REGRESIÓN. Pues bien, el análisis de la dependencia estadística admite dos planteamientos ( aunque íntimamente relacionados) :
|
|
- Fernando Arroyo Barbero
- hace 7 años
- Vistas:
Transcripción
1 REGRESIÓN INTRODUCCIÓN REGRESIÓN DE LA MEDIA REGRESIÓN MÍNIMO-CUADRÁTICA REGRESIÓN LINEAL RECTA DE REGRESIÓN Y/X RECTA DE REGRESIÓN X/Y COEFICIENTES DE REGRESIÓN RESIDUOS BONDAD DEL AJUSTE VARIANZA RESIDUAL VARIANZA DE LA REGRESIÓN COEFICIENTE DE DETERMINACIÓN REGRESIÓN MÍNIMO CUADRÁTICA NO-LINEAL REGRESIÓN POTENCIAL REGRESIÓN PARABÓLICA REGRESIÓN EXPONENCIAL INTRODUCCIÓN En e marco de anáisis estadístico mutidimensiona interesa, en gran medida, descubrir a interdependencia o a reación existente entre dos o más de as características anaizadas. La dependencia entre dos ( o más ) variabes puede ser ta que se base en una reación funciona (matemática ) exacta, como a existente entre a veocidad y a distancia recorrida por un móvi; o puede ser estadística. La dependencia estadística es un tipo de reación entre variabes ta que conocidos os vaores de a ( as) variabe (variabes ) independiente(s) no puede determinarse con exactitud e vaor de a variabe dependiente, aunque si se puede egar a determinar un cierto comportamiento (goba) de a misma. (Ej. : a reación existente entre e peso y a estatura de os individuos de una pobación es una reación estadística). Pues bien, e anáisis de a dependencia estadística admite dos panteamientos ( aunque íntimamente reacionados) : E estudio de grado de dependencia existente entre as variabes que queda recogido en a teoría de a correación. La determinación de a estructura de dependencia que mejor exprese a reación, o que es anaizado a través de a regresión. Una vez determinada a estructura de esta dependencia a finaidad útima de a regresión es egar a poder asignar e vaor que toma a variabe Y en un individuo de que conocemos que toma un determinado vaor para a variabe X (para as variabesx,x,..., Xn ). J.ejarza & I.Lejarza
2 En e caso bidimensiona, dadas dos variabes X e Y con una distribución conjunta de frecuencias ( xi, yj,nij ), amaremos regresión de Y sobre X ( Y/X) a una función que expique a variabe Y para cada vaor de X, y amaremos regresión de X sobre Y (X/Y) a una función que nos expique a variabe X para cada vaor de Y.(Hay que amar a atención, como se verá más adeante, que estas dos funciones, en genera, no tienen por qué coincidir). REGRESIÓN DE LA MEDIA. La primera aproximación a a determinación de a estructura de dependencia entre una variabe Y y otra u otras variabes X (X,X,..., Xn) es a amada regresión de a media (regresión I) (regresión en sentido estricto). Consideremos e caso bidimensiona: Regresión Y/X (en sentido estricto) (de a media). Consistirá en tomar como función que expica a variabe Y a partir de a X a una función que para cada vaor de X, xi, e haga corresponder (como vaor de Y ) e vaor de a media de a distribución de Y condicionada a xi.la función de regresión quedaría expicitada por e conjunto de puntos: ( x i,y/x i ). Regresión X/Y (en sentido estricto) (de a media). Consistirá en tomar como función que expica a variabe X a partir de a Y a una función que para cada vaor de Y, y j, e haga corresponder (como vaor de X ) e vaor J.ejarza & I.Lejarza
3 de a media de a distribución de X condicionada a Yj.La función de regresión quedaría expicitada por e conjunto de puntos: ( x/y j,y j ). REGRESIÓN MÍNIMO-CUADRÁTICA Consiste en expicar una de as variabes en función de a otra a través de un determinado tipo de función (inea, parabóica, exponencia, etc.), de forma que a función de regresión se obtiene ajustando as observaciones a a función eegida, mediante e método de Mínimos-Cuadrados (M.C.O.). Eegido e tipo de función ƒ ( ) a función de regresión concreta se obtendrá minimizando a expresión: (y j - ƒ (x i ) ). nij en e caso de a regresión de Y/X i= j= (x i - ƒ (y j ) ). nij en e caso de a regresión de X/Y i= j= Puede probarse que es equivaente ajustar por mínimos cuadrados a totaidad de as observaciones (toda a nube de puntos) que reaizar e ajuste de os puntos obtenidos por a regresión de a media; de forma que a regresión mínimo-cuadrática viene ser, en cierto modo, a consecución de una expresión anaítica operativa para a regresión en sentido estricto. 3 J.ejarza & I.Lejarza
