1. SERIES BIDIMENSIONALES Y CRONOLÓGICAS
Profesora : Participantes:
Yelitza Rodríguez Sorelys Linares C.I.V-16.600.109
Kelly Mijares C.I.V-15.440.361
Sugey Martínez C.IV-17.687.375
2. INTRODUCCIÓN
En esta presentación trataremos brevemente
algunos aspectos básicos de las series
bidimensionales y cronológicas, advirtiendo sin
embargo que el tema es bastante extenso, y
que actualmente se desarrollan técnicas
sofisticadas para lograr buenas predicciones.
Este es un campo donde queda mucho por
hacer y es un buen reto a la imaginación y al
talento de los investigadores.
3. SERIES BIDIMENSIONALES Y CRONOLÓGICAS
Definición : Las series cronológicas, son un
caso particular de las distribuciones
bidimensionales donde una variable es
necesariamente el tiempo que puede ser
medido en años, meses, días, etc
El análisis más clásico de las series temporales se
basa en que los valores que toma la variable de
observación es la consecuencia de cuatro
componentes, cuya actuación conjunta da como
resultado los valores medidos. Estos componentes
son:
1. Tenencia Secular
2. Variación estacional
3. Variación Cíclica
4. Variación aleatoria
5. Variación transciente
4. Tipos de series temporales
Aditivas, se componen sumando la Tendencia, estacionalidad, variación
cíclica regular, variación cíclica irregular, ruido: x t = T t + E t + C t + R t
Multiplicativas, se componen multiplicando la Tendencia, estacionalidad,
variación cíclica regular, variación cíclica irregular, ruido: x t = T t ⋅ E t ⋅ C t ⋅
R t
Mixtas, se componen sumando y multiplicando la Tendencia,
estacionalidad, variación cíclica regular, variación cíclica irregular, ruido.
Existen varias alternativas, entre otras:
x t = T t + E t ⋅ C t ⋅ R t
x t = T t + E t ⋅ R t
x t = T t ⋅ E t ⋅ C t + R t
5. Análisis de la varianza con un factor :
El análisis de la varianza permite contrastar la hipótesis nula de que las
medias de K poblaciones (K >2) son iguales, frente a la hipótesis
alternativa de que por lo menos una de las poblaciones difiere de las
demás en cuanto a su valor esperado. Este contraste es fundamental en el
análisis de resultados experimentales, en los que interesa comparar los
resultados de K 'tratamientos' o 'factores' con respecto a la variable
dependiente o de interés.
Las expresiones para el cálculo de los elementos que
intervienen en el Anova son las siguientes:
Media Global:
Variación Total:
Variación Intra-grupos:
Variación Inter-grupos:
6. ANOVA DE UN FACTOR
Estadístico
de Levene gl1 gl2 Sig.
1,713 5 74 0,142
Prueba de homogeneidad de varianzas
Tiempo diario para la investigación
7. Algo de notación relativa al modelo
Este apartado está dedicado a introducir alguna notación
para escribir los términos que serán más importantes a la
hora de realizar un contraste por el método ANOVA. En
primer lugar tenemos:
8. Análisis de varianza de un factor:
El análisis de varianza (ANOVA) de un factor sirve para comparar varios grupos en
una variable cuantitativa. Se trata, por tanto, de una generalización de la Prueba T
para dos muestras independientes al caso de diseños con más de dos muestras.
Ejemplo (ANOVA de un factor )
1-H0: μ1=μ2= ...=μk Las medias poblacionales son iguales
2.-H1: Al menos dos medias poblacionales son distintas factor
9. ANOVA COMPARACION MULTIPLE :
Se requiere que cada uno de los grupos a comparar tenga distribuciones normales, o lo
que es más exacto, que lo sean sus residuales. Los residuales son las diferencias entre
cada valor y la media de su grupo. Además debemos estudiar la dispersión o varianzas
de los grupos, es decir estudiar su homogeneidad. Cuando mayor sean los tamaños de
los grupos, menos importante es asegurar estos dos supuestos, ya que el ANOVA suele
ser una técnica bastante “robusta” comportándose bien respecto a transgresiones de la
normalidad. No obstante, si tenemos grupos de tamaño inferior a 30, es importante
estudiar la normalidad de los residuos para ver la conveniencia o no de utilizar el análisis
de la varianza.
N Media DT EEM IC 95% Mínimo Máximo
Leve:
FEV1
>80%
29 26,9 4,43 0,82
(25,2 -
28,6)
18,1 39,3
Moderado
: FEV1 50-
80%
77 28,8 4,70 0,54
(27,7 –
29,9)
18,8 45,0
Grave:
FEV1 30-
50%
35 26,0 3,90 0,66
(24,7 –
27,4)
20,1 35,6
Muy
Grave:
FEV1
<30%
43 25,8 4,75 0,72
(24,3 –
27,2)
17,6 38,7