Enfermero Activo

Buscar este blog

Repaso antes de continuar

el mayo 27, 2020

Obtener enlace
Facebook
Twitter
Pinterest
Correo electrónico
Otras aplicaciones

Obtener enlace
Facebook
Twitter
Pinterest
Correo electrónico
Otras aplicaciones

Comentarios

Publicar un comentario

Entradas populares

Variable de Pearson. Modelos de análisis de regresión. Coeficiente de regresión y correlación.

Variable de Pearson Se busca la relación entre dos variables cuantitativas (a diferencia del chi cuadrado). Una variable cuantitativa toma valores que son cuantificables, por ejemplo la talla de una persona, el peso, presión arterial, el sueldo que gana, los gastos que tiene, etc. Para empezar con el modelo visualizaremos un ejemplo. En este se relacionarán dos variables, la altura y el peso. Para el análisis de la regresión existen varios modelos En clase solo estudiaremos el modelo simple lineal. Regresión lineal simple : para la correlación y determinación de dos variables cuantitativas: Se trata de estudiar la asociación lineal entre dos variables cuantitativas. Ejemplo: influencia de la edad en las cifras de Tensión arterial Sistólica. •Regresión lineal simple: una sola variable independiente. •Regresión lineal múltiple: más de una variable independiente. Ecuación de la recta: y = a + bx (ej: TAS=a +b· edad) •Pendiente de la recta = b Punto de intersección con el eje d

Prueba chi cuadrado

• Permite determinar si dos variables cualitativas están o no asociadas. Es decir si son dependientes ( Si se acepta H1) o independientes (Si se acepta Ho). • Para su cómputo calculamos: - Frecuencias esperadas (FE): aquellas que deberían haberse observado si la Ho fuese cierta, si ambas variables fueran independientes. - Frecuencias observadas (FO) en nuestro estudio. • Las comparamos para calcular el valor del estadístico chi cuadrado (𝑋2): • Cuanto mayor sea la diferencia (y, por tanto, el valor del estadístico), mayor es la asociación/dependencia entre ambas variables. • Por otra parte, como las diferencias entre las frecuencias observadas y esperadas están elevadas al cuadrado, esto hace que el valor de 𝑋2 siempre sea positivo. • Para obtener los valores esperados, éstos se calculan a través del producto de los valores totales marginales dividido por el número total de casos (n). Para el caso más sencillo de una tabla 2x2: Calculando las frecuencias esperadas: Sabiendo que en

Distribuciones normales, asimetrías, y curtosis

Distribuciones normales Se llama distribución normal o gaussiana, a una de las distribuciones de probabilidad de variable continua que más frecuentemente aparecerá en fenómenos reales. La gráfica de su función tiene una forma acampanada y es simétrica respecto de los valores posición central (como vimos en apartados anteriores del tem; la media, mediana y moda, que coinciden en estas distribuciones). La curva formada se conoce como campana de Gauss. Asimetrías Las distribuciones asimétricas también se llaman sesgadas, y se caracterizan porque el pico de la misma se encuentra descentrado (no simétrica), apareciendo una cola más larga que la otra. Puede ser asimétrica positiva o negativa según a donde apunte el pico y la cola. Curtosis Coeficiente de apuntamiento o curtosis de una variable, sirve para medir el grado de concentración de los valores que toma en torno a su media. Se elige como referencia una variable con distribución normal, de modo que para ella

Con la tecnología de Blogger