete de formacó estuvo costtuda por la hstora clíca obstétrca de cada embarazada Se estudaro las 4 46 mueres embarazadas del mucpo Boeros durate ; co los datos recogdos durate todo su embarazo hasta el parto Del total de mueres estudadas 46 tuvero hos que pesaro al acer meos de 500 gramos Las varables depedetes estudadas fuero: Los atecedetes obstétrcos, e especal el úmero de partos legrados prevos; Al co de la atecó : edad, la escolardad el estado utrcoal; Durate el embarazo: los hábtos tóxcos, la gaaca de peso, la evolucó de la hemogloba efermedades asocadas Se utlzó el resgo relatvo la estadístca ch-cuadrado de Matel Hazel, medate los cuales se observó que las alteracoes cervcales uteras la sepss vagal, los Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

2 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa abortos strumetados la multpardad; se señala como factores de resgo mu mportates del bao peso al acer el factor de meos resgo fue la hpertesó arteral Ser fumadora o adolescete també costtuó u factor de resgo, o así la catdad de partos o legrados prevos el bao vel de escolardad de la madre Los problemas utrcoales tales como la aema del tercer trmestre, la desutrcó matera la poca gaaca de peso durate el embarazo també so señalados como factores de resgo mportates del bao peso al acer Las efermedades que se preseta durate la gestacó tales como la sepss urara la hpertesó arteral o toxema gravídca se asoca co gra frecueca co el bao peso del recé acdo Costtuero factores de resgo del bao peso del recé acdo e orde decrecete de mportaca: las alteracoes cervcales, la aema del tercer trmestre, la sepss vagal, la sepss urara, la desutrcó, ser madre fumadora, la poca gaaca de peso durate el embarazo, teer meos de 0 años al mometo de la gestacó presetar hpertesó arteral o toxema; o costtuero factores de resgo del bao peso al acer: los atecedetes de 3 o más partos /o legrados teer grado de struccó meor al décmo grado E otros estudos se ecotró que los problemas de salud de la madre flue e el peso al acer, especalmete s tee presó arteral alta, dabetes, certas feccoes, problemas del rñó, corazó o pulmó Iflue e el peso al acer u útero o cuello utero aormal El comportameto de la madre durate el embarazo puede afectar el peso al acer del bebé, por lo que se recomeda realzar atecó preatal tempraa regular; los factores cotrolables más mportates, para prever el bao peso al acer so: o Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

3 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa fumar, o cosumr alcohol o drogas aumeto del peso moderadamete Los médcos recomeda que ua muer de peso ormal aumeta de 5 a 35 lbras Factores socoecoómcos como los baos gresos la falta de struccó també está asocados co u maor resgo de teer u bebé de bao peso al acer, auque las razoes fudametales de esta asocacó o se ha logrado explcar e su totaldad Las madres de baos gresos o tee los recursos ecoómcos sufcetes para acceder a ua meor atecó para su salud teer ua utrcó adecuada Mueres meores de 7 o maores de 35 años de edad, solteras mueres que ha tedo muchos hos, está e maor resgo de teer u bebé co bao peso al acer Las adolescetes quzás o practque bueos hábtos de la salud Las mueres que preseta estrés excesvo otros problemas socales, ecoómcos, pscológcos que so víctmas de la voleca doméstca u de otro abuso també está e maor resgo de teer a u bebé de bao peso al acer 3- CONCEPTOS BÁSICOS DE LA REGRESIÓN LOGÍSTICA: La Regresó Logístca se usa cuado se requere modelar la relacó etre ua varable respuesta ( depedete) bara ua ó más varables depedetes (predctvas ó regresoras) cuattatvas o cualtatvas, este modelo permte obteer ua fucó de las varables depedetes; de tal forma que clasfque a los dvduos e uo de los dos grupos establecdos, e base a los valores de la varable depedete La Regresó Logístca; tee como obetvo obteer u modelo especal de regresó múltple, co las sguetes característcas: La varable depedete o respuesta o es cotua, so dscreta bara Las varables explcatvas puede ser cuattatvas /o cualtatvas Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

