17861517
Description
Mind Map by stiven galindo rodriguez, updated more than 1 year ago
|
Created by stiven galindo rodriguez
about 7 years ago
|
|
Medidas Estadísticas Bivariantes de Regresión
- Consiste en la observación simultánea de dos variables (X,Y) en una muestra n
de individuos, se usan para describir las dos variables conjuntamente o una
variable en función de la otra.
- Se dividen en
- Teoría de Regresión Simple
- Trata de explicar el comportamiento de una variable, denominada
(dependiente o endógena) (y), en función de otra u otras, denominadas
explicativas (independientes o exógenas) (X), esta será simple si únicamente
hay una variable explicativa.
- Se puede establecer por
- Razón de correlación
- Es una medida de la relación entre la dispersión estadística,
entre categorías individuales y la dispersión entre la muestra o
la población completa.
- Estas pueden ser de
- Regresión Lineal
- Se denomina regresión lineal cuando la función es lineal, es decir,
requiere la determinación de dos parámetros: la pendiente y la
ordenada en el origen de la recta de regresión, y=ax+b.
- Se denomina regresión lineal cuando la función es lineal, es decir,
requiere la determinación de dos parámetros: la pendiente y la
ordenada en el origen de la recta de regresión, y=ax+b.
- Regresión y Correlación No Lineal
- La regresión simple no lineal es una regresión entre dos variables pero,
como su propio nombre indica, la función y = f(x) no tiene carácter lineal,
por no serlo en los parámetros o/y en las variables.
- La regresión simple no lineal es una regresión entre dos variables pero,
como su propio nombre indica, la función y = f(x) no tiene carácter lineal,
por no serlo en los parámetros o/y en las variables.
- Regresión Lineal
- Estas pueden ser de
- Es una medida de la relación entre la dispersión estadística,
entre categorías individuales y la dispersión entre la muestra o
la población completa.
- Coeficiente de Determinación
- Es una medida del grado de relación existente entre la variable dependiente y las
variables independientes, para este caso la variable independiente ya que mide
cuánto está determinada la variable dependiente respecto a la variable o variables
independientes, estos se determinan en valores que van del 0 al 1 y suelen darse
en porcentaje.
- Es una medida del grado de relación existente entre la variable dependiente y las
variables independientes, para este caso la variable independiente ya que mide
cuánto está determinada la variable dependiente respecto a la variable o variables
independientes, estos se determinan en valores que van del 0 al 1 y suelen darse
en porcentaje.
- Razón de correlación
- Se puede establecer por
- Trata de explicar el comportamiento de una variable, denominada
(dependiente o endógena) (y), en función de otra u otras, denominadas
explicativas (independientes o exógenas) (X), esta será simple si únicamente
hay una variable explicativa.
- Teoría de Regresión Múltiple
- Trata de determinar la relación entre las variables independientes y dependiente, o
variables de predicción y de criterio. El análisis de regresión múltiple permite añadir
diversas variables, de modo que la ecuación refleje los valores de un cierto número de
variables de predicción, no una sola. El objetivo de esto es mejorar las predicciones de la
variable de criterio.
- Se pueden establecer por
- Nomenclatura Modificada
- Es una formula más formal y valiosa que
permite el análisis de regresión múltiple
donde se muestra como la ecuación más
elaborada y precisa.
- Es una formula más formal y valiosa que
permite el análisis de regresión múltiple
donde se muestra como la ecuación más
elaborada y precisa.
- Supuesto de Multicolinealidad
- Se dice que hay multicolinealidad en un
problema de regresión múltiple cuando las
variables de predicción están
correlacionadas, y estas a su vez pueden
ser axactas o aproximadas.
- Se dice que hay multicolinealidad en un
problema de regresión múltiple cuando las
variables de predicción están
correlacionadas, y estas a su vez pueden
ser axactas o aproximadas.
- Coeficientes de Regresión Parcial
- Indica el cambio promedio en la variable de criterio
por cambio unitario en una variable predictiva, en
igualdad de circunstancias en todas como variable de
crición. La interpretación se aplica sólo cuando las
variables de predicción son independientes entre sí,
como se requiere para la aplicación válida del modelo
de regresión múltiple.
- Indica el cambio promedio en la variable de criterio
por cambio unitario en una variable predictiva, en
igualdad de circunstancias en todas como variable de
crición. La interpretación se aplica sólo cuando las
variables de predicción son independientes entre sí,
como se requiere para la aplicación válida del modelo
de regresión múltiple.
- Coeficientes de Correlación Múltiple y
de Determinación Múltiple
- Es una técnica que consiste en la extensión del
análisis de regresión simple a una forma donde
se aplican dos o mas variables independientes
para pronosticar el valor de la variable
dependiente Y
- Es una técnica que consiste en la extensión del
análisis de regresión simple a una forma donde
se aplican dos o mas variables independientes
para pronosticar el valor de la variable
dependiente Y
- Coeficientes de Correlación Parcial
- Las correlaciones son medidas de asociación
lineal los cuales describen la relación lineal
existente entre dos variables mientras se
controlan los efectos de una o más variables
adicionales.
- Las correlaciones son medidas de asociación
lineal los cuales describen la relación lineal
existente entre dos variables mientras se
controlan los efectos de una o más variables
adicionales.
- Variables Binarias
- Como su nombre lo indica, una variable binaria es
aquella que puede tomar valores ya sea de cero (0)
o uno (1), esta idea tan simple puede convertirse en
una ayuda fundamental tanto para la modelación,
como para la resolución de los problemas, estas
variables se usan principalmente por la flexibilidad
a la hora de definirlas. Pueden constituir la
representación numérica de atributos o
características no esencialmente cuantitativos
- Como su nombre lo indica, una variable binaria es
aquella que puede tomar valores ya sea de cero (0)
o uno (1), esta idea tan simple puede convertirse en
una ayuda fundamental tanto para la modelación,
como para la resolución de los problemas, estas
variables se usan principalmente por la flexibilidad
a la hora de definirlas. Pueden constituir la
representación numérica de atributos o
características no esencialmente cuantitativos
- Transformaciones de las Variables
- Resulta muy útil para eliminar su dependencia
respecto alas unidades de medida empleadas y
se emplea para establecer un cambio en la
escala con que se expresa una variable dada.
- Resulta muy útil para eliminar su dependencia
respecto alas unidades de medida empleadas y
se emplea para establecer un cambio en la
escala con que se expresa una variable dada.
- Nomenclatura Modificada
- Se pueden establecer por
- Trata de determinar la relación entre las variables independientes y dependiente, o
variables de predicción y de criterio. El análisis de regresión múltiple permite añadir
diversas variables, de modo que la ecuación refleje los valores de un cierto número de
variables de predicción, no una sola. El objetivo de esto es mejorar las predicciones de la
variable de criterio.
- Teoría de Regresión Simple
- Se dividen en
Media attachments
Want to create your own Mind Maps for free with GoConqr? Learn more.