Medidas Estadisticas
por John Romero
1. Regresión Lineal Múltiple
1.1. Es un modelo exactamente igual al modelo de regresión simple,con la diferencia que ordenan mas expresion
1.2. I Los modelo de regresion multiple estudian la relacion entre I una variable de interes Y (variable respuesta o dependiente) y I un conjunto de variables explicativas o regresoras X1, X2, . . . , Xp
1.3. En el modelo de regresión lineal múltiple se supone que la función de regresión que relaciona la variable dependiente con las variables independientes es lineal, es decir: Y = β0 + β1X1 + β2X2 + · · · + βpXp + ε
1.4. La variable dependiente (resultado) debe ser ordinal o escalar, es decir, que las categorías de la variable tengan orden interno o jerarquía, p.ej. nivel de ingresos, peso, número de hijos, justificación del aborto en una escala de 1-nunca a 10-siempre.
2. Regresión Lineal Simple
2.1. Es la técnica estadística que trabaja como función que relaciona las variables X y Y que sea lo mas simple posible, es decir una linea recta.
2.2. Es un modelo donde se trata de explicar la relacion que existe entre la variable de respuesta Y, y una variable explicativa X.
2.3. El modelo de regresion lineal simple tiene la siguiente expresion Y X =+ + αβ ε
2.4. En donde es la ordenada en el origen (el valor que toma Y cuando X vale 0), es la pendiente de la recta (e indica cómo cambia Y al incrementar X en una unidad) y una variable que incluye un conjunto grande de factores, cada uno de los cuales influye en la respuesta sólo en pequeña magnitud, a la que llamaremos error. X e Y son variables aleatorias, por lo que no se puede establecer una relación lineal exacta entre ellas
3. Regresión y Correlación
3.1. Son dos tecnicas que se usan para cuantificar alguna relacion funcional entre dos variables X y Y.
4. Correlación
4.1. Es la medida que indica la direccion y la fuerza de una relacion lineal y proporcionalidad entre dos variables estadistcas.
5. Regresión Lineal General
5.1. Es un generalización flexible que permite variables de respuesta que tienen modelos de distribución de errores distintos de un distribución normal.
5.1.1. Y=B0+B1x+E