Speaker A
Agradecemos por la presencia de cada uno de ustedes. En este momento vamos a realizar un masterclass.
Masterclass en español para principiantes sobre RStudio, enfocada en análisis estadístico para investigación y tesis.
Key Takeaways
- RStudio es una herramienta gratuita y poderosa para análisis estadístico en investigación.
- ANOVA es fundamental para comparar medias entre tres o más grupos en estudios científicos.
- La prueba chi-cuadrado permite analizar la asociación entre variables categóricas.
- R puede manejar grandes volúmenes de datos, superando limitaciones de programas como Excel.
- Capacitarse en R facilita la realización de tesis, papers y proyectos de investigación con rigor estadístico.
Summary
- Introducción al uso de RStudio para principiantes en el contexto de trabajos de investigación.
- Presentación del docente Luis Bautista, licenciado en estadística y con maestría en el área.
- Descripción general de R como lenguaje de programación para análisis de datos, gratuito y potente.
- Explicación de pruebas estadísticas clave para tesis: ANOVA para comparar tres o más grupos.
- Introducción a la prueba T para comparación de dos grupos y la prueba de independencia chi-cuadrado para variables categóricas.
- Importancia de R para manejar grandes bases de datos y realizar análisis estadísticos complejos.
- Demostración práctica y explicación de conceptos estadísticos aplicados a ejemplos reales.
- Espacio para preguntas y respuestas al final del masterclass para aclarar dudas.
- Información sobre un curso avanzado de RStudio aplicado a la investigación que inicia próximamente.
- Enfoque en promover la investigación en América Latina mediante capacitación accesible.
Chapters
- 00:00Introducción y presentación del masterclass
- 04:06Espacio de diálogo y preguntas previas al curso
- 08:21Explicación general sobre R y sus aplicaciones
- 12:25Introducción a la prueba ANOVA con ejemplos
- 18:25Pruebas estadísticas para comparación de grupos
- 23:06Análisis de regresión y correlación
- 38:05Prueba de independencia chi-cuadrado y tablas de contingencia
- 46:34Sesión de preguntas, respuestas y cierre
Full Transcript — Download SRT & Markdown
Speaker A
Básicamente este masterclass nosotros lo hemos denominado, ¿no? Este, en este caso el R Studio para principiantes.
Speaker A
Ya tenemos también la presencia de nuestro docente quien va a dirigir justamente este masterclass. Ya está por acá.
Speaker A
Nuestro docente Luis Bautista. Él es licenciado en estadística por la Universidad Nacional Mayor de San Marcos. De la misma manera también ha realizado su maestría en esta área de estadística en la Pontificia Universidad Católica del Perú.
Speaker A
Eh, realmente a través de estos eventos lo que nosotros buscamos es que eh puedan de alguna manera actualizarse o familiarizarse con estos programas, ¿no? En este caso, para el día de hoy, nosotros traemos el R Studio para principiantes.
Speaker A
Creo que vamos a ir empezando desde cero, como se dice, desde principio, desde inicio. ¿Cómo es este programa?
Speaker A
No, vamos a conocer un poco cómo funciona sobre todo dentro de lo que es la investigación.
Speaker A
Nosotros somos Centro de Investigación y Capacitación Científica, más conocido en las redes sociales como Mundo Tesis y eh que permanentemente realizamos este tipo de eventos, ¿no? En este caso vamos a hacer masterclass.
Speaker A
En otras fechas realizamos webinars y también realizamos por ahí a veces también talleres o algunos seminarios, ¿no? Entonces, este sé que de acá somos de diferentes países de América Latina.
Speaker A
Por acá ya conocemos a algunos de nuestros seguidores fieles de Mundo Tesis que siempre nos acompañan y estamos muy agradecidos con cada uno de ustedes.
Speaker A
Mundo Tesis quiere hacer más cercano el conocimiento, la investigación para ustedes. Sabemos que este dentro de la investigación hay este aspectos bastante complejos.
Speaker A
Eh, sin embargo, nosotros a través de estos eventos queremos promover la investigación en América Latina y buscar justamente que nuestros países a través de la investigación puedan progresar. Es el objetivo que nosotros tenemos como Mundo Tesis, ¿no? Muy bien. Entonces,
Speaker A
sin más preámbulo, creo que ya están presentes acá la gran mayoría. Estamos algo de 21 participantes.
Speaker A
Entonces, yo daría paso a nuestro docente Luis Bautista, quien va a dirigir justamente este evento, yo diría, previos al inicio de nuestro curso de R Studio. El sábado nosotros vamos a iniciar con nuestro curso de R Studio aplicado en la investigación.
Speaker A
Para los que desean, finalizando este evento de masterclass, le vamos a dar toda la información. Es necesario que ustedes puedan conocer a profundidad este antes de tomar, eh, en este caso decisiones o antes de empezar a capacitarse.
Speaker A
En ese sentido, finalizando el webinar, nosotros no finalizando el masterclass, vamos a dar toda la información detallada del curso que vamos a iniciar este sábado. Entonces para los que desean pueden permanecer ahí, ¿no?
Speaker A
Y también, obviamente, antes de la información del curso va a haber un espacio de diálogo, de intercambio, de ronda de preguntas. Ahí ustedes van a aprovechar justamente para que puedan presentar todas las, este, dudas que tienen ustedes frente a este lo que es R
Speaker A
Studio. Muy bien, entonces vamos a iniciar. Estimado Luis Bautista, no sé si te encuentras ahí. Ya todo listo, podemos empezar. Puede compartir su pantalla, todo eso ya está habilitado. Buenas noches, bienvenidos a todos.
Speaker A
Aló, estimado maestro Luis, ¿se encuentra presente? Sí, me escuchan ahí. Sí, ahora sí lo escuchamos. Claro, claro y preciso.
Speaker A
Ya. Muy bien. Ahí está. Voy a compartir mi pantalla un momento. A ver. Ya.
Speaker A
Muy bien. Entonces, a ver, muchachos, ¿qué tal? Buenas noches con todos. Eh, vamos a hacer el masterclass de R para principiantes.
Speaker A
En sí no tiene nada principiantes este masterclass porque vamos a ver algunos temas interesantes para proyectos de tesis, ¿no?
Speaker A
¿Por qué se dice para principiantes el R? Porque, eh, R en primer lugar, jóvenes, es un lenguaje de programación netamente para análisis de datos, ¿no?
Speaker A
Es decir, con R se puede hacer todo tipo de análisis de datos. Por ejemplo, puedo hacer estadística descriptiva, estadística inferencial, gráficos, eh, en 2D, en 3D, mapas en 2D, en 3D, modelos estadísticos.
Speaker A
Eh, podemos graficar funciones matemáticas, funciones económicas, funciones físicas, algunos, eh, funciones también de matemática compleja, ¿no? Por ejemplo, ecuaciones diferenciales y todo ello, pero R también hace cosas, eh, modernas, ¿no? Por ejemplo, actualmente vivimos en lo que es la IA, ¿no? La inteligencia
Speaker A
artificial. Eh, también puedes hacer modelos de ese tipo, ¿no? Por ejemplo, las redes neuronales y todo. También R sirve para análisis cualitativo, jóvenes.
Speaker A
Seguramente ustedes han escuchado de Atlas Ti, un programa para análisis de datos cualitativos. R también puede hacer análisis cualitativo, es decir, R es potente, jóvenes, para análisis de datos a todo nivel. Ah.
Speaker A
Y lo más importante, jóvenes, es que R es gratis, es gratuito, es un software libre, es decir, se puede usar, bueno, gratuitamente, no, no hay ninguna restricción.
Speaker A
Y también te permite manejar bases de datos grandes, ¿no? Quizás Excel tiene una limitación de, no sé, 100,000 registros. R puede levantar millones de registros, ¿no?
Speaker A
En conclusión, jóvenes, R es una herramienta potente actualmente para análisis de datos, ¿no? Sobre todo para aquellos que están en el mundo de la investigación, de la adolescencia o están haciendo su proyecto de tesis o su paper, por ejemplo,
Speaker A
o quizás su libro, ¿no? Eh, R es un aliado muy, muy potente, ¿no? Entonces, en este masterclass, jóvenes, vamos a ver cómo usar R para investigar.
Speaker A
Vamos a ver cuatro temas interesantes, jóvenes. Por ejemplo, hablaremos de una prueba muy potente, quizás algunos lo han escuchado, que es la ANOVA, el famoso análisis de varianza, ¿no?
Speaker A
Por ejemplo, imagínense algo, ¿no? Cuando se usa ANOVA, ¿no? Imagínense que tengo tres aulas de un colegio X, por ejemplo, aula uno, aula dos y aula tres.
Speaker A
Y acá están sus notas, ¿no?, de los alumnos, ¿no? Si me preguntan si esas aulas tienen similar rendimiento académico en promedio, lo que se está haciendo es comparar las aulas, ¿no?
Speaker A
que en promedio tienen el mismo rendimiento o quizás son diferentes, ¿no? Es decir, cuando quiero comparar de tres grupos a más, jóvenes, se usa la ANOVA, ¿no?
Speaker A
Es decir, cuando quiero comparar más de tres grupos, la ANOVA es una prueba de hipótesis, obviamente interesante, ¿no?
