Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 Estadística Introducción ¿Qué es la estadística? Es una Ciencia que explica y provee de herramientas para trabajar con datos, ha experimentado un gran desarrollo a lo largo de los últimos años. ¿En qué áreas se aplica la estadística? Actualmente se aplica en todas las áreas del saber, por ejemplo en Sociología, Educación, Psicología, Administración, Economía, Medicina, Ciencias Políticas, entre otras. Ejemplos de su aplicación son: 1) En Administración de Empresas: la estadística se utiliza para evaluar un producto antes de comercializarlo. 2) En Economía: para medir la evolución de los precios mediante números índice o para estudiar los hábitos de los consumidores a través de encuestas de presupuestos familiares. 2 Estadística Introducción Ejemplos de su aplicación son: 3) En Ciencias Políticas: para conocer las preferencias de los electores antes de una votación mediante sondeos y así orientar las estrategias de los candidatos. 4) En Sociología: para estudiar las opiniones de los colectivos sociales sobre temas de actualidad. 5) En Psicología: para elaborar las escalas de los test y cuantificar aspectos del comportamiento humano (por ejemplo los test que se aplican a los candidatos para un cargo en una empresa). 6) En Medicina: uno entre muchos usos de la estadística, es para determinar el estado de salud de la población. En general en las Ciencias Sociales, la estadística se emplea para medir las relaciones entre variables y hacer predicciones sobre ellas. 3 Estadística Introducción Etapas de un estudio estadístico Un análisis estadístico se lleva a cabo siguiendo las etapas habituales en el llamado método científico cuyas etapas son: 1) Planteamiento del problema: consiste en definir el objetivo de la investigación y precisar el universo o población. 2) Recogida de la información: consiste en recolectar los datos necesarios relacionados al problema de investigación. 3) Análisis descriptivo: consiste en resumir los datos disponibles para extraer la información relevante en el estudio. 4) Inferencia estadística: consiste en suponer un modelo para toda la población partiendo de los datos analizados para obtener conclusiones generales. 5) Diagnóstico: consiste en verificar la validez de los supuestos del modelo que nos han permitido interpretar los datos y llegar a conclusiones sobre la población 4 Estadística Introducción Esquema de las etapas de un estudio estadístico AREA DE INTERES DATOS Tema de Investigación -Antecedentes Previos -Objetivos -Preguntas de Investigación -Posibles Hipótesis -Unidad de Análisis -Población -Variables ORGANIZAR Y RESUMIR ESTADÍSTICA DESCRIPTIVA (Tablas, Gráficos, Medidas Descriptivas, etc.) INTERPRETACIÓN INFERENCIA ESTADÍSTICA ¿Población o Muestra? CONCLUSIONES Población Muestra Probabilidad INFORMACIÓN 5 Estadística Introducción Ejemplos de algunos problemas a estudiar 1) Se quiere estudiar si en cierto colectivo existe discriminación salarial debida al sexo de la persona empleada. 2) Se quiere determinar el perfil de los trabajadores en términos de condiciones económicas y sociales en diferentes comunidades. 3) Se quiere estudiar el consumo de las personas de una zona determinada en cuanto a vestuario, alimentación, ocio y vivienda. 4) Se quiere determinar las tallas estándar en vestuario para mujeres españolas. 5) Se quiere determinar el tiempo que dedican al trabajo y a la familia los trabajadores de distintas empresas del país. 6) Se quiere determinar el perfil sociodemográfico de los estudiantes de una Universidad. 