ESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
|
|
- Felipe Río Salas
- hace 6 años
- Vistas:
Transcripción
1 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 para los parámetros del modelo Predicción Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 1
2 Planteamiento del problema En algunas situaciones, los diagramas de dispersión sugieren que hay una relación lineal entre dos variables. 7 sociación positiva 7 sociación negativa Pregunta: Cómo es la correlación en estos dos ejemplos? Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 2
3 7 sociación positiva 7 sociación negativa Objetivos de la regresión lineal simple: Resumir la información de los datos mediante una recta. Predecir valores de una variable usando la otra. Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 3
4 Ejemplo 5.1 (consumo de vino y dolencias cardíacas): Consideramos dos variables (fichero vino.sav) X : Consumo anual de vino en litros por habitante Y : Número de muertes por enfermedad cardíaca, por cada habitantes. lgunas preguntas: Qué podemos decir sobre la relación entre las dos variables? Podemos afirmar que valores altos en consumo de vino están asociados con valores bajos en número de muertes por enfermedad cardíaca? Podemos predecir aproximadamente el valor de la variable Y si sabemos el valor de X? Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 4
5 Ejemplo Frecuencias5.1 (consumo de vino y dolencias cardíacas): [Conjunto_de_datos1] C:\Documents and Settings\usuario\Mis documentos\joser\docencia \estap\datos\vino.sav Correlaciones 0,0 2,0 4,0 Vino 6,0 N Media Desv. típ. Estadísticos Válidos Perdidos Vino Card , ,05 2, ,396 Vino Card Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Vino Card 1 -,843, ,843 1, Irlanda Finlandia GBretaña 300 NZelanda Noruega Islandia Suecia Dinamarca Card 200 ustralia Canada EEUU lemania Holanda ustria Card Belgica Suiza Italia 100 España 100 Francia Vino Vino Pregunta: Implica esta asociación causalidad? Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 5
6 sociación estadística y causalidad Consideramos que dos o más variables aleatorias están relacionadas, desde el punto de vista estadístico, si un cambio (un aumento o una disminución) en el valor de una de las variables está asociado a un cambio en las otras variables. Por ejemplo, sería razonable que las variables número de horas trabajadas y remuneración estuvieran relacionadas, en el sentido de que un aumento en las horas de trabajo estuviera asociado a un aumento en el salario. La correlación es un índice estadístico que describe el grado y la dirección de una relación entre dos variables. Sin embargo, el hecho de que dos variables estén correladas no implica automáticamente que cambios en una de las variables causen cambios en la otra variable. Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 6
7 El fenómeno de la causalidad o de causa y efecto se refiere a que uno de los sucesos considerados es, al menos en parte, resultado de la ocurrencia del otro suceso. Es decir, cambios en una de las variables aleatorias (la causa) producen directamente cambios en la segunda variable (el efecto). La existencia de correlación entre dos variables no es sinónimo de existencia de una relación de causalidad. Dicha correlación puede deberse a la existencia de una tercera variable de la que dependen las dos primeras. La relación de causalidad entre dos variables se establece mediante estudios controlados en los que dos muestras de individuos se diferencian sólo en los valores de estas dos variables (y en todos los demás aspectos son comparables). Ejemplo: Posible causa Cantidad de carne procesada consumida diariamente Nivel de ansiedad/estrés Nivel de adicción al tabaco Posible efecto Riesgo de sufrir cáncer Capacidad intelectual Nivel de adicción al alcohol Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 7
8 Ejemplo 5.2 (renta y fracaso escolar en la CM): na Justel Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 8
