MEDIDAS ESTADISTICAS BIVARIANTES DE REGRESION Y CORRELACION.ESTADISTICA

MEDIDAS ESTADISTICAS BIVARIANTES DE REGRESION Y CORRELACION.ESTADISTICA

1. Análisis de Regresión: técnica estadística usada para medir la cercanía de la relación lineal entre dos o más variables en una escala de intervalo. (Churchill, 2009, p. 675)

   • Regresión Simple: Cuando se utiliza solo una variable de predicción, en este caso de una sola variable explicativa, si ésta es X la regresión será de Y sobre X (Y/X de forma abreviada), o mientras que, si es Y, la regresión será de X sobre Y (X/Y de forma abreviada). (Montero, 2007, p. 130)
   • Regresión Múltiple: Cuando se utiliza dos o más variable de predicción, se denotan, en general, por X1, X2, …, Xp, y la explicada por Y, denotándose por Y/X1, X2, …, Xp la regresión de Y sobre X1, X2, …, Xp. (Montero, 2007, p. 130)

2. Análisis de Correlación: técnica estadística usada para derivar una ecuación que relaciona una variable de criterio con una o más variable de predicción. (Churchill, 2009, p. 675)

   • Coeficiente de correlación: Término usado en el análisis de regresión para designar la fuerza de la relación lineal entre las variables de criterio y predictivas. (Churchill, 2009, p. 683)
     • Correlación positiva perfecta, en que un aumento dado de X determina con exactitud otro de Y, tiene coeficiente +1. (Churchill, 2009, p. 684)
     • Correlación negativa perfecta, en que un incremento de X determina exactamente una disminución de Y, produce un coeficiente –1. (Churchill, 2009, p. 684)
     • Correlación nula
   • Correlación lineal: Redimensiona el campo de variación de la covarianza entre -1 y 1, ahora se puede entender por qué la covarianza entre dos variables indica su grado de correlación lineal a través de la recta. (Montero, 2007, p. 165)
   • Correlación no lineal: cuando no se puede representar en una recta. (Montero, 2007, p. 165)

3. Regresión de tipo I: Se asigna a cada valor de la variable explicativa (o conjunto de valores de las variables explicativas, en el caso múltiple) la media de la variable explicada condicionada a tal valor(es) de la(s) variable(s) explicativa(s). (Montero, 2007, p. 131)

   • Regresión de tipo II: Se supone que la función y = f(x) o y = f(x1, x2, …, xp) que liga la variable explicada con la explicativa (o explicativas) tiene forma paramétrica, es decir, Y se relaciona con X a través de una serie de coeficientes o parámetros. (Montero, 2007, p. 131)

4. Regresión lineal: se dice que una función es lineal en los parámetros si estos aparecen con frecuencia unitaria y no están multiplicados ni divididos por cualquier otro parámetro. (Montero, 2007, p. 151)

5. Coeficiente de determinación lineal: teniendo como objetivo medir el grado de dependencia de Y sobre X, bajo la función de regresión estimada . (Montero, 2007, p. 157)

   • Coeficiente de determinación lineal simple

6. Referencias Bibliográficas. Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage Learning. (pp-675–686). Recuperado de https://link.gale.com/apps/doc/CX4058900232/GVRL?u=unad&sid=GVRL&xid=a2479593

   • Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. (pp 130 – 158). Recuperado de https://link.gale.com/apps/doc/CX4052100011/GVRL?u=unad&sid=GVRL&xid=5e6c855d

Imagens e arquivos do mapa