ESTADISTICA_PARAMETRICA
Páginas: 12 (2915 palabras)
Publicado: 17 de noviembre de 2015
Tema 3: Introducción a la
Estadística Paramétrica
Coeficientes de correlación
Regresión lineal
Prueba t
1
Bioestadística. ..
Tema 3: Estadística bivariante
2
Análisis paramétricos
Coeficiente de correlación de Pearson
Analiza la relación entre dos variables
medidas en un nivel por intervalos o de razón.
Se simboliza con:r
Ejemplos: A mayor X, mayor Y.
A mayor X,menor Y.
Lahipótesis de investigación señala que la
correlación es significativa.(No identifica
causalidad)
Puede variar de -1.00 a +1.00
Análisis parámetricos
Regresión lineal
Es un modelo estadístico para estimar el
efecto de una variable sobre otra.
Está asociado con el coeficiente de
correlación de Pearson.
Brinda la oprtunidad de predecir las
puntuaciones de una variable tomando laspuntuaciones de la otra variable.
Análisis paramétricos
Prueba t
Es una prueba estadística para evaluar
si dos grupos difieren entre si de
manera significativa respecto a sus
medias en una variable.
Se simboliza con :t.
La hipótesis de inv.propone que los dos
grupos difieren de manera significativa,y
la hipótesis nula que los dos grupos no
difieren.
Análisis paramétricos:
Coeficientes decorrelación
Relaciones entre variables y regresión
El término regresión fue introducido por Galton en su libro
“Natural inheritance” (1889) refiriéndose a la “ley de la regresión
universal”:
“Cada peculiaridad en un hombre es compartida por sus
descendientes, pero en media, en un grado menor.”
Regresión a la media
Su trabajo se centraba en la descripción de los rasgos físicos delos descendientes (una variable) a partir de los de sus padres (otra
variable).
Pearson (un amigo suyo) realizó un estudio con más de 1000
registros de grupos familiares observando una relación del tipo:
Altura del hijo = 85cm + 0,5 altura del padre (aprox.)
Conclusión: los padres muy altos tienen tendencia a tener hijos que
heredan parte de esta altura, aunque tienen tendencia a acercarse(regresar) a la media. Lo mismo puede decirse de los padres muy
bajos.
Francis Galton
•Primo de Darwin
•Estadístico y aventurero
•Fundador (con otros) de
la estadística moderna
para explicar las teorías
de Darwin.
Hoy en día el sentido de regresión es el de predicción de una
medida basándonos en el conocimiento de otra.
7
Qué vamos a estudiar
Tratar diferentes formas de describir larelación entre dos
variables cuando estas son numéricas.
Estudiar si hay relación entre la altura y el peso.
Haremos mención de pasada a otros casos:
Alguna de las variables es ordinal.
Hay más de dos variables relacionadas.
Estudiar la relación entre el sobrepeso y el dolor de espalda
(ordinal)
¿Conocer el peso de una persona conociendo su altura y
contorno de cintura?
¿Hay relaciónentre fumar y padecer enfermedad de pulmón?
8
Estudio conjunto de dos variables
A la derecha tenemos una posible manera de recoger los
datos obtenido observando dos variables en varios
individuos de una muestra.
En cada fila tenemos los datos de un individuo
Cada columna representa los valores que toma una variable
sobre los mismos.
Las individuos no se muestran en ningúnorden particular.
Dichas observaciones pueden ser representadas en un
diagrama de dispersión (‘scatterplot’). En ellos, cada
individuos es un punto cuyas coordenadas son los valores
de las variables.
Altura
en cm.
Peso
en Kg.
162
61
154
60
180
78
158
62
171
66
169
60
166
54
176
84
163
68
...
...
Nuestro objetivo será intentar reconocer a partir del
mismo si hay relación entrelas variables, de qué tipo, y si
es posible predecir el valor de una de ellas en función de
la otra.
9
Diagramas de dispersión o nube de puntos
Tenemos las alturas y los pesos de 30 individuos representados en un diagrama de
dispersión.
Pesa 50 kg.
Mide 161 cm.
Mide 187 cm.
Pesa 76 kg.
10
Relación entre variables.