4 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa 3 La ecuacó del modelo o es ua fucó leal, so expoecal La Regresó Logístca así como la Regresó Leal cuatfca la relacó exstete etre las varables explcatvas la de respuesta, pero e este caso permte clasfcar (predecr) dvduos e u grupo u otro, e fucó a su probabldad La Regresó Logístca predce drectamete la probabldad de ocurreca de u suceso 3- FORMULACIÓN DEL MODELO: T º Sea el vector de compoetes : (,, ) Cada : ; dode: ;,,3,,, puede tomar dos valores cero ó uo, que represeta el eveto fracaso o éxto respectvamete, Cada ua de las compoetes dstrbudas depedetemete co dstrbucó Beroull; es decr ~ B( π ), x, x,x º Sea las varables depedetes p, las que puede ser cualtatvas /o cuattatvas 3º La fucó de probabldad de la varable respuesta esta dada por: p( Y ) π ( π ),, 4º La fucó de dstrbucó couta de las varables aleatoras es: p[ Y,Y,,Y ] p[ Y ] π ( π ) 5º E u modelo dode la varable respuesta es bara, se busca u elace etre los valores esperados de la varable de respuesta co las varables explcatvas Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

5 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa Como ~ B( π ), E, su esperaza varaza esta dado por: ( ) π V ( ) π ( π ) 6º A partr de ( x,, xp ),,, ; muestra de observacoes de las varables depedetes X,,X P ; e los grupos de dvduos establecdos por los dos valores de la varable depedete Y ; se trata de obteer ua combacó leal de las varables depedetes que permta estmar las probabldades de que u dvduo perteezca a cada ua de las dos subpoblacoes o grupos ρt Sea (,x,, x ) x p la -ésma observacó para las k varables explcatvas La esperaza de dado u valor de x toma valores etre cero uo, e este caso el modelo adecuado, es el de probabldad que perteezca al tervalo [0, ] ; es decr el de dstrbucó logístca: E ( e + β0 +βx + +β p x p ρ / x ) β 0 + βx + + β p x p e que es gual a la probabldad de que el -ésmo dvduo de la muestra perteezca a la seguda subpoblacó, se deota como: P( e + e β +β x 0 / x ) β0 +βx ρ + +β p x + + β p p x p Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

6 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa L e + e π L π o, equvaletemete, L + e la probabldad de que el -ésmo dvduo perteezca a la prmera muestra es: P( ρ 0 / x ) β + β x + + β + e 0 p x pk Dode: L β + β x + + β 0 p p : x ) Es ua fucó leal de las varables explcatvas varía e el tervalo de - hasta +, ) β, β,, β 0 p, so los parámetros del modelo a estmar, etoces la probabldad π o es leal E térmos geerales el valor de dado x se puede represetar, p(x) + e ) S ε - π(x), co probabldad π(x) ) S 0 ε - π(x), co probabldad - π(x) Luego e tee dstrbucó co meda cero varaza π(x)[ - π(x)] Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

7 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa 7º El modelo de regresó Logístca ( llamado modelo de Regresó Logístca Leal, porque es ua fucó leal de las varables explcatvas) se basa e los sguetes supuestos: El modelo está correctamete especfcado, es decr las probabldades cosderadas so fucoes logístcas de las varables regresoras X Las varables regresoras so meddas s error Las observacoes so depedetes 3 Ngua de las varables regresoras es fucó leal de las otras 4 La dstrbucó Bomal, descrbe la dstrbucó de los errores 8º Se defe el odds, como el cocete etre la probabldad de que la -ésma observacó perteezca al segudo grupo co respecto a la probabldad de que la - ésma observacó perteezca al prmer grupo: p ϑ ( ) p( ) π π esta razó vara desde 0 hasta +, al tomar Logartmo atural a ϑ se obtee el logt: L l ϑ π l π cuo rago varía de - cuado π 0 a + cuado π Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

