PDF superior El análisis de regresión

El análisis de regresión

El análisis de regresión

En esta primera decisión, el investigador debe optar entre dos alternativas: decidir aquellas variables independientes que, según su conocimiento del tema pueden ejercer algún tipo de influencia sobre la dependiente, e incluirlas, o bien recurrir a procedimientos secuenciales, en los cuales es el propio programa quien va introduciendo y eliminando del análisis aquellas variables que asegu- ren la mejor especificación del modelo. En el primer tipo de aproximación, el investigador debe estar muy seguro de que no está dejando fuera variables relevantes, ni introduciendo variables irrelevantes. En el segundo enfoque, el proceso iterativo asegura que se acaban considerando las variables que mejor pueden explicar el comportamiento de la dependiente, por este motivo desarro- llaremos en este tema este último enfoque.
Mostrar más

27 Lee mas

Introducción al análisis de regresión no lineal

Introducción al análisis de regresión no lineal

En este trabajo se desarrolla de manera introductoria la metodología de regresión no lineal; en el que abordan los temas de especificación del modelo, el problema de estimación del modelo, la validación y usos del modelo. También se analiza el proceso de modelación en algunos modelos de crecimiento. Se exponen algunas consideraciones prácticas para el análisis de regresión. Por último, se da un pequeño resumen de cálculo y álgebra lineal que sirva de apoyo o referencia para el lector.

77 Lee mas

Representación y reconstrucción de superficies usando análisis de regresión

Representación y reconstrucción de superficies usando análisis de regresión

Gracias a la evolución de la computación y la informática ha provocado un sinnúmero de aplicaciones, principalmente en el área de la medicina, como es en exámenes tomográficos o la elaboración de prótesis de huesos. Otra área de aplicación de la reconstrucción de superficies viene dada en el campo de la arqueología, para la restauración, conservación de vestigios arqueológicos deteriorados como son esculturas, vasijas, monumentos, ciudades antiguas, etc. En el presente trabajo se tiene como objetivo general representar la cerámica en el computador con superficies B-spline y posterionnente estimar los pedazos de superficie faltantes mediante una metodología adecuada que usa técnicas de aproximación, todo ello a partir de una muestra de puntos datos, los cuales vienen a ser la discretización (digitalización) del objeto real en estudio, todo ello usando el computador junto con técnicas del diseño geométrico y el análisis de regresión múltiple.
Mostrar más

8 Lee mas

Análisis de regresión y correlación simple y múltiple

Análisis de regresión y correlación simple y múltiple

El Análisis de Regresión y correlación es una metodología estadística que se utiliza para predecir hechos o eventos y también para pronosticarlos. Con respecto al análisis de regresión lo que se hace es evaluar la contribución de una o más variables con respecto de otra, es decir éste análisis permite evaluar que tan bien una o más variables (independientes) ayudan a explicar a otra (dependiente). El análisis de correlación mide la asociación o intensidad de la relación entre las variables sin tomar en cuenta cual es la variable dependiente y cual(es) es (son) las variable(s) independiente(s). Para realizar un análisis de regresión y correlación es recomendable seguir los siguientes pasos:
Mostrar más

36 Lee mas

Análisis de regresión y correlación

Análisis de regresión y correlación

El Análisis de Regresión y correlación es una metodología estadística que se utiliza para predecir hechos o eventos y también para pronosticarlos. Con respecto al análisis de regresión lo que se hace es evaluar la contribución de una o más variables con respecto de otra, es decir éste análisis permite evaluar que tan bien una o más variables (independientes) ayudan a explicar a otra (dependiente). El análisis de correlación mide la asociación lineal que presentan las variables sin tomar en cuenta cual es la variable dependiente y cual(es) es (son) las variable(s) independiente(s). Para realizar un análisis de regresión y correlación es recomendable seguir los siguientes pasos: 1. Recopilar los datos a través de fuentes como cuestionarios, formatos, formularios o bases de datos, textos,
Mostrar más

16 Lee mas

Análisis de componentes principales y análisis de regresión para datos categóricos  Aplicación en HTA

Análisis de componentes principales y análisis de regresión para datos categóricos Aplicación en HTA

