MEDIDAS ESTADISTICAS BIVARIANTES

trata de establecer la relación o dependencia que existe entre las dos variables que intervienen en una distribución bidimensional, es decir, la determina si los cambios en una de las variables influyen en los cambios de la otra, en caso de que suceda diremos que las variables están correlacionadas o que hay carrelación entre ellas

tipos de correlación

correlación directa

se cuando al aumentar una de las variables la otra aumenta, la recta correspondiente a la nube de puntos de la distribución es una recta creciente

correlación inversa

se da cuando al aumentar una de las variables la otra disminuye, la recta correspondiente a la nube de puntos de la distribución es una recta decreciente

correlación nula

se da cuando no hay dependencia de ningún tipo entre las variables, en este caso se dice que las variables son incorreladas y la nube de puntos tiene una forma redondeada

grado de correlación

correlación fuerte

sera fuerte cuanto mas cerca estén los puntos de la recta

correlación débil

sera débil cuanto mas separados estén los puntos de la recta

correlación nula

no hay correlación

correlación positiva

alta correlación positiva

la regresión puede ser lineal y curvilínea o no lineal

coeficiente de regresión

el coeficiente de regresión puede ser

indica el numero de unidades en que se modifica la variable Y por efecto del cambio de la variable independiente X o viceversa en una unidad de medida

positivo

negativo

nulo

coeficiente de determinación R2

determina el grado de correlación entre las variables el coeficiente de determinación también llamado R cuadrado que refleja la bondad del ajuste de un modelo a la variable

coeficiente de determinación lineal

una vez elegida la función rectilínea para representar la relación de dependencia de Y sobre X, y estimados sus parámetros a y b, se procede al computo del coeficiente de determinación lineal con el objetivo de medir grados de dependencia a y sobre x bajo la función de regresión lineal estimada

regresión lineal simple

función lineal es aquella que satisface las propiedades; propiedad activa se existe y la cual es una función polinómica cuya representación es en el plano cartesiano es una linea recta

modelo del análisis de regresión

determinista: supone que bajo condiciones ideales el comportamiento de la variable dependiente puede ser totalmente descrito por una función matemática de las variables independientes, es decir, en condiciones ideales el modelo permite predecir Sin Error el valor de la variable 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

Estandarizada: la pendiente &1 nos indica la relación entre las dos variables, su signo nos indica la relación positiva o negativa, la razón es que su valor numérico depende de las unidades de medida de las dos variables, un cambio de unidades es una de ellas puede producir un cambio drástico en el valor de la pendiente

coeficiente de regresión lineal

cantidad que resulta de un análisis múltiple que indica el cambio promedio en una variable de criterio por cambio unitario en una variable predictiva en igualdad de circunstancias en todas como variable de cricción

análisis de regresión

técnica estadística para derivar una ecuación que relaciona una variable de criterio con una o mas variables de predicción, cuando se usa una variable de predicción el análisis de regresión es múltiple