8 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa 3- ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO: Los parámetros de los modelos co varable respuesta bara, se estma geeralmete utlzado el método de máxma verosmltud p( Y ) π ( π ),, es la cotrbucó de la -_ésma observacó a la fucó de verosmltud Asumedo que los casos so depedetes o auto correlacoados, la fucó de verosmltud es: [, Y,, Y ] p[ Y ] π ( π ) p Y Sea L p[ Y ] ( π ) π () como uestro obetvo es ecotrar estmadores que maxmze (), aplcado logartmo atural se tee: ll { Y lπ + ( Y ) l( π )} () llamada logartmo de la fucó de verosmltud, luego dervado () e gualado a cero, se obtee: ( Y π ) 0 (3) Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

9 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa ( π ) Y x 0 (4) para,, ;,,, p como las ecuacoes o so leales e los parámetros o puede ser estmados drectamete, se hace uso de los métodos teractvos para su estmacó; como el método de Newto o el tateo, que proporcoa el msmo resultado, a que al obteer las segudas dervadas de () las varables aleatoras o aparece; lo que permte avaluar la meor estmacó para los parámetros del modelo Al obteer la seguda dervada co respecto a los parámetros, se obtee: l L β ) xπ ( π ),,; 0,,,p (5) es la matrz de térmos egatvos, de orde (p+)x(p+) l L β β ) x xlπ ( π ),,; 0,,,p (6) Sea I (B), llamada matrz de formacó La varaza covaraza de los parámetros estmados so obtedos de la versa de esta matrz, deotada por Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

10 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa Var ( β ) I ( β ) Los estmadores de varaza covaraza, deotados por V ˆar( βˆ ), se obtee evaluado Var (β ) e βˆ Geeralmete usamos los errores estadar estmados de los parámetros estmados es ˆ ( β ˆ ˆ ˆ 0,,,p decr; SE ) [ Var( β )] / I ˆ( Bˆ ) X VX dode X de orde ()x(p+), es la matrz que cotee los datos de cada suetos V de orde ( )x(), matrz dagoal que cotee ˆ ( πˆ ) π : X X X X X X p p X p πˆ ( πˆ ) 0 πˆ ( π ) V 0 ˆ π ( πˆ ) Las probabldades estmadas que u dvduo perteezca a la prmera seguda subpoblacó so respectvamete: π ˆ L + e ˆ qˆ πˆ los parámetros estmados del modelo se puede terpretar cosderado: Los logt o LODDS ( Lˆ ) Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

11 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa ODDS( ϑ e Lˆ ) o por los ODDS RATIO: que es ua razó de ODDS, e dos valores dferetes de la varable regresora: OR ϑˆ ϑˆ 0 so utlzados para descrbr la poteca ó verosmltud, de u efecto So utlzados sobre todo e aquellos casos dode la varable regresora está medda e escala omal es dcotomca pˆ π ˆ + e 3 Probabldades L 33- SELECCIÓN DE VARIABLES: E el modelo de Regresó Leal Múltple, las varables explcatvas ó regresoras a partr de las que se costruo la ecuacó puede ser seleccoadas medate u procedmeto por pasos El obetvo era costrur la ecuacó, co aquel subcouto de las varables regresoras que maor formacó aportase sobre los valores de la varable respuesta Aálogamete e la Regresó Logístca puede seleccoarse aquel subcouto de varables regresoras que más formacó aporte sobre la probabldad de perteecer a cualquera de los grupos establecdos, medate los valores de la varable respuesta 33- Método Forward: El método que se utlza para seleccoar el subcouto de varables será el Forward los estadístcos que se utlzara e la seleccó elmacó de varables será la Putuacó efcete de Rao la estadístca de Wald, respectvamete Este método comprede los sguetes pasos : Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

12 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa ) E troducr la varable que presete el mímo p-valor asocado al estadístco putuacó Efcete de Rao, sempre cuado se verfque el crtero de seleccó E caso cotraro el proceso falzará s que gua varable sea elegda e cosecueca, o es posble costrur la fucó L a partr de la formacó de las varables explcatvas o regresoras E troducr la varable que presete el mímo p-valor asocado al estadístco putuacó Efcete de Rao, sempre cuado se verfque el crtero de seleccó E caso cotraro el proceso falzará la fucó L se costrurá a partr de la formacó de las varables explcatvas o regresoras cludas e el paso ) E troducr la varable que presete el mímo p-valor asocado al estadístco putuacó Efcete de Rao, sempre cuado se verfque el crtero de seleccó Sí al clur ua varable, el máxmo p-valor asocado al estadístco de Wald para las varables prevamete cludas, verfca el crtero de elmacó ates de proceder a la seleccó de ua ueva varable, se elma a la varable correspodete 3) Cuado gua varable verfca el crtero de elmacó, se vuelve a la etapa ateror La etapa ateror se repte hasta que gua varable o seleccoada satsfaga el crtero de seleccó gua de las seleccoadas satsfaga el de elmacó 33-Estadístca de Wald: Esta estadístca de Wald uega el msmo rol que el estadístco T e el aálss de regresó leal múltple Permte cotrastar las hpótess de que los parámetros del modelo so gualas a cero Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

