Aquí se incluye una presentación de Power Point sobre cómo hacerle las pruebas de T de Student y de Normalidad a variables cualitativas independientes y cuantitativas dependientes, y cómo interpretar los resultados.
Este documento describe la prueba de Kruskal-Wallis, una prueba no paramétrica que se usa como sustituto del ANOVA cuando los supuestos de normalidad y homogeneidad de varianza no se cumplen. Se aplica a diseños con más de dos grupos independientes y evalúa si las sumas de los rangos de los grupos difieren de manera significativa. El documento incluye un ejemplo de aplicación de la prueba de Kruskal-Wallis a un experimento de reducción de peso con tres grupos.
Este documento describe los conceptos y fórmulas clave para calcular el tamaño de la muestra en estudios estadísticos. Explica que todo estudio requiere un tamaño de muestra óptimo para comprobar los objetivos con seguridad y esfuerzo mínimo. Luego, detalla dos tipos principales de estudios - aquellos que estiman parámetros poblacionales como proporciones y medias, y aquellos que contrastan hipótesis al comparar grupos. Finalmente, provee detalles específicos sobre cómo calc
El documento presenta los conceptos y procedimientos del análisis de varianza (ANOVA) de un factor. Explica que ANOVA compara la variación entre grupos con la variación dentro de los grupos para determinar si los efectos de diferentes tratamientos son estadísticamente significativos. Proporciona un ejemplo numérico donde se analizan los efectos de diferentes promociones de ventas utilizando ANOVA de un factor.
La prueba de Friedman es una prueba no paramétrica utilizada para probar si hay diferencias entre tres o más muestras relacionadas medidas en una escala ordinal. Se aplica cuando se tienen datos de grupos de sujetos evaluados en más de dos ocasiones o cuando se miden grupos de sujetos pareados en distintas condiciones. El documento explica las condiciones de uso y provee dos ejemplos de cómo aplicar la prueba de Friedman en SPSS.
Este documento describe los estudios retrospectivos de casos y controles, los cuales comparan grupos de individuos enfermos (casos) con grupos sanos (controles) para identificar factores de riesgo asociados a una enfermedad. Explica que este tipo de estudios se basan en información ya recolectada de forma rápida y económica, pero no pueden establecer relaciones de causalidad. También resalta ventajas como su rapidez, bajo costo y capacidad de estudiar múltiples factores, así como limitaciones respecto a no invol
Este documento describe la prueba de Friedman, una prueba estadística no paramétrica desarrollada por Milton Friedman para comparar más de dos variables relacionadas. Explica que la prueba de Friedman compara las diferencias entre los rangos medios de las variables para determinar si son estadísticamente significativas. También incluye un ejemplo completo de cómo aplicar la prueba de Friedman para analizar la concentración de un tóxico en diferentes órganos de peces.
Este documento trata sobre la teoría de muestreo estadístico. Explica que la teoría de muestreo se refiere al estudio de las relaciones entre una población y las muestras extraídas de ella, permitiendo estimar características desconocidas de la población. Luego define conceptos clave como estadísticos, parámetros, estimadores y tipos de muestreo como probabilístico y no probabilístico. Finalmente, describe distribuciones muestrales como la de medias y proporciones.
Aquí se incluye una presentación de Power Point sobre cómo hacerle las pruebas de T de Student y de Normalidad a variables cualitativas independientes y cuantitativas dependientes, y cómo interpretar los resultados.
Este documento describe la prueba de Kruskal-Wallis, una prueba no paramétrica que se usa como sustituto del ANOVA cuando los supuestos de normalidad y homogeneidad de varianza no se cumplen. Se aplica a diseños con más de dos grupos independientes y evalúa si las sumas de los rangos de los grupos difieren de manera significativa. El documento incluye un ejemplo de aplicación de la prueba de Kruskal-Wallis a un experimento de reducción de peso con tres grupos.
Este documento describe los conceptos y fórmulas clave para calcular el tamaño de la muestra en estudios estadísticos. Explica que todo estudio requiere un tamaño de muestra óptimo para comprobar los objetivos con seguridad y esfuerzo mínimo. Luego, detalla dos tipos principales de estudios - aquellos que estiman parámetros poblacionales como proporciones y medias, y aquellos que contrastan hipótesis al comparar grupos. Finalmente, provee detalles específicos sobre cómo calc
El documento presenta los conceptos y procedimientos del análisis de varianza (ANOVA) de un factor. Explica que ANOVA compara la variación entre grupos con la variación dentro de los grupos para determinar si los efectos de diferentes tratamientos son estadísticamente significativos. Proporciona un ejemplo numérico donde se analizan los efectos de diferentes promociones de ventas utilizando ANOVA de un factor.
La prueba de Friedman es una prueba no paramétrica utilizada para probar si hay diferencias entre tres o más muestras relacionadas medidas en una escala ordinal. Se aplica cuando se tienen datos de grupos de sujetos evaluados en más de dos ocasiones o cuando se miden grupos de sujetos pareados en distintas condiciones. El documento explica las condiciones de uso y provee dos ejemplos de cómo aplicar la prueba de Friedman en SPSS.
Este documento describe los estudios retrospectivos de casos y controles, los cuales comparan grupos de individuos enfermos (casos) con grupos sanos (controles) para identificar factores de riesgo asociados a una enfermedad. Explica que este tipo de estudios se basan en información ya recolectada de forma rápida y económica, pero no pueden establecer relaciones de causalidad. También resalta ventajas como su rapidez, bajo costo y capacidad de estudiar múltiples factores, así como limitaciones respecto a no invol
Este documento describe la prueba de Friedman, una prueba estadística no paramétrica desarrollada por Milton Friedman para comparar más de dos variables relacionadas. Explica que la prueba de Friedman compara las diferencias entre los rangos medios de las variables para determinar si son estadísticamente significativas. También incluye un ejemplo completo de cómo aplicar la prueba de Friedman para analizar la concentración de un tóxico en diferentes órganos de peces.
