Ajustando Curva SnapStat
|
|
- Andrés Cordero Carrizo
- hace 5 años
- Vistas:
Transcripción
1 STATGRAPHICS Rev. 9/14/26 Ajustando Curva SnapStat Resumen El procedimiento Ajustando Curva SnapStat crea un resumen de una pagina que describe la relación entre un solo factor cuantitativo X y una variable dependiente Y. Cualquiera de los 27 modelos lineales y no lineales pueden ser ajustados, usando mínimos cuadrados o un procedimiento de estimación resistente. Pruebas son corridas para determinar la significancia estadística del modelo. El modelo ajustado es graficado con límites de confianza y/o limites de predicción, y los residuos son graficados también. Los cálculos realizados son un subconjunto de aquéllos realizados en el procedimiento de Regresión Simple. Aunque, la salida es ajustada a una sola pagina. Ejemplo StatFolio: curvefitsnapstat.sgp Datos del Ejemplo: El archivo nonlin.sf3 contiene datos de clorina disponible en muestras de un producto como una función del numero de semanas desde que fue producido. Los datos, de Draper y Smith (1998, consisten de n = 44 muestras, una porción de las cuales es mostrada enseguida: Semanas Clorina por StatPoint, Inc. Ajustando Curva SnapStat - 1
2 STATGRAPHICS Rev. 9/14/26 Entrada de Datos La caja de dialogo de entrada requiere los nombres de las columnas que contienen la variable dependiente Y y la variable independiente X: Y: columna numérica que contiene las n observaciones para la variable dependiente Y. X: columna numérica que contiene los n valores para la variable independiente X. Selección: Selección de un subconjunto de los datos. 25 por StatPoint, Inc. Ajustando Curva SnapStat - 2
3 STATGRAPHICS Rev. 9/14/26 Salida La salida del SnapStat consiste de una sola pagina de estadísticas graficas y numéricas. SnapStat: Ajuste de Curva chlorine = *weeks Estimado Valor-P Intercepto Pendiente Coeficiente de Correlación = R- = porciento R-cuadrado (ajustado para g.l. = porciento Error Estándar Est. = Error Absoluto medio = Estadístico Durbin-Watson = (P=.1 Autocorrelación de residuos en Retraso 1 = Gráfico del Modelo Ajustado Con intervalos de previsión del 99.% Límites de Predicción.5 chlorine weeks Rediduo Estudentizado Gráfico de Residuos chlorine = *weeks weeks Predicho Límite de Pred. Límite de Pred. X Y Inferior 99.% Superior 99.% Predicho Límite de Conf. Límite de Conf. X Y Inferior 99.% Superior 99.% Gráfico de chlorine 2.1 Gráfico de Residuos chlorine = *weeks observado predicho Rediduo Estudentizado número de fila 25 por StatPoint, Inc. Ajustando Curva SnapStat - 3
4 STATGRAPHICS Rev. 9/14/26 Modelo Estadístico (Izquierda superior La parte superior izquierda de la salida muestra el modelo estadístico ajustado y estadísticas del resumen. Incluidos están: Modelo Ajustado: Identificación del modelo que fue ajustado. Por defecto, un modelo lineal de la forma Y = a + b X (1 Es ajustado, aunque un modelo diferente puede ser seleccionado usando Opciones del Análisis. Coeficientes: Los coeficientes estimados y P-valores que resultan de la pruebas t de las hipótesis nulas que corresponden a que el parámetro del modelo sea igual a. P-Valores pequeños (menores que.5 si se opera a un nivel de confianza del 95% indican que un coeficiente del modelo es significativamente distinto de. En los datos del ejemplo, ambos intercepto y pendiente son estadísticamente significantes. Estadísticas: Resumen de las estadísticas para el modelo ajustado, incluyendo: Coeficiente de correlación- Mide la fuerza de la relación lineal entre Y y X en una escala de- 1 (correlación lineal negativa perfecta a +1 (correlación lineal positiva perfecta. En los datos del ejemplo, la correlación entre chlorine y weeks es relativamente fuerte, con el signo negativo indicando que la chlorine cae como las weeks crecen. R- Representa el porcentaje de variabilidad en Y el cual ha sido explicado por el modelo ajustado, en una escala de % a 1%. Para los datos del ejemplo, la regresión ha acumulado alrededor del 75% de variabilidad en las medidas de chlorine. El restante 25% es atribuido a las desviaciones alrededor de la línea, lo cual puede ser debido a otros factores, para mediar el error, o una falla del modelo lineal para ajustar los datos. R- Ajustada El estadístico R-, ajustado por el número de