Documente Academic
Documente Profesional
Documente Cultură
Análisis Multivariante
CAP I 4
EL MÉTODO ESTADÍSTICO
Resultados
Seguridad
Desconocimiento de los Métodos Estadísticos
+
Publicación Científica Análisis de Significación
=
Investigadores Estadísticos
CAP I 5
FASES DE TODO DISEÑO DE EXPERIMENTOS
1. ¿QUÉ QUEREMOS ESTUDIAR? ¿CUÁL ES EL OBJETIVO DEL ESTUDIO
5. ESTUDIO PILOTO
7. ANÁLISIS
¿Correcto?
Recogida de Datos
Teoría del Muestreo SI NO
Diseño de Experimentos
CAP I 7
CAP I 8
CAP I 9
Técnicas de Variable Variables
Dependencia Dependiente Independientes Descripción
Relación existente entre la calidad
Regresión Lineal Múltiple Métrica Métricas del agua y los porcentajes de terreno
agrícola, forestal e industrial.
Cálculo de la probabilidad de la
Regresión Logística No Métrica Métricas presencia (ausencia) de una
(tipo Y=1 o enfermedad en una especie en
Y=0) función de la altitud y temperatura a
la que se encuentre.
Proporciona reglas de clasificación
Análisis Discriminante No Métrica Métricas de nuevos individuos a grupos ya
establecidos. Cómo establecer una
regla de decisión entre SETOSA,
VIRGÍNICA Y VERSICOLOR, en
función de la longitud del sépalo y el
pétalo
13
VISIÓN GENERAL DEL ANÁLISIS MULTIVARIANTE
Multidimensional
Scaling
Análisis de
Corresponde
Modelos
Log-lineales
Métodos de
Interdependen
Análisis
Cluster
Análisis
Factorial
CAP I
Componentes
MÉTODOS
Principales
MULTIVARIA
NTES
Análisis
Logit
Análisis
Canónico
Métodos de
Manova
Dependencia
Análisis
Discriminante
Regresión
Múltiple
Introducción
La Estadística es la Ciencia de la
CAP I 14
Método científico y estadística
Plantear Diseñar
hipótesis experimento
CAP I 15
Introducción
EL MÉTODO ESTADÍSTICO
Resultados
Seguridad
Desconocimiento de los Métodos Estadísticos
+
Publicación Científica Análisis de Significación
=
Investigadores Estadísticos
Población y muestra
– Sexo de la especie
• {Hembra, Macho} Var. Cualitativa
– Su nivel de contaminación en el lago
• {bajo, medio, alto} Var. Ordinal
– El número de crías
• {0,1,2,3,...} Var. Numérica discreta
– Altura de la cría
• {1’62 ; 1’74; ...} Var. Numérica continua
Tipos de variables
• Cualitativas
Si sus valores (modalidades) no se pueden asociar naturalmente a un
número (no se pueden hacer operaciones algebraicas con ellos)
• Cuantitativas o Numéricas
Si sus valores son numéricos (tiene sentido hacer operaciones algebraicas
con ellos)
Sexo deencuestado
Sexo del la especie Número
Número de hijos
de Crías
Porcentaje Porcentaje Porcentaje
Frecuencia Porcentaje válido Frecuencia Porcentaje válido acumulado
Válidos Hombre 636 41,9 41,9 Válidos 0 419 27,6 27,8 27,8
Mujer 881 58,1 58,1 1 255 16,8 16,9 44,7
Total 1517 100,0 100,0 2 375 24,7 24,9 69,5
3 215 14,2 14,2 83,8
4 127 8,4 8,4 92,2
5 54 3,6 3,6 95,8
6 24 1,6 1,6 97,3
7 23 1,5 1,5 98,9
Ocho o más 17 1,1 1,1 100,0
Total 1509 99,5 100,0
Perdidos No contesta 8 ,5
Total 1517 100,0
2. Introducción
Polígono de frecuencias
Parámetros y estadísticos
• Parámetro: Es una cantidad numérica calculada
sobre una población
Intervalo de Límite
1,81 17%
confianza para la inferior
20%
media al 95% Límite n=255 14%
superior 1,99
Porcentaje
n=215
15%
8%
Media recortada al 5%
1,75 n=127
10%
4%
Mediana 2,00 n=54 2% 2% 1%
5%
Varianza 3,114 n=24 n=23 n=17
Asimetría 1,034 ,063 • Calcula los estadísticos que puedas basándote sólo en el
gráfico de barras.
Curtosis 1,060 ,126
¿Qué hemos visto?
• Definición de estadística
• Población
• Muestra
• Variables
– Cualitativas
– Numéricas
• Presentación ordenada de datos
– Tablas de frecuencias
• absolutas
• relativas
• acumuladas
– Representaciones gráficas
• Cualitativas
• Numéricas
– Diferenciales
– Integrales
• Parámetros
• Estadísticos y estimadores
• Clasificación
– Posición (cuantiles, percentiles,...)
• Diagramas de cajas
– Medidas de centralización: Media, mediana y moda
• Diferenciar sus propiedades.
– Medidas de dispersión
• con unidades: rango, rango intercuartílico, varianza, desv. típica
• sin unidades: coeficiente de variación
– ¿Qué usamos para comparar dispersión de dos poblaciones?
– Asimetría
• positiva
• negativa
– ¿Podemos observar asimetría sin mirar la gráfica?
– ¿Cómo son más fáciles de tratar los datos?
– Medidas de apuntamiento (curtosis)
• ¿Cómo son más fáciles de tratar los datos?