Este documento trata sobre la teoría de muestreo estadístico. Explica que la teoría de muestreo se refiere al estudio de las relaciones entre una población y las muestras extraídas de ella, permitiendo estimar características desconocidas de la población. Luego define conceptos clave como estadísticos, parámetros, estimadores y tipos de muestreo como probabilístico y no probabilístico. Finalmente, describe distribuciones muestrales como la de medias y proporciones.
Este documento describe los conceptos básicos de diseño experimental. Explica que un diseño experimental involucra la planeación intencional de un experimento manipulando variables independientes para medir sus efectos en variables dependientes. También define términos clave como variables de respuesta, factores, niveles de factores, tratamientos, unidades experimentales, diseños unifactoriales y multifactoriales. Por último, resume diferentes tipos de diseños experimentales como bloques aleatorios, factoriales y parcelas divididas.
Este documento describe cómo usar pruebas de normalidad en SPSS para determinar si los datos siguen una distribución normal. Explica que la normalidad de los datos es importante para la aplicación correcta de pruebas estadísticas. Detalla dos pruebas de normalidad en SPSS: histograma de frecuencias y prueba de Kolmogorov-Smirnov. Esta última prueba contrasta la hipótesis nula de que los datos siguen una distribución normal.
Tipos de errores, riesgo relativo y odds ratioFela Berecochea
Tipos de errores del protocolo de investigación, contraste de hipotesis, error tipo 1, error tipo 2, comparación de grupos, riesgo atribuible, riesgo relativo, odds ratio.
Este documento presenta información sobre la operacionalización de variables en investigación. Explica conceptos clave como variable, dato, unidad de análisis y valor. Además, clasifica las variables según su naturaleza (cualitativa y cuantitativa), función (dependiente, independiente e interviniente) y nivel de medición. Por último, detalla los componentes de un cuadro de operacionalización como la definición conceptual y operacional de las variables, sus dimensiones, tipo y escala de medición.
Este documento describe estudios de cohortes y casos y controles, que son estudios epidemiológicos observacionales. Los estudios de cohortes separan personas en grupos expuestos y no expuestos y los siguen para ver quiénes desarrollan una enfermedad. Los estudios de casos y controles comparan la exposición de personas que tuvieron un evento (casos) con personas que no lo tuvieron (controles). Ambos estudios miden la asociación entre exposiciones y enfermedades pero pueden estar sujetos a factores de confusión.
Este documento resume los conceptos básicos de las series cronológicas, incluyendo que son sucesiones de observaciones ordenadas en el tiempo, pueden ser de flujo o de nivel, y sus componentes principales son la tendencia, variación estacional, variación cíclica y variación aleatoria. También describe las características, clasificación, gráficos e índices comúnmente usados para analizar series temporales.
CLASE 13. ANOVA de dos Factores 21-05.pdfNoe Castillo
El documento introduce el diseño de experimentos con múltiples factores y proporciona dos ejemplos de análisis de varianza (ANOVA) de dos factores. El primer ejemplo estudia los efectos de la temperatura y el tipo de enfermedad en un grupo de personas. El segundo ejemplo estudia los efectos de la temperatura y el tipo de material en la vida útil de un componente. El documento concluye con un ejercicio de repaso sobre un experimento que mide la tasa de combustión de diferentes sistemas de misiles usando diferentes tipos de combustible.
El odds ratio es una medida epidemiológica utilizada en estudios de casos y controles que compara la probabilidad de exposición entre casos y controles. Se calcula como el cociente entre la probabilidad de exposición en casos dividida por la probabilidad de exposición en controles. Un odds ratio mayor que 1 indica una asociación positiva, menor que 1 una asociación negativa, e igual a 1 no hay asociación. El intervalo de confianza del 95% determina si una asociación es estadísticamente significativa.
Este documento describe el análisis de covarianza (ANCOVA), un método estadístico apropiado para estudios que incluyen covariables. ANCOVA ajusta las diferencias entre grupos usando covariables para reducir la variabilidad. El documento analiza un estudio hipotético sobre Plaza Sésamo usando ANCOVA y discute cuando ANCOVA puede o no ser apropiado.
Este documento describe los diseños prospectivos y retrospectivos para estudios epidemiológicos. Explica que los estudios prospectivos siguen a una población a lo largo del tiempo para observar la aparición de un evento, mientras que los estudios retrospectivos observan si un evento ocurrió en el pasado. Además, propone un estudio prospectivo para investigar la relación entre el IMC, los niveles de albúmina y linfocitos, e índice de mortalidad en pacientes con cáncer de mama.
Este documento describe diferentes diseños cuasi-experimentales, incluyendo experimentos de series cronológicas equivalentes, diseños de muestras cronológicas equivalentes, diseños materiales equivalentes y no equivalentes, y diseños compensados. Explica cada diseño con ejemplos y analiza sus ventajas y desventajas para la investigación educativa.
La prueba Chi-cuadrada se utiliza para determinar si la diferencia observada entre dos o más proporciones muestrales se debe al azar o es estadísticamente significativa. El documento explica cómo realizar la prueba Chi-cuadrada para una y dos variables, y proporciona ejemplos de cómo calcularla en SPSS, EPI-INFO y Excel para analizar la preferencia de los votantes según diferentes variables.
