SlideShare una empresa de Scribd logo
1 de 14
0
2
3
4
8
7
5
9
1

Técnicas para análisis de datos
0
0
0
0
0
1
5
2
7
9
8

1
0
0
0
4
3
2
1

1-2

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
0
2
3
4
8
7
5
9
1

Pruebas de
hipótesis
0
5
2
7
9
8
1
0
0
0
4
3
2
1

Pruebas de
asociación

1-2

Pruebas de
diferencias

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
1
0
2
3
4
8
7
5
9
0
0
0
0
0
1
5
2
7
9
8

Prueba t
Prueba Z

Dos muestras

Muestras
independientes
Prueba t
Prueba Z

1-2

Análisis de
varianza

1
0
0
0
4
3
2
1

Medias

Una muestra

Prueba F

Muestras
pareadas
Prueba t

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
1
0
2
3
4
8
7
5
9

Análisis de varianza
(tres o más muestras o grupos)
0
0
0
0
0
5
2
7
9
8
0
4
3
2
1

Un factor
Una variable dependiente
métrica y una variable
independiente no métrica
con n categorías
1-2

n factores
Una variable dependiente
métrica y dos o más
variables independinte no
métricas con n categorías

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
1
0
2
3
4
8
7
5
9
0
0
0
0
0
1
5
2
7
9
8
1
0
0
0
4
3
2
1

Niveles de medición nominal
•Chi cuadrado
•Correción de continuidad de Yates
•Razón de verosimilitud
•Coeficiente Phi (φ)
•Coeficiente “V” de Cramer
•Coeficiente de contingencia

1-2

Niveles de
medición ordinal
•Kendall
•Spearman

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
La función de regresión

Ŷ = β1 + β2 X
1
0
2
3
4
8
7
5
9
0
0
0
0
0
1
5
2
7
9
8

Ecuaciones normales

1
0
0
0
4
3
2
1

ß1 =

β2 =
1-2

y −β x
2
xy
∑ −n x y
x
∑ −n x
2

2

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
12-8

y = 24.45 + 0.51 X
1
0
2
3
4
8
7
5
9
0
0
0
0
0
1
5
2
7
9
8
1
0
0
0
4
3
2
1

111
β2 = 0.51
β1 = 24.45
170
1-2
© 2001 Alfaomega Grupo Editor

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
Reglas prácticas acerca de la fuerza de los
coeficientes de correlación
1
0
2
3
4
8
7
5
9

±.81 a ±1.00

Muy fuerte

±.61 a ±.80

Fuerte

±.41 a ±.60

Moderada

±.21 a ±.40

Débil

±.00 a ±.20

Ninguna

1
0
0
0
4
3
2
1

1-2

Descripción de la fuerza
0
0
0
0
0
1
5
2
7
9
8

Rango de coeficiente

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
Coeficiente de correlación, r
1
0
2
3
4
8
7
5
9

Mide la fuerza o el grado de asociación lineal entre dos
variables
0
0
0
0
0
1
5
2
7
9
8
1
0
0
0
4
3
2
1

-1≤ r ≤ 1

[ n( xy) − (∑ x)(∑ y)]
[ n∑ x − (∑ x) ][ n∑ y − (∑ y) ]
2

r=
1-2

2

2

2

2

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
Error estándar de la regresión
1
0
2
3
4
8
7
5
9
0
0
0
0
0
1
5
2
7
9
8

El error estándar de la regresión es una estimación de
la distancia promedio entre la línea verdadera y los
datos. Simplemente es la desviación estándar de los
valores de Y alrededor de la recta de regresión
estimada

1
0
0
0
4
3
2
1

Se =
1-2

∑Y

2

− β1 ∑Y − β2 ∑XY
n −2

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
Regresión múltiple
La función de regresión con K variables
1
0
2
3
4
8
7
5
9
0
0
0
0
0
1
5
2
7
9
8

