ESTUDIO BIVARIANTE DE DOS VARIABLES CUALITATIVAS (CATEGÓRICAS)

Sexo (x) explicativa

Ejercicio (Y) Explicada

Tabla de doble entrada (distribución conjunta de frecuencias absolutas)

Frequency table:
Ejercicio
Sexo baja moderada alta
hombre 17 31 11
mujer 20 28 3

¡¡¡¡¡¡Tabla de doble entrada (distribución conjunta de porcentajes) DEL TOTAL!!!!!!

Total percentages:
baja moderada alta Total
hombre 15.5 28.2 10.0 53.6
mujer 18.2 25.5 2.7 46.4
Total 33.6 53.6 12.7 100.0

El total amarillo es la marginal del total del sexo mientras que la violeta es la marginal del ejercicio

Distribuciones condicionadas de ejercicio en función del sexo

baja moderada alta total

hombres 17 31 11 59 Y
condicionado
17/59 x 31/59 x 11/59 x a que x
100 100 100 valga hombre

mujeres 20 18 3 51 Y
condicionado
20/51 x 28/51 x 3/51 x a que x
100 100 100 valga mujer

Hay que hacer una tabla condicionada

¡¡¡¡¡Distribuciones condicionadas de ejercicio en función del sexo - De cada sexo!!!!!

Row percentages:
Ejercicio
Sexo baja moderada alta Total Count
hombre 28.8 52.5 18.6 99.9 59
mujer 39.2 54.9 5.9 100.0 51

Frequency table:
Ejercicio
Sexo baja moderada alta
hombre 17 31 11
mujer 20 28 3
Column percentages:
Ejercicio
Sexo baja moderada alta
hombre 45.9 52.5 78.6
mujer 54.1 47.5 21.4
Total 100.0 100.0 100.0
Count 37.0 59.0 14.0

baja moderada alta total

hombres 17 31 11 59 X
CONDICIONADO
17/59 x 31/59 x 11/59 x A QUE Y
100 100 100 VALGA BAJO

mujeres 20 28 3 51 X
CONDICIONADO
20/51 x 28/51 x 3/51 x A QUE Y
100 100 100 VALGA
MODERADO
TOTAL 100 100 100 X
CONDICIONADO
A QUE Y
VALGA ALTO

Ejercicio
baja moderada alta

55%
53%
50
40

39%
30
Percent

29%
20

19%
10

6%
0

hombre mujer

Sexo

En la muestra se observa que, el porcentaje de hombres que realizan ejercicio de forma moderada y el porcentaje de
mujeres que lo hace solo varía en un 2%
Mientras que en la frecuencia baja y alta varían más, un 10% y un 13% respectivamente

- Un 29% de los hombres hacen ejercicio de forma baja mientras que las mujeres un 39%
- Un 19% de los hombres hacen ejercicio de forma alta mientras que las mujeres un 6%

¿¿Se puede extrapolar a toda la población de la cual se ha sacado la muestra??

´
CONTRASTE DE INDEPENDENCIA

Para toda la población test de hipótesis, estadística inferencial. Test de hipótesis inicial, hacemos la hipótesis nula las
variables de estudio sexo y ejercicio son independientes. Los hombres y mujeres se comportan de la misma forma en
cuanto a regularidad del ejercicio físico.

- H0 hipótesis nula tiene una alternativa h1 que sí que existe relación entre ejercicio y sexo

o P-value es el valor de concordancia con la hipótesis nula

o P-valor próximo a 1 = muy concordante con la hipótesis nula y por lo tanto sexo y ejercicio son
independientes
o P-value próximo a 0 = Muy discordante con hipótesis nula y sexo y ejercicio tienen relación

TODO ESTO ES PARA LA POBLACION DE LA MUESTRA

Que valor es la regla de decisión: 5% o 0.05

- Si el p-valor me sale más grande que 0.05 diremos que son independientes
- Si el p valor me sale más pequeño existe relación entre las variables

p-value = 0.1103 por lo que nuestras variables sexo y ejercicio son independientes ya que nuestra regla de decisión es
0.1103 > 0.05 independientes ya que retenemos la hipótesis nula!!!!

El sexo y la regularidad de ejercicio físico son estadísticamente independientes con un nivel de significación del 5%

CONSTANTES DE HOMOGENEIDAD

H0: HIPOTESIS NULA: HOMOGENEIDAD DE EXITOS DE LA PROPORCION DE ESTOS O DE FRACASOS ENTRE HOSPITALES

H1: Hay diferencias en la proporción de éxitos entre hospitales y de fracasos también

11
10
9
8
Y1

7
6
5
4

4 6 8 10 12 14

X1
 PRÁCTICA 6

Existe relación parece lineal y creciente. Recta de regresión se construye reduciendo los cuadrados, línea de mínimos
cuadrados. Existen muchos errores y el porcentaje es relativamente grande.

Como p-value es muy pequeño calculamos la recta de regresión si es grande no tendría sentido

- P-value pequeño es igual a R grande

- P-value grande es igual a R pequeño

Residuo es peso sub i – la predicción del peso

Predicciones de recta de regresión peso= a+b x altura

R2 x 100 es el porcentaje de variabilidad que explica la recta de regresión

De la variante Y en este caso

R2= r2 en recta de regresión

11
10
9
8
Y1

7
6
5
4

4 6 8 10 12 14

X1
Lo hacemos al revés que los datos que hemos cogido antes

Antes= altura x peso

Ahora= explicada PESO

Explicativa ALTURA

La suma de todos los residuos tiene que dar 0 teóricamente

Tenemos residuos negativos y positivos

Si en el ejemplo sacamos un residuo de 66.87 para una persona de 68kg, se resta y sacamos el residuo en este caso
positiva y quedara por encima de la recta de regresión que sacamos

Para decir que es un modelo bueno o malo tenemos que calcular la gráfica de residuos que calculamos en el eje de la
X: predicción del peso
Y: Residuos

Los modelos parecen adecuados y aunque hay fallos explica el modelo obtenido
Para Yi1: 3+ 0.5x1