Escolar Documentos
Profissional Documentos
Cultura Documentos
Operativa
Area
de Estadstica e Investigacion
UCLM
27 de Septiembre de 2012
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 1 / 34
Sesion
Introduccion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
lineal?
Regresion
matematica
Data Frame
Regresion=Relaci
on?
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
arterial?
entre el pulso de un paciente y su presion
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 2 / 34
Sesion
Contenidos
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
Datos Bivariantes.
Datos Multivariantes.
entre dos Variables.
Correlacion
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
Diagramas de Dispersion.
de Pearson.
Coeficiente de Correlacion
Data Frame.
Lineal.
Regresion
El modelo lineal en R
Ejercicios
Recta de Regresion.
de los Coeficientes de Regresion.
Estimacion
Conclusiones
El modelo lineal en R.
lm().
Prediccion.
Analisis
de residuos.
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 3 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Bivariantes
Resumen de
Datos Categoricos
Resumen Grafico
de Tablas
Datos Multivariantes
entre
Correlacion
dos variables
Datos Bivariantes
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 4 / 34
Sesion
Datos Bivariantes
Introduccion
Contenidos
Datos Bivariantes
Datos Bivariantes
Resumen de
Datos Categoricos
Resumen Grafico
de Tablas
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
color/satisfaccion...
Casos posibles:
Categorica
vs. Categorica
Categorica
vs. Numerica
Numerica
vs. Numerica
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 5 / 34
Sesion
Datos Bivariantes
Introduccion
Contenidos
Datos Bivariantes
Datos Bivariantes
Resumen de
Datos Categoricos
Resumen Grafico
de Tablas
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
cliente
1
2
3
4
5
6
7
8
9
10
Inicial
mala
mala
buena
mala
mala
buena
mala
buena
buena
mala
Prueba
buena
mala
buena
buena
mala
buena
mala
mala
buena
buena
2. Vctor Casero 5 / 34
Sesion
Datos Bivariantes
Introduccion
Contenidos
Datos Bivariantes
Datos Bivariantes
Resumen de
Datos Categoricos
Resumen Grafico
de Tablas
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
como:
En ambos casos podemos registrar dicha informacion
1 o 0 Datos numericos.
En R:
Datos categoricos:
>inicial<-c("mala","mala","buena",...)
Datos numericos:
>prueba<-c(1,0,1,...)
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 5 / 34
Sesion
Resumen de Datos Categoricos
Introduccion
Contenidos
Datos Bivariantes
Datos Bivariantes
Resumen de
Datos Categoricos
Resumen Grafico
de Tablas
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Como
resumir datos bivariantes?
entre la impresion
inicial y tras la prueba:
Relacion
Frecuencias absolutas: >table(inicial,prueba)
En porcentajes: >resumen<+ table(inicial,prueba)/length(prueba)*100
Distribuciones Marginales:
- por filas: >margin.table(resumen,1)
- por columnas: >margin.table(resumen,2)
- ambas: >addmargins(resumen)
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 6 / 34
Sesion
Resumen Grafico
de Tablas
Introduccion
Contenidos
Datos Bivariantes
Datos Bivariantes
Resumen de
Datos Categoricos
Resumen Grafico
de Tablas
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
del grafico:
Segmentacion
>barplot(t(resumen),
+ xlab="% Impresion Inicial", beside=TRUE)
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 7 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
Datos
Multivariantes
entre
Correlacion
dos variables
Data Frame
Datos Multivariantes
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 8 / 34
Sesion
Datos Multivariantes
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
Datos
Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
Como
estudiarlas?
... por parejas
...
... todas a la vez
Descriptivamente pueden representarse por parejas o por
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 9 / 34
Sesion
Datos Multivariantes
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
Datos
Multivariantes
entre
Correlacion
dos variables
Data Frame
sometida a la medicion
importantes. El fichero Variables.Rdata contiene la
de estas cuatro variables para 100 muestras
medicion
distintas.