Speaker A
Eso es el famoso ANOVA, ¿no? Antes de la ANOVA existe, pues, cuando tienes dos grupos, ¿no?
Speaker A
¿Qué pasa si tengo solamente dos grupos y quiero compararlos? Entonces existía la famosa diferencia de medias, ¿no?
Speaker A
O más conocida como la prueba T, ¿no? La prueba T de Student, ¿no? Entonces en este masterclass, jóvenes, vamos a ver algunas herramientas muy importantes en los proyectos de tesis, ¿no? ANOVA es uno de ellos.
Speaker A
La otra prueba interesante, jóvenes, es la prueba de independencia de chi-cuadrado. Ustedes se preguntarán, "Profesor, ¿para qué se usa la ANOVA, jóvenes?" En primer lugar, necesito una variable numérica y una variable categórica.
Speaker A
Una numérica más una categórica se puede aplicar una ANOVA, ¿no? Por ejemplo, el ejemplo que le di, ¿cuál sería la categórica?
Speaker A
La categórica sería las aulas, ¿no? Y la numérica sería las notas, ¿no? Muy bien. Entonces, cuando quiero comparar una variable numérica por grupos de tres a más, entonces obviamente la ANOVA es la herramienta más adecuada, ¿no?
Speaker A
Muy bien. Pero, ¿qué pasaría si tengo dos variables categóricas? ¿Habrá alguna herramienta o alguna prueba de hipótesis que me permita ver si dos variables categóricas están asociadas?
Speaker A
Claro. Sí. Existe la prueba de independencia de chi-cuadrado, ¿no? Por ejemplo, quiero saber si no algo así, ¿no? Tengo dos variables categóricas, ¿no?
Speaker A
Para la prueba de independencia chi-cuadrado, jóvenes, se usa la famosa tabla cruzada o matriz de contingencia o tabla de contingencia, ¿no?
Speaker A
Como necesito dos categóricas, por ejemplo, acá puede estar nivel de anemia del niño. Nivel de anemia. Ya, claro, el niño puede tener, eh, bajo, medio o alto. Y por acá puede estar...
Speaker A
¿Habrá alguna relación entre el nivel educativo de la madre y el nivel de anemia del niño?
Speaker A
Ambos son variables categóricas, ¿no? Entonces, cuando tengo estos casos jóvenes de dos variables categóricas y yo quiero ver la asociación que existe entre ellas, la única prueba que existe es la prueba de independencia de chi cuadrado. No es conocida. Seguramente ustedes en
Speaker A
algún momento se han se han cruzado con esta prueba, ¿no? Entonces, dos pruebas interesantes.
Speaker A
AOVA, si tengo una variable numérica más una categórica y tengo o quiero comparar de tres grupos a más, el anov adecuada, ¿no?
Speaker A
Si tengo dos variables categóricas y quiero ver la asociación entre ellas, la prueba de independencia x cuadrado es la más adecuada, ¿no?
Speaker A
Muy bien, profesor. ¿Qué pasa con la qué pasó qué pasa cuando yo tengo dos variables categóric? Perdón, acá dos variables numéricas.
Speaker A
¿Qué pasa cuando tengo dos variables numéricas? ¿Qué análisis se puede hacer? por ejemplo, un análisis de correlación, ¿no?
Speaker A
Por ejemplo, si yo tengo dos variables, no sé, edad de la persona en años, obviamente versus el peso de la persona en kilogramos, por ejemplo, habrá relación, posiblemente tenga un comportamiento algo así, ¿no? tu gráfico dispersión puede tener esta forma, ¿no?
Speaker A
Entonces, ¿qué observo ahí? Estoy observando un comportamiento lineal, pues entre la edad y el peso de la persona, ¿no? A mayor edad posiblemente tenga mayor peso la persona ¿no?
Speaker A
Entonces entre la peso y edad son dos variables numéricas y estoy observando en su gráfico que tiene una relación lineal, ¿no? Creciente.
Speaker A
Pero si yo quiero cuantificar esa relación lineal, tengo que usar la correlación jóvenes ¿no?
Speaker A
Entonces, la correlación, ¿qué es? No es más que la cuantificación de la relación lineal entre dos variables numéricas, ¿no?
Speaker A
Profesor, ¿de cuántas maneras se puede medir o qué tipos de correlaciones existe? La la más conocida, ¿no? La correlación de Pson.
Speaker A
Pero también tenemos la correlación de Spean ¿no? ¿Cuándo usar el uno el otro? El problema del Piarson es que tiene supuestos, ¿no? Normalidad, por ejemplo.
Speaker A
Y eso es una limitante muy fuerte porque muchas variables que nosotros tenemos no cumplen con la normalidad.
Speaker A
Por ende, casi siempre se usa el spean. Ambos miden correlaciones lineales. Una es paramétrica y otra es no paramétrica ¿no?
Speaker A
Entonces, si entonces si en nuestra investigación tenemos dos variables numéricas y quiero ver la correlación o la relación entre esas variables, tengo que aplicar un análisis de correlación, ¿no?
Speaker A
Por eso existen investigaciones correlacionales ¿no? Justamente por este tipo de de análisis, ¿no? Muy bien. ¿Qué sucede con el análisis de regresión?
Speaker A
El análisis regresión y el análisis correlación están estrechamente relacionados jóvenes. Mientras que la correlación cuantifica la relación lineal entre las variables numéricas.
Speaker A
La regresión modela esa relación. Es un modelo, ¿no? Como quién dice, ¿no? Si estas dos variables tienen esta forma lineal, ah, entonces es una recta.
Speaker A
Su ecuación es una la ecuación de una recta, ¿no? Entonces, del modelo de regresión lineal, jóvenes, es encontrar el mejor modelo o la mejor ecuación de la recta, ¿no?
Speaker A
En otras palabras, la correlación cuantifica numéricamente la relación entre dos variables numéricas, mientras que el análisis de regresión, jóvenes, modela mediante una ecuación matemática el comportamiento de las variables, ¿no?
Speaker A
¿No se dan cuenta? Y acá viene la pregunta del millón. Profesor, usted nos está enseñando cuatro herramientas muy potentes para investigación, pero ¿cuál uso?
Speaker A
¿Cuál de estas técnicas uso, profesor? Eso de qué va a depender, jóvenes? De los objetivos de su investigación, ¿no?
Speaker A
De los objetivos de la investigación que ustedes están realizando, ¿no? Así de simple, Juan.
Speaker A
Nosotros en el curso de R vamos a ver diferentes técnicas. o métodos estadísticos para investigación y ustedes obviamente en función a sus objetivos de investigación van a tener que elegir el adecuado, ¿no?
Speaker A
Se dan cuenta quizás algunos están aplicando una prueba de independencia cuadrado, ¿no? O necesitan eso o quizás algunos van a hacer un análisis correlacional, ya saben qué usar, ¿no?
Speaker A
Muy bien, eso es lo que vamos a ver el día de hoy, jóvenes. Esto fue un resumen nada más. Ya.
Speaker A
Muy bien. Hablemos del análisis varianza, el famoso ANOVA. Jóvenes, les había comentado, jóvenes, que la NOVA sirve para comparar grupos de tres a más, ¿no?
Speaker A
Pero, ¿qué comparan los las medias? No se comparan las medias de los grupos. Por ejemplo, si tengo tres grupos, voy a comparar el promedio de los tres grupos, ¿no? Por ejemplo, acá, acá hay tres grupos ¿no?
Speaker A
Acá está la media del primer grupo, del segundo grupo y el tercer grupo. Si me preguntan si estadísticamente estos promedios son iguales o diferentes, tendría que usar una prueba ANOVA, ¿no?
Speaker A
El ANOVA, pues efectivamente me va a decir si son iguales o diferentes estadísticamente jóvenes.
Speaker A
Cuando se habla de igualdad en las pruebas estadísticas, se habla de una igualdad estadística, no una igualdad matemática.
Speaker A
Muy bien. Entonces, ese es el objetivo de la nova, ¿no? Comparar las medias de los grupos.
Speaker A
Para ello necesitamos algo interesante, saber qué es anova, ¿no? Entonces, anoma es una técnica estadística utilizada para comparar las medias de tres o más grupos, jóvenes, y determinar si las diferencias observadas entre ellas son estadísticamente significativas ¿no?
Speaker A
Eso es, jóvenes. Si quiero comparar tres grupos a más, a no. Muy bien. Es una prueba interesante, ¿no?
Speaker A
Profesor, ¿y cómo se plantea la hipótesis? Yo sé que la nova te permite comparar grupos, pero sé que es una prueba de hipótesis, ¿correcto?
Speaker A
Toda prueba de hipótesis tiene su hipótesis nula y su hipótesis alternativa, ¿no? Hipótesis nula, hipótesis alternativa.
Speaker A
¿Cómo se plantea la hipótesis nula en una prueba de ANOVA? Hipótesis nula, igualdad medias versus no todas las medias son iguales, ¿no?
Speaker A
AOVA solo tiene un solo tipo de planteamiento de hipótesis, jóvenes, igual o al menos uno diferente.
