MATEMATICAS Primer curso de Ciencias Ambientales / Curso Soluciónes HOJA 4
|
|
- Virginia Salazar Belmonte
- hace 6 años
- Vistas:
Transcripción
1 MATEMATICAS Primer curso de Ciencias Ambientales / Curso Soluciónes HOJA 4 Problema 3: Los siguientes datos corresponden a la evolución del peso celular (en mgr./ml.) cantidad de nitrato en un cultivo de algas durante 3 días (mediciones cada 4 horas). y la Tiempo (T) Peso (X) Cantidad de nitrato (Y) Inicio 0, 0, 5 dia 0, 9 0, 4 dias 0, 5, 8 3 dias, 0 4, 5 a) Ajustar una recta y una exponencial a los datos peso (X) y cantidad de nitrato (Y). b) Ajustar una curva a la evolución temporal del peso. c) Mediante lo obtenido en a) y b) estimar la cantidad de nitrato que había en el cultivo al cabo de 36 horas. Solución: El cálculo de estadísticos y las gráficas correspondientes se encontrar en el archivo Excel problema3. Parte a) Ajustar una recta es decir calcular la recta de regresión. Recordamos la formula RR y y = COV XY v x (x x) Por tanto nuestra tarea es calcular los estadísticos media: x = n i= x i Varianza: v x = n ( i= (x i x) = n ( i= x i ) x Covarianza COV (X, Y ) = n i= (x i x)(y i y) = n ( i= x iy i ) xy Por tanto tenemos que: COV (X, Y ) =.395 3, x = , v x = 0.5 5, y = 8.8 y la recta de regresión es R.R.3.588x Para evaluar la bondad del ajuste, calculamos el coeficiente de correlación, r = COV (X, Y ) vx v y El único estadístico que nos falta es la varianza de y que es v y = Obtenemos que es un buen coeficiente de correlación. regresión aproxima bien los datos. r = En efecto vemos en la hoja EXCEL que la recta de Es un error muy común utilizar la fórmula v x = (P n n i= x i x ) cuidado con el mismo error 3 en EXCEl =COVAR(B:B5;C:C5) 4 =PROMEDIO(B:B5) 5 =VAR(B:B5)*3/4. calcula la varianza dividiendo por n en vez de n. Por eso el comando que incluimos en la celda es = V AR(B : B5) 3/4 ya que n = 4 6 =COEF.DE.CORREL(B:B5;C:C5)
2 Ajustar una exponencial Queremos encontrar una curva de la forma () y = ae bx = aexp (bx) que aproxime nuestros datos. Tomamos logaritmos obtenemos que () es equivalente a log(y ) = log(a) + bx Por tanto si definimos Z = log(y ) encontar una curva exponencial que aproxime los datos X, Y es equivalente a encontrar una recta que aproxime los datos X, Z. Despues veremos como se relacionan las constantes. Paso : Averiguamos los datos de la nueva variable Z. Peso (X) log(y)=z 0.0 log(.5) 0.9 log(0.4) 0.5 log(.8).0 log(4.5) Peso (X) log(y)=z 0.0, , , , Paso : Recta de regresión de Z sobre X A partir de aqui calculamos la recta de regresión de Z sobre X. Necesitamos los nuevos estadísticos z =.06, v z = 0.49, COV (X, Z) = Con lo que podemos calcular la recta de regresión de Z sobre X obteniendo la expresión R.R = (z z) = COV (X, Z) v x (x x) R.R z =.556 0, x Para evaluar el ajuste calculamos el coeficiente de correlación de Z sobre X. r(z, X) = COV (X, Z) vx v z = Asi que el ajuste lineal de Z sobre X es excelente y EQUIVALENTEMENTE el ajuste exponecial de Y sobre X tambien lo es. Vemos en la gráfica que los puntos del diagrama de dispersión aparecen sobre la curva. Paso 3: Deshacemos el cambio Z = log(y ) Sustituimos en la recta de regresión z = log(y) y tomando exponenciales log(y) =.556 0, x y = e.556 e 0, x = 3.0e 0, x cuya representación gráfica viene en problema3. Parte b) usamos log por logaritmo Neperiano ya que a lo largo del curso solo consideramos logaritmos neperianos
