Modelos lineales: trabajaremos con los siguientes datos Nota: Los datos bájelos del taller 2 de la Web del curso.
Realizaremos un gráfico de dispersión entre dos variables: estatura y pie
Para ajustar las escalas en los ejes haga doble click en los respectivos ejes en el gráfico y ubique adecuadamente los valores mínimos de ambas variables
Haga click sobre la nube de puntos y luego oprima botón derecho... Y acepte la opción “agregar línea de tendencia”
Acepte Tipo Lineal y luego haga click en la pestaña Opciones
Active la opción “Presentar ecuación en el gráfico”
La ecuación de la recta que aparece es la mejor recta que se ajusta a la nube de puntos.
En una nueva hoja copie las variables estatura y pie, y en la primera celda de una columna llamada “Estimados” escriba la fórmula de la recta encontrada en función de la casilla donde se encuentra el valor de “pie” y luego copie hasta el número total de datos
Observe si hay semejanza entre los valores observados de las estaturas y los valores estimados por la ecuación de la recta.
¿Qué medida podemos considerara para determinar si este modelo es “bueno”?
El coeficiente de corelación lineal de Pearson y el coeficiente de determinación R 2, y el error de estimación estándar. Desviación estándar de Y Desviación estándar de X Varianza de los valores estimados Varianza de los valores de Y Este valor es el error de estimación en promedio que se comete al utilizar el modelo y comparar sus valores estimados con los observados.
Siemtre el coeficiente r está entre –1 y 1. Luego si r está muy próximo a uno de estos dos valores, se dice que los puntos se pueden ajustar por una recta. Este valor siempre es menor que 1, mientras más cerca este de 1 significa que el modelo explica de buena manera la varianza de los datos de Y. De otra forma el valor R 2 se interpreta como el porcentaje de la varianza de las observaciones que es explicada por el modelo. Nota: Ambos valores se pueden obtener rapidamente con el EXCEL