по Ellys Salinas 2 лет назад
91
Больше похоже на это
Permite que obtengamos una aproximación de los valores de la variable dependiente en un entorno no lineal.
Formulas
En muchos casos es posible modificar un modelo no lineal para convertirlo en un modelo lineal. Aplicando logaritmos a su fórmula inicial.
Regresión parabólica
y* = a0+a1x+a2 x2
Regresión potencial
Aplicando logaritmos
log y = log a + b log x
y = a. xb
Regresión exponencial
puede transformarse en una lineal mediante el uso de logaritmos.
log y = log(a.bx) = log a + x log b
y = a.bx
Nos encontramos con un modelo que sencillamente cuenta con más de una variable independiente.
Y = 0 + B1*X1 + B2*X2 + … + Bn*Xn + ε
ε sigue representando el posible error existente.
B1, B2, Bn son todas las variables independientes que pueden afectar al valor de la variable dependiente Y
Y representa la variable dependiente
Trata de estudiar el efecto de una variable independiente sobre una única variable dependiente de la primera
Formula
y = B0 + B1 x + ε
donde
ε representa el residuo o error.
B1 es la variable dependiente
B0 es el valor de la variable independiente
Independientes: son los factores que consideramos que influyen y que afectan directamente a las variables dependientes que están bajo estudio.
Dependientes: comprende cómo se adapta al modificar las variables independientes.
Se dan
Correlación débil
será débil cuanto más separados estén los puntos de la recta.
Correlación fuerte
será fuerte cuanto más cerca estén los puntos de la recta.
Fórmula
R al cuadrado = covarianza al cuadrado/(varianza x)(varianza y).
Tipos o resultados del coeficiente de Pearson
La covarianza es nula
Se da en todos aquellos casos cuyo resultado de cálculo no permite la correlación.
La covarianza negativa
Esta covarianza será considerada más fuerte en la medida que se vaya acercando al -1.
Es cuando el resultado arroje una correlación inversa.
La covarianza positiva
Esta covarianza será considerada como fuerte en la medida que se vaya acercando al 1.
Que se dará siempre y cuando los resultados indiquen una correlación directa.
En este caso se dice que las variables son incorreladas y la nube de puntos tiene una forma redondeada.
se da cuando no hay dependencia de ningún tipo entre las variables.
La recta correspondiente a la nube de puntos de la distribución es una recta decreciente
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 creciente.
Gráfica
se da cuando al aumentar una de las variables la otra aumenta.
determinar si los cambios en una de las variables influyen en los cambios de la otra.
