Descargar la presentación
La descarga está en progreso. Por favor, espere
1
BIOMETRIA II TEMA 2 El Modelo de Regresión
2
Modelo Un modelo es algo que asemeja a la realidad pero que no es la realidad en si misma. Los modelos pretenden predecir lo que sucederá en la realidad. Hay modelos de muchas características
3
Regresión Modelo matemático que establece la relación entre dos variables. El término se usó por primera vez a finales del siglo XIX al ver la semejanza que tenían los padres con sus hijos (en “aristocracidad”)
4
Regresión: Requerimientos
Dos variables, medidas a un número n de unidades. Una variable funciona como independiente (explicativa) y otra como dependiente (Respuesta). Al menos la variable respuesta debe tener distribución Normal.
5
Regresión Procedimiento
Determinar a partir del “Diagrama de Dispersión” el modelo general que mas se ajuste a los datos (Lineal o no lineal). Obtención de los parámetros específicos para la regresión.
6
Regresión Lineal Simple
Usa el modelo geométrico de la recta: Y = ß0 + ß1X Se le llama simple por no tener exponentes. Es el modelo más sencillo Es el modelo más común Es el modelo más general
7
Coeficientes
8
Y = ß0 + ß1X Los parámetros le dan especificidad al modelo
Los parámetros no se conocen sino que son en realidad estimadores (estimados a partir de los datos muestrales) Y es el valor predicho de la variable respuesta para un valor de X a partir de la ecuasión también llamado el “Estimado”. X es el valor unitario de la variable explicativa ß0 Es el valor de del parámetro que recibe nombres de: Ordenada al origen, término independiente. ß1 Es el valor del parámetro que multiplica a la variable independiente, se le llama: Índice de regresión, pendiente
9
Obtención de los valores de los parámetros
Existen varias formas para obtener los parámetros: La más común se llama mínimos cuadrados y es aquella ecuación que minimiza la suma de los cuadrados de las distancias a la recta de regresión. Se pueden obtener con la solución de las llamadas ecuaciones normales. Las computadoras lo hacen de manera matricial.
10
Método de Mínimos Cuadrados
^Y= y +ß1 (X-x) ^Y = ß0 + ß1X en donde ß0 = y - ß1X ß1 = Σ xy / Σ x2
11
Bondad de la Regresión Productos Cruzados _ _ _ __
_ _ _ __ r2 = Σ (X - X) (Y - Y)/ Σ (X - X)2 Σ (Y - Y)2 Sumas de Cuadrados
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.