¡Descarga Estadística UV (35059) y más Apuntes en PDF de Estadística solo en Docsity!
RESUMEN ESTADÍSTICA
- Colocamos todos los datos en una misma columna.
- Averiguar si se trata de una variable categórica o numérica.
▪ Cuantitativa: Sus medidas se pueden expresar por número (peso, altura, nota examen)
▪ Categórica: Cualidad. Se estructura según sus características (sexo, color de pelo)
- Realizamos la estadística descriptiva (Análisis de datos)
- Señalamos la media y el máximo y el mínimo obtenidos, a partir de los cuales podemos definir los intervalos en los que se va a basar el histograma.
▪ Hacer la raíz cuadrada de la cuenta (=RAIZ+casilla) Redondear hacia arriba y establecer los intervalos
▪ Establecer la amplaria (=rango/nº de intervalos)
▪ Realizar las clases
- Histograma (Datos>Análisis datos>Histograma)
▪ Input range/rango de entrada: seleccionamos datos
▪ Output range/rango de salida: casilla donde queremos que se queden los resultados
▪ Crear gráfico
- Interpretar los resultados y expresarlos en lenguaje estadístico y lenguaje coloquial. Responder a la pregunta principal.
▪ Hablar del máximo y el mínimo, media, mediana (50%), moda y simetría (moda y mediana muy parecidas)
- Diagrama de barras
Seleccionar todas las columnas
Insertar
Gráfica
TEMA 2 :
Regresión
─ Coeficiente de correlación: cómo de fuertes están relacionadas las variables. Tal relación es alta (muy relacionadas) si el coeficiente está cerca de +/-
─ Correlación positiva (cerca de +1). A mayor x, mayor y
─ Correlación negativa (cerca de -1). A menor x, mayor y
Existen dos tipos de regresión:
● REGRESIÓN SIMPLE (relación entre dos variables)
- Calculamos el coeficiente de correlación (Datos>Análisis de datos>Regresión)
- Marcamos las casillas de las variables X e Y, y rango de salida
- Marcamos la casilla Curva de regresión ajustada/Line fil plot
- GRÁFICA: Clicar en la gráfica>Diseño>Cambiar tipo de gráfico>Dispersión>Presentación>Análisis<Línea de tendencia lineal>Mostrar ecuación de la gráfica
- TABLA Multiple R/Coef. de correlación R. square/Coef. de determinación (porcentaje de la variable ”Y” explicado por la variable “X” Intercept/Intercepción: n (ordenada en el origen) Exposición: m (pendiente) Fórmula general, en la que sustituimos: y= mx+n
● REGRESIÓN MÚLTIPLE (relación entre más de dos variables)
- Calcular el coeficiente de correlación: Datos>Análisis>Coef. de correlación (NO USAR OPCIÓN REGRESIÓN)>Se seleccionan todas las variables Aparecerá una tabla enorme
- Marcamos la fila de la variable “Y” y escogemos las dos variables con coef. de correlación más cercano a 1 de la variable “Y”
- Hacemos la regresión múltiple de las dos variables escogidas (tienen que ocupar columnas contiguas) y marcamos el r^2 ajustado
- GRÁFICAS: Presentación>Análisis>Línea de tendencia lineal>marcar la casilla para que aparezca el R^2 ajustado
- (^) Escoger de las dos variables, la que tenga un R^2 ajustado mayor, más cercano a 1, y eliminar la otra. El cambio no es significativo, por lo que no deberemos coger la variable B aunque también tenga un coeficiente de correlación alto, ya que está muy relacionada con A. Deberemos escoger otra variable que también tenga un coeficiente de correlación alto pero cuya relación con A sea escasa.
- Cogemos la tercera variable de la tabla de coef. de correlación que mayor coef. de correlación tenga
- Se vuelve a hacer la regresión múltiple de esas dos nuevas variables (tienen que ocupar columnas contiguas) y marcamos el R^2 ajustado
- Realizamos p-valor: función = DISTR.T (estadístico de contraste en POSITIVO; grados de libertad [n-1]; colas 1 [unidireccional]; 2 [bidireccional]). También podemos utilizar la función DISTR.T.2C si el contraste es bidireccional (probabilidad [0,05];gl)
- Comparamos el p-valor con 0,05 (nivel de significación).
▪ Si el p-valor es > 0,05 no rechazamos H
▪ Si el p-valor es < 0,05 sí rechazamos H
Si no podemos rechazarla, diremos que no existe evidencia estadística suficiente para rechazar la H
- Responder a la pregunta principal
- Intervalo de confianza: (Media (est.des.) – Nivel de confianza (est.des.), Media (est.des) + Nivel de confianza (est.des.))
● Muestras INDEPENDIENTES (los datos de la primera muestra no influyen en los de la segunda)
Dos tipos de contraste: Unidireccional (<>) y bidireccional (≠)
- Establecemos el contraste de hipótesis
- (^) Realizamos la Prueba F para varianzas de dos muestras (Datos>Análisis de datos). Así sabemos si se cumple la direccionalidad, mirando la relación entre las medias
- En caso de que se cumpla, realizamos una nueva hipótesis de varianza
H0: Varianza x = Varianza y
H1: Varianza y = Varianza y
- En la tabla de la Prueba F nos fijamos en el P (F<=f) una cola y lo comparamos con 0,05. En caso de que sea > 0,05 realizamos estadístico T para varianzas iguales (método combinado); en caso de que sea < 0,05, lo realizamos para varianzas desiguales (método no combinado)
- Realizamos el estadístico T (Datos>Análisis de datos>Prueba t para dos muestras suponiendo varianzas iguales o desiguales). Ahí obtenemos el p-valor para una cola o para dos colas (dependiendo del ejercicio, de si son direccionales o bidireccionales) y lo comparamos de nuevo con 0,05 para saber si aceptamos o rechazamos H0.
~INTERVALO DE CONFIANZA~
(Aunque no nos lo piden explícitamente y no sirve para contestar a la pregunta)
TEMA 4 :
Análisis de dos muestras
Formula: [(media mayor – media menor) – t x SE, (media mayor– media menor) + t x SE]
Calculamos el t(95%): función =DISTR.T.INV (0,05 [dependiendo del grado de confianza]; grados de libertad [n-1])
Calculamos SE:
