Estadistica I II Bimestre
19
ESCUELA: PONENTE: ESTADISTICA I CICLO: OCTUBRE 2009 – FEBRERO 2010 1 Contabilidad y Auditoria Hotelería y Turismo Administración Empresas Banca Economía Ing. Idania Alejandro BIMESTRE: II Bimestre
-
Upload
videoconferencias-utpl -
Category
Education
-
view
3.810 -
download
2
Transcript of Estadistica I II Bimestre
ESCUELA:
PONENTE:
ESTADISTICA I
CICLO: OCTUBRE 2009 – FEBRERO 2010
1
Contabilidad y AuditoriaHotelería y TurismoAdministración EmpresasBancaEconomía
Ing. Idania Alejandro
BIMESTRE: II Bimestre
Conocer sobre los fundamentos y fórmula de la curva normal y puntajes z, mediante la descripción de las frecuencias, a fin de aplicarlos en la investigación de las ciencias del comportamiento
Establecer relaciones en las variables para hacer predicciones
1.CURVA NORMAL Y PUNTAJES Z
2.RELACIONES
CONTENIDOS Y OBJETIVOS
CONTENIDOS Y OBJETIVOS
Establecer relaciones entre parejas de datos de variables
Predecir valores de y, a partir de valores de x
3. CORRELACIONES
4. REGRESIÓN LINEAL
LA CURVA NORMAL Y LOS PUNTAJES ESTÁNDAR
Su importancia se debe a la frecuencia con la que distintas variables asociadas a fenómenos naturales y cotidianos siguen aproximadamente esta distribución
Gauss, formuló la ecuación de la curva (1777-1885)
CURVA NORMAL
CURVA NORMAL
Puntajes z
Sirve para modificar un dato en bruto.
Un puntaje z es un dato transformado que indica a cuántas unidades de desviación estándar, por encima o por debajo de la media, se encuentra un dato en bruto.Ejercicio página 90.
Revisar ejercicio pagina 91.
Características de puntajes z
Los puntajes z tienen la misma forma que el conjunto de datos en bruto, los valores de los datos son los únicos que varían
La media de los puntajes z es siempre igual a O
La desviación estándar de los puntajes z es siempre igual a 1
Podemos utilizar la tabla A para determinar el rango percentil (revisar el ejercicio pág. 93)
Correlación
Sirve para determinar la relación entre variables
Para hacer predicciones Una podría ser la causa de la
otra ???? Para definir la confiabilidad (test –
retest)
CORRELACIÓN Y REGRESIÓN están muy relacionadas (página 104) Correlación (magnitud y dirección) Regresión (hacer una predicción)
Relaciones
Determinan la relación entre dos variables (salario – valor en dólares de la mercancía vendida)
La gráfica se llama de dispersión Es lineal la relación cuando se puede representar con
mayor exactitud por medio de una línea recta
Figura 6.1.
La y ordenada en el origen es el valor de y cuando la recta se corta en el eje vertical
La pendiente de una recta es una medida de razón de cambio (Figura 6.2.)
Tipos de relaciones
POSITIVAS : relaciones directas entre x y y NEGATIVAS: relación inversa entre x y y RELACIONES PERFECTAS : todos los puntos se
localizan en la recta RELACIONES IMPERFECTAS: no todos los
puntos se localizan en la recta
La mejor manera de describir esta relación es trazando una recta “que
mejor se ajuste a los datos” (página 110)
Coeficiente de correlación
Expresa de manera cuantitativa la magnitud y dirección de una relación
El signo +1 y -1, es la pendiente positiva y negativa y (la parte numérica describe la magnitud de la relación)
Se utiliza el coeficiente de correlación cuando las relaciones son lineales (Figura 6.6.)
Utilidad de los puntajes z
Ejercicio Tabla 6.3.
Nos lleva a la definición de r de Pearson
(página 113)
Correlación no implica causalidad
Página 125.
Regresión lineal
La regresión se centra en el uso de la relación para elaborar una predicción
La regresión resulta fácil de predecir cuando la relación es perfecta
El error de predicción es igual a O.
Predicción y relaciones imperfectas
RECTA DE REGRESIÓN DE MÍNIMOS CUADRADOS
La línea de regresión por mínimos cuadrados es la línea de predicción que minimiza los errores de predic cion.
Construcción de la recta de regresión por mínimos cuadrados
Y´ = by X + ay
ay , by son constantes de regresión
Tabla 7.2 (resolviendo las ecuaciones, se obtiene la recta para la predicción)
ay= ordenada en el origen by= pendiente de la recta (Objetivo de la
predicción, ejercicio 7.1)
Regresión múltiple y correlación múltiple
Cuando tenemos la relación promedio , la r de Pearson, y la ecuación.
Página 151 Página 152
19
