Escolar Documentos
Profissional Documentos
Cultura Documentos
DEPARTAMENTO DE ESTADSTICA
PRCTICA DE LABORATORIO
ACADEMIA
CARRERA
MATERIA
UNIDAD 3
ESTUDIANTE
NMERO:1
NOMBRE DE LA PRCTICA
Coeficientes de asociacin y Regresin logstica
1
OBJETIVO
Calcular e interpretar los coeficientes de asociacin entre variables, mediante el
coeficiente de correlacin de Pearson, Spearman y Kendall. Obtener el modelo de
regresin logstica.
2
INTRODUCCIN
Ver presentaciones de los temas
Coeficiente de correlacin de Pearson y de Spearman
Coeficiente de Kendall
Regresin Logstica
3
PLANTEAMIENTO
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
cada variable.
Como variable respuesta tenemos el nmero de defectuosos siendo xito el que no
sean defectuosos(no=1) y el fracaso el que sean defectuosos(si=0).
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
Como 0.004538<0.05 se rechaza H0, es decir que hay relacin o asociacin entre el
defecto y la exposicin del producto.
H0: tau=0 vs H1: tau<>0
RD: rechazar H0 si p<alfa
Como 0.004621<0.05 se rechaza H0, es decir que hay relacin o asociacin entre el
defecto y la exposicin del producto.
oddsratio<-oddsx1/oddsx0;oddsratio
(Intercept)
1.789474
Si en una inspeccin del producto se tiene en cuenta el unico factor de que fue
expuesto, tenemos que la ventaja de ser defectuoso es de 1.789474 que si el producto
no sea expuesto.
e) Calcule e interprete el riesgo relativo.
riesgo.rel<-px1/px0;riesgo.rel
[1] 1.789474
Si en una inspeccin del producto se tiene en cuenta el unico factor de que fue
expuesto, una probabilidad de que sea defectuoso de 178.94% ms que si el producto
no sea expuesto.
0 + 1 X
e
p=
+ X
1+e
0
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
0.0
0.2
0.4
p.est
0.6
0.8
1.0
-10
-5
10
cx
Se verifica que existe una correlacin positiva entre el defecto y la exposicin del
producto.
Entre ms expuesto este el producto, la probabilidad de estar defectuoso es mayor
g) Interprete
x
0.5819
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
p.est
0.0
0.2
0.4
0.6
0.8
1.0
-10
-5
10
cx
Para obtener como mximo el 25% de los productos con defectos, debemos tener
como mximo
1.092 productos expuestos.
2.La buja tiene dos funciones primarias: Quemar la mezcla aire/combustible. Disipar
la Temperatura dentro de la cmara de combustin hacia el sistema de enfriamiento del
motor (Rango Trmico).
Las bujas transmiten energa elctrica que convierten al combustible en un sistema de
energa. Una cantidad suficiente de voltaje se debe de proveer al sistema de ignicin
para que pueda generar la chispa a travs de la calibracin de la buja. Este fenmeno
es llamado Desempeo Elctrico.
La temperatura de la punta de encendido de la buja debe de encontrarse lo
suficientemente baja como para prevenir la pre-ignicin, pero lo suficientemente alta
como para prevenir la carbonizacin. Esto es llamado Desempeo Termal, y es
determinado por el rango trmico seleccionado.
Es importante recordar que las bujas no crean calor, slo pueden remover
temperatura. La buja trabaja como un intercambiador de calor sacando energa
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
1
6
6
2
7
0
3
6
9
4
6
8
5
6
7
6
7
2
7
7
3
8
7
0
9
5
7
1
1
0 11 2
6 7 7
3 0 8
1
3
6
7
1
4
5
3
1
5
6
7
1
6
7
5
1
7
7
0
1
8
8
1
1
9
7
6
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
0.0
0.2
0.4
0.6
0.8
1.0
55
60
65
70
75
80
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
Si se tiene como unico factor una temperatura alta , la ventaje de que falle es de
1.261325 veces que si fuera una temperatura baja.
7.
La probabilidad de encontrar una falla dado que tenemos una temperatura alta es de
126% mayor que la probabilidad de encontrar una falla al tener una temperatura baja.
