Estadística Aplicada a las Ciencias Políticas

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.
Predicción con modelos ARIMA
Regresión mínimo cuadrada (I)
REGRESION LINEAL SIMPLE
MÉTODOS DE MEDICIÓN DE COSTOS.
Pronósticos, Series de Tiempo y Regresión
Katherine V. Carrasquillo BIOL de Abril de 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.
Análisis de Regresión Lineal
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Capitulo 10: La metodología Box-Jenkins
Regresión y correlación
EJERCICIOS RESUELTOS REGRESION
TEMA 8: ANÁLISIS DE LA REGRESIÓN Y CORRELACIÓN ENTRE DOS VARIABLES
Resortes y análisis mediante regresión lineal de datos
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
Curso de Estadística Básica
9 Regresión Lineal Simple
División de Estudios Políticos, CIDE
Regresión Linear Correlación de Pearson, r Regresión Múltiple Regresión Logística Regresión de Poisson.
Distribuciones bidimensionales. Tablas de contingencia
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Programación Numérica
Regresión Lineal Simple Lic. César Octavio Contreras.
Métodos de calibración: regresión y correlación
Econometría III Esquema del trabajo de ordenador. Curso
Titular: Agustín Salvia
Normalidad, Variabilidad y estimación del Modelo de Regresión
Introducción a la Inferencia Estadística
Estadística Descriptiva
1 TEMA II Prof. Samaria Muñoz Análisis de Regresión simple: ESTIMACION.
Análisis de regresión MCO MELI.
LA RECTA DE REGRESIÓN CONTENIDOS:
Estadística I. Finanzas y Contabilidad
Tema 7: Introducción a la inferencia estadística
Regresión lineal simple
Regresión lineal múltiple
ALUMNA: I. CLAUDIA AVILA LEON MATRICULA TUTORA: NATALIA PEREZ RUL MATERIA: FORMULACION Y EVALUACION DE PROYECTOS ACTIVIDAD: METODO DE MINIMOS.
Definición del Modelo de Regresión Simple Estimaciones por MCO Método de MCO Valores Esperados y Varianzas por MCO.
ANÁLISIS DE REGRESIÓN SIMPLE
1 Y MODELO DE REGRESIÓN SIMPLE Suponemos que una variable Y es una función lineal de otra variable X, con parámetros desconocidos  1 y  2 que queremos.
Estadística II Regresión Lineal.
Regresión Lineal Simple
Método de mínimos cuadrados
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
Regresión lineal simple Nazira Calleja
Unidad 4 Análisis de los Datos.
REGRESIÓN LINEAL SIMPLE
ANÁLISIS DE LA INFORMACIÓN La relación entre variables.
Modelos de regresión lineal
TEMA : ANALISIS DE REGRESION
Supuestos en el análisis de regresión Miles, J. & Shervin, M. (2011). Applyng regression & correlation. A guide for students and researchers. London: Sage.
Germán Fromm R. 1. Objetivo Entender los diseños metodológicos predictivos 2.
REGRESIÓN LINEAL SIMPLE
RELACIÓN ENTRE UNA VARIABLE DEPENDIENTE Y UNA O MAS INDEPENDIENTES.
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.
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
14 Introducción al Análisis de Correlación y de Regresión Lineal
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.
Bioestadistica II 2014 FACULTAD DE CIENCIAS EXACTAS, FÍSICAS Y NATURALES. UNIVERSIDAD NACIONAL DE CÓRDOBA.
Transcripción de la presentación:

Estadística Aplicada a las Ciencias Políticas La recta de regresión (x1, y1), (x2, y2),...,(xN, yN) : N pares de puntos observados Hemos de encontrar una recta: y = α + β x que se ajuste “lo mejor posible” a nuestros puntos:

Queremos predecir la variable y en función de la variable x. Estadística Aplicada a las Ciencias Políticas ¿Cómo ajustar la recta? Queremos predecir la variable y en función de la variable x. Si usamos una recta y = a + bx, entonces los residuos o errores de predicción son ri = yi - a - b xi para i = 1,…,N. Intentamos minimizar el error. Usamos el criterio de mínimos cuadrados: elegimos la recta que minimiza S ri2 La recta de mínimos cuadrados es y = a + bx donde b es la pendiente de la recta y a es el intercepto:

Estadística Aplicada a las Ciencias Políticas Demostración

La recta de regresión ajustada Estadística Aplicada a las Ciencias Políticas Escaños y población: La recta de regresión ajustada

Output de Excel Estadística Aplicada a las Ciencias Políticas ¿Cómo predecimos el número de escaños en una comunidad de 1000000 de personas? ¿Y en una comunidad sin gente? ¿Tiene sentido la predicción? La recta ajustada es y = 2,69+0,0000069x

Análisis de los residuos I: la media y varianza residual Estadística Aplicada a las Ciencias Políticas Análisis de los residuos I: la media y varianza residual Se puede demostrar que la media de los residuos es 0.

Estadística Aplicada a las Ciencias Políticas y se puede calcular la varianza residual ¿Cómo interpretamos esta expresión?

Estadística Aplicada a las Ciencias Políticas y

Análisis de los residuos II: gráficos Estadística Aplicada a las Ciencias Políticas Análisis de los residuos II: gráficos Si la recta de regresión se ajusta bien, los residuos deben aparecer como ruido aleatorio sin relación ninguna con x o y. ¿Parece bien el ajuste?