Medidas Estadísticas Bivariantes.

se usa para medir la cercanía de la relección lineal entre dos o más variables en una escala de intervalo, teniendo como finalidad investigar la dirección y la fuerza de asociación entre 2 variables cualitativas.

correlación lineal

Donde SXSY no es sino el valor absoluto del valor máximo valor de la covarianza entre dos variables de manera que el coeficiente de correlación lineal no hace sino redimensionar el campo de variación de la covarianza entre -1 y 1.

Ventaja

Que mientras el campo de variación de la covarianza [-SXSY; + SXSY] depende de cada distribución bidimensional, el del coeficiente de correlación lineal es [-1;1] para todas las distribuciones.

Esta teoría trata de explicar el comportamiento de una variable denominada explicada ( dependiente o exógenas), en función de otras u otras, denominadas, explicativas( independientes o exógenas).

Así mismo cuando se usa solo una variable de predicción, se le conoce como análisis de regresión simple y cuando se utiliza 2 o más se llama análisis de regresión multiple.

diferencia entre los valores observados ( valor real de Y) y los valores pronosticados y se define con la siguiente formula.

TIPO 1

se le asigna a cada valor de la variable explicativa o conjunto de valores en el caso múltiple, la media de la variable explicada condicionada a los valores de la variable explicativas. De manera que, solo proveerá estimaciones de y para los valores de x. contenidos en la distribución de frecuencias.

TIPO 2

Se supone que la función y= f(x) o y = f(x1,x2,...,xp) que liga la variable explicada o explicativas tienen forma paramétrica, es decir y se relaciona con X a través de una serie de coeficientes o parámetros.