13 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa Para cualquer varable depedete x seleccoada, s β es el parámetro asocado a x e al ecuacó de Regresó Logístca, el estadístco de Wald permte cotrastar la sguete hpótess ula: H : β 0 o H : β 0 para al meos u,,,p la estadístca de prueba esta dada por: W βˆ SEˆ ( βˆ ) Bao la hpótess ula, la estadístca de Wald tee dstrbucó Ch-cuadrado co u grado de lbertad SE ( β ) ˆ es la desvacó estádar astótca de βˆ La terpretacó de dcha hpótess es que la formacó que se perderá al elmar la varable x e el sguete paso o es sgfcatva La varable a ser elmada será la que presete maor p_valor 333-Putuacó Efcete de Rao: La putuacó efcete de Rao uega el msmo rol que la estadístca T para las varables que o se clue e el modelo Supogamos que β es el parámetro asocado a la varable x, bao el supuesto que se clurá e la ecuacó e el Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

14 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa sguete paso El estadístco de Putuacó Efcete de Rao permte cotrastar la hpótess ula: H : β 0 o H : β 0 para al meos u,,,p La terpretacó de dcha hpótess es que sí la varable x fuera seleccoada e el sguete paso, la formacó que aportará o sera sgfcatva, la varable a ser seleccoada será la que presete meor p_valor 34- EVALUACIÓN DEL MODELO: Es uo de los aspectos más mportates del aálss de regresó, comprede: - La valdacó de los supuestos de depedeca de las observacoes, o multcolealdad etre las varables regresoras - Aálss de los dversos tpos de resduos, permte detectar observacoes outlers, atípcos ó dscordates 3- Aálss de flueca, permta detectar observacoes ó coutos de observacoes que flue e dversos aspectos del aálss de regresó: estmacó de la varable de respuesta o auste del modelo la estmacó de los parámetros del modelo Cuado el modelo pasa e forma satsfactora todos estos aálss, esta e codcoes de ser utlzada por el vestgador, para cumplr co los obetvos trazados Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

15 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa 34- BONDAD DE AJUSTE: Comprobar la Bodad del auste es aalzar cuá probable so los resultados a partr del modelo austado, es decr que ta efectvamete descrbe el modelo los resultados de la varable El auste del modelo es bueo s : Las dstacas etre los valores de la varable de respuesta observada co respecto a la austada so pequeñas La cotrbucó da cada par, ), a las meddas resume o es ( ˆ sstemátco es relatvamete pequeño al error de estructura del modelo Utlzaremos las sguetes meddas, que os permta medr la bodad del auste del modelo de regresó logístca: 34- ESTADÍSTICA DE LA DESVIANZA: Proporcoa ua prueba de hpótess para evaluar el auste del modelo Las hpótess a evaluar so: H : No exste dfereca etre el modelo estmado el modelo saturado 0 H : Exste dfereca etre el modelo estmado el modelo saturado La estadístca de prueba es: desvaza D ~ x( α, p ) resdual Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

16 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa > x p para u vel de sgfcacó α se rechaza la hpótess ula s ( ) ó el p-valor es meor que el valor de α D 34- ESTADÍSTICA CHI-CUADRADO DE PEARSON: Otra prueba para ver s el modelo es el adecuado, para represetar las observacoes, se basa e los resduos de Pearso Las hpótess a cosderar so : H : No exste dfereca etre los valores observados austados 0 H : Exste dfereca etre los valores observados austados La estadístca para la prueba es: x desvaza Pearso ~ ( x α, p ) para u vel de sgfcacó α se rechaza la hpótess ula s x > x( p ) ó el p-valor es meor que el valor de α 35- ANÁLISIS DE RESIDUOS: Es u método efcaz para detectar defcecas e el modelo de regresó logístca, medate gráfcos Los resduos uega u papel mportate e la detfcacó de observacoes que so casos atípcos ú outlers Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

