1. regresión
1.1. Técnica estadística usada para derivar una ecuación que relaciona una variable de criterio con una o más variables de predicción; cuando se usa sólo una variable de predicción, es el análisis de regresión simple, y si se utilizan dos o más, es el análisis de regresión múltiple.
1.1.1. variables de regresión
1.1.1.1. Variables dependientes
1.1.1.1.1. Aquellas que buscamos estudiar mediante la regresión estadística para comprender cómo se adapta al modificar las variables independientes.
1.1.1.2. Variables independientes
1.1.1.2.1. Factores que consideramos que influyen y que afectan directamente a las variables dependientes que están bajo estudio.
1.1.2. modelos de regresión
1.1.2.1. Regresión Lineal Simple
1.1.2.1.1. es un modelo matemático usado para aproximar la relación de dependencia entre una variable dependiente Y variables independientes X.
1.1.2.2. Regresión no lineal
1.1.2.2.1. genera una ecuación para describir la relación no lineal entre una variable de respuesta continua y una o más variables predictoras y predice nuevas observaciones.
1.1.2.3. Regresión lineal múltiple
1.1.2.3.1. es una técnica estadística destinada a analizar por qué pasan las cosas o cuáles son las principales explicaciones de algún fenómeno.
1.1.3. tipos de regresión
1.1.3.1. Regresión de tipo I.
1.1.3.1.1. 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).
1.1.3.2. Regresión de tipo II.
1.1.3.2.1. 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.
2. correlación
2.1. Técnica estadística usada para medir la cercanía de la relación lineal entre dos o más variables en una escala de intervalo
2.1.1. Grado de correlación
2.1.1.1. Correlación fuerte
2.1.1.1.1. la correlación será fuerte cuanto más cerca estén los puntos de la recta.
2.1.1.2. Correlación débil
2.1.1.2.1. La correlación será débil cuanto más separados estén los puntos de la recta.
2.1.2. tipos de correlación
2.1.2.1. Correlación directa
2.1.2.1.1. La correlación directa se da cuando al aumentar una de las variables la otra aumenta. La recta correspondiente a la nube de puntos de la distribución es una recta creciente.
2.1.2.2. Correlación inversa
2.1.2.2.1. La correlación inversa se da cuando al aumentar una de las variables la otra disminuye. La recta correspondiente a la nube de puntos de la distribución es una recta decreciente.
2.1.2.3. Correlación nula
2.1.2.3.1. La correlación nula se da cuando no hay dependencia de ningún tipo entre las variables.