El documento proporciona una introducción a las pruebas estadísticas no paramétricas. Explica que estas pruebas no asumen una distribución normal de los datos ni igualdad de varianzas, a diferencia de las pruebas paramétricas. Luego describe algunas pruebas no paramétricas comunes como la prueba de Chi cuadrado, U de Mann-Whitney, Wilcoxon y Kruskal-Wallis; e indica cómo seleccionar la prueba apropiada dependiendo del tipo y número de muestras. Finalmente, incluye ej
Un estudio clínico aleatorizado compara el uso de nintedanib más quimioterapia versus solo quimioterapia en pacientes con cáncer de mama, asignando a los pacientes al azar a uno de los dos brazos de tratamiento.
El documento presenta información sobre estadística incluyendo tablas ANOVA, regresión lineal, índices de precios y correlación. Explica cómo utilizar el método de mínimos cuadrados para determinar la relación entre el número de llamadas realizadas por un representante y el número de copiadoras vendidas, y calcula que se esperan 20 copiadoras vendidas para alguien que hace 20 llamadas.
La prueba U de Mann-Whitney es una prueba estadística no paramétrica que compara dos muestras independientes para identificar diferencias entre las poblaciones de las que provienen. El resumen describe los pasos para aplicar la prueba, incluyendo ordenar los datos, calcular los rangos, determinar los estadísticos U1 y U2, y compararlos con valores críticos o usar una aproximación normal para decidir si rechazar o no la hipótesis nula de que no hay diferencia entre las poblaciones.
Este documento presenta un resumen de los diseños experimentales de bloques aleatorizados. Explica que estos diseños permiten controlar variables extrañas mediante la formación de bloques homogéneos. Describe el modelo estructural de estos diseños y cómo se calcula el análisis de varianza para probar hipótesis sobre los efectos de los tratamientos y bloques. Finalmente, incluye un ejemplo práctico para ilustrar el procedimiento.
Medidas de tendencia central y dispercionJose Ojeda
El documento describe las medidas de tendencia central y dispersión para variables cuantitativas. Explica la media, mediana y diagrama de dispersión como medidas de tendencia central, y la varianza, desviación estándar e intervalo de extremos como medidas de dispersión. Proporciona ejemplos para ilustrar cómo calcular e interpretar cada medida.
Metanalisis - Una aproximación a la interpretación de los matanálisisJulio Campos Florián
Una aproximación a la interpretación de los matanálisis.
Se describe la forma de interpretar los metanálisis, los tipos de resultados según tipo de datos, forest plot, funnel plot, heterogeneidad, sesgos, entre otros.
Este documento presenta una introducción a los métodos estadísticos ANOVA y Kruskal-Wallis. Explica que ANOVA se usa para comparar variables cuantitativas entre grupos con distribución paramétrica, mientras que Kruskal-Wallis se usa para distribuciones no paramétricas o muestras pequeñas. Incluye ejemplos ilustrativos de cómo aplicar ambos métodos estadísticos para comparar datos entre grupos.
Este documento presenta una introducción a las estadísticas no paramétricas, incluyendo pruebas como Chi-cuadrado, Mann-Whitney, Kruskal-Wallis y correlación de Spearman. Explica cuándo usar cada prueba dependiendo del tipo de variables (intervalo, ordinal, nominal) y número de grupos. También incluye tablas resumiendo los tipos de pruebas para diferentes diseños experimentales como grupos independientes, medidas repetidas, asociación entre variables.
Este documento describe los conceptos básicos de diseño experimental. Explica que un diseño experimental involucra la planeación intencional de un experimento manipulando variables independientes para medir sus efectos en variables dependientes. También define términos clave como variables de respuesta, factores, niveles de factores, tratamientos, unidades experimentales, diseños unifactoriales y multifactoriales. Por último, resume diferentes tipos de diseños experimentales como bloques aleatorios, factoriales y parcelas divididas.
Este documento describe cómo usar pruebas de normalidad en SPSS para determinar si los datos siguen una distribución normal. Explica que la normalidad de los datos es importante para la aplicación correcta de pruebas estadísticas. Detalla dos pruebas de normalidad en SPSS: histograma de frecuencias y prueba de Kolmogorov-Smirnov. Esta última prueba contrasta la hipótesis nula de que los datos siguen una distribución normal.
Tipos de errores, riesgo relativo y odds ratioFela Berecochea
Tipos de errores del protocolo de investigación, contraste de hipotesis, error tipo 1, error tipo 2, comparación de grupos, riesgo atribuible, riesgo relativo, odds ratio.
Este documento presenta información sobre la operacionalización de variables en investigación. Explica conceptos clave como variable, dato, unidad de análisis y valor. Además, clasifica las variables según su naturaleza (cualitativa y cuantitativa), función (dependiente, independiente e interviniente) y nivel de medición. Por último, detalla los componentes de un cuadro de operacionalización como la definición conceptual y operacional de las variables, sus dimensiones, tipo y escala de medición.
Este documento describe estudios de cohortes y casos y controles, que son estudios epidemiológicos observacionales. Los estudios de cohortes separan personas en grupos expuestos y no expuestos y los siguen para ver quiénes desarrollan una enfermedad. Los estudios de casos y controles comparan la exposición de personas que tuvieron un evento (casos) con personas que no lo tuvieron (controles). Ambos estudios miden la asociación entre exposiciones y enfermedades pero pueden estar sujetos a factores de confusión.
