Solucionado (ver solución)
Solucionado
(ver solución)
1
respuesta

Confusion Explicacion profesor vs Luri

Buen dia, equipo Alura

Agradezco su soporte con la siguiente explicación que da el profe en la clase respecto cuando es significante el parametro:

[14:55] Ahora el t calculado son las barras, el t tabulado es la línea vertical. Para el primer parámetro, que es el interceptor, el t calculado es mayor que el t tabulado. Cuando esto sucede, cuando t calculado es mayor, significa que esta variable es significante para el modelo, entonces, el interceptor es significante.

[15:14] Lo mismo para la harina, es significante. Lo mismo para la leche, por poco, por poco, pero sí es significante. Sin embargo el parámetro de la interacción de la harina con la leche es menor que el t tabulado. **Y cuando es menor que el t calculado, es menor que el t tabulado significa que este parámetro no es significante y realmente podemos eliminarla de nuestra ecuación, de nuestro modelo. **

Solicite a Luri resumen de la clase:

En esta clase aprendimos sobre el análisis de la significación estadística de los parámetros en un modelo. Utilizamos el valor de t calculado para cada parámetro y lo comparamos con el valor de t tabulado. Si el t calculado es mayor que el t tabulado, se acepta la hipótesis nula y el parámetro no es significante. Si el t calculado es menor que el t tabulado, se rechaza la hipótesis nula y el parámetro es significante para el modelo.

Agradezco su aclaracion ,muchas gracias.

Muchas gracias,

1 respuesta
solución!

Hola Claudia, cómo va? Vou a intentar reponder y explicar la duda que tienes:

Imagina que estás intentando entender si la altura de las personas está relacionada con su habilidad para correr rápido. Aquí, la altura sería el parámetro en tu modelo. Calculas el valor t para la altura y resulta ser 3, mientras que el valor t tabulado (el umbral para la significancia) es 2. Como tu t calculado es mayor que el t tabulado, esto sugiere que hay una relación significativa entre la altura y la velocidad de carrera en tus datos. Es como tener una balanza: si el lado del t calculado pesa más, entonces la evidencia es lo suficientemente fuerte como para decir que la altura importa en el modelo. Si pesara menos, diríamos que la altura no tiene un efecto claro y quizás deberíamos revisar si incluirla en el análisis. :)

Si este post te ayudó, por favor, marca como solucionado ✓.