∑Y = nβ + β ∑ X + β ∑ X
1

2

1

3

1
0
0
0
4
3
2
1

Ŷ = β1 + β2 X1 + β3 X2 + ……+ βk Xk
Ecuaciones normales para tres variables
2

∑XY =β ∑X +β ∑X +β ∑X X
2

1

1-2

1

1

2

1

3

1

2

X 2Y = β 1 ∑ X 2 + β 2 ∑ X 1 X 2 + β 3 ∑ X 22
∑
Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
FÓRMULAS PARA DETERMINAR EL TAMAÑO DE
MUESTRA

1
0
2
3
4
8
7
5
9

Poblaciones finitas
0
0
0
0
0
1
5
2
7
9
8

Poblaciones
infinitas

1
0
0
0
4
3
2
1

Z 2 PQ
n=
e2
1-2

Z 2PQN
n=
e2 ( N − 1) + Z 2PQ
Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
PARA ESTIMAR LA MEDIA ARITMÉTICA DE
UNA POBLACIÓN
1
0
2
3
4
8
7
5
9
0
0
0
0
0
1
5
2
7
9
8

1-2

1
0
0
0
4
3
2
1

n

σ

z

=

 e

2





Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
FÓRMULAS PARA ESTIMAR EL ERROR
1
0
2
3
4
8
7
5
9

1-2

Sp =

1
0
0
0
4
3
2
1

Para estimar el error
stándar de la proporción
de una población

sx

s
=
n
0
0
0
0
0
1
5
2
7
9
8

Para estimar el error
stándar de la media
aritmética de una
población

p (1 − p )
n

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.

Más contenido relacionado

La actualidad más candente

Programación lineal
Programación linealProgramación lineal
Programación linealUNL
 
Método de las dos fases
Método de las dos fasesMétodo de las dos fases
Método de las dos fasesJaime Medrano
 
Ejercicios resueltos 1, metodo grafico y simplex
Ejercicios resueltos 1, metodo grafico y simplexEjercicios resueltos 1, metodo grafico y simplex
Ejercicios resueltos 1, metodo grafico y simplexCarlos Samuel Garcia
 
Metodo simplex en dos fases
Metodo simplex en dos fasesMetodo simplex en dos fases
Metodo simplex en dos fasesLuis Salazar
 
⭐⭐⭐⭐⭐ SOLUCIÓN LECCIÓN SISTEMAS DIGITALES 1, 1er Parcial (2020 PAO 1) A
⭐⭐⭐⭐⭐ SOLUCIÓN LECCIÓN SISTEMAS DIGITALES 1, 1er Parcial (2020 PAO 1) A⭐⭐⭐⭐⭐ SOLUCIÓN LECCIÓN SISTEMAS DIGITALES 1, 1er Parcial (2020 PAO 1) A
⭐⭐⭐⭐⭐ SOLUCIÓN LECCIÓN SISTEMAS DIGITALES 1, 1er Parcial (2020 PAO 1) AVictor Asanza
 
Investigación de Operaciones 2/2
Investigación de Operaciones 2/2Investigación de Operaciones 2/2
Investigación de Operaciones 2/2CEMEX
 
Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Ayda Ramirez Montalvo
 
7.0 metodo simplex
7.0 metodo simplex7.0 metodo simplex
7.0 metodo simplexjaldanam
 
Mas ejercicios para la resolución de modelos aplicando el método simplex
Mas ejercicios para la resolución de modelos aplicando el método simplexMas ejercicios para la resolución de modelos aplicando el método simplex
Mas ejercicios para la resolución de modelos aplicando el método simplexLuis Guerrero
 
Metodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila LMetodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila Lelvisdelaguila
 
Análisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidadAnálisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidadJaime Medrano
 
Repaso Metodo Simplex
Repaso Metodo SimplexRepaso Metodo Simplex
Repaso Metodo Simplexcgviviana
 
MÉTODO SIMPLEX
MÉTODO SIMPLEXMÉTODO SIMPLEX
MÉTODO SIMPLEXliizrocks
 
programacion lineal metodo grafico
programacion lineal metodo graficoprogramacion lineal metodo grafico
programacion lineal metodo graficok4ndo
 
