Академический Документы
Профессиональный Документы
Культура Документы
Los grados de libertad (GL) son la cantidad de información suministrada por los datos que se
puede "gastar" para estimar los valores de parámetros de población desconocidos y calcular la
variabilidad de esas estimaciones. Este valor se determina según el número de observaciones de
la muestra y el número de parámetros del modelo. a continuación, una definición que se encuentra
en un texto estadístico:
“La suma de los valores de las desviaciones de los valores individuales con respecto a su media
es igual a cero, hecho que puede demostrarse. Si se conocen los n-1 valores de los valores a
partir de la media, entonces se conoce el n-pésimo valor, ya que queda determinado
automáticamente debido a la restricción de 3 que todos los valores de n sumen cero”. (Daniel
Wayne 2007, p41)
Los grados de libertad también se utilizan para caracterizar una distribución específica. Diferentes
tipos de distribuciones, como t-Student, F y chi-cuadrado, utilizan los grados de libertad para
especificar cuál es la apropiada para diferentes tamaños de muestra y diferentes números de
parámetros del modelo [1].
La regresión lineal es una técnica estadística destinada a analizar las causas de por qué pasan las
cosas. La idea es tratar de establecer la relación entre las variables independientes y dependientes
por medio de ajustar una mejor línea recta con respecto a los puntos. A partir de los análisis de
regresión lineal múltiple podemos:
predecir valores de una variable, es decir, a partir de unas características predecir de forma
aproximada un comportamiento o estado.
explicar o describir las salidas como una combinación lineal de los datos de entrada
Ejemplo en Python:
Supuestos del modelo de Regresión lineal
Los supuestos de un modelo estadístico se refieren a una serie de condiciones que deben darse
para garantizar la validez del modelo. Al efectuar aplicaciones prácticas del modelo de regresión
lineal, es necesario examinar muchos de esos supuestos [2]. De acuerdo con lo anterior la
regresión tiene 4 supuestos importantes que hay que seguir para hacer un análisis preciso y no
sesgado, los cuales son:
Independencia: Los residuos son independientes entre sí, es decir, los residuos
constituyen una variable aleatoria (los residuos son la diferencia entre los valores
l0hobservados y pronosticados) Es frecuente encontrarse con residuos auto
correlacionados cuando se trabaja con series temporales.
Normalidad: Esto se refiere a que todos los datos, tanto las variables independientes, así
como la variable dependiente, tienen que tener puntajes que están distribuidos
normalmente. Más específicamente los residuos (error) de estos puntajes deben tener una
distribución normal. Para cada valor de la variable independiente los residuos se
distribuyen con medio cero.
III. CHI-CUADRADO
A partir de esto, en caso de tener solo una variable a analizar, se realiza una prueba de bondad de
ajuste, la cual consiste en procedimientos donde se compara la distribución de la muestra contra
la distribución teórica que se supone representa a la población, y se quiere probar la hipótesis de
que una distribución en particular será un modelo satisfactorio para la misma. Ahora bien, en caso
de ser dos variables pueden realizarse dos tipos de prueba, en primer lugar, está la prueba de
homogeneidad, en la cual se extraen muestras independientes de varias poblaciones y se comparan
a ver si son iguales o semejantes con respecto a un criterio de homogeneidad. En segundo lugar,
está la prueba de independencia, es usada en variables de tipo cualitativa nominal para definir si
dos variables son independientes o no y para ello se analizan las frecuencias de ambas variables
múltiples, usando (por el tipo de variable) tablas de contingencia o tablas de clasificación cruzada
[3].
La Hipótesis Nula, que se simboliza por Ho, indica la hipótesis que se debe comprobar.
Es una afirmación en la que se dice que “no hay diferencia” alguna entre dos poblaciones,
entre dos parámetros poblacionales o entre el valor verdadero de algún parámetro y su
valor hipotético.