Regresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.
|
|
- María del Pilar Espinoza de la Cruz
- hace 5 años
- Vistas:
Transcripción
1 Regresión Lineal Simple 1
2 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2
3 Ejemplo y=rendimiento semanal de una acción = (P t -P t-1 )/P t-1 x=rendimiento semanal de la bolsa Propósito: ver que tanto varía la cotización en función de la variación del mercado. Se trata de medir el riesgo de la acción en función del riesgo del mercado. 3
4 Datos Constan de parejas ordenadas (x i,y i ). Son la observación de dos variables que corresponden al mismo caso. Ejemplo: Y=Rendimiento cementera X=Rendimiento del mercado Obs X Y
5 Diagrama de Dispersión Representación gráfica sobre el plano Cartesiano. Sirve para ver asociaciones. Diagrama de Dispersión Y X Supuesto básico: el valor esperado de Y depende linealmente de X 5
6 El Supuesto Básico. Diagrama de Dispersión Y Banda 0< X <2 X Banda 6< X <8 6
7 Un Ejemplo del Supuesto Básico. Y E (Y X = 20 ) = 15 E (Y X = 10 ) = 10 5 E (Y X = 5 ) = 7.5 E (Y X ) = X X=5 X=10 X=20 X 7
8 Modelo Regresión Lineal Simple Ecuación: y 0 1 = β + β x + ε y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) β 0 =intercepto al origen β 1 =pendiente (razón de cambio) ε=error del modelo (β 0, β 1 )=parámetro desconocido 8
9 Interpretación de los Parámetros β 0 β 1 β 1 = intercepto al origen, = pendiente del modelo, =cambio de E(Y X) debido a un cambio unitario en X. Y β 0 1 β 1 X 9
10 Estimación de (β 0, β 1 ) Función Suma de Cuadrados SC( β n ' ' 0, β1 ) = i 0 β1x i i= 1 ( ) 2 ' ' Y β El estimador de mínimos cuadrados resulta de minimizar esta función objetivo. Ilustraremos con Excel su minimización usando Solver. 10
11 Función Suma de Cuadrados beta prima 0 8 Suma de Cuadrados beta prima Obs X Y Recta Dif (Dif)^ X Y Recta 11
12 Función Suma de Cuadrados beta prima 0 2 Suma de Cuadrados beta prima Obs X Y Recta Dif (Dif)^ X Y Recta 12
13 Solución con Solver beta prima Suma de Cuadrados beta prima Obs X Y Recta Dif (Dif)^ X Y Recta Estimador de Mínimos Cuadrados: b b 0 1 = = Ecuación de regresión ajustada Ŷ = X 13
14 Estimación de (β 0, β 1 ). Interpretación Por cada punto porcentual que varía el rendimiento de la bolsa de valores, el rendimiento de la cementera varía alrededor de 1.7 puntos porcentuales. Notación: En general denotaremos por (b 0, b 1 ) al estimador de mínimos cuadrados de (β 0, β 1 ). 14
15 Cálculo con Excel Herramientas...Análisis de datos...regresión Rango Y de Entrada: $C$4:$C$23 Rango X de Entrada: $B$4:$B$23 Rótulos: marcar Rango de Salida: $G$5 Residuales: marcar 15
16 Cálculo con Excel. Resumen Estadísticas de la regresión Coeficiente Coeficiente R^2 ajusta Error típico Observacio 19 ANÁLISIS DE VARIANZA Grados de libertadsuma de cuadrados io de los cua F lor crítico de F Regresión E-05 Residuos Total Coeficientes Error típico Estadístico tprobabilidadinferior 95%Superior 95% Intercepción X E
17 Modelo Ajustado Ecuación de regresión ajustada Valores ajustados Residuos Ŷ = b b X Ŷ = b + Nota: error residuo. i ˆ ε i = 0 Y i b 1 Ŷ X i i 17
18 Gráfica Modelo Ajustado Y Ŷ = ˆε 1 0 ˆε 1 11 ˆ ε X 1.7 X Observación Pronóstico Y Residuos Ŷ ˆ ε Ŷ = ( 3.8 ) = 7.23 = = 4.67 = (1.9 ) = 4.00 = =
19 Bondad de Ajuste del Modelo. Propósito. Se desea contestar la pregunta: Qué tan bien se ajusta el modelo? Consideración de distintos tipos de variación Total Explicada por el Modelo Residual 19