4 REGRESIÓN LINEAL A pesar de a senciez de as funciones ineaes tiene una importancia fundamenta. La regresión será inea cuando a función de ajuste seeccionada sea una función inea, una recta, se haba también de recta de regresión. Recta de regresión de Y/X (M.C.O) Pretendemos obtener como función de regresión que nos expique a variabe Y en función de os vaores de X una función inea, con e criterio de que minimice os cuadrados de as diferencias entre os vaores reae s y os teóricos (según a regresión). i= j= La función de regresión a obtener es y* = a + b X con a pretensión de que (yj - (a+b x i ) ).n ij sea mínima. i= j= Habrá que encontrar os vaores de os parámetros a y b que minimizan esa expresión. Es decir que anuan simutáneamente as derivadas parciaes de a función: ψ (a,b)= (yj - (a+b x i ) ).n ij : (Sistema de ecuaciones normaes) i= j= ψ a = 0 e = 0 (y j -a-b x i ). n ij (-)= 0 i= j= ψ b = 0 [ yj -a-b x i ). n ij ].[- i= j= x i n ij ] = 0 i= j= yj n ij =a n i= j= i= j= ij +b x i= j= y j x i n ij = a x i= j= i= j= i n ij +b i= j= i n ij x i n ij (*) restando a segunda ecuación por a primera mutipicada por -x, quedará: 4 J.ejarza & I.Lejarza
5 S xy =b S x (*) de forma que de (*) y de (*) se concuye que os vaores de a y b que minimizan os cuadrados de os residuos y que, por tanto son os parámetros de ajuste mínimocuadrático serán: La ecuación de a recta de regresión Y/X quedará, por o tanto como: De (*), o de a propia ecuación de a recta se deduce que a recta de regresión de Y/X pasa por e centro de gravedad de a distribución. Otra expresión aternativa de a recta de regresión de regresión Y/X es: Recta de regresión de X /Y (M.C.O) Pretendemos obtener, ahora a regresión inea que nos expique a variabe X en función de os vaores de Y.E procedimiento de obtención será, en todo anáogo, a anterior, pero ahora a función de regresión a obtener será: x* = a' + b' Y con a pretensión de que: (xi - (a'+b' y j ) ).n ij sea mínima. i= j= Habrá que encontrar os vaores de os parámetros a' y b' que minimizan esa expresión.es decir que anuan simutáneamente as derivadas parciaes de a función: ψ (a', b' )= (xi - (a'+b' y j ) ).n ij : (Sistema de ecuaciones normaes) i= j= 5 J.ejarza & I.Lejarza
6 ψ a = 0 ψ b = 0 (x i -a'-b' y j ). n ij (-)= 0 i= j= [ x i -a'-b' y j ). n ij ].[- i= j= y j n ij ] = 0 i= j= x i n ij =a' nij +b' y i= j= y j x i n ij = a i= j= i= j= i= j= i= j= x i n ij +b i= j= j n ij x i n ij (*') quedará: restando a segunda ecuación por a primera mutipicada por -y, S xy =b' S y (*') de forma que de (*') y de (*') se concuye que os vaores de a' y b'que minimizan os cuadrados de os residuos y que, por tanto son os parámetros de ajuste mínimocuadrático serán: como: La ecuación de a recta de regresión Y/X quedará, por o tanto De (*), o de a propia ecuación de a recta se deduce que a recta de regresión de Y/X pasa por e centro de gravedad de a distribución. 6 J.ejarza & I.Lejarza
7 Otra expresión aternativa de a recta de regresión de regresión Y/X es: Coeficientes de regresión Se ama coeficiente de regresión a a pendiente de a recta de regresión: en a regresión Y/X : b = S xy / S x en a regresión X/Y b' = S xy / S y E signo de ambos coincidirá con e de a covarianza, indicándonos a tendencia (directa o inversa a a covariación).es interesante hacer notar que b.b'= r Nota. Reaizada a regresión (por ejempo a Y/X, aunque ocurre igua con a X/Y), podemos considerar e resutado obtenido Y* como una variabe (que se obtiene en función de os vaores de X) (variabe regresión) de manera que: Y* es ta que y* i = a + b x i Puede iguamente considerarse otra variabe e (amada residuo) que resuta ser, precisamente a diferencia entre e vaor rea de a variabe regresando (Y) y e vaor teórico de a regresión (Y*): e i =y i -y* i De e resutado de a recta de regresión es obvio que a media de a variabe regresión coincide con a media de a variabe regresando: Y de este resutado se deduce que a media de os residuos o errores es cero e = 0. Además es sencio probar que as variabes regresión y residuo están incorreacionadas y por tanto: y * =. y 7 J.ejarza & I.Lejarza
