ANÁLISIS DE CORRELACIÓN Y REGRESIÓN LINEAL SIMPLE
Coeficiente de determinación.
Gráfica de dispersión
Ecuación de la recta ajustada o ecuación de mínimos cuadrados o ecuación de regresión lineal o ecuación punto pendiente.
Coeficiente de correlación lineal.
Análisis de regresión lineal simple.
Análisis de correlación
Método de mínimos cuadrados.
Procedimiento utilizado para estimar los parámetros de un modelo de regresión que minimiza los errores de ajuste del modelo.
Mide la intensidad de la relación lineal entre 2 variables.
Gráfica que utiliza un eje vertical y un eje horizontal, en la cual los datos se marcan por medio de puntos.
Ayudan a describir e interpretar la relación entre las dos variables.
Procedimiento estadístico utilzado para saber si dos variables estan relacionadas o no.
Valores entre -1 y +1
Signo positivo, significa que cuando una variable incrementa, la otra tambien.
Signo negativo, significa que cuando una variable incrementa, la otra disminuye.
El coeficiente de correlación es el resultado de dividir la covarianza entre las variables X y Y entre la raíz cuadrada del producto de la varianza de X y la de Y.
Nos va a representa cual es la proporción de varianza total de la variable que explica la regresión.
Valores entre 0 y 1
1 o cercano a uno, el modelo y la variable se ajustan mucho. Es fiable.
Si se acerca más al 0, el modelo o la variable se ajustan menos. Es menos fiable.
Interpretacion: Podemos decir dependiendo del valor, que las estimaciones se ajustan bien a la variable real o no.
Este modelo permite modelar una relación entre dos conjuntos de variables. Es un modelo predictor.
Predice la variable dependiente a través de la siguiente ecuación:
E(Y/x) = 0 + β1 x
Objetivo: Demostrar los valores desconocidos.
Se debe cercar una línea, sea recta o curvilínea, a los puntos determinados de sus coordenadas [x, f(x)]
Permite a partir de los datos disponibles, obtener los coeficientes de la ecuación de la línea recta que represente
óptimamente la distribución conjunta de las variables modeladas.