7) Se quiere estudiar el gasto en teléfono móvil mensual de los estudiantes de una Universidad, y si éste tiene alguna relación con su edad u otras características. 6 • VARIABLE: es lo que se va a medir y representa una característica de la UNIDAD DE ANÁLISIS. • ¿QUIÉNES VAN A SER MEDIDOS?: Los sujetos u objetos o Unidades de Análisis de una Población o una Muestra • POBLACIÓN : Es el total de unidades de análisis que son tema de estudio. Muestra: 60 trabajadores de empresas de comunicación Unidad de análisis: Trabajador de empresa de comunicación Variables: sexo, edad, salario, Nº de horas de trabajo, etc. Población: “Las personas que trabajan en empresas de comunicación” Estadística • MUESTRA: Es un conjunto de unidades de análisis provenientes de una población. Muestra Resumen de algunos conceptos planteados en la Introducción 7 TIPOS DE VARIABLES Variables Cuantitativas Variable: corresponde a la característica de la Unidad de Análisis Intervalo DISCRETA Variables Cualitativas CONTINUA Toma valores enteros Ejemplos: Número de Hijos, Número de empleados de una empresa, Número de asignaturas aprobadas en un semestre, etc. Toma cualquier valor dentro de un intervalo Ejemplos: Peso; Estatura; Temperatura, etc. Unidad de Medida: Gramos o Kilos para la variable Peso; Grados C o F para Temperatura ORDINALNOMINAL Característica o cualidad cuyas categorías no tienen un orden preestablecido. Ejemplos: Sexo, Deporte Favorito, etc. Característica o cualidad cuyas categorías tienen un orden preestablecido. Ejemplos: Calificación (S, N, A); Grado de Interés por un tema, etc. Estadística 8 Frecuencia: desde un conjunto de unidades, corresponde al Número o Porcentaje de veces que se presenta una característica. DISCRETA CONTINUA ORDINAL NOMINAL TIPO FRECUENCIA Frecuencia Absoluta (F) Frecuencia Relativa (f) Frecuencia Absoluta Acumulada (FAA) Frecuencia Relativa Acumulada (fra) DISCRETA CONTINUANOMINAL ORDINAL Variable Cuantitativa Variable Cualitativa Variable Cuantitativa Variable Cualitativa Estadística 9 Variables - Tipo de Industria: se clasifica en industria tipo A, B, C o D. (cualitativa nominal) - Nº de Empleados: se refiere al número de empleados en las líneas de producción. (cuantitativa discreta) - Superficie: se refiere a los metros cuadrados (unidad de medida) disponibles para las áreas de producción. (cuantitativa continua) - Calificación: calificación realizada por una institución pública sobre cumplimiento de ciertos estándares (Muy Bien, Bien, Regular, Mal). (cualitativa ordinal) Industria nº Tipo Nº Empleados Superficie Calificación 1 A 100 1000,6 Muy Bien 2 B 150 1200,4 Bien . . . . . . . . . . . . . . . 299 D 250 800,3 Mal 300 C 300 4000,2 Regular Problema de Investigación: Se quiere establecer el perfil de las industrias de conserva en función de algunas características. Unidad de Análisis: Industria de Conserva Población: Industrias de Conservas del país Datos EJEMPLO Estadística 10 EJEMPLO TABLAS DE FRECUENCIA Tipo de Industria Frecuencia Absoluta (Fj) Frecuencia Relativa (fj) Porcentaje (%) A B C D Total 300 1 100 Calificación Frec. Absoluta (Fj) Frec.Relativa (fj) o % Frec. Absol. Acum. (FAAj) Frec. Relat. Acum. (fraj) o % Muy Bien Bien Regular Mal 300 1 (o 100) Total 300 1 (o 100) Numero de Empleados Frec. Absoluta (Fj) Frec.Relativa (fj) o % Frec. Absol. Acum. (FAAj) Frec. Relat. Acum. (fraj) o % <100 [100-150[ . . [950-1000] 300 1 (o 100%) Total 300 1 (o 