Speaker A
No existe, jóvenes, un planteamiento hipótesis en el ANOVA, algo así. No existe eso, jóvenes. Eh, yo he visto investigaciones que usan algo así.
Speaker A
Eso está mal, jóvenes. No se hace eso. La teoría es bien clara. Solo existe un tipo de planteamiento hipótesis para la nova.
Speaker A
Eso es. No hay más. Mucho cuidado en esa parte. Muy bien. Por ejemplo, acá les voy a explicar un ejemplo interesante.
Speaker A
Esto es un ejemplo, jóvenes, de bueno, una ciudad que tiene pues eh muchas industrias en el cual eh bueno, hay bastante concentración de monóxido carbono pues en el ambiente, ¿no?
Speaker A
Y bueno, se recogieron datos los 5co días de la semana hábil, lunes, martes, miércoles, jueves y viernes, ocho mediciones de concentración de monóxido carbono por día, ¿no?
Speaker A
Entonces me preguntan, ¿no? Queremos estudiar el efecto de las concentraciones de monóxido carbono los 5 días distintos.
Speaker A
Muy bien. Si ustedes le pregunto qué prueba usarían acá, me van a decir lo siguiente ¿no?
Speaker A
¿Cuál es la variable numérica? La variable numérica sería concentración de monóxido de carbono. Eso sería tu y la variable numérica, ¿no?
Speaker A
Se dan cuenta claro, las concentraciones de monoxio se miden pues ¿no? Y tu variable categórica sería días de la semana.
Speaker A
Esto sería tu categórica, ¿no? En otras palabras, tienes una numérica y una catégórica. Y Pacolmo te piden estudiar el efecto de las concentraciones los 5 días de la de la semana, ¿no? Es decir, yo estaría interesado en saber si las
Speaker A
concentraciones de monóxido carbono en promedio son iguales los 5 días, ¿no? O quizás al menos es diferente, ¿no?
Speaker A
Se dan cuenta obviamente tengo que usar ANOA. No tengo todos los insumos, jóvenes. Me piden comparar grupos de tres a más. Acá tengo cinco grupos, tengo una variable numérica y tengo una varórica, ¿no?
Speaker A
A esta varóica muchos textos lo llaman factor. Por eso también algunos textos le llaman a un factor, ¿no?
Speaker A
Son notaciones jóvenes. Lo importante es que quede claro esa distinción. Muy bien. Entonces, ya que se puede aplicar a NOVA, pregunta del millón, ¿cómo plantearía mi hipótesis acá?
Speaker A
Obviamente mi hipótesis va a ser de la siguiente manera, ¿no? Que en promedio las concentraciones son iguales los 5 días de la los cco días de la semana, ¿no? Es decir, promedio día 1, día 2, día 5 son
Speaker A
iguales versus al menos uno es diferente, ¿no? Al menos uno es diferente. Eso es su planteamiento de hipótesis, jóvenes.
Speaker A
Para mí lo más importante, jóvenes, es que ustedes entiendan cómo plantear la hipótesis. Y para plantear la hipótesis va a depender pues de qué prueba estoy usando ¿no?
Speaker A
Ustedes saben que para la nova solo existe un tipo de planteamiento de hipótesis. No vayan a inventar otro, por favor. Ya.
Speaker A
Muy bien. Yo he solucionado esto acá. Bueno, he planteado su hipótesis. Acá está hipótesis nula.
Speaker A
Todas las medias son iguales en promedio, es decir, las concentraciones de monóxido carbono los 5 días son iguales versus al menos una es diferente.
Speaker A
Para este caso hemos usado otro software y nos ha salido un SIG o un p valor, ¿no?
Speaker A
Antes le quiero recordar algo interesante. Cuando ustedes están haciendo prueba y hipótesis, nosotros vamos a usar la siguiente regla de decisión.
Speaker A
Si el p valor es menor al nivel de significancia jóvenes se rechaza la hipótesis.
Speaker A
Eso es una regla que funciona para toda prueba de hipótesis, jóvenes. Ya se pueden olvidar de todo menos eso.
Speaker A
Muy bien. En el ejercicio no nos dicen el alfa, ¿no? El nivel significancia. Cuando no hay dato se asume generalmente el 5%, ¿no?
Speaker A
Que es un nivel de significancia estándar ¿no? Por ejemplo, acá P valor es 0.004.
Speaker A
0.004. 0.05 es el alfa, ¿no? Este valor es menor que 0.05. Sí. Si es menor, entonces está cumpliendo la famosa regla, ¿no? Entonces se rechaza la hipótesis nula, ¿no?
Speaker A
Se rechaza la hipótesis, ¿no? Profesor, entonces voy a rechazar esto. Si rechazo la hipótesis nula, estaré diciendo, estaría diciendo que las concentraciones de monóxido carbono durante los 5 días de la semana son diferentes.
Speaker A
Eso estaría demostrando, ¿no? Y bueno, si quieren interpretar formalmente diríamos que tiene un valor de 0.04 que es menor que el nivel de significancia 0.5.
Speaker A
Por lo tanto, hemos comprobado estadísticamente que estos cinco grupos son distintos, es decir, las concentraciones de monóxido de por día de la semana son diferentes ¿no?
Speaker A
Así de simple. Eso quiere decir que la nova sirve para este tipo de casos, ¿no? Es decir, cuando yo quiero comparar tres grupos a más, a no de frente, jóvenes, ya saben cómo plentar la hipótesis y ya saben cómo
Speaker A
tomar una decisión, ¿no? Muy bien. Ahora ustedes se preguntarán, "Profesor, ¿y cómo se hace esto en R?", ¿no?
Speaker A
En R se hace de la siguiente manera. No se asusten por los códigos. Recuerden que todavía no llevan el curso, así que le falta un poco de base, ¿no?
Speaker A
Este ejercicio o mejor dicho, este conjunto de datos tenemos que llevarle al R, ¿no?
Speaker A
Claro, estos son mis datos del ejercicio. Yo necesito plasmar esto en el R para hacer el análisis a no R es tan flexible, jóvenes, que nos permite crear esa tablita en en R, ¿no?
Speaker A
Acá anoto en en una variable monoxio, lo llamo las concentraciones de monóxio. Creo la variable semana y creo lunes, martes, miércoles, jueves y viernes.
Speaker A
Y con eso ya tendría mi conjunto de datos en el R, ¿no? Planteo mi hipótesis nula. Ahí está.
Speaker A
Y lo único que se tiene que hacer para la nova, jóvenes, en el R es usar una función llamado AOP. AOP, ¿no? O AV, ¿no?
Speaker A
Esta pequeña función del R hace el famoso ANOVA. Jóvenes. Eh, magister, una pregunta. Pen, ¿qué es lo que hace? Ah, 999.
Speaker A
Ah, muy buena pregunta. Eh, lo que pasa si es que no pongo esta option, me va a botar muchos decimales, demasiados decimales, hasta 20 dígitos.
Speaker A
Entonces, una manera de controlar los dígitos es usando este comando, ¿no? Cpen. Esa es su tarea nada más.
Speaker A
Poco a poco lo vamos a vamos a tallar más cosas, ¿no? Pero su función es eso.
Speaker A
Es más, lo vamos a probar en el R sin CPEN y con vean la diferencia. Ya a lo que voy, jóvenes, es para la nova solo necesitas usar esta línea de acá, jóvenes.
Speaker A
Acá está mi Y acá está mi X. Se acabó. Al aplicar esa función, automáticamente te va a dar un resumen de tu ANOVA con sus estadísticos. Y el estadístico que más me interesa a mí es el P valor.
Speaker A
¿Por qué? Porque si el P valor, jóvenes, es menor al alfa, recuerden esto, no se olviden nunca, por favor, se rechaza la hipótesis nulas. Eso no se olvide nunca. es una regla que funciona para toda prehiipótesis, ¿no?
Speaker A
Por ejemplo, acá me sale 0.0 352. Si yo comparo esto con el 0.05, obviamente es menor. Por ende, rechazo la hipótesis nula.
Speaker A
Al rechazar la hipótesis nula, estaría diciendo que hay medias que son diferentes, ¿no? En conclusión, las concentraciones de monóxido carbono por día de la semana son diferentes, ¿no?
Speaker A
Muy aparte de hacer la nova rápidamente el R jóvenes y por cierto es un software libre R te puede hacer muchos más análisis gráficos, comparaciones dos a dos, n cosas, cosa que otro software es muy limitado.
Speaker A
R es muy potente, es flexible. Jen, acá solamente le estoy explicando el pantallazo y los códigos también vamos a ver en el programa.
Speaker A
Muy bien, ya que estamos acá, vamos a ver el programa ya para después explicar por ahí en dependencia. Eh, muy bien.
Speaker A
En el curso obviamente vamos a empezar de cero, ¿no? Vamos a instalar el programa y todo ello, ¿no? Pero ahora para el masterclass vamos a explicar ya eh con el R instalado, ¿no?
Speaker A
Esto de acá es el famoso R Studio, que es una interfaz de R, jóvenes.
Speaker A
Ruaje de programación. R Studio es una interfaz para escribir código mucho más amigable, pero que usa R para para la compilación, ¿no? Algo así como una cara bonita en otras palabras.