Este documento resume los conceptos básicos de las series cronológicas, incluyendo que son sucesiones de observaciones ordenadas en el tiempo, pueden ser de flujo o de nivel, y sus componentes principales son la tendencia, variación estacional, variación cíclica y variación aleatoria. También describe las características, clasificación, gráficos e índices comúnmente usados para analizar series temporales.
CLASE 13. ANOVA de dos Factores 21-05.pdfNoe Castillo
El documento introduce el diseño de experimentos con múltiples factores y proporciona dos ejemplos de análisis de varianza (ANOVA) de dos factores. El primer ejemplo estudia los efectos de la temperatura y el tipo de enfermedad en un grupo de personas. El segundo ejemplo estudia los efectos de la temperatura y el tipo de material en la vida útil de un componente. El documento concluye con un ejercicio de repaso sobre un experimento que mide la tasa de combustión de diferentes sistemas de misiles usando diferentes tipos de combustible.
El odds ratio es una medida epidemiológica utilizada en estudios de casos y controles que compara la probabilidad de exposición entre casos y controles. Se calcula como el cociente entre la probabilidad de exposición en casos dividida por la probabilidad de exposición en controles. Un odds ratio mayor que 1 indica una asociación positiva, menor que 1 una asociación negativa, e igual a 1 no hay asociación. El intervalo de confianza del 95% determina si una asociación es estadísticamente significativa.
Este documento describe el análisis de covarianza (ANCOVA), un método estadístico apropiado para estudios que incluyen covariables. ANCOVA ajusta las diferencias entre grupos usando covariables para reducir la variabilidad. El documento analiza un estudio hipotético sobre Plaza Sésamo usando ANCOVA y discute cuando ANCOVA puede o no ser apropiado.
Este documento describe los diseños prospectivos y retrospectivos para estudios epidemiológicos. Explica que los estudios prospectivos siguen a una población a lo largo del tiempo para observar la aparición de un evento, mientras que los estudios retrospectivos observan si un evento ocurrió en el pasado. Además, propone un estudio prospectivo para investigar la relación entre el IMC, los niveles de albúmina y linfocitos, e índice de mortalidad en pacientes con cáncer de mama.
Este documento describe diferentes diseños cuasi-experimentales, incluyendo experimentos de series cronológicas equivalentes, diseños de muestras cronológicas equivalentes, diseños materiales equivalentes y no equivalentes, y diseños compensados. Explica cada diseño con ejemplos y analiza sus ventajas y desventajas para la investigación educativa.
La prueba Chi-cuadrada se utiliza para determinar si la diferencia observada entre dos o más proporciones muestrales se debe al azar o es estadísticamente significativa. El documento explica cómo realizar la prueba Chi-cuadrada para una y dos variables, y proporciona ejemplos de cómo calcularla en SPSS, EPI-INFO y Excel para analizar la preferencia de los votantes según diferentes variables.
El documento proporciona una introducción a las pruebas estadísticas no paramétricas. Explica que estas pruebas no asumen una distribución normal de los datos ni igualdad de varianzas, a diferencia de las pruebas paramétricas. Luego describe algunas pruebas no paramétricas comunes como la prueba de Chi cuadrado, U de Mann-Whitney, Wilcoxon y Kruskal-Wallis; e indica cómo seleccionar la prueba apropiada dependiendo del tipo y número de muestras. Finalmente, incluye ej
Un estudio clínico aleatorizado compara el uso de nintedanib más quimioterapia versus solo quimioterapia en pacientes con cáncer de mama, asignando a los pacientes al azar a uno de los dos brazos de tratamiento.
El documento presenta información sobre estadística incluyendo tablas ANOVA, regresión lineal, índices de precios y correlación. Explica cómo utilizar el método de mínimos cuadrados para determinar la relación entre el número de llamadas realizadas por un representante y el número de copiadoras vendidas, y calcula que se esperan 20 copiadoras vendidas para alguien que hace 20 llamadas.
La prueba U de Mann-Whitney es una prueba estadística no paramétrica que compara dos muestras independientes para identificar diferencias entre las poblaciones de las que provienen. El resumen describe los pasos para aplicar la prueba, incluyendo ordenar los datos, calcular los rangos, determinar los estadísticos U1 y U2, y compararlos con valores críticos o usar una aproximación normal para decidir si rechazar o no la hipótesis nula de que no hay diferencia entre las poblaciones.
Este documento presenta un resumen de los diseños experimentales de bloques aleatorizados. Explica que estos diseños permiten controlar variables extrañas mediante la formación de bloques homogéneos. Describe el modelo estructural de estos diseños y cómo se calcula el análisis de varianza para probar hipótesis sobre los efectos de los tratamientos y bloques. Finalmente, incluye un ejemplo práctico para ilustrar el procedimiento.
Medidas de tendencia central y dispercionJose Ojeda
El documento describe las medidas de tendencia central y dispersión para variables cuantitativas. Explica la media, mediana y diagrama de dispersión como medidas de tendencia central, y la varianza, desviación estándar e intervalo de extremos como medidas de dispersión. Proporciona ejemplos para ilustrar cómo calcular e interpretar cada medida.
Metanalisis - Una aproximación a la interpretación de los matanálisisJulio Campos Florián
Una aproximación a la interpretación de los matanálisis.
Se describe la forma de interpretar los metanálisis, los tipos de resultados según tipo de datos, forest plot, funnel plot, heterogeneidad, sesgos, entre otros.
Este documento presenta una introducción a los métodos estadísticos ANOVA y Kruskal-Wallis. Explica que ANOVA se usa para comparar variables cuantitativas entre grupos con distribución paramétrica, mientras que Kruskal-Wallis se usa para distribuciones no paramétricas o muestras pequeñas. Incluye ejemplos ilustrativos de cómo aplicar ambos métodos estadísticos para comparar datos entre grupos.
