34713426
Description
Mind Map by Carlos Leon, updated more than 1 year ago
More
MEDIDAS ESTADÍSTICAS BIVARIANTES
- REGRESIÓN LINEAL SIMPLE
- Una funcion es
lineal cuando la
variable X aparece
con potencia
unitaria
- Pasos
- Se elige la funcion rectilinea para
representar la relacion dependencia de y
sobre x y se estima los parametros a y b
- Se realiza el cómputo del
coeficiente de determinación
lineal
- Tiene como objetivo medir
el grado de dependencia de
Y sobre X bajo la función de
regresión lineal estimada.
- Tiene como objetivo medir
el grado de dependencia de
Y sobre X bajo la función de
regresión lineal estimada.
- Se elige la funcion rectilinea para
representar la relacion dependencia de y
sobre x y se estima los parametros a y b
- Una funcion es
lineal cuando la
variable X aparece
con potencia
unitaria
- REGRESIÓN MÚLTIPLE
- Determina la relación entre
las variables independientes y
dependiente, o variables de
predicción y de criterio.
- Permite añadir diversas variables,
de modo que la ecuación refleje los
valores de un cierto número de
variables de predicción, no una sola.
El objetivo de esto es mejorar las
predicciones de la variable de
criterio.
- su ecuación es (en su
versión simplificada): Y
= α + β1 X1 + β3X3 + ∊
- su ecuación es (en su
versión simplificada): Y
= α + β1 X1 + β3X3 + ∊
- SUPUESTO DE MULTICOLINEALIDAD
- Condición existente en un análisis de regresión múltiple, que
consiste en que las variables de predicción no son independientes
unas de otras, como se requiere, sino que están correlacionadas..
- Condición existente en un análisis de regresión múltiple, que
consiste en que las variables de predicción no son independientes
unas de otras, como se requiere, sino que están correlacionadas..
- COEFICIENTES DE REGRESION PARCIAL
- Mide el grado de relación entre la variable dependiente y una variable independiente después de
eliminar completamente el efecto de las otras variables independientes en el modelo.
- Mide el grado de relación entre la variable dependiente y una variable independiente después de
eliminar completamente el efecto de las otras variables independientes en el modelo.
- COEFICIENTE DE DETERMINACION MULTIPLE
- Es la proporción de variación en la variable de
criterio que se explica con la covariación de
las variables predictivas.
- Es la proporción de variación en la variable de
criterio que se explica con la covariación de
las variables predictivas.
- COEFICIENTE DE CORRELACIÓN MÚLTIPLE
- Es la raíz cuadrada del coeficiente
de determinación múltiple.
- Se denota formalmente con
Ry.1232 e informalmente con R2
- Se denota formalmente con
Ry.1232 e informalmente con R2
- Es la raíz cuadrada del coeficiente
de determinación múltiple.
- COEFICIENTE DE DETERMINACIÓN PARCIAL
- Cantidad que resulta del análisis de regresión múltiple
e indica la proporción de variación de la variable de
criterio que no se explica con una o más variables
previas y sí con la inclusión de una nueva variable a la
ecuación de regresión.
- Cantidad que resulta del análisis de regresión múltiple
e indica la proporción de variación de la variable de
criterio que no se explica con una o más variables
previas y sí con la inclusión de una nueva variable a la
ecuación de regresión.
- COEFICIENTE DE CORRELACIÓN PARCIAL
- La raíz cuadrada del coeficiente de determinación parcial.
- La raíz cuadrada del coeficiente de determinación parcial.
- VARIABLES BINARIAS
- Una a la que se asigna uno de dos valores, 0 o 1, y se usa para
representar en forma numérica los atributos o características
que no son esencialmente cuantitativos.
- Una a la que se asigna uno de dos valores, 0 o 1, y se usa para
representar en forma numérica los atributos o características
que no son esencialmente cuantitativos.
- TRASFORMACIÓN DE VARIABLE
- Cambio en la escala con que se expresa una variable.
- Cambio en la escala con que se expresa una variable.
- Determina la relación entre
las variables independientes y
dependiente, o variables de
predicción y de criterio.
Media attachments
Want to create your own Mind Maps for free with GoConqr? Learn more.