8 BONDAD DEL AJUSTE (Varianza residua, varianza de a regresión y coeficiente de determinación) Por bondad de ajuste hay que entender e grado de acopamiento que existe entre os datos originaes y os vaores teóricos que se obtienen de a regresión. Obviamente cuanto mejor sea e ajuste, más úti será a regresión a a pretensión de obtener os vaores de a variabe regresando a partir de a información sobre a variabe regresora Obtener indicadores de esta bondad de ajuste es fundamenta a a hora de optar por una regresión de un determinado tipo u otro. Puesto que a media de os residuos se anua, e primer indicador de a bondad de ajuste (no puede ser e error medio) será e error cuadrático medio, o varianza de residuo, o varianza residua : Considerando a regresión Y/X: Que será una cantidad mayor o igua que cero.de forma que cuanto más baja sea mejor será e grado de ajuste. Si a varianza residua vae cero e ajuste será perfecto (ya que no existirá ningún error ). De hecho de que y i =y* i +e i,y de que as variabes y* ý e están incorreacionadas se tiene que: Donde S y* es a amada varianza de a regresión y supone a varianza de a variabe regresión: Iguadad fundamenta anterior de a que se deduce que a varianza tota de a variabe y puede descomponerse en dos partes una parte expicada por a regresión( a varianza de a regresión) y otra parte no expicada (a varianza residua). Considerando que a varianza nos mide a dispersión de os datos este hecho hay que entendero como que a dispersión tota inicia queda, en parte expicada por a regresión y en parte no.cuanto mayor sea a proporción de varianza expicada (y menor a no expicada) tanto mejor será e ajuste y tanto más úti a regresión. 8 J.ejarza & I.Lejarza
9 A a proporción de varianza expicada por a regresión se e ama coeficiente de determinación ( en nuestro caso inea): R S = S y* R S = S que evidentemente estará siempre comprendido entre 0 y y, en consecuencia, da cuenta de tanto por uno expicado por a regresión. Una consecuencia importante en a práctica es que a varianza residua será obviamente: y* Es sencio probar que en e caso inea que nos ocupa e coeficiente de determinación coincide con e cuadrado de coeficiente de correación: R = r Con o cua a varianza residua y a varianza debida a a regresión pueden cacuarse a partir de coeficiente de correación: REGRESIÓN MÍNIMO CUADRÁTICA NO-LINEAL La regresión mínimo-cuadrática puede pantearse de forma que a función de ajuste se busca no sea una función inea. E panteamiento genera sería simiar, aunque obviamente habría que minimizar e cuadrado de os residuos entre os datos originaes y os vaor teóricos obtenibes a través de a función no-inea considerada. Regresión parabóica.desarroaremos someramente a regresión Y/X y debe quedar caro que a regresión X/Y resutaría anáoga. Supongamos para simpificar que os datos no están agrupados por frecuencias. En ta caso, obtener a función parabóica y* = a 0 +a x+a x se evará a cabo determinado os vaores de os tres parámetros a 0,a,a que minimicen : ψ (a 0,a,a )=Σ (yi- (a 0 +a x+a x )) Iguaando a cero as tres derivadas parciaes se obtendrá as ecuaciones normaes, que convenientemente manipuadas acaban siendo: 9 J.ejarza & I.Lejarza
