Académique Documents
Professionnel Documents
Culture Documents
A. Recopilar la informacin
vlida
Obtencin de la informacin
Obtencin de la informacin
RECOLECCION
DE DATOS
b. ELABORACION
DE DATOS
Registros
R
R
||SISTEMAS DE |SEncuestasRCensal
S
RECOLECCION |
Muestral
T
S
T
||FUENTESRPrimaria Dato primario de primera mano
S
|T
TSecundaria Dato secundario de segunda mano
R
||ANALISIS
Anlisis
BIDIMEN
S
descriptivo |
||SIONAL
T
ANALISIS
R
Anlisis |
Tipo de asociacin Regresin mltiple
R
MULTIDI S
S
descriptivo |
- Grado de asociacin Correlacin mltiple
T
TMENSIONAL
Estimacin puntual
R
R
||ESTIMACION DE PARAMETROSS
ANALISIS
Estimacin por intervalo
T
S
Modelos Paramtricos
INFERENCIAL |
R
|TDOCIMASIA DE HIPOTESIS S
TModelos no Paramtricos
R
Boletines
R
||PUBLICACIONES PERIODICAS |SAnuarios
|TMemorias
PUBLICACION |
S
Artculos
DE DATOS
R
||
|Tesis
PUBLICACIONES OCASIONALESS
|T
|TResultados de investigaciones
Registro
(casos)
N
V1
20
V2
Atributo
(variables)
V3
V4
V5
2
A qu se
denomin
a Unidad
de
Anlisis?
3
4
5
6
Valor
(categora
s)
V.n
Fundamentos
Fundamentos
Fundamentos
Fundamentos
USOS DE RLS:
Para hacer predicciones futuras de Y, teniendo como base la
X.
Para ver si la variable (Y) depende de otra (X), estimando por
consiguiente la medida de dicha relacin o asociacin.
Para determinar la forma de la curva de la regresin.
Para conocer el error real implicado en un experimento,
despus que haya sido descontado el efecto de una variable
relacionada.
Sirve de base para el anlisis estadstico.
Fundamentos
EJEMPLOS:
Fundamentos
Variable
independiente
Yi 0 1X i i ,
i = 1,2,..., n
Error de
perturbacin
Parmetro que
indica la ordenada
de la lnea de
regresin
Pendiente de la
recta de regresin
( i ) 0
V( i )
2
i
cov( i , j ) 0,
i j
Para el EJEMPLO b)
Yi
E(Y) = 0 1 X i
Yj
j
.
i
Yi
X1
X2
X3
X4
Suposiciones en regresin
Xi
DIAGRAMA DE DISPERSIN:
Eje Y
Eje Y
Eje X
Lineal positiva
Eje X
Lineal negativa
Eje Y
Eje Y
Eje X
No Lineal
Eje X
Ninguna relacin
Yi 0 1X i i ,
i = 1,2,..., n
i = Yi 0 1X i
Vladimiro Ibaez Quispe, M.Sc.
a)
2
i
i=1
b)
i=1
2
i
i 1
i 1
n 0 1 X i Yi
n
i 1
i 1
i 1
0 X i 1 X 2i X i Yi
Vladimiro Ibaez Quispe, M.Sc.
PARMETROS ESTIMADOS:
Y X
0
1
n
i 1
(Xi X) (Yi Y)
n
i 1
X X
2
i
X Y nXY
i 1
n
X nX
i 1
2
i
Yi 0 1X i
Vladimiro Ibaez Quispe, M.Sc.
EJEMPLO:
Se llev a cabo un experimento
para estudiar el efecto de cierto
medicamento para disminuir la
frecuencia cardiaca en adultos. La
variable independiente es la dosis
en miligramos del medicamento, y
la variable dependiente es la
diferencia entre la frecuencia
cardiaca ms baja despus de la
administracin del medicamento y
un control antes de administrarlo.
Se reunieron los siguientes datos:
DOSIS
(mg) (X)
0.50
0.75
1.00
1.25
1.50
1.75
2.00
2.25
2.50
2.75
3.00
3.25
3.50
10
8
12
12
14
12
16
18
17
20
18
20
21
DIAGRAMA DE DISPERSIN
DIAGRAMA DE DISPERSI N PARA LA FREC UENC IA C ARDIAC A
23
21
19
17
15
13
11
9
7
5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4
26
,
Y
198
,
X
Y
442
.