La tecnología informática disponible hoy en día, casi inimaginable hace solo dos décadas, ha hecho posibles avances extraordinarios en el análisis de datos psicológicos [27], sociológicos y de otro tipo de datos referidos al comportamiento humano [2]. Además ha permitido enorme avances en el procesamiento de los datos en otras ramas de las ciencias como en la medicina [28]. Estos datos contienen una mixtura de diferentes tipos de variables, muchas de las cuales están medidas en categorías ordenadas y desordenadas. Variables como género, religión o profesión son medidas en categorías desordenadas. Otras como el nivel de escolaridad son medidas en categorías ordenadas. O simplemente se tienen conjuntos de variables como la edad o la longitud que son de tipo numérico. Estos diversos tipos de variables requieren distintos tipos de tratamientos que no siempre resultan tan evidentes a la hora del análisis de los datos. Además estos conjuntos de datos en ocasiones contienen variables que pueden o no estar relacionadas linealmente, lo cual debe tenerse en cuenta en el análisis. Por tanto estos conjuntos de datos presentes en varias ramas del saber no pueden siempre ser analizados de manera tan sencilla como muchos investigadores desearían [29]. En el presente capítulo se ofrece una solución a algunas de las cuestiones expuestas anteriormente haciendo uso de dos técnicas de análisis que son parte de lo que tradicionalmente se conoce como Análisis de Datos Multivariados Categóricos. Ellas son el Análisis de Componentes Principales y el Análisis de Regresión, ambas para datos categóricos. Se comenzará por la primera técnica.
Mostrar más

86 Lee mas

Análisis de regresión con R

Análisis de regresión con R

Después de realizar el análisis de regresión sobre el programa RStudio, haber visto sus utilidades y haber trabajado con él, se ha comprobado que presenta gran cantidad de funcionalidades para elaborar análisis econométricos y gráficos. No obstante, conviene añadir que presenta algunas limitaciones con respecto a otros programas donde no es necesario el lenguaje de comandos ya que este viene implementado. En cambio, R presenta una gran ventaja frente a otros programas: la creación de nuevas librerías está a plena disposición del usuario, pudiéndolas compartir con el resto de los usuarios (conviene tener en cuenta que al distribuirse bajo licencia de código abierto muchos usuarios se decantarán por este software).
Mostrar más

40 Lee mas

Paquete estadístico para análisis de regresión

Paquete estadístico para análisis de regresión

Cuando el usuario pulsa el botón aceptar indicando que desea obtener un modelo de regresión se realizan cuatro acciones fundamentales. El primer paso es la verificación de que el modelo seleccionado sea correcto (existan variables dependientes e independientes). Seguidamente se preparan los datos, recuperando de la clase MainFrame sólo aquellas variables que fueron seleccionadas para participar en el modelo y poniendo la variable dependiente en la última posición de la matriz de datos a la cual se le va aplicar el análisis de regresión. Con posterioridad se llama al método de regresión seleccionado por el usuario. Finalmente se realiza el análisis de regresión y se muestran los resultados. Todo esto ocurre en la clase RegressionExecuter que cuenta con los métodos necesarios para realizar estas acciones.
Mostrar más

67 Lee mas

Sistema para el análisis de técnicas descriptivas y regresión borrosa  Aplicaciones

Sistema para el análisis de técnicas descriptivas y regresión borrosa Aplicaciones

Muchas investigaciones se centran en el análisis estadístico borroso y sus aplicaciones en los campos de las ciencias sociales, en (Wu y Hwang, 1995) se propone una prueba estadística borrosa para analizar la estacionariedad de la función de demanda del dinero a corto plazo en Taiwán; en (Wu y Chen, 1999), se considera la construcción de modelos a través de simulación cualitativa; (Casalino et al., 2004), (Esogbue y Song, 2003), (Wu, 1995), y (Wu y Sun, 2001) demostraron los conceptos de estadística borrosa y lo aplicaron a la encuesta social, en (Wu y Tseng, 2002) usaron un método de regresión borrosa para la estimación del coeficiente para analizar el índice en Taiwán de vigilancia de los derechos económicos. En (Camprubi et al.) usaron la media borrosa como método de agregación de variables lingüísticas.
Mostrar más

101 Lee mas

CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN

CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN

Una vez que hemos calculado la recta de regresión y el ajuste que hemos conseguido con el modelo de regresión lineal, el siguiente paso consiste en analizar si la regresión en efecto es válida y la podemos utilizar para predecir. Para ello debemos contrastar si la correlación entre ambas variables es distinta de cero o si el modelo de regresión es válido en el sentido de contrastar si el análisis de nuestra variable endógena (Y). es válido a través de la influencia de la variable explicativa (X).