coeficientes en el modelo. Este valor es frecuentemente usado para comparar modelos con diferente número de coeficientes. Error Estándar de Est. la desviación estándar estimada de los residuos (la desviación estándar alrededor del modelo. Este valor es usado para crear límites de predicción para observaciones nuevas. Media del Error Absoluto El valor absoluto promedio de los residuos. Estadístico Durbin-Watson Una medida de la correlación serial en los residuos. Si los residuos varían aleatoriamente, este valor debería ser cercano a 2. Un P-valor pequeño indica que un patrón no aleatorio existe en los residuos. Para datos registrados en el tiempo, un P- valor pequeño indicaría que alguna tendencia en el tiempo no ha sido tomada en cuenta. En el ejemplo actual, un P-valor pequeño es indicador de que el modelo lineal no ha ajustado bien a todos los datos, esto tan bien puede ser visto en los residuos graficados. 25 por StatPoint, Inc. Ajustando Curva SnapStat - 4
5 STATGRAPHICS Rev. 9/14/26 Lag 1 Autocorrelación Residual la correlación estimada entre residuos consecutivos, en una escala de 1 a 1. Valores lejanos de indican que una estructura significante permanece no tomada en cuenta por el modelo. Opciones del Análisis Tipo de Modelo: El modelo que será estimado. Todos los modelos mostrados pueden ser linealizados transformando X, Y, o ambos. Cuando ajustamos un modelo no lineal, STATGRAPHICS primero transforma los datos, después se ajusta el modelo, y entonces invierte la transformación para desplegar los resultados. Ajuste Alternativo: Un procedimiento de estimación alternativo. Si se selecciona, un conjunto adicional de estimadores serán adheridos a la salida. Dos métodos de estimación son disponibles, ambos de los cuales son resistentes a datos atípicos: Minimizar desviaciones absolutas Minimiza la suma de los valores absolutos de las desviaciones alrededor del modelo ajustado. Uso de medianas de 3 grupos Usa el método de Tukey de ajustar una línea recta, en la cual los datos son divididos en 3 grupos de acuerdo al valor de X, las medianas son calculadas dentro de cada grupo, y una línea es determinada de las 3 medianas. Los modelos disponibles son mostrados en la siguiente tabla: 25 por StatPoint, Inc. Ajustando Curva SnapStat - 5
6 STATGRAPHICS Rev. 9/14/26 Modelo Ecuación Transformación en Y Transformación en X Lineal y = β + β1 x y = 2 β + βx Raíz Raíz -Y ( 1 Exponencial ( β+ β1x Logaritmo y = e Reciproco-Y 1 ( y = + β x Cuadrada-Y β y = β + x 1 1 β Raíz -X y = β + β1 x raíz Doble raíz 2 raíz raíz y = ( β + β1 x Log-Y raíz -X ( β + β1 x y = e Logaritmo raíz Reciproco-Y raíz -X 1 raíz y = ( β + β1 x Cuadrada-Y raíz -X raíz = β + x y β1 Logarítmica-X y = β + β1ln( x Logaritmo Raíz -Y log-x 2 y = ( β + β ln(x raíz Logaritmo 1 Multiplicativa y = β x β 1 Logaritmo Logaritmo Reciproco-Y log-x 1 Logaritmo y = β + β ln( 1 x Cuadrada-Y log-x y = β + β ln( 1 x Logaritmo Reciproco-X y = β + β 1 / x Raíz -Y - 2 y = ( β X + β1 / x raíz S-curve ( β+ β1/ x Logaritmo y = e Doble 1 [ Cuadrada-Y -X y = β x] + β / y = β + / x β 1 Cuadrada-X 2 y = β + β1x Raíz -Y -X 2 2 raíz y = ( β + β1x 2 β +β Logaritmo Log-Y -X ( 1x y = e Reciproco-Y -X 2 y = ( β + β x Doble 2 y = β + 1 β1x Logístico ( β+ β1x e y = ( β+ β1x 1+ e [ ] 1 y/(1-y Log probit y = ϕ( β + β1 ln( x ϕ 1 ( y Logaritmo (inv. normal 25 por StatPoint, Inc. Ajustando Curva SnapStat - 6
7 STATGRAPHICS Rev. 9/14/26 Grafica del Modelo Ajustado (derecha superior Este panel muestra el o los modelos ajustados, junto con límites de confianza y predicción. La grafica incluye: La línea del mejor ajuste o la ecuación de predicción: yˆ = aˆ + bx ˆ (2 Esta es la ecuación que seria usada para predecir valores de la variable dependiente Y dados los valores de la variable independiente X. Note que hace un trabajo relativamente bueno de escoger mucha de la correlación negativa entre chlorine y weeks. Intervalos de Confianza para la respuesta media en X. Estos son limites internos en la grafica anterior y describen que tan buena es la localización de la línea que ha sido estimada dada la muestra de datos disponible. Así como el tamaño de la muestra n aumente, estos limites se harán mas delgados. Deberías notar que el ancho de los límites varía como una función de X, con la línea