Capitulo 4: Introducción a la estadística con R by Morales Lamas Fatima Isabel https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r en-us 2022-11-22 18:30:21 UTC 2022-11-22 18:51:09 UTC hello@padlet.com https://padlet-uploads.storage.googleapis.com/1895603445/d223ccb618249ff8c9525a05f36a8f28/estadisticas.png En esta sección hemos visto cómo aplicar algunos métodos estadísticos habituales en R. Son solo tres de loscientos disponibles en R. La buena noticia es que prácticamente todos tienen una interfaz similar y familiaren R. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394572793 Las malas noticias son dos:]]> 2022-11-22 18:33:58 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394572793 Es arriesgado utilizar métodos estadísticos sin conocer bien sus fundamentos y tener claro qué hacen. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394572958 2022-11-22 18:34:09 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394572958 Antes de poder aplicar cualquier método estadístico existe un trabajo previo de selección, limpieza ytratamiento de datos que es tan poco vistoso como, a medio plazo, aburrido. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394573094 2022-11-22 18:34:18 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394573094 El test de Student es la contraparte estadística al diagrama de cajas. Si estos permiten comparar gráficamente,i.e. cualitativamente, dos (o más) distribuciones, el test de Student permite cuantificar de alguna manera esadiferencia. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394573568 2022-11-22 18:34:45 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394573568 Para ilustrar el uso del test de Student vamos a analizar el conjunto de datos sleep: moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394574785 2022-11-22 18:35:44 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394574785 sleep contiene información sobre el número adicional de horas que durmieron una serie de sujetos despuésde recibir un determinado tratamiento médico moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394576604 2022-11-22 18:37:29 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394576604 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394577088 2022-11-22 18:37:57 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394577088 Este gráfico muestra cómo el grupo tratado, el de la derecha, tiende a dormir más horas. Pero no respondefehacientemente a la pregunta de si el tratamiento funciona o no. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394577459 El llamado test de Student ayuda adeterminar si la diferencia observada es o no estadísticamente significativa.]]> 2022-11-22 18:38:11 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394577459 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394578475 2022-11-22 18:38:59 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394578475 La regresión lineal expresa la relación entre una variable numérica con otras variables predictoras. En el casomás simple, el que vamos a explorar a continuación, se considera una única variable predictora. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394580088 2022-11-22 18:40:18 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394580088 Existe una relación creciente entre las variables velocidad y distancia en el conjunto de datos cars. En efecto,a mayor velocidad, mayor es la distancia de frenado de los vehículos: moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394581069 2022-11-22 18:41:13 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394581069 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394581534 2022-11-22 18:41:42 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394581534 El gráfico anterior muestra una nube de puntos. La regresión lineal construye la recta que, en cierto modo,mejor aproxima esa nube. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394582150 2022-11-22 18:42:20 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394582150 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394582710 2022-11-22 18:42:49 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394582710 El código precedente usa la función lm para ajustar el modelo de regresión lineal (linear model), muestra unpequeño resumen del modelo en pantalla y finalmente añade la recta de regresión, en rojo, al gráfico anterior. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394583139 La función summary, aplicada en este caso no a un vector o a una tabla sino al objeto resultante de laregresión lineal, muestra un resumen del modelo similar al que aparece en las publicaciones científicas:]]> 2022-11-22 18:43:10 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394583139 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394583450 2022-11-22 18:43:30 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394583450 summary no es la única función que admite el modelo creado: plot crea una representación gráfica (de hecho,produce varias gráficas distintas de las que en el código que aparece a continuación representaremos solo laprimera; para ver las restantes, cambia el índice 1 por otros valores entre 2 y 6) que ilustra algunos aspectosdel modelo que los implementadores de la función lm encontraron útiles: moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394584190 plot(lm.dist.speed, 1)]]> 2022-11-22 18:44:15 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394584190 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394584620 En general, muchos modelos creados en R admiten llamadas de las funciones summary y plot, que producen los resultados esperados. ]]> 2022-11-22 18:44:40 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394584620 La regresión logística forma parte de los llamados modelos lineales generalizados y trata de estimar laprobabilidad de ocurrencia de un evento binario (éxito/fracaso, cara/cruz) en función de una serie de variablespredictoras. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394586836 En el ejemplo siguiente, usaremos el conjunto de datos UCBAdmissions y el evento binario es la admisión de un estudiante a un programa de doctorado en función otras variables. ]]> 2022-11-22 18:46:48 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394586836 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394587322 2022-11-22 18:47:13 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394587322 Este conjunto de datos se recogió para un estudio acerca de la discriminación contra las mujeres en este tipode ámbitos publicado por Science en 1975. Por eso interesa conocer el efecto de la variable Gender en laprobabilidad de resultar admitido. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394587971 Por lo tanto, en primer lugar, vamos a probar un modelo usando exclusivamente dicha variable: ]]> 2022-11-22 18:47:53 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394587971 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394588312 2022-11-22 18:48:12 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394588312 ## moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394588976 2022-11-22 18:48:48 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394588976 Se aprecia en el resumen del modelo cómo el sexo es una variable predictora muy importante (el p-valor esínfimo y el tamaño del coeficiente relativamente grande) y cómo da la impresión de que en el proceso deadmisión existe discriminación contra las mujeres: el coeficiente es negativo. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394589583 El siguiente modelo incluye el departamento como variable predictora. En el resultado se aprecia cómo el efecto del sexo prácticamente desaparece. ]]> 2022-11-22 18:49:26 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394589583 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394590744 2022-11-22 18:50:32 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394590744 moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394590855 2022-11-22 18:50:38 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394590855 Lo que evidencia este segundo modelo es que no existía tal discriminación contra las mujeres. Lo que ocurríarealmente es que los distintos departamentos tenían niveles de exigencia distintos y entre los candidatos alos más exigentes predominaban las mujeres. Las tasas de admitidos en cada departamento por sexo eransimilares pero, globalmente, parecía haber un sesgo. Este es un ejemplo de libro de la llamada paradoja deSimpson. moralesfatima2 https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394591423 De hecho, los autores del artículo mencionado más arriba lo resumieron así: Measuring bias is harder than is usually assumed, and the evidence is sometimes contrary to expectation. ]]> 2022-11-22 18:51:09 UTC https://padlet.com/moralesfatima2/t1i17c6a9xt7wf4r/wish/2394591423