3 De el diagrama de dispersión observamos que los puntos parecen ajustables mediante una curva exponencial. Para verificar esta intuición calculamos el ajuste exponencial y el correspondiente coeficiente de correlación. Paso: Z = log(x) Tiempo (T) logpeso (X) Inicio log(0, 0) dia log(0, 9) dias log(0, 5) 3 dias log(, 0) Tiempo (T) logpeso (X) Inicio, dia, dias 0, dias 0, Paso : Recta de regresión de Z sobre T Calculamos los estadísticos de nuestra nuevas variables Z 8 y T t =.5, v t =.5, z =, , v z =, 0606, COV (T, Z) =, Para evaluar la bondad del ajuste calculamos el correspondiente coeficiente de correlación r(t, L(X)) = 0, que es excelente, asi que concluimos que el ajuste exponencial es el correcto. La correspondiente recta de regresión de Z sobre X es R.R z =, , t Paso 3: Deshacemos el cambio Z = log(x) Obtenemos la curva exponencial que predice la evolución de X en función de T igual a. () X = 0.04e 0.99t Parte c) Queremos predecir la cantidad de nitrato a las 36 horas =.5 dias. Recordamos que sabemos predecir aproximadamente como evoluciona el peso en función del tiempo, y el nitrato en función del peso Y = 3.0e 0, x, X = 0.04e 0.99t Asi que sustituimos primero X(.5) = 0.04e 0.99 (.5) = 0.93 y luego Y (0.94) = 3.0e 0, = 9, Problema : En un estudio de laboratorio se han medido, en una cierta especie canina, las variables peso (X) y concentración en sangre (Y ) de una cierta sustancia. Los datos resumidos son los siguientes: n = xi = 3 5 yi = y i = 9 83 x i = 3 8 = 034 x i a) Calcular el coeficiente de correlación entre X e Y. b) Ajustar una curva de ecuación Y = a + b X Solución: Parte a) Recordamos la definición de los estadísticos a los datos. 8 Aunque la llamamos igual no tiene nada que ver con la Z de la parte a x i = 6 5 xi y i = 3 yi x i =
4 media: x = n i= x i Varianza: v x = n ( i= (x i x) = n ( i= x i ) x Covarianza COV (X, Y ) = n i= (x i x)(y i y) = n ( i= x iy i ) xy 9 r(x; Y ) = COV (X,Y ) vxv y Obtenemos por tanto como n = Parte b) Paso x = n i= x i = 3.5 =.986, y =. =.64, COV (X, Y ) = /( x i y i ) = = 0.04 i= v x = x i (.986) = 6.5 (.986) = 0.09, 0.04 v y = , r(x, Y ) = = Hacemos el cambio Z = X ya que si y = a + b X obtenemos que Y = a + bz es decir Z e Y tienen una regresion lineal que es lo que sabemos hacer. Por tanto necesitamos calcular los estadisticos de la nueva variable Z e Y. Paso z = n i= = 3.8 = 0.536, y =. =.64, x i COV (Z, Y ) = /( i= y i ) = = 0.08 x i v z = x (0.536) =.034 (0.536) = 0.00e4, i 0.08 v y = , r(z, Y ) = = Calculamos la recta de regresion de Y sobre Z. Deshacemos el cambio R.R = (y y) = COV (Y, Z) v z (z z) R.R = (y.64) = 0.08 (z 0.536) y =.30z Donde pone z volvemos a poner /x obteniendo la curva y =.30 x Ejercicio 8: En cierta especie de pez se mide la longitud total y la de la aleta caudal, obteniendo los siguientes datos: 9 cuidado con el mismo error Longitud total (Y) Longitud de la aleta (X), 5, 3 4
5 Se cree que existe una relación alométrica entre las dos longitudes. En consecuencia, se pide: a) Expresar la longitud total en función de la longitud de la aleta mediante un modelo de regresión potencial Y = ax b. b) Evaluar el ajuste obtenido. c) Estimar la longitud total de un pez, si su aleta caudal mide,3. Solución Los datos correspondientes se encuentran en el archivo ejercicio8 Paso : Identificar el cambio de variable apropiado Como en los casos de la regresión logarítmica o exponencial buscamos la manera de transfomar las variables para obtener nuevas variables que se relacionen linealmente. Si Y = abx tenemos que log(y ) = log(a)+b