Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 15
PARTE 6
REGRESIÓN Y CORRELACIÓN Regresión y Es la que intentamos predecir o explicar, por ejemplo, ingresos Se utiliza para modelar y analizar la relación anuales. entre la variable dependiente e independiente . Por lo tanto nos ayuda a Son las que utilizamos para hacer intentar predecir el valor de la variable la predicción o explicación, por x dependiente basada en los valores de las ejemplo, años de educación.
variables independientes
Regresión lineal Este método intenta ajustar una línea recta a un conjunto de datos, de manera que podamos predecir el valor de una variable dependiente (Y) en función de otra variable independiente (x) . Recta de regresión Por ejemplo, si tienes datos sobre la altura (x) y el peso (y) de varias personas, la recta de regresión te dice cómo cambia el peso en función de la altura.
𝑌 = 𝑎 + 𝑏𝑥 Y: Variable dependiente x: Variable independiente 𝑎: Es el coeficiente de posición (altura del origen), que puede ser positivo, negativo o cero . (intercepto) 𝑏: Es el coeficiente angular o pendiente, que indica el cambio en 𝑌 por cada cambio en 𝑋. (pendiente) Interpretación: Si 𝑏>0, la recta es ascendente (relación directa). Si 𝑏<0, la recta es descendente (relación inversa). Si 𝑏=0, la recta es horizontal (no hay cambio en 𝑌 con el cambio en 𝑋). Ajuste de una Regresión Rectilíneo Simple
Se refiere al procedimiento matemático que usamos para calcular la mejor recta de regresión.
Ecuaciones Normales para el Cálculo
Para encontrar los valores de a y b, se utilizan las ecuaciones normales basadas en el método de mínimos cuadrados :
∑Y = n . a + b∑x
∑XY = a∑x + b∑x2
Diagrama de dispersión (Nube de puntos)
Es una representación gráfica de los
pares de datos en un sistema de coordenadas. Permite visualizar la relación entre 𝑋 y 𝑌.
Facilita la identificación de patrones
(por ejemplo, lineales o no lineales ) y el tipo de ajuste (recta, curva, etc.). Correlación
Mide la intensidad y dirección de la relación
entre dos variables. El coeficiente de El coeficiente de correlación de Pearson ( 𝑟) es común para correlación de Pearson datos en escala de intervalo o de razón. mide qué tan fuerte es la relación entre dos cosas Valores de 𝑟: que estamos comparando. Si dos ● 𝑟 = 1: Correlación perfecta positiva. cosas cambian juntas de ● 0 < 𝑟 < 1: Correlación positiva. una manera predecible, ● 𝑟 = 0: No hay correlación. decimos que están ● −1 < 𝑟 < 0: Correlación negativa. correlacionadas.
● 𝑟 = −1: Correlación perfecta negativa
Distribución bidimensional
Involucra la observación simultánea de
dos variables, buscando entender si hay una relación funcional entre ellas.
Variables:
Son generalmente 𝑋 y 𝑌, con cada
observación formando un par de valores (por ejemplo, 𝑋𝑖 y 𝑌𝑖). Distribución bidimensional
Involucra la observación simultánea de
dos variables, buscando entender si hay una relación funcional entre ellas.
Variables:
Son generalmente 𝑋 y 𝑌, con cada
observación formando un par de valores (por ejemplo, 𝑋𝑖 y 𝑌𝑖). Covarianza
Es una medida de la variabilidad
conjunta de dos variables , simbolizada como 𝑚 𝑥𝑦 . Nos indica cómo se dispersan los valores de 𝑋 y 𝑌 en relación con sus medias.
Cálculo:
Se obtiene multiplicando las desviaciones
de 𝑋 y 𝑌 respecto a sus medias y luego promediando el resultado. Covarianza
Es una medida de la variabilidad
conjunta de dos variables , simbolizada como:
𝑚 𝑥𝑦 Nos indica cómo se dispersan los valores de 𝑋 y 𝑌 en relación con sus medias.
Cálculo:
Se obtiene multiplicando la desviación de 𝑋
y la desviación de 𝑌 respecto a sus medias y luego promediando el resultado. EJEMPLO: Ejercicio de regresión lineal
En la siguiente tabla recoge las alturas de los pesos de 10 alumnos de un instituto:
a) Calcule el coeficiente de correlación e interprétalo b) Obtén la recta de regresión para predecir la altura en función del peso.
c) A partir de esto, estima qué altura tendría un alumno que pesa 70 kg.
