20182067
Descrição
Mapa Mental por yineth velasquez, atualizado more than 1 year ago
|
Criado por yineth velasquez
aproximadamente 5 anos atrás
|
|
Medidas estadísticas Bivariantes de regresión.
- la regresión trata de explicar el comportamiento de una variable, denominada explicada dependiente
o explicativas independientes .
- regresión lineal.
- regresión lineal simple:
- coeficiente de determinación lineal
- Modelo del análisis de regresión:
- Determinista
- Estadístico
- Estandarizada
- Determinista
- Análisis de regresión
- Coeficiente de regresión parcial
- regresión lineal simple:
- regresión múltiple.
- La regresión puede ser lineal y curvilínea o no lineal
- Coeficiente de Regresión:
- Indica el número de unidades en que
se modifica la variable dependiente
"Y" por efecto del cambio de la
variable independiente "X" o
viceversa en una unidad de medida.
- El coeficiente de regresión puede ser:
- Positivo
- Negativo
- Nulo
- Positivo
- El coeficiente de regresión puede ser:
- Indica el número de unidades en que
se modifica la variable dependiente
"Y" por efecto del cambio de la
variable independiente "X" o
viceversa en una unidad de medida.
- Coeficiente de regresión parcial (o neta)
- Cantidad que resulta de un 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
- 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.
- 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.
- Cantidad que resulta de un 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
- Coeficiente de determinación múltiple
- En el análisis de determinación múltiple, la proporción de variación en la variable de criterio que se
explica con la covariación de las variables predictivas.
- En el análisis de determinación múltiple, la proporción de variación en la variable de criterio que se
explica con la covariación de las variables predictivas.
- Coeficiente de correlación múltiple
- se denota formalmente con Ry123, donde el subíndice primario es la variable de criterio, y los
subíndices secundarios, las variables de predicción
- se denota formalmente con Ry123, donde el subíndice primario es la variable de criterio, y los
subíndices secundarios, las variables de predicción
- 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 Determinación R2
- determina el grado de correlación entre las
variables El coeficiente de determinación,
también llamado R cuadrado, refleja la
bondad del ajuste de un modelo a la variable.
- determina el grado de correlación entre las
variables El coeficiente de determinación,
también llamado R cuadrado, refleja la
bondad del ajuste de un modelo a la variable.
- Análisis de correlación
- Técnica estadística usada para
medir la cercanía de la relación
lineal entre dos o más variables en
una escala de intervalo.
- Técnica estadística usada para
medir la cercanía de la relación
lineal entre dos o más variables en
una escala de intervalo.
- Coeficiente de Regresión:
- La regresión puede ser lineal y curvilínea o no lineal
- regresión lineal.
Anexos de mídia
Quer criar seus próprios Mapas Mentais gratuitos com a GoConqr? Saiba mais.