20 Sumas de Cuadrados. Suma de Cuadrados del Total. Variación inherente a los datos. No depende de modelo alguno. Suma de Cuadrados del Error. Variación no explicada por el modelo. Suma de Cuadrados de Regresión. Variación explicada por el modelo. n i= 1 ( ) SST = Y i Y SSE = i= 1 n i= 1 2 ( ) 2 SSR = Ŷ i Y n ε 2 ˆi Relación entre ellas: SST = SSR + SSE 20
21 Coeficiente de Determinación. R 2 = Coeficient e de Determinación = SSR SST Este coeficiente da la proporción de variación de Y explicado por X por medio del modelo de regresión lineal simple. Siempre 0 R
22 Ejemplo, Y=rendimientos cementera. Resumen Estadísticas de la regresión Coeficiente Coeficiente R^2 ajusta Error típico Observacio R 2 = = ANÁLISIS DE VARIANZA Grados de libertadsuma de cuadrados io de los cua F lor crítico de F Regresión E-05 Residuos Total Coeficientes Error típico Estadístico tprobabilidadinferior 95%Superior 95% Intercepción X E Un 67 % de la variación del rendimiento de la cementera es explicado por la variación del mercado. 22
23 Prueba de Significancia Una hipótesis de interés es H I : β 1 0 Significado. Si hay evidencia que β 1 0, esto indica que la variable X explica cambios en el valor promedio de Y. El paquete calcula el intervalo de confianza para β 1. Hay evidencia de que β 1 > 0 No hay evidencia de que β Hay evidencia de que β 1 < 0 23
24 Ejemplo, Y=rendimientos cementera. Resumen Estadísticas de la regresión Coeficiente Coeficiente R^2 ajusta Error típico Observacio 19 Hay evidencia de que β 1 >0. El rendimiento del mercado es significativo en explicar la variación del rendimiento de esta acción. Gráfico intervalo de confianza ANÁLISIS DE VARIANZA Grados de libertadsuma de cuadrados io de los cua F lor crítico de F Regresión E-05 Residuos Total Coeficientes Error típico Estadístico tprobabilidadinferior 95%Superior 95% Intercepción X E
25 Generación de Pronósticos. Se pueden generar pronósticos puntuales y por intervalo con el modelo. Se requiere la varianza del error de pronóstico para calcular el margen de error. Las fórmulas para la varianza del error de pronóstico son demasiado complicadas, por lo que se omitirán. Se usará el paquete Minitab para calcular los intervalos de pronóstico. Cuando el tamaño de muestra es pequeño el intervalo de pronóstico puede ser prácticamente inútil. 25
26 Generación de Pronósticos con Minitab. Pegar los datos (X,Y) desde Excel sobre la hoja de Minitab. Cascada de menues: Stat...Regression...Regression Argumentos: Response: Y Predictors: X Options...Prediction intervals for new observations: dar el o los valores de X para los cuales se desea el pronóstico 26
27 Generación de Pronósticos. Ejemplo. Pronosticaremos el rendimiento de la cementera si el rendimiento del mercado es de tres puntos porcentuales. Predicted Values for New Observations New Obs Fit SE Fit 95.0% CI 95.0% PI ( 4.447, 7.291) ( , ) Values of Predictors for New Observations New Obs Mercado Intervalo de confianza para rendimiento esperado E(Y X=3) Intervalo de pronóstico para el rendimiento observado Y. 27
28 Problemas recomendados Capítulo sin c). 39, graficando el modelo ajustado; verificando: el valor del coeficiente de determinación y si hay evidencia de que β hacer inciso (a); graficando el modelo ajustado; verificando: el valor del coeficiente de determinación y si hay evidencia de que β
Regresión Lineal Múltiple. Dr. Víctor Aguirre Torres, ITAM. Guión 12.
Regresión Lineal Múltiple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función del cambio simultáneo otras variables (x 1, x 2,..., x p ). y=variable dependiente (cuantitativa)
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
Más detallesModelo de Regresión Lineal Simple
1. El Modelo Modelo de Regresión Lineal Simple El modelo de regresión lineal simple es un caso especial del múltple, donde se tiene una sola variable explicativa. y = β 0 + β 1 x + u (1.1) Donde u representa
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesUniversidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Segunda Prueba Parcial Lapso 7-746 /6 Universidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: 6-6 - 6 Fecha: --8 MODELO DE RESPUESTAS Objetivos 5 al 8 OBJ 5
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesTaller I Econometría I
Taller I Econometría I 1. Considere el modelo Y i β 1 + ɛ i, i 1,..., n donde ɛ i i.i.d. N (0, σ 2 ). a) Halle el estimador de β 1 por el método de mínimos cuadrados ordinarios. Para realizar el procedimiento
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía
ECONOMETRÍA I Tema 2: El Modelo de Regresión Lineal Simple Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 42 Modelo de Regresión
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesTALLER DE INTRODUCCIÓN A LOS NEGOCIOS
REGRESIÓN LINEAL SIMPLE INTRODUCCIÓN Si sabemos que existe una relación entre una variable denominada dependiente y otras denominadas independientes (como por ejemplo las existentes entre: la experiencia
Más detallesDoc. Juan Morales Romero
Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesLa recta de regresión
La recta de regresión (x 1, y 1 ), (x 2, y 2 ),...,(x N, y N ) : 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
Más detallesTema 2: Regresión. Grado en Fisioterapia, 2010/11. Jesús Montanero Fernández. Cátedra de Bioestadística Universidad de Extremadura
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 8 de noviembre de 2010 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal simple 2 3 Índice 1 Regresión lineal
Más detallesEscuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez.
Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez. Econometría Regresión Múltiple: Municipio Ocupados Población Analfabeta Mayor de 10 años Total de Viviendas Bejuma 18.874 1.835
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesCoeficiente de Correlación
Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 5
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 5: Relación entre variables (II) 1.- Cuál de las siguientes afirmaciones es verdadera? A) Una correlación de 0 78 entre dos variables X e Y tiene la misma intensidad
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesPP: gran cantidad de faltantes. Mejor solución no siempre es la misma: 1) Trabajar con datos incompletos (ojo con no sesgar la serie!!
PP: gran cantidad de faltantes Mejor solución no siempre es la misma: 1) Trabajar con datos incompletos (ojo con no sesgar la serie!!) 2) Completar con algún método Definición: Homegeneidad 2 estaciones
Más detallesLa línea recta: Serie1
La línea recta: En una línea recta tenemos una relación entre dos variables, la independiente (x) y la dependiente (y). La forma en que se relacionan dependerá de la función que describa dicha relación.
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesEconometría Aplicada
Econometría Aplicada Inferencia estadística, bondad de ajuste y predicción Víctor Medina Intervalos de confianza Intervalos de confianza Intervalos de confianza Intervalos de confianza La pregunta que
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 7 Problema 1. Tengamos el siguiente ANOVA obtenido en una investigación con N 15 donde se estudia la relación entre autoeficacia percibida (X y el rendimiento
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesRegresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t")
Regresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t") Ejemplo: (archivo datoempleado.dat) Fh (Referencia=Mujer) variables en el archivo names(b) [1] "id" "sexo" "fechnac" "educ" "catlab"
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesRegresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16
Regresión Lineal Rodrigo A. Alfaro 2009 Rodrigo A. Alfaro (BCCh) Regresión Lineal 2009 1 / 16 Contenidos 1 Regresiones Lineales Regresión Clásica Paquetes estadísticos 2 Estadísticos de Ajuste Global 3
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detallesÍNDICE. Prefacio... xi
ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple
Unidad Temática 3: Estadística Analítica Unidad 9 Correlación y Regresión Lineal Simple Análisis de Correlación Creado por Karl Pearson en 1920. Tiene el propósito de medir el grado de asociación observado
Más detallesEstadística Inferencial. Sesión 11. Regresión y correlación múltiple
Estadística Inferencial Sesión 11. Regresión y correlación múltiple Contextualización En la sesión anterior se presentó la regresión lineal simple y se mostró su uso en la obtención de una ecuación de
Más detallesAjustando Curva SnapStat
STATGRAPHICS Rev. 9/14/26 Ajustando Curva SnapStat Resumen El procedimiento Ajustando Curva SnapStat crea un resumen de una pagina que describe la relación entre un solo factor cuantitativo X y una variable
Más detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente
Más detallesRegresión Lineal. El modelo de regresión caracteriza la relación entre una variable respuesta que depende de k variables independientes o regresoras.
Regresión Lineal Los factores envueltos en la experimentación pueden ser de tipo cuantitativos o cualitativos Un factor cuantitativo es aquel que sus niveles pueden ser asociados con puntos dentro de una
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesTODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)
TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) NOTA IMPORTANTE - Estas notas son complementarias a las notas de clase del primer semestre correspondientes a los temas de Regresión
Más detalles5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No. 9 Nombre: Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión
Más detallesEconometría 1. Karoll GOMEZ Segundo semestre 2017
Econometría 1 Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 II. El modelo de regresión lineal Esperanza condicional I Ejemplo: La distribución de los salarios
Más detallesTécnicas Cuantitativas para el Management y los Negocios
Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis
Más detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
Más detallesPor qué unos cerezos tienen mayor volumen que otros?
En la siguiente tabla se muestra el volumen (en pies cúbicos) de 31 cerezos. Observamos que no todos los cerezos tienen el mismo volumen, es decir, constatamos variabilidad en el volumen de los cerezos.
Más detallesEjemplo de Regresión Lineal Simple
Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3
Más detalles2.3.1 Métodos cuantitativos para los pronósticos. MÉTODOS CUANTITATIVOS
2.3.1 Métodos cuantitativos para los pronósticos. MÉTODOS CUANTITATIVOS Los modelos cuantitativos de pronósticos son modelos matemáticos que se basan en datos históricos. Estos modelos suponen que los
Más detallesCurso de nivelación Estadística y Matemática
Modelo de Curso de nivelación Estadística y Matemática Pruebas de hipótesis, y Modelos ARIMA Programa Técnico en Riesgo, 2017 Agenda Modelo de 1 2 Asociación Medidas de asociación para variables intervalo
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesRelación 3 de problemas
ESTADÍSTICA II Curso 2016/2017 Grado en Matemáticas Relación 3 de problemas 1. La Comunidad de Madrid evalúa anualmente a los alumnos de sexto de primaria de todos los colegios sobre varias materias. Con
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesTema VII. La predicción de variables
7.1. La ecuación lineal de regresión: - Variable dependiente e independiente (fijas ó aleatorias):. Fijas (modelo I de regresión). Aleatorias (modelo II; más complejo) - Objetivo predictivo (básico en
Más detallesEconometría 1. Karoll GOMEZ Segundo semestre 2017
Econometría 1 Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 II. El modelo de regresión lineal Esperanza condicional I Ejemplo: La distribución de los salarios
Más detallesRegresión Simple. Leticia Gracia Medrano. 2 de agosto del 2012
Regresión Simple Leticia Gracia Medrano. lety@sigma.iimas.unam.mx 2 de agosto del 2012 La ecuación de la recta Ecuación General de la recta Ax + By + C = 0 Cuando se conoce la ordenada al origen y su pendiente
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesCapitulo. Describir la relación entre dos variables Pearson Prentice Hall. All rights reserved
Capitulo 34 Describir la relación entre dos variables Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta fundamental debe ser si podemos utilizar el valor
Más detalles