10 y j =N a 0 + a j= y j x i = a 0 i= j= y j x i = a 0 i= j= x i + a x i i= i= x i + a i= 3 x i + a x i i= i= x i + a x i a x i i= i= i= Sistema de ecuaciones de que se pueden despejar os vaores de os coeficientes de regresión. Regresión exponencia Será aquea en a que a función de ajuste será una función exponencia de tipo y = a.b x La regresión exponencia aunque no es inea es ineaizabe tomando ogaritmos ya que haciendo e cambio de variabe v = og y tendremos que a función anterior nos generaría: v = og y = og( a.bx) = og a + x og b a soución de nuestro probema vendría de resover a regresión inea entre v ý x, y una vez obtenida supuesta ésta: v* = A + B x ; obviamente a soución fina será: a = antiog A y b = antiog B. Regresión potencia. Será aquea en a que a función de ajuste sea una función potencia de tipo: y = a. x b también en este caso se resueve ineaizando a función tomando ogaritmos ya que: og y = og a + b og x Considerando as nuevas variabes v = og y u= og x resoveríamos a regresión inea entre eas de forma que si e resutado fuera: v*= A +B u La soución fina quedaría como a= antiog A y b= B 0 J.ejarza & I.Lejarza
Lección 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 detallesTEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN
4.5.- En cuál de los siguientes casos se podría utilizar la varianza residual en lugar del coeficiente de determinación para medir la calidad del ajuste? Con el mismo conjunto de datos y dos ajustes distintos.
Más detallesEstadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada
Estadística Descriptiva Bivariada En el aspecto conceptual, este estudio puede ser generalizado fácilmente para el caso de la información conjunta de L variables aunque las notaciones pueden resultar complicadas
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 detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesTEMA 3 REGRESIÓN Y CORRELACIÓN
TEMA 3 REGRESIÓN Y CORRELACIÓN Regresión mínimo-cuadrática bidimensional Planteamiento del problema Dadas dos variables aleatorias X e Y definidas sobre un mismo espacio de probabilidad (asociadas a un
Más detallesUNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:
UNIDAD Nº4 TEORÍA DE REGRESIÓN Y CORRELACIÓN 1.- Teoría de Regresión.- En términos de estadística los conceptos de regresión y ajuste con líneas paralelas son sinónimos lo cual resulta estimar los valores
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesGUIA 10. Series de Fourier. 1. Revisión sobre el espacio euclideo R n
GUIA 1 Series de Fourier A finaes de sigo XVIII Jan Baptiste Joseph Fourier (1768-183) descubrió un método que permite aproximar funciones periódicas mediante combinaciones ineaes de funciones trigonométricas
Más detallesX Y
Capítulo 2 Distribuciones bivariantes Hasta ahora hemos estudiado herramientas que nos permiten describir las características de un único carácter Sin embargo, en muchos casos prácticos, es necesario estudiar
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesESTADÍSTICA Hoja 2
Estadística 1 ESTADÍSTICA 05-06. Hoja 2 1. Dada la variable bidimensional (X, Y ), Es cierto que: a) La suma de todas las frecuencias absolutas conjuntas es igual al número de datos.? b) La suma de todas
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: Estadística Bivariante Unidad 1: Correlación y Regresión
Estadística Tema 2: Estadística Bivariante Unidad 1: Correlación y Regresión Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
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 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 detallesTema 9: Estadística en dos variables (bidimensional)
Tema 9: Estadística en dos variables (bidimensional) 1. Distribución de frecuencias bidimensional En el tema anterior se han estudiado las distribuciones unidimensionales obtenidas al observar sólo un
Más detallesAJUSTE PLANTEAMIENTO DEL PROBLEMA
AJUSTE PLANTEAMIENTO DEL PROBLEMA DIFERENCIA ENTRE INTERPOLACIÓN Y AJUSTE METODOLOGÍA DEL AJUSTE MÉTODO DE MÍNIMOS CUADRADOS MODELO LINEAL MODELO EXPONENCIAL EJEMPLO PLANTEAMIENTO DEL PROBLEMA Cuando los
Más detallesTema 2: Análisis de datos bidimensionales
Tema : Análisis de datos bidimensionales Variables estadísticas bidimensionales Distribuciones de frecuencias asociadas Regresión y correlación En una población puede resultar interesante considerar simultáneamente
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 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 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 detalles5.1. Soluciones de EDP s de coeficientes constantes