estimada más precisamente cerca del valor promedio x. Limites de Predicción para nuevas observaciones. Estos son limites externos en la grafica anterior y describen que tan bien se podría predecir donde una nueva observación debería yacer. Sin importar el tamaño de la muestra, nuevas observaciones variaran alrededor de la línea verdadera con una desviación estándar igual a σ. La inclusión de limites de confianza y predicción y su defecto nivel de confianza es determinado por lo fijado en la pestaña ANOVA/Regresión de la caja de dialogo Preferencias, accesible en el menú Editar. Grafica de Residuos (izquierda central La grafica en el centro izquierdo grafica los residuos de el modelo ajustado contra X. En una regresión los residuos son definidos por e i = y i yˆ i (3 i.e., los residuos son la diferencia entre los valores observados y el modelo ajustado. Dependiendo de lo fijado en la pestaña ANOVA/Regresión de la caja de dialogo Preferencias, accesible en el menú Editar, tú puedes graficar cualquiera de los siguientes: 1. Residuos Ordinarios Los residuos del ajuste de mínimos cuadrados. 2. Residuos Estandarizados La diferencia entre los valores observados y i y los valores predichos ŷ i cuando el modelo es ajustado usando todas las observaciones excepto la i- esima, dividida por el error estándar estimado. Los residuos son algunas veces llamados residuos borrados externamente, ya que ellos miden que tan lejos este cada valor del modelo ajustado, cuando este modelo es ajustado usando todos los datos excepto los puntos que son considerados. Esto es importante, ya que un dato atípico grande puede afectar el modelo de tal forma que no parecería un valor inusual. 25 por StatPoint, Inc. Ajustando Curva SnapStat - 7
8 STATGRAPHICS Rev. 9/14/26 Pronósticos (derecha central La tabla en el centro derecho muestra predicciones del modelo ajustado en los valores seleccionados de X. Incluidos en la salida están: X El valor de la variable independiente en el cual la predicción será hecha. Y Predicha- El valor predicho de la variable dependiente usando el modelo ajustado. Limites de Predicción- Limites de predicción para nuevas observaciones en el nivel de confianza seleccionado (corresponde a los limites exteriores de la grafica del modelo ajustado. Limites de Confianza- Limites de confianza para el valor medio de Y en el nivel de confianza seleccionado (corresponde a los limites interiores de la grafica del modelo ajustado. Por ejemplo, en X = 3 weeks, la mejor predicción de la cantidad media chlorine disponible es.44, aunque esto podría ser fácilmente cualquiera entre.396 y.412. Adicionalmente, uno podría predecir con un 95% de confianza que cualquier muestra después de 3 de producida caería entre.362 y.446. Observado contra Predicho (izquierda inferior La parte inferior izquierda muestra una grafica de los valores observados de Y contra los valores predichos por el modelo ajustado. Si el modelo ajusta bien, los puntos deberían estar aleatoriamente esparcidos alrededor de la línea diagonal. Algunas veces es posible ver curvatura en esta gráfica, lo cual indicaría la necesidad de un modelo curvilíneo en lugar de uno lineal. Cualquier cambio en la variabilidad de valores pequeños de X a valores grandes de X puede también indicar la necesidad de transformar la variable dependiente antes de ajustar el modelo. En la grafica anterior, la variabilidad parece ser bastante constante. Aunque, alguna evidencia de curvatura es presente. Residuos Contra Número de Renglón (derecha inferior La parte derecha inferior muestra una grafica de observaciones contra numero de renglón el la hoja de datos. Cualquier patrón no aleatorio indicaría un factor inexplicable en los datos. Esto podría ser debido a tendencias en el tiempo (si los datos están en orden secuencial o la necesidad de un modelo curvilíneo (si la hoja de datos esta ordenada por X. Cálculos Para detalles en los cálculos realizados, ver la documentación de Regresión Simple. 25 por StatPoint, Inc. Ajustando Curva SnapStat - 8
Modelos de Calibración
Modelos de Calibración Resumen El procedimiento Modelos de Calibración esta diseñado para construir un modelo estadístico que describe la relación entre variables, X y Y, donde construir un modelo es construir