Este documento presenta una introducción a las estadísticas no paramétricas, incluyendo pruebas como Chi-cuadrado, Mann-Whitney, Kruskal-Wallis y correlación de Spearman. Explica cuándo usar cada prueba dependiendo del tipo de variables (intervalo, ordinal, nominal) y número de grupos. También incluye tablas resumiendo los tipos de pruebas para diferentes diseños experimentales como grupos independientes, medidas repetidas, asociación entre variables.
Este documento presenta una introducción al tratamiento de datos, incluyendo medidas, unidades, cálculo de incertidumbres, presentación de resultados, media ponderada, regresión lineal e interpolación. Explica conceptos como error, incertidumbre, tipos de medidas y errores, así como cómo estimar resultados teniendo en cuenta errores sistemáticos y aleatorios.
Este documento presenta una introducción al tratamiento de datos, incluyendo medidas, unidades, cálculo de incertidumbres, presentación de resultados, media ponderada, regresión lineal e interpolación. Explica conceptos como error e incertidumbre, tipos de medidas y errores, así como cómo estimar resultados teniendo en cuenta errores sistemáticos y aleatorios. Finalmente, ofrece ejemplos de cálculos de incertidumbres para medidas directas e indirectas.
Este documento presenta 8 ejercicios sobre pruebas estadísticas no paramétricas. El primer ejercicio aplica la prueba de bondad de ajuste chi-cuadrado para determinar si un conjunto de datos sigue una distribución normal. El segundo ejercicio utiliza la prueba chi-cuadrado de independencia para analizar la relación entre nota y tipo de escuela. El tercer ejercicio emplea la prueba de Wilcoxon para comparar los tiempos de ejecución de dos ordenadores. Los ejercicios restantes proponen aplicar divers
Es un recipiente ovalado que en un extremo tiene una boca estrecha cerrada po...evaristobrionesruiz
Este documento presenta los conceptos fundamentales de la teoría de incertidumbres y la presentación de resultados en experimentos de física. Explica que toda medida está sujeta a incertidumbre y cómo evaluar la incertidumbre de medidas directas e indirectas. También cubre cómo redondear y presentar resultados de manera concisa incluyendo la incertidumbre.
A) Que el documento presenta los resultados de mediciones realizadas en 4 laboratorios diferentes. Laboratorio A y C tuvieron el mismo tiempo promedio, mientras que laboratorio B tuvo el menor tiempo promedio y laboratorio D el mayor.
B) Se calculan las medidas de dispersión (desviación estándar y coeficiente de variación) para cada laboratorio.
C) Se concluye que todos los laboratorios presentaron datos con variabilidad aceptable y que el laboratorio C tuvo los datos más homogéneos.
Este documento presenta varios ejercicios de estadística no paramétrica. Incluye el uso de pruebas como la Chi-cuadrado de bondad de ajuste, Chi-cuadrado de tablas de contingencia, prueba de Wilcoxon y prueba de la mediana para contrastar hipótesis sobre la distribución de datos. También propone ejercicios prácticos para que el lector aplique estas pruebas estadísticas a diferentes conjuntos de datos.
Gerencia en mantenimiento 3r Corte
Estadística aplicada
Grupo 5
Integrantes:
Ing. Alexander Quijada C.I.: 19.142.119
Ing. Estefanía Zabala C.I: 18.205.313
Ing. Irayleth Brito C.I.: 15.127.426
Ing. María Guevara C.I.: 17.590.715
Ing. Mauricio Flores C.I: 19.510.541
Cap 1 teoria analisis exploratorio y descriptivojuancevallos791
Este documento presenta conceptos básicos de estadística descriptiva como medida de tendencia central (media, mediana), medidas de dispersión (rango, desviación estándar, coeficiente de variación), y define poblaciones, muestras, variables categóricas y numéricas. Explica cómo calcular la media, mediana, moda, rango e intercuartil para resumir conjuntos de datos y proporcionar una visión general.
El vicepresidente de mercadotecia de una cadena de restaurantes desea analizar las ventas anuales de 100 sucursales en el distrito oriental para compararlas con otras regiones. La distribución de frecuencias muestra las ventas agrupadas en intervalos. El vicepresidente busca medir la tendencia central y variabilidad de los datos a través del cálculo de la media, varianza y desviación estándar para resumir la distribución y comparar las ventas entre distritos.
El documento describe métodos para determinar ecuaciones empíricas a partir de datos experimentales, incluyendo representaciones gráficas y análisis estadísticos. Explica cómo construir gráficas para revelar la relación entre variables, y cómo usar los métodos gráficos y estadísticos para derivar ecuaciones que describen fenómenos físicos.
El documento presenta una introducción a los ensayos geotécnicos in situ, enfocándose en el Ensayo de Penetración Estándar (SPT). Explica que el SPT mide la resistencia a la penetración mediante la hinca dinámica de un sacamuestras, y que su resultado se expresa como el número de golpes (N) necesarios para cada intervalo de penetración. También describe las correcciones aplicadas a N para obtener valores normalizados como N60 o (N1)60, y cómo el SPT se puede usar para estimar par
Este documento describe varias medidas de tendencia central y dispersión utilizadas para analizar conjuntos de datos. Las medidas de tendencia central incluyen la media aritmética, media ponderada y media armónica, las cuales representan el valor más probable de un conjunto de datos. Las medidas de dispersión incluyen la amplitud, varianza y desviación estándar, las cuales miden cuán dispersos están los valores de los datos con respecto a la media. El documento también explica el criterio de Chauvenet para rechazar valores atípicos en un conjunto de datos.