8.
p=
e + X
+ X
1+e
0
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
0.0
0.2
0.4
p.est
0.6
0.8
1.0
20
40
60
80
100
cx
Podemos ver una correlacin positiva lo que significa que entre mayor temperatura
tengamos la probabilidad de falla aumenta; y vemos como a partir de un valor para la
tempertatura igual a 60 la probabilidad de falla aumenta.
Interprete 1
Beta 1= 0.2322, es el incremento que existe en la probabilidad de aumentar la falla por
cada unidad de temperatura que se aumente.
9.
10.
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
0.0
0.2
0.4
p.est
0.6
0.8
1.0
20
40
60
80
100
cx
Se espera que para una temperatura de 64.79 grados la probabilidad de falla sea de
50%
Si la especificacin permitida por el fabricante, indica que la probabilidad
mxima permitida de falla es 0.25, cul es la temperatura mxima permitida?
0.6
0.4
0.0
0.2
p.est
0.8
1.0
11.
20
40
60
80
100
cx
Para tener una probabilidad maxima de falla de 0.25 o de 25% tenemos que
tener una temperatura mxima de 60.06 gradas.
Vo. Bo.
4
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
ANEXOS
###1er Ejercicio
a)
x<-c(rep(0,320),rep(1,300))
y<-c(rep(0,272),rep(1,48),rep(0,228),rep(1,72))
b y c)
cor.test(x,y,method="pearson",alternative="two.sided")
cor.test(x,y,method="spearman",alternative="two.sided")
cor.test(x,y,method="kendall",alternative="two.sided")
d)Calcule e interprete el odds ratio
tabla<-table(x,y)
modelo<-glm(y~x,family="binomial");modelo
betas<-coefficients(modelo)
beta0<-betas[1]
beta1<-betas[2]
oddsx0<-exp(beta0)
oddsx1<-exp(beta0+beta1)
odds.ratio<-exp(beta1);odds.ratio
oddsratio<-oddsx1/oddsx0;oddsratio
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
e)riesgo relativo
px0<-tabla[1,2]/tabla[1,1]
px1<-tabla[2,2]/tabla[2,1]
riesgo.rel<-px1/px0;riesgo.rel
f)
cx<-seq(-10,10,1)
y.est<-beta0+beta1*cx
p.est<-exp(y.est)/(1+exp(y.est))
logit.p.est<-log(p.est/1-p.est)
plot(cx,p.est,col=2,type="l",lwd=2)
g)
modelo<-glm(y~x,family="binomial");modelo
e)
p<-0.25
x<-(log(p/(1-p))-betas[1])/betas[2];x
plot(cx,p.est,col=2,type="l",lwd=2)
abline(v=x)
abline(h=p)
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
###2do Ejercicio
1.x<c(66,70,69,68,67,72,73,70,57,63,70,78,67,53,67,75,70,81
,76,79,75,76,58)
y<-c(1,0,1,1,1,1,1,1,0,0,0,1,1,0,1,1,1,1,1,1,0,1,0)
2.
length(y)
plot(x,y)
3. y 4.
cor.test(x,y,method="pearson",alternative="two.sided")
cor.test(x,y,method="spearman",alternative="two.sided")
cor.test(x,y,method="kendall",alternative="two.sided")
5. y 9.
tabla<-table(x,y)
modelo<-glm(y~x,family="binomial");modelo
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008
betas<-coefficients(modelo)
beta0<-betas[1]
beta1<-betas[2]
oddsx0<-exp(beta0)
oddsx1<-exp(beta0+beta1)
odds.ratio<-exp(beta1);odds.ratio
oddsratio<-oddsx1/oddsx0;oddsratio
8.
cx<-seq(0,100,1)
y.est<-beta0+beta1*cx
p.est<-exp(y.est)/(1+exp(y.est))
logit.p.est<-log(p.est/1-p.est))
plot(cx,p.est,col=2,type="l",lwd=2)
10.
p<-0.5
x<-(log(p/(1-p))-betas[1])/betas[2];x
plot(cx,p.est,col=2,type="l",lwd=2)
abline(v=x)
abline(h=p)
11.
p<-.25
x<-(log(p/(1-p))-betas[1])/betas[2];x
plot(cx,p.est,col=2,type="l",lwd=2)
abline(v=x)
abline(h=p)
Cdigo: FO-120200-02
Revisin: 00
Emisin: 20/10/2008