log(x). Asi que las variables W = log(y ) y Z = log(x) están relacionads linealmente. Paso :Calculo de la recta de regresión de W sobre Z Los nuevos datos son, W=L(Y) log(6) log(39) log(53) log(8) Z=L(X) log() log(, 5) log(, ) log(3) = W, 588 3, , , Z 0, , , 99353, Calculamos ahora los estadísticos de W, Z Z = 0, , v z = 0, 056, w = 3, 00859, v w = 0.354, COV (W, Z) = 0, Asi que la recta de regresión de W sobre Z es R.R W = 3.998Z Paso 3: Deshacemos el cambio W = log(y ), Z = log(x) Obtenemos que en términos de W y Z la recta de regresión se escribe como Log(Y ) = log(X) o tomando exponenciales (e identificando =4) Y = X 4 e que es la curva tipo potencial que describe la relación alométrica entre la longitud de la aleta de los peces y su tamaño total. Parte b: Para calcular la validez del ajuste como siempre consideramos el coeficiente de correlacion de las variables donde hemos hecho la regresión lineal. En este caso W y Z obtenemos que r(w ; Z) = COV (W, Z) vw v z = 0, asi que el ajuste es practicamente perfecto. (El ajuste exponencial no era malo 0.96 pero este es mucho mejor) 5
TEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesEstadística de dos variables
Versión: Estadística de dos variables 19 de septiembre de 013 1 Introducción En el Tema 1 se consideran las variables estadísticas unidimensionales, es decir, cada individuo de la muestra se describe de
Más detallesDISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIONES BIDIMENSIONALES
DISTRIBUCIOES BIDIMESIOALES DISTRIBUCIOES BIDIMESIOALES Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si
Más detallesPráctica 5. Modelos empíricos a partir de datos experimentales
Grado en Ciencia y Tecnología de los Alimentos Fundamentos de Ingeniería de los Alimentos Práctica 5 Modelos empíricos a partir de datos experimentales 1 1.- Regresión lineal La regresión consiste en deducir,
Más detallesUn modelo para representar una relación aproximadamente
Regresión Se han visto algunos ejemplos donde parece que haya una relación aproximadamente lineal entre dos variables. Supongamos que queremos estimar la relación entre las dos variables. Cómo ajustamos
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 detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple
Unidad Temática 3: Estadística Analítica Unidad 9 Correlación y Regresión Lineal Simple Análisis de Correlación Creado por Karl Pearson en 1920. Tiene el propósito de medir el grado de asociación observado
Más detallesAjuste por mínimos cuadrados
Mathieu Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Cartagena, Enero 2010 Guión 1 Planteamiento 2 Criterio de mínimos cuadrados 3 Casos concretos: regresión lineal
Más detallesTema 1: Estadística descriptiva. Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1
Tema 1: Estadística descriptiva Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1 Introducción Objetivo: estudiar una característica o variable en una población. Ejemplos:
Más detallesTema 3 Algebra. Ecuaciones. Sistemas de ecuaciones: Inecuaciones Índice
Tema 3 Algebra. Ecuaciones. Sistemas de ecuaciones: Inecuaciones Índice 1. ECUACIONES... 2 1.1. Ecuaciones de primer grado... 2 1.2. Ecuaciones de segundo grado... 3 1.2.1. Ecuación de segundo grado completa...
Más detallesLa línea recta: Serie1
La línea recta: En una línea recta tenemos una relación entre dos variables, la independiente (x) y la dependiente (y). La forma en que se relacionan dependerá de la función que describa dicha relación.