9 Ejemplo 5.2 (renta y fracaso escolar en la CM): % fracaso escolar rganda Torrelodones Renta (en miles de euros) Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 9
10 Problema de regresión Observamos dos variables, X e Y. El objetivo es analizar la relación existente entre ambas, de forma que podamos predecir o aproximar el valor de la variable Y a partir del valor de la variable X. La variable Y se llama variable respuesta o dependiente La variable X se llama variable regresora o explicativa o independiente Observación: En un problema de regresión (a diferencia de cuando calculamos el coeficiente de correlación) el papel de las dos variables no es simétrico. La variable X juega el papel de variable independiente y la variable Y el papel de variable dependiente (de la primera variable). Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 10
11 La recta de regresión de mínimos cuadrados El modelo de relación más sencillo entre dos variables cuantitativas, X e Y, es el que establece la existencia de una relación aproximadamente lineal entre las variables observadas: y i β 0 + β 1 x i, i = 1,..., n. La recta y = β 0 + β 1 x es una recta de regresión. El parámetro β 1 es la pendiente de la recta. Indica cómo cambia la variable respuesta cuando el incremento de x es una unidad. El parámetro β 0 es el término independiente de la recta. Indica el valor de Y cuando X = 0. Problema estadístico: Estimar los parámetros β 0 y β 1 a partir de los datos (x i, y i ), i = 1,..., n, de una muestra. Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 11
12 Si estimamos β 0 y β 1 mediante ˆβ 0 y ˆβ 1, la predicción de la variable respuesta Y en función de la regresora X es: Ŷ = ˆβ 0 + ˆβ 1 X. En particular, para los datos de la muestra: ŷ i = ˆβ 0 + ˆβ 1 x i, i = 1,..., n. Unos buenos estimadores (de β 0 y β 1 ) deben ser tales que los residuos (errores de predicción) sean pequeños: e i = y i ŷ i = y i ( ˆβ 0 + ˆβ 1 x i ). La recta de regresión de mínimos cuadrados utiliza los valores de ˆβ 0 y ˆβ 1 que minimizan la suma cuadrática de los residuos: n ei 2 = i=1 n (y i ŷ i ) 2 = i=1 n i=1 ( y i ( ˆβ 0 + ˆβ 1 x i )) 2. Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 12
13 Los residuos x y x y Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 13
14 Estimadores de mínimos cuadrados La recta de regresión de Y sobre X es la recta y = ˆβ 0 + ˆβ 1 x con Pendiente: y = ȳ + r s y s x (x x) y ȳ = r s y s x (x x). ˆβ 1 = r s y s x, donde r es el coeficiente de correlación, s y es la desviación típica de la variable respuesta y s x es la desviación típica del regresor. Término independiente: ˆβ 0 = ȳ ˆβ 1 x. Las predicciones ŷ i = ˆβ 0 + ˆβ 1 x i son los valores previstos o ajustados. Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 14
15 Ejemplo 5.1 (consumo de vino y dolencias cardíacas): Estimadores de los parámetros: ˆβ 1 = r s y s x = = ˆβ 0 = ȳ ˆβ 1 x = ( ) = Recta de regresión: y = x. Predicción de Y para x 0 = 4: ŷ 0 = = Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 15
16 Card Ejemplo 5.1 (consumo de vino y dolencias cardíacas): Diagrama de dispersión y recta estimada: 300 Regresión lineal Card = 260, ,97 * Vino R-cuadrado = 0,71 2,0 4,0 6,0 8,0 Vino Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 16
17 Ejemplo 5.1 (consumo de vino y dolencias cardíacas): Valores previstos ŷ i y residuos e i Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 17
18 Observaciones La recta de mínimos cuadrados pasa por el punto cuyas coordenadas son las medias: ( x, ȳ). Si el regresor x se incrementa en una unidad, entonces la predicción de la variable respuesta ŷ se incrementa en ˆβ 1 unidades. La suma de los residuos siempre vale cero: n i=1 e i = 0. La recta para predecir Y en función de X no es la misma que la recta para predecir X en función de Y. Una medida de la bondad del ajuste de la recta a los datos es el coeficiente de determinación n R 2 Suma de Cuadrados Explicada i=1 = = (ŷ i ȳ) 2 n Suma de Cuadrados Total i=1 (y i ȳ), 2 que coincide con r 2, el cuadrado del coeficiente de correlación. Cuando R 2 está cerca de 0, el ajuste será malo. Cuando R 2 está cerca de 1, el ajuste será bueno. R 2 representa el porcentaje de la variabilidad de Y explicado por la regresión lineal respecto a la variable X. No es aconsejable realizar predicciones con la recta de regresión fuera del rango de valores observados, es decir, para x < mín x i o para x > máx x i. Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 18
