PRESENTACIÓN. Los Autores. Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán.
|
|
- Trinidad Gallego Ayala
- hace 6 años
- Vistas:
Transcripción
1 PRESENTACIÓN Regresión y Correlación lineal simple es el noveno fascículo, de una serie de guías de estudio en las que se desarrollan los temas de los programas de las asignaturas del área de Probabilidad y Estadística, así como temas selectos que complementan el aprendizaje de de esta disciplina. Tienen la característica de que el estudiante adquiera sólo aquella que trate el tema que necesite reforzar o el que sea de su propio interés. Estas guías de estudio pretenden reorientar y actualizar el enfoque con el que se debe abordar el estudio de los métodos estadísticos, despertando la inquietud por aprender y resolver los problemas y casos planteados. Cada guía integra el desarrollo del tema con ejercicios, casos de estudio y con la sección llamada Aprendiendo.com. En esta última sección se le proporciona al estudiante un ambiente interactivo, utilizando los recursos disponibles en Internet, de tal forma que los casos planteados los desarrolle en ambientes de aprendizaje que le permitan encontrarse con el conocimiento, manipularlo, hacerlo suyo. Con esta filosofía se utilizan applets, sitios de internet con acceso a bases de datos reales, software de uso libre y en general los recursos de la Web.0, que se refieren a una segunda generación en la historia de la Web basada en comunidades de usuarios, que fomentan la colaboración y el intercambio ágil de información entre los mismos. Nuestro reconocimiento a la Dirección General de Asuntos del Personal Académico de nuestra Casa de Estudios, que a través del Programa de Apoyo a Proyectos para la Innovación y Mejoramiento de la Enseñanza (PAPIME) ha apoyado nuestro proyecto Implantación de un Laboratorio Virtual de Estadística y Elaboración de las Guías de Estudio con Soporte Multimedia clave PE Los Autores
2 REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE Es común que las personas tomen decisiones personales y profesionales basadas en predicciones de sucesos futuros. Para hacer estos pronósticos, se basan en la relación intuitiva y calculada entre lo que ya se sabe y lo que se debe estimar. Si los responsables de la toma de decisiones pueden determinar cómo lo conocido se relaciona con un evento futuro, pueden ayudar considerablemente al proceso de toma de decisiones. Cualquier método estadístico que busque establecer una ecuación que permita estimar el valor desconocido de una variable a partir del valor conocido de una o más variables, se denomina análisis de regresión. Los análisis de regresión y correlación mostrarán como determinar la naturaleza y la fuerza de una relación entre dos variables. El término regresión fue utilizado por primera vez por el genetista y estadístico inglés Francis Galton ( ) en 1877 Galton efectúo un estudio que demostró que la altura d los hijos de padres altos tendía a retroceder, o regresar, hacia la talla media de la población. Regresión fue el nombre que le dio al proceso general de predecir una variable,(la talla de los niños) a partir de otra (la talla de los padres). Hoy en día, esta tendencia de miembros de cualquier población que están en una posición extrema (arriba o debajo de la media poblacional) en un momento, y luego en una posición menos extrema en otro momento, (ya sea por sí o por medio de sus descendientes), se llama efecto de regresión. El análisis de regresión se desarrolla una ecuación de estimación, es decir, una formula matemática que relaciona las variables conocidas con las desconocidas. Luego de obtener el patrón de dicha relación, se aplica el análisis de correlación para determinar el grado de relación que hay entre las variables.
3 REGRESIÓN LINEAL SIMPLE Una técnica estadística que establece una ecuación para estimar el valor desconocido de una variable, a partir del valor conocido de otra variable, (en vez de valores de muchas otras variables) se denomina análisis de regresión simple. Por lo tanto el análisis de regresión lineal simple, es el proceso general de predecir una variable (Y) a partir de otra (X). Las relaciones entre las variables pueden ser directas o también inversas. Relación directa: la pendiente de esta línea es positiva, por que la variable Y crece a medida que la variable X también lo hace. Relación inversa: La pendiente de esta línea es negativa, por que a medida que aumenta el valor de la variable Y, el valor de la variable X disminuye.
