Estadística Descriptiva

Slides:



Advertisements
Presentaciones similares
Tema 6: Regresión lineal.
Advertisements

Tema.9.Predicción y estimación. Concepto. Cálculo de la ecuación de regresión lineal. Modelo general lineal. Evaluación del modelo. Diagnóstico del modelo.
Regresión mínimo cuadrada (I)
Correlación ©1997-Sep-06 Pedro Juan Rodríguez Esquerdo Departamento de Matemáticas UPR Río Piedras.
Bivariadas y Multivariadas
Ingeniería Industrial II CicloEducativo 2011
REGRESION Y CORRELACION LINEALES. REGRESION LINEAL SIMPLE Finalidad Estimar los valores de y (variable dependiente) a partir de los valores de x (variable.
Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza.
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
MODELO DE REGRESIÓN MÚLTIPLE
REGRESION & CORRELACION
Introducción a la Estadística. Modelos de regresión
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
ALGUNOS CONCEPTOS PREVIOS
Regresión y correlación
TEMA 8: ANÁLISIS DE LA REGRESIÓN Y CORRELACIÓN ENTRE DOS VARIABLES
Estadística Descriptiva: 4. Correlación y Regresión Lineal
Tema 1- Regresión lineal simple.
Estadística Descriptiva: 4. Correlación y Regresión Lineal Ricardo Ñanculef Alegría Universidad Técnica Federico Santa María.
Regresión lineal Es un modelo matemático para predecir el efecto de una variable sobre otra, ambas cuantitativas. Una variable es la dependiente y otra.
Regresión Lineal Simple
Tema 2: Métodos de ajuste
Estadística bidimensional
Análisis de Correlación y de Regresión lineal simple
RELACIONES ENTRE VARIABLES
Regresión y Correlación
Distribuciones bidimensionales. Tablas de contingencia
Tema 3: Estadística descriptiva bivariante y regresión lineal.
BIOMETRIA II TEMA 2 El Modelo de Regresión.
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Programación Numérica
Tema 7: Regresión Simple y Múltiple. EJEMPLO: Aproxima bien el número de préstamos que efectúa una biblioteca a lo largo de su primer año de vida. Nos.
Métodos de calibración: regresión y correlación
Tema 7: Regresión Simple
Titular: Agustín Salvia
Introducción a la Inferencia Estadística
REGRESION LINEAL SIMPLE
Estadística bidimensional
LA RECTA DE REGRESIÓN CONTENIDOS:
Variables estadísticas bidimensionales
RELACIÓN ENTRE VARIABLES
Estadística I. Finanzas y Contabilidad
Regresión lineal simple
Regresión lineal múltiple
Estadística Aplicada a las Ciencias Políticas
Estadística Descriptiva
Estadística aplicada a la educación
SEMINARIO DE INVESTIGACION Titular: Agustín Salvia
Modelos lineales: trabajaremos con los siguientes datos Nota: Los datos bájelos del taller 2 de la Web del curso.
Estadística II Regresión Lineal.
Regresión Lineal Simple
Variables estadísticas bidimensionales
CORRELACIÓN Y REGRESIÓN EMPLEANDO EXCEL
Licenciatura en Administración Pública Jorge Alan Garcidueñas Villa Estadística 4° Cuatrimestre Actividad 15.1.
Construcción de modelos con regresión y correlación
Unidad 4 Análisis de los Datos.
La recta de regresión, se denomina «Recta de ajuste Optimo» (bajo el criterio de los mínimos cuadrados (no hay otra mejor que ella bajo este criterio).
REGRESIÓN LINEAL SIMPLE
ANÁLISIS DE LA INFORMACIÓN La relación entre variables.
Supuestos en el análisis de regresión Miles, J. & Shervin, M. (2011). Applyng regression & correlation. A guide for students and researchers. London: Sage.
Departamento de Informática Universidad Técnica Federico Santa María EconometríaEconometría Capitulo II.
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE. Temas Introducción Análisis de regresión (Ejemplo aplicado) La ecuación de una recta Modelo estadístico y suposiciones Estimación.
ESTADISTICA DESCRIPTIVA BIVARIADA MEDIDAS DE RELACIÓN ENTRE VARIABLES CUANTITATIVAS.
Introducción a la Estadística Inferencial con SPSS Juan José Igartua Perosanz Universidad de Salamanca
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
Licenciatura en Psicopedagogía: Métodos, Diseños y Técnicas de Investigación Psicológica Tema 9 Fiabilidad de las puntuaciones.
1 REGRESIÓN CON VARIABLES DICOTÓMICAS TEMA 1 (CONTINUACIÓN)
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
Transcripción de la presentación:

Estadística Descriptiva TEMA 7: RECTA DE REGRESIÓN DE MÍNIMOS CUADRADOS

7.1-MÉTODO DE LOS MÍNIMOS CUADRADOS Regresión Se define Regresión al método de investigación de una relación entre una variable llamada dependiente y una o varias variables llamadas independientes. . yj xi ei y = a + b.x ¿ a , b? Lo que queremos obtener con el método de los mínimos cuadrados es que los errores ei sean mínimos.

7.1-MÉTODO DE LOS MÍNIMOS CUADRADOS Ecuaciones Normales (1) (2)

7.1-MÉTODO DE LOS MÍNIMOS CUADRADOS Recta de Mínimos Cuadrados de x|y b = Coeficiente de Regresión y x Relación de Tipo Directo Relación de Tipo Inverso

7.2-MEDIDAS DE DEPENDENCIA ESTADÍSTICA Varianza Residual Se define la Varianza Residual de Y sobre X, como la varianza de los errores ei , i = 1,…, n (entre valores yi , yi*) Se define la Varianza Residual de X sobre Y, como la varianza de los errores ei´ , i = 1,…, n (entre valores xi , xi*)

7.2-MEDIDAS DE DEPENDENCIA ESTADÍSTICA Ecuaciones Normales de la Recta de Mínimos Cuadrados y|x (1) (2) Proposición 2 Para el problema del ajuste lineal de Y sobre X se verifica: Proposición 1 La Media de los errores o residuos ei , i = 1,…, n es igual a 0.

7.2-MEDIDAS DE DEPENDENCIA ESTADÍSTICA Coeficiente de Determinación Se define el Coeficiente de Determinación de Y sobre X como: Se define el Coeficiente de Determinación de X sobre Y como: ¡¡NOTA!! EL AJUSTE LINEAL ES ADECUADO Propiedades (1) (2) Y depende linealmente de X X depende linealmente de Y

7.3-COEFICIENTE DE CORRELACIÓN LINEAL El Coeficiente de Correlación Lineal de X e Y, se define como: Propiedades: (1) (2) (3) (4) (5) X e Y dependen linealmente X e Y están incorreladas linealmente (6) Si X e Y son independientes --> X e Y están incorreladas linealmente.

7.4-COMPARACIÓN CON LA CURVA DE REGRESIÓN Interpretación (1) La Curva de regresión de Y sobre X es la recta de mínimos cuadrados de Y sobre X. (2) Las dos curvas de regresión son las rectas de mínimos cuadrados. (3) Proporción que explica la variabilidad de Y sobre la recta de mínimos cuadrados de Y|X

7.5-COMPARACIÓN DE LAS RECTAS DE MÍNIMOS CUADRADOS Propiedades (1) G=(x,y) es un punto de ambas rectas. (2) Las pendientes son b(Y|X) y 1/b´ (X|Y), las cuales tiene el mismo signo. (3) En valor absoluto la pendiente de D´es superior a la pendiente de D. (4) Las rectas D y D´coinciden <--> X e Y tienen dependencia lineal exacta. (5) Las dos rectas D y D´son paralelas a los ejes(perpendiculares) si y solo si r = 0 = Sxy

7.6-RELACIÓN ENTRE VARIABLES ORDINALES Coeficiente de Correlación de Spearman, rs El Coeficiente de Correlación de Spearman para las variables X e Y en escala ordinal se define como el coeficiente de correlación lineal entre ambas variables. Interpretación: (1) (2) Relación exacta directa Relación exacta inversa No existe una relación clara entre X e Y

FIN José Antonio Cortegana Camúñez 2001-2002