MEDIDAS ESTADÍSTICAS BIVARIANTES REGRESIÓN: Trata de explicar el comportamiento de una variable d...

estadistica

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Rocket clouds
MEDIDAS ESTADÍSTICAS BIVARIANTES REGRESIÓN: Trata de explicar el comportamiento de una variable denominada dependiente en función de otra variable denominada explicativa dependiente. por Mind Map: MEDIDAS ESTADÍSTICAS BIVARIANTES REGRESIÓN: Trata de explicar el comportamiento de una variable denominada dependiente en función de otra variable denominada explicativa dependiente.

1. Regresión lineal simple: Es aquella que satisface las propiedades

1.1. Propiedad activa: Si existe Y , la cual es una función polinómica.

1.2. Buscar generar una función lineal de X

1.3. Posee una variable X, independiente, explicativa y una Y dependiente

1.4. B0 = se encuentra ordenada en el origen

1.5. B1 = pendiente de la recta

2. REGRESIÓN MÚLTIPLE

2.1. Puede ser lineal y curvilíneo no lineal

2.1.1. Su coeficiente de regresión puede ser: Positivo,negativo o nulo

2.2. Coeficiente de determinación R2

2.2.1. Determina el grado de correlación entre las variables : R*R

2.3. Este tipo se presenta cuando dos o más variables independientes influyen sobre una variable dependiente. Ejemplo: Y = f(x, w, z).

2.4. Dispone de una ecuación con dos variables independientes adicionales

2.5. Se puede ampliar para cualquier número "m" de variables independientes

2.6. El error estándar de la regresión múltiple : Es una medida de dispersión la estimación se hace más precisa conforme el grado de dispersión alrededor del plano de regresión se hace mas pequeño.

2.7. El coeficiente de determinación múltiple: Mide la tasa porcentual de los cambios de Y que pueden ser explicados por x1,x2 Y x3 y simultáneamente.

3. REGRESIÓN LINEAL

3.1. Coeficiente de determinación lineal: Se debe elegir una función rectilínea para representar la relación de dependencia de Y sobre X y así plasmar los parámetros y medir el grado de dependencia de a y b sobre Y y X.

3.2. Coeficiente de regresión parcial : Cantidad que resulta de un análisis de regresión múltiple, indica el cambio promedio en una variable de criterio por cambio unitario de una variable predictiva

3.3. Modelo de análisis de regresión puede ser

3.3.1. Determinista: 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. Pero, en sus resultados se podrá recibir errores asociados a la predicción

3.3.3. Estandarizada: Su valor númerico depende de las unidades de medida de las dos variables, es decir, la pendiente B1 nos indica si hay relación entre dichas variables o si se debe emplear un cambio de unidades en una de ellas

3.4. Análisis de regresión: Técnica que ayuda a derivar una ecuación, relaciona una variable de criterio con una o más variables de predicción.