modulo 13.2 (ug)

Post on 08-Jul-2015

221 Views

Category:

Education

0 Downloads

Preview:

Click to see full reader

TRANSCRIPT

INTEGRANTES

• Piña César

• Naula Mejia Cecilia

• Basantes Valverde Williams

Análisis e interpretación de resultados

MODULO 13

PROYECTOS DE

INVESTIGACION EN INFORMATICA EDUCATIVA

TEMAS

1. ANÁLISIS BIVARIADO2. ANÁLISIS DE VARIANZA Y COVARIANZA3. ANALISIS DE REGRESION SIMPLE

ANÁLISIS BIVARIADO

Enfrenta

Análisis bivariado

Dependienteindependientes

Tablas y coeficientes de contingencia.Analiza la relación entre dos o más variables

Diestro Zurdo TOTAL

Hombre 43 9 52

Mujer 44 4 48

TOTAL 87 13 100.

Correlación entre rangos de Pearson.

Ejemplo. a) PUNTUACIÓN DIRECTA

EJEMPLO 2b) Puntuaciones diferenciales

Correlación lineal

Correlación Lineal

Correlación Lineal

directaAl aumentar una variables la otra

aumenta.

InversaAl aumentar una variables la otra

disminuye.

NulaNo hay dependencia de ningún tipo entre

las variables

ANÁLISIS DE VARIANZA Y COVARIANZA

A n á l i s i s d e l a Va r i a n z a ( A N O VA )

• El análisis de varianza sirve para comparar silos valores de un grupos de datos sondiferentes significativamente a los valores deotro u otros grupos de datos.

E j e m p l o A n á l i s i s d e l a Va r i a n z a ( A n c o v a )

F = 13,4/ 1,43 = 9,37

El valor de la F teórica con 2 y 12 grados de libertad, a unnivel de confianza del 95% es 3,89. Por consiguiente serechaza la hipótesis nula y se concluye que los tresmétodos de entrenamiento producen diferencias

A n á l i s i s d e l a c o v a r i a n z a ( A n c o v a )

• La covarianza es una medida de la variación común ados variables y, por tanto, una medida del grado ytipo de su relación.

• Busca comparar los resultados obtenidos en

diferentes grupos de una variable cuantitativa, pero

"corrigiendo“ las posibles diferencias existentes

entre los grupos en otras variables que pudieran

afectar también al resultado (covariantes).

Análisis de la covarianza

• En el Análisis de la Covarianza:

La variable respuesta es cuantitativa y

Las variables independientes son cualitativas y cuantitativas.

ANALISIS

DE

REGRESION

SIMPLE (RS)

PROPÓSITOS DE RS

• Hablando de variables:

• Evaluar si las dos variables están asociadas

• Predecir en base a una variable, ¿qué se obtiene de

la otra?

• Evaluar grado de concordancia entre los valores de

las dos variables

REGRESION SIMPLE ¿QUE ES?

La Regresión es una técnica estadística que se utiliza para solucionar

problemas comunes en cualquiera de las ciencias.

Tomado de: http://www.monografias.com/trabajos27/regresion-simple/regresion-simple.shtml#ixzz2J5jGvDdM

Se pretende estudiar el ajuste

emocional de niños. Mediante un

test que proporcione

puntuaciones en una escala entre

0 y 10. Depende del ámbito rural

o urbano en el que vive la familia

Variable dependiente:

ajuste emocional

Variable independiente:

ámbito geográfico

EJEMPLO 1: POSIBLE TESIS

¿EL PROQUE DE ESTA

INVESTIGACION?

INTELIGENCIA EMOCIONAL

HERRAMIENTA: matriz de datos

Análisis de datos I Análisis de datos II

1 2

2 1

3 3

4 4

5 2

0 3

7 5

8 6

9 8

10 9

Meses comp escolar2 4

18 4

108 3.66

24 2.83

132 2

60 3.5

16 2.16

9 2.66

84 2.5

comp escolar ámbito4 1

4 1

3.66 1

2.83 1

2 1

3.5 0

2.16 0

2.66 0

2.5 0

1.83 0

Turno estrés0 65

0 76

0 50

0 89

0 57

1 45

1 34

1 56

1 55

1 61

N=10

N=9

N=10

N=10

ESPECIFICACIÓN EN LA MUESTRA

Xi i

Expresión matemática del modelo en la población

Y f X X Y

Y X

Y Y

i i i i i i i

i i

i i i

0 1

0 1

predictora criterio

independiente dependiente

exógena endógena

explicativa explicada

En el modelo hay dos variables observadas: X e Y y dos parámetros

la ordenada en el origen de la recta de regresión y la pendiente0 1

Estructura en los modelos de regresión

Puntuación predicha por la recta de regresión verdadera

Residuo o error de predicción

Yi

X

210-1-2-3

Y

3

2

1

0

-1

-2

-3

INTERPRETACIÓN DE LOS PARÁMETROS: EL CONTRASTE DE LA REGRESIÓN

X

3210-1-2-3-4

Y

3

2

1

0

-1

-2

-3

-4

EJEMPLO 2:

Hipertensión, tabaco, obesidad y

ronquera

(Norton y Dunn, 1985)Fuma Obeso Ronca N Número de hombres con HipertensiónN (%)

0 0 0 60 5 (18)

1 0 0 17 2 (11)

0 1 0 8 1 (13)

1 1 0 2 0 (0)

0 0 1 187 35 (19)

1 0 1 85 13 (15)

0 1 1 51 15 (29)

1 1 1 23 8 (35)

Total 433 79 (18)

Receiver Operating Characteristic Curve

0.0 0.2 0.4 0.6 0.8 1.0

1 - Specificity

0.0

0.2

0.4

0.6

0.8

1.0

Se

nsiti

vity

Area under ROC Curve

RESUMEN

• Regresión lineal: x / y:

intervalares, independiente /

dependiente.

• Regresión múltiple: una

dependiente, varias dependientes

(intervalares).

• Regresión logística: una

dependiente (nominal), varias

independientes (puede haber

nominales, ordinales e intervalares).

CONCLUSIONES

•La ecuación de Regresión

Lineal estimada para las

variables EXPRESA una

relación.

•Esta relación se ESTIMA en

valores positivos y/o negativos.

•Las variaciones --en la

variable-- CONLLEVAN el

coeficiente de determinación

2013

top related