|
Created by Lucy Padilla Castillo
over 8 years ago
|
|
![]() |
Copied by Gonzalo Márquez
over 5 years ago
|
|
Question | Answer |
Variables continuas | En este curso se refiere a la variable de interés que generalmente está dada en unidades continuas, entendidas estas como las unidades longitudinales (m, cm, mm, nm, ft, km, etc), volumétricas (peso, m3, toneladas, gramos, miligramos, etc) u otras similares por ejemplo área basal, relación volumen/área basal. |
Variables Discretas | Las variables discretas generalmente asumen valores de tipo categórico y esta definición depende del fenómeno a estudiar. Por ejemplo: Con fertilización y sin fertilización, De la zona A y de la zona C, Efecto de daño definido como Severo, medio, ligero. |
Modelo | Abstracción de una realidad de tipo biológica, social, económica (¡u otra!) otra mediante el uso de ecuaciones matemáticas que establecen las relaciones funcionales de las variables que representan el fenómeno de estudio. |
Regresión | Técnica de ajuste de modelos de tipo estadístico que busca minimizar la suma de las desviaciones al cuadrado entre la variable a modelar (Variable Dependiente o de interés) y una o varias variables con las que se relaciona (Variables Independientes o explicatorias) |
Variable dependiente | Es la variable de interés que se busca modelar ya sea para resolver una hipótesis científica o para generar un modelo útil que permita hacer proyecciones y predicciones del fenómeno. Muchas veces es una variable difícil de medir que depende sin embargo de otras variables relacionadas con ella. En este curso es de naturaleza continua. |
Variable independiente | Es una variable que permite construir hipótesis sobre la variable de interés. Pueden ser de tipo continuo y/o discreto. |
Matriz de Diseño | En el lenguaje de la regresión es la matriz que define el tipo de relaciones e hipótesis que el modelo lineal va a probar. |
Parámetros del modelo | Son los valores que vinculan a la matriz de diseño con la variable de interés y que definen la escala de las relaciones de escala entre la variable dependiente y las independientes. |
Parámetros estimados | Son los valores estimados mediante regresión de los parámetros del modelo. Por su naturaleza (se provenir de una muestra) se les considera también variables aleatorias con propiedades probabilísticas. |
Pruebas de bondad de ajuste | Al ajustar un modelo a un grupo de datos este genera una serie de pruebas estadísticas que en su conjunto nos ayudan a medir la coincidencia geométrica entre nuestra hipótesis y los datos. |
R-cuadrada | Mide el nivel de asociación entre los valores que estima el modelo y los valores observados de la variable independiente a partir de una proporción entre 0 y 1. Útil para comparar modelos alternativos siempre y cuando la variable dependiente se mantenga libre de transformaciones o cambie su tamaño de muestra. |
Cuadrado Medio del error | Mide el nivel de asociación entre los valores que estima el modelo y los valores observados de la variable independiente a partir de las sumas de cuadrados y las observaciones. Estimador básico de la varianza del modelo. Útil para comparar modelos alternativos siempre y cuando la variable dependiente se mantenga libre de transformaciones o cambie su tamaño de muestra. |
Prueba de F para el modelo | Prueba estadística que determina la significancia estadística de un modelo. Mide el efecto de al menos una de las variables que resulta ser significativa. |
Parsimonia | Nivel de complejidad de un modelo. Esta condición en general se mide en función del número total de parámetros usados pero puede también depender de la estructura matemática de los modelos. Cuando el ajuste es equivalente se tiende escoger al modelo as simple (más parsimonioso). |
Multicolinealidad | Relación geométrica entre las variables independientes que participan en un modelo y que puede limitar la contribución de las mismas a la explicación del modelo. |
Heterocedasticidad | Fenómeno muy común en el ajuste de modelos biológicos donde el modelo pierde precisión a medida que aumentan las dimensiones de las variables dependientes e independientes. Puede o no corregirse para mejorar las propiedades del modelo. |
Unidad Experimental (Unidad Observacional) | En el caso de un experimento es la unidad básica de medición donde se miden las variables dependientes e independientes. Cada unidad representa un grado de libertad en para el error del modelo. |
Diseño experimental | Propuesta estadística (modelo) para realizar una prueba de hipótesis donde se desea comparar de manera estadística dos medias afectadas por un factor (tratamiento) experimental. |
Tratamiento | Factor que se aplica a las unidades experimentales. |
Pruebas de hipótesis | Prueba matemática para determinar la probabilidad de rechazo de una hipótesis nula. |
Want to create your own Flashcards for free with GoConqr? Learn more.