Dgfsdfg
Páginas: 7 (1600 palabras)
Publicado: 19 de noviembre de 2012
Bondad de Ajuste
χ2= (oi – ei)2ei
Criterio de Rechazo: χ2 > χ2 con v=k-1 y α .
1 Caso: Distribución Normal:
Ho: los datos se aproximan a una distribución normal.
H1: los datos no se aproximan a una distribución normal.
Frecuencias esperadas:
e1: z*= Li - μσ solo con el Li. Saco P(Z<z*)*n = ei (un decimal).
ek = Ls - μσ solo con el Ls.Saco P(Z>z*) = 1- P(Z<ei)*n = ei (un decimal).
ei:
z1*= Li - μσ z2*= Ls - μσ
P(Z<z1) - P(Z<z2) = P Pxn = ei (un decimal).
Agrupo los ei < 5.
Calculo χ2 .
2 Caso: Distribución Poisson:
Ho: los datos se aproximan a una distribución poisson.
H1: los datos no se aproximan a una distribución poisson.
μ =λtn
Saco las probabilidades con la tabla con μy x.
ei = p x n.
Agrupo los ei < 5.
Calculo χ2 .
3 Caso: Distribución con parámetros especificados:
Ho: P(y=i) = p ; i = 1,2,3…, k.
H1: P(y=i) <> p ; i = 1,2,3…, k.
T = x-npi2npi
Xi npi (xi-npi) (xi-npi)2 (xi-npi)2 /npi
Datos Categóricos:
*en categóricos no agrupo ei<5.
1. Prueba de Independencia.
Ho: ___ es independiente a ___ .
H1:___ no es independiente a ___ .
Frecuencias esperadas:
Total columna x total filaGran total
Grados de libertad: (r-1)x(c-1)
La suma de las frecuencias esperadas = χ2.
2. Pruebas de homogeneidad.
Ho: proporciones homogéneas.
H1: proporciones no homogéneas.
Frecuencias esperadas:
Total columna x total filaGran total
Grados de libertad: (r-1)x(c-1)
La suma de lasfrecuencias esperadas = χ2.
3. Pruebas para varias proporciones.
Ho: p1=p2=…=pk
H1: al menos una proporción pi es distinta.
Frecuencias esperadas:
Total columna x total filaGran total
Grados de libertad: (r-1)x(c-1)
La suma de las frecuencias esperadas = χ2.
Regresión Lineal
Pendiente:
b = xi-xprom(yi-yprom)xi-xprom2
Intersección:
a = yprom-b*xprom
y = bx+a
Otrasfórmulas:
Sxx = (xi-xprom)2
Syy = (yi-yprom)2
Sxy = xi-xprom(yi-yprom)
SEE = Syy-b*Sxy
s2 = SEEn-2
Intervalo de Confianza para la pendiente β:
b- t α/2*sSxx ≤ β ≤ b+ t α/2*sSxx
Prueba de Hipótesis para la pendiente β:
Ho: β = βo
H1: β ≠ βo
t = b- βosSxx
v=n-2.
Intervalo de Confianza para la intersección α:
a- t α/2*s * x2n*Sxx ≤ α ≤ a+ t α/2*s * x2n*Sxx
Prueba deHipótesis para la intersección α:
Ho: α = αo
H1: α ≠ αo
t = a- αos* x2n*Sxx
v=n-2
ANOVA:
Ho: β = βo
H1: β ≠ βo
Tabla ANOVA |
Fuente | Suma Cuad. | GL | Cuad. Medios | F cálculo |
Regresión | SSR | 1 | SSR | SSR / s2 |
Error | SSE | n-2 | s2 = SEEn-2 | |
Total | SST | n-1 | | |
Si f cálculo > f α, 1, n-2 , Ho se rechaza: modelo si es el adecuado.
SST=(yi-yprom)2
SSE= (yi-yˆ)2 SSR= (yˆ-yprom)2
ANOVA para modelos no lineales: cuando se repiten x con diferente y
Prueba de regresión:
Ho: β = βo
H1: β ≠ βo
Prueba de linealidad:
Ho: no existe falta de ajuste significativa.
H1: existe falta de ajuste significativa.
Tabla ANOVA |
Fuente | Suma Cuad. | GL | Cuad. Medios | F cálculo |
Regresión | SSR | 1 | SSR | SSR / s2 |Error | SSE | n-2 = k | | |
Falta de Ajuste | SSE – SSE puro | k-2 | SSE-SSE purok-2 | SSE-SSE puros2*k-2 |
Error Puro | SSE puro | n-k | s2= SSE puron-k | |
Total | SST | n-1 | | |
SSE puro = (yi-yprom)2 → de los y repetidos correspondientes.
Coeficiente de correlación:
r= SxySxx*Syy
Coeficiente de determinación: r2
(% de la variación total de los valores y que se explicanmediante su relación lineal con los valores x).
Regresión Lineal Múltiple
Ecuaciones normales:
nbo + Ex1b1 + Ex2b2 + Ex3b3 = Ey
Ex1b1 + Ex1x1b1 + Ex1x2b2 + Ex1x3b3 = Ex1y
Ex2b1 + Ex2x1b1 + Ex2x2b2 + Ex2x3b3 = Ex2y
Ex3b1 + Ex3x1b1 + Ex3x2b2 + Ex3x3b3 = Ex3y
bo b1 b2 b3 = y
Saco la inversa (minversa), f2, control, shitf, enter.
Multiplico por y (mmult).
y=bo+b1x1+b2x1+b3x3...
Leer documento completo
Regístrate para leer el documento completo.