100%) Superficie (mt2) Frec. Absoluta (Fj) Frec.Relativa (fj) o % Frec. Absol. Acum. (FAAj) Frec. Relat. Acum. (fraj) o % <200 [200-400[ . . [50000-5200] 300 1 (o 100%) Total 300 1 (o 100%) (1) (2) (3) (4) Problema de Investigación: Se quiere establecer el perfil de las industrias de conserva en función de algunas características. Unidad de Análisis: Industria de Conserva Población: Industrias de Conservas del país Estadística 11 Elementos de una tabla de frecuencia cuando la variable es continua (x) Intervalo Centro de clase Amplitud F f FAA fra I1 c1 a1 I2 c2 a2 . . Ik ck ak n 1 Total n 1 [LI1 ; LS1 [ [LI2 ; LS2 [ [LIk ; LSk] aj = (LSj – LIj))cj = (LIj) + LSj )/2 Estadística 12 Ejercicio: confección de una tabla de frecuenciapara una variable continua 10,5 10,7 9,5 10,5 11,8 11,2 12,0 10,3 13,5 12,3 10,6 9,8 10,7 11,5 11,1 10,6 9,3 12,9 10,4 7,5 10,2 8,7 10,9 9,9 11,7 10,3 10,6 10,5 11,9 11,0 13,9 10,6 10,0 10,8 10,6 - 7,3 8,0 8,5 12,5 9,7 - Los datos corresponden a la edad de los hijos de los trabajadores de una empresa 7,3 9,7 10,4 10,6 11,1 12,3 7,5 9,8 10,5 10,6 11,2 12,5 8,0 9,9 10,5 10,7 11,5 12,9 8,5 10,0 10,5 10,7 11,7 13,5 8,7 10,2 10,6 10,8 11,8 13,9 9,3 10,3 10,6 10,9 11,9 - 9,5 10,3 10,6 11,0 12,0 - Datos ordenados de menor a mayor 1) Construya un Diagrama de Tallo y Hoja 2) ¿Cuál es la variable?; ¿Cuál es la Unidad de análisis?; ¿Cuánto vale n?; ¿Cuál es el rango de la variable?. 3) Sobre una Tabla de frecuencia: ¿Cuántos intervalos podría construir?; ¿Cuál es la amplitud de cada intervalo?; ¿Cuántas medidas de frecuencia puede obtener para cada intervalo?. 4) Construir tabla de frecuencia para la variable: Intervalos, centro de clase, amplitud, frecuencias. Realice la siguiente actividad Diagrama de Tallo y Hoja: permite organizar los datos de una variable medida sobre un conjunto de individuos. Su utilidad viene dada cuando no contamos con herramientas automáticas para ordenar los datos. Estadística 13 TIPOS DE GRÁFICOS 1. Gráfico de Sectores Circulares (de Torta) Distribución de las unidades de análisis de acuerdo a variable 1 A 20% D 10% C 40% B 30% Distribución de las unidades de análisis de acuerdo a variable 1 B 30% C 40% D 10% A 20% Distribución de las unidades de análisis de acuerdo a variable 1 B 30% C 40% D 10% A 20% Estadística 14 TIPOS DE GRÁFICOS 2. Gráfico de Barras Numero de unidades de análisis de acuerdo a variable 1 0 100 200 300 400 500 A B C D variable 1 N º Porcentaje de unidad de análisis de acuerdo a variable 1 0 20 40 60 80 100 A B C D va ri a b le 1 % unidad de análisis -Este tipo de gráfico se utiliza generalmente para representar la frecuencia de las categorías de una variable cualitativa. -Cuando una variable es cuantitativa se puede utilizar este tipo de gráfico sólo si la variable se ha transformada en categorías. -Hay distintas versiones de estos gráficos (por ejemplo en Excel), y en algunos casos son muy útiles para describir el comportamiento de una variable en distintos grupos. Proporción de unidad de análisis de acuerdo a variable 1 0 0,2 0,4 0,6 0,8 1 A B C D va ri a b le 1 Proporción de unidad de análisis Estadística 15 Histograma - Permite la representación de la frecuencia de una variable Cuantitativa. - El eje x se refiere a la variable. - El eje y se refiere a la frecuencia (Nº , %). - Cada barra representa la frecuencia de la variable en la población en estudio (o la muestra). -El histograma se puede construir desde los datos de la tabla de frecuencia de la variable en estudio. TIPOS DE