4 VARIABLE INDEPENDIENTE (X) En el análisis de regresión una variable cuyo valor se suponga conocido y que se utilice para explicar o predecir el valor de otra variable de interés se llama variable independiente; se simboliza con la letra X. Otros nombres alternativos para la variable independiente (X), son variable explicatoria, variable predictora y en ocasiones variable regresora. VARIABLE DEPENDIENTE (Y) En el análisis de regresión una variable cuyo valor se suponga desconocido y que se explique o prediga con ayuda de otra se llama variable dependiente y se simboliza con la letra Y. La variable dependiente, al igual que la variable independiente es llamada de diferentes maneras algunas de ellas son: variable explicada o variable pronosticada.
5 DIAGRAMAS DE DISPERSIÓN Un diagrama de dispersión es una ilustración gráfica que se usa en el análisis de regresión. Consta de una dispersión de puntos tal que cada punto representa un valor de la variable independiente (medido a lo largo del eje horizontal), y un valor asociado de la variable dependiente (medido a lo largo del eje vertical). El diagrama de dispersión, también llamado nube de puntos, brinda dos tipos de información, visualmente se pueden determinar los patrones que indican como las variables están relacionadas (lineal o mediante una curva) y por otro lado si existe una relación entre ellas visualizando la clase de línea o ecuación de estimación que describe a dicha relación. A continuación se ilustran algunas relaciones en los diagramas de dispersión:
6 METODO DE MINIMOS CUADRADOS El método que por lo común se utiliza para ajustar una línea a los datos muestrales indicados en el diagrama de dispersión, se llama método de mínimos cuadrados. La línea se deriva en forma tal que la suma de los cuadrados de las desviaciones verticales entre la línea y los puntos individuales de datos se reduce al mínimo. El método de mínimos cuadrados sirve para determinar la recta que mejor se ajuste a los datos muestrales, y los supuestos de este método son: El error es cero. Los datos obtenidos de las muestra son estadísticamente independientes. La varianza del error es igual para todos los valores de X. Una línea de regresión calculada a partir de los datos muestrales, por el método de mínimos cuadrados se llama línea de regresión estimada o línea de regresión muestral. Dicha línea recta es la que mejor se ajusta al conjunto de datos (X, Y) y es aquella en que la distancia que hay entre los datos y la supuesta recta es la menor posible, y se calcula mediante la siguiente formula: y ˆ = a + bx Para calcular el valor de b (pendiente), que representa el grado de inclinación que tiene la recta, se emplea la siguiente formula: b = xy n x y x n x Para calcular el valor de a (ordenada al origen), que representa el punto en que la recta corta al eje de las Y, se emplea la siguiente formula: a = y + bx Las variables a y b son constantes numéricas que son las que se calculan mediante el método de mínimos cuadrados.
7 ERROR ESTANDAR DE ESTIMACIÓN El siguiente proceso que se necesita en el análisis de la regresión lineal simple es cómo medir la confiabilidad de la ecuación de estimación que hemos desarrollado. El error estándar de estimación mide la variabilidad o dispersión de los valores observados alrededor de la línea de regresión y se representa como S e. Su formula es la siguiente: S e ( a y) ( b xy) y = n Cuanto mayor sea el error estándar de la estimación, más grande será la dispersión (o esparcimiento) de puntos alrededor de la línea de regresión. Por el contrario, si S e = 0, se espera que la ecuación de estimación sea un estimador perfecto de la variable dependiente, en este caso todos los puntos caerían directamente sobre la línea de regresión y no habría puntos dispersos, como se muestra en la siguiente figura: El error estándar de estimación tiene la misma aplicación que de la desviación estándar que se vio en los temas anteriores. Esto es, suponiendo que los puntos observados tienen una distribución normal alrededor de la recta de regresión, podemos esperar que:
8 68% de los puntos están dentro de ± 1s e 95.5% de los puntos están dentro de ± s e 99.7% de los puntos están dentro de ± 3s e El error estándar de la estimación se mide a lo largo del eje Y, y no perpendicularmente desde la recta de regresión. Las suposiciones son: 1. Los valores observados para Y tienen distribución normal alrededor de cada valor estimado de ŷ. La varianza de las distribuciones alrededor de cada valor posible de ŷ es la misma. Si esta segunda suposición no fuera cierta, entonces el error estándar en un punto de la recta de regresión podría diferir del error estándar en otro punto. PROCEDIMIENTO PARA REALIZAR UN ANÁLISIS DE REGRESIÓN LINEAL SIMPLE 1. Obtención de los datos muestrales.
9 . Los datos obtenidos se tabulan. (tener cuidado en determinar correctamente quien es la variable independiente y dependiente) X Y 3. La información se gráfica en un diagrama de dispersión, estableciéndose la posible relación entre las dos variables 4. Se calcula la pendiente. b xy nx y = x n ( x) 5. Se calcula la ordenada al origen. a = y + bx
10 6. Se obtiene la ecuación que mejor se ajusta a la información obtenida. y ˆ = a + bx 7. Se traza la línea estimada en el diagrama de dispersión. 8. Se calcula el error estándar de estimación. S e ( a y) ( b xy) y = n Por ejemplo: Una cadena de Pizzerías toma una muestra de diez de sus sucursales para tratar de encontrar un modelo matemático que le permita predecir sus ventas y obtuvo los siguientes datos: la población de personas en miles fue de, 6, 8, 8, 1, 16, 0, 0,, 6; y las ventas trimestrales en miles de pesos fue de: 58, 105, 88, 118, 117, 137, 157, 169, 169, 149, 0. Realice una regresión para estimar las ventas de dos sucursales que tienen 14,000 y 30,000 personas como potenciales clientes respectivamente. Solución Datos n=10
11 X: Población de personas en miles Y: Ventas trimestrales en miles de pesos 1. Tabular los datos obtenidos: Sucursal X Y Graficar los datos en un diagrama de dispersión y determinar la posible relación entre las variables X Y. Se puede observar una relación lineal directa.
12 3. Realizar los cálculos correspondientes Sucursal X Y XY X Y = Calculo de la pendiente. 140 x = = 14 mil personas y = = 130mil pesos 10 Por lo tanto la pendiente es ( )( 130) ( ) b = Calculo de la ordenada al origen. a = = 130 5( 14) = Obtener la ecuación que mejor se ajuste. yˆ = ( x) 5
13 7. Trazar la línea estimada. 8. Calcular el error estándar de estimación. S e = ( ) ( ) 10 = 1.1 Tiene un error de estimación de 1,10 pesos. Para una N = 14,000 1 Para una N = 30,000 yˆ = y ˆ = ( ) = ( 14,130) 130 ( 30) = ( 30,10) 10 1 Recuerda que estamos trabajando con miles de pesos, en este ejercicio.
14 CORRELACIÓN SIMPLE Mientras que el análisis de regresión simple establece una ecuación precisa que enlaza dos variables, el análisis de correlación es la herramienta estadística que podemos usar para describir el grado o fuerza en el que una variable esta linealmente relacionada con otra. Dependiendo del tamaño de esta medida cuantitativa se puede decir, que tan cercanamente se mueven dos variables, y por lo tanto, con cuanta confiabilidad se puede estimar una variable con ayuda de la otra. Una técnica estadística que establece un índice que proporciona, en un solo número, una medida de la fuerza de asociación entre dos variables de interés, se llama análisis de correlación simple. El análisis de correlación es la herramienta estadística de que nos valemos para describir el grado de relación que hay entre dos variables. A menudo el análisis de correlación simple se utiliza junto con el análisis de regresión lineal simple para medir la eficacia con que la línea de regresión explica la variación de la variable dependiente, Y. Diagramas de dispersión con correlación débil y fuerte. Existen dos medidas para describir la correlación entre dos variables: el coeficiente de determinación y el coeficiente de correlación.
