Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes1 PDF
Apuntes1 PDF
TECNOLOGIA INFORMATICA
I (SPSS)
DE UNA VARIABLE
ESTADISTICA DESCRIPTIVA CON MAS
Profesor: Hugo S. Salinas.
1.
Relaci
on Lineal
1.1.
Tipos de relaci
on lineal
1. DIRECTA o POSITIVA
Por ejemplo las variables Inteligencia y Rendimiento.
Tabla 1: Inteligencia y Rendimiento.
X 3 1 2 3 1
Y 6 3 5 7 4
TECNOLOG
IA INFORMATICA
I (SPSS)
Figura 3: Extroversi
on y Absentismo.
1.2.
1.2.1.
Representaci
on gr
afica
Diagrama de Dispersi
on
Se dispone de n pares de puntuaciones (en el ejemplo para 10 sujetos) en dos variables cuantitativas
(Tienen que referirse a los mismos sujetos).
Sujeto
X
Y
Tabla
1 2
4 4
6 7
TECNOLOG
IA INFORMATICA
I (SPSS)
10
10
15
2.
2.1.
Cuantificaci
on de la relaci
on lineal
Covarianza
donde x =
2.2.
1
n
SXY = xy x y,
P
xi y xy = n1
xi yi
SXY ,
(1)
1 rXY 1,
(2)
Correlaci
on de Pearson
rXY =
SXY
,
SX SY
2.3.
S=
2
SX
SXY
SY2
SXZ
SY Z
..
.
SZ2
2.4.
Matriz de correlaciones
1 rXY
R=
rXZ
rY Z
..
.
1
donde rXY =
SXY
SX SY
1 rXY 1,
TECNOLOG
IA INFORMATICA
I (SPSS)
2.4.1.
Interpretaci
on de rXY
Propiedades de rXY
2
1. rXY
100 % de variabilidad com
un entre X e Y . Por ejemplo si rXY = 0,5, entonces existe
un 25 % de variabilidad com
un entre las variables X e Y .
2. rXY = 0 no implica que no haya relacion entre X e Y (la relacion puede ser de otro tipo).
3. Factores que afectan a rXY :
a) Variabilidad de X, Y y XY ,
b) Terceras variables (efectos moderadores),
c) Que X e Y esten bien medidas (fiabilidad) y
d ) La muestra en que se eval
uen X e Y .
4. Para decidir si X e Y estan linealmente relacionadas, se realiza una prueba de significaci
on
estadstica (contraste de hipotesis sobre XY )
5. La correlacion NUNCA IMPLICA CAUSALIDAD, solo grado de relacion lineal.
3.
3.1.
Regresi
on Lineal
Introducci
on
OBJETIVO: Hacer predicciones o pronosticos en una variable (Y ) a partir de otra (X): Regresion
de Y sobre X.
Variable predictora: X (o variable independiente). La que se utiliza para hacer pronosticos.
TECNOLOG
IA INFORMATICA
I (SPSS)
3.2.
Identificaci
on del modelo
3.2.1.
SXY
2
SX
= rXY
SY
SX .
3.3.
Valoraci
on del modelo
3.3.1.
Coeficiente de determinaci
on
2
rXY
: Proporcion de varianza de Y que queda explicada por X.
Descomposicion de la varianza del criterio (Y ):
(4)
donde:
Yi son las puntuaciones observadas (empricas).
Ybi son las puntuaciones pronosticadas (estimadas).
Yi Ybi son los errores en los pronosticos.
Por lo tanto, la varianza de Yi = Ybi + (Yi Ybi ) esta dada por:
SY2 = SY2b + SY2 Yb + 2 SYb (Y Ybi )
donde:
TECNOLOG
IA INFORMATICA
I (SPSS)
(5)
P b
(Yi Yb )2 ,
S 2b =
1
n
S2
Y Yb
1
n
P
(Yi Yb )2 ,
SYb (Y Yb ) = 0,
Luego, reemplazando:
SY2 = SY2b + SY2 Yb ,
donde la varianza de la variable dependiente (criterio) SY2 se descompone en:
S 2b : varianza de las estimaciones (pronosticos). Varianza explicada.
Y
S2
Y Yb
TECNOLOG
IA INFORMATICA
I (SPSS)
(6)