REGRESIÓN Y CORRELACIÓNIntroducción:Muchos estudios se basan en la creenciade que pueden identificar y cuantificaralguna r...
Variable dependiente: Es la variable que se deseaexplicar o predecir; también se le denominaregresando o variable de respu...
Regresión múltiple: Aquí se toma a Y como unafunción de dos o más variables independientes porejemplo Y= f (X1, X2, X3, …,...
Modelo de regresión lineal simple:Y= b0 + b1Xdonde b0 es el intercepto con el eje vertical y b1 esla pendiente de la recta...
Un modelo lineal con base en datos muestrales:donde b0 y b1 son estimaciones del coeficiente realy e es el término aleator...
Mínimos cuadrados ordinarios (MCO):Es el procedimiento matemático utilizado paraestimar los valores de b0 y b1Para determi...
Suma de los productos cruzados de X y YLa pendiente de la recta de regresiónEl intercepto de la recta de regresiónnYXXYYYX...
El error estándar de estimación (Se): Es una medidadel grado de dispersión de los valores Yi alrededorde la recta de regre...
01 regresion
Upcoming SlideShare
Loading in …5
×

01 regresion

842 views
737 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
842
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
17
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

01 regresion

  1. 1. REGRESIÓN Y CORRELACIÓNIntroducción:Muchos estudios se basan en la creenciade que pueden identificar y cuantificaralguna relación funcional entre dos o másvariables. La correlación mide la fuerza deuna relación entre variables; la regresiónda lugar a una ecuación que describedicha relación en términos matemáticos.Y es una función de X Y=f(X)
  2. 2. Variable dependiente: Es la variable que se deseaexplicar o predecir; también se le denominaregresando o variable de respuesta.Variable independiente: Es la variable que esindependiente y que también se le denominavariable explicativa o regresor.Regresión simple: Es la que establece que Y es unafunción de sólo una variable independiente y quecon frecuencia se le denomina regresión divariadaporque sólo hay dos variables.
  3. 3. Regresión múltiple: Aquí se toma a Y como unafunción de dos o más variables independientes porejemplo Y= f (X1, X2, X3, …, Xk)Tipos de regresión: Lineal (su representacióngráfica es una línea recta) y curvilínea.Diagramas de dispersión: Son las que representanlas observaciones para X y Y.
  4. 4. Modelo de regresión lineal simple:Y= b0 + b1Xdonde b0 es el intercepto con el eje vertical y b1 esla pendiente de la rectaRelación entre variables: Determinísticas oestocásticas (aleatorias)
  5. 5. Un modelo lineal con base en datos muestrales:donde b0 y b1 son estimaciones del coeficiente realy e es el término aleatorio residualEl modelo de regresión estimada:En donde es el valor estimado de Y y b0 y b1 sonel intercepto con el eje vertical y la pendiente de larecta de regresión estimada.eXbbY 10XbbY 10ˆYˆ
  6. 6. Mínimos cuadrados ordinarios (MCO):Es el procedimiento matemático utilizado paraestimar los valores de b0 y b1Para determinar la recta de mejor ajuste, MCOrequiere que se calcule la suma de cuadrados yproductos cruzados.Suma de los cuadrados de XSuma de los cuadrados de YnXXXXSCx i222nYYYYSCY i222
  7. 7. Suma de los productos cruzados de X y YLa pendiente de la recta de regresiónEl intercepto de la recta de regresiónnYXXYYYXXSCxy iiSCxSCxyb1XbYb 10
  8. 8. El error estándar de estimación (Se): Es una medidadel grado de dispersión de los valores Yi alrededorde la recta de regresión.Error estándar:Cuadrado medio del error:La suma de cuadrados del error:2ˆ 2nYYSe iiCMESe2nSCECMESCxSCxySCySCE2

×