5
,
X
63
.
375
,
Y
i
i
ii
i
i 3226
13
X Y nXY
i i
i 1
13
2
2
X
nX
i
4.087912088
63.375 13( 4 )
i 1
Yi 7.054945054 4.087912088 X i
LATIDOS/MINUTO
Yi 7.054945054 4.087912088 X i
0.50
1.00
1.50
2.00
2.50
DOSIS (mg)
3.00
3.50
4.00
Signif
**
Variable
Intercept
X
Variable
Intercept
X
DF
1
11
12
Analysis of Variance
Sum of
Mean
Squares
Square
F Value Pr > F
190.08791
190.08791
103.41 <.0001
20.21978
1.83816
210.30769
1.35579
15.23077
8.90164
R-Square
Adj R-Sq
0.9039
0.8951
Parameter Estimates
Parameter Standard
DF Estimate
Error
t Value
Pr > |t|
1 7.05495
0.88757
7.95
<.0001
1 4.08791
0.40199
10.17
<.0001
Covariance of Estimates
Intercept
X
0.7877836449
-0.32319329
-0.32319329
0.1615966451
B. CORRELACIN (r)
Coeficiente de correlacin.
La correlacin lineal permite medir si hay
asociacin entre dos variables mide la
intensidad de dicha asociacin. Para ello es
importante que la muestra bivariado sea
tomada al azar, tanto para la variable X como
para la variable Y. La r de Pearson, se
ajusta al tipo de informacin cuantitativa. Los
valores del coeficiente de correlacin oscilan
entre +1 y 1.
rxy
X Y ( X )( Y ) n
( X ) n Y ( Y
i i
2
X
i
)2 n
r = 0.4 a r = 0.5
r = 0.6 a r = 0.7
r = 0.8 a r = 1.0
El coeficiente de correlacin:
rxy
X Y ( X )( Y ) n
( X ) n Y ( Y
i i
2
X
i
442.5 ( 26 )( 198 ) 13
( 63.375 ( 26 ) 13 )( 3226 ( 198 ) 13 )
2
)2 n
0.9507
1.00000
0.95071
<.0001
0.95071
<.0001
1.00000
C. COEFICIENTE DE DETERMINACIN
El coeficiente de determinacin, R 2, es el valor
cuadrado del coeficiente r de Pearson, y
representa la proporcin de la varianza
explicada por una variable respecto a la
varianza total. Se considera como medida del
grado de influencia de una variable frente a
otra variable.
Varianza Explicada
SCR
R r
x100
x100
Varianza Total
SCT
2
~2
COEFICIENTE DE DETERMINACIN AJUSTADO R
CME
~2
R 1
o
CMT
MSE
~2
R 1
MSTm
EJEMPLO:
SSRm 190.08791
R
x100 90.39%
SSTm 210.30769
2
MSE
183816
.
~2
R 1
1
89.51%
MSTm
17.525641
Yi 0 1 X i1 2 X i 2 k X ik i ; Y X
Estimacin de parmetros:
Se usa mtodo de Mnimos Cuadrados para
estimar los coeficientes de regresin. Supngase
que se dispone n>k observaciones, y X ij denota la
observacin isima o el nivel de la variable X j.
Yi 0 1 X i1 2 X i 2 k X ik i
k
0 j X ij i
j 1
i 1,2 ,...., N
( )
2
i
0 , 1 , , k
i 1
j 1
2 ( Yi 0 j X ij )( X ij ) 0,
j 1,2 ,..., k
Ecuaciones Normales:
N 0
0 X i1
i 1
0 X ik
i 1
1 X i1
i 1
N
1 X i21
i 1
2 X i 2
N
i 1
k X ik
N
i 1
2 X i1 X i 2 k X i1 X ik
i 1
1 X ik X i1 2 X ik X i 2
i 1
i 1
i 1
k X
i 1
2
ik
i 1
X
i 1
X
i 1
i1 i
ik i
Y1
Y1
YN
X
Nx1
1 X11
1 X21
1 X N1
X12 X1k
X22 X2k
XN 2 XNk
N( k 1)
y
( k 1 ) x1
Nx 1
PROPIEDADES.
a)
E ( ) 0, E ( Y ) X , Y E ( Y ) , Y E ( Y )
b)
1
1
N
N
i1
i 1
N
Xi1
Xi1
i 1
N
i 1
X X
i 1
ik
i 1
ik
X
N
i 1
X
i 1
N
Xi1
i1
i2
ik
X
N
Xi 2
X
i 1
i 1
X
i 1
Xi 2
ik
i1
Xik
X
i 1
2
ik
0
1
Y
N
i 1
X Y
i 1
N
i1 i
X Y
i 1
ik i
X en notacin
EJEMPLO:
En un estudio diseado para descubrir qu
factores podran estar relacionados con el
peso al nacer, se obtuvieron los siguientes
datos en 10 nios recin nacidos.
La informacin de 10 nios.
X'X
N
X i1
X i2
X
X
X X
i1
2
i1
i1
X 'Y X Y
X Y
i1 i
i2 i
X
X X
X
i2
i1
i2
26402
93361
51354
2
i2
i2
10 42 23
42 218 114
23 114 65
10 42 23
42 218 114
10
42
23
42 218 114
108
121
174
4639.55932 0
244.432203 1
422.932203 2
26402
93361
51354
F. de V.
H 0 : 0 vs. H a : 0
G.L.
S.S.
Regresin
r-1
Error Residual
N-r
Total
M.S.
SSRm
MSRm
r 1
SSE
MSE
rN
2
SST
Y
'
Y
NY
N-1
m
Fobs.
MSRm
MSE
Coeficiente de Determinacin: R2
SSRm
8247389.51
R
x100
( 100 ) 93.41%
SSTm
8829697.6
2
MSE
83186.87
~2
R 1
1
9152
. %
MSTm
981077.51
Variable
Intercept
X1
X2
Variable
Intercept
X1
X2
DF
1
1
1
Sum of
Squares
8247390
582308
8829698
DF
2
7
9
288.42134
2640.20000
Parameter
Estimate
4639.55932
-244.43220
-422.93220
X1
42
218
114
93361
R-Square
Adj R-Sq
X2
23
114
65
51354
Mean
Square
4123695
83187
0.9341
0.9152
Parameter Estimates
Standard
Error
t Value
Pr > |t|
220.64596
21.03
<.0001
70.83610
-3.45
0.0107
131.34350
-3.22
0.0147
Covariance of Estimates
Intercept
X1
48684.639043
-4478.65504
-4478.65504
5017.7524056
-9372.000361
-7215.610897
F Value
49.57
Y
26402
93361
51354
78536258
Pr > F
<.0001
X2
-9372.000361
-7215.610897
17251.115709
DISEOS FACTORIALES 2 K
1) DISEO FACTORIAL
22
Ejemplo: Experimento 2 2.
Se desea estudiar el efecto del tamao de broca
(factor A) y la velocidad (factor B) sobre la
vibracin de la ranuradora (respuesta Y). Se
decide utilizar un diseo factorial 2 2 con cuatro
rplicas, cuatro repeticiones en cada tratamiento,
lo que da un total de 4x22 = 16 corridas del
proceso, que se realizan en orden aleatorio. El
tamao de la broca se prueba en 1/16 y en 1/8 de
pulgada y la velocidad en 40 y 90 revoluciones
por segundo, segn se describe en la siguiente
tabla:
Ejemplo: Experimento 2 2.
Se desea estudiar el efecto del tamao de broca (factor A) y la
velocidad (factor B) sobre la vibracin de la ranuradora
(respuesta Y). Se decide utilizar un diseo factorial 22 con cuatro
rplicas, cuatro repeticiones en cada tratamiento, lo que da un
total de 4x22 = 16 corridas del proceso, que se realizan en orden
aleatorio. El tamao de la broca se prueba en 1/16 y en 1/8 de
pulgada y la velocidad en 40 y 90 revoluciones por segundo, segn
se describe en la siguiente tabla:
Grfico de Interacciones:
Dentro de esta grfica, realice clic con el botn derecho del mouse, y
aparece: opciones de ventana y marcar en el TIPO: la opcin CUADRADO:
REALIZAR LA PREDICCIN:
Y(-1,1) = 23.8312 + 8.31875(-1) + 3.76875(1) + 4.35625(-1)(1) = 14.92
VERIFICACIN DE SUPUESTOS.
2) DISEO FACTORIAL
23
GRAFICO DE PARETO:
GRAFICO DE DANIEL:
5) FACTORIALES 2 k EN BLOQUES.