Prácticas de Estadística en R - Departamento de Estadística e ...

More documents

Recommendations

Info

100 12. El modelo de regresión lineal simple siendo Efectivamente, S X,Y = 1 n n∑ (X i − ¯X)(Y i − Ȳ ) i=1 S 2 X = 1 n n∑ (X i − ¯X) 2 i=1 > cov(x,y)/var(x) [1] 2.965763 > mean(y)-cov(x,y)/var(x)*mean(x) [1] 2.018518 que coinciden con los valores obtenidos por medio de la función lm. En lugar de invocar simplemente la función podemos guardar su resultado en una variable y veremos así que obtenemos más información. > reg=lm(y~x) > names(reg) [1] "coefficients" "residuals" "effects" "rank" [5] "fitted.values" "assign" "qr" "df.residual" [9] "xlevels" "call" "terms" "model" Además de los coeficientes estimados, R devuelve también los residuos estimados ê i = Y i − (â + ˆbX i ), los grados de libertad de los residuos, los valores de Ŷi = â + ˆbX i ,... > reg$residuals 1 2 3 4 5 0.151171813 -0.042671979 0.310145653 0.339613218 -0.210517764 6 7 8 -0.08993393 0.210728129 -0.230327511 ..... > reg$fitted.values 1 2 3 4 5 6 7 8 4.801958 3.942097 3.188916 3.501621 4.865023 3.079907 2.685361 4.941944 9 10 11 12 13 14 15 16 4.030721 3.321547 4.038718 4.056115 4.113711 3.761337 2.049225 4.641683 ..... > reg$df.residual [1] 98
12.4 Análisis del modelo 101 12.4. Análisis del modelo Para realizar el análisis del modelo estimado utilizaremos la función summary. Así > summary(reg) Call: lm(formula = y ~ x) Residuals: Min 1Q Median 3Q Max -0.457422 -0.156148 -0.008925 0.153244 0.434384 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 2.01852 0.04559 44.27
Page 1:
Prácticas de Estadística en R Ing
Page 5 and 6:
Índice general 1. Introducción 1
Page 7:
ÍNDICE GENERAL V 10.Tests de bonda
Page 11 and 12:
Capítulo 2 El software R 2.1. Intr
Page 13 and 14:
2.3 Objetos y operaciones básicas
Page 15 and 16:
Page 17 and 18:
Page 19 and 20:
2.4 Procedimientos gráficos 11 lis
Page 21 and 22:
2.5 Programando en R 13 2.5. Progra
Page 23 and 24:
2.7 Importando datos 15 mva: Análi
Page 25 and 26:
Capítulo 3 Un ejemplo para aprende
Page 27 and 28:
3.3 El código 19 tachada0){
Page 29 and 30:
Capítulo 4 Ejercicios para practic
Page 31 and 32:
Page 33 and 34:
4.4 Gráficos 25 4. Sean A una matr
Page 35 and 36:
4.5 Programando en R 27 a las 17:00
Page 37 and 38:
4.6 Ejercicios de exámenes 29 2. (
Page 39 and 40:
4.6 Ejercicios de exámenes 31 Aña
Page 41 and 42:
4.6 Ejercicios de exámenes 33 a) I
Page 43 and 44:
4.6 Ejercicios de exámenes 35 Par
Page 45 and 46:
Capítulo 5 Estadística descriptiv
Page 47 and 48:
5.3 Tablas de frecuencia y gráfico
Page 49 and 50:
5.4 Tablas de frecuencia y gráfico
Page 51 and 52:
5.5 Medidas de centralización, dis
Page 53 and 54:
5.5 Medidas de centralización, dis
Page 55 and 56:
5.6 Gráficos para multiples variab
Page 57 and 58: Capítulo 6 Variables aleatorias 6.
Page 59 and 60: 6.2 Distribución de Bernoulli 51 >
Page 61 and 62: 6.3 Distribución binomial 53 Podem
Page 63 and 64: 6.4 Distribución de Poisson 55 pro
Page 65 and 66: 6.5 Distribución exponencial 57 va
Page 67 and 68: 6.7 Distribución normal 59 6.7. Di
Page 69 and 70: 6.9 Teorema Central del Límite 61
Page 71: 6.9 Teorema Central del Límite 63
Page 74 and 75: 66 7. Transformaciones de variables
Page 77 and 78: Capítulo 8 Gráficos dinámicos pa
Page 79 and 80: 8.5 Reescalado y utilización de fa
Page 81 and 82: 8.6 Representación gráfica de dat
Page 83 and 84: 8.7 Brushing 75 Por ejemplo, hacemo
Page 85 and 86: Capítulo 9 Inferencia paramétrica
Page 87 and 88: 9.3 Un ejemplo: la paradoja de Mèr
Page 89 and 90: Capítulo 10 Tests de bondad de aju
Page 91 and 92: 10.2 Conjunto de datos: Tiempo de a
Page 99 and 100: Capítulo 11 Intervalos de confianz
Page 101 and 102: 11.2 Distribuciones asociadas al mu
Page 103 and 104: 11.4 Intervalos de confianza y cont
Page 105 and 106: Capítulo 12 El modelo de regresió
Page 107: 12.2 Simulación de observaciones 9
show all

Prácticas de Estadística en R - Departamento de Estadística e ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?