17 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa 35- RESIDUO ORDINARIO: El resduo es de gra auda para clasfcar ua observacó como outler, el resduo para la -ésma observacó se calcula como los valores observados meos los valores de predccó de la varable depedete, el resduo ordaro es : r πˆ debdo al efecto de la escala de medcó, este tpo de resduo o es útl para detectar outlers Es ecesaro trasformar los resduos para elmar el efecto de la escala de medcó de la varable de respuesta regresoras, se preseta los sguetes resduos trasformados: 35- RESIDUO DE PEARSON: Es usado para detectar errores e el auste del modelo r * πˆ πˆ ( πˆ ) dode: : éxto πˆ : probabldad estmada Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

18 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa 353- RESIDUO DE PEARSON ESTANDARIZADO: Es usado també para detectar errores e el auste del modelo dode: r * r es el resduo de Pearso, r * h h es el valor leverage 354- DESVIANZA RESIDUAL: Se basa e el modelo de desvaza es de gra utldad para detectar errores e el auste del modelo El resultado de la desvaza es ua estadístca de bodad de auste del modelo de Regresó Logístca Se basa e el logartmo de la fucó de verosmltud: d ± l πˆ + ( ) l πˆ / dode: : éxto πˆ : probabldad estmada Los gráfcos de resduos, o so útles para evaluar el modelo de Regresó logístca co varables respuestas baras Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

19 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa 36- ANÁLISIS DE INFLUENCIA: Permte detectar medate el uso de estadístcas, observacoes fluetes sobre el auste del modelo de Regresó Logístca evaluar sus efectos sobre los dversos aspectos del aálss de Regresó Logístca: 36- LEVERAGE: h So los elemetos de la dagoal de la matrz H ( matrz de predccó) : / T T / H V X ( X VX ) X V, co v πˆ ( πˆ ) Mde la flueca relatva que cada observacó eerce sobre el modelo austado El gráfco de los leverage versus las probabldades estmadas, es de gra utldad para evaluar los valores de la dagoal de la matrz de predccó 36- ESTADÍSTICA DELTA CHI-CUADRADO DE PEARSON: Es otra medda para determar que putos so mas fluetes e la estmacó del auste del modelo de Regresó Logístca Mde el cambo que ocurre cuado se retra ua observacó del aálss Las observacoes fluetes so los que tee el maor valor de la estadístca Delta Ch-cuadrado de Pearso x p r * ( ) ( h ) Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

20 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa dode: * r : resduo de Pearso h : leverage 363- ESTADÍSTICA DELTA DESVIANZA: Esta medda permte evaluar el cambo de los putos del estadístco Delta Desvaza cuado se elma ua observacó Datos fluetes so aquellos que tee los valores más grade e la estadístca Delta Desvaza: dode: d : desvaza resdual x D( ) d J ( h ) h : leverage Detecta observacoes que so fluetes e la estmacó del auste del modelo de Regresó Logístca 364- DISTANCIA DE COOK: Esta medda permte detectar que observacoes flue e la estmacó de los parámetros del modelo de Regresó Logístca Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

21 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa Mde el cambo e los resduos, cuado se retra ua observacó, del calculo de las estmacoes de los parámetros del modelo β r * h ( h ) valores grades de la dstaca de Cook ( β ), dca que la -ésma observacó eerce flueca e las estmacoes de los parámetros del modelo 365- GRÁFICOS PARA EL DIAGNOSTICO: So de gra utldad para detectar datos fluetes e el modelo de regresó logístca, medate gráfcos de las meddas de flueca Hosmer Lemeshow (989) sugere los sguetes gráfcos: - Delta Ch-cuadrado versus probabldad estmada - Delta Desvaza versus probabldad estmada 3-Dstaca de Cook versus probabldad estmada Los sguetes gráfcos so de gra utldad: 4- Delta Ch-cuadrado versus leverage 5- Delta Desvaza versus leverage 6- Dstaca de Cook versus Leverage Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

