Como determinar el uso de los coeficientes de correlación de Pearson y de Sperman
ventajas y desventajas de cada uno de ellos.
Aplicar usos de enfoques Pearson y enfoque Sperman a problemas estadísticos.
Como determinar el uso de los coeficientes de correlación de Pearson y de Sperman
ventajas y desventajas de cada uno de ellos.
Aplicar usos de enfoques Pearson y enfoque Sperman a problemas estadísticos.
Pruebas de Hipótesis para dos medias y proporciones.estadisticaYanina C.J
Sea X1,…. Xn una m.a. tomada de una población N(1,21) y Sea Y1,…. Yn una m.a. tomada de una población N(2,22), donde 21 y 22 son conocidos . Existen tres tipos de contrastes:
Es un índice estadístico que mide la relación lineal entre dos variables cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables.
Descripción de los estadísticos de prueba para diferentes casos de hipótesis en una y dos poblaciones. Para casos de varianzas conocidas y casos de varianzas desconocidas. Para casos de muestra dependientes y muestras independientes.
Ejemplo de un proyecto realizado con Regresión Lineal Simple, donde se relacionan dos variables, el porcentaje de cacahuates no infectados con una toxina (anflatoxina) y el promedio de anflatoxina en el lote.
Notas sobre la interpretación de Intervalos de Confianza y valor P, con unos ejemplos para apoyar una mejor interpretación de los resultados de articulos de la literatura médica.
Pruebas de Hipótesis para dos medias y proporciones.estadisticaYanina C.J
Sea X1,…. Xn una m.a. tomada de una población N(1,21) y Sea Y1,…. Yn una m.a. tomada de una población N(2,22), donde 21 y 22 son conocidos . Existen tres tipos de contrastes:
Es un índice estadístico que mide la relación lineal entre dos variables cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables.
Descripción de los estadísticos de prueba para diferentes casos de hipótesis en una y dos poblaciones. Para casos de varianzas conocidas y casos de varianzas desconocidas. Para casos de muestra dependientes y muestras independientes.
Ejemplo de un proyecto realizado con Regresión Lineal Simple, donde se relacionan dos variables, el porcentaje de cacahuates no infectados con una toxina (anflatoxina) y el promedio de anflatoxina en el lote.
Notas sobre la interpretación de Intervalos de Confianza y valor P, con unos ejemplos para apoyar una mejor interpretación de los resultados de articulos de la literatura médica.
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...JAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “ROMPECABEZAS DE ECUACIONES DE 1ER. GRADO OLIMPIADA DE PARÍS 2024”. Esta actividad de aprendizaje propone retos de cálculo algebraico mediante ecuaciones de 1er. grado, y viso-espacialidad, lo cual dará la oportunidad de formar un rompecabezas. La intención didáctica de esta actividad de aprendizaje es, promover los pensamientos lógicos (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia, viso-espacialidad. Esta actividad de aprendizaje es de enfoques lúdico y transversal, ya que integra diversas áreas del conocimiento, entre ellas: matemático, artístico, lenguaje, historia, y las neurociencias.
2. Diagrama de dispersión
es
Una herramienta
de análisis
que
Representa en forma gráfica la relación
existente entre dos variables dependientes
Usos
Observar el grado de
intensidad en la relación
entre dos variables
Visualizar rápidamente
cambios anómalos
Analizar
determinadas
cuestiones
mediante
comparaciones
Construcción
Seleccionar las 2 variables
que se van relacionar
Establecer una hipótesis
relación entre ambas
Construir una tabla que relacione
los valores de las variables
Dibujar el diagrama poniendo
una variable en cada uno de
los ejes cartesianos (x,y)
Representar en el gráfico cada
par de valores por un punto
Encontrar la correlación analizando
la tendencia de la nube de puntos y
la correlación entre las variable
Interpretación
Correlación positiva
La nube de puntos
adquiere una forma
de recta creciente
Fuerte
Si los
puntos se
encuentra
próximos a
la recta
Débil
Si los puntos se encuentra
distantes a la recta
Correlación negativa
la nube de puntos
adquiere una forma
de recta decreciente
Correlación compleja
La nube de puntos
adquiere forma de
curva, elipse, etc.
Correlación nula
La distribución de la
nube de puntos toma
una forma circular
Indica la no existencia de
relación entre ambas variables
3. 𝑦 − 𝑦 =
𝜎𝑥𝑦 𝑥 − 𝑥
𝜎𝑥
2
donde
𝑥 es la media aritmética de x
𝑦 es la media aritmética de y
𝜎𝑥𝑦 es la covarianza
𝜎𝑥𝑦 =
𝑥𝑖 𝑦𝑖
𝑛
− 𝑥. 𝑦
Es la que mejor se ajusta a la nube de puntos
Pasa por los puntos 𝑥, 𝑦
Recta de regresión
de Y sobre X
Recta de regresión
de X sobre Y
𝑥 − 𝑥 =
𝜎𝑥𝑦 𝑦 − 𝑦
𝜎 𝑦
2
Correlación Lineal
Si la nube de puntos se
distribuyen alrededor
de una recta, llamada
Mide el grado de intensidad de esta
posible relación entre las variables
𝑟 =
𝑥 − 𝑥 𝑦 − 𝑦
𝑛 − 1 𝜎𝑥 𝜎 𝑦
r > 0
La correlación lineal es positiva
r < 0
La correlación
lineal es negativa
r = 0
No existe correlación lineal entre las variables
Relación lineal
Relación
exponencial
Sin relación
Error Estándar 𝜎 𝑦.𝑥 =
𝑦2 − 𝑎 𝑦 − 𝑏 𝑥𝑦
𝑛 − 2
Mide la dispersión de los valores
alrededor de la línea de regresión