Medidas estadísticas bivariantes de regresión

Mehr dazu

T.12 Funciones lineales

von Borja Rguez

Organigrama arbol

von jesus dpz19

Extensiones del modelo de regresión lineal con dos variables

von Paola Banegas

Técnicas de Predicción

von HEIDY PEREZ MARROQUIN

Medidas estadísticas bivariantes de regresión

Correlación

Indica la fuerza y la dirección de una relación lineal y proporcionalidad entre dos variables estadísticas. se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varias sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables ( A y B) existe correlación entre ellas al disminuir los valores de A lo hacen también los de B y viceversa.

cómo se interpreta

medir el signo y magnitud de la tendencia

nulo

indica que no existe una tendencia entre ambas variables (puede ocurrir que no exista relación o que la relación sea más compleja que una tendencia, por ejemplo, una relación en forma de U

negativo

indica relación indirecta, inversa o negativa

positivo

indica una relación directa o positiva

La regresión

Regresión logística

Utilizado para predecir el resultado de una variable categórica( una variable que puede adoptar un numero limitado de categorías ) en función de las variables independientes o predictoras.

Regresión múltiple

Permite trabajar con una variable a nivel de intervalo o razón . del al misma manera, es posible analizar la reacción entre dos o mas variables a través de acuerdo.

La regresión puede ser lineal y múltiple

Múltiple

Relación entre una variable dependiente y dos o mas variables independientes mediante una función lineal que será un plano o un hiperplano.

lineal

se utiliza una la variable de regresión y el caso mas sencillo es el modelo de linea recta.

Coefiente de determinación R2

Análisis de regresión para denotar la producción relativa de la variación total en la varíale de criterio

puede explicarse mediante la ecuación de regresión ajustada

Es una técnica estadística que nos permite el cambio en una de las variables llamadas respuestas y que corresponde a otra conocida como variable.

Regresión lineal

coeficiente de regresión ´parcial

Cantidad que resulta de un análisis de regresión múltiple, indica el cambio unitario en una variable predictiva, en igualdad de circunstancias en todas como variables de fricción.

Análisis de regresión

Técnica estadística usada para derivar una ecuación que relaciona una variable de criterio con una o mas variables de predicción.

Análisis de regresión múltiple

Cuando se usan dos o mas variables

Análisis de regresión simple

Cuando se usa una sola variable de predicción

Modelo de análisis de regresión

Estandarizada: la pendiente B1 nos indica si hay relación entre las dos variables, su signo nos indica si la relación es positiva o negativa. La razón es que su valor numérico depende de las unidades de medida de las dos variables. Un cambio de unidades en una de ellas pude producir un cambio drástico en el valor de la dependiente.

Estadístico. permite la incorporación de un componente aleatorio en la relación. En consecuencia, las predicciones obtenidas a través de modelos estadísticos tendrán asociado un error de predicción.

Determinista: supone que bajo condiciones ideales, el comportamiento de la variable dependiente puede ser totalmente descrito por una función matemática de las variables dependientes. Es decir, en condiciones ideales el modelo permite predecir si error el valor de la variable dependiente.

coeficiente de determinación lineal

Una vez elegida la función rectilínea, para presentar la relación de dependencia dé Y sobre X , y estimado sus parámetros a y b, se procede al computo del coeficiente de determinación lineal, con el objeto de medir grado de dependencia y sobre X bajo la función de regresión lineal estimada.

Regresión lineal simple

La función lineal es aquella que satisface las propiedades: propiedad activa si existe Y, la cual es una función polinómica cuya representación es el plano cartesiano en un aliena recta.

Topic principal