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 detalles1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1
8 Estadística 81 Distribuciones unidimensionales Tablas de frecuencias En este tema nos ocuparemos del tratamiento de datos estadísticos uestro objeto de estudio será pues el valor de una cierta variable
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción MODELO DE REGRESIÓN SIMPLE Julián de la Horra Departamento de Matemáticas U.A.M. Los modelos de regresión sirven, en general, para tratar de expresar una variable respuesta (numérica) en
Más detallesANÁLISIS DE REGRESIÓN N LINEAL
ANÁLISIS DE REGRESIÓN N LINEAL Varias partes tomadas de Julio H. Cole "Nociones de Regresión Lineal" en Enciclopedia Multimedia Virtual de Economía EMVI. http://eumed.net/cursecon/medir/index.htm Análisis
Más detallesUnidad IV Introducción a la Regresión y Correlación
Unidad IV Introducción a la Regresión y Correlación Última revisión: 25-0ctubre-2009 Elaboró: Ing. Víctor H. Alcalá-Octaviano Página 48 IV.1 Conceptos fundamentales Antología de Probabilidad y Estadística
Más detallesJulio Deride Silva. 4 de junio de 2010
Curvas ROC y Regresión Lineal Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 4 de junio de 2010 Tabla de Contenidos Curvas ROC y Regresión Lineal
Más detalles3.2: Medidas numéricas
Escaños Estadística Aplicada a las Ciencias Políticas 3.2: Medidas numéricas 80 60 40 20 0 0 2E+06 4E+06 6E+06 8E+06 1E+07 Población Hemos visto que había una relación aproximadamente lineal entre población
Más detallesAnálisis de Regresión y Correlación Lineal
Análisis de Regresión y Correlación Lineal Análisis de dos ó más variables aleatorias Veamos que en los siguientes estudios hay situaciones donde intervienen más de una variable aleatoria Ejemplos: La
Más detallesPrimera práctica de REGRESIÓN.
Primera práctica de REGRESIÓN. DATOS: fichero practica regresión 1.sf3 1. Objetivo: El objetivo de esta práctica es aprender cuándo se puede utilizar el análisis de regresión. En la primera parte se presentan
Más detallesDistribuciones bidimensionales
Distribuciones bidimensionales Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si se deja caer una piedra,
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesDos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda.
Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplos Si se deja caer una piedra, existe una fórmula que nos permite
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesMatemática Aplicada - Licenciatura de Farmacia - Curso 2005/ HOJA 5 1 SOLUCIONES DE LOS EJERCICIOS DE LA HOJA 5
Matemática Aplicada - Licenciatura de Farmacia - Curso 2005/2006 - HOJA 5 1 SOLUCIONES DE LOS EJERCICIOS DE LA HOJA 5 1) A continuación diremos de qué tipo son las ecuaciones diferenciales ordinarias (e.
Más detalles2. ESTADÍSTICAS BIDIMENSIONALES
TEMA. ESTADÍSTICAS BIDIMENSIONALES.... Definición. Objetivos.... Coeficiente de Correlación. Lineal... 4 3. Rectas de regresión.... 7 . Definición. Objetivos En el tema anterior hemos estudiado las distribuciones
Más detalles1. Algunos comandos de Estadística
Departamento de Matemática Aplicada MÉTODOS ESTADÍSTICOS. Ingeniería Química (Curso 2008-09) Estadística Descriptiva. Práctica. Algunos comandos de Estadística Describimos a continuacion algunos de los
Más detallesUNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:
UNIDAD Nº4 TEORÍA DE REGRESIÓN Y CORRELACIÓN 1.- Teoría de Regresión.- En términos de estadística los conceptos de regresión y ajuste con líneas paralelas son sinónimos lo cual resulta estimar los valores
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 detallesLa recta de regresión
La recta de regresión (x 1, y 1 ), (x 2, y 2 ),...,(x N, y N ) : N pares de puntos observados Hemos de encontrar una recta: y = α + β x que se ajuste lo mejor posible a nuestros puntos: Queremos predecir
Más detallesAJUSTE PLANTEAMIENTO DEL PROBLEMA
AJUSTE PLANTEAMIENTO DEL PROBLEMA DIFERENCIA ENTRE INTERPOLACIÓN Y AJUSTE METODOLOGÍA DEL AJUSTE MÉTODO DE MÍNIMOS CUADRADOS MODELO LINEAL MODELO EXPONENCIAL EJEMPLO PLANTEAMIENTO DEL PROBLEMA Cuando los
Más detallesRelación funcional Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se
Distr ibuciones bidim ensionales Relación funcional Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplos Si se
Más detallesMEDIDAS. Error accidental. Error Sistemático. Cantidad de la magnitud A. Número, MEDIDA. Cantidad de la magnitud A tomada como referencia.
MEDIDAS Cantidad de la magnitud A Número, MEDIDA Cantidad de la magnitud A tomada como referencia. UNIDAD Las mediciones no son perfectas. Llevan asociadas un determinado error, una incertidumbre. Los
Más detallesDistribuciones Bidimensionales.
