3367736
MODELOS ESTADISTICOS
- Representación simplificada de la realidad
- ELECCIÓN ADECUADA
- Respuestas que pretenda
contestar tras el
planteamiento del mismo
- No debe ignorar
ninguna de las
variables
- Debe ser facíl de interpretar
- Y= g(x)
- Y= g(x)
- Respuestas que pretenda
contestar tras el
planteamiento del mismo
- Todos los modelos
son erróneos, pero
algunos son útiles
- ANÁLISIS DE
VARIANZA
(ANOVA)
- El análisis de la varianza permite contrastar la
hipótesis nula de que las medias de K poblaciones
(K >2) son iguales, frente a la hipótesis alternativa
de que por lo menos una de las poblaciones
difiere de las demás en cuanto a su valor
esperado.
- Este contraste es fundamental en el análisis de resultados
experimentales, en los que interesa comparar los resultados de K
'tratamientos' o 'factores' con respecto a la variable dependiente o
de interés.
- Este contraste es fundamental en el análisis de resultados
experimentales, en los que interesa comparar los resultados de K
'tratamientos' o 'factores' con respecto a la variable dependiente o
de interés.
- El análisis de la varianza permite contrastar la
hipótesis nula de que las medias de K poblaciones
(K >2) son iguales, frente a la hipótesis alternativa
de que por lo menos una de las poblaciones
difiere de las demás en cuanto a su valor
esperado.
- "T DE STUDENT"
- Es un método de análisis estadístico, que compara las
medias de dos grupos diferentes. Es una prueba
paramétrica, o sea que solo sirve para comparar variables
numéricas de distribución normal.
- En definitiva la prueba de t Student contrasta la H0 de que la media de la
variable numérica “y”, no tiene diferencias para cada grupo de la variable
categórica “x”.
- En definitiva la prueba de t Student contrasta la H0 de que la media de la
variable numérica “y”, no tiene diferencias para cada grupo de la variable
categórica “x”.
- Es un método de análisis estadístico, que compara las
medias de dos grupos diferentes. Es una prueba
paramétrica, o sea que solo sirve para comparar variables
numéricas de distribución normal.
- REGRESIÓN MÚLTIPLE
- Se aplica cuando el conjunto de variables en juego son cuantitativas
- Y= a1 X1 + a2 X2 +......+ ap Xp + e donde Y designa la variable "a explicar" X1, X2,... Xp designan las
variables "explicativas" a1, a2,... ap son los coeficientes e es el residuo de la regresión.
- La aplicación del modelo permite, con la ayuda de la estadística inferencial,
evaluar el grado de significación y los roles respectivos de X1, X2,... Xp, para
"explicar" la variabilidad del fenómeno descrito por Y.
- La aplicación del modelo permite, con la ayuda de la estadística inferencial,
evaluar el grado de significación y los roles respectivos de X1, X2,... Xp, para
"explicar" la variabilidad del fenómeno descrito por Y.
- Y= a1 X1 + a2 X2 +......+ ap Xp + e donde Y designa la variable "a explicar" X1, X2,... Xp designan las
variables "explicativas" a1, a2,... ap son los coeficientes e es el residuo de la regresión.
- Se aplica cuando el conjunto de variables en juego son cuantitativas
Media attachments
Want to create your own Mind Maps for free with GoConqr? Learn more.