Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CHD <- c(rep(1, 5), rep(0, 20), rep(1, 15), rep(0, 10), rep(1, 20),
rep(0, 10), rep(1, 10), rep(0, 10))
Raza <- c(rep("Blanca", 25), rep("Hispana", 25), rep("Negra", 30),
rep("Otra", 20))
# data. Frame , encabezado
chdraza <- data.frame(CHD,Raza)
attach(chdraza)
head(chdraza)
# representación en tabla
table(CHD, Raza)
# aplicación del modelo de regresión logística
modelo <- glm(CHD~Raza, family=binomial(link = "logit"),
data=chdraza)
# resumen de los datos
summary(modelo)
#Coeficiente del modelo
coefficients(modelo)
# resultado
Normalidad Para determinar la prueba apropiada a utilizar en la hipótesis se procedió a la
comprobación de los supuestos. Las pruebas paramétricas tienen más potencia estadística que
las pruebas no paramétricas, es por ello que se hacen esfuerzos en los estudios de
normalización (Kanyongo et al., 2007)
Para demostrar las hipótesis se utilizó un diseño pre-experimental del tipo RGXO1, se trabajó
con un nivel de significancia de α=0,05, las variables dependientes fueron la variable memoria
(para el caso de la complejidad espacial) y la variable tiempo (para el caso de la complejidad
temporal), ambas de tipo numérico. Sobre la comparación entre la complejidad espacial de las
técnicas clúster de ASI (hrarchy y simlrty) y LA (hclust_vector, dendro_variables y
dendro_diana) se obtuvieron los siguientes resultados: El estudio descriptivo dio como
resultado la Figura 7.17, que presenta las cuatro medidas básicas de centralización y posición
de las técnicas clúster respecto a la memoria.
Normalización
ANOVA no Paramétrico
Tukey