gravatar

bonillahermes

Hermes Yate Bonilla

Recently Published

Regresión de Poisson: Análisis de Premios Estudiantiles
Análisis estadístico completo utilizando modelos de regresión de Poisson y Binomial Negativo para modelar el número de premios académicos recibidos por estudiantes de secundaria. El estudio examina cómo el tipo de programa educativo (General, Académico, Vocacional) y el rendimiento en matemáticas influyen en la obtención de premios. Incluye exploración de datos, diagnóstico de sobredispersión, comparación de modelos y recomendaciones metodológicas. Datos del IDRE-UCLA.
Métodos No Paramétricos: Test de Fisher, McNemar y de Independencia
Guía sobre métodos estadísticos no paramétricos para el análisis de tablas de contingencia. Este documento presenta una explicación detallada del Test Exacto de Fisher, Test de McNemar y Test de Independencia Chi-cuadrado, con ejemplos prácticos en R, interpretación de resultados y aplicaciones en investigación médica y biológica. Incluye fundamentos teóricos, cálculos manuales, visualizaciones con ggplot2 y consideraciones metodológicas para cada test. Contenido: - Test Exacto de Fisher: Análisis de resistencia en especies de caracol - Test de McNemar: Ensayos de aptitud en química clínica - Test de Independencia: Tipo de sangre vs severidad de enfermedad - Comparación de métodos y recomendaciones de uso - Código R reproducible con interpretación estadística rigurosa Dirigido a estudiantes de estadística, investigadores en ciencias de la salud y profesionales que trabajan con datos categóricos.
Modelos No Lineales Generalizados en R
Este documento presenta un análisis sobre el ajuste de modelos no lineales generalizados en R, utilizando el método de mínimos cuadrados no lineales (nls) y comparando distintos modelos. Se modela la relación no lineal entre el peso de las lentes oculares y la edad de conejos europeos, aplicando un modelo no lineal inverso. Además, se discuten otras alternativas como el uso de modelos lineales generalizados (GLM) con diferentes distribuciones, evaluando cada uno mediante el Criterio de Información de Akaike (AIC) y la suma de residuos al cuadrado (RSS). También se incluyen diagnósticos visuales y análisis de residuos para verificar la calidad del ajuste.