Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 96 vistas

    Esquemas Estadística Uned

    Cargado por

    De La Lama
    Este documento presenta un resumen de los conceptos clave de regresión y correlación. Explica la diferencia entre correlación simple y múltiple, y cómo medir el grado de dependencia entre dos o más variables cuantitativas. También describe cómo calcular los coeficientes de regresión para una regresión simple y múltiple, y cómo realizar pruebas estadísticas para evaluar si los coeficientes de regresión son significativos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Esquemas Estadística Uned

    Cargado por

    De La Lama
    96 vistas3 páginas
    Este documento presenta un resumen de los conceptos clave de regresión y correlación. Explica la diferencia entre correlación simple y múltiple, y cómo medir el grado de dependencia entre dos o más variables cuantitativas. También describe cómo calcular los coeficientes de regresión para una regresión simple y múltiple, y cómo realizar pruebas estadísticas para evaluar si los coeficientes de regresión son significativos.

    Descripción original:

    ESQUEMAS ANÁLISIS DATOS

    Título original

    ESQUEMAS ESTADÍSTICA UNED

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta un resumen de los conceptos clave de regresión y correlación. Explica la diferencia entre correlación simple y múltiple, y cómo medir el grado de dependencia entre dos o más variables cuantitativas. También describe cómo calcular los coeficientes de regresión para una regresión simple y múltiple, y cómo realizar pruebas estadísticas para evaluar si los coeficientes de regresión son significativos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    96 vistas3 páginas

    Esquemas Estadística Uned

    Cargado por

    De La Lama
    Este documento presenta un resumen de los conceptos clave de regresión y correlación. Explica la diferencia entre correlación simple y múltiple, y cómo medir el grado de dependencia entre dos o más variables cuantitativas. También describe cómo calcular los coeficientes de regresión para una regresión simple y múltiple, y cómo realizar pruebas estadísticas para evaluar si los coeficientes de regresión son significativos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 3

    UED Tudela Introducción al Análisis de Datos

    Esquema tema 8: Regresión y correlación.

    8.1 y 8.2.- Introducción y objetivos.


    - Diseños ex post facto: la variable independiente no se puede manipular (ya se ha obtenido un valor junto al de
    la v.d.)
    - Estudio del grado de dependencia de dos (o más) variables cuantitativas.
    - Ver ejemplo con una v.i.
    - Regresión y correlación simple ( una sola v.i.) vs. regresión y correlación múltiple.

    8.3.- Correlación y regresión simple.


    - Ejemplo previo:
    - Diagrama de dispersión. Aproximación a una función.
    1ª cuestión: ¿Cuál es el grado de correlación entre las dos notas?
    2ª cuestión: ¿Podemos predecir Y dado un valor de X?

    1ª cuestión: Coeficiente de correlación de Pearson: rXY


    Propiedades:
    a) Está comprendido entre -1 y 1
    b) Si rXY = ±1 puntos están sobre una recta. Además, cuanto más próximo esté a 1 ó a -1, más próximos
    estarán los puntos a una recta.
    c) Si rXY>0, la recta es creciente y si rXY<0, la recta es decreciente.

    8.3.1.- Coeficientes de regresión lineal simple: B y B0


    2ª cuestión. Si el grado de correlación es alto, ¿qué recta ajustaremos? Y=BX+B0
    - Procedimiento de mínimos cuadrados
    Residuo o error: ε = Y - Y'
    Los valores de B y B0 que hacen que la suma de los cuadrados de los residuos sea mínimo son:
    S S
    B= XY = r XY Y y B0 = Y − BX
    SX² SX

    Recta de regresión en puntuaciones diferenciales: y=Bx (B es el mismo que en puntuaciones directas)

    Recta de regresión en puntuaciones típicas: z=rxyzx

    8.3.2.- Bondad del ajuste


    Se cumplen las siguientes propiedades:

    a) Y = Y' + ε
    b) SY2 = SY'2 + Sε2
    c) La media de ε es cero y las medias de Y e Y' coinciden.
    SY2'
    2
    d) rXY = = Coeficiente de determinación. Al complementario se le llama coeficiente de alienación.
    SY2
    Error típico de estimación

    En la muestra: Se =
    ∑ (Y − Y ' )2
    

    Si trabajamos con toda la población:

    En la población: σ ε =
    ∑ (Y − Y ' )2 ; Su estimador insesgado es Sε =
    ) ∑ (Y − Y ' )2 (raíz de la media
    n n−2
    cuadrática del error)
    U,ED Tudela

    8.3.3.- Inferencias sobre los coeficientes de correlación y regresión.