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detallesRegresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp
Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente
Más detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
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 detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
Más detallesRegresión No Lineal. StatFolio de ejemplo: nonlinear reg.sgp
Regresión No Lineal Resumen El procedimiento Regresión No Lineal ajusta una función especificada por el usuario relacionando una sola variable dependiente Y con una o más variables independientes X. El
Más detallesGráfico de Desgaste de Herramientas
Gráfico de Desgaste de Herramientas Resumen El procedimiento Gráfico de Desgaste de Herramientas crea cuadros de control para una sola variable numérica donde se espera que cambien las cantidades en un
Más detallesGráfico de Probabilidad Normal
Gráfico de Probabilidad Normal Resumen El Gráfico de Probabilidad Normal se usa para ayudar a juzgar si una muestra de datos numéricos proviene o no de una distribución normal. De no ser el caso, frecuentemente
Más detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesTransformaciones de Potencia
Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen
Más detallesSnapstat: Comparación de Varias Muestras
Snapstat: Comparación de Varias Muestras Resumen La Comparación de Varias Muestras en SnapStat crea un resumen de una página que compara dos o más muestras independientes de datos. Incluye pruebas para
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesMínimos Cuadrados Parciales
Mínimos Cuadrados Parciales Resumen El procedimiento Mínimos Cuadrados Parciales (PLS Partial Least Squares) está diseñado para construir un modelo estadístico que relaciona múltiples variables independientes
Más detallesPRÁCTICA 2: LA RECTA DE REGRESIÓN
PRÁCTICA 2: LA RECTA DE REGRESIÓN Los contenidos están organizados para que pueda avanzar a la vez que hacer los ejercicios propuestos en la práctica 2 del cuadernillo de práticas. Asegúrate de entender
Más detallesGráficos de Probabilidad
Gráficos de Probabilidad Resumen El procedimiento Gráficos de Probabilidad grafica los datos de una sola columna numérica en gráficas con una escala específica tal que, si los datos provienen de una distribución
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesAnálisis de Capacidad Multivariada
Análisis de Capacidad Multivariada Resumen El procedimiento Análisis de Capacidad Multivariada determina la probabilidad de que los puntos caracterizados por dos o más variables se encuentren establecidos
Más detallesGráfico de Medias Móviles (MA)
Gráfico de Medias Móviles (MA) Resumen El procedimiento Gráfico de Medias Móviles crea cuadros de control para una sola variable numérica donde los datos se han recolectado ya sea individualmente o en
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesGrafico Cusum (Mascara-V)
Grafico Cusum (Mascara-V) Resumen Los gráficos de sumas acumulativas monitorean datos por variables graficando las sumas acumulativas de las desviaciones al valor objetivo. Esto lo hace, incorporando la
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 detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesMétodo del Rango (Estudio del Calibrador Variables)
Método del Rango (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método del Rango calcula una estimación aproximada de la repetibilidad y reproducibilidad combinada para un sistema
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesAnálisis de Tendencia de los Costos de Calidad
Análisis de Tendencia de los Costos de Calidad STATGRAPHICS Rev. 9/14/2006 Resumen El Análisis de Tendencia de los Costos de Calidad ilustra los costos de una calidad pobre construyendo un grafico que
Más detallesEstadísticas por Filas
Estadísticas por s Resumen El procedimiento Estadísticas por s calcula estadísticas para datos en filas de la hoa de datos. Esto contrasta con la mayoría de los procedimientos de STATGRAPHICS que esperan
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesCorrelaciones Canónicas
STATGRAPHICS Rev. 9/14/006 Correlaciones Canónicas Resumen El procedimiento Correlaciones Canónicas esta diseñado para ayudar a identificar asociaciones entre dos conjuntos de variables. Esto lo hace encontrando
