Clase 17 Introducción a la Estadística Universidad de la República Centro Universitario Regional del Este Pablo Inchausti Licenciatura en Gestión Ambiental.

Slides:



Advertisements
Presentaciones similares
DISEÑO DE EXPERIMENTOS EXPERIMENTOS DE COMPARACIÓN SIMPLE
Advertisements

ANOVA DE UN FACTOR.
Regresión mínimo cuadrada (I)
ESTADISTICA INFERENCIAL
Inferencia estadística
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Bivariadas y Multivariadas
Selección del modelo adecuado
Análisis de Regresión Lineal
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Regresión y correlación
Estadística Descriptiva: 4. Correlación y Regresión Lineal
Regresión lineal Es un modelo matemático para predecir el efecto de una variable sobre otra, ambas cuantitativas. Una variable es la dependiente y otra.
Regresión Lineal Simple
9 Regresión Lineal Simple
Regresión Linear Correlación de Pearson, r Regresión Múltiple Regresión Logística Regresión de Poisson.
Tema 2: Métodos de ajuste
Prueba de hipótesis Equivalencia entre la prueba de hipótesis y los intervalos de confianza Valor de probabilidad Valor de probabilidad unilateral Prueba.
Tests de hipótesis Los tres pasos básicos para testear hipótesis son
Análisis de supervivencia Tema 5 Itziar Aretxaga.
Clase 5 Hipótesis de diferencias de grupos
Clases 3 Pruebas de Hipótesis
Inferencia Estadística
Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA (593-9)
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Tema 17: Contraste paramétrico de hipótesis I: Pruebas de contraste para un grupo. Pruebas de contraste para dos grupos: independientes o relacionados.
ESTADÍSTICA BÁSICA EN ECOLOGÍA EVOLUTIVA Juan J. Soler Cruz Estación Experimental de Zonas Áridas Almería.
Inferencias con datos categóricos
Unidad V: Estimación de
Análisis de Varianza (I)
Métodos de calibración: regresión y correlación
Titular: Agustín Salvia
Análisis y diseño de experimentos
ESTIMACIÓN ESTADÍSTICA POR INTERVALO DE CONFIANZA
Análisis de la Varianza
Diseño Completamente Aleatorizado: ejemplo
Tema 5: Numéricas en varios grupos
Capítulo 1. Conceptos básicos de la Estadística
Regresión lineal simple
Regresión lineal múltiple
CO-2124 Análisis de Varianza con Un Criterio de Clasificación En clases anteriores se deseaba determinar si existían diferencias entre las medias de dos.
COMPARACION DE MEDIAS Para comparar media utilizando la prueba T hay Ttres opciones diferentes utilizando contrastes de hipotesis sobre : PARA UNA MUESTRA.
USO DEL “ANÁLISIS DE VARIANZA UNA-VÍA”, PARA:
ANÁLISIS DE REGRESIÓN SIMPLE
Análisis de los Datos Cuantitativos
Regresión Lineal Simple
BASES PARA EL RAZONAMIENTO EN ESTADÍSTICA INFERENCIAL
Estadística para la gestión educativa Conceptos básicos Mtra. Ing. Rosa María Lamadrid Velazco T.
CONTRASTES NO PARAMÉTRICOS
CONTRASTE DE HIPÓTESIS Dimensiones Largo275mm. 169 mm 2 Ancho175mm.49 mm 2 Alto175mm.49 mm 2 Peso16 Kg.1 Kg 2. SITUACIÓN PROBLEMA.
20. Comparación de promedios entre grupos Módulo IV: Análisis de datos numéricos Análisis de Datos Aplicado a la Investigación Científica
INFERENCIA ESTADÍSTICA
EPE MA 148 ESTADÍSTICA INFERENCIAL TEMA:
Universidad Nacional Autónoma de Honduras En el Valle de Sula Curso: Investigación Científica Para: Carrera de Medicina Facilitadora: Dra. Elba Morán.
DISEÑO Y ANALISIS DE EXPERIMENTOS DISEÑOS 2 A LA K CON PUNTOS CENTRALES.
Pruebas paramétricas y no paramétricas
DISEÑOS POR BLOQUES ALEATORIZADOS
Departamento de Informática Universidad Técnica Federico Santa María EconometríaEconometría Capitulo II.
(niveles o categorías)
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE. Temas Introducción Análisis de regresión (Ejemplo aplicado) La ecuación de una recta Modelo estadístico y suposiciones Estimación.
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
Tarea # 4 PRUEBAS DE HIPÓTESIS ESTADÍSTICAS. PRUEBA DE HIPÓTESIS Hipótesis es una aseveración de una población elaborado con el propósito de poner a prueba,
1 REGRESIÓN CON VARIABLES DICOTÓMICAS TEMA 1 (CONTINUACIÓN)
4. Métodos psicofísicos de medida en clínica
ANALISIS DE VARIANZA.
Evaluando los promedios de grupos distintos UNIDAD 7 1.
Transcripción de la presentación:

Clase 17 Introducción a la Estadística Universidad de la República Centro Universitario Regional del Este Pablo Inchausti Licenciatura en Gestión Ambiental

Programa del curso: 1. Estadística descriptiva. 2. Introducción a la probabilidad. 3. Estimación de parámetros de funciones de distr. de probabilidades. 4. Pruebas de hipótesis estadísticas. 5. Comparación de pares de medias y de varianzas. 6. Análisis de varianza de un factor. 7. Asociación y relación funcional entre variables. 8. Tests de bondad de ajuste (χ 2 ).