>load("Variables.Rdata")
>ls()
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Comparacion
boxplot:
>boxplot(Var1,Var3)
>boxplot(Var1,Var2,Var3,Var4)
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 9 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
entre
Relacion
Variables Numericas
Coeficiente de
de
Correlacion
Pearson
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 10 / 34
Sesion
Relacion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
entre
Relacion
Variables Numericas
Coeficiente de
de
Correlacion
Pearson
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Si deseamos anadir
a estos graficos
bidimensionales el
punto con las coordenadas de las medias:
>plot(Var1,Var3)
>points(mean(Var1),mean(Var3),cex=5,pch=10)
Para anadir
un eje vertical sobre la media de Var1:
>lines(c(mean(Var1),mean(Var1)),
+ c(min(Var3),max(Var3)),lty=2)
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 11 / 34
Sesion
de Pearson
Coeficiente de Correlacion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
entre
Relacion
Variables Numericas
Coeficiente de
de
Correlacion
Pearson
Data Frame
de Pearson:
Coeficiente de Correlacion
P
(xi x
)(yi y)
r(x, y) = pP
P
2
(yi y)2
(xi x
)
Para variables altamente relacionadas linealmente, los
valores de r seran:
Cercanos a 1 para relaciones directas.
Cercanos a 1 para relaciones inversas.
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
cercanos a 0 muestran la
Los valores de correlacion
lineal, aunque pueden existir otros
ausencia de relacion
tipos de relaciones.
Conclusiones
En R:
>cor(Var1,Var3)
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 12 / 34
Sesion
de Pearson
Coeficiente de Correlacion
2.2
entre
Correlacion
dos variables
entre
Relacion
Variables Numericas
Coeficiente de
de
Correlacion
Pearson
2.0
Datos Multivariantes
1.8
Datos Bivariantes
de Pearson:
Coeficiente de Correlacion
P
(xi x
)(yi y)
r(x, y) = pP
P
2
(yi y)2
(xi x
)
Data Frame
Lineal
Regresion
Var3
Ejercicios
1.6
Contenidos
1.4
Introduccion
Conclusiones
1.0
Ejercicios
1.2
El modelo lineal en R
1.0
1.2
1.4
1.6
1.8
2.0
Var1
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 12 / 34
Sesion
de Pearson
Coeficiente de Correlacion
11.0
entre
Correlacion
dos variables
entre
Relacion
Variables Numericas
Coeficiente de
de
Correlacion
Pearson
10.8
Datos Multivariantes
10.6
Data Frame
Lineal
Regresion
El modelo lineal en R
Ejercicios
9.8
Conclusiones
Var2
Ejercicios
10.4
Datos Bivariantes
de Pearson:
Coeficiente de Correlacion
P
(xi x
)(yi y)
r(x, y) = pP
P
2
(yi y)2
(xi x
)
10.2
Contenidos
10.0
Introduccion
1.0
1.2
1.4
1.6
1.8
2.0
Var1
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 12 / 34
Sesion
de Pearson
Coeficiente de Correlacion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
entre
Relacion
Variables Numericas
Coeficiente de
de
Correlacion
Pearson
de Pearson:
Coeficiente de Correlacion
P
(xi x
)(yi y)
r(x, y) = pP
P
2
(yi y)2
(xi x
)
8.0
Introduccion
Data Frame
7.5
Lineal
Regresion
Var4
Ejercicios
El modelo lineal en R
Conclusiones
7.0
Ejercicios
1.0
1.2
1.4
1.6
1.8
2.0
Var1
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 12 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Data Frame
Funciones sobre
Data Frame
Acceso a Datos
en un Data Frame
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 13 / 34
Sesion
Data Frame
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Data Frame
Funciones sobre
Data Frame
Acceso a Datos
en un Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
de diferentes
Los datos estadsticos contienen informacion
sujetos, agrupada en variables.
usual de ordenar estos datos es, sujetos
La forma mas
ordenados por filas y variables ordenadas por columnas.
