MEDIDAS ESTADÍSTICAS BIVARIANTES REGRESIÓN: Trata de explicar el comportamiento de una variable denominada dependiente en función de otra variable denominada explicativa dependiente.
par nicole castañeda
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 LINEAL
2.1. 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.
2.2. 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
2.3. Modelo de análisis de regresión puede ser
2.3.1. Determinista: En condiciones ideales, el modelo permite predecir sin error el valor de la variable dependiente
2.3.2. Estadístico: Permite la incorporación de un componente aleatorio en la relación. Pero, en sus resultados se podrá recibir errores asociados a la predicción
2.3.3. 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
2.4. Análisis de regresión: Técnica que ayuda a derivar una ecuación, relaciona una variable de criterio con una o más variables de predicción.
3. REGRESIÓN MÚLTIPLE
3.1. Puede ser lineal y curvilíneo no lineal
3.1.1. Su coeficiente de regresión puede ser: Positivo,negativo o nulo
3.2. Coeficiente de determinación R2
3.2.1. Determina el grado de correlación entre las variables : R*R