Tenemos las alturas y los pesos de 30 individuos representados en un...
Estadística Paramétrica
Coeficientes de correlación
Regresión lineal
Prueba t
1
Bioestadística. ..
Tema 3: Estadística bivariante
2
Análisis paramétricos
Coeficiente de correlación de Pearson
Analiza la relación entre dos variables
medidas en un nivel por intervalos o de razón.
Se simboliza con:r
Ejemplos: A mayor X, mayor Y.
A mayor X,menor Y.
Lahipótesis de investigación señala que la
correlación es significativa.(No identifica
causalidad)
Puede variar de -1.00 a +1.00
Análisis parámetricos
Regresión lineal
Es un modelo estadístico para estimar el
efecto de una variable sobre otra.
Está asociado con el coeficiente de
correlación de Pearson.
Brinda la oprtunidad de predecir las
puntuaciones de una variable tomando laspuntuaciones de la otra variable.
Análisis paramétricos
Prueba t
Es una prueba estadística para evaluar
si dos grupos difieren entre si de
manera significativa respecto a sus
medias en una variable.
Se simboliza con :t.
La hipótesis de inv.propone que los dos
grupos difieren de manera significativa,y
la hipótesis nula que los dos grupos no
difieren.
Análisis paramétricos:
Coeficientes decorrelación
Relaciones entre variables y regresión
El término regresión fue introducido por Galton en su libro
“Natural inheritance” (1889) refiriéndose a la “ley de la regresión
universal”:
“Cada peculiaridad en un hombre es compartida por sus
descendientes, pero en media, en un grado menor.”
Regresión a la media
Su trabajo se centraba en la descripción de los rasgos físicos delos descendientes (una variable) a partir de los de sus padres (otra
variable).
Pearson (un amigo suyo) realizó un estudio con más de 1000
registros de grupos familiares observando una relación del tipo:
Altura del hijo = 85cm + 0,5 altura del padre (aprox.)
Conclusión: los padres muy altos tienen tendencia a tener hijos que
heredan parte de esta altura, aunque tienen tendencia a acercarse(regresar) a la media. Lo mismo puede decirse de los padres muy
bajos.
Francis Galton
•Primo de Darwin
•Estadístico y aventurero
•Fundador (con otros) de
la estadística moderna
para explicar las teorías
de Darwin.
Hoy en día el sentido de regresión es el de predicción de una
medida basándonos en el conocimiento de otra.
7
Qué vamos a estudiar
Tratar diferentes formas de describir larelación entre dos
variables cuando estas son numéricas.
Estudiar si hay relación entre la altura y el peso.
Haremos mención de pasada a otros casos:
Alguna de las variables es ordinal.
Hay más de dos variables relacionadas.
Estudiar la relación entre el sobrepeso y el dolor de espalda
(ordinal)
¿Conocer el peso de una persona conociendo su altura y
contorno de cintura?
¿Hay relaciónentre fumar y padecer enfermedad de pulmón?
8
Estudio conjunto de dos variables
A la derecha tenemos una posible manera de recoger los
datos obtenido observando dos variables en varios
individuos de una muestra.
En cada fila tenemos los datos de un individuo
Cada columna representa los valores que toma una variable
sobre los mismos.
Las individuos no se muestran en ningúnorden particular.
Dichas observaciones pueden ser representadas en un
diagrama de dispersión (‘scatterplot’). En ellos, cada
individuos es un punto cuyas coordenadas son los valores
de las variables.
Altura
en cm.
Peso
en Kg.
162
61
154
60
180
78
158
62
171
66
169
60
166
54
176
84
163
68
...
...
Nuestro objetivo será intentar reconocer a partir del
mismo si hay relación entrelas variables, de qué tipo, y si
es posible predecir el valor de una de ellas en función de
la otra.
9
Diagramas de dispersión o nube de puntos
Tenemos las alturas y los pesos de 30 individuos representados en un diagrama de
dispersión.
Pesa 50 kg.
Mide 161 cm.
Mide 187 cm.
Pesa 76 kg.
10
Relación entre variables.
Tenemos las alturas y los pesos de 30 individuos representados en un...
Leer documento completo
Regístrate para leer el documento completo.