Speaker A
Muy bien. Este conjunto de datos lo vamos a llevar al R, ¿no? Monóxido y de la semana.
Speaker A
Acá está monóxido, acá está 10 de la semana, ¿no, profesor? Es decir, si yo ejecuto sombreo y le pongo RAM y ejecuto, acá tengo monoxio.
Speaker A
Si sombreo y ejecuto, acá tengo semana. Profesor, ¿y qué hace este famoso boxplot? Esta función boxplot es una función que te permite hacer un gráfico de cajas.
Speaker A
Leas Y relacionado con X, monóxido versus semana y automáticamente nos da un cuadrito de la siguiente manera.
Speaker A
nos permite graficar, bueno, hacer el gráfico de cajas y el gráfico de cajas pues me indica la distribución de la concentración de monóxido por día de la semana, ¿no?
Speaker A
Este puntito de acá es la famosa mediana. Las medianas no son el promedio, son las medianas, pero es muy similar a las al promedio, ¿no?
Speaker A
Si yo te pregunto, ¿las concentraciones de monoxio en promedio son las mismas los días de la semana?
Speaker A
Falso ¿no? Gráficamente me dicen que las los días de la semana tienen diferentes concentraciones.
Speaker A
¿Dónde hay mayor concentración de monóxido y carbono? los lunes, jóvenes, mientras que la el día donde hay menor concentración de monóxido carbono son los viernes, posiblemente porque es fin de semana y ya apagan ciertas máquinas, no puede ser, no es una hipótesis, no se sabe.
Speaker A
Entonces, se dan cuenta que el R jóvenes te puede hacer muchos análisis, ¿no? Muy bien, planteamos nuestra hipótesis para saber, ¿no? Recuerden que la nula siempre es la igualdad de medias, ¿no? En este caso, de acuerdo al contexto, diríamos que la
Speaker A
concentración de monóxido de carbono los días de semana en promedio son iguales, ¿no? Versus al menos unas diferentes, ¿no? Gráficamente son diferentes.
Speaker A
gráfico simplemente es algo informativo. Lo que te da fuerza es la prueba de hipótesis ¿no?
Speaker A
Entonces, una prueba de hipótesis ya es más confiable, ¿no? Muy bien. Voy a borrar esto acá para que vean cuál es la diferencia.
Speaker A
Entonces aplico la función AOB LM, la función linear modelo versus semana y simplemente le aplico un summary.
Speaker A
Uy, acá no me hizo el corte. Muy bien. Miren bien especial el R. Ahora sí me ha truncado mis decimales, ¿no?
Speaker A
Ya. Muy bien. Entonces, eh sale nuestra nova. Ahí está. Acá está nuestra prueba F.
Speaker A
Antes cuando estábamos pues en la universidad, por ejemplo, nosotros tomamos decisiones pues con la con el prueba F, ¿no? Con el valor F, el valor crítico, nuestra tablita de probabilidades, elegíamos nuestra zona crítica y todo ello ¿no?
Speaker A
Pero ahora ya se usa el R, jóvenes. En el R te bota la prueba, toda prueba estadística te bota un P valor. O sea, el p valor comparado con el nivel de significancia te permite tomar una decisión más rápida, ¿no? Y ya no estás
Speaker A
calculando todo su proceso manual, ¿no? Acá quité la opción para la anotación científica, pero no es necesario al parecer, solo que les comento que cuando, bueno, no sé si es por la PC o por la versión del R,
Speaker A
que a veces cuando no le agregaba esta opción me salía muchos decimales, demasiados, pero ahora veo que no está mostrando todos los decimales, ¿no?
Speaker A
Debe ser para una versión de R. Muy bien. En conclusión, jóvenes, la prueba de la Nova se termina solo al usar esta función. Ahí se acaba todo.
Speaker A
Super rápido, ¿no? A ver, hay una pregunta, una preguntica ahí, maestro. Dale adelante. Saludos, buenas noches a usted y a los compañeros.
Speaker A
¿Qué tal? Buenas noches con todos. Eh, respecto a la Nova, bien, hasta ahí estamos. Claro.
Speaker A
Mm. Eh, sé que esto es un masterclass, pero qué tan complicado sería hacer el análisis postest para saber cuáles grupos son los que tienen diferencia.
Speaker A
Me está diciendo que hay diferencia, pero no me dice cuáles son las diferencias y cuáles grupos diferencia.
Speaker A
Exacto. A eso se le conoce como la prueba de tu o t de tu dice la de tu es una.
Speaker A
Sí, hay varias, ¿no? Que ahí está Benforroni, Tuk, pero tu más usado. Tu Sí.
Speaker A
Entonces, TUK te permite hacer comparaciones dos a dos. Claro, la nueva te dice, "Está bien, son las medias son diferentes. Buenazo, pero ahora quiero saber cuáles son iguales, ¿no?
Speaker A
Gráficamente, ¿qué te dice?" Por ejemplo, lunes y martes estadísticamente deben tener igual concentración de monóxido, ¿no?
Speaker A
Igual eh estos dos de acá, sí, pero eso es gráficamente, hay que corroborarlo con una pripótesis, ¿nom?
Speaker A
Muy bien. Entonces, una pregunta respecto al al a al box. Adelante. ¿Cuál es la pregunta?
Speaker A
El miércoles y el viernes tienen igual concentración. A ver, vamos a ver. Digo, eh, gráficamente, por supuesto. Sé que hay que probarlo con Pero podría decirse que tiene igual estadísticamente podría ser. Ah, podría ser, podría ser, podría ser. Gráficamente,
Speaker A
hay que tener mucho cuidado. Una cosa es una igualdad de estadística y otra es una igualdad matemática. No, estadísticamente podría ser, podría ser.
Speaker A
Sí, sí. Estadística, hablando estadísticamente matemática sí, obviamente diferente, ¿no? Pero lo que sí, sí, evidentemente lunes y viernes debe ser totalmente diferentes, nadie, no hay duda, ¿no?
Speaker A
Entonces existe el famoso 2K test, ¿no? A ver, vamos a ver. 2K test, si no me equivoco, es ahí está. y simplemente le damos a nova, ¿no? El objeto y automáticamente nos da pues lo siguiente, ¿no? Ahí está,
Speaker A
ahí está eh lo que es las comparaciones dos a dos, ¿no? Por ejemplo, nos estamos saliendo del tema, pero no importa. Entonces, eh, a ver, vamos a ver lunes, viernes y lunes. Ya. A ver, ¿dónde está viernes y lunes?
Speaker A
Acá está, ¿no? Entonces, ¿cómo interpreto este tipo de el tuque, mejor dicho, no fácil, ¿no? Tú que me dice, "Ah, si estás comparando dos a dos y quieres saber si son iguales o diferentes, ah, entonces la hipótesis nula sería si la diferencia es igual a
Speaker A
cero ¿no? Versus si la diferencia es diferente, cero, tomando dos a dos. Ah. Entonces, si me enfoco en esta opción, ¿qué digo?
Speaker A
Esto es menor al alfa, ¿no? Ah, diferencia. la rechazo él y me quedo con él, mejor dicho, no se dice, no se dice me quedo con él, se dice que son diferentes y puntos, ¿no?
Speaker A
Sí, son diferentes. Exactamente. Exacto. Entonces, eso es hacer de Claro, después la nova, tú puedes hacer tu análisis post le dice, ¿no? Que son comparaciones dos a dos, ¿no? O comparaciones múltiplas de esa manera, ¿no? Si quieres más, creo
Speaker A
que también hay un plot de esto, si no me equivoco, hace el tiempo que no veo estas herramientas.
Speaker A
Creo que sí. Algo me dice que sí. Vamos a ver ya que es más fácil. Claro, gráficamente, ¿no?
Speaker A
Gráficamente. Por ejemplo, ¿dónde está lunes y viernes? Debe estar por ahí. Voy a agrandar ya. Ahí está, ¿no? Ahí está.
Speaker A
Lunes y viernes. Miren, gráficamente es mucho más intuitivo, ¿no? ¿Cómo sé que son diferentes lunes y viernes?
Speaker A
Porque el intervalo de confianza no incluye al cero. Pues al no incluir al cero nunca van a ser iguales. En promedio.
Speaker A
Es la manera más fácil de interpretar. No se entiende esa parte. Sí. No, con ese gráfico es mucho más simple.
Speaker A
Claro, efectivamente. Pero lo que pasa es que el gráfico te ayuda muy bien, solo que eh si quieres tomar una decisión, los p valores están acá, ¿no? Eso es lo único.
Speaker A
Claro, se puede complementar, ¿no? Tu pr hipótesis y tu gráfico, ¿no? Ahí te va a dar una idea interesante.
Speaker A
Muy bien, eso sería Juanes. Entonces, ahora continuamos con nuestro, maestro, una consulta complementando el tema.
Speaker A
Yo hace, bueno, un tiempo ya me he olvidado un poquito las fórmulas del FAL, todo eso.