Distribuciones Bidimensionales. 1.- Variables Estadísticas Bidimensionales. Las variables estadísticas bidimensionales se representan por el par (X, Y) donde, X es una variable unidimensional, e Y es otra
Más detallesREGRESIÓN LINEAL SIMPLE
REGREIÓN LINEAL IMPLE ANÁLII DE REGREIÓN Al continuar con el estudio de la relación entre dos variables X y Y, ahora es pertinente considerar el caso en que es necesario pronosticar la variable dependiente
Más detallesIntroducción al Tema 3. Tema 3. Correlación y regresión Covarianza y correlación. Propiedades y relación con el diagrama de dispersión. Regresión.
Introducción al Tema 3 1 Tema 2. Análisis de datos Representaciones y gráficos. Resumen numérico. Relaciones entre variables. bivariantes Extensión a dos variables cuantitativas Tema 3. Correlación y regresión
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 detallesESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL
ESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL CONCEPTOS PREVIOS RELACIÓN ESTADÍSTICA Dos variables x e y están relacionadas estadísticamente cuando conocida la primera se puede estimar aproximadamente el valor
Más detallesTema 2: Estadística Bivariante Unidad 1: Correlación y Regresión
Estadística Tema 2: Estadística Bivariante Unidad 1: Correlación y Regresión Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
Más detallesFACULTAD DE CIENCIAS EXACTAS Y NATURALES BIOFÍSICA I y LABORATORIO. REPRESENTACION y ANÁLISIS DE DATOS EXPERIMENTALES
FACULTAD DE CIENCIAS EXACTAS Y NATURALES BIOFÍSICA I LABORATORIO REPRESENTACION ANÁLISIS DE DATOS EXPERIMENTALES Objetivos 1) Presentar debidamente tablas de datos experimentales 2) Aprender el protocolo
Más detallesPráctica 2: Regresión lineal
Prácticas de estadística con R Ingeniería Química Universidad de Cantabria Curso 2011 2012 Práctica 2: Regresión lineal R también permite trabajar conjuntamente con más de una variable. En particular esta
Más detallesTema 2: Análisis de datos bidimensionales
Tema : Análisis de datos bidimensionales Variables estadísticas bidimensionales Distribuciones de frecuencias asociadas Regresión y correlación En una población puede resultar interesante considerar simultáneamente
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS
ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS CONTENIDO 1 Ajuste de Curvas 2 Análisis de Regresión 2.1 Métodos de Mínimos Cuadrados 2.2 Regresión Lineal AJUSTE DE CURVAS Uno de los objetivos en
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 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 detallesAlgunos apuntes de Estadística de 4º (nivel avanzado)
Algunos apuntes de Estadística de 4º (nivel avanzado) Coeficiente de correlación lineal El coeficiente de correlación lineal es el cociente entre la covarianzay el producto de las desviaciones típicas
Más detallesESTADÍSTICA. 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 detallesRegresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.
1 DEFINICIONES PREVIAS Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. Correlación: es la cuantificación del grado de relación existente
Más detalles1. Tablas de doble entrada
Práctica 3: Descripción bidimensional de datos La siguiente práctica la realizamos con el chero Pulse.rda que contiene los datos de pulsaciones (Pulse1) de un conjunto de individuos. La variableactivity
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesCapitulo. Describir la relación entre dos variables Pearson Prentice Hall. All rights reserved
Capitulo 34 Describir la relación entre dos variables Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta fundamental debe ser si podemos utilizar el valor
Más detallesAjustes por funciones exponenciales (malthusiana) y sigmoidales (logística y gompertziana)
Fundamentos de Biología Aplicada I. Curso 009 010. Ajustes por funciones exponenciales malthusiana y sigmoidales logística y gompertziana El objetivo es aproximar una colección de datos obtenidos a partir
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesX Y
Capítulo 2 Distribuciones bivariantes Hasta ahora hemos estudiado herramientas que nos permiten describir las características de un único carácter Sin embargo, en muchos casos prácticos, es necesario estudiar
Más detallesTema 4: Funciones. Límites de funciones
Tema 4: Funciones. Límites de funciones 1. Concepto de función Una aplicación entre dos conjuntos A y B es una transformación que asocia a cada elemento del conjunto A un único elemento del conjunto B.
