34269825
Description
Mind Map by klausse Mojica, updated more than 1 year ago
More
Medidas Estadísticas Bivariantes de Regresión y
Correlación
- La Regresión Lineal Simple
- La regresión lineal simple se utiliza para modelar la relación entre dos variables cuantitativas y predecir el valor de una variable en
función del valor de otra
- Esta es la ecuación de la Regresión Lineal Simple: y = (β0 +β1 + Ε)
- El coeficiente β0 es el intercepto y β1 es la pendiente de la línea de regresión, el término Ε representa el error aleatorio en la variable dependiente
que no puede ser explicado por la variable independiente
- El coeficiente β0 es el intercepto y β1 es la pendiente de la línea de regresión, el término Ε representa el error aleatorio en la variable dependiente
que no puede ser explicado por la variable independiente
- Esta es la ecuación de la Regresión Lineal Simple: y = (β0 +β1 + Ε)
- La regresión lineal simple se utiliza para modelar la relación entre dos variables cuantitativas y predecir el valor de una variable en
función del valor de otra
- la Correlacion
- La correlación es una medida estadística que indica la fuerza y la dirección de una relación lineal y la proporcionalidad entre dos variables
estadísticas
- Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de
ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos
variables (A y B) existe correlación entre ellas si al disminuir los valores de A lo hacen también los
de B y viceversa
- Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de
ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos
variables (A y B) existe correlación entre ellas si al disminuir los valores de A lo hacen también los
de B y viceversa
- La correlación es una medida estadística que indica la fuerza y la dirección de una relación lineal y la proporcionalidad entre dos variables
estadísticas
- Coeficiente de Determinacion
- El coeficiente de determinación, también conocido como R-cuadrado, es un número entre 0 y 1 que indica la proporción de la varianza en la variable
dependiente que es explicada por la variable independiente en el modelo de regresión
- El coeficiente de determinación mide qué tan bien los valores observados de la variable dependiente se ajustan a los valores
predichos por el modelo de regresión lineal
- Un valor de R-cuadrado cercano a 1 indica que el modelo de regresión lineal se ajusta bien a los datos, mientras que un valor cercano a 0 indica que el
modelo no se ajusta bien a los datos
- Un valor de R-cuadrado cercano a 1 indica que el modelo de regresión lineal se ajusta bien a los datos, mientras que un valor cercano a 0 indica que el
modelo no se ajusta bien a los datos
- El coeficiente de determinación mide qué tan bien los valores observados de la variable dependiente se ajustan a los valores
predichos por el modelo de regresión lineal
- El coeficiente de determinación, también conocido como R-cuadrado, es un número entre 0 y 1 que indica la proporción de la varianza en la variable
dependiente que es explicada por la variable independiente en el modelo de regresión
- Coeficiente de contingencia de Pearson
- El coeficiente de contingencia de Pearson es una medida común de la correlación de rango y se emplea cuando una o ambas escalas de medidas de las
variables son ordinales
- El valor 0 indica que las variables son independientes y los valores cercanos a 1 indican que hay gran relación entre ellas
- si se requiere tabular en una tabla, El valor máximo posible depende del número de filas y columnas de la tabla
- si se requiere tabular en una tabla, El valor máximo posible depende del número de filas y columnas de la tabla
- El valor 0 indica que las variables son independientes y los valores cercanos a 1 indican que hay gran relación entre ellas
- El coeficiente de contingencia de Pearson es una medida común de la correlación de rango y se emplea cuando una o ambas escalas de medidas de las
variables son ordinales
- Coeficiente de Correlación de Rango de Spearman
- El coeficiente de correlación de rango de Spearman es una medida común de la correlación de rango y se emplea cuando una o ambas escalas de
medidas de las variables son ordinales
- El valor del coeficiente de correlación puede ir desde -1 hasta +1, ambos incluidos. Según el valor del coeficiente de correlación, significa
que la relación entre las dos variables es de una forma u otra.
- La interpretación de cada resultado es el siguiente: 1 Si r = 1: Correlación positiva perfecta. 2 Si 0 < r < 1: Refleja que se da una correlación positiva. 3 Si r = 0: En
este caso no hay una relación lineal. 4 Si -1 < r < 0: Indica que existe una correlación negativa
- La interpretación de cada resultado es el siguiente: 1 Si r = 1: Correlación positiva perfecta. 2 Si 0 < r < 1: Refleja que se da una correlación positiva. 3 Si r = 0: En
este caso no hay una relación lineal. 4 Si -1 < r < 0: Indica que existe una correlación negativa
- El valor del coeficiente de correlación puede ir desde -1 hasta +1, ambos incluidos. Según el valor del coeficiente de correlación, significa
que la relación entre las dos variables es de una forma u otra.
- El coeficiente de correlación de rango de Spearman es una medida común de la correlación de rango y se emplea cuando una o ambas escalas de
medidas de las variables son ordinales
Want to create your own Mind Maps for free with GoConqr? Learn more.