Speaker A
¿Qué tutorial o o qué libro nos puede recomendar para recordar las fórmulas, no? Ay, ay, ay. A ver, ahorita mismo les comparto un libro al a Miguel y para que les pase ya. No se preocupen, no se preocupen. Hay un buen libro. A ver, eh,
Speaker A
a ver, un momento, a ver, un momento. ¿Qué es estadística matemática con aplicaciones? Que es superintuitivo, jóvenes, superintuitivo. A ver, un moment. E creo que hay un grupo, ¿no? A ver, vamos a ver cómo se llama el grupo, por si
Speaker A
acaso. A ver. Mm. A ver, le voy a pasar al a Miguel, que es el coordinador, y ahí se los paso a ustedes. Ya.
Speaker A
Okay. Muchas gracias. Ya que estamos acá, voy a voy a abrir mi WhatsApp para poder verlo. Ya, miren, hay un libro, justo les compartí acá.
Speaker A
Ah, voy a ver si se puede compartir por este medio. Ya, miren este libro acá, jóvenes.
Speaker A
Les recomiendo que sea su Biblia para ustedes porque es superdidáctico esto de acá, jóvenes. Miren, este libro es un libro completo de estadística.
Speaker A
No se asusten por el nombre, no como que estadísticas matemáticas piensan que es demostraciones, pero no tiene buena base pero tiene bastantes ejemplos resueltos.
Speaker A
Buena teoría. Por ejemplo, acá van a ver eh todo tema de estadística, prueba, hipótesis, eh qué más, justo lo que está viendo ANOVA. Vamos a ver. Ya. Ah, no, ya que estamos acá, voy a debatir un poco.
Speaker A
Diferencia de medias, eh análisis varianza miren ANOVA un tema interesante, justo lo que estamos viendo. Si ustedes quieren afianzar más, este libro es ideal para ustedes, ¿no?
Speaker A
Acá hablan de cómo se construye la tabla, el valor F, ¿no? Ellos siguen hablando el F, ¿no? Okay, pero ya después hablan del P valor, ¿no?
Speaker A
Algunos ejercicios, comparaciones de dos. Ahí está el famoso 2K, ¿no? Ahí está 2K. Así como existe Anova de un factor, también existe Anova de dos factores, ¿no? Entonces este libro les va a ayudar bastante, ¿no?
Speaker A
Miren, ahí está el modelo en sí. En sí, la Nova, jóvenes, es un modelo.
Speaker A
Ah, yo le expliqué brevemente, ¿no? Eh, pero en sí el modelo es esto de la Nova, ¿no? Acá está el planteamiento de la hipótesis y algunas demostraciones porque es un libro que sí sustenta pues la parte la parte teórica, ¿no?
Speaker A
Entonces es un libro muy muy interesante. A ver si si se puede compartir por este medio. Ya. A ver, un momento. A ver por el chat si se puede.
Speaker A
¡Uf! Están de suerte. Ah, ahí está. Estoy compartiendo al Zoom, jóvenes. Eh, ese libro descárguenlo y guárdenlo.
Speaker A
Muy bien, muy bien, jóvenes. Es el libro para la parte teórica y más ejemplos de R que vamos a ver, ya están listos para para cualquier investigación.
Speaker A
Muy bien, entonces ahora seguimos con nuestra teoría. A ver, vamos a ver. Muy bien. Entonces, vimos a Nova, ¿no?
Speaker A
Ahora vamos a ver lo que es. Vamos a ver. Prueba de independencia cuadrado. Les había comentado, jóvenes, que cuando ustedes tienen dos variables categóricas, no puedes aplicar a Nova, no puedes aplicar correlación.
Speaker A
Lo único que te que es la prueba de independencia chicuadrado, que sirve para jóvenes miren ah para ver asociación o dependencia entre dos variables categóricas.
Speaker A
Así de simple. Su objetivo principal es ver pues si existe dependencia o asociación, pero sobre todo ver si esa asociación es significativa ¿no?
Speaker A
Por ejemplo, les había comentado nivel educativo de la madre con el nivel de anemia del niño. Esto ya es una tesis que hicieron.
Speaker A
Se ha demostrado que efectivamente, ¿no?, que el nivel de anemia del niño y el nivel educativo de la madre son variables asociadas, es decir, a menor nivel educativo de la madre, mayor nivel de anemia del niño.
Speaker A
Se ha demostrado, joven. Y uno dirá, "Pero, ¿por qué no?" Bueno, una mamá sin nivel educativo no tiene pues primer lugar los recursos necesarios como para dar una muy buena alimentación, ¿no? En segundo lugar también desconoce la forma de
Speaker A
alimentación correcta, ¿no? Entonces todos esos al final influyen para que el niño tenga mayor nivel de anemia, ¿no?
Speaker A
Eso dicen los datos, ¿no? ¿Qué se usó para esta investigación? Prueba de independencia chicuadrado, jóvenes. Así de simple.
Speaker A
La herramienta base para una prueba de chiuadrado, jóvenes, es una tabla de contingencia, ¿no? Seguramente ustedes han visto en la universidad valor observado, valor esperado y todas esas cositas para calcular el estadístico de prueba, ¿no? Todos lo hemos visto en la universidad.
Speaker A
Muy bien. Es decir, esto acá está acá. Este es el famoso estadístico pr obsoleto. Ahora, jóvenes, ya no tenemos que memorizarnos, ¿no?
Speaker A
Claro, antes el examen era manual, entonces ahí era obviamente saber la fórmula, ¿no? Pero ahora no, jóvenes, ¿no? Ahora lo más importante es cómo plantear la hipótesis, jóvenes. Y acá todo se equivocan.
Speaker A
Todo se equivocan. la parte estadístico de prueba y todo eso ya es teoría, ¿no?
Speaker A
Pero lo más importante, jóvenes, es el planteamiento de la hipótesis. ¿De qué sirve hacer una investigación rigurosa y todo lo que ustedes desean si plantean mal la hipótesis?
Speaker A
Si plantean mal la hipótesis, todo está mal ¿no? Entonces, ¿cómo se plantea una hipótesis nula en una prueba de independencia x cuadrado? La nula dice X y Y son independientes o en otras palabras no están asociadas. No, así de simple no están asociadas
Speaker A
versus X y Y no son independientes o están asociadas, ¿no? ¿Cuál es el error más grande de muchos estudiantes jóvenes?
Speaker A
Piensan que todo lo positivo debe ir en la piótesis nula. Eso es el grave error, Juan.
Speaker A
Por ejemplo, en el caso del nivel de anemia del niño con el nivel educativo de la madre, estoy casi seguro que muchos van a plantear como hipótesis nula la nivel de anemia del niño y el nivel educativo de la madre están
Speaker A
asociadas. Todos van a poner eso porque en su cabecita piensan que todo lo positivo o todo lo que yo quiero probar va en la hipótesis nula. Y eso es falso, jóvenes.
Speaker A
La teoría es bien clara. La prueba de independencia cuadrado, su única formulación de hipótesis es de la siguiente manera.
Speaker A
No están asociadas versus están asociadas. independientes o no independientes. No, así de simple, joven. No cambien el orden, no hagan esas cosas.
Speaker A
Muy bien. Igual, ¿no? Profesor, ¿cómo voy a tomar una decisión en base a esa prueba de hipótesis? La misma regla, jóvenes. P valor menor al alfa.
Speaker A
Se rechaza la hipótesis. No, esto no se deben olvidar nunca. Ahí está. Se pueden olvidar de todo menos de esa regla, jóvenes. Esto de acá es muy importante.
Speaker A
Muy bien, dicho eso, jóvenes, ahora vamos a lo más importante. Profesor, quiero un ejercicio para poder entender la prueba de dependencia cuadrado. Muy bien.
Speaker A
Acá hay un ejemplo interesante. Grupo de edad, niños, jóvenes y adultos. Primera variable categórica.
Speaker A
Tipo de buscadores, Google, Yahoo, Keikos, Dinet. Segunda var categórica. Claro, no creo que muchos conozcan Yahoo, no es un buscador antiguo, ¿no?
Speaker A
Peor los demás, ¿no? Muchos somos de la generación de Google, ¿no? Pero antes había otros buscadores, Altavista, Terra, no sé si se acuerdan.
Speaker A
Muy bien, tengo dos variables categóricas. La pregunta es, ¿el grupo de edad y el tipo de buscador estarán asociadas?
Speaker A
No lo sé. Solo la prueba de independencia x cuadrado me dará, me podrá saber, permitir saber eso, ¿no?
Speaker A
Profesor, pero ¿por qué aplico chi cuadrado? Bueno, tengo dos variables categóricas, jóvenes. No puedo aplicar otra prueba.
Speaker A
Entonces, se dan cuenta que ya tus datos te indican al menos qué pruebas usar, ¿no? Claro, acá te dice, ¿no? Se encuentra relacionado.
Speaker A
Entonces, ya sabemos que efectivamente es una prueba de independencia H cuadrado ¿no? ¿Qué es lo más importante para mí, Ju?
Speaker A
La entrada la hipótesis nul. Jues, eso para mí es vital. Acá me dice, "Considero una significancia de 5%." Muy bien. Esto es el alfa, ¿no?
Speaker A
¿Cómo sería la hipótesis nula, jóvenes? A ver, obviamente, no siempre la nula son independientes, ¿no? Quiere decir que los buscadores de información no se encuentran asociados con la edad del usuario versus se encuentran asociados.