Más detalles1. Caso no lineal: ajuste de una función potencial
1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir
Más detallesTema 9: Estadística en dos variables (bidimensional)
Tema 9: Estadística en dos variables (bidimensional) 1. Distribución de frecuencias bidimensional En el tema anterior se han estudiado las distribuciones unidimensionales obtenidas al observar sólo un
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesTEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN
4.5.- En cuál de los siguientes casos se podría utilizar la varianza residual en lugar del coeficiente de determinación para medir la calidad del ajuste? Con el mismo conjunto de datos y dos ajustes distintos.
Más detallesÁlgebra y Matemática Discreta
Álgebra y Matemática Discreta Sesión de Teoría 23 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 2 Dic 2013-8 Dic 2013 Introducción La existencia de bases ortonormales es los espacios es muy útil
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesVariables estadísticas bidimensionales
Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO
Más detalles3. CORRELACIÓN Y REGRE-
3. CORRELACIÓN Y REGRE- SIÓN Objetivo Medir y ajustar una relación lineal entre dos variables cuantitativas. Bibliografia recomendada Peña y Romo (1997), Capítulos 8 y 9. Índice 1. Covarianza y sus propiedades
Más detallesESTADÍSTICA Hoja 2
Estadística 1 ESTADÍSTICA 05-06. Hoja 2 1. Dada la variable bidimensional (X, Y ), Es cierto que: a) La suma de todas las frecuencias absolutas conjuntas es igual al número de datos.? b) La suma de todas
Más detalles4.2 Reducción de orden
4. educción de orden 87 Un conjunto de funciones f y ; y g que cumple con la condición anterior se llama un conjunto fundamental de soluciones. Es decir, un conjunto f y ; y g será un conjunto fundamental
Más detallesPráctica 5: Interpolación y ajuste.
Práctica 5: Interpolación y ajuste. 1 Tablas de diferencias. La interpolación se usa para obtener datos intermedios a partir de una tabla de valores, construyendo un polinomio que pasa por el conjunto
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesUniversidad de Salamanca - Escuela de Educación y Turismo
Universidad de Salamanca - Escuela de Educación y Turismo ! " # $ % $ & ' ( ) * ( +(, + ' -. '. ' - % $ / %.! '. " # $ % & & $ % # # $( #. 0 # (/ $. # % 0 1 # % ( # 0 # 0 1 # 0. (, (! " # # #. $ ($ ' 0
Más detallesMATEMÁTICAS 1º BI-NM Serie Estadística Unidimensional y Bidimensional
MATEMÁTICAS 1º BI-NM Serie Estadística Unidimensional y Bidimensional 1 Entra en la página web del Instituto Nacional de Estadística y elige una variable numérica de tu interés que disponga de frecuencias
Más detallesMATEMÁTICAS 1º BACH. C. N. Y S. 25 de enero de 2010 Geometría y Logaritmos
MATEMÁTICAS 1º BACH. C. N. Y S. 5 de enero de 010 Geometría y Logaritmos x yz 1) Tomar logaritmos, y desarrollar, en la siguiente expresión: A 4 ab log x log b 4log a log y ) Quitar logaritmos: log A )
Más detalles3.1 Polinomios Polinomio: Expresión algebraica formada por la suma y/o resta de varios monomios.
Tema : Polinomios, Ecuaciones y Sistemas de ecuaciones..1 Polinomios Polinomio: Expresión algebraica formada por la suma y/o resta de varios monomios. Ejemplo: P(x) = x 4 x + x + 5 Terminología: Ejemplo:
Más detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2005 MATEMÁTICAS II TEMA 3: ESPACIO AFIN Y EUCLIDEO
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 005 MATEMÁTICAS II TEMA : ESPACIO AFIN Y EUCLIDEO Junio, Ejercicio 4, Opción A Junio, Ejercicio 4, Opción B Reserva 1, Ejercicio 4, Opción A Reserva 1, Ejercicio
Más detallesEstadística. Grado en Biología. Universidad de Alcalá. Curso Capítulo 10: Regresión Lineal (Introducción).