15 COEFICIENTE MUESTRAL DE DETERMINACIÓN La medida más importante de que también ajusta la línea de regresión estimada en los datos muestrales en los que esta basada, es el coeficiente de determinación muestral, este es igual a la proporción de la variación total de los valores de la variable dependiente, Y, que puede explicarse por medio de la asociación de Y con X medida por la línea de regresión estimada. El coeficiente de determinación es la manera primaria de medir el grado, o fuerza, de la relación que existe entre dos variables, X y Y. El coeficiente de determinación muestral se representa como r, y mide exclusivamente la fuerza de una relación lineal entre dos variables. El Calculo del coeficiente de determinación se lleva a cabo con la siguiente formula: r ( a y) + ( b xy) ( n y ) y ( n y ) = COEFICIENTE MUESTRAL DE CORRELACIÓN La raíz cuadrada del coeficiente de determinación muestral, r, es un índice alternativo común del grado de asociación entre dos variables cuantitativas. Esta mediad se llama coeficiente de correlación muestral (r) y es un estimador puntual del coeficiente de correlación poblacional (ρ). El coeficiente de correlación muestral es la segunda medida con que puede describirse la eficacia con que una variable es explicada por otra, así pues el signo de r indica la dirección de la relación entre las dos variables X y Y.
16 El siguiente esquema representa adecuadamente la intensidad y la dirección del coeficiente de correlación muestral. El calculo del coeficiente de correlación muestral se lleva a cavo con la siguiente formula: r = r INTERVALO DE CONFIANZA Debido a que la recta estimada de regresión, no es del todo real, es necesario elaborar un intervalo de confianza que le de seguridad a nuestros cálculos. Como se ha visto, cuando se utilice el método de mínimos cuadrados, los coeficientes de regresión, a y b son estimadores insesgados, eficientes y consistentes de α y β, también aquí es muchas ocasiones es deseable establecer intervalos de confianza. Los intervalos de confianza se calculan con la siguiente fórmula: y c = yˆ ± tα /, gln Se n
17 INTERVALO DE PREDICCIÓN El intervalo de predicción, como su nombre lo indica, se utiliza para predecir un intervalo de valores de Y, dado un valor de X. El intervalo de predicción se calcula con la siguiente fórmula: y ( t ( n ) ) ( X x) x n( x) 1 = yˆ ± S e 1+ + n p α PROCEDIMIENTO PARA REALIZAR UN ANÁLISIS DE CORRELACIÓN LINEAL SIMPLE 1. Obtención y tabulación de los datos muestrales.. La información se gráfica en un diagrama de dispersión. 3. Calcular la pendiente y ordenada al origen. 4. Se obtiene la ecuación que mejor se ajusta a la información obtenida. 5. Se traza la línea estimada en el diagrama de dispersión. 6. Calcular el error estándar de estimación. 7. Calcular el coeficiente de determinación. 8. Determinar el coeficiente de correlación. 9. Determinar el intervalo de confianza. 10. Determinar el intervalo de predicción.
18 Por ejemplo: Un gerente de ventas reunió los datos siguientes relacionados con las ventas anuales en miles de pesos y los años de experiencia de diez vendedores. Estime las ventas anuales para un vendedor con 7 años de experiencia. Solución 1. Obtención y tabulación de los datos muestrales. X: Años de experiencia Y: Ventas anuales en miles de pesos.. Diagrama de dispersión. Vendedor X Y =
19 3. Realizar los cálculos correspondientes y determinar la pendiente y ordenada al origen. Vendedor X Y XY X Y = y = = x = = 7 10 b = ( 7)( 108) ( 7) = 4 a = ( 7) = Ecuación que mejor se ajusta. yˆ = ( x) Para un vendedor con 7 años de experiencia, sus ventas estimadas serían: ( 7) anuales yˆ = = 108 ventas
20 5. Trazo de la línea estimada en el diagrama de dispersión 6. Calcular el error estándar de estimación. S e = ( ) ( 4 818) 10 = Calcular el Coeficiente de Determinación. r = ( ) + ( 4 818) ( ) ( ) r = 93.03% El 93% de las ventas anuales se deben a la experiencia de los vendedores y el 7% restante de debe a otros factores. 8. Calcular el Coeficiente de Correlación = r = = Este número nos indica que las variables X Y tienen una correlación positiva intensa.