Speaker A
Lo estoy planteando cómo manda la teoría juos ¿qué hacen? Piensan que lo positivo tiene que ir acá y eso es falso.
Speaker A
Lo que manda, jóvenes, es la teoría. Así de simple. Y solo existe un solo tipo de planteamiento de hipótesis. Así como la nova cuadrado también solo tiene un tipo de planteamiento de hipótesis, ¿no?
Speaker A
Muy bien. Entonces para rechazar o no rechazar la hipótesis nula, tengo que hacer obviamente mi prueba h cuadrado, ¿no?
Speaker A
[Música] Y usando el software me sale un p valor de 0.00, 00, ¿no? Obviamente eso es menor al alfa, ¿no? Por ende rechazo la hipótesis nula, ¿no?
Speaker A
¿Qué más? Si rechazo la hipótesis nulla, estaría diciendo pues que los buscadores de información se encuentran asociados con la edad del usuario, ¿no? Claro, si yo rechazo él, miren, si yo rechazo él, estaría diciendo que efectivamente los buscadores de información se encuentran
Speaker A
asociados con la edad del usuario, ¿no? ¿Se dan cuenta? Eso para eso sirve la prueba de chi cuadrado, ¿no?
Speaker A
Independencia de chi cuadrado. Te permite ver asociación entre dos variables categóricas. Muy bien, profesor. ¿Y cómo le sale este cero de acá? No le creo nada. Entonces, para eso vamos a usar el R, ¿no?
Speaker A
¿Cómo se hace una prueba chi cuadrado en R? Mire, acá sí el R te bota todos los decimales. Qué injusto, ¿no?
Speaker A
Para eso sirve el CPE 999. Ahita lo vamos a ver. Ya. Si que no pongo esa IP me sale así, ¿no?
Speaker A
Largazo. Muy bien. Miren como mi data, jóvenes, observen, mi data tiene esta forma. Esto lo tengo que llevar al R. No, profesor, ¿cómo hago eso? sencillo.
Speaker A
Simplemente es acá tengo la edad, niños, jóvenes y adultos y acá el tipo de buscador, ¿no? Entonces, si ejecuto este código me genera ese cuadrito que les mostré, ¿no?
Speaker A
Y adivinen qué es lo que tengo que usar para hacer la prueba chi cuadrado, jóvenes.
Speaker A
Esta función de acá, chisq. test. Chisc.test me permite hacer eso. Le doy los datos y automáticamente me da el resultado. Acá está el resultado.
Speaker A
Esto es menor que alfa, ¿sí? No, 0.00 es menor que alfa. Es cer, ¿no? Por eso en el PPT le puse cer.
Speaker A
Cerus es prácticamente, entonces se rechaza la hipótesis nula, ¿no? Se rechaza la hipótesis nula.
Speaker A
Si rechazo la hipótesis nula, estaría diciendo pues que los buscadores de información se encuentran asociados con la edad del usuario, ¿no?
Speaker A
Eso es, jóvenes. Entonces creo que lo más difícil R es poner los datos, ¿no? Porque la prueba sale en una línea, ¿no?
Speaker A
Pero muy importante saber estas cosas, leer y todo, jóvenes. Para mí es muy importante que ustedes aprendan a plantar la hipótesis. Eso es vital, Juan. Eso es vital.
Speaker A
Y cómo tomar una decisión. La regla, ¿no? P valor menor el alfa, se rechaza la hipótesis nul. Esa regla, por favor, no se olviden. Ya.
Speaker A
Muy bien. Vamos al R entonces. A ver, vamos al R para ver esa parte. Ah, y después vemos correlación. Por cierto, interesante tema. A ver, vamos a ver.
Speaker A
Voy a cerrar esto. Listo. Vamos. Voy a cerrar esto. A ver. Muy bien. Prueba la independencia cuadrado, ¿no? Acá están los datos, miren, de las edades y los buscadores, ¿no? Si yo ejecuto, miren jóvenes ¿se dan cuenta?
Speaker A
Acá están mis datos. Eso que estaba en el PPT, ahora está en el R.
Speaker A
¿Se dan cuenta? Eso es lo potente el R, jóvenes. Puedes hacer lo que te imaginas en R.
Speaker A
Muy bien. Una vez que ya tengo los datos, lo único que tengo que hacer es correr mi función chisq. Test de mis datos.
Speaker A
ejecuto y ahí está, ¿no? Miren, ahí está el peolo. Se acabó, jóvenes. Se acabó.
Speaker A
Ah, me equivoqué. Su compañero me preguntó para qué servía esto. No, esto es para evitar la anotación científica, jóvenes. Ya, ya me acordé.
Speaker A
Esto es para evitar la anotación científica. a veces sale con notación científica, entonces queremos saber el valor real.
Speaker A
Entonces esto de acá evita la anotación científica. Muy bien. Entonces, eso, jóvenes, la manera de hacer una prueba de independencia cuadrado, ¿no?
Speaker A
Es en R es sencillo muchas cosas, Juanes. Entonces, esta función chicustes internamente pues hace el cálculo del chi cuadrado de prueba, el valor crítico, calcula el p valor y al final te da esto, ¿no? Si quieres el estadístico de prueba está acá, mira.
Speaker A
Pero mejor el P valor porque me permite tomar la decisión de manera más directa, ¿no?
Speaker A
Muy bien, eso sería. A ver, ¿qué más? Ahora tenemos que ver, jóvenes, el análisis de correlación.
Speaker A
El análisis de correlación, jóvenes, mide o cuantifica las relaciones lineales entre dos variables numéricas.
Speaker A
Acá no hay una correlación lineal. No hay relación lineal. Por ende, no existe correlación lineal.
Speaker A
Acá es recontraatorio, tampoco hay correlación lineal. ¿Dónde se podía calcular las correlaciones? En A y B, ¿no? ¿Por qué?
Speaker A
Porque sí observo relaciones lineales. Al observar relaciones lineales, por ende, puedo calcular una correlación lineal. No, les había comentado que existe dos tipos de correlaciones, Pearson y Spiran, ¿no?
Speaker A
¿Cuál es el más robusto? Se puede decir Spearban ¿no? Peon supuestos jóvenes pero ¿por qué lo usan indiscriminadamente en las tesis sin garantizar los supuestos?
Speaker A
Porque no saben la teoría. Ahí viene el problema, ¿no? Pero si ustedes leen ese libro que les he compartido, Pearson requiere normalidad para su uso.
Speaker A
Es decir, las dos variables numéricas deberían tener distribución normal para yo recién aplicar la correlación de S. Sin embargo, Spean, jóvenes, no tiene supuestos.
Speaker A
Por eso es una prueba no paramétrica, ¿no? Ambas correlaciones varían de -1 a un, jóvenes.
Speaker A
Eso es su rango de variación. Si me preguntan cómo se calcula la correlación de de Pearson, esta es la fórmula mágica.
Speaker A
Obviamente yo no les voy a pedir que se memoricen, no tiene sentido, jóvenes. Para mí lo más importante es que entiendan cuándo usar una correlación o la otra, ¿no? Si cumples los supuestos de normalidad, Pson es muy bueno, ¿no?
Speaker A
Pero si no cumples con la normalidad y aparte quizás tienes muestra pequeña o variables en escala de ordinal, Spearman es muy bueno, ¿no?
Speaker A
Es decir, Spearman es mucho más flexible. No es tan estricto como el Pson, ¿no?
Speaker A
Ambas correlaciones varían de -1 a 1. Un valor a cer indica una correlación nula, un valor igual a -1, una correlación negativa perfecta, un valor igual a 1, una correlación positiva perfecta. No, profesor, yo he visto paper y tesis de
Speaker A
estudios correlacionales. ¿Por qué le dicen estudios correlacionales? Porque una correlación, jóvenes, es una prueba de hipótesis.
Speaker A
Claro, si tú cuantificas una correlación y yo te digo, esa correlación es significativa, ¿cómo sé que es significativa o no es significativa? Ahí entra la prueba hipótesis jóvenes.
Speaker A
Ahí entra la prueba hipótesis, ¿no? Muy bien. A ver, hay una pregunta. ¿Por qué no se podría aplicar Pirison a barriles categóricas?
Speaker A
Jóvenes Pearson Spean se usa para calcular correlaciones y las correlaciones generalmente son entre variables numéricas ¿no?
Speaker A
Hay que tener cuidado esa parte. Ah, muy bien. Eh, les había comentado que la correlación o el análisis de correlación es una prueba de hipótesis. J. ¿Por qué?
Speaker A
Porque tú puedes cuantificar una correlación, pero no sabes si esa correlación es significativa o no.
Speaker A
¿Cómo saber si una correlación es significativa o no? Haciendo una prueba de hipótesis. Hipótesis nula.
Speaker A
Rho = 0 indica que no existe correlación versus ro diferente er existe correlación. Profesor, ¿cómo tomo una decisión? Fácil.
Speaker A
Si el p valor es menor alfa, entonces se rechaza la hipótesis nula. J. Nuevamente, mucho cuidado.
Speaker A
Solamente existe un tipo de planteamiento de hipótesis para las correlaciones. No exista otro. Pero miren el orden. Ah, ¿cómo va la nula? Va la no correlación.
