20-10-2016

UNIVERSIDAD AUTÓNOMA DE

CHIAPAS

INVESTIGACIÓN DE CONCEPTOS

Alumna: Dianel Montserrat Reyes Arellano

LICENCIATURA EN PEDAGOGÍA

ANÁLISIS MÁS USADOSParamétricos

1. Coeficiente de correlación de Pearson: En estadística, el coeficiente de correlación de Pearson es una medida de

la relación lineal entre dos variables aleatorias cuantitativas. A diferencia de

la covarianza, la correlación de Pearson es independiente de la escala de

medida de las variables. De manera menos formal, podemos definir el

coeficiente de correlación de Pearson como un índice que puede utilizarse

para medir el grado de relación de dos variables siempre y cuando ambas

sean cuantitativas.

2. Regresión lineal: En estadística la regresión lineal o ajuste

lineal es un modelo matemático usado para aproximar la relación de

dependencia entre una variable dependiente Y, las variables

independientes Xi y un término aleatorio ε. a primera forma de regresión

lineal documentada fue el método de los mínimos cuadrados que fue

publicada por Legendre en 1805, Gauss publicó un trabajo en donde

desarrollaba de manera más profunda el método de los mínimos

cuadrados,1 y en dónde se incluía una versión del teorema de Gauss-

Márkov.

El término regresión se utilizó por primera vez en el estudio

de variables antropométricas: al comparar la estatura de padres e hijos,

donde resultó que los hijos cuyos padres tenían una estatura muy superior

al valor medio, tendían a igualarse a éste, mientras que aquellos cuyos

padres eran muy bajos tendían a reducir su diferencia respecto a la estatura

media; es decir, "regresaban" al promedio. La constatación empírica de

esta propiedad se vio reforzada más tarde con la justificación teórica de ese

fenómeno.

El término lineal se emplea para distinguirlo del resto de técnicas

de regresión, que emplean modelos basados en cualquier clase de función

matemática. Los modelos lineales son una explicación simplificada de la

realidad, mucho más ágiles y con un soporte teórico mucho más extenso

por parte de la matemática y la estadística. Pero bien, como se ha dicho, se

puede usar el término lineal para distinguir modelos basados en cualquier

clase de aplicación.

3. Prueba t: Una prueba t es una prueba de hipótesis de la media de una

o dos poblaciones distribuidas normalmente. Aunque existen varios tipos de

prueba t para situaciones diferentes, en todas se utiliza un estadístico de

prueba que sigue una distribución t bajo la hipótesis nula. Una propiedad

importante de la prueba t es su robustez ante los supuestos de normalidad

de la población. En otras palabras, las pruebas t suelen ser válidas incluso

cuando se viola el supuesto de normalidad, pero solo si la distribución no es

muy asimétrica. Esta propiedad la convierte en uno de los procedimientos

más útiles para hacer inferencias sobre las medias de las poblaciones. Sin

embargo, con distribuciones no normales y muy asimétricas, podría ser más

conveniente usar pruebas no paramétricas.

4. Análisis de varianza: En estadística, el análisis de la

varianza (ANOVA, Analysis Of Variance, según terminología inglesa) es

una colección de modelos estadísticos y sus procedimientos asociados, en

el cual la varianza está particionada en ciertos componentes debidos a

diferentes variables explicativas. Las técnicas iniciales del análisis de

varianza fueron desarrolladas por el estadístico y genetista R. A. Fisher en

los años 1920 y 1930 y es algunas veces conocido como "Anova de Fisher"

o "análisis de varianza de Fisher", debido al uso de la distribución F de

Fisher como parte del contraste de hipótesis.

Web grafía

https://es.wikipedia.org/wiki/An %C3%A1lisis_de_la_varianza

https://es.wikipedia.org/wiki/ Coeficiente_de_correlaci%C3%B3n_de_Pearson

https://es.wikipedia.org/wiki/ Aleatoriedad

https://es.wikipedia.org/wiki/ Regresi%C3%B3n_lineal

http://support.minitab.com/es- mx/minitab/17/topic-library/basic-statistics-and-graphs/hypothesis-tests/tests-of-means/types-of-t-tests/