Upload
williams-basantes-valverde
View
221
Download
0
Embed Size (px)
Citation preview
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