MEDIDAS ESTADÍSTICAS BIVARIANTES

Estadísticas bivariantes permiten el análisis conjunto de dos características de los individuos de una población con el propósito de detectar posibles relaciones entre ellas.
REGRESIÓN Y CORRELACIÓN SIMPLE
1. REGRESIÓN DE TIPO I Y RAZÓN DE CORRELACIÓN
  1. Varianza debida a la regresión y varianza residual
2. REGRESIÓN DE TIPO II Y COEFICIENTE DE DETERMINACIÓN
3. REGRESIÓN LINEAL
  1. Estimación de los parametros de la regresión linea
  2. Coeficiente de determinación lineal
  3. Varianza debida a la regresión lineal y varianza residual
  4. Correlación lineal e independencia estadística
4. REGRESIÓN Y CORRELACIÓN NO LINEAL
ANALISIS REGRESION MULTIPLE
1. Permite añadir diversas variables, de modo que la ecuación refleje los valores de un cierto número de variables de predicción, no una sola
2. Objetivo: Mejorar las predicciones de la variable de criterio.
3. NOMENCLATURA MODIFICADA
  1. Modelo de regresión general con tres variables de predicción
  2. La ecuación modificada
    1. Y = α + β1 X1 + β3X3 + ∊
      1. Es un estado simplificado
        • Y(123) es e‘ valor de Y que se calcula a partir de la ecuación de regresión, con Y como variable de criterio y X1, X2 y X3 como variables de predicción
        • α(123) es el parámetro de intersección en la ecuación de regresión múltiple, con F como variable de criterio Y X1 X2 y X3 como variables de predicción
        • β(123) es el coeficiente de X1 en la ecuación de regresión, con Y como variable de criterio y X, X2 y X3 como variables de predicción o explicatorias
4. MULTICOLINEALIDAD
  1. Consiste en que las variables de predicción no son independientes unas de otras, como se requiere, sino que están correlacionadas.
5. COEFICIENTE DE DETERMINACIÓN MULTIPLE
  1. La proporción de variación en la variable de criterio se explica con la covariación de las variables predictivas.
6. COEFICIENTE DE CORRELACION MULTIPLE
  1. se denota formalmente con Ry123, donde el subíndice primario es la variable de criterio, y los subíndices secundarios, las variables de predicción
7. COEFICIENTE DE CORRELACION PARCIAL
  1. Coeficiente de regresión parcial (o neta):
    1. 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
  2. Coeficiente de determinación parcial
    1. Cantidad que resulta del análisis de regresión múltiple e indica la proporción de variación de la variable de criterio que no se explica con una o más variables previas y sí con la inclusión de una nueva variable a la ecuación de regresión
8. VARIABLES BINARIAS
  1. Una a la que se asigna uno de dos valores, 0 o 1, y se usa para representar en forma numérica los atributos o características que no son esencialmente cuantitativos.
    1. Xi = 0, si se trata de una mujer
    2. Xi= 1, si se trata de un hombre
9. TRANSFORMACIÓN DE VARIABLE
  1. Es simplemente un cambio en la escala con que se expresa una variable dada. Considere el modelo siguiente:

Next up

MEDIDAS ESTADÍSTICAS BIVARIANTES

Description

Resource summary

Media attachments

Similar

	Created by YAQUELINE GOMEZ SANCHEZ almost 5 years ago