GRÁFICOS 3. Histograma 1413121110987 15 10 5 0 edad F re c u e n c ia N º edad Histograma Distribución de los hijos de trabajadores de la empresa de acuerdo a edad Ejemplo En el gráfico se puede observar el número de hijos , de menor edad (7-8 años), las de mayor edad (13-14 años); y además que la mayoría de hijos de los trabajadores están entre los 10 y 12 años. Estadística 16 TIPOS DE GRÁFICOS 5. Polígono de Frecuencia edad 1413121110987 15 10 5 0 edad F re c u e n c ia N º Distribución de los hijos de trabajadores de la empresa de acuerdo a edad -Esta representación se basa en el Histograma. -Sólo es útil para variables cuantitativas. -El eje x se refiere a la variable. - El eje y se refiere a la frecuencia (Nº , %). -Los puntos que permiten la unión de las líneas representa el centro de clase (o marca de clase). Estadística 17 TIPOS DE GRÁFICOS 5. Diagrama de Caja - Permite identificar gráficamente la mediana, los cuartiles 1 y 3 (percentiles 25 y 75), mínimo y máximo de una variable. - Sólo es útil para variables cuantitativas. -El eje x permite identificar la poblacion en estudio. - El eje y representa los valores de la variable en estudio. Estadística 1473584N = HombresMujeres E d ad 100 90 80 70 60 50 40 30 20 10 0 Edad de las personas que se realizaron angioplastía entre 1980 y 2000 18 TIPOS DE GRÁFICOS 6. Otros Número de alumnos matriculados en la Carrera A según año de ingreso 0 20 40 60 80 100 1998 1999 2000 2001 2002 2003 año de ingreso N º d e a lu m n o s Número de alumnos matriculados en la Carrera B según año de ingreso 0 20 40 60 80 100 1998 1999 2000 2001 2002 2003 año de ingreso N º d e a lu m n o s Número de alumnos matriculados en las Carreras según año de ingreso 0 50 100 150 200 1998 1999 2000 2001 2002 2003 año ingreso N º d e a lu m n o s Carrera B Carrera A año de ingreso Carrera A Carrera B 1998 60 80 1999 55 70 2000 80 50 2001 40 60 2002 68 50 2003 70 75 Nº de alumnos Estadística 19 OBSERVACIONES * El Tipo de Gráfico seleccionado va a depender de la variable en estudio. * El Gráfico debe contener un Título General y la identificación de cada eje (variable en estudio y frecuencia). * En ocasiones resulta más ilustrativo un gráfico que una tabla de frecuencia. * Al igual que las tablas, los gráficos deben ser auto-explicativos. Variables Cuantitativas variablex i individuo elen variablela devalor ix ni ,...,1 ncccc n i 1 n i in n i i xccxcxcx 1 1 1 bxabaxbaxbax n i in n i i 1 1 1 )()()( 22 1 1 2 n n i i xxx 2 1 2 1 )()( n n i i xxx )()()( 11 1 nn n i ii yxyxyx )()()( 11 1 nn n i ii yxyxyx variabley i individuo elen variablela devalor iy NOTACION constantes:,, cba Estadística 20 MEDIDAS DE TENDENCIA CENTRAL -Media Aritmética (Promedio) -Mediana -Moda n x x n i i 1 Media Aritmética o Promedio Mediana )(EM kx 2 M )1()( E kk xx x 1x 2x nx Datos Cuantitativos x )1(x )2(x )(nx Datos Cuantitativos ordenados de menor a mayor Si n es par Si n es impar centro del dato)( kx repite" se más que dato el"Mo ModaDatos Cualitativos y Cuantitativos Estadística 21 Percentiles, Deciles o Cuartiles -Percentil (ejemplo: 25, 50, 75) -Decil (ejemplo: 4, 5, 8) -Cuartil (ejemplo: 1, 2, 3) El Decil va de 1 a 10 El Decil 4 (4/10): es el valor de la variable que reúne al menos el 40% de los datos Ejemplo: Si N=80, el 40% de 80 es 32; por lo tanto, se busca el dato que este en la posición 32. Si N=85, el 40% de 85 es 34; por lo tanto se busca el dato que este en la posición 34. Percentil, Decil o Cuartil: corresponde al valor que toma la variable (cuantitativa), cuando los n datos están ordenados de Menor a Mayor Estadística El Percentil va de 1 a 100 El percentil 25 (25/100): es el valor de la variable que reúne al menos el 25% de los datos Ejemplo: Si N=80, el 25% de 80 es 20; por lo tanto, se busca el dato que este en la posición 20. Si N=85, el 25% de 85 es 21,25; por lo tanto se busca el dato que este en la posición 22. El Cuartil va de 1 a 4 El Cuartil 3 (3/4): es el valor de la variable que reúne al menos el 75% de los datos Ejemplo: Si N=80, el 75% de 80 es 60; por lo tanto, se busca el dato que este en la posición 60. Si N=85, el 75% de 85 es 63,75; por lo tanto se busca el dato que este en la posición 64. 22 MEDIDAS DE DISPERSIÓN -Rango -Varianza -Desviación Estándar Rango Varianza x 1x 2x nx Datos Cuantitativos Coeficiente de Variación Comparación entre Variables Se refiere al comportamiento de las variables cuantitativas en un grupo. Por ejemplo: Si se tiene un conjunto de personas a las que se les mide Estatura, Peso, Edad: Entre estas variables ¿cuál presenta mayor variación? )min()max( ii xxR Desviación Típica o Estándar 2 1 21 1 221 2 2 1 )( 1 )( xx nn x n x n xx s n i i n i n i ii n i i 2ss x s cv Estadística 23 Estadística Otras medidas o Coeficientes -Asimetría -Kurtosis o Apuntamiento Además de la posición y la dispersión de los datos, otra medida de interés en una distribución de frecuencias es la simetría y el apuntamiento o kurtosis. Coeficiente de Asimetría 3 1 3)( sn xx CA n i i Si CA=0 si la distribución es simétrica alrededor de la media. Si CA<0 si la distribución es asimétrica a la izquierda Si CA>0 si la distribución es asimétrica a la derecha Coeficiente de Apuntamiento 4 1 4)( sn xx CAp n i i - Si CAp=0 la distribución se dice normal (similar a la distribución normal de Gauss) y recibe el nombre de mesocúrtica. - Si CAp>0, la distribución es más puntiaguda que la anterior y se llama leptocúrtica, (mayor concentración de los datos en torno a la media). - Si CAp<0 la distribución es más plana y se llama platicúrtica. 24 Estadística Otras medidas o Coeficientes -Asimetría -Kurtosis o Apuntamiento Ejemplos Histogramas con distinta asimetría y apuntamiento V2 7,06,05,04,03,02,01,0 14 12 10 8 6 4 2 0 Desv. típ. = 1,67 Media = 3,9 N = 30,00 V4 2,01,00,0-1,0 30 20 10 0 Desv. típ. = ,64 Media = 0,0 N = 30,00 V5 9,08,07,06,05,04,03,02,01,0 6 5 4 3 2 1 0 Desv. típ. = 2,42 Media = 5,2 N = 28,00 25 Estadística Otras medidas o Coeficientes -Asimetría -Kurtosis o Apuntamiento Ejemplos Media 3,9 Mediana 4 Moda 4 Desviación estándar 1,67 Varianza de la muestra 2,78 kurtosis -0,43 Coeficiente de asimetría -0,02 Rango 6 Mínimo 1 Máximo 7 Cuenta 30 V1 9,08,07,06,05,04,03,02,01,0 16 14 12 10 8 6 4 2 0 Desv. típ. = 1,77 Media = 5,4 N = 66,00 1 4 4 1 4 4 1 4 5 2 4 5 2 4 6 2 4 6 2 4 6 3 4 6 3 4 7 4 4 7 Datos Histograma Medidas descriptivas 26 Estadística Media, Desviación típica, Coeficientes de Asimetría y Apuntamiento para datos Agrupados (tabla de frecuencias) Intervalo Centro de clase Amplitud F f FAA fra I1 c1 a1 I2 c2 a2 . . Ik ck ak n 1 Total n 1 f1 f2 fk n1 n2 nk Tabla de frecuencia (para variable cuantitativa) 1) La Media para datos agrupados es igual a la suma de los productos de las marcas de clase por sus frecuencias relativas, de la forma: k j jjcc fcxMedia 1 Sea cj la marca de clase (o centro de clase) y fj la frecuencia relativa de la clase j, donde j=1, 2,…, k. 2) La Desviación típica para datos agrupados esta dada por: k j jcjc fxcs 1 2)( 3) El Coeficiente