El documento presenta un resumen de los conceptos básicos de un diseño factorial 3K, incluyendo factores, niveles, tratamientos y réplicas. Explica que este diseño permite investigar los efectos de los factores individuales (A, B, C), sus interacciones (AB, AC, BC) y la interacción de todos los factores (ABC). Finalmente, muestra un ejemplo numérico de cómo aplicar un análisis de varianza para probar las hipótesis nulas de los diferentes efectos.
Este documento resume los resultados de un experimento sobre incertidumbre en mediciones realizado en un laboratorio de física mecánica. Explica conceptos como valor más probable, error absoluto, error relativo y propagación de errores. Luego presenta los cálculos realizados para determinar estas medidas en diferentes ejercicios, como mediciones de tiempo, distancia, área y densidad, mostrando el valor más probable y la incertidumbre en cada caso.
1. El documento presenta los resultados de un análisis estadístico realizado por el Equipo Natural de Trabajo N°3 de la Maestría de Ingeniería de Mantenimiento de la Universidad Nororiental Privada sobre el tiempo promedio para metas organizacionales y su nivel de cumplimiento.
2. Se pide realizar un ajuste de curva mediante regresión lineal múltiple para estimar la ganancia de corriente esperada basándose en 10 datos muestrales de tiempo de difusión y resistencia.
3. Se presentan t
Este documento presenta el laboratorio de física mecánica de la Universidad Francisco de Paula Santander. Contiene catorce secciones que cubren diferentes temas de física mecánica como la incertidumbre de mediciones, interpretación de gráficas, medidas experimentales, movimiento rectilíneo, caída libre, movimiento de proyectiles, ley de Hooke, segunda ley de Newton, conservación de la energía mecánica y péndulo balístico. Cada sección incluye introducción, objetivos, marco teórico,
Este documento presenta el análisis estadístico de los datos de eficiencia de 30 trabajadores de una empresa metalmecánica. Se calculan medidas de tendencia central como la media, mediana y moda, las cuales indican que la eficiencia es baja. También se calculan medidas de dispersión como la varianza y desviación estándar. Finalmente, se ajusta una recta a los datos de tiempo de mantenimiento vs tiempo operativo de motores usando mínimos cuadrados.
Factores a Considerar al Medir
Exactitud y Precisión
Cifras Significativas
Operaciones con Cifras Significativas
Notación Científica
Operaciones con Notación Científica
Este documento describe las pruebas estadísticas T-Student, D de Cohen y U de Mann-Whitney. Explica cómo se usan estas pruebas para comparar variables cuantitativas entre dos grupos independientes y proporciona ejemplos detallados de su aplicación.
Este documento explica la diferencia entre la correlación de Pearson y la correlación de Spearman. La correlación de Pearson se utiliza para asociar dos variables cuantitativas con una distribución paramétrica, mientras que la correlación de Spearman se utiliza para variables cuantitativas con una distribución no paramétrica. El documento proporciona fórmulas y ejemplos para calcular e interpretar los coeficientes de correlación de Pearson y Spearman.
Este documento presenta diferentes métodos estadísticos para analizar datos categóricos, incluyendo chi cuadrada para comparar dos o más grupos, cálculo de odds ratio para estudios de casos y controles, riesgos relativos para estudios de cohorte, y prueba de McNemar para comparar variables en dos momentos del tiempo. Se proveen ejemplos y fórmulas para cada método.
El documento presenta conceptos clave relacionados con la investigación científica como hipótesis, muestra, población, errores, tipos de estudios, pruebas estadísticas y significancia estadística. Explica que una hipótesis es una proposición provisional que se formula para responder una pregunta de investigación y debe ser corroborada, y que una muestra es un subconjunto representativo de una población total. También describe los tipos de errores y estudios, así como las pruebas estadísticas comunes utilizadas en función del tipo
Este documento describe la relación entre los procesos psicológicos y el sistema nervioso, endocrino e inmunológico. Explica que la psiconeuroendocrinología estudia cómo los estados emocionales como el estrés crónico y la depresión afectan los niveles de hormonas como el cortisol y pueden conducir a inflamación, estrés oxidativo y un mayor riesgo de enfermedades crónicas. También describe estudios realizados que examinan la asociación entre variables psicológicas, biomarcadores
La era precámbrica comenzó hace 4 millones de años y se cuenta hasta hace 570 millones de años. Durante este período se creó el complejo basal propio de la Guayana venezolana, al sur del país; también en Los Andes; en la cordillera norte de Perijá, estado de Zulia; y en el Baúl, estado de Cojedes.
Esta exposición tiene como objetivo educar y concienciar al público sobre la dualidad del oxígeno en la biología humana. A través de una mezcla de ciencia, historia y tecnología, se busca inspirar a los visitantes a apreciar la complejidad del oxígeno y a adoptar estilos de vida que promuevan un equilibrio saludable entre sus beneficios y sus potenciales riesgos.
¡Únete a nosotros para descubrir cómo el oxígeno puede ser tanto un salvador como un destructor, y qué podemos hacer para maximizar sus beneficios y minimizar sus daños!
Esta presentación nos informa sobre los pólipos nasales, estos son crecimientos benignos en el revestimiento de los senos paranasales o fosas nasales, causados por inflamación crónica debido a alergias, infecciones o asma.