Speaker A
En la alternativa va que sí existe correlación, pero en muchas investigones investigaciones jóvenes lo ponen al revés y eso está mal, joven. Eso está mal. No hay que respetar mucho la teoría.
Speaker A
Por eso la teoría es muy importante, ¿no? Y la teoría es bien clara. Ya saben cómo hacer para un anova, para un chi cuadrado y también para una correlación ¿no?
Speaker A
Muy bien, eso es jodas. ¿Y a qué se refiere regresión lineal, profesor? Les había comentado que la correlación cuantifica la relación entre dos variables numéricas, mientras que la regresión lineal, jóvenes, es encontrar el modelo matemático que explica el comportamiento de mis de mis
Speaker A
variables o de mis datos, ¿no? Así de simple. Son cosas diferentes, pero están estrechamente relacionadas, ¿no? Si hay correlación lineal, yo puedo obviamente hacer una regresión lineal, ¿no?
Speaker A
¿Se dan cuenta? Muy bien. Entonces, eh básicamente eh la regresión lineal, jóvenes, nos permite investigar las relaciones entre diferentes variables cuantitativas.
Speaker A
Pero, ¿cómo me permite investigar esas relaciones? mediante la formulación de ecuaciones matemáticas, ¿no? Es decir, mediante esta ecuación matemática, yo puedo modelar el comportamiento de mis datos.
Speaker A
Ya no ya no necesito mis datos porque este modelo ya lo sintetizó en una ecuación matemática, ¿no? Es decir, esa ecuación matemática refleja el comportamiento de mis datos. En otras palabras, ¿no? ¿Y para qué sirve ese modelo una vez que lo encuentras?
Speaker A
para predecir, jóvenes, se puede usar para hacer predicciones, ¿no? Eso es la utilidad de las regresiones.
Speaker A
Por ejemplo, si quieren saber el precio de las inmobiliarias, no usan modelos de regresión para estimar el precio de venta de una vivienda o ustedes cree que se le se les antojó ese precio detrás de esa decisión del precio hay un
Speaker A
modelo, joven que lo estima, que lo predice, ¿no? Por ejemplo, generalmente para el precio de una vivienda tiene que ver la antigüedad, metro cuadrado, el lugar donde se ubica, eh si tiene cochera, un montón de factores, ¿no? Todos esos factores
Speaker A
contribuyen pues a predicir o estimar el precio de la vivienda, ¿no? ¿Cómo lo obtienen? Usando una regresión.
Speaker A
tiene mucha utilidad las regresiones, ¿no? Hay varias regresiones, ¿no? La lineal simple es cuando yo tengo un y quiero explicarlo con un x, ¿no? Uno, una variable con una variable.
Speaker A
Eso es una regresión lineal simple cuando tengo una variable respuesta y una variable independiente, ¿no?
Speaker A
Entonces voy a explicar y en función a x ¿no? Y esto es el modelo teórico de la relación lineal siempre. Variable dependiente, mi y, variable independiente, mi x. Esto es mi coeficiente, esto es mi intercepto y esto es mi error. No, siempre todo
Speaker A
modelo predictivo va a tener un error, ¿no? No existe un modelo perfecto. Eso no existe, jóvenes. Todo modelo va a tener una incertidumbre, ¿no?
Speaker A
Muy bien, eso es la regresión lineal simple ¿no? Y profesor, ¿cuándo se dice que es una regresión lineal múltiple?
Speaker A
Cuando yo tengo una y una variable dependiente y tengo varias variables independientes, es decir, yo voy a explicar y en función a estas variables y muchos más, ¿no?
Speaker A
Ahí se habla de una regresión lineal múltipla, es decir, cuando se incorpore ya muchas variables, ¿no? Igual la estructura es la misma, solamente voy a tener más variables y también voy a seguir teniendo la parte aleatoria, ¿no?
Speaker A
Ustedes se preguntaron, "Profesor, ¿a pesar que yo incluyo más variables, siempre va a haber algo que no explica el modelo?" Claro que sí, ¿no?
Speaker A
Jamás vas a conocer todo de algo. Es imposible. esa parte que no se puede observar o explicar siempre va como una parte aleatoria, ¿no? Esa es la incertidumbre, como se dice.
Speaker A
Muy bien. ¿Y cómo se interpretan los parámetros en ese modelo? Su interpretación es superdo jóvenes.
Speaker A
Por ejemplo, si yo quiero interpretar esta este coeficiente en una regresión, quiere decir por cada unidad adicional de esta variable, mi variable Y se incrementa en beta K unidades, ¿no?
Speaker A
Algo así. Imaginemos que nuestro modelo de regresión fuera este. ¿Qué pasa si yo incremento x en una unidad?
Speaker A
Si yo incremento x en una unidad, sería algo así, ¿no? Esto sería un x nuevo, ¿no?
Speaker A
Y si aplico la distributiva en esa parte sería algo así, ¿no? 5 + 3x + 3, ¿no?
Speaker A
Pero se dan cuenta que esto vale y le inicio ¿no? Entonces, mi y nuevo se ha incrementado en tres unidades y efectivamente era la misma unidad del coeficiente, ¿no?
Speaker A
Por eso para interpretar un coeficiente en regresión se dice por cada una unidad adicional de mi variable independiente, mi y se incrementa en tres unidades, ¿no? Ahí está.
Speaker A
Es decir, su interpretación es sers sencilla en los modelos de regresión. Al ser un modelo lineal, la interpretación es directa, ¿no?
Speaker A
Claro, si un modelo es no lineal, que más adelante lo vamos a ver, ya la interpretación no es tan directa, ¿no?
Speaker A
Se tienen que hacer unas transformaciones y todo. Muy bien. Y vamos a aplicar pues a un caso de interesante salud. Por ejemplo, queremos saber si el costo en salud está influenciado, por ejemplo, por, no sé, la edad de la persona,
Speaker A
el sexo, el consumo de bebidas alcohólicas, el tabaquismo y las horas de ejercicio, ¿no? Estos son mis X, ¿no?
Speaker A
Y el costo en salud va a ser mi y. Voy a explicar y en función de mis x, ¿no?
Speaker A
Es una revisión lineal múltiple, ¿no? Entonces, todo eso lo vamos a ver en la aplicación.
Speaker A
A ver, vamos a ver alguna referencia biográficas. Justo lo que el libro que les compartí, jóvenes, por el chat del Zoom es esto acá, miren.
Speaker A
Entonces ese libro tiene que ser de ahora en adelante su Biblia, jóvenes en estadística, es un curso, un libro completo, tiene algo de 800 hojas más o menos si es que compran en físico, pero ahí tienen virtual ¿no?
Speaker A
Muy bien. A ver, vamos a a ver, vamos a ver entonces el R ya el laboratorio de esa parte.
Speaker A
Muy bien, acá está. Vamos a ver. Para ello vamos a trabajar con una base de datos llamado Helcos. Ya Miguel les va a compartir todo el material.
Speaker A
A ver, acá me falta una librería. Vamos a library. Muy bien. Vamos a cargar los datos.
Speaker A
Y acá están los datos, ¿no? Miren a ver. Listo. Ahí les compartió los materiales por el chat del Zoom. Ahí está la base de datos y el laboratorio en R. Ya.
Speaker A
Muy bien. Esto es el conjunto de datos. Miren, ahí está. Costo en salud. Es una data americana, jóvenes. Eh, acá está sexo, edad, consume alcohol, cigarros y ejercicios, ¿no?
Speaker A
Muy bien. El primer paso, jóvenes, para hacer una correlación es lo siguiente. Ver si existe relación.
Speaker A
para ver si existe relación. Un gráfico de dispersión es la mejor herramienta. Juan, si yo les pregunto entre costo en salud y edad de la persona, ¿hay una relación lineal?
Speaker A
Posiblemente no hay una ligera relación lineal, ¿no? No es tan fuerte, pero hay un ligero comportamiento, ¿no?
Speaker A
Se dan cuenta entonces el gráfico de expresión, jóvenes, es una herramienta muy útil. Acá estoy compartiendo o estoy viendo costos en salud versus edad de la persona ¿no?
Speaker A
Obviamente a menor edad menor costo, a mayor edad mayor costo, ¿no? Es algo de relación.
Speaker A
A ver, el otro gráfico dispersión puede ser ver horas de ejercicio versus costo, ¿no? Acá si hay una relación pues lineal, ¿no? Sí, se observa, ¿no?
Speaker A
Las personas que hacen mucho ejercicio generalmente gastan poco en salud. Interesante ¿no? Interesante. Por el otro lado, las personas que hacen poco ejercicio generalmente gastan mucho en salud.
Speaker A
Interesante, ¿no? Se dan cuenta, jóvenes, que un simple gráfico te puede dar muchas, muchos insumos para plantear temas de investigación ¿no?
Speaker A
Un solo gráfico, Jen. Es decir, si ustedes quieren encontrar algún tema de investigación, simplemente exploren conjunto de datos, jóvenes, exploren, formúlense, hipótesis y todo ello. Eso es hacer investigación, ¿no?
Speaker A
Muy bien. Entonces, sí observamos pues relación lineal entre costosidad edad y costos y ejercicio, ¿no?
