Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 4
Frecuencia absoluta conjunta: nij = número de individuos de la muestra que presentan
conjuntamente la modalidad Xi de la variable X y la modalidad Yj de la variable Y
Se verifica que: r s
ni. = n i =1 n j =1 .j =n
Frecuencia relativa o porcentaje: fij = proporción de individuos que presentan
simultáneamente las modalidades Xi e Yj, es decir, Se verifica que: s ni. r n. j fi. = fij = f. j = fij = j =1 n i =1 n
ni j= frecuencia absoluta conjunta= nº de unidades que presentan la modalidad Xi de X y la
modalidad Yj de Y.
DISTRIBUCIONES CONDICIONADAS; Son las distribuciones de una variable condicionadas a
cada valor de la otra variable.
El término regresión fue introducido por Galton en su libro “Natural inheritance” (1889) refiriéndose a la “ley de la regresión universal”:
- Regresión a la media
-Su trabajo se centraba en la descripción de los rasgos físicos de los descendientes (una variable) a partir de los de sus padres (otra variable).
-Pearson (un amigo suyo) realizó un estudio con más de 1000 registros de grupos familiares observando una relación del tipo: Altura del hijo = 85cm + 0,5 altura del padre (aprox.)
- Conclusión: los padres muy altos tienen tendencia a tener hijos que heredan parte de esta altura, aunque tienen tendencia a acercarse (regresar) a la media. Lo mismo puede decirse de los padres muy bajos.
- Hoy en día el sentido de regresión es el de predicción de una medida basándonos en el
conocimiento de otra.
ESTUDIO DE DOS VARIABLES CUANTITATIVAS
En la práctica, los datos recogidos así se denominan microdatos. En cada fila tenemos los datos de un individuo. Cada columna representa los valores que toma una variable sobre los mismos. Los individuos no se muestran en ningún orden particular.
Dichas observaciones pueden ser representadas en un diagrama de dispersión (‘scatterplot’).
En ellos, cada individuo es un punto cuyas coordenadas son los valores de las variables.
Nuestro objetivo será intentar reconocer a partir del mismo si hay relación (principalmente lineal) entre las variables, de qué tipo (directa o inversa), y si es posible predecir el valor de una de ellas en función de la otra. COVARIANZA
La covarianza entre dos variables, Sxy, nos indica si la posible relación lineal entre dos variables es directa o inversa.
Directa: Sxy >0
Inversa: Sxy <0
Incorreladas: Sxy =0
El signo de la covarianza nos dice si el aspecto de la nube de puntos es creciente o no, pero no nos dice nada sobre el grado de relación entre las variables.
Si las variables son incorreladas (Sxy =0) indica que no existe relación lineal entre ellas, aunque puede que exista de otro tipo por lo que no podemos decir que sean independientes.
COEFICIENTE DE VARIACIÓN DE PEARSON
El coeficiente de correlación lineal de Pearson de dos variables, R, nos indica si los puntos tienen una tendencia a disponerse alineadamente (excluyendo rectas horizontales y verticales).
Tiene el mismo signo que Sxy por tanto de su signo obtenemos el que la posible relación sea directa o inversa.
R es útil para determinar si hay relación lineal entre dos variables, pero no servirá para otro tipo de relaciones (cuadrática, logarítmica,...)
S xy R= SxS y OTROS COEFICIENTES DE CORRELACIÓN
Cuando las variables en vez de ser numéricas son ordinales, es posible preguntarse sobre si hay algún tipo de correlación entre ellas.
Disponemos para estos casos de dos estadísticos, aunque no los usaremos en clase:
◦ ρ (‘ro’) de Spearman
◦ τ (‘tau’) de Kendall
No tenéis que estudiar nada sobre ellos en este curso. Recordad sólo que son estadísticos análogos a R y que los encontrareis en publicaciones donde las variables no puedan considerarse numéricas. REGRESIÓN
El análisis de regresión sirve para predecir una medida cuantitativa en función de otra medida cuantitativa (o varias).
1) Y = Variable dependiente o variable a predecir. También se le llama variable
predicha o explicada
2) X = Variable independiente o conocida. También se le llama predictora o
explicativa
3) ¿Es posible descubrir una relación?
Y = f(X) + Error
F es una función de un tipo determinado. Si la función es una recta se denomina REGRESIÓN
LINEAL. El Error es aleatorio, pequeño, y no depende de X
MODELO DE REGRESIÓN LINEAL
En el modelo de regresión lineal simple, dado dos variables
◦ Y (dependiente)
◦ X (independiente, explicativa)
Buscamos encontrar una función de X muy simple (lineal) que nos permita aproximar Y mediante
◦ Ŷ = b0 + b1X
◦ b0 (ordenada en el origen, constante)
◦ b1 (pendiente de la recta)
Y e Ŷ rara vez coincidirán por muy bueno que sea el modelo de regresión. A la cantidad (valor observado – valor esperado)
e=Y-Ŷ se le denomina residuo o error residual.
El modelo lineal de regresión se construye utilizando la técnica de estimación mínimo-
cuadrática:
e = (y i 2 i i i − yˆ i ) 2
◦ Buscar b0, b1 de tal manera que se minimice la cantidad. Se comprueba que
para lograr dicho resultado basta con elegir:
SY S XY b1 = r = 2 b0 = y − b1 x SX Sx Se obtiene además unas ventajas “de regalo” El error residual medio es nulo. La varianza del error residual es mínima para dicha estimación.
BONDAD DE UN AJUSTE
La dispersión del error residual será una fracción de la dispersión original de Y. Cuanto menor sea la dispersión del error residual mejor será el ajuste de regresión.
Eso hace que definamos como medida de bondad de un ajuste de regresión, o coeficiente de determinación a:
Se2 R = 1− 2 2
SY R2 es una cantidad adimensional que sólo puede tomar valores en [0, 1]
