regresion y correlacion simple

regresion y correlacion simple

1. regresion lineal

   • una función es lineal en los parámetros si éstos aparecen con frecuencia unitaria y no están multiplicados ni divididos por cualquier otro parámetro
     • ESTIMACIÓN DE LOS PARÁMETROS DE LA REGRESIÓN LINEAL
       • X es de carácter lineal, yj = a + bxi + eij, donde eij representa el error que se comete como consecuencia de que pudiera haber otras variables que influyesen en el comportamiento de la variable

2. 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, a continuación se procede al cómputo del coeficiente de determinación linea

3. analisis de regresion multiple

   • 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

4. nomenclatura modificada

   • Un marco de notación modificado y más formal es valioso para comentar el análisis de regresión múltiple

5. Coeficiente de regresión parcial (o neta)

   • Cantidad que resulta de un análisis de regresión múltiple e indica el cambio promedio en la variable de criterio por cambio unitario en una variable predictiva,

6. Supuesto de multicolinealidad

   • Los supuestos relativos al término de error en el modelo de regresión simple se aplican también a la ecuación de regresión múltiple

7. Coeficientes de regresión parcial .

   • Los cálculos guardarían paralelismo con los de la relación entre las ventas y los anuncios televisivos. En forma alterna, sería posible considerar el efecto simultáneo de los anuncios televisivos y el número de representantes de ventas, con el análisis de regresión múltiple.

8. Coeficientes de correlación múltiple y de determinación múltiple

   • Un tema de gran importancia para analizar la regresión simple es la medida de la magnitud de la relación entre las variables de criterio y de predicción.El coeficiente de correlación múltiple se denota formalmente con Ry123, donde el subíndice primario es la variable de criterio,

9. Variables binarias

   • El análisis de los datos de ventas del anexo 21.1 todavía está incompleto. No se ha prestado atención al efecto de la distribución en las ventas, en particular como medida del índice de eficiencia de los mayoristas

10. las Trasformaciones de variables

    • El uso de variables binarias amplía mucho el alcance del modelo de regresión. Hace posible añadir variables con escalas de clasificación y nominales a los problemas de regresión

Images and files in the map