>Datos<-data.frame(Var1,Var2,Var3,Var4)
>str(Datos)
>names(Datos)
Para acceder a una variable del data frame Datos:
>Datos$Var1
Para guardar y cargar un data frame:
>save(Datos,file="Datos.Rdata")
>load("Datos.Rdata")
Observacion:
>length(Datos) es diferente a >dim(Datos)
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 14 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Data Frame
Funciones sobre
Data Frame
Acceso a Datos
en un Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
de todas
La funcion
de dispersion
las parejas de un data frame:
>pairs(Datos)
Para obtener la matriz de correlaciones de las variables del
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 15 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Data Frame
Funciones sobre
Data Frame
Acceso a Datos
en un Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 16 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Ejercicios
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 17 / 34
Sesion
Ejercicios
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 18 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
Lineal
Regresion
Lineal
Regresion
Recta de
Regresion
de los
Estimacion
Coeficientes de
Regresion
Mnimos
Cuadrados
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 19 / 34
Sesion
Lineal
Regresion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
Lineal
Regresion
Recta de
Regresion
de los
Estimacion
Coeficientes de
Regresion
Mnimos
Cuadrados
El modelo lineal en R
Ejercicios
Conclusiones
y matriz de
Graficos de dispersion
correlaciones entre todas las variables del data
frame:
>pairs(Nacimientos)
>cor(Nacimientos)
lineal para
Podemos plantear modelos de regresion
profundizar en el analisis
estadstico. Tomemos como
las variables edad del
ejemplo, dada su alta correlacion,
padre y edad de la madre.
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 20 / 34
Sesion
Recta de Regresion
Introduccion
yi = a + b xi + i
Contenidos
Datos Bivariantes
planteada tendremos:
En la recta de regresion
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Coeficientes de regresion:
Lineal
Regresion
Lineal
Regresion
Recta de
Regresion
de los
Estimacion
Coeficientes de
Regresion
Mnimos
Cuadrados
El modelo lineal en R
a : ordenada en el origen.
b : pendiente.
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 21 / 34
Sesion
de los Coeficientes de
Estimacion
Regresion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
son desconocidos y
Los Coeficientes de regresion
deberemos estimarlos, a
y b.
de los coeficientes se realizara minimizando
La estimacion
las distancias verticales entre los puntos observados yi y las
ordenadas previstas para dichos puntos, yi = a
+ b xi :
Ejercicios
Lineal
Regresion
Lineal
Regresion
Recta de
Regresion
de los
Estimacion
Coeficientes de
Regresion
min
e2i
X
X
2
= min
(yi yi ) = min
(yi (a + b xi ))2
Mnimos
Cuadrados
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 22 / 34
Sesion
de los Coeficientes de
Estimacion
Regresion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
Lineal
Regresion
Recta de
Regresion
de los
Estimacion
Coeficientes de
Regresion
Mnimos
Cuadrados
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 22 / 34
Sesion
Mnimos Cuadrados
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
de a
La estimacion
y b tales queP
minimicen la suma de los
cuadrados de los residuos, min e2i , se conoce como
metodo
de mnimos cuadrados y da la siguiente solucion:
P
Sxy
x
)(yi y)
b = (x
Pi
= 2,
(xi x
)2
Sx
a
= y b x
Lineal
Regresion
Lineal
Regresion
Recta de
Regresion
de los
Estimacion
Coeficientes de
Regresion
Mnimos
Cuadrados
El modelo lineal en R
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 23 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
El modelo lineal en R
Lineal
Regresion
El modelo lineal en R
Modelo, lm()
Prediccion
Calculo
de los
Residuos
Analisis
de los
Residuos
Grafico
QQ
Diagnostico
de la
Regresion
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 24 / 34
Sesion
Modelo, lm()
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Los calculos
anteriores se simplifican definiendo el modelo y
lm().
