36469935
Description
Mind Map by Liliana Paola Martinez Morales, updated more than 1 year ago
More
|
Created by Delmerk .
over 4 years ago
|
|
|
Copied by Liliana Paola Martinez Morales
about 2 years ago
|
|
Medidas Estadísticas Bivariantes
de regresión y correlación.
- Análisis de
Regresión
- Técnica estadística usada para derivar
una ecuación que relaciona una variable
de criterio con una o más variables de
predicción.
- Estudia la fuerza de asociación a través
de una medida de asociación denominada
coeficiente de correlación. Estudia la
relación entre dos variables cuantitativas.
- Estudia la fuerza de asociación a través
de una medida de asociación denominada
coeficiente de correlación. Estudia la
relación entre dos variables cuantitativas.
- Tipos
- Análisis de regresión
simple= Cuando se usa
solo una variable de
predicción.
- Análisis de predicción
múltiple: Cuando se
usan dos o más
variables
- Análisis de regresión
simple= Cuando se usa
solo una variable de
predicción.
- Problemas con la
Regresión
- Varianza no
homogénea
- Relación no
lineal.
- Errores
Correlacionados.
- Varianza no
homogénea
- Modelo de análisis de regresión.
- Determinista: Supone que bajo condiciones ideales, el comportamiento de la
variable dependiente pueder ser totalmente descrito por una función
matemática de las variables independientes. Es decir, en condiciones ideales el
modelo permite predecir SIN ERROR el valor de la variable dependiente.
- Estadístico: Permite la incorporación de un
Componente Aleatorio en la relación. En
consecuencia, las predicciones obtenidas a través de
modelos estadísticos tendrán asociado un error de
predicción.
- Estandarizada: La pendiente β1 nos indica si hay relación entre las
variables, su signo nos indica si la relación es positiva o negativa. La razón
es que su valor numérico depende de las variables. Un cambio de unidades
en una de ellas puede producir un cambio drástico en el pendiente.
- Determinista: Supone que bajo condiciones ideales, el comportamiento de la
variable dependiente pueder ser totalmente descrito por una función
matemática de las variables independientes. Es decir, en condiciones ideales el
modelo permite predecir SIN ERROR el valor de la variable dependiente.
- Técnica estadística usada para derivar
una ecuación que relaciona una variable
de criterio con una o más variables de
predicción.
- Técnica estadística que permite el análisis de un
conjunto de datos de una muestra de población
con el fin de definir relación entre ellas.
- Deben ser con valores cuantitativos
- Diagrama de
dispersión
- Cuestionario
- Delmerk Escobar Soalrte
- Delmerk Escobar Soalrte
- Tabla de doble entrada:
Representación gráfica
- Diagrama de
dispersión
- Deben ser con valores cuantitativos
- Análisis de
correlación.
- Tipos de
correlación.
- Correlación directa: Se
da cuando al
aumentar una de las
variables la otra
aumenta.
- Correlación inversa: Se
da cuando al aumentar
una de las variables la
otra dismuniye.
- Correlación Nula: Se da
cuando no hay dependencia
en ningún tipo de variables.
- Correlación directa: Se
da cuando al
aumentar una de las
variables la otra
aumenta.
- Coeficiente de
correlación.
- Termino usado en el análisis de
regresión para designar la fuerza
de relación lineal entre las
variables de criterio y predictivas.
- Termino usado en el análisis de
regresión para designar la fuerza
de relación lineal entre las
variables de criterio y predictivas.
- Grado de
correlación.
- Correlación Fuerte o
Negativa: La correlación será
fuerte cuanto más cerca
estén los puntos de la
recta.
- Correlación débil o Positiva:
La correlación ser´´a débil
cuanto más separados
estén los puntos de la recta.
- Correlación Nula o Neutra: No
existen ningún tipo de patrón
o relación entre ellas.
- Correlación Fuerte o
Negativa: La correlación será
fuerte cuanto más cerca
estén los puntos de la
recta.
- Técnica estadística usada para medir la
cercanía de la relación lineal entre dos o
más variables en una escala de intervalo.
- Es una medida de regresión que
pretende cuantificar el grado de
variación conjunta entre dos
variables.
- Cov (x;y): la covarianza entre el
valor «x» e «y».
- σ(x): desviación típica de «x».
- σ(y): desviación típica de
«y».
- σ(y): desviación típica de
«y».
- σ(x): desviación típica de «x».
- Valores que puede tomar la
correlación
- ρ = -1 Correlación perfecta negativa ρ
= 0 No existe ρ = +1 Correlación
perfecta positiva correlación
- ρ = -1 Correlación perfecta negativa ρ
= 0 No existe ρ = +1 Correlación
perfecta positiva correlación
- Cov (x;y): la covarianza entre el
valor «x» e «y».
- Coeficiente de correlación
- Spearman (No
Paramétrico)
- Mide cualquier tipo de asociación
- Mide cualquier tipo de asociación
- Pearson (Paramétrico)
- Evalúa la recta lineal y define la relación.
- Evalúa la recta lineal y define la relación.
- Spearman (No
Paramétrico)
- Tipos de
correlación.
Want to create your own Mind Maps for free with GoConqr? Learn more.