Modelos

estadísticos
para tomar
decisiones

Magister en Docencia para la Educación Superior e Investigación

Aplicada
Módulo: Recolección de datos y análisis cuantitativo
Docente: Carla Leal Kaymalyz
 Objetivo
• Estimar la variable dependiente (y)
conociendo la variable independiente (x)
• Predecir la variable dependiente (y) a
partir de la variable independiente (x)
• Explicar la relación entre la variable
dependiente (y) con la variable
independiente

Modelo de Función en R-Project

• Ajuste del modelo lineal simple con las
regresión simple funciones lm(y~x) y summary(argumento)
• Hipótesis estadística
H0: el modelo NO tiene una estructura
lineal (α=0 y β=0)
H1: el modelo tiene una estructura lineal
(α≠0 y β≠0)
• Criterio: se rechaza H0 sí y solo el p-valor
es menor a 0.05
 15,4

Modelo de 15,2
regresión
15,0
simple
>
14,8 𝜀2Ƹ
𝜀3Ƹ
14,6 𝜀1Ƹ

14,4

14,2

25 30 35 40 45 50
x

𝜀𝑖Ƹ son los residuos (estimación de los errores ε𝑖 )

 • Variable dependiente: Es la variable de estudio que se desea
Identificar las estimar o predecir usualmente se identifica con la letra γ
variables • Variable independiente: Es la variable predictora, la cual puede
explicar la dependiente. Usualmente se identifica con la letra χ

• Se debe confirmar si existe una relación lineal entre las

Análisis de variables para justificar que la puede explicar la y
correlación • Se debe graficar las variables, el gráfico es llamado
diagrama de dispersión

Modelo
lineal • Se debe formalizar el modelo estadístico, es decir dar a
simple conocer que trabaja bajo varios supuestos

Análisis de • Describir la relación entre χ e γ

regresión • Estimar γ conociendo χ
lineal simple • Predecir γ conociendo χ
 Objetivo
• Determinar si los tratamientos ejercen
variabilidad en la variable dependiente, es
decir si hay diferencia en los tratamientos

Función en R-project
• Ajuste del modelo y ANOVA con las
Modelo de un funciones aov(argumento) y
summary(argumento)
factor aleatorio • Hipótesis estadística
H0: 𝜇1 = 𝜇2 = 𝜇3 = ⋯ = 𝜇𝐽 para todo 𝑗 =
1, … , 𝐽 (Los tratamientos son iguales)
H1: 𝜇𝑗 ≠ 𝜇𝑘 para todo j ≠ 𝑘 (Al menos un
tratamiento difiere)
• Criterio: Se rechaza H0 sí y solo sí el p-
valor es menor a 0.05
 Plantear el
diseño de Comparaciones
experimento
ANOVA Validación

• Establecer las
condiciones
ambientales para • Permite probar • Si existe
generar el la hipótesis de diferencia entre
experimento investigación “al los niveles, se • Con los
• Identificar menos uno de debe comparar residuos
variables para los niveles son cuáles son (estimadores
controlar diferentes” diferentes de los errores
• Identificar los • 𝐻0 : 𝜇1 = 𝜇2 = • Este paso tiene aleatorio)
niveles del factor 𝜇3 = ⋯ = 𝜇𝐽 sentido cuando probar los
• Asignar las • 𝐻1 al menos un se identifican supuestos del
unidades nivel (o más de dos modelo
observacionales tratamiento) niveles
de manera difiere
aleatoria a cada
nivel