Ejemplo metodo grafico
Ejemplo metodo graficoEjemplo metodo grafico
Ejemplo metodo graficoxavier2011
 
Proyecto investigacion de operaciones
Proyecto investigacion de operacionesProyecto investigacion de operaciones
Proyecto investigacion de operacionesjuancastillosiente
 

La actualidad más candente (19)

Programación lineal
Programación linealProgramación lineal
Programación lineal
 
Método de las dos fases
Método de las dos fasesMétodo de las dos fases
Método de las dos fases
 
Ejercicios resueltos 1, metodo grafico y simplex
Ejercicios resueltos 1, metodo grafico y simplexEjercicios resueltos 1, metodo grafico y simplex
Ejercicios resueltos 1, metodo grafico y simplex
 
Metodo simplex en dos fases
Metodo simplex en dos fasesMetodo simplex en dos fases
Metodo simplex en dos fases
 
⭐⭐⭐⭐⭐ SOLUCIÓN LECCIÓN SISTEMAS DIGITALES 1, 1er Parcial (2020 PAO 1) A
⭐⭐⭐⭐⭐ SOLUCIÓN LECCIÓN SISTEMAS DIGITALES 1, 1er Parcial (2020 PAO 1) A⭐⭐⭐⭐⭐ SOLUCIÓN LECCIÓN SISTEMAS DIGITALES 1, 1er Parcial (2020 PAO 1) A
⭐⭐⭐⭐⭐ SOLUCIÓN LECCIÓN SISTEMAS DIGITALES 1, 1er Parcial (2020 PAO 1) A
 
Investigación de Operaciones 2/2
Investigación de Operaciones 2/2Investigación de Operaciones 2/2
Investigación de Operaciones 2/2
 
Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)
 
7.0 metodo simplex
7.0 metodo simplex7.0 metodo simplex
7.0 metodo simplex
 
Método
 Método Método
Método
 
Mas ejercicios para la resolución de modelos aplicando el método simplex
Mas ejercicios para la resolución de modelos aplicando el método simplexMas ejercicios para la resolución de modelos aplicando el método simplex
Mas ejercicios para la resolución de modelos aplicando el método simplex
 
Metodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila LMetodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila L
 
Análisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidadAnálisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidad
 
Repaso Metodo Simplex
Repaso Metodo SimplexRepaso Metodo Simplex
Repaso Metodo Simplex
 
MÉTODO SIMPLEX
MÉTODO SIMPLEXMÉTODO SIMPLEX
MÉTODO SIMPLEX
 
programacion lineal metodo grafico
programacion lineal metodo graficoprogramacion lineal metodo grafico
programacion lineal metodo grafico
 
Ejemplo metodo grafico
Ejemplo metodo graficoEjemplo metodo grafico
Ejemplo metodo grafico
 
Recupearcion
RecupearcionRecupearcion
Recupearcion
 
Método simplex
Método simplex Método simplex
Método simplex
 
Proyecto investigacion de operaciones
Proyecto investigacion de operacionesProyecto investigacion de operaciones
Proyecto investigacion de operaciones
 

Destacado

Transparencias tamaño de la muestra
Transparencias tamaño de la muestraTransparencias tamaño de la muestra
Transparencias tamaño de la muestraAdministracionMBA
 
Como extraer muestra finita
Como extraer muestra finitaComo extraer muestra finita
Como extraer muestra finitaEliseo Tintaya
 
Metodología de Investigación Hernandez Fernandez Bautista 2007 4a. Ed.- PPT11...
Metodología de Investigación Hernandez Fernandez Bautista 2007 4a. Ed.- PPT11...Metodología de Investigación Hernandez Fernandez Bautista 2007 4a. Ed.- PPT11...
Metodología de Investigación Hernandez Fernandez Bautista 2007 4a. Ed.- PPT11...tomatodo
 
TAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRATAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRAguest8a3c19
 

Destacado (7)

Muestreo
MuestreoMuestreo
Muestreo
 
cesar castrejon
cesar castrejoncesar castrejon
cesar castrejon
 
Transparencias tamaño de la muestra
Transparencias tamaño de la muestraTransparencias tamaño de la muestra
Transparencias tamaño de la muestra
 