Más detallesMétodo de Análisis del Riesgo (Estudio del Calibrador Atributos)
Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Resumen El Método de Análisis del Riesgo cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos
Más detallesGráficos X-Bar y S. StatFolio de Muestra: xbarschart.sgp
Gráficos X-Bar y S Resumen El procedimiento Gráficos X-Bar y S crea gráficos de control para una simple variable numérica cuando los datos han sido recabados en subgrupos. Crea un Gráfico X-bar para monitorear
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 detallesGráfico de Control T-Cuadrada Multivariada
Gráfico de Control T-Cuadrada Multivariada STATGRAPHICS Rev. 25/04/2007 Resumen El procedimiento Gráfico de Control T-Cuadrada Multivariada crea diagramas de control para dos o más variables numéricas.
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesGráfico Arrhenius. Ejemplo StatFolio: arrhenius.sgp
Gráfico Arrhenius Resumen El procedimiento del Gráfico Arrhenius se diseña para dibujar datos de una prueba de vida acelerada en la cual se ha registrado los tiempos de falla y se estiman percentiles de
Más detallesGráficos EWMA. Ejemplo StatFolio: ewmachart.sgp
Gráficos EWMA Resumen El procedimiento del Gráfico EWMA (Exponentially Weighted Moving Average - Promedios Móviles Exponencialmente Ponderados) construye un gráfico de control para una sola variable numérica
Más detallesMétodo Teoría de la Señal (Estudio del Calibrador Atributos)
Método Teoría de la Señal (Estudio del Calibrador Atributos) Resumen El Método Teoría de la Señal cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos en
Más detallesMétodo ANOVA (Estudio del Calibrador Variables)
Método ANOVA (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método ANOVA estima la repetibilidad y reproducibilidad de un sistema de medición basándose sobre un estudio en el
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesRegresión Lineal Múltiple. Dr. Víctor Aguirre Torres, ITAM. Guión 12.
Regresión Lineal Múltiple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función del cambio simultáneo otras variables (x 1, x 2,..., x p ). y=variable dependiente (cuantitativa)
Más detallesAjustando Distribución (Datos Censurados)
Ajustando Distribución (Datos Censurados) STATGRAPHICS Rev. 9/14/2006 Resumen El procedimiento Ajustando Distribución (Datos Censurados) ajusta cualquiera de las 45 distribuciones de probabilidad a una
Más detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesque represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.
Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesHistogramas. Ejemplo StatFolio: histogram.sgp
s Resumen El ilustra la distribución de lo valores de una variable numérica agrupando los datos en intervalos y graficando barras en las cuales la altura es proporcional al numero de observaciones en cada
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 detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesMétodo Analítico (Estudio del Calibrador Atributos)
Método Analítico (Estudio del Calibrador Atributos) STATGRAPHICS Rev. 9/4/2006 Resumen El Método Analítico estima la repetibilidad y sesgo de un sistema de medición donde las observaciones consisten de
Más detallesPráctica 4 EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables
EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables Marco elementos atípicos: b) Obtener la recta de regresión y comprobar
Más detallesGrafico de Cajas y Bigotes
Grafico de Cajas y Bigotes Resumen El procedimiento del Gráfico de Cajas y Bigotes crea un gráfico diseñado para ilustrar propiedades importantes de una columna de datos numérica. El primero en describirlo
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
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 detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesMétodo del Rango y Promedio (Estudio del Calibrador - Variables)
STATGRAPHICS Rev. 9/14/006 Método del Rango y Promedio (Estudio del Calibrador - Variables) Resumen El Método del Rango y Promedio estima la repetibilidad y reproducibilidad de un sistema de medición basado
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 detallesRegresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.
