MEDIDAS ESTADISTICAS BIVARIANTES DE REGRESION

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Rocket clouds
MEDIDAS ESTADISTICAS BIVARIANTES DE REGRESION por Mind Map: MEDIDAS ESTADISTICAS BIVARIANTES DE REGRESION

1. Regresion Multiple

1.1. La regresion puede ser lineal y curvilinea o no lineal, pueden ser:

1.1.1. Coeficiente de regresion

1.1.1.1. Puede ser : Positivo, Negativo y nulo.

1.1.1.2. Indica el numero de unidades en que se modifica la variable dependiente "Y" por efecto del cambio de la variable dependiente "X" o viceversa en una unidad de medida.

1.2. Coeficiente de determinacion R2

1.3. determina el grado de correlacion entre las variables, el coeficiente de determinacion, tambien llamado R cuadrado, refleja la bondad del ajuste de un modelo a la variable.

2. La regresion trata de explicar el comportamiento de una variable, denominada explicada dependiente o endogena, en funcion de otra variable denominadas explicativas dependientes o exogenas.

3. Regresion Lineal Simple

3.1. Es aquella que satisface las propiedades: Propiedad activa si existe Y, la cual es una funcion polinomica cuya representacion es en el plano cartesiano es una linea recta.

3.2. Coeficiente de determinacion lineal

3.2.1. una vez elegida la función rectilínea, para representar la relación de dependencia de Y sobre X, y estimados sus parámetros a y b, se procede al computo del coeficiente de determinación lineal, con el objeto de medir grado de dependencia a y sobre x bajo la función de regresión lineal estimada.

3.3. Modelo del análisis de regresión

3.3.1. Determinista: supone que bajo condiciones ideales, el comportamiento de la variable dependiente puede ser totalmente descrito por una función matemática de las variables independientes . Es decir, en condiciones ideales el modelo permite predecir SIN ERROR el valor de la variable dependiente

3.3.2. Estadístico:permite la incorporación de un COMPONENTE ALEATORIO en la relación. En consecuencia, las predicciones obtenidas a través de modelos estadísticos tendrán asociado un error de predicción.

3.3.3. Estandarizada: La pendiente β1 nos indica si hay relación entre las dos variables, su signo nos indica si la relación es positiva o negativa. La razón es que su valor numérico depende de las unidades de medida de las dos variables. Un cambio de unidades en una de ellas puede producir un cambio drástico en el valor de la pendiente.

3.4. Análisis de Regresión

3.4.1. Técnica estadística para derivar una ecuación, que relaciona una variable de criterio con una o mas variables de predicción. cuando se usa una variable de predicción el análisis de regresión es simple,si se utiliza dos o más variables el análisis de regresión es múltiple.

3.5. Coeficiente de Regresión Parcial

3.5.1. Cantidad que resulta de un análisis de regresión múltiple, indica el cambio promedio en una variable de criterio por cambio unitario en una variable predictiva, en igualdad de circunstancias en todas como variables de cricción.