Bivariantes de regresión lineal

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. Modelo de análisis de regresión

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

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

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

3. Regresión lineal

4. Covaríanza de dos variables aleatorias X e Y

4.1. 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.

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

5. Modelo de regresión lineal simple

5.1. Y el ŷ ya que es rara vez que coincidan por muy bueno que sea el modelo de regresión a la cantidad "-e Y-ŷ" se denomina error residual.

5.2. Encontramos una función de X muy simple - lineal , que permita aproximar mediante -ŷ=b0+ b1X

6. Medidas de estadistica Bivariantes

6.1. -Regresión y correlación

6.2. Diagrama de dispersión

6.3. Regresión lineal simple

6.4. Correlación

6.5. Regresión Múltiple

7. Problemas con la regresión

7.1. Varianza no homogénea.

7.2. Relación no lineal

7.3. Errores correlacionados.

8. Análisis de regresión

8.1. Estudia la relación entre dos variables Cuantitativas

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

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