Fijación, transporte en camilla e inmovilización de columna cervical II.pptxjanetccarita
Explora los fundamentos y las mejores prácticas en fijación, transporte en camilla e inmovilización de la columna cervical en este presentación dinámica. Desde técnicas básicas hasta consideraciones avanzadas, este conjunto de diapositivas ofrece una visión completa de los protocolos cruciales para garantizar la seguridad y estabilidad del paciente en situaciones de emergencia. Útil para profesionales de la salud y equipos de respuesta ante emergencias, esta presentación ofrece una guía visualmente impactante y fácil de entender.
2. ANOVA de medidas repetidas
• Función: Comparar variables cuantitativas con distribución
paramétrica en 3 o más muestras dependientes (misma variable,
mismos individuos, diferentes tiempos: 3 o más tiempos diferentes)
• Ejemplo: Comparar el % de la reducción del diámetro de las arterias
coronarias después de una inyección de acetilcolina con una
intervención que consistió en realizar ejercicio físico intenso media
hora diaria.
4. Ejemplo de gráfica de 3 medidas con grupo control
Eje X: tiempos de medición
Eje Y: % de reducción del diámetro de las
arterias coronarias con una inyección de AC
Basal/pre-test 1 semana 12 semanas
10%
30%
50%
40%
20%
Grupo control
Grupo experimental
P < 0.01
P < 0.01
P < 0.001
P > 0.05
5. ANOVA de medidas repetidas
• Pasos:
• Paso 1: Encontrar la media total = 21.93
• Paso 2: Encontrar la media para los K tiempos o medidas:
• Pre = 25.833
• Post-1S = 21.767
• Post-12S = 18.200
6. ANOVA de medidas repetidas
• Paso 3: Encontrar la suma de cuadrados entre medidas repetidas
• SCmedidas = n Σ 𝑥 𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑥 𝑡𝑜𝑡𝑎𝑙 2
• SCmedidas = 30 x [(25.833 – 21.933)2 + (21.767 – 21.933)2 + (18.200 –
21.933)2] = 875.3
• Paso 4: Encontrar las n medias de cada sujeto, para calcular la media
del cambio de diámetro de cada uno de los n sujetos (n =30)
• Paso 5: Encontrar la suma de cuadrados entre sujetos (k = medidas 3)
• SCsujetos = 𝑘 Σ (𝑥sujeto - 𝑥Total)2
• SCsujetos = 3 Σ [(29 - 21.93)2 + (20 - 21.93)2 ….. (12 - 21.93)2] = 7391.6
7. ANOVA de medidas repetidas
• Paso 6: Encontrar la suma de cuadrados total de las N observaciones (N
=90)
• SCtotal = Σ (xi – xtotal)2
• SCtotal = (40 – 21.93)2 + (31 – 21.93)2.......(15 - 21.93)2 = 9887.7
• Paso 7: Encontrar la suma de cuadrados residual: Se calcula restando a la
total las otras 2 sumas de cuadrados
• SCmedidas = 875.3
• SCsujetos = 7391.6
• SCtotal = 9887.7
• SCresidual = 9887.7 – (875.3 + 7391.6) = 1620.8
8. ANOVA de medidas repetidas
• Paso 8: Encontrar los grados de libertad para cada uno de los 4
componentes. Recordemos que N son las 90 observaciones, n son los
30 sujetos y k son las 3 mediciones.
• Grados de libertad:
• Totales = N – 1 = 90 – 1 =89 N = número de mediciones = 90
• Medidas = k – 1 = 3 – 1 =2 k = número de medidas = 3
• Sujetos = n – 1 = 30 – 1 = 29 n = número de sujetos = 30
• Residuales = Gltotales – (Glmedidas + GlSujetos) = 89 – (29 + 2) = 58
9. ANOVA de medidas repetidas
• Paso 9: Se construye la tabla de ANOVA de medidas repetidas (tabla del análisis
de la varianza)
• Paso 10: Calcular el cociente F: Dividiendo la varianza explicada por las
diferencias entre las medidas (variabilidad intra-sujeto) entre la varianza residual
F2,58 = 437.65 = 15.66 Valor de p = DISTR.F.CD(A49,2,58) = 0.0000036
27.94 (En Excel)
Fuente Suma cuadrados Grados libertad Varianza
Entre medidas 875.3 2 875.3/2 = 437.65
Entre sujetos 7391.6 29 7391.6/29 = 254.88
Residual 1620.8 58 1620.8/58 = 27.94
gl medidas gl residual
10. ANOVA de medidas repetidas
Ejemplo: Comparar el % de la reducción del diámetro de las arterias
coronarias después de una inyección de acetilcolina con una
intervención que consistió en realizar ejercicio físico intenso media
hora diaria.
Interpretación:
Existen diferencias estadísticamente significativa en el porcentaje de
reducción del diámetro de las arterias coronarias al aplicar una
inyección de acetilcolina, entre la basal y 2 mediciones (1 semana y 12
semanas) después del inicio de una intervención que consistió en
realizar ejercicio físico intenso media hora diaria, p < 0.001.
11. ANOVA de medidas repetidas en SPSS
• Paso 1: Verificar la significancia de la prueba de esfericidad de
Mauchly:
• Si no es significativ se toma el valor de p de los efectos intra-sujetos:
esfericidad asumida
• Si sí es significativa se toma el valor de p de Greenhouse-Geisser.