22 Factores que se Asoca co el Bao Peso del Recé Nacdo Corasma Uñurucu, Vlma Yovaa 37- EVALUACIÓN DE LA CAPACIDAD PREDICTIVA DEL MODELO: - La sguete tabla permte evaluar las efcaca del modelo para clasfcar uevos dvduos e el prmer ó segudo grupo Se elge u puto de corte ( p>05) a partr del cual se acepta como respuesta para los valores por debao de este puto de corte se cosdera, que la varable de respuesta toma el valor cero Los valores de la tabla de clasfcacó se defe como: OBSERVADO PREDICTTIVO TOTALES TOTALES + + Dode so los casos correctamete clasfcados so los casos correctamete clasfcados medate el Modelo de Regresó Logístca Tasa de acertos: + Tasa de error: + Elaboracó dseño e formato PDF, por la Ofca Geeral del Sstema de Bblotecas Bbloteca Cetral UNMSM

Análisis de Regresión

Análisis 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 detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN 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 detalles

La inferencia estadística es primordialmente de naturaleza

La 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 detalles

Regresión - Correlación

Regresión - 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 detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En 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 detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos 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 detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 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 detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA 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 detalles

CAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA

CAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA Estmacó de la ocurreca de cdecas e declaracoes de pólzas de mportacó Salcedo Poma, Cela Mercedes CAPÍULO MODELO DE REGRESIÓN LOGÍSICA INRODUCCIÓN La Regresó Logístca es ua técca estadístca multvarate que

Más detalles

Modelos de Regresión Simple

Modelos 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 detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción 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 detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. 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 detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

(Véase el Ejercicio 13 Beneficio de los bancos )

(Véase el Ejercicio 13 Beneficio de los bancos ) étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos 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 detalles

Aplicación de Boostrapping en Regresión I

Aplicación 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 detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. 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 detalles

Análisis de Regresión y Correlación Lineal

Análisis 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 detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS 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 detalles

Máximos y Mínimos de funciones de dos variables

Máximos y Mínimos de funciones de dos variables Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Test 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

Test 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 detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

Análisis de la Varianza

Análisis de la Varianza Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

Facultad de Ciencias del Mar. Curso 2008/09 25/06/09

Facultad 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 detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11

ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11 ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11 1.1. Probabldad, espaco muestral y sucesos... 11 1.1.1. Espaco muestral y sucesos... 11 1.1.. Probabldad... 14 1.1.3. Varable aleatora y fucó de dstrbucó...

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO 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 detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE 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 detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

Más detalles

Modelos Estadísticos de Regresión Lineal

Modelos Estadísticos de Regresión Lineal Modelos Estadístcos de Regresó Leal Supoga que cueta co u baco de datos que cotee formacó relatva a dos varables X y Y las cuales se presume guarda ua relacó aproxmadamete leal. El ejemplo de las varables

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 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 detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x 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 detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

02 ) 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

02 ) 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 detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

MODELOS DE REGRESIÓN. Prof. Susana Martín Fernández

MODELOS 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 detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos 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 detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO 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 detalles

ESTADÍSTICA TEÓRICA: ESTIMADORES

ESTADÍSTICA TEÓRICA: ESTIMADORES Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez ESTADÍSTICA TEÓRICA: ESTIMADORES Estadístca Teórca: Estmadores

Más detalles

Tema 6: Introducción al muestreo. Estimadores

Tema 6: Introducción al muestreo. Estimadores Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

La Metodología de la Verosimilitud Empírica

La Metodología de la Verosimilitud Empírica La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. 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 detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

CAPITULO 1 MODELOS LINEALES GENERALIZADOS

CAPITULO 1 MODELOS LINEALES GENERALIZADOS CAPITULO MODELOS LINEALES GENERALIZADOS E este capítulo estudaremos ua extesó de los modelos leales a ua famla más geeral, propuesta por Nelder y Wedderbur (97), deomada Modelos Leales Geeralzados (MLG)

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados eptembre 013 EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora o programable

Más detalles