19 El modelo de regresión lineal simple Para poder hacer inferencia (IC y contrastes) sobre los parámetros, suponemos que se verifica el siguiente modelo: Y i = β 0 + β 1 x i + ɛ i, i = 1,..., n, donde los errores o perturbaciones ɛ 1,..., ɛ n son v.a. independientes N(0,σ). Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 19
20 En cuáles de las 4 situaciones se verifica el modelo? x y x2 y x y x y4 Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 20
21 Una simulación Supongamos que σ = 1, β 0 = 0 y β 1 = 1. Entonces el modelo es Y i = x i + ɛ i, (1) donde los errores ɛ i tienen distribución normal estándar y son independientes Fijamos x 1 = 1, x 2 = 2,..., x 10 = 10 (es decir, tamaño muestral n = 10) y generamos las respuestas correspondientes de acuerdo con el modelo (1). Posteriormente calculamos la recta de mínimos cuadrados (azul) y la representamos junto con la verdadera recta y = x (ĺınea discontinua). Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 21
22 Repetimos 6 veces el experimento: beta1= beta1= beta1= beta1= 0.95 beta1= 1.01 beta1= 0.99 Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 22
23 Repetimos 1000 veces el experimento de generar respuestas de acuerdo con el modelo (1) para los valores del regresor x 1 = 1, x 2 = 2,..., x 10 = β 0 Para cada nueva muestra los estimadores ˆβ 0 y ˆβ 1 cambian. Existen fórmulas del error típico de ˆβ 0 y ˆβ 1 que recogen esta variabilidad β 1 Estas fórmulas son las que se utilizan para calcular IC y llevar a cabo contrastes de hipótesis acerca de β 0 y β 1. Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 23
24 IC y contrastes para los parámetros del modelo Los intervalos de confianza de nivel 1 α para los parámetros ˆβ i (i = 0, 1) tienen la estructura habitual: [ ˆβi t n 2,α/2 e.t.( ˆβ i )] En comparación con los intervalos de confianza para la media: Los grados de libertad son n 2 en lugar de n 1. La fórmula del error típico es más complicada (siempre lo calcularemos con el ordenador). Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 24
25 Contrastes unilaterales: Hipótesis: H 0 : β i βi Región crítica: frente a H 1 : β i > β i R = { ˆβ i β i e.t.( ˆβ i ) > t n 2,α }. Hipótesis: H 0 : β i βi Región crítica: frente a H 1 : β i < β i R = { ˆβi β i e.t.( ˆβ i ) < t n 2,α }. Contraste bilateral: Hipótesis: H 0 : β i = βi Región crítica: frente a H 1 : β i β i R = { } ˆβ i βi e.t.( ˆβ i ) > t n 2,α/2. Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 25
26 Ejemplo 5.1 (consumo de vino y dolencias cardíacas): Sabiendo que el error típico del estimador de mínimos cuadrados de la pendiente es 3.557, calcula un IC para β 1 de nivel 95 %: [ ˆβ 1 t n 2,α/2 e.t.( ˆβ 1 )] = [ ] ya que t 17,0.025 = = [ ] = [ 30.48, 15.47] portan los datos evidencia para afirmar (α = 0.01) que un incremento en el consumo de vino está asociado a un menor número de muertes por enfermedad cardíaca? Queremos contrastar H 0 : β 1 0 frente a H 1 : β 1 < 0. Calculamos: t = = y t 17,0.01 = Como < estamos en la región crítica y podemos rechazar H 0. Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 26
27 Ejemplo 5.1 (consumo de vino y dolencias cardíacas): Con SPSS Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 27
28 Ejemplo 5.1 (consumo de vino y dolencias cardíacas): Con SPSS Resumen del modelo b Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación 1,843 a,710,693 37,879 a. Variables predictoras: (Constante), Vino b. Variable dependiente: Card Coeficientes a Coeficientes Coeficientes no estandarizados estandarizado s Modelo B Error típ. Beta t Sig. 1 (Constante) 260,563 13,835 18,833,000 Vino -22,969 3,557 -,843-6,457,000 a. Variable dependiente: Card Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 28
