MEDIDAS ESTADISTICAS BIVARIANTES DE REGRESIÓN Y CORRELACIÓN

更多类似内容

MODELOS FINANCIEROS

由CAROL DANIELA PEREZ HERRERA

MEDIDAS ESTADISTICAS BIVARIANTES

由angel miguel torres cruz

MEDIDAS ESTADISTICAS BIVARIANTES

由angel miguel torres cruz

“Los paradigmas en la Ciencia de la Educación: sus significados y finalidad de la teoría”

由karina ramirez

MEDIDAS ESTADISTICAS BIVARIANTES DE REGRESIÓN Y CORRELACIÓN

Type in the name of the book you have read.

La linealidad en los parámetros es la más relevante en el contexto de la teoría de la regresión y la correlación.

Cada una se representan por gráficos, iniciando en cada uno de los vértices correspondientes, (coordenadas y abscisas).

La relación inversa menciona que, si hay una dependencia entre las dos variables, cuando una aumenta, la otra disminuye en esta misma cantidad, valor o proporción.

Existe algo llamado distribución divariante: se estudian dos variables formando pares por cada individuo.

correlación: relación mutua, mide e indica el grado y los valores de una variable al relacionarse con otra variable.

Take notes while you read the book. Type here the resources, books, or websites that the author mentioned and you want to check out later.

La correlación no distingue entre variables respuesta.

El coeficiente de determinación lineal simple se denomina así, por ser una particularización de la razón de la correlación, exactamente del coeficiente de determinación.

Correlación, lineal positiva: tiene un valor mediano, porque no todos los puntos están incluidos en las recta, nula: no todos están asociados, lineal positiva fuerte: todos los valores están sobre la recta, lineal negativa fuerte: el gráfico no nace del vértice, no lineal parabólica fuerte: cumple el sentido de la línea de la parábola.

r=0: sin correlación, r=1: correlación positiva perfecta, 0

Correlación: mide cercanía

Análisis de dos variantes cuantitativas

Teniendo en cuenta las variables dependientes e independientes.

Las coordenadas sobre los ejes cartesianos son los valores que toman las dos variables para la observación.

se pueden expresar mediante un diagrama de dispersión.

Función lineal regresión lineal: y=a+bx

Los valores del índice varían de acuerdo con el intervalo realizado, se pueden interpretar diciendo si hay o no correlación, entonces se genera una independencia entre las dos variantes, por lo que la variación de una de las dos no fluye en el movimiento que la otra realice.

Existe el coeficiente de correlación de Pearson, mide las relación lineal existente entre las variables cuantitativas (r).

La correlación simple es el análisis que mide la relación entre una variable independiente y una variable dependiente.

Regresión múltiple

Coeficiente de determinación R2

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

La regresión puede ser lineal y curvilínea o no lineal.

El coeficiente de regresión puede ser

indica el número 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.

regresión lineal

Esta regresión trata de explicar el comportamiento de una variable denominada dependiente o endógena en función de otra variable denominada dependiente o exógena.

Regresión: derivar una ecuación que relaciona la variable con más variables de predicción.

El modelo de regresión lineal simple se usa la estimación de mínimos cuadros, solo con una variable de predicción y una ecuación de regresión lineal.

Tipos de regresión: simple, multiple (varias variables) y logística.

En los valores de a y b, se les denomina coeficientes de la regresión lineal de Y sobre X o simplemente coeficientes de regresión e indica la variación de Y ante un incremento unitario de X.