Medidas Estadísticas Bivariantes de regresión

1. Coeficiente de correlación lineal de Pearson

1.1. Si los puntos tiene una tendencia a disponerse alineadamente

1.2. r es útil para determinar si hay relación lineal entre dos variables. pero no servirá para( cuadrática, logaritmica.

1.3. Tiene un mismo signo que Sxy.

2. Regresión lineal

3. Covaríanza de dos variables aleatorias X e Y

3.1. Entre dos variables, Sxy, nos indica si la relación entre dos variables es directa o inversa

3.2. El signo de la covarianza nos indica que la nube de los puntos es creciente o no pero no dice nada del grado de la relación entre variables.

4. Regresión múltiple

4.1. principales elementos a considerar en el análisis de la regresión múltiple

4.1.1. Error típico de predicción

4.1.2. Coeficiente de correlación múltiple

4.1.3. Coeficiente de correlación múltiple al cuadrado o coeficiente de determinación

4.1.4. Análisis de varianza

4.1.5. Coeficiente de determinación ajustado

4.1.6. Análisis residuales

5. Modelo de análisis de regresión

5.1. Estadístico: Permite la incorporación de un componente aleatorio en la relación.

5.2. Estandarizada: la pendiente β1 nos indica si hay relación entre dos variables.

5.3. Deterministico: que bajo condiciones ideales, la variable independiente puede ser por una función matemática de las variables independientes.

6. Problemas con la regresión

6.1. Varianza no homogénea.

6.2. Relación no lineal

6.3. Errores correlacionados.

7. Análisis de regresión

7.1. Estudia la relación entre dos variables Cuantitativas

7.2. Técnica estadística usada para derivar una ecuación que relaciona una variable de criterio con una o más variables de predicción.

7.3. Estudia la fuerza de la asociación a través de una medida de asociación denominada coeficiente de correlación.

8. Medidas de estadistica Bivariantes

8.1. -Regresión y correlación

8.2. Diagrama de dispersión

8.3. Regresión lineal simple

8.4. Correlación

8.5. Regresión Múltiple