Speaker A
Entonces ahora sí podemos proceder a cuantificar las correlaciones, ¿no? Profesor, ¿cómo se calculan las correlaciones en R? La función se llama cor.
Speaker A
Leas la variable edad, costos y dijes qué tipo de correlación quieres. De frente le he pedido spean porque obviamente mis datos no tienen normalidad.
Speaker A
No tienen normalidad. Entonces, si ejecuto esto, te dice que la edad versus el costo en salud tienen una correlación de 0.2 aproximadamente es bajo, ¿no?
Speaker A
Bajo. ¿Por qué? A ver, su compañera pregunta, Jorge, ¿cuál es la hipótesis nula en regresión?
Speaker A
La hipótesis nula en regresión, jóvenes, específicamente no existe para regresión una prueba hipótesis. Solos existe una prueba hipótesis para validar una regresión, es decir, para saber si la regresión es significativa o no, pero no existe un planteamiento propio de una regresión.
Speaker A
Muchos optan por una regresión con fines predictivos, jóvenes. Ya. Es decir, las pruebas anteriores que hemos visto son pruebas de hipótesis, pero la regresión ya es un modelo estadístico. Ya hay que tener cuidado en esa parte.
Speaker A
Muy bien. A ver, ahora vamos a ver ejercicio versus costo -0.41. No hay una relación inversa, ¿no? Es decir, si hago más ejercicios gasto menos, si hago ejercicio, gasto más. relación inversa ¿no?
Speaker A
Y por de correlación negativa, ¿no? Muy bien. Hasta esta parte hemos cuantificado las correlaciones, ¿no?
Speaker A
Pregunta del millón. ¿Cómo sé si estas correlaciones son significativas? Ahí se transforma en en prueba de hipótesis, ¿no?
Speaker A
Willy, ¿qué tal? Eh, se ha compartido los códigos en R en el chat del Zoom.
Speaker A
Ahí está, lo pueden descargar, ¿no? Muchos quizás aún no tienen el programa, jóvenes, así que no se preocupen, ¿no?
Speaker A
En este curso se va eh iniciar con la instalación de los programas y todo ello ¿no?
Speaker A
Por el momento les estoy mostrando pues las potencialidades que tiene el R Studio, ¿no? El R en general.
Speaker A
Muy bien, vamos a hacer una prueba de hipótesis de las correlaciones, ¿no? En primer lugar, para edad y el costo en salud. ¿Cómo era la hipótesis nula?
Speaker A
No existe correlación versus existe correlación ¿no? Lo único que tienes que usar es la función llamado cortés, es decir, test de correlación.
Speaker A
Ejecutamos y miren el p valor, jóvenes, prácticamente cero es menor a 0.05. Sí, se rechaza la hipótesis nula. Sí, por ende existe correlación entre la edad y el costo en salud y además es significativa, jóvenes.
Speaker A
Así de simple. ¿Se dan cuenta? Así de fácil es hacer análisis correcionales. J. Si ustedes entienden cómo plantear la hipótesis, ya lo tienen todo, jen.
Speaker A
Así de simple, ¿no? La otra correlación, ejercicio y costo de salud. Igual miren 0.00 Se rechaza la hipótesis nula, por ende, existe correlación entre ejercicio y costo de salud y además es significativa. Jóvenes, ¿se dan cuenta?
Speaker A
Entonces hacer cálculos de correlaciones desde Chicuadova es ser sencillo en R, jóvenes. Es una línea de código nada más, pero hay que saber cómo plantear la hipótesis, hay que saber qué prueba usar dependiendo de los objetivos de la
Speaker A
investigación y todo ello, ¿no? Muy bien. ¿Por qué significativa? Me pregunta eh Jenny Morillo, "La data se ha compartido por el chat del Zoom también, por favor." Ahí está, descárguenlo, por favor.
Speaker A
Jorge me pregunta, ¿por qué significativa? Recuerden las reglas, jóvenes, ¿no? Si el P es menor alfa, se rechaza la hipótesis.
Speaker A
Eso no se olviden, por favor. Ya, claro, con esto se rechaza la hipótesis nula ¿no?
Speaker A
Al rechazar esto, me estaría diciendo que efectivamente existe correlación entre el ejercicio y el costo en salud.
Speaker A
Es decir, hay correlación y además una prueba de hipótesis me está corroborando que efectivamente sí existe correlación.
Speaker A
Por eso la el concepto de existe correlación y además es significativa. Ese concepto de significativa te da la prueba hipótesis, ¿no?
Speaker A
Muy bien. A ver, otra vez los datos. Voy a compartir. Ya. A ver. Seguramente algunos se han conectado. Ahí está. Ya Miguel está compartiendo el archivo y la data también les va a compartir ahora. Ya, descárguenlo, por favor.
Speaker A
Y también el PPT, compárteles, Miguel, para que puedan tener todo. Muy bien. Eso es, jóvenes. Ahora nos vamos a lo que es regresión. Ahí están los tres materiales, jóvenes, del nuestro masterclass. Ya.
Speaker A
Muy bien, profesor. Y ahora, ¿cómo se hace una regresión? La función se llama LM del linear model o modelos lineales.
Speaker A
¿Qué te pide tu y X? ¿De qué base de datos? Balud. Corremos y automáticamente tenemos nuestro modelo de regresión.
Speaker A
Y acá está. Esto es nuestro regresión lineal simple, costo en salud y ejercicio, ¿no?
Speaker A
Profesor, ¿y cuál es mi ecuación de regresión? Es esto acá. costo es igual al intercepto el 81 32 98 menos 4063 por ejercicio.
Speaker A
Esto es mi modelo. Esto es mi modelo revisión. Profesor, pero ahí solamente es una reición lineal simple, ¿correcto? No, pero estamos viendo pues cómo se hace una región lineal simple.
Speaker A
Si quiero plasmar en mi gráfico y expión, esto sería mi regresión, jóvenes. Esa ecuación que les compartí es esta recta, es la ecuación de esa recta, ¿no?
Speaker A
Entonces, esta recta o esa ecuación modela el comportamiento de todos tus datos ¿no? Eso sería una regresión lineal simple.
Speaker A
Profesor, ¿y qué pasa si que hago otra regresión? costo versus edad, igualito, ¿no? Y X.
Speaker A
Ahí está mi nuevo modelo de regresión lineal. Ahora ya no es ejercicio, sino es edad, ¿no?
Speaker A
Esto sería mi ecuación matemática y si lo quiero ver gráficamente sería de la siguiente manera.
Speaker A
Ahí está, ¿no? Esta línea de negra sería mi regresión, mi recta de regresión, ¿no?
Speaker A
Es decir, esta este modelo de regresión modela el comportamiento de mis datos, ¿no? Ustedes dirán, "Profesor, pero ¿por qué no pasa por mayor cantidad de los datos?" No, bueno, es un modelo estimado, ¿no? De todos los posibles rectas, esta es la
Speaker A
mejor. Muy bien. ¿Y cómo se hace una reacción ideal múltiple, profesor? Fácil, simplemente usas el mismo la misma función LM y sexo, edad, consumo alcohol, consumo cigarros y ejercicios.
Speaker A
Lo único, el R es que las variables categóricas hay que definirlo como factor. Eso es lo único que te pide, ¿no?
Speaker A
Una vez que se ejecuta como factor, ya lo puedo puedo correr el modelo lineal múltiple, ¿no? Y automáticamente tengo esto. Miren, acá está mi mi modelo de regresión lineal múltiple, ¿no?
Speaker A
Ustedes saben que y es costos. Edad tiene un impacto positivo sobre el costo de salud.
Speaker A
Consumir cigarro, alcohol también tiene un impacto positivo. Consumir cigarro también. Sexo uno es hombre, es decir, los hombres gastan más en salud que las mujeres.
Speaker A
Interesante ¿no? Hacer ejercicios disminuye tu costo en salud. Interesante ¿no? Te dan cuenta las cosas que se puede obtener con los modelos H.
Speaker A
Eso es regresión lineal simple y múltiple, ¿no? Muy bien. Con este master masterclass, ¿qué les quiero indicar, jóvenes?
Speaker A
que el R es una herramienta muy potente para todo análisis de datos, para todo, absolutamente para todo.
Speaker A
Y lo más importante es que es gratuito, gratis jóvenes. Imagínense. Entonces, les invito a que se inscriban el curso, jóvenes.
Speaker A
Sí, se le acabo de compartir los la presentación. Charlie está en el Zoom, en el chat de Zoom. Muy bien.
Speaker A
Entonces, R es una herramienta potente, jóvenes, ¿no? Se puede hacer muchos análisis, eh, como les comenté, ¿no? Funciones matemáticas, gráficos en 3D, eh modelos complejos, quizás algunos de ustedes están haciendo su tesis en temas más elaborados, por ejemplo.
Speaker A
Eh, todo eso se puede hacer con R. Ya. Muy bien, eso sería todo por mi parte, jóvenes. Eh, y bueno, nos vemos en una nueva oportunidad o quizás nos vemos en el curso. Muchas gracias por su atención. M.
Topics:RStudioR para principiantesanálisis estadísticoANOVAprueba Tchi-cuadradoinvestigación científicatesisestadísticaMundo Tesis
