¿ Quién soy?

Introducción:
Bajo mi punto de vista, el ser humano y las máquinas no son entidades que viven solos,  por lo tanto, no podemos limitarnos a estudiarlos aislados. No solo estamos rodeados de otros seres humanos, animales , maquinas y cosas  sino ademas de nuestras propias interecciones.
En mi opinión debemos aislar los fenómenos que nos rodean para hacer inferencias sobre nuestro comportamiento.
Una de las ciencias que van a ayudarnos a aislar nuestras interacciones es la estadística.
Variable Independiente y dependiente.
Otro concepto a tener en cuenta son las variables dependiente e independiente son las dos variables principales de cualquier experimento o investigación. La independiente (VI) es la que cambia o es controlada para estudiar sus efectos en la variable dependiente (VD). La dependiente es la variable que se investiga y se mide.

El estudio longitudinal, a diferencia del estudio transversal, permiten el seguimiento de los mismos individuos a través del tiempo y de sus generaciones precedentes y siguientes eliminando los denominados efectos de cohorte.

Chat


Por lo tanto las diferencias observadas en las personas tienen menos probabilidades de ser el resultado de las diferencias culturales entre las generaciones y mostrar por tanto diferencias cualitativas o cuantitativas realmente significativas. Debido a este gran beneficio frente a los estudios transversales, los estudios longitudinales ofrecen indicadores más precisos de los cambios en las sociedades estudiadas y además, su gran potencial permiten que sus consecuencias puedan aplicarse en otros campos de las ciencias sociales.

Entonces lo primero que aré sera crear un algoritmo para obtener datos tanto de animales como de máquinas.

 

 

Formatos de archivos de datos

Queremos hacer un estudio para estudiar los efectos del consumo de alcohol en la presión arterial. La cantidad de alcohol consumida diariamente sería la variable independiente (causa) y la presión arterial sería la variable dependiente (efecto).

Otros ejemplos:

-Efectos del tabaco en la resistencia física. Consumo de tabaco (VI), resistencia física (VD).

-Efectos del consumo de azúcar en el peso. Consumo de azúcar (VI), peso (VD).

 

INTRODUCCIÓN ANÁLISIS FACTORIAL
El análisis factorial es una técnica de reducción de datos que sirve para encontrar grupos
homogéneos de variables a partir de un conjunto numeroso de variables.
Los grupos homogéneos se forman con las variables que correlacionan mucho entre sí y procurando,
inicialmente, que unos grupos sean independientes de otros.
Cuando se recogen un gran número de variables de forma simultánea (por ejemplo, en un
cuestionario de satisfacción laboral) se puede estar interesado en averiguar si las preguntas del
cuestionario se agrupan de alguna forma característica. Aplicando un análisis factorial a las
respuestas de los sujetos se pueden encontrar grupos de variables con significado común y conseguir
de este modo reducir el número de dimensiones necesarias para explicar las respuestas de los
sujetos.
Intentaré crear un algoritmo para obtener datos externos de máquinas y animales y hacer estudios de analisi factorial y de regresión
Cómo puedo importar datos externos

Definición de Correlación Lineal
En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos
variables aleatorias. Así, por ejemplo, podemos preguntarnos si hay alguna relación entre las
notas de la asignatura Estadística I y las de Matemáticas I. Una primera aproximación al
problema consistiría en dibujar en el plano R2 un punto por cada alumno: la primera coordenada
de cada punto sería su nota en estadística, mientras que la segunda sería su nota en
matemáticas. Así, obtendríamos una nube de puntos la cual podría indicarnos visualmente la
existencia o no de algún tipo de relación (lineal, parabólica, exponencial, etc.) entre ambas notas.
Otro ejemplo, consistiría en analizar la facturación de una empresa en un periodo de tiempo dado
y de cómo influyen los gastos de promoción y publicidad en dicha facturación. Si consideramos
un periodo de tiempo de 10 años, una posible representación sería situar un punto por cada año
de forma que la primera coordenada de cada punto sería la cantidad en euros invertidos en
publicidad, mientras que la segunda sería la cantidad en euros obtenidos de su facturación. De
esta manera, obtendríamos una nube de puntos que nos indicaría el tipo de relación existente
entre ambas variables.
En particular, nos interesa cuantificar la intensidad de la relación lineal entre dos variables. El
parámetro que nos da tal cuantificación es el coeficiente de correlación lineal de Pearson r,
cuyo valor oscila entre –1 y +1 :
1
( ) * ( )
( ) ( ) ( , )

Source
https://es.wikipedia.org/wiki/Estudio_longitudinal

https://www.lifeder.com/variables-dependiente-independiente/

http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/MULTIVARIANTE/FACTORIAL/analisis-factorial.pdf

https://www.uoc.edu/in3/emath/docs/RegresionLineal.pdf

http://www.fjaviermurillo.es/

https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados
https://www.monografias.com/trabajos85/coeficiente-correlacion-karl-pearson/coeficiente-correlacion-karl-pearson.shtml

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.