Documente Academic
Documente Profesional
Documente Cultură
Correlacin
Dos variables cuantitativas estn relacionadas entre s cuando los valores de una de ellas varan de forma sistemtica con respecto a los valores de la otra.
Correlacin
Para variables mtricas, el grfico de dispersin es la manera ms sencilla de comprobar la relacin entre las dos
Correlacin
Correlacin
Los componentes fundamentales de una relacin entre dos variables cuantitativas son: La Fuerza El Sentido La Forma
ser fuerte.
Correlacin
La forma establece el tipo de lnea a emplear para definir el mejor ajuste. Se pueden emplear tres tipos
Correlacin
En el caso de usar una recta, se admite que existe una proporcin entre la diferencia entre dos valores A y la
diferencia entre dos valores de B. A ese factor de ajuste entre ambas series se le llama
pendiente de la recta, y se asume que es constante a lo largo de toda la recta.
Correlacin
Correlacin En el caso de usar una curva monotnica, ese factor de proporcin entre las dos variables no es constante a lo largo de toda la recta, y por lo tanto la pendiente de la misma es variable en su recorrido. Se dice que la lnea de ajuste es no lineal puesto que es una curva.
Correlacin
Correlacin
Curva Monotnica
Curva No Monotnica
Correlacin
Dadas dos variables X y Y tomadas sobre el mismo elemento de la poblacin, el diagrama de dispersin es simplemente un grfico de dos dimensiones, donde en un
Correlacin
Si las variables estn correlacionadas, el grfico mostrara
algn nivel de correlacin (tendencia) entre las dos
variables.
Si no hay ninguna correlacin, el grfico presentara una figura sin forma, una nube de puntos dispersos en el grfico.
Correlacin
La recta de regresin
La recta de regresin
Para el clculo de la recta de regresin se aplica el mtodo de mnimos cuadrados entre dos variables. Esta lnea es la que hace mnima la suma de los cuadrados
Regresin Lineal
Regresin Lineal
Dada una variable dependiente y un conjunto de una o ms variables independientes, todas ellas cuantitativas, la regresin lineal consiste en obtener una funcin lineal de las
Regresin Lineal
Regresin Lineal
Y = 0 + 1X1 ++ pXp + e
Antes de continuar
A pesar de una tendencia en la que los padres de estatura alta tenan hijos altos y viceversa, la estatura promedio de
La Ley de regresin universal de Galton fue confirmada por Karl Pearson, quien a partir de mil registros de estaturas de
El anlisis de la regresin trata del estudio de la dependencia de Y, respecto a una o mas variables Xs, con
Regresin Lineal Galton estaba preocupado por averiguar las razones por las cuales exista estabilidad en la distribucin de estaturas dentro de una poblacin. En el enfoque moderno la preocupacin no esta dirigida a esta explicacin sino en averiguar la manera en que cambia la estatura promedio de los hijos, dada la estatura de los padres. Se esta interesado en predecir la estatura promedio de los hijos conociendo la estatua de sus padres.
Regresin Lineal
Regresin Lineal En la figura se ve que para cualquier estatura dada de un padre existe un rango (distribucin) de estaturas de los
hijos.
Regresin Lineal De la anterior queda claro que cada medida condicional E(Y,X) es funcin de X, donde X, es un valor dado de X.
Simblicamente,
E (Y / Xi) = f(Xi)
Regresin Lineal
Regresin Lineal
La ecuacin anterior se conoce como la funcin de expectativa condicional o funcin de regresin poblacional. Esta funcin denota nicamente que el valor esperado de la distribucin de Y dada X, esta relacionada funcionalmente con X. Dice como la media o respuesta promedio de Y varia con X.
Regresin Lineal Dados los supuestos del modelo de regresin clsico, se cumple que al tomar la esperanza condicional de Y a ambos lados de la ecuacin, se obtiene E (Y / X1, X2) = 0 + 1X1 + 2X2
As se obtiene, la media condicional o el valor esperado de Y condicionado a los valores dados o fijos de las variables X1 y X2.
Regresin Lineal
Entonces el anlisis de regresin es el anlisis de regresin condicional, sobre los valores fijos de las variables explicativas, y lo que obtenemos es el valor promedio o la