Figura 2 Ballentine de r²: a) r²=0;f) r²=1. YX a YX b YX c YX d e Y XY X f.

Slides:



Advertisements
Presentaciones similares
Si la estadística no miente...: ¡Cuánto influyes sobre mi!
Advertisements

MOVIMIENTO RECTILINEO UNIFORMEMENTE ACELERADO (M.R.U.A.)
REGRESION Y CORRELACION
DETECTORES DE TEMPERATURA O RTD
Regresión mínimo cuadrada (I)
REGRESION LINEAL SIMPLE
Límites Trigonométricos.
Error Estándar de la Media
Correlación ©1997-Sep-06 Pedro Juan Rodríguez Esquerdo Departamento de Matemáticas UPR Río Piedras.
AUTORES: peter b. seddon y min-yenkiew
REGRESION Y CORRELACION LINEALES. REGRESION LINEAL SIMPLE Finalidad Estimar los valores de y (variable dependiente) a partir de los valores de x (variable.
REGRESION & CORRELACION
Econometria 2. Modelo de Regresión Lineal Simple
FUNCIONES Facultad de Ingeniería Civil y Arquitectura
Regresión y correlación
Estadística Administrativa II
Estadística Administrativa II
Tema 1- Regresión lineal simple.
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
División de Estudios Políticos, CIDE
Regresión Linear Correlación de Pearson, r Regresión Múltiple Regresión Logística Regresión de Poisson.
ESTUDIOS CORRELACIONALES
Análisis Descriptivo de datos Bivariados
Análisis de Correlación y de Regresión lineal simple
La lógica de covarianza
El supuesto 3 establece que el valor de la media de u, que depende de la X, dadas, es cero. Geométricamente, este supuesto se representa mediante.
Distribuciones bidimensionales. Tablas de contingencia
Funciones Trigonométricas
E Experimentos aleatorios. Espacio muestral
CINEMÁTICA Movimiento Rectilíneo Uniformemente Acelerado (MRUA)
CORRELACION Y REGRESION LINEAL: Introducción
Pronósticos, Series de Tiempo y Regresión
Guías Modulares de Estudio Matemáticas IV – Parte B
Modelo de regresión con dos variables: Estimación
Problemas de derivabilidad en forma implícita Diferenciabilidad/Reglas de la diferenciabilidad/Diferenciabilidad implícita y temas relacionados.
Introducción a la Inferencia Estadística
Valores extremos. Los valores extremos son aquellos datos extremos, que parecen anómalos, y que unas veces son debidos a errores de registro al introducir.
Estadística bidimensional
Estadística Descriptiva
Primerasdefiniciones y conceptos de la regresión El análisis de la regresión es una técnica estadística que se utiliza para estudiar la relación entre.
RELACIÓN ENTRE VARIABLES
Cocientes Notables 4° SECUNDARIA.
Estadística Descriptiva
YX Tabla 2.1 Muestra aleatoria de la población Tabla 2.2 Muestra aleatoria.
Funciones Presentación # 1
Presentado por: carolina gallardo Universidad metropolitana de B/quilla.
PARA LA REGRESIÓN LINEAL SIMPLE
Geometría Analítica.
Estadística II Regresión Lineal.
C=1 Mostrar C C Es C
FUNCIÓN DE PROPORCIONALIDAD INVERSA DÍA 26 * 1º BAD CS.
Trigonometría y ángulos
CORRELACIÓN Y REGRESIÓN EMPLEANDO EXCEL
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MODELO DE REGRESIÓN GENERAL 1 Profesor: Barland A. Huamán Bravo 2011 UNIVERSIDAD NACIONAL AGRARIA DE LA.
Regresión lineal simple Nazira Calleja
MODELOS DE PRONOSTICOS Primer semestre 2010 Modelo de Regresión con dos variables.
Universidad Cesar Vallejo
Unidad 4 Análisis de los Datos.
Título del proyecto científico
ANÁLISIS DE LA INFORMACIÓN La relación entre variables.
Modelos de regresión lineal
TEMA : ANALISIS DE REGRESION
Estadística Administrativa II
Tema 2: Estadística bidimensional
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.
Free and Quick translation of Prof. Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 1. Estimacion.
APANTANLLAMIENTO AB.
Transcripción de la presentación:

Figura 2 Ballentine de r²: a) r²=0;f) r²=1. YX a YX b YX c YX d e Y XY X f

En la figura 2, el circulo Y representa la variación en la variable dependiente Y, y el circulo X, la variación en la variable explicativa X. la intersección de los dos círculos (el área sombreada) indica la medida en la cual la variación en Y se explica por la variación en X (por ejemplo, mediante una regresión de MCO). Entre mayor sea la medida de la intersección, mayor será la variación en Y que se explica por X. r² es tan solo una medida numérica de esta intercepción. En la figura 2 que se va izquierda y derecha, el área de la intersección aumenta, es decir, sucesivamente hay una proporción cada vez mayor de la variación en Y que se explica por X. en resumen, r² aumenta. Cuando no hay intersección, obviamente r² es cero, pero cuando la intersección es completa, r² es 1, pues ciento por ciento de la variación en Y se explica por X. como mostraremos en breve, r² se encuentra entre 0 y 1.

0 Xi FRM Y X β1 + β2Xi

FIGURA 2 Patrones de correlación Y X r = + 1 Y X r = - 1 Y X r cerca de + 1 ab c

Y X r cerca de - 1 Y X r positivo pero cerca de cero Y X r negativo pero cerca de cero de f

Y X r = 0 Y X Y = X2 pero r = 0 gh