29 Ejemplo 5.2 (renta y fracaso escolar en la CM): Para los datos de nivel de renta y fracaso escolar en la CM se tiene la siguiente salida de SPSS: Resumen del modelo b Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación 1,742 a,550,528 4,7566 a. Variables predictoras: (Constante), Renta b. Variable dependiente: Fracaso Coeficientes a Coeficientes Coeficientes no estandarizados estandarizado s Modelo B Error típ. Beta t Sig. 1 (Constante) 38,494 **** 10,562,000 Renta -1,347,266 -,742-5,065,000 a. Variable dependiente: Fracaso Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 29
30 Ejemplo 5.2 (renta y fracaso escolar en la CM): Cuestiones: (a) Escribe la ecuación de la recta de mínimos cuadrados que describe el nivel de fracaso escolar como función de la renta. (b) Calcula los intervalos de confianza de nivel 95 % para la pendiente y el término independiente de la recta de regresión. (c) Podemos afirmar, a nivel α = 0.05 que niveles más altos de renta están asociados a niveles más bajos de fracaso escolar? (d) Cuánto vale el coeficiente de correlación entre el nivel de renta y el porcentaje de fracaso escolar? (e) Qué porcentaje de fracaso escolar se predice en una población cuya renta es x 0 = euros? (f) Cuál es el residuo correspondiente a Colmenar Viejo? Estadística plicada (NHyD). Profesora: mparo Baíllo Tema 4: Regresión lineal simple 30
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
Más detallesMétodo 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,
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesTeoría 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
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesRegresión 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
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesCAPÍTULO 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
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesGrado en NHyD 23 de junio de 2014
Estadística Aplicada Examen extraordinario Grado en HyD 23 de junio de 214 OTA: Explica y desarrolla tus respuestas usando las salidas de los anexos. En las preguntas de verdadero y falso indica qué gráficos
Más detallesRegresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010
Regresión Lineal Dra. Noemí L. Ruiz Limardo 008 Derechos Reservados, Rev 010 Objetivos de la Lección Conocer el significado de la regresión lineal Determinar la línea de regresión cuando ha correlación
Más detallesCORRELACIÓN Y REGRESIÓN. Raúl David Katz
CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.
MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Abordaremos en este capítulo el modelo de regresión lineal múltiple, una vez que la mayor parte de las
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detallesGUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detallesBioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión
Bioestadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en
Más detallesPráctica 2: Intervalos de confianza y contrastes con SPSS 1
Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 2: Intervalos de confianza y contrastes con SPSS 1 El objetivo de esta práctica es aprender a calcular intervalos
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesSOLUCIÓN 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
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesRegresión 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.
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detalles5. 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
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesDiplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes
Más detallesCORRELACIÓN 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
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesAnálisis de regresión lineal simple
Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable
Más detallesDoc. Juan Morales Romero
Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesTema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.
Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas. ---Intervalo de probabilidad (IP) Permite predecir el comportamiento de las muestras. Si de una población se sacan
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detallesRelación entre la altura y la distancia del suelo al ombligo
Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesEl Modelo de Regresión Simple
El Modelo de Regresión Simple Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso 2007/08 C Velasco
Más detallesTEMA 8: DISTRIBUCIONES BIDIMENSIONALES PAÍSES A B C D E F G H I J R.P.C I.N
TEMA 8: DISTRIBUCIONES BIDIMENSIONALES 1- La siguiente tabla muestra cómo se ordenan entre sí diez países, A, B, C,, según dos variables, R.P.C.(renta per cápita) e I.N.(índice de natalidad). Representa
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 12. Contraste de hipótesis. Introducción. Introducción
Curso de Estadística Aplicada a las Ciencias Sociales Tema 12. Contraste de (Cap. 22 del libro) Tema 12. Contraste de 1. Tipos de 2. La nula y la Ejercicios Tema 12, Contraste de 2 En muchas investigaciones
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesMODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales
MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales 3.1. En algunas reservas naturales se controla el número Y de ejemplares de cierta especie al
Más detalles3. Correlación. Introducción. Diagrama de dispersión
1 3. Correlación Introducción En los negocios, no todo es el producto, pueden existir factores relacionados o externos que modifiquen cómo se distribuye un producto. De igual manera, la estadística no
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detalles1. Cómo introducir datos en SPSS/PC? - Recordatorio
1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesVariables estadísticas bidimensionales: problemas resueltos
Variables estadísticas bidimensionales: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesPráctica 9 REGRESION LINEAL Y CORRELACIÓN
Práctica 9. Regresión lineal y Correlación 1 Práctica 9 REGRESION LINEAL Y CORRELACIÓN Objetivos: En esta práctica utilizaremos el paquete SPSS para estudiar la regresión lineal entre dos variables y la
Más detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO Curso 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES
Más detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 5: Análisis de datos cuantitativos I: estadística descriptiva b. Análisis bivariante OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2
Más detallesResumen teórico de los principales conceptos estadísticos
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Muestreo aleatorio simple Resumen teórico Resumen teórico de los principales conceptos estadísticos Muestreo aleatorio
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Una carpintería vende paneles de contrachapado de dos tipos A y B.
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesAPUNTES DE QUIMIOMETRIA REGRESIO LINEAL
REGRESIO LINEAL APUNTES DE QUIMIOMETRIA Datos anómalos y levas en las rectas de calibrado. Regresión robusta Mínima mediana de cuadrados Recta de calibrado mediante mínimos cuadrados. Hipótesis básicas
Más detallesTema 3. Modelo de regresión simple. Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 3: Regresión simple 1
Tema 3. Modelo de regresión simple Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 3: Regresión simple 1 Introducción Objetivo del modelo de regresión simple: Explicar el comportamiento de
Más detallesTécnicas de Investigación Social
Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesHoja de Ejercicios 4 Análisis de regresión con información cualitativa
Hoja de Ejercicios 4 Análisis de regresión con información cualitativa Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesEsta proposición recibe el nombre de hipótesis
Pruebas de hipótesis tesis. Refs: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua, Apuntes de Estadística, Dr. Pedro Juan Rodríguez Esquerdo, Departamento de Matemáticas,
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesDispone de 1 hora para resolver las siguientes cuestiones planteadas.
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE ECONOMÍA Y NEGOCIOS EXAMEN TEÓRICO DE ESTADÍSTICA COMPUTARIZADA NOMBRE: PARALELO: Dispone de 1 hora para resolver las siguientes cuestiones planteadas.
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesDiagramas de Dispersión simples
Ayuda SPSS-Diagrama de Dispersión-Inserción Recta de Regresión -1- AYUDA SPSS DIAGRAMA DE DISPERSIÓN e INSERCIÓN DE LA RECTA DE REGRESIÓN Ruta Cuadros de Diálogos Autor: Prof. Rubén José Rodríguez 1 de
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesENUNCIADOS DE PROBLEMAS
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:
Más detallesRepaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013
Repaso de estadística básica Juan D. Barón Santiago de Chile, 8 de abril de 2013 1 I. CONCEPTOS ESTADÍSTICOS BÁSICOS 2 Las decisiones se toman bajo incertidumbre Las decisiones se basan en información
Más detalles