Regresión Lineal Simple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2
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 detallesGráfico Múltiple de Caja y Bigotes
Gráfico Múltiple de Caa y Bigotes Resumen El procedimiento Gráfico Múltiple de Caa y Bigotes crea un gráfico diseñado para ilustrar Características importantes de una columna de datos numéricos cuando
Más detallesDiseño de Experimentos Diseños de un Solo Factor Categórico
Diseño de Experimentos Diseños de un Solo Factor Categórico Resumen La selección de Diseños de un Solo Factor Categórico sobre el menú de Crear un Diseño crea diseños experimentales para situaciones donde
Más detallesEjemplo de Regresión Lineal Simple
Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3
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 detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesEVALUACIÓN DE LA EFICACIA DE UN INSECTICIDA BIOLÓGICO MEDIANTE ANÁLISIS PROBIT
EVALUACIÓN DE LA EFICACIA DE UN INSECTICIDA BIOLÓGICO MEDIANTE ANÁLISIS PROBIT Nereida Delgado Puchi Instituto de Zoología Agrícola Facultad de Agronomía Universidad Central de Venezuela Introducción Estudios
Más detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
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 detallesDiseño de Experimentos Optimización de Múltiples Respuestas
Diseño de Experimentos Optimización de Múltiples Respuestas Resumen La selección de Optimización de Múltiples Respuestas sobre el menú DDE permite al experimentador determinar las configuraciones de los
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 detallesSelección del Modelo de Regresión
Selección del Modelo de Regresión Resumen El procedimiento Selección del Modelo de Regresión está diseñado para ayudar a elegir las variables independientes que se usarán para construir un modelo de regresión
Más detallesSelección Diseño de Cribado
Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se
Más detallesGráfico ARIMA. Ejemplo StatFolio: ARIMA charts.sgp
Gráfico ARIMA Resumen El procedimiento del Gráfico ARIMA (AutoRegressive Integrated Moving Average - Promedio Móvil Integrado Auto-Regresivo) crea gráficos de control para una sola variable numérica donde
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Transformación de datos Introducción La idoneidad de las inferencias realizadas depende de la validez de los supuestos del modelo propuesto. Los tres supuestos
Más detallesMPG City (MPG en Ciudad)
Gráfica de Matriz Resumen El procedimiento Gráfica de Matriz crea gráficas de matriz para 3 o más variables numéricas. La diagonal de la matriz contiene gráficas de caja y bigotes para cada variable. Las
Más detallesAnálisis de Capabilidad (Porcentaje Defectuoso)
Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de
Más detallesQué es una regresión lineal?
Apéndice B Qué es una regresión lineal? José Miguel Benavente I. Introducción En varios capítulos de este libro se ocupan regresiones lineales y se afirma que el coeficiente de regresión indica cuánto
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
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 detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
Más detallesCurs de Modelització Estadística Bàsica amb Deducer. Anabel Blasco Ana Vázquez Anna Espinal Llorenç Badiella Oliver Valero
Curs de Modelització Estadística Bàsica amb Deducer Anabel Blasco Ana Vázquez Anna Espinal Llorenç Badiella Oliver Valero 1. Model de Regressió Lineal 2. Model ANOVA 3. Model Lineal General 4. Model de
Más detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesTema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 8 de noviembre de 2010 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal
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 detallesSnapStat: Análisis de Una Muestra
SnapStat: Análisis de Una Muestra Resumen La SnapStat Análisis de Una Muestra crea un resumen en una hoja de una sola columna de datos numéricos. Calcula estadísticas de resumen e intervalos de confianza,
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
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 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 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 detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesINDICE 1. Introducción 2. Recolección de Datos Caso de estudio
INDICE Prefacio XIX 1. Introducción 1 1.1. Qué es la estadística moderna? 2 1.2. El crecimiento y desarrollo de la estadística moderna 2 1.3. Pensamiento estadístico y administración moderna 4 1.4. Estudios
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesDiagrama de Barras Múltiple
Múltiple El procedimiento Múltiple grafica dos o más columnas de totales o frecuencias ya sea utilizando barras horizontales o verticales. Si lo desea, pueden agregarse barras de error para desplegar el
Más detalles