Medidas Estadísticas Bivariantes de Regresión

1. Regresión lineal

1.1. regresion lineal simple

1.1.1. Es aquella que satisface las propiedad activa si existe Y, la cual es una función polinómica cuya representación en el plano cartesiano es una linea recta.

2. Coeficiente de Determinación Lineal

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 objetivo de medir grado de dependencia a y sobre X bajo la función de regresión lineal estimada.

3. Modelo del Análisis de Regresión

3.1. *Determinista, Estadístico y Estandarizada

4. Análisis de Regresión

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

5. Coeficiente de Regresión Parcial

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

6. La regresión trata de explicar el comportamiento de una variable denominada, explicada, dependiente o endógenea, en función de otra variable denominada, explicada, dependiente o endógenea.

7. Regresión múltiple:

7.1. Regresión múltiple: cuando se emplea más de una variable independiente para evaluar una variable dependiente

7.1.1. Indica el número de unidades en que se modifica la variable "Y" por efecto del cambio de la variable independiente "X" o viceversa en una unidad de medida.

7.1.2. Coeficiente de regresión, que puede ser positivo, negativo y nulo.

7.2. Coeficiente de Determinación R2

7.2.1. Determina el grado de correlación entre las variables, refleja la bondad del ajuste de un modelo a la variable.