22268322
Description
Medidas estadísticas bivariables
- Regresión lineal simple
- Examina la relación entre
dos variables.
- Una de las variables a
analizar es dependiente de
la otra
- Una de las variables a
analizar es dependiente de
la otra
- Su uso común es
- Pronosticar o predecir el valor de una variable
- Esto lo cumple al analizar los
valores de la otra variable
- Esto lo cumple al analizar los
valores de la otra variable
- Pronosticar o predecir el valor de una variable
- Frecuencia lineal
- "Se dice que una función es lineal en los parámetros si estos
aparecen con frecuencia unitaria y no están multiplicados ni
divididos por cualquier otro parámetro" (Montero, 2007)
- "Se dice que una función es lineal en los parámetros si estos
aparecen con frecuencia unitaria y no están multiplicados ni
divididos por cualquier otro parámetro" (Montero, 2007)
- Formula
- a y b son valores denominados Coeficientes de la regresión lineal; además, es
necesario tener en cuenta que tanto a como b son estimaciones obtenidas a
partir de un conjunto finito de observaciones
- a y b son valores denominados Coeficientes de la regresión lineal; además, es
necesario tener en cuenta que tanto a como b son estimaciones obtenidas a
partir de un conjunto finito de observaciones
- Ejemplo
- Examina la relación entre
dos variables.
- Regresión múltiple
- Su objetivo es determinar la
relación entre las variables
independientes y
dependientes, o variables de
predicción y de criterio
- Permite añadir diversas variables
- Esto permite que la ecuación
revele los valores de varias
variables y no solo de una
- Esto permite que la ecuación
revele los valores de varias
variables y no solo de una
- Permite mejorar las
predicciones de la
variable de criterio
- Ecuación
- Coeficiente de regresión
parcial (o neta)
- "Es la cantidad resultante del análisis de regresión
múltiple e "indica el cambio promedio en la variable de
criterio por cambio unitario en una variable predictiva, en
igualdad de circunstancias en todas los como variable de
crición" (Churchill, 2009)
- "La interpretación se aplica sólo cuando las
variables de predicción son independientes entre
sí, como se requiere para la aplicación válida del
modelo de regresión múltiple" (Churchill, 2009)
- "La interpretación se aplica sólo cuando las
variables de predicción son independientes entre
sí, como se requiere para la aplicación válida del
modelo de regresión múltiple" (Churchill, 2009)
- "Es la cantidad resultante del análisis de regresión
múltiple e "indica el cambio promedio en la variable de
criterio por cambio unitario en una variable predictiva, en
igualdad de circunstancias en todas los como variable de
crición" (Churchill, 2009)
- Su objetivo es determinar la
relación entre las variables
independientes y
dependientes, o variables de
predicción y de criterio
Media attachments
Want to create your own Mind Maps for free with GoConqr? Learn more.