• P = 0.0003 (Greenhouse-Geisser) la prueba de esfericidad de
Mauchly: p < 0.05
12. ANOVA de medidas repetidas en SPSS
• Paso 2: Verificar los valores de p en las comparaciones por parejas
(prueba de Bonferroni)
• Basal vs Post-1S: p < 0.001 (25.83 ±11.77 𝑣𝑠 21.77 ± 9.69)
• Basal vs Post-12S: P = 0.001 (25.83 ±11.77 𝑣𝑠 18.20 ± 8.83)
• Post-1S vs Post-12S: P = 0.016 (21.77 ± 9.69 vs 18.20 ± 8.83)
13. ANOVA de medidas repetidas en SPSS
Interpretación:
Existen diferencias estadísticamente significativas en el porcentaje de
reducción del diámetro de las arterias coronarias al aplicar una inyección de
acetilcolina, entre la basal y 2 mediciones posteriores (1 semana y 12
semanas) del inicio de una intervención que consistió en realizar ejercicio
físico intenso media hora diaria, p < 0.001.
Donde encontramos una disminución significativa en el porcentaje de
reducción del diámetro de las arterias coronarias en la comparación del pre-
test vs la medición post-1S (Seguimiento a la semana) con una media ± DS
de: 25.83 ± 11.77 𝑣𝑠 21.77 ± 9.69, p < 0.001, así como entre el pre-test vs
la medición post-12S (Seguimiento a las 12 semanas) con una media ± DS
de: 25.83 ± 11.77 𝑣𝑠 18.20 ± 8.83 p = 0.001 y entre la medición post-1S vs
la medición post-12S con una media ± DS de: 21.77 ± 9.69 𝑣𝑠 18.20 ± 8.83,
p = 0.016.
14. ANOVA de medidas repetidas ejemplo
• Objetivo: Comparar los niveles de calidad de vida en 4 tiempos diferentes (basal, 4 Semanas, 8
semanas y 12 semanas) en un grupo de pacientes con ERC a los que se les aplicó una intervención
psicológica durante las 12 semanas de seguimiento.
• Interpretación: Hubo diferencias estadísticamente significativas en los niveles de calidad de vida
en las 4 mediciones, p = 5.75 x 10 -11, donde encontramos un incremento significativo en los
niveles de calidad de vida en la comparación de la medición pre-test vs la medición a las 4
semanas, con una media ± DS de: 47.10 ± 17.14 vs 61.75 ± 23.31, p <0.001; en la comparación
de la medición pre-test vs la medición a las 8 semanas, con una media ±DS de: 47.10 ± 17.14 vs
71.35 ±22.74, p = 5.18 x 10 − 9; en la comparación de la medición pre-test vs la medición a las
12 semanas, con una media ± DS de: 47.10 ± 17.14 vs 87.10 ± 17.14, p = 5.06 x 10 − 155; en la
comparación de la medición de las 4semanas vs la medición a las 8 semanas, con una medica ±
DS de: 61.75 ± 23.31 vs 71.35 ± 22.74, p = 6.03 x 10 −
16; en la comparación de la medición de las 4 semanas vs la medición de las 12 semanas, con
una media ± DS de: 61.75 ± 23.31 vs 87.10 ± 17.14, p = 8.91 x 10 −
9; y en la comparación de la medición a las 8 semanas vs la medición a las 12 semanas, con
una media ± DS de: 71.35 ±22.74 vs 87.10 ± 17.14, p < 0.001 (p = 4 x 10 -6)
16. Friedman
• Función: Comparar variables cuantitativas con distribución no
paramétrica en más de 2 grupos (muestras) dependientes (mismos
sujetos, mismas variables, tiempos diferentes).
• Ejemplo: Comparar el porcentaje de la reducción del diámetro de las
arterias coronarias, después de una inyección de acetilcolina, con una
intervención que consistió en realizar ejercicio físico intenso media
hora diaria.
18. Ejemplo Friedman
• Paso 1: Reemplazar los datos de cada sujeto por su rango dentro de
cada fila
• Paso 2: Sumar los rangos por columnas
• Paso 3: Calcular los rangos medios: Se divide la suma de rangos Ri de
cada columna entre el número de observaciones de cada una; es
decir, se hace simplemente la media de los rangos
• Primera medida: 76/30 = 2.53
• Segunda medida: 56.5/30 = 1.88
• Tercera medida: 47.5/30 = 1.58
19. Ejemplo Friedman
• Paso 4: Calcular la chi cuadrada, según la siguiente expresión:
• Xi2 = Σ 𝑅𝑖 − 𝑛 (𝑘 + 1)/2 2 gl = k – 1
nk (k + 1)
12
• Donde:
• K = número de observaciones repetidas = 3
• N = número de sujetos = 30
• Ri = Suma de rangos para cada medición
21. Ejemplo Friedman
• Paso 5: si hay empates, el resultado de la chi cuadrada debe ajustarse
dividiéndolo entre el siguiente factor de corrección:
• FC = 1 - ΣTi Ti = Σ Ti
3 – ΣTi
nk (k2 -1)
Ti = Número de observaciones empatadas para un rango dado en el i-
ésimo individuo. En este caso, tenemos dos empates correspondientes
correspondientes a los individuos 16 y 19 con 2 empates cada uno (Ti
=2), por lo que T1= 23 – 2 = 6, T2 = 23 – 2 = 6
24. Ejemplo Friedman
• Paso 6: Para determinar el valor de p, se compara el valor de chi cuadrada
(corregido) con las tablas de chi cuadrada para los gl que correspondan.
• Xi2 > 10.597, p < 0.005
• Interpretación: Existen diferencias estadísticamente significativas en las 3
mediciones del porcentaje de reducción de las arterias coronarias (con una
inyección de acetilcolina) después de una intervención que consistió en
realizar ejercicio físico intenso de media hora diaria, p = 0.001.
Valor crítico para 2 gl, p = 0.005