21 9. Determinar el intervalo de confianza al 95%. Considerando yˆ = 108 ventas anuales 4.61 yc = 108 ± yc y c Se puede asegurar con un nivel de confianza del 95% que las ventas de los vendedores con 7 años de experiencia están entre y miles pesos anuales. 10. Determinar el intervalo de predicción para un vendedor con 9 años de experiencia se tiene y ( t ( n ) ) ( X x) x n( x) 1 = yˆ ± S e 1+ + n p α Sustituyendo: y ( 9 7) 1 y p = 108 ± (7) y p p Se puede asegurar con un nivel de confianza del 95% que las ventas pronosticadas de un vendedor con 9 años de experiencia están entre y miles pesos anuales.
22 Ejercicios propuestos: 1. El jefe del departamento de aguas de una ciudad desea establecer una relación entre el consumo mensual domiciliario de agua Y, y el tamaño de las familias X, Dados los datos muestrales, determine: Galones de Agua Tamaño de familia. Y X a) Elabora el diagrama de dispersión. b) Calcula la pendiente y ordenada al origen. c) Obtener la ecuación que mejor se ajusta a los datos. d) Traza la línea estimada en el diagrama de dispersión. e) Calcula el error estándar de estimación. f) Calcula el coeficiente de determinación. g) Determina el coeficiente de correlación. h) Determina el intervalo de confianza al 99%. i) Determina el intervalo de predicción 99%
23 . El gerente de una compañía de seguros desea establecer la relación entre el seguro de vida de las personas Y, y sus salarios X. Realice una regresión con los datos muestrales: Seguro de vida Salario Anual. Y X a) Elabora el diagrama de dispersión. b) Calcula la pendiente y ordenada al origen. c) Obtener la ecuación que mejor se ajusta a los datos. d) Traza la línea estimada en el diagrama de dispersión. e) Calcula el error estándar de estimación. f) Calcula el coeficiente de determinación. g) Determina el coeficiente de correlación. h) Determina el intervalo de confianza al 90%. i) Determina el intervalo de predicción 90% 3. Un economista desea establecer la relación entre la tasa de desempleo Y, y la tasa de cuentas vencidas de la Tesorerías, Determine la regresión y correlación con los datos muestrales. Y X Elabora el diagrama de dispersión.. Calcula la pendiente y ordenada al origen. 3. Obtener la ecuación que mejor se ajusta a los datos.
24 4. Traza la línea estimada en el diagrama de dispersión. 5. Calcula el error estándar de estimación. 6. Calcula el coeficiente de determinación. 7. Determina el coeficiente de correlación. 8. Determina el intervalo de confianza al 95%. 9. Determina el intervalo de predicción 95% 4. Un director de ventas desea establecer la relación entre las ventas del segundo año de vendedores Y, y sus ventas del primer año X. Realice un análisis de regresión. Y X a) Elabora el diagrama de dispersión. b) Calcula la pendiente y ordenada al origen. c) Obtener la ecuación que mejor se ajusta a los datos. d) Traza la línea estimada en el diagrama de dispersión. e) Calcula el error estándar de estimación. f) Calcula el coeficiente de determinación. g) Determina el coeficiente de correlación. h) Determina el intervalo de confianza al 95%. i) Determina el intervalo de predicción 95% 5. Un gerente de comercialización desea establecer la relación entre las ventas Y, y el precio de un producto similar fabricado por la competencia X, Realice un análisis de correlación. Ventas Precio de competencia Y X
25 1. Elabora el diagrama de dispersión.. Calcula la pendiente y ordenada al origen. 3. Obtener la ecuación que mejor se ajusta a los datos. 4. Traza la línea estimada en el diagrama de dispersión. 5. Calcula el error estándar de estimación. 6. Calcula el coeficiente de determinación. 7. Determina el coeficiente de correlación. 8. Determina el intervalo de confianza al 99%. 9. Determina el intervalo de predicción 99% 6. Se hizo una encuesta a una muestra de 10 los estudiantes de 3er. Semestre de la carera de Lic. En administración del grupo 1301 del semestre y se encontraron los siguientes datos: Estudiante Altura (mts) Peso (Kg) a) Elabora el diagrama de dispersión. b) Calcula la pendiente y ordenada al origen. c) Obtener la ecuación que mejor se ajusta a los datos. d) Traza la línea estimada en el diagrama de dispersión. e) Calcula el error estándar de estimación. f) Calcula el coeficiente de determinación. g) Determina el coeficiente de correlación. h) Determina el intervalo de confianza al 95%. i) Determina el intervalo de predicción 95%