21 Lee mas

Nicaragua y la exportación de café.  Un análisis de regresión

Nicaragua y la exportación de café. Un análisis de regresión

De acuerdo a ello, se seleccionó en base a la importancia económica que para Nicaragua tiene, el rubro café. Aplicando un modelo de regresión lineal multiple para el análisis estadístico de los datos observados, el cual mostró la relación existente entre los volumenes exportados de café oro, en función de dos variables independientes, como son: el área cultivada y los precios promedios internacionales obtenidos por los productores de café, y se logró concluir que la relación existente entre ellas, es significativa, con un coeficiente de determinación del 68%, y con los distintos indicadores de significacia dentro de los rangos establecidos.
Mostrar más

30 Lee mas

Regresión Lineal por Medio del Análisis Bayesiano

Regresión Lineal por Medio del Análisis Bayesiano

El enfoque bayesiano justifica el uso del conocimiento subjetivo del investigador. Así, esta metodología aprovecha todas las fuentes de información: inicial o a priori (investigaciones anteriores, conocimiento subjetivo, empírico y muestral). Cuando no se cuenta con información a priori, la metodología bayesiana y clásica proponen resultados casi similares. En este caso, la diferencia substancial entre ambos métodos está en el análisis y el enfoque del problema. Cuando se usa una distribución a priori, los resultados bayesianos diferirán de los obtenidos por la metodología clásica. Por lo cual se debe ser muy cuidadoso en la seleción de estos. Al contar con más información (a priori, muestral) los estimadores obtenidos con la metodología bayesiana serán más precisos. El peso de la información a priori y muestral en la distribución posterior es directa- mente proporcional a la cantidad de información con que se cuente en este caso. Así, si se cuenta con información muestral suficiente, la función de verosimilitud dominará a la distribución a priori. El teorema de Bayes es válido en todas las aplicaciones de la teoría de la probabilidad. Sin em- bargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadística tradicional sólo admiten probabilidades basadas en experimentos repetibles y que tengan una confirmación empírica mientras que los llamados estadísticos bayesianos permiten probabilidades subjetivas. El teorema de Bayes puede servir entonces para indicar cómo debemos modificar nuestras probabilidades subjetivas cuando recibimos información adicional de un expe- rimento. La estadística bayesiana está demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori y permite revisar esas estimaciones en función de la evidencia. Se aplico la metodología a un conjunto de datos reales. En el que consistía de 9 variables con una variable dependiente, en donde el parámetro DBO depende de los otros parámetros restantes que son: amonío, colíformes fecales, DQO, oxígeno disuelto, sólidos suspendidos, sólidos disueltos, pH, conductividad específica y temperatura. Para saber cuál parámetro depende más, se hizó una tabla de correlaciones entre los parámetros y se observó, que la mayoría depende del DBO. Debido a que este trabajo se hizó solamente pensando en estadística bayesiana, no escribimos la matriz de autocorrelación entre los parámetros, pero los resultados se hicieron usando minitab [22]. Se decidió usar un modelo de regresión lineal clásico, obteniendo con ello, un coeficiente de determinación de R 2 = 70.3 %, con variables que se medían anualmente.
Mostrar más

140 Lee mas

Medidas de bondad de ajuste para análisis de regresión borrosa

Medidas de bondad de ajuste para análisis de regresión borrosa

i El que suscribe, Luis Miguel Bermúdez Pérez-Borroto, hago constar que el trabajo titulado ―Medidas de bondad y ajuste para análisis de regresión borrosa‖ fue realizado en la Universidad Central ―Marta Abreu‖ de Las Villas como parte de la culminación de los estudios de la especialidad de Ciencia de la Computación, autorizando a que el mismo sea utilizado por la institución, para los fines que estime conveniente, tanto de forma parcial como total y que además no podrá ser presentado en eventos ni publicado sin la autorización de la Universidad.
Mostrar más

107 Lee mas

Análisis de regresión mediante la parábola de los mínimos cuadrados.

Análisis de regresión mediante la parábola de los mínimos cuadrados.

Los primeros y más importantes estudios al respecto se deben a los científicos Francis Galton (1822-1911) y Karl Pearson (1857-1936). Fue Galton quien utilizó por primera vez el término regresión para indicar que, aunque influida por la estatura de sus padres, la estatura de los hijos “regresaba” a la media general. La regresión examina la relación entre dos variables, pero restringiendo una de ellas con el objeto de estudiar las variaciones de una variable cuando la otra permanece constante. En otras palabras, la regresión es un método que se emplea para predecir el valor de una variable en función de valores dados a la otra variable. En estadística la palabra predecir no se utiliza en el sentido empleado por los astrólogos, futurólogos y mentalistas, sino mas bien en un sentido lógico como es el de utilizar el conocimiento del comportamiento de una variable para obtener información sobre otra variable. Por ejemplo, puede predecirse el resultado que obtendrá un estudiante en su examen final, basados en el conocimiento de las calificaciones promedio de sus exámenes parciales, o predecir la preferencia de los estudiantes por profesiones científicas, conociendo los promedios de sus calificaciones en los estudios escolares.
Mostrar más

7 Lee mas

Análisis de probabilidades borrosas y de regresión borrosa  Aplicaciones

Análisis de probabilidades borrosas y de regresión borrosa Aplicaciones

negociarse dentro de una banda delimitada por un precio máximo y por un precio mínimo. Para utilizar las técnicas de mínimos cuadrados o la más sofisticada de máximo verosimilitud deben cuantificarse las observaciones de la variable explicada (y explicativa) a través de un único número, utilizándose por ejemplo el precio medio negociado, el más asequible o el último precio en el modelo que se vaya a implementar. Es evidente que este proceder implica una importante pérdida de información. Para efectuar los métodos de regresión borrosa no hace falta reducir el valor de las variables observadas a un número real, cuando son observados como intervalos, así podremos ajustar la relación funcional que busquemos trabajando con todos los valores observados siendo posible entonces utilizar toda la información disponible.
Mostrar más

98 Lee mas

Esquemas desadaptivos tempranos en estudiantes universitarios con dependencia emocionalEarly maladaptive schemas in university students with emotional dependencyEsquemas desadaptativos temporãos em estudantes universitários com dependência emocional

Esquemas desadaptivos tempranos en estudiantes universitarios con dependencia emocionalEarly maladaptive schemas in university students with emotional dependencyEsquemas desadaptativos temporãos em estudantes universitários com dependência emocional

La base de datos se digitó en Excel 97-2003 y se im- portó a SPSS 15 para su análisis estadístico. Basado en la puntuación obtenida en el CDE se dividió la población en dos grupos, tomando como punto de referencia el percentil 75. La prevalencia se llevó a cabo mediante análisis univa- riados. Para realizar un análisis de diferencia de medianas y medias entre los esquemas desadaptativos tempranos en las personas con y sin dependencia emocional se utilizó estadística paramétrica (t de Student) y no paramétrica (Chi Cuadrado), acorde con resultados de normalidad, cal- culados mediante Kolmogorov – Smirnov. Posterior a este análisis, se llevó a cabo el análisis de regresión logística con los esquemas desadaptativos tempranos que mostra- ron diferencias significativas en el análisis bivariado, bus- cando establecer los esquemas desadaptativos tempranos que mejor lograban explicar la presencia de dependencia emocional en estudiantes universitarios.
Mostrar más

7 Lee mas

Análisis FINGRAMS de modelos de regresión basados en reglas difusas

Análisis FINGRAMS de modelos de regresión basados en reglas difusas

La evaluación de la interpretabilidad tiene que hacer frente a dos problemas: la legibilidad del sistema y la comprensibilidad de la explicación del sistema (Mencar & Fanelli, 2008). En este estudio se presentará una metodología para analizar la capa de inferencia difusa de un Sistema Difuso Basado en Reglas (SDBR) desde el punto de vista de la comprensibilidad. Esta metodología fue planteada por primera vez en (Alonso, Cordon, Quirin, & Magdalena, 2011). Considerando el uso de las técnicas existentes para visualizar información científica basada en el análisis de redes sociales (Social Network Analysis, SNA) (Scott, 2000) (Wasserman & Faust, 1994) (Vargas-Quesada & Moya-Anegon, 2007) y al análisis visual de la inferencia de los Sistemas Difusos, el resultado es una nueva metodología de análisis de la aprehensibilidad denominada Gráfica de Inferencia Difusa o FINGRAMS (Fuzzy Inference-Grams). Con esta metodología se busca representar visualmente el proceso de inferencia SDBR, y así permitir averiguar cómo las reglas cubren ejemplos y cómo las reglas están relacionadas entre sí.
Mostrar más

60 Lee mas

Análisis de los períodos de regresión y transición en el primer año de vida

Análisis de los períodos de regresión y transición en el primer año de vida

coinciden, perturbando la interacción madre e hijo. Tal como hemos expuesto en el segundo capítulo, los periodos de regresión implican una pérdida de la homeostasis del organismo que a nivel conductual se manifiesta en la alteración de distintos comportamientos. Sin embargo, para que un intervalo de tiempo lo consideremos periodo de regresión, como mínimo ha de coincidir un conjunto de comportamientos perturbadores determinados del niño que han adquirido un significado funcional en la matriz dialógica con la madre. Dicha función consiste, como hemos expuesto en el capítulo tercero, en una forma de engarce a través del cual el niño recibe de la madre una cantidad de estimulación que es fundamental para la emergencia de nuevas habilidades. Así, pues, este planteamiento funcional ha sido el que nos ha dirigido para construir la categoría empírica de periodo de regresión que la distingue de la simple coincidencia, una misma semana, de más de un comportamiento disruptivo. Antes de exponer los criterios que ha de cumplir un periodo para considerarlo de regresión, debemos de aclarar que no se han clasificado como tales aquellos casos en los que realmente se ha manifestado una dolencia o enfermedad en el niño. Hemos tomado como criterio de enfermedad que el infante tuviera fiebre, no fibrícula, en cuyo caso hemos considerado que podría ser una manifestación propia del periodo de regresión.
Mostrar más

253 Lee mas

Factores que influyen en el rendimiento académico: la motivación como papel mediador en las estrategias de aprendizaje y clima escolar

Factores que influyen en el rendimiento académico: la motivación como papel mediador en las estrategias de aprendizaje y clima escolar

Al realizar el análisis de regresión, hemos encontrado que existen factores que predicen mejor el rendimiento académico. Dentro de la motivación, la valoración de la tarea y la percepción de autoeficacia son las que más se relacionan con dicho rendimiento. Esta relación es positiva, lo que significa que a mayor puntuación en estos factores, mayor rendimiento académico obtendrá el alumno. Con respecto a las estrategias de aprendizaje, el esfuerzo es el que mejor predice positivamente el rendimiento (a mayor esfuerzo, mejor calificación), mientras que la organización es el que mejor lo predice negativamente. La existencia de esta relación negativa nos indica que a mayor organización menor calificación, lo que puede explicarse por diversas razones. Dicho resultado no era el esperado en nuestra investigación, aunque reflexionando sobre ello, podemos llegar a la conclusión de que es posible que esa organización reste tiempo de estudio, que piense que con organizarse es suficiente para obtener un buen resultado, o que la propia organización no sea la adecuada. Por último, el factor del clima escolar que mejor predice el rendimiento académico es la percepción del centro, de forma que una mejor percepción del centro por parte del alumno contribuye a un mejor resultado académico de éste.
Mostrar más

9 Lee mas

Análisis de Regresión Múltiple

Análisis de Regresión Múltiple

independientes de una variable aleatoria para cada nivel de x.. La distribución de los posibles errores del modelo para cualquier nivel de x es normal.[r]

57 Lee mas

Show all 10000 documents...