Please enable JavaScript.

Coggle requires JavaScript to display documents.

correlación y regresión - Coggle Diagram

- - - - No dependencia no causalidad
- - - - [Y = a + bX)
        
        Y: variable dependiente (lo que quieres predecir o explicar)
        
        • X: variable independiente (el predictor).
        
        • a: intercepto (valor de Y cuando X=0).
        
        • b: pendiente (cuánto cambia Y por cada unidad que cambia X)
- - - - r=1 correlacion perfecta positiva
        
        A mayor X mayor Y (Directamente propor)
      - r=-1 correlacion perfecta negativa
        
        A mayor X menor Y (inversa)
      - r=0 no hay
      - Mide cuanto coiniciden los cambios de X con los de Y
        
        Requisitos:
        
        Limites
        
        No detecta relaciones no lineales, sensible a outliers (osea que le puede afectar)
        
        No implica causalidad
        
        Puede haber tercera variable implicada (confusor)
        
        Correlacion alta puede ser coinicdencia en muestras pequeñas (pura suerte)
        
        Variables cuantitativas y continuas (con coma)
        
        No debe haber valores extremos (outliers) que lo distorcionen
        
        Debe ser lineal
        
        Distribuciones aporximadamente normal (pruebas de kolmogorov y shapiro)
        
        1 more item...
        
        Se obtiene al dividir la covarianza entre el producto de la varianza de las 2 variables
  - - - Magnitud/fuerza de correlación
        
        Direccion
        
        Forma
        
        indica el sentido de los cambios de una variable respecto a la otra
        
        mismo sentido: correlacion directa o positiva
        
        Sentido contrario: correlacion inversa o negativa
        
        Se mide con el coef de correlacion r
        
        Cuan estrechamente relacionadas estan las variables.
        
        Fuerte: puntos cerca de una linea recta
        
        Debil: Mucha dispersión
- - - - Evalua la fuerza y direccion
        
        Distingue correlación vs causalidad
- - - - Cuando una varible aumenta la otra tambien
        
        Se alinean en subida. Coef