Como extraer muestra finita
Como extraer muestra finitaComo extraer muestra finita
Como extraer muestra finita
 
Muestreo diana
Muestreo dianaMuestreo diana
Muestreo diana
 
Metodología de Investigación Hernandez Fernandez Bautista 2007 4a. Ed.- PPT11...
Metodología de Investigación Hernandez Fernandez Bautista 2007 4a. Ed.- PPT11...Metodología de Investigación Hernandez Fernandez Bautista 2007 4a. Ed.- PPT11...
Metodología de Investigación Hernandez Fernandez Bautista 2007 4a. Ed.- PPT11...
 
TAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRATAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRA
 

Similar a Tecnicas para analisis de datos

Ajuste de una_recta_por_minimos_cuadrados
Ajuste de una_recta_por_minimos_cuadradosAjuste de una_recta_por_minimos_cuadrados
Ajuste de una_recta_por_minimos_cuadradosAngie Garcia
 
Regresion lineal simple
Regresion lineal simpleRegresion lineal simple
Regresion lineal simpleJulio Oseda
 
08 ajuste de_una_recta_por_minimos_cuadrados
08 ajuste de_una_recta_por_minimos_cuadrados08 ajuste de_una_recta_por_minimos_cuadrados
08 ajuste de_una_recta_por_minimos_cuadradosRonald Flores Mamani
 
08 ajuste de_una_recta_por_minimos_cuadrados
08 ajuste de_una_recta_por_minimos_cuadrados08 ajuste de_una_recta_por_minimos_cuadrados
08 ajuste de_una_recta_por_minimos_cuadradosEdwin Martinez Sosa
 
1157834458 pauta i1 optimiz 1 2005
1157834458 pauta i1 optimiz 1 20051157834458 pauta i1 optimiz 1 2005
1157834458 pauta i1 optimiz 1 2005Gonzalo Gatica
 
Diseño muestral...teoria
Diseño muestral...teoriaDiseño muestral...teoria
Diseño muestral...teoriajavier4445
 
Análisis cluster en sistemas agropecuarios
Análisis cluster en sistemas agropecuariosAnálisis cluster en sistemas agropecuarios
Análisis cluster en sistemas agropecuariosSandra Fumero
 
Interpretación y utilidad de datos estadísticos.
Interpretación y utilidad de datos estadísticos.Interpretación y utilidad de datos estadísticos.
Interpretación y utilidad de datos estadísticos.Interlatin
 
Clase 6 Análisis de regresión.pdf
Clase 6 Análisis de regresión.pdfClase 6 Análisis de regresión.pdf
Clase 6 Análisis de regresión.pdfAnaParave1
 
Análisis de riesgo de un proyecto minero considerando la incertidumbre de var...
Análisis de riesgo de un proyecto minero considerando la incertidumbre de var...Análisis de riesgo de un proyecto minero considerando la incertidumbre de var...
Análisis de riesgo de un proyecto minero considerando la incertidumbre de var...José Enrique Gutiérrez Ramírez
 
Ajustes de curvas ff
Ajustes de curvas ffAjustes de curvas ff
Ajustes de curvas ffabel20113636
 
Resolucion de Sistemas de Ecuaciones Lineales
Resolucion de Sistemas de Ecuaciones LinealesResolucion de Sistemas de Ecuaciones Lineales
Resolucion de Sistemas de Ecuaciones LinealesRene Stalyn Ortega
 

Similar a Tecnicas para analisis de datos (20)

Ajuste de una_recta_por_minimos_cuadrados
Ajuste de una_recta_por_minimos_cuadradosAjuste de una_recta_por_minimos_cuadrados
Ajuste de una_recta_por_minimos_cuadrados
 
Regresion lineal simple
Regresion lineal simpleRegresion lineal simple
Regresion lineal simple
 
Regresion lineal simple
Regresion lineal simpleRegresion lineal simple
Regresion lineal simple
 