Tema 6: Clase 17 Análisis de varianza de un factor. 1. El Análisis de Varianza y el Modelo Lineal General. 2. Tests a posteriori de medias. 3. Suposiciones del Análisis de Varianza y su verificación.

1. El Análisis de Varianza y el Modelo Lineal General. arenosoarcillosolimoso Media ± SE La variable dependiente continua Y es el rendimiento. La variable dependiente continua Y es el rendimiento. La variable explicativa discreta  i es el tipo de suelo con i=1,2,3.La variable explicativa discreta  i es el tipo de suelo con i=1,2,3. El modelo estadístico es Y ij =  i +  ij, donde: Retomemos el ejemplo de la clase anterior: Se puede escribir:  i =  –  i, donde  es la media global y  i la media del grupo (=tipo de suelo)

Media del grupo i yiyiyiyi  i Media global y Observación j del grupo i y ij Y ij SignificadomuestraPoblación Y ij~ N(  i,  ) No varía con i El modelo estadístico Y ij =  i +  ij se puede reescribir como donde los errores aleatorios  i~ N(0,   ) y los  i = (  i ) representan las diferencias entre la media poblacional  y  i la media del grupo i. Como se indicó en la Clase 14: Las hipótesis estadísticas del Análisis de Varianza son: H 0 =:  1 =  2 =…  k H A : al menos una  i es diferente de las demás. se pueden re-escribir como: H 0 :  1 =  2 =…  k H A : al menos un  i es diferente de las demás. El Análisis de Varianza es un caso particular del Modelo Lineal General. Veamos la resolución de este ejemplo como Modelo Lineal General.

“Intercept” es la media del 1er nivel (suelo arcilloso) de la variable factorial “suelo” tomado como “referencia”. “suelo[T.arenoso]” es  1 : diferencia entre la media de arcilloso” y la media de “arenoso”. (idem para el otro) Escribiendo: Misma conclusión que antes.

2. Tests a posteriori de medias. Las hipótesis estadísticas del Análisis de Varianza son: H 0 :  1 =  2 =…  k H 1 : al menos una  i es diferente de las demás. En los dos análisis, se rechazó la hipótesis nula: al menos una media es distinta de las otras. ¿CUALES? Para responder a esta pregunta, hay que realizar los TESTS A POSTERIORI del Análisis de Varianza. Estos tests SOLAMENTE SE REALIZAN UNA VEZ QUE SE RECHAZA H 0 y son análogos a pruebas de T para pares de muestras independientes (con al nivel de significancia ajustado para que  TOT =0.05)

Los resultados son: Hay una diferencia estadísticamente significativa en el rendimiento promedio entre los suelos limoso y arenoso. El IC 95% de esta diferencia NO incluye al cero  se rechaza H 0.

3. Suposiciones del Análisis de Varianza y su verificación. Las suposiciones del Análisis de Varianza de una vía son: 1.Y tiene una distribución normal. 2.Las muestras son aleatorias e independientes. 3.Las varianzas de cada grupo son homogéneas (no difieren entre sí). Son exactamente las mismas suposiciones que para el test T de medias de dos muestras independientes y de hecho para cualquier otra instancia del Modelo Lineal General. Verificación de la homogeneidad de varianzas entre los grupos (=suelos): p-value >  =0.05. Las varianzas intra-grupo son homogéneas entre sí.

Verificación de la normalidad de la distribución de Y: OK: la mayoría de los puntos están cerca de la línea recta (de 45º) y dentro de la banda de 95% de confianza definida por las líneas punteadas.

De NO cumplirse las suposiciones del modelo del Análisis de Varianza: 1) Se podría transformar Y: la transformación logarítmica resuelve muchos (pero no todos) los problemas de falta de normalidad y homogeneidad de varianza. Se realiza el test con log(Y), no con Y. 2) En muchos casos, emplean Modelos Lineales Generalizados (no serán discutidos en este curso). 3) En otros casos, se utilizan tests estadísticos no paramétricos que no tienen las mismas suposiciones que Modelo Lineal General (no serán discutidos en este curso). El Análisis de Varianza es la base fundamental de todas las ideas de Diseño de Experimentos cuyo objetivo es planear los experimentos de manera que los datos apropiados puedan ser analizados para obtener resultados válidos, objetivos y relevantes. Se dictaría luego un curso de Estadística Avanzada donde se discutirían los aspectos más relevantes del Diseño de Experimentos, así como otros métodos más “avanzados” de análisis de datos.

Tema 6: Clase 17 Análisis de varianza de un factor. 1. El Análisis de Varianza y el Modelo Lineal General. 2. Tests a posteriori de medias. 3. Suposiciones del Análisis de Varianza y su verificación.