Grado en Biología. Universidad de Alcalá. Curso 2017-18. 6 Introducción. Aclaración: Aunque el contenido de esta presentación corresponde al Capítulo 10 del libro, vamos a ver una parte de ese capítulo
Más detalles1 JESTADIS\REGRES.DOC
CONTENIDOS 1. Introducción 2. Diagrama de dispersión 3. El coeficiente de correlación de Pearson 4. Regresión 1. Introducción Una de las metas frecuentes en la investigación consiste en determinar si existe
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesGEOESTADÍSTICA APLICADA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesMatemáticas. Bioestadística. Correlación y Regresión Lineales
Matemáticas Bioestadística Correlación y Regresión Lineales En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo, si se analiza la
Más detallesDISTRIBUCIONES BIDIMENSIONALES
RESUMEN DISTRIBUCIONES BIDIMENSIONALES J. Vega RELACIONES LABORALES ESTADÍSTICA 15 de noviembre de 2008 RESUMEN 1 DISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIÓN CONJUNTA DISTRIBUCIONES MARGINALES DISTRIBUCIONES
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE
PROBABILIDAD Y ESTADÍSTICA Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE 4.1 Regresión lineal simple y curvilínea 4.1.1 Variable dependiente e independiente 4.1.2 Ecuación de regresión 4.1.2.1 Aplicación
Más detallesTEMA 2: ÁLGEBRA 1. TEOREMA DEL RESTO Y APLICACIONES
TEMA 2: ÁLGEBRA 1. TEOREMA DEL RESTO Y APLICACIONES Dado un polinomio P(x) y un número real a, el resto de la división de P(x) entre (x a) es P(a) (es decir, el resultado de sustituir el valor de x por
Más detallesEXTENSIONES DEL MODELO DE REGRESIÓN
EXTENSIONES DEL MODELO DE REGRESIÓN 1. Regresión exponencial 2. Regresión polinómica 3. Regresión con variables cualitativas M. Carmen Carollo, Beatriz Pateiro Página 1 1. Regresión exponencial Al tratar
Más detallesMODELO PARA EL TALLER DE REGRESION
MODELO PARA EL TALLER DE REGRESION PROBLEMA. Los datos siguientes muestran la matricula estudiantil en los primeros 5 anos de nuestra Universidad. Años (desde el 2000 al 2004) x 1 2 3 4 5 Matricula (miles
Más detallesf: D IR IR x f(x) v. indep. v. dependiente, imagen de x mediante f.
TEMA 5: FUNCIONES ELEMENTALES. 5. Función real de variable real. 5. Operaciones con funciones: composición e inversa. 5.3 Construcción de gráficas de funciones elementales y sus transformaciones. 5.4 Interpolación
Más detallesAnálisis de Regresión no lineal
Capítulo IX Análisis de Regresión no lineal En algunas situaciones es evidente que un modelo lineal en todas las variables independientes es inadecuado. Por ejemplo, un modelo de regresión que predice
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 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 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 detallesFísica 1. Laboratorio en el aula Laboratorio: Péndulo
Cátedra de G. Gasaneo Desarrollado por: F. Iaconis y G. Gasaneo Física 1 Laboratorio en el aula Laboratorio: Péndulo Si creamos un péndulo cuya longitud sea corta y tomamos el tiempo que tarda en oscilar
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesJesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple
Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización
Más detallesECUACIONES. SISTEMAS DE ECUACIONES. Matemáticas 3º eso
ECUACIONES. SISTEMAS DE ECUACIONES Matemáticas 3º eso Identidades y ecuaciones Una ecuación es una igualdad entre dos expresiones en la que aparecen números y letras llamadas incógnitas ligados por operaciones.
Más detallesAsignatura: Métodos numéricos Tema: Aproximaciones por mínimos cuadrados
Unidad Académica Profesional Nezahualcóyotl Asignatura: Métodos numéricos Tema: Aproximaciones por mínimos cuadrados Ingeniería en Sistemas Inteligentes Dra. Rosa María Rodríguez Aguilar DIRECTORIO UAEM
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detalles1º BACH MATEMÁTICAS I
1º BACH MATEMÁTICAS I Ecuaciones, inecuaciones y sistemas Trigonometría Vectores Nº complejos Geometría Funciones. Límites. Continuidad. Derivadas Repaso en casa Potencias Radicales. Racionalización. (pag.
Más detallesProbabilidades y Estadística Práctica 6
Probabilidades y Estadística Práctica 6 Ejercicio Nº 1 Sea X = la proporción de tiempo en la que se encuentra sin niebla, en funcionamiento, el aeropuerto de Ezeiza, y sea Y = la misma proporción para
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detalles