haciendo uso de la funcion
Ejercicios
edadP = a + b edadM +
Lineal
Regresion
El modelo lineal en R
Modelo, lm()
Prediccion
Calculo
de los
Residuos
Analisis
de los
Residuos
Para definirlo en R:
>modelo1<-edadPedadM
Grafico
QQ
Diagnostico
de la
Regresion
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 25 / 34
Sesion
Modelo, lm()
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
entre ambas
Para representar graficamente
la relacion
variables:
>plot(modelo1) # si se ha hecho el attach()
>plot(modelo1,data=Nacimientos) # si no
Modelo, lm()
Prediccion
Calculo
de los
Residuos
Analisis
de los
Residuos
resultante:
Recta de regresion
Grafico
QQ
Diagnostico
de la
Regresion
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 25 / 34
Sesion
Prediccion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Modelo, lm()
Prediccion
Calculo
de los
Residuos
Analisis
de los
Residuos
podemos predecir
Una vez obtenida la recta de regresion
valores evaluando nuestro modelo con las estimaciones de
los coeficientes:
>predict(regresion1,
+ data.frame(edadM<-c(20,30,40)))
>rm(edadM)
Para obtener las predicciones a todos los posibles datos de
la variable independiente:
>fitted(regresion1)
Grafico
QQ
Diagnostico
de la
Regresion
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 26 / 34
Sesion
Calculo
de los Residuos
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Modelo, lm()
Prediccion
Calculo
de los
Residuos
Analisis
de los
Residuos
Grafico
QQ
Diagnostico
de la
Regresion
entonces mediante la
Los residuos, ei = yi yi , se obtendran
diferencia entre las predicciones y los valores reales:
>residuos1<-Nacimientos$edadP-fitted(regresion1)
de los
Pudiendo representar graficamente
la evolucion
residuos:
>plot(residuos1)
obtener su media:
>mean(residuos1)
y su varianza:
>var(residuos1)
se pueden obtener mediante la funcion:
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 27 / 34
Sesion
Analisis
de los Residuos
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Modelo, lm()
Prediccion
Calculo
de los
Residuos
Analisis
de los
Residuos
Grafico
QQ
Diagnostico
de la
Regresion
el analisis
En un modelo de regresion
de los residuos nos
permite detectar problemas de ajuste.
Graficos
de los residuos:
Grafico
de los i :
>plot(residuals(regresion1))
>hist(residuals(regresion1))
Grafico
de yi frente a i :
>plot(fitted(regresion1),residuals(regresion1))
Grafico
de xi frente a i :
>plot(Nacimientos$edadM,residuals(regresion1))
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 28 / 34
Sesion
Grafico
QQ
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Modelo, lm()
Prediccion
Calculo
de los
Residuos
Analisis
de los
Residuos
El grafico
QQ presenta los Quantiles de una distribucion
frente a los Quantiles de otra con el objetivo de comparar
ambas distribuciones.
Si queremos comparar la normalidad de los residuos
con una distribucion
normal:
compararemos su distribucion
>qqnorm(residuals(regresion1))
normal, los puntos del
Si los residuos siguen una distribucion
Grafico
QQ
Diagnostico
de la
Regresion
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 29 / 34
Sesion
Diagnostico
de la Regresion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
de los
nos facilita graficos
de diagnostico
de la regresion
residuos estandarizados,
Data Frame
e ei
pi
.
var(ei )
Ejercicios
Lineal
Regresion
El modelo lineal en R
Modelo, lm()
Prediccion
Calculo
de los
Residuos
Analisis
de los
Residuos
Grafico
QQ
Diagnostico
de la
Regresion
Ejercicios
Conclusiones
raton.
>identify(edadM,edadP,n=3)
Si identificamos los ndices de los valores atpicos podramos
excluirlos de la regresion.
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 30 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 31 / 34
Sesion
Ejercicios
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Ejercicios
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 32 / 34
Sesion
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
Data Frame
Ejercicios
Conclusiones
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Conclusiones
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 33 / 34
Sesion
Conclusiones
Introduccion
Contenidos
Datos Bivariantes
Datos Multivariantes
entre
Correlacion
dos variables
lineal?
Regresion
matematica
Data Frame
Regresion=Relaci
on?
Ejercicios
Lineal
Regresion
El modelo lineal en R
Ejercicios
Conclusiones
Conclusiones
arterial?
entre el pulso de un paciente y su presion
Estadstica basica
con el paquete estadstico R
2. Vctor Casero 34 / 34
Sesion