EL COEFICIENTE DE CORRELACION DE RANGOS DE SPEARMAN

Slides:



Advertisements
Presentaciones similares
MSP César Eduardo Luna Gurrola
Advertisements

ANALISIS PARAMÉTRICOS
Tema 5: Asociación. 1. Introducción. 2. Tablas y gráficas bivariadas.
Correlaciones bivariadas y correlaciones parciales
Instructor: Lic. Cristian R. Arroyo L.
Lic. Cristian R. Arroyo López
Técnicas para el análisis de datos en el enfoque cuantitativo
Técnicas para el análisis de datos en el enfoque cuantitativo
Error Estándar de la Media
Correlación ©1997-Sep-06 Pedro Juan Rodríguez Esquerdo Departamento de Matemáticas UPR Río Piedras.
Estadísticas Inferenciales Capítulo 10
Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza.
Coeficiente de Correlación por Rangos Ordenados de Spearman
Regresión y correlación
Uso de pruebas estadísticas paramétricas y no paramétricas
Correlación 1.
Bioestadística Aplicada I
Metodología de la evaluación y estadística aplicada
Estadística Descriptiva: 4. Correlación y Regresión Lineal
Tema 1- Regresión lineal simple.
Estadística Descriptiva: 4. Correlación y Regresión Lineal Ricardo Ñanculef Alegría Universidad Técnica Federico Santa María.
Estadística bidimensional
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE
Clases 5 Pruebas de Hipótesis
MEDIDAS DE CORRELACIÓN
Facultad: Turismo Y Hotelería
Análisis no paramétricos
Regresión y Correlación
UNIVERSIDAD AUTONOMA DEL PERÚ
Tests de hipótesis Los tres pasos básicos para testear hipótesis son
CORRELACION Y REGRESION LINEAL: Introducción
Pronósticos, Series de Tiempo y Regresión
REGRESION LINEAL III Mario Briones L. MV, MSc 2005.
Bioestadística Francisco Javier Barón López Dpto. Medicina Preventiva
Tema 7: Regresión Simple y Múltiple. EJEMPLO: Aproxima bien el número de préstamos que efectúa una biblioteca a lo largo de su primer año de vida. Nos.
DISTRIBUCION NORMAL Mario Briones L. MV, MSc 2005.
El promedio como variable aleatoria: error estándar e intervalo de confianza para la media de la muestra Mario Briones L. MV, MSc 2005.
Previsión de Ventas. Métodos no paramétricos Previsión de Ventas. Tema 2. 1 Antonio Montañés Bernal Curso
CORRELACION Y REGRESION LINEAL: Introducción
Variables estadísticas bidimensionales
Medidas de asociación entre dos variables
Análisis de Datos en Economía
Diseño de EXPERIMENTOS
CONTRASTE DE HIPOTESIS
“Tablas de Contingencia y medidas de asociación”
DISTRIBUCIONES DE PROBABILIDAD
REGRESION LINEAL II Mario Briones L. MV, MSc
coeficientes de correlación de
PRUEBAS ESTADISTICAS NO PARAMETRICAS
COMPROBACION DE HIPOTESIS SOBRE DOS PROMEDIOS Mario Briones L. MV, MSc 2005.
Modelos lineales: trabajaremos con los siguientes datos Nota: Los datos bájelos del taller 2 de la Web del curso.
Análisis de los Datos Cuantitativos
La distribución normal
BASES PARA EL RAZONAMIENTO EN ESTADÍSTICA INFERENCIAL
ESTIMACIÓN DE PARÁMETROS
Variables estadísticas bidimensionales
REPASO DE ESTADISTICA Supóngase que aplicamos un cuestionario de nueve preguntas a un grupo de 30 alumnos y que sus resultados fueran los siguientes: 4.
Ejercicios Dado un conjunto de datos, aplicar el Criterio de Fourier para desechar los posibles valores atípicos.
Correlación ρ (rho) r.
TEMA 3: Estadística Bidimensional.
Técnicas de recolección y análisis de datos
Introducción a la Inferencia Estadistica Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff.
Capítulo 10 Análisis de los datos.
MEDIDAS DE TENDENCIA CENTRAL
Germán Fromm R. 1. Objetivo Entender los diseños metodológicos predictivos 2.
Pruebas paramétricas y no paramétricas
ESTADISTICA DESCRIPTIVA BIVARIADA MEDIDAS DE RELACIÓN ENTRE VARIABLES CUANTITATIVAS.
Licenciatura en Psicopedagogía: Métodos, Diseños y Técnicas de Investigación Psicológica Tema 9 Fiabilidad de las puntuaciones.
TEMA 7 ANÁLISIS DE LOS RESULTADOS TEMA 7 ANÁLISIS DE LOS RESULTADOS.
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
Transcripción de la presentación:

EL COEFICIENTE DE CORRELACION DE RANGOS DE SPEARMAN Mario Briones L. MV, MSc 2005

El coeficiente de correlación de Pearson está construido para ser utilizado con datos que tengan distribución normal y escala de medición de intervalo. Requiere que la muestra esté tomada de una población en que ambas variables estén normalmente distribuidas.

Otro requerimiento del coeficiente de correlación lineal de Pearson es el supuesto de que la relación o tendencia entre ambas variables es lineal.

Cuando la muestra sugiere que la poblaciónen la cual han sido tomadas ambas muestras no satisface estos supuestos, es posible calcular una medida de asociación basada en rangos en lugar de los valores reales de las observaciones.

Coeficiente de correlación de rangos de Spearman Estadígrafo no paramétrico, no requiere que las observaciones hayan sido tomadas desde una población con distribución normal.

Asociación entre dos variables sin asumir distribución normal:

Idea tras el cálculo del coeficiente: Los valores de ambas variables se ordenan en orden creciente (o decreciente), tomando en cuenta los signos de los valores. A continuación se puede calcular la correlación de Pearson entre los rangos y no las observaciones.

Fórmula equivalente para el coeficiente de correlación de Spearman: d es la diderencia de los dos rangos asociados con cada punto

Ejemplo:

Fragmento de tabla de valores críticos de Spearman Si el número de pares es mayor que 30, calcule el valor crítico de la sgte. forma: Haga doble click en la tabla para leer los valores hasta 30