26 7. Los datos siguientes muestran las ventas (en miles de cajas) y los costos de un anuncio publicitario para la televisión (en millones de pesos) para 7 marcas principales de refrescos. Marca Gastos de publicidad ($) Ventas de cajas (miles) Coca-Cola Pepsi-Cola Sprite Diet Coke Up Jarritos Boing a) Dibuje el diagrama de dispersión, que parece indicar este diagrama acerca de la relación entre las dos variables? b) Trace una recta que pase por los datos, para aproximar una relación lineal entre los gastos del anuncio y las ventas. c) Aplique el método de los cuadrados mínimos para plantear la ecuación estimada de regresión. d) Prediga las ventas para una marca que decida gastar $7 millones de pesos en un anuncio publicitario. e) Calcule el error estándar en la regresión. f) Calcule el coeficiente de determinación y correlación e interprételos. g) Determina el intervalo de confianza al 95%. h) Determina el intervalo de predicción 95% 8. La revista del consumidor publico en su número 381 del mes de noviembre del 008 la siguiente información acerca del uso de los teléfonos celulares: Año Usuarios que compran tiempo aire en (miles de usuarios)
27 a) Trace un diagrama de dispersión para estos datos, b) Aplique el método de mínimos cuadrados para plantear la ecuación estimada de regresión. c) Trace una recta que pase por los datos, para aproximar una relación lineal entre la altura y el peso. d) Prediga cuantos usuarios compraran tiempo aire para su teléfono celular para el año 009. e) Calcule el error estándar en la regresión. f) Calcule el coeficiente de correlación y el coeficiente de determinación e interprételos. g) Determina el intervalo de confianza al 9%. h) Determina el intervalo de predicción 9% 9. Un vendedor de Century 1 desea establecer la relación entre el tiempo en meses que están a la venta los departamentos antes de lograr su venta y el precio pedido por ellos. Los datos de una muestra de 9 departamentos se muestran a continuación: Meses en venta Precio pedido (en miles de pesos) a) Trace un diagrama de dispersión para estos datos, b) Aplique el método de mínimos cuadrados para plantear la ecuación estimada de regresión. c) Prediga cuanto tiempo se tardara en vender un departamento que cueste $ 1 500,000 pesos. d) Calcule el error estándar en la regresión. e) Calcule el coeficiente de correlación y el coeficiente de determinación e interprételos. f) Determina el intervalo de confianza al 95%. g) Determina el intervalo de predicción 95%
28 10. El Orgamismo Operador de agua en el Muncipio de cuautitlán Izcalli OPERAGUA quiere conocer la relación entre en consumo mensual domiciliario de agua y el tamaño de las familias, toma una muestra de 10 familias elegidas al azar y encuentra los siguientes datos: Metros cúbicos consumidos Tamaño de la familia a) Trace un diagrama de dispersión para estos datos, b) Aplique el método de mínimos cuadrados para plantear la ecuación estimada de regresión. c) Prediga cuantos metros cúbicos al mes consumirá una familia que tiene 10 miembros. d) Calcule el error estándar en la regresión. e) Calcule el coeficiente de correlación y el coeficiente de determinación e interprételos. f) Determina el intervalo de confianza al 95%. g) Determina el intervalo de predicción 95% 11- El gerente de una mueblería FAMSA quiere conocer la relación de las ventas logradas por un vendedor en dos años, toma una muestra de 8 vendedores que lograron la etiqueta de (vendedor del mes) y encontró los siguientes datos: Unidades vendidas en el año Unidades vendidas en el año a) Trace un diagrama de dispersión para estos datos, b) Aplique el método de mínimos cuadrados para plantear la ecuación estimada de regresión. c) Calcule el error estándar en la regresión. d) Calcule el coeficiente de correlación y el coeficiente de determinación e interprételos. e) Determina el intervalo de confianza al 95%. f) Determina el intervalo de predicción 95%
29 1. Según el INEGI los nacimientos registrados en el país en el 007 fueron: Nacimientos Mes de registro Registrados 1 Enero 0,670 Febrero 11,330 3 Marzo 13,99 4 Abril 70,819 5 Mayo 5,98 6 Junio 05,57 7 Julio 11,180 8 Agosto 49,66 9 Septiembre 0, Octubre 41,59 11 Noviembre 11,857 1 Diciembre 173,37 a) Aplique el método de mínimos cuadrados para plantear la ecuación estimada de regresión. b) El INEGI reporto que en julio de 007 se registraron 11,330 nacimientos, utiliza la ecuación obtenida y predice cuantos debieron de haberse registrado en ese mes, compara resultados y obtén tus conclusiones. c) Estime cuantos nacimientos se registraron en enero de 008. d) Calcule el error estándar en la regresión. e) Calcule el coeficiente de correlación y el coeficiente de determinación e interprételos. f) Determina el intervalo de confianza al 95%. g) Determina el intervalo de predicción 95%
ANÁLISIS 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 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 detallesRegresión lineal simple y correlación
Regresión lineal simple y correlación Regresión y Correlación Los análisis de regresión y correlación nos mostrarán cómo determinar tanto la naturaleza como la fuerza de una relación entre dos variables.
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 detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
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 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 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 detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesCORRELACIÓN LINEAL SIMPLE
CORRELACIÓN LINEAL SIMPLE ANÁLISIS DE CORRELACIÓN Cuando se trabaja con dos variables, pueden surgir diferentes preguntas como: Existe relación entre lo que una empresa gasta en publicidad y el importe
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 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 detalles3 Regresión y correlación lineales
3 Regresión y correlación lineales 3.1 Introducción En esta unidad se analizará la relación entre dos o más variables y desarrollamos una ecuación que nos permite estimar una variable con base en otra.
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 detallesUnidad 3. Separacion de costos fijos y costos variables. Objetivos especificos de aprendizaje
Unidad 3 Separacion de costos fijos y costos variables Objetivos especificos de aprendizaje Alterminar de estudiar este capitulo, el estudiante sera capaz de: Explicar el concepto de costos fijos. Explicar
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 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 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 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 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 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 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 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 detallesREGRESIÓN LINEAL SIMPLE
REGREIÓN LINEAL IMPLE ANÁLII DE REGREIÓN Al continuar con el estudio de la relación entre dos variables X y Y, ahora es pertinente considerar el caso en que es necesario pronosticar la variable dependiente
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 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 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 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 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 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 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 detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
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 detalles3. Correlación. Introducción. Diagrama de dispersión
1 3. Correlación Introducción En los negocios, no todo es el producto, pueden existir factores relacionados o externos que modifiquen cómo se distribuye un producto. De igual manera, la estadística no
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 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 detallesAnálisis de regresión lineal simple
Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable
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 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 detallesAPUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS
APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS 35 3 25 2 15 1 5 21 22 23 24 25 Reyes Donis, José Luis SERIES HISTORICAS O CRONOLÓGICAS Llamadas también series de tiempo, se denomina serie de tiempo a un
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 detallesElaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
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 detalles1 JESTADIS\REGRES.DOC
CONTENIDOS 1. Introducción 2. Diagrama de dispersión 3. El coeficiente de correlación de Pearson 4. Regresión 1. Introducción Una de las metas frecuentes en la investigación consiste en determinar si existe
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 detallesCAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como
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 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 detallesCORRELACION Y REGRESIÓN LINEAL
LECCION Nº 5 CORRELACION Y REGRESIÓN LINEAL OBJETIVOS ESPECIFICOS Diferenciar los conceptos de correlación lineal, y regresión lineal. Determinar el índice o coeficiente de correlación en una distribución
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 detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
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 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 detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
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 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 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 detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesEcuaciones en dos Variables Hoja de Trabajo 1. Parte I: Utilice la ecuación y = 5x + 4 para contestar los siguientes:
Sistema de Ecuaciones en dos Variables Hoja de Trabajo 1 Parte I: Utilice la ecuación y = 5x + 4 para contestar los siguientes: 1. Complete la siguiente tabla: x y -3 - -1 0 1 3. Identifica la variable
Más detallesEstadísticas II. M. en E. M. Milagros Eugenia Faci. 15 de julio de 2010
2010 Estadísticas II M. en E. M. Milagros Eugenia Faci 15 de julio de 2010 2 Estadísticas II CONTENIDO UNIDAD III. CORRELACIÓN Y REGRESIÓN...3 III.1 CARACTERÍSTICAS DE UNA CORRELACIÓN...3 METODO DE MÍNIMOS
Más detallesMÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS
UNIDAD 4 MÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS Predicción de lo que sucederá en el futuro. 1 Predicción de lo que sucederá en el futuro. Los métodos de
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 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 detallesPrimera Prueba de Avance de Matemática REFUERZO ACADÉMICO PARA ESTUDIANTES DE NOVENO GRADO
MINISTERIO DE EDUCACIÓN DIRECCIÓN NACIONAL DE EDUCACIÓN GERENCIA DE SEGUIMIENTO A LA CALIDAD DEPARTAMENTO DE EVALUACIÓN DE LOS APRENDIZAJES Primera Prueba de Avance de Matemática REFUERZO ACADÉMICO PARA
Más detallesEjercicios de Clase. 1. Defina los siguientes términos y explique su significado
Ejercicios de Clase. 1. Defina los siguientes términos y explique su significado a. Coeficiente de elasticidad precio b. Coeficiente de elasticidad ingreso c. Coeficiente de elasticidad cruzado 2. Un estudio
Más detallesTécnicas de Investigación Social
Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro
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 detallesUnidad IV Introducción a la Regresión y Correlación
Unidad IV Introducción a la Regresión y Correlación Última revisión: 25-0ctubre-2009 Elaboró: Ing. Víctor H. Alcalá-Octaviano Página 48 IV.1 Conceptos fundamentales Antología de Probabilidad y Estadística
Más detallesDos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda.
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 deja caer una piedra, existe una fórmula que nos permite
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 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 detallesINGENIERÍA EN MANTENIMIENTO INDUSTRIAL
HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Industrial 2. Competencias Diseñar estrategias de mantenimiento mediante el análisis de factores humanos, tecnológicos,
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 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 detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
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 detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
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 detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS
Febrero 2011 EXAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: 62011037 EXAMEN MODELO B DURACION: 2 HORAS X Ciudad A Ciudad B 17-20 10 17 13-16 20 27 9-12 25 15 5-8 15
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 detalles3 CAPÍTULO III TRABAJO EMPÍRICO. Para toda evaluación cuantitativa generalmente se tiene uno que basar en
3 CAPÍTULO III TRABAJO EMPÍRICO. 3.1 Modelo Econométrico Para toda evaluación cuantitativa generalmente se tiene uno que basar en experiencias anteriores (Allard, 1980, p. 1). Las experiencias anteriores
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 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 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 detallesCORRELACIÓN Y REGRESIÓN. Raúl David Katz
CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable
Más detallesSe trata de: Explicar el comportamiento de una variable dependiente ( Y ) en función de otras variables ( i ) 2 Investigar si las variables están asoc
4 ASOCIACION ENTRE VARIABLES En la investigación estadística- y en lo fundamental aquella relacionada a variables socioeconómicas-, es común encontrar variables relacionadas o asociadas Estadísticamente
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
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 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 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 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 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 detallesRegresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010
Regresión Lineal Dra. Noemí L. Ruiz Limardo 008 Derechos Reservados, Rev 010 Objetivos de la Lección Conocer el significado de la regresión lineal Determinar la línea de regresión cuando ha correlación
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
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 detallesBoletín 1. Estadística Descriptiva
Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Boletín 1. Estadística Descriptiva 1. Se desea estimar el porcentaje de albúmina en el suero proteico de personas
Más detalles