Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 6 vistas

    Clase 12. Regresión

    Cargado por

    Ruth Mosquera
    Este documento trata sobre conceptos estadísticos como covarianza, correlación lineal y regresión lineal. Explica cómo medir la relación entre dos variables estadísticas y construir un modelo de regresión para describir cómo una variable influye en la otra.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Clase 12. Regresión

    Cargado por

    Ruth Mosquera
    6 vistas16 páginas
    Este documento trata sobre conceptos estadísticos como covarianza, correlación lineal y regresión lineal. Explica cómo medir la relación entre dos variables estadísticas y construir un modelo de regresión para describir cómo una variable influye en la otra.

    Descripción original:

    Regresión de estadísticas

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento trata sobre conceptos estadísticos como covarianza, correlación lineal y regresión lineal. Explica cómo medir la relación entre dos variables estadísticas y construir un modelo de regresión para describir cómo una variable influye en la otra.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    6 vistas16 páginas

    Clase 12. Regresión

    Cargado por

    Ruth Mosquera
    Este documento trata sobre conceptos estadísticos como covarianza, correlación lineal y regresión lineal. Explica cómo medir la relación entre dos variables estadísticas y construir un modelo de regresión para describir cómo una variable influye en la otra.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 16

    Covarianza,

    Correlación lineal y
    Regresión
    Regresión Lineal
    oConstruir un modelo de regresión lineal simple que describa
    como influye una variable X sobre otra variable Y. 
    oObtener estimaciones puntuales de los parámetros de dicho
    modelo 
    oComo base en el modelo hacer estimaciones de las variables  
    VARIABLES ESTADÍSTICAS
    BIDIMENSIONALES

    • En el análisis estadístico es
    conveniente a veces contrastar los
    datos procedentes de dos
    características estudiadas sobre
    un mismo individuo.
    • En este sentido se plantea la
    consideración de variables
    estadísticas bidimensionales, así
    como la detección de posibles
    relaciones entre los dos caracteres
    investigados.
    ística
    el conjunto (X,Y)
    eerentes
    eden tomar dos
    X eY
    nsional
    da uno de los
    población o

    s
    rac
    ísti
    sX
    Y se
    no
    na

    ria
    es y
    ed

    r
    mba

    an
    ativ

    mba

    alit
    vo

    da
    o;
    u
    z,

    rac
    es
    an
    ativ

    ed
    er
    ria
    es
    tad
    ca

    nto
    cr
    as
    mo
    nti
    as.
    TABLAS DE CORRELACIÓN

    Son la representación simultanea de dos observaciones X e Y por


    ejemplo:
    Consideremos la clasificación obtenidas por una muestra de treinta
    (30) estudiantes en el examen de matemáticas (Saber Pro) (variable
    X) y la nota final de su primer curso de matemáticas (variable Y).
    • Notas del Examen de Matemáticas (saber Pro) (Xi)
    • Primer curso de matemáticas (Yi)

    Usualmente la identificación de la relación entre dos variables


    como estas, comienza con el intento de descubrir la forma
    aproximada de la relación mediante una gráfica de dispersión.
    Nota primer
    curso de Examen de
    matemáticas Matemáticas
    Nota primer Examen de (X) (Icfes) Y
    curso de Matemáticas 3,2 3,3
    matemáticas (X) (Icfes) Y 1,8 2,7
    2,4 3 2,7 3,5
    2,6 2,4 2,1 2,9
    3 3,7 1,7 2,7
    3,9 3,6 1,7 2,9
    2,3 3,2
    3,6 3,8 2,6 3,4
    3 2,9 2,7 2,5
    3,1 3,5
    2,8 3
    2,2 2,3
    2,9 3
    1,9 2,9
    2,2 2,7
    3,1 3,7
    2,6 2,7
    2,8 3,3
    2,7 2,8
    2,4 3,1
    3 2,8
    3,3 3
    1,8 2,2
    2,8 3,1
    GRÁFICA
    Diagrama de dispersión
    4
    Examen de matemáticas del Icfes

    3.5 f(x) = 0.48 x + 1.76


    3 R² = 0.4

    2.5
    2
    Linear ()
    1.5
    1
    0.5
    0
    1.5 2 2.5 3 3.5 4 4.5
    Notas Primer curso de matemáticas
    Covarianza

    •   𝑑𝑎𝑡𝑜𝑠 sin⁡𝑎𝑔𝑟𝑢𝑝𝑎𝑟

    𝑑𝑎𝑡𝑜𝑠 𝑎𝑔𝑟𝑢𝑝𝑎dos

     Propiedades:
    La covarianza indica que tipo de relación hay entre las variables.
    1. Si la relación directa
    2. Si la relación es inversa
    3. Si no hay relación lineal entre las variables.
    Covarianza datos agrupados
    Covarianza
    Propiedad: ¿  𝐶𝑜𝑣( 𝑥 , 𝑦)∨≤ 𝑆 𝑥 𝑆 𝑦

    El coeficiente de correlación lineal de Pearson es:


      𝐶𝑜𝑣 ( 𝑥 , 𝑦 )
    𝑟=
    𝑆𝑥 𝑆 𝑦
    Covarianza

    • Si
      , las variables están más correlacionadas cuanto
    más próximo sea |r| a 1. Asi:
    • Están poco correlacionadas
    • la correlación débil
    • la correlación es fuerte
    • la correlación es Optima
    Covarianza
    Regresión Lineal
    • Si utilizamos un sistema de coordenadas cartesianas para
    representar la distribución bidimensional, obtenemos un
    conjunto de puntos conocido como diagrama de dispersión.
    La distribución requiere parámetros, denominados pendiente
    e intercepto con el eje.
    • Modelo de Regresión Lineal

    y  a  bx
    𝑛
      ∑ 𝑥𝑖 ∗ 𝑦 𝑖 − 𝑛 ´
    𝑥 ´
    𝑦
    𝑏=
    𝑖= 1

    ∑
    𝑛
    𝑥
    2
    −𝑛 ¿ ¿ ¿
    𝑎= ´𝑦 −𝑏 ´𝑥
     

    𝑖=1
    Ejercicio:
    Análisis de varianza (tabla anova)

    Fuente de Suma de Grados de Cuadrados F calculado


    variación cuadrados libertad medios
    Regresión SCR 1 CMR=SCR/1
    Error SCE n-2 CME=SCE/n-2 Fc=CMR/CME
    Total SCT n-1  

    𝑛 𝑛
      2
    𝑆𝐶𝑅=∑ ( 𝑌^ 𝑖 − 𝑌´ ) =𝑎 ∑ 𝑌 𝑖+𝑏 ∑ 𝑋 𝑖 𝑌 𝑖 −𝑛 𝑌´ 2
    𝑖=1 𝑖=1
    𝑛 𝑛 𝑛
      2
    𝑆𝐶𝐸 =∑ ( 𝑌 𝑖 − 𝑌^ 𝑖 ) =∑ 𝑌 2𝑖 − 𝑎 ∑ 𝑌 𝑖 −𝑏 ∑ 𝑋 𝑖 𝑌 𝑖
    𝑖=1 𝑖=1 𝑖=1
    𝑛
      2
    𝑆𝐶𝑇 =∑ ( 𝑌 𝑖 − 𝑌´ ) =∑ 𝑌 2𝑖 −𝑛 𝑌´ 2
    𝑖=1

    También podría gustarte

    pFad - Phonifier reborn

    Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

    Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


    Alternative Proxies:

    Alternative Proxy

    pFad Proxy

    pFad v3 Proxy

    pFad v4 Proxy