    Vertiente descriptiva vs. vertiente inferencial.
    Objetivo: realizar inferencia sobre los parámetros poblacionales a partir de una muestra.
    Supuestos del modelo:
    1.- Independencia de las observaciones.
    2.- Normalidad de las distribuciones condicionadas a cada valor de X.
    3.- Homocedasticidad de las distribuciones condicionadas a cada valor de X.
    4.- Independencia entre Y' y los errores en la población.
    Como Sy2 = SY'2 + Sε2 , se cumple que SCY = SCY’ + SCε (ó, equivalentemente SCTOT = SCREG + SCRES)
    Las sumas cuadráticas tienen asociados n-1, 1 y n-2 grados de libertad, respectivamente

    8.3.3.1.- Contraste sobre el coeficiente de correlación.


    H0: ρ = 0
    H1: ρ ≠ 0
    r n−2
    Estadístico de contraste: T = XY que sigue una tn-2 (contraste bilateral)
    1 − rXY
    2

    Ejemplo.
    En un colegio se estudia la relación que puede existir entre la nota final de curso y la obtenida en el curso
    anterior. Seleccionada una muestra de 11 alumnos y obtenidas ambas notas, se obtiene un coeficiente de
    correlación de 0,32 (n.s. 0,05)

    8.3.3.2..- Contraste para el coeficiente de regresión (Primer método: A,OVA)

    Recordar que SCTOT = SCREG + SCRES y llevan asociados n-1, 1 y n-2 grados de libertad, respectivamente

    H0: β = 0
    H1: β ≠ 0
    2
    r
    MC REG 1
    Estadístico de contraste: F= MC = 1− r 2 (unilateral)
    RES
    n− 2
    Ejemplo anterior

    Observar que F=T2

    8.3.3.3..- Contraste para el coeficiente de regresión (2º método)


    H0: β = 0
    H1: β ≠ 0
    B−0 B−0
    Estadístico de contraste: T = = sigue una tn-2 (su valor coincide con el del punto 8.3.3.1)
    σβ SY 1 − rXY
    2

    SX n−2
    8.3.3.4. Contraste para B0
    H0: β 0 = 0
    B0 − 0 B0 − 0
    H1: β 0 ≠ 0 Estadístico de contraste: T = = , sigue una tn-2 (C. bilateral)
    σB ) 1 X2
    0
    Sε +
    n (n − 1) S X2
    )
    ) )
    donde Sε y S X son la raíz de la media cuadrática error y la cuasi-desviación típica de X, respectivamente.
    UED Tudela Introducción al Análisis de Datos
    8.4.- Análisis de regresión múltiple.

    8.4.1.- Regresión con dos Variables Independientes


    Ejemplo previo.
    Plano de regresión: Y = B0 + B1X1 + B2X2
    Coeficientes de regresión parcial: B1 y B2
    Residuos: ε = Y - Y'

    Plano de regresión en puntuaciones diferenciales: y = B1x1 + B2x2 (B1 y B2 mismos valores que en p. directas)

    Plan de regresión en puntuaciones típicas: y = β 1x1 + β 2x2

    Los valores de β 1 , β 2 , B0 , B1 y B2 que hacen SCε mínimo son:

    8.4.2.- Ajuste del modelo. Medidas de asociación.


    Coeficiente de correlación múltiple:

    Y = Y' + ε
    SY2'
    Se demuestra que S2Y = S2Y' 2
    +S ε y que RY2·12 = 2
    SY

    Cuanto más próximo esté a 1, más fuerte es la correlación entre Y y las otras dos variables independientes.
    El estimador insesgado del coeficiente de correlación múltiple en la población ( ρY-122 ) es:

    (Coeficiente de determinación múltiple muestral ajustado)

    Error típico de estimación: (en la población) = desviación típica de los errores =. σ ε =


    ∑ (Y − Y ' ) 2
    

    Su estimador insesgado es: Sε =


    ) ∑ (Y − Y ' ) 2 (p = número de variables independientes)
    n − p −1

    8.4.3.- Correlación Semiparcial y Parcial

    También podría gustarte