de Asimetría para datos agrupados esta dado por: 3 1 3)( c k j jcj c s fxc CA 4) El Coeficiente de apuntamiento para datos agrupados esta dada por: 4 1 4)( c k j jcj c s fxc CAp 27 Estadística Descripción de 2 variables cualitativas Distribución conjunta Tabla 1 Actividad Transporte Estudia Pensionado Trabaja Autobus 5 7 0 Bicicleta 3 3 2 Caminar 2 5 2 Coche 5 4 5 Metro 6 7 4 Transporte Nº % Autobus 12 20,0 Bicicleta 8 13,3 Caminar 9 15,0 Coche 14 23,3 Metro 17 28,3 TOTAL 60 100 Actividad Nº % Estudia 21 35,0 Pensionado 26 43,3 Trabaja 13 21,7 TOTAL 60 100 Problema Interesa estudiar cual es el principal medio de transporte preferido por un grupo de personas a la hora de dirigirse al centro comercial. Para esto se consultó a cada persona sobre la actividad a la que se dedicaba y el medio de transporte preferido. 28 Estadística Descripción de 2 variables cualitativas Distribución conjunta Nº de personas Actividad: confeccionar tabla con porcentajes respecto del total de personas (n=60) Tabla 2 Actividad Transporte Estudia Pensionado Trabaja TOTAL Autobus 5 7 0 12 Bicicleta 3 3 2 8 Caminar 2 5 2 9 Coche 5 4 5 14 Metro 6 7 4 17 TOTAL 21 26 13 60 29 Estadística Descripción de 2 variables cualitativas Distribución conjunta Nº de personas y % respecto de tipo de Transporte Tabla 3 Actividad Transporte Estudia Pensionado Trabaja TOTAL Autobus 5 7 0 12 % 41,7 58,3 0 100 Bicicleta 3 3 2 8 % 37,5 37,5 25 100 Caminar 2 5 2 9 % 22,2 55,6 22,2 100 Coche 5 4 5 14 % 35,7 28,6 35,7 100 Metro 6 7 4 17 % 35,3 41,2 23,5 100 TOTAL 21 26 13 60 % 35 43,3 21,7 100 30 Estadística Descripción de 2 variables cualitativas Distribución conjunta Nº de personas y % respecto de tipo de Actividad Tabla 4 Actividad Transporte Estudia Pensionado Trabaja TOTAL Autobus 5 7 0 12 % 23,8 26,9 0 20 Bicicleta 3 3 2 8 % 14,3 11,5 15,4 13,3 Caminar 2 5 2 9 % 9,5 19,2 15,4 15 Coche 5 4 5 14 % 23,8 15,4 38,5 23,3 Metro 6 7 4 17 % 28,6 26,9 30,8 28,3 TOTAL 21 26 13 60 % 100 100 100 100 31 MEDIDAS DE ASOCIACIÓN LINEAL - Covarianza - Correlación x 1x 2x nx Datos Cuantitativos Covarianza: Recordemos que: Hasta ahora hemos estudiado las medidas tendencia central (Media, Mediana, Moda) y dispersión (Varianza y Desviación Estándar) para una Variable Cuantitativa (x). Es una medida de Variabilidad Conjunta entre dos variables (x1 , x2) o bien (x , y) x y )1(x )(y 1 )2(x )(y 2 )(nx )n(y Si Cov(x,y) es positiva: la asociación entre x e y es directamente proporcional, es decir que cuando x aumenta y también aumenta; y viceversa. Si Cov(x,y) es negativa: la asociación entre x e y es inversamente proporcional, es decir que cuando x aumenta y disminuye; y viceversa. Si Cov(x,y) es cero: no existe asociación entre x e y. n i ii )yy)(xx( n )y,xcov( 1 1 Estadística 32 MEDIDAS DE ASOCIACIÓN LINEAL - Covarianza - Correlación Datos Cuantitativos Coeficiente de Correlación de Pearson (r): Mide el grado de Asociación Lineal entre dos variables Cuantitativas Se refiere al grado de asociación entre dos variables (x1 , x2) o bien (x , y) x y )1(x )(y 1 )2(x )(y 2 )(nx )n(y Si r es positivo: la asociación entre x e y es directamente proporcional, es decir que cuando x aumenta y también aumenta; y viceversa. Si r=1: la asociación lineal es perfecta. Si r es negativo: la asociación entre x e y es inversamente proporcional, es decir que cuando x aumenta y disminuye; y viceversa. Si r=-1: la asociación lineal es perfecta. Si r es cero: no existe asociación entre x e y. Correlación: 11 r yxss )y,xcov( r yx n i ii ss)n( yxnyx r 1 1 Estadística 33 r=1 r=-1 EJEMPLO : Representación gráfica de las variables x e y Estadística 34 Objetivo 2 Estudiar si los valores de una variable pueden ser utilizados para predecir el valor de la otra REGRESION LINEAL SIMPLE Datos Cuantitativos Determinar si existe relación entre las variables x e y: Coeficiente de Correlación Objetivo 1 Determinar si dos variables están asociadas y en qué sentido se da la asociación. Estudiar la dependencia de una variable respecto de la otra: Modelo de Regresión Términos Variable Respuesta (=variable dependiente) Variable Explicativa (=variable Independiente) Relación Lineal (modelo lineal) Parámetros (intercepto y pendiente) Intercepto (respuesta media) Pendiente (efecto de la variable explicativa sobre la respuesta) Error (residuo) x y )1(x )(y 1 )2(x )(y 2 )(nx )n(y Estadística 35 REGRESION LINEAL SIMPLE Datos Cuantitativos Notación Variable Respuesta: y Variable Explicativa: x Modelo de Regresión Lineal Simple: yi=+xi+ei Intercepto: Pendiente: Error: e x y )1(x )(y 1 )2(x )(y 2 )(nx )n(y Modelo Estimado (recta de regresión) bxay ˆ xbya 2 11 2 111 n i i n i n i i n i i n i xxn yxxyn b Método de Estimación: Mínimos Cuadrados iii yye ˆ Residuos o Errores Estadística 36 REGRESION LINEAL SIMPLE DATOS MODELO DE REGRESIÓN LINEAL SIMPLE yi=+xi+ei x y )1(x )(y 1 )2(x )(y 2 )(nx )n(y MODELO ESTIMADO bxay ˆ xbya 2 11 2 111 n i i n i n i i n i i n i xxn yxxyn b ESTIMADORES iii yye ˆ ERRORES Estadística 37 REGRESION LINEAL SIMPLE EJEMPLO: Aplicación del Modelo de Regresión Lineal Simple Problema 1: Se cuenta con las mediciones sobre la edad y la talla de 14 niños, y estamos interesados en determinar si existe algún tipo de relación entre la talla del niño y su edad. niño edad (meses) talla (cm) i xi yi 1 3 55 2 6 68 3 5 64 4 5 66 5 3 62 6 4 65 7 9 74 8 8 75 9 9 73 10 7 69 11 6 73 12 5 68 13 8 73 14 6 71 y=talla / x=edad / n=14 956 14 1 i iy 3,68y 6,5ys 84 14 1 i ix 6x 2xs 07,9),cov( yx 88,0xyr 5863 14 1 i ii yx 556 14 1 2 i ix Estadística 38 REGRESION LINEAL SIMPLE EJEMPLO: Aplicación del Modelo de Regresión Lineal Simple Problema 1: Se cuenta con las mediciones sobre la edad y la talla de 14 niños, y estamos interesados en determinar si existe algún tipo de relación entre la talla del niño y su edad. Modelo Estimado bxay ˆ 44,2b 64,53a xy 44,264,53ˆ Interpretación de los resultados - Existe asociación o dependencia entre la Talla del niño y la edad (r=0,88); a medida que la edad aumenta la talla aumenta. - Desde los resultados del modelo de regresión lineal simple, se tiene que la talla media de un niño es de 53,64 cm. Cuando la edad del niño (meses) aumenta en una unidad la talla se incrementa en 2,44 cm. Estadística 39 REGRESION LINEAL SIMPLE EJEMPLO: Aplicación del Modelo de Regresión Lineal Simple Problema 1: Se cuenta con las mediciones sobre la edad y la talla de 14 niños, y estamos interesados en determinar si existe algún tipo de relación entre la talla del niño y su edad. De acuerdo al coeficiente de determinación, el modelo ajustado a los datos es adecuado (R2 cercano a 1) Bondad de Ajuste del Modelo R 2 = 0,77 niño edad (meses) talla (cm) Talla estimada error i xi yi iŷ ie 1 3 55 61,0 -6,0 2 6 68 68,3 -0,3 3 5 64 65,8 -1,8 4 5 66 65,8 0,2 5 3 62 61,0 1,0 6 4 65 63,4 1,6 7 9 74 75,6 -1,6 8 8 75 73,2 1,8 9 9 73 75,6 -2,6 10 7 69 70,7 -1,7 11 6 73 68,3 4,7 12 5 68 65,8 2,2 13 8 73 73,2 -0,2 14 6 71 68,3 2,7 86,402)( 14 1 2 i ii yy 7,92)ˆ( 14 1 2 14 1 2 i i i ii eyy Estadística
Compartir