Práctica 5 Ecuaciones en derivadas parciaes En esta práctica veremos cómo es posibe utiizar e programa Mathematica para resover agunos tipos de ecuaciones en derivadas parciaes. Revisaremos también agunas
Más detallesESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL
ESTADÍSTICA. DISTRIBUCIÓN BIDIMENSIONAL CONCEPTOS PREVIOS RELACIÓN ESTADÍSTICA Dos variables x e y están relacionadas estadísticamente cuando conocida la primera se puede estimar aproximadamente el valor
Más detalles2. ESTADÍSTICAS BIDIMENSIONALES
TEMA. ESTADÍSTICAS BIDIMENSIONALES.... Definición. Objetivos.... Coeficiente de Correlación. Lineal... 4 3. Rectas de regresión.... 7 . Definición. Objetivos En el tema anterior hemos estudiado las distribuciones
Más detalles1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1
8 Estadística 81 Distribuciones unidimensionales Tablas de frecuencias En este tema nos ocuparemos del tratamiento de datos estadísticos uestro objeto de estudio será pues el valor de una cierta variable
Más detallesMatemáticas. Bioestadística. Correlación y Regresión Lineales
Matemáticas Bioestadística Correlación y Regresión Lineales En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo, si se analiza la
Más detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
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 detallesRelación funcional Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se
Distr ibuciones bidim ensionales Relación funcional Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplos Si se
Más detallesRelación entre la altura y la distancia del suelo al ombligo
Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
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 detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
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 detallesDistribuciones Bidimensionales.
Distribuciones Bidimensionales. 1.- Variables Estadísticas Bidimensionales. Las variables estadísticas bidimensionales se representan por el par (X, Y) donde, X es una variable unidimensional, e Y es otra
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 detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
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 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 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 detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesANÁLISIS DE REGRESIÓN N LINEAL
ANÁLISIS DE REGRESIÓN N LINEAL Varias partes tomadas de Julio H. Cole "Nociones de Regresión Lineal" en Enciclopedia Multimedia Virtual de Economía EMVI. http://eumed.net/cursecon/medir/index.htm Análisis
Más detallesEstadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión
Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo
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 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 detallesVariables estadísticas bidimensionales
Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO
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 detallesPráctica 5. Modelos empíricos a partir de datos experimentales
Grado en Ciencia y Tecnología de los Alimentos Fundamentos de Ingeniería de los Alimentos Práctica 5 Modelos empíricos a partir de datos experimentales 1 1.- Regresión lineal La regresión consiste en deducir,
Más detallesUN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL.
UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL. Benjamín R. Sarmiento Lugo. Universidad Pedagógica Nacional bsarmiento@pedagogica.edu.co Esta conferencia está basada en uno de los temas desarrollados
Más detallesFunciones de dos variables:extremos locales de funciones de dos variables. Condición necesaria. Teorema de los valores extremos.
Funciones de dos variables:extremos locales de funciones de dos variables. Condición necesaria.. 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Contenidos 1 Introducción 2 3 4 Índice
Más detallesTema 2: Estadística Descriptiva Bivariante.
Estadística 24 Tema 2: Estadística Descriptiva Bivariante. Se va a estudiar la situación en la que los datos representan observaciones, correspondientes a dos variables o caracteres, efectuadas en los
Más detallesESTADÍSTICA DESCRIPTIVA PARA EL TURISMO
ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO RELACIÓN DE PROBLEMAS PROPUESTOS DE DOS VARIABLES Curso académico 2004-2005 DPTO. ECONOMÍA APLICADA I 1.- Las calificaciones obtenidas por un grupo de alumnos en
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
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 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 detallesPRINCIPIO DE MINIMA ENERGIA POTENCIAL TOTAL
Apéndice B Principio de Mínima Energía Potencia Tota B.- Introducción E Método de Rigidez fue desarroado para reticuados basándose en a hipótesis inea para a reación entre fuerzas y despazamientos, a partir
Más detallesCancelación de ruido en imágenes mediante la Transformada Wavelet Discreta usando un FPGA
Fourth LCCEI Internationa Latin merican and Caribbean Conference for Engineering and Technoogy (LCCET 2006) Breaking Frontiers and Barriers in Engineering: Education, Research and Practice 21-23 June 2006,
Más detallesAPUNTES DE QUIMIOMETRIA REGRESIO LINEAL
REGRESIO LINEAL APUNTES DE QUIMIOMETRIA Datos anómalos y levas en las rectas de calibrado. Regresión robusta Mínima mediana de cuadrados Recta de calibrado mediante mínimos cuadrados. Hipótesis básicas
Más detallesa de un conjunto S de R n si
1 235 Máximos, mínimos y puntos de ensilladura Definición.- Se dice que una función real f( x) tiene un máximo absoluto en un punto a de un conjunto S de R n si f( x) f( a) (2) para todo x S. El número
Más detallesJulio Deride Silva. 4 de junio de 2010
Curvas ROC y Regresión Lineal Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 4 de junio de 2010 Tabla de Contenidos Curvas ROC y Regresión Lineal
Más detallesBioestadística. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si.
1 de 5 15/10/2006 06:04 a.m. Bioestadística. Correlación y regresión lineales. En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo,
Más detallesMódulo de Estadística
Módulo de Estadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton
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 detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
Más detallesSolución analítica de problemas de contorno. Ecuación de ondas
Práctica 2 Soución anaítica de probemas de contorno. Ecuación de ondas 2.1. Ecuación de ondas 1D: Vibraciones forzadas de una cuerda finita con extremos móvies La ecuación de ondas para una cuerda finita
Más detallesAjuste por mínimos cuadrados
Mathieu Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Cartagena, Enero 2010 Guión 1 Planteamiento 2 Criterio de mínimos cuadrados 3 Casos concretos: regresión lineal
Más detallesLos estimadores mínimo cuadráticos bajo los supuestos clásicos
Los estimadores mínimo cuadráticos bajo los supuestos clásicos Propiedades estadísticas e inferencia Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni MCO bajo los supuestos clásicos 1
Más detallesUn modelo para representar una relación aproximadamente
Regresión Se han visto algunos ejemplos donde parece que haya una relación aproximadamente lineal entre dos variables. Supongamos que queremos estimar la relación entre las dos variables. Cómo ajustamos
Más detallesVariables estadísticas bidimensionales: problemas resueltos
Variables estadísticas bidimensionales: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO
Más detallesRegresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.
1 DEFINICIONES PREVIAS Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. Correlación: es la cuantificación del grado de relación existente
Más detallesApéndice B APÉNDICE B: PROPIEDADES DE TENSORES DE SEGUNDO RANGO
Apéndice B APÉNDICE B: PROPIEDADES DE TENSORES DE SEGUNDO RANGO B1 Descomposición invariante de espacio 2 E E grupo O(n) de as transformaciones ortogonaes divide e espacio vectoria de os tensores cartesianos
Más detallesProbabilidad y Estadística - Clase 3
Probabilidad y Estadística - Clase 3 Relación entre dos variables Karl Pearson (1857-1936). Matemático británico. Mejoró los trabajos de Francis Galton. Se propuso estudiar la relación entre la estatura
Más detallesRAZONES Y PROPORCIONES
RAZONES Y PROPORCIONES Se ama razón entre dos números a y b (con b 0), a cociente de a división de a por b. a b Por ejempo, si digo que hay una computadora cada 0 aumnos estoy habando de a razón de. 0
Más detallesPotencial central Potenciales centrales. Ecuaciones radiales. Si el Hamiltoniano de una partícula es
Capítuo 6 Potencia centra 6.1. Potenciaes centraes. Ecuaciones radiaes Si e Hamitoniano de una partícua es H = 1 M p +V r, entonces [H, L] =. Si ψ es autofunción de H a autovaor E, sean ψ =,1,, as proyecciones
Más detallesPROBLEMAS SOBRE V. ESTAD. BIDIMENSIONALES. PROFESOR: ANTONIO PIZARRO.
1º) (Andalucía, Junio, 98) Se considera la siguiente tabla estadística, donde a es una incógnita: X 2 4 a 3 5 Y 1 2 1 1 3 a) Calcular el valor de a sabiendo que la media de X es 3. b) Mediante la correspondiente
Más detallesTema 1: Estadística descriptiva. Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1
Tema 1: Estadística descriptiva Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1 Introducción Objetivo: estudiar una característica o variable en una población. Ejemplos:
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 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 detallesEl punto de equilibrio y el análisis coste-volumenbeneficio. Gestión de Costes
E punto de equiibrio y e anáisis coste-voumenbeneficio. Caso práctico Los anáisis basados en e cácuo de punto de equiibrio permiten a una empresa tomar decisiones sobre sus estructuras de costes e ingresos.
Más detallesEconometría II. Hoja de Problemas 1
Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli
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 detallesBioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión
Bioestadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en
Más detallesPreliminares Métodos de Ajuste de Curvas AJUSTE DE CURVAS AJUSTE DE CURVAS
Contenido 1 Preliminares Definiciones 2 Definiciones Contenido 1 Preliminares Definiciones 2 Definiciones Definiciones En ciencias e ingeniería es frecuente que un experimento produzca un conjunto de datos
Más detallesEstadística Descriptiva II: Relación entre variables
Estadística Descriptiva II: Relación entre variables Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de
Más detallesINSTITUCIÓN EDUCATIVA PEDRO ESTRADA FÍSICA GRADO 11 PROFESOR: ELVER RIVAS
INSTITUCIÓN EDUCATIVA PEDRO ESTRADA FÍSICA GRADO PROFESOR: ELVER RIVAS PRIMER PERIODO MOVIMIENTO ARMÓNICO SIMPLE (M.A.S.).- Movimiento osciatorio..- Cinemática de movimiento armónico simpe. 3.- Dinámica
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 detallesESTADÍSTICA. Individuo. Es cada uno de los elementos que forman la población o muestra.
ESTADÍSTICA La estadística tiene por objeto el desarrollo de técnicas para el conocimiento numérico de un conjunto de datos empíricos (recogidos mediante experimentos o encuestas). Según el colectivo a
Más detallesEstadística descriptiva bivariante y regresión lineal.
Estadística descriptiva bivariante y regresión lineal. 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en su libro Natural inheritance (1889) refiriéndose a la
Más detallesIntroducción IMADIL /17/2014. Tema 3. Características estadísticas fundamentales (Tercera parte)
IMADIL 0 /7/0 Tema. Características estadísticas fundamentales (Tercera parte) Ignacio Martín y José Luis Padilla IMADIL 0. Introducción. Representación Gráfica. Correlación. Índice Introducción Uno de
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Más detallesUNIDAD 2 Geometría 2.3 Cuadriláteros 23
UNIDAD Geometría. Cuadriáteros. Cuadriáteros OBJETIVOS Cacuar e área y e perímetro de cuadrado, rectánguo, paraeogramo, rombo y trapecio. Resover probemas en os cuaes se invoucran cuadriáteros y triánguos.
Más detallesUSO HERRAMIENTAS EXCEL PARA LA PREDICCION
USO HERRAMIENTAS EXCEL PARA LA PREDICCION Nassir Sapag Chain MÉTODO DE REGRESIÓN LINEAL SIMPLE El método de Regresión Lineal (o Mínimos cuadrados) busca determinar una recta, o más bien la ecuación de
Más detallesANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS
ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS CONTENIDO 1 Ajuste de Curvas 2 Análisis de Regresión 2.1 Métodos de Mínimos Cuadrados 2.2 Regresión Lineal AJUSTE DE CURVAS Uno de los objetivos en
Más detallesTEMA 14 ESTADÍSTICA. Cuantitativa: si puede medirse y expresarse con números (es una variable), por ejemplo la talla de calzado.
Objetivos / Criterios de evaluación TEMA 14 ESTADÍSTICA O.15.1 Conocer el significado y saber calcular los parámetros de centralización y dispersión O.15.2 Interpretar y utilizar los parámetros de dispersión.
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 detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
Más detallesPrácticas Tema 2: El modelo lineal simple
Prácticas Tema 2: El modelo lineal simple Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 2.1- Se han analizado sobre una muestra de 10 familias las variables
Más detalles