08 ajuste de_una_recta_por_minimos_cuadrados
08 ajuste de_una_recta_por_minimos_cuadrados08 ajuste de_una_recta_por_minimos_cuadrados
08 ajuste de_una_recta_por_minimos_cuadrados
 
08 ajuste de_una_recta_por_minimos_cuadrados
08 ajuste de_una_recta_por_minimos_cuadrados08 ajuste de_una_recta_por_minimos_cuadrados
08 ajuste de_una_recta_por_minimos_cuadrados
 
Anova
AnovaAnova
Anova
 
1157834458 pauta i1 optimiz 1 2005
1157834458 pauta i1 optimiz 1 20051157834458 pauta i1 optimiz 1 2005
1157834458 pauta i1 optimiz 1 2005
 
Dcl
DclDcl
Dcl
 
Diseño muestral...teoria
Diseño muestral...teoriaDiseño muestral...teoria
Diseño muestral...teoria
 
Análisis cluster en sistemas agropecuarios
Análisis cluster en sistemas agropecuariosAnálisis cluster en sistemas agropecuarios
Análisis cluster en sistemas agropecuarios
 
Interpretación y utilidad de datos estadísticos.
Interpretación y utilidad de datos estadísticos.Interpretación y utilidad de datos estadísticos.
Interpretación y utilidad de datos estadísticos.
 
Lab 01
Lab 01Lab 01
Lab 01
 
numerosAleatorios.pptx
numerosAleatorios.pptxnumerosAleatorios.pptx
numerosAleatorios.pptx
 
Clase 6 Análisis de regresión.pdf
Clase 6 Análisis de regresión.pdfClase 6 Análisis de regresión.pdf
Clase 6 Análisis de regresión.pdf
 
Análisis de riesgo de un proyecto minero considerando la incertidumbre de var...
Análisis de riesgo de un proyecto minero considerando la incertidumbre de var...Análisis de riesgo de un proyecto minero considerando la incertidumbre de var...
Análisis de riesgo de un proyecto minero considerando la incertidumbre de var...
 
S06 AD4001
S06 AD4001S06 AD4001
S06 AD4001
 
Mic sesión 13
Mic sesión 13Mic sesión 13
Mic sesión 13
 
Ajustes de curvas ff
Ajustes de curvas ffAjustes de curvas ff
Ajustes de curvas ff
 
Resolucion de Sistemas de Ecuaciones Lineales
Resolucion de Sistemas de Ecuaciones LinealesResolucion de Sistemas de Ecuaciones Lineales
Resolucion de Sistemas de Ecuaciones Lineales
 
Actividad integradora 2
Actividad integradora 2Actividad integradora 2
Actividad integradora 2
 

Tecnicas para analisis de datos

  • 1. 0 2 3 4 8 7 5 9 1 Técnicas para análisis de datos 0 0 0 0 0 1 5 2 7 9 8 1 0 0 0 4 3 2 1 1-2 Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 2. 0 2 3 4 8 7 5 9 1 Pruebas de hipótesis 0 5 2 7 9 8 1 0 0 0 4 3 2 1 Pruebas de asociación 1-2 Pruebas de diferencias Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 3. 1 0 2 3 4 8 7 5 9 0 0 0 0 0 1 5 2 7 9 8 Prueba t Prueba Z Dos muestras Muestras independientes Prueba t Prueba Z 1-2 Análisis de varianza 1 0 0 0 4 3 2 1 Medias Una muestra Prueba F Muestras pareadas Prueba t Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 4. 1 0 2 3 4 8 7 5 9 Análisis de varianza (tres o más muestras o grupos) 0 0 0 0 0 5 2 7 9 8 0 4 3 2 1 Un factor Una variable dependiente métrica y una variable independiente no métrica con n categorías 1-2 n factores Una variable dependiente métrica y dos o más variables independinte no métricas con n categorías Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 5. 1 0 2 3 4 8 7 5 9 0 0 0 0 0 1 5 2 7 9 8 1 0 0 0 4 3 2 1 Niveles de medición nominal •Chi cuadrado •Correción de continuidad de Yates •Razón de verosimilitud •Coeficiente Phi (φ) •Coeficiente “V” de Cramer •Coeficiente de contingencia 1-2 Niveles de medición ordinal •Kendall •Spearman Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 6. La función de regresión Ŷ = β1 + β2 X 1 0 2 3 4 8 7 5 9 0 0 0 0 0 1 5 2 7 9 8 Ecuaciones normales 1 0 0 0 4 3 2 1 ß1 = β2 = 1-2 y −β x 2 xy ∑ −n x y x ∑ −n x 2 2 Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 7. 12-8 y = 24.45 + 0.51 X 1 0 2 3 4 8 7 5 9 0 0 0 0 0 1 5 2 7 9 8 1 0 0 0 4 3 2 1 111 β2 = 0.51 β1 = 24.45 170 1-2 © 2001 Alfaomega Grupo Editor Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 8. Reglas prácticas acerca de la fuerza de los coeficientes de correlación 1 0 2 3 4 8 7 5 9 ±.81 a ±1.00 Muy fuerte ±.61 a ±.80 Fuerte ±.41 a ±.60 Moderada ±.21 a ±.40 Débil ±.00 a ±.20 Ninguna 1 0 0 0 4 3 2 1 1-2 Descripción de la fuerza 0 0 0 0 0 1 5 2 7 9 8 Rango de coeficiente Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 9. Coeficiente de correlación, r 1 0 2 3 4 8 7 5 9 Mide la fuerza o el grado de asociación lineal entre dos variables 0 0 0 0 0 1 5 2 7 9 8 1 0 0 0 4 3 2 1 -1≤ r ≤ 1 [ n( xy) − (∑ x)(∑ y)] [ n∑ x − (∑ x) ][ n∑ y − (∑ y) ] 2 r= 1-2 2 2 2 2 Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 10. Error estándar de la regresión 1 0 2 3 4 8 7 5 9 0 0 0 0 0 1 5 2 7 9 8 El error estándar de la regresión es una estimación de la distancia promedio entre la línea verdadera y los datos. Simplemente es la desviación estándar de los valores de Y alrededor de la recta de regresión estimada 1 0 0 0 4 3 2 1 Se = 1-2 ∑Y 2 − β1 ∑Y − β2 ∑XY n −2 Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 11. Regresión múltiple La función de regresión con K variables 1 0 2 3 4 8 7 5 9 0 0 0 0 0 1 5 2 7 9 8 ∑Y = nβ + β ∑ X + β ∑ X 1 2 1 3 1 0 0 0 4 3 2 1 Ŷ = β1 + β2 X1 + β3 X2 + ……+ βk Xk Ecuaciones normales para tres variables 2 ∑XY =β ∑X +β ∑X +β ∑X X 2 1 1-2 1 1 2 1 3 1 2 X 2Y = β 1 ∑ X 2 + β 2 ∑ X 1 X 2 + β 3 ∑ X 22 ∑ Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 12. FÓRMULAS PARA DETERMINAR EL TAMAÑO DE MUESTRA 1 0 2 3 4 8 7 5 9 Poblaciones finitas 0 0 0 0 0 1 5 2 7 9 8 Poblaciones infinitas 1 0 0 0 4 3 2 1 Z 2 PQ n= e2 1-2 Z 2PQN n= e2 ( N − 1) + Z 2PQ Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 13. PARA ESTIMAR LA MEDIA ARITMÉTICA DE UNA POBLACIÓN 1 0 2 3 4 8 7 5 9 0 0 0 0 0 1 5 2 7 9 8 1-2 1 0 0 0 4 3 2 1 n σ z  =   e 2     Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
  • 14. FÓRMULAS PARA ESTIMAR EL ERROR 1 0 2 3 4 8 7 5 9 1-2 Sp = 1 0 0 0 4 3 2 1 Para estimar el error stándar de la proporción de una población sx s = n 0 0 0 0 0 1 5 2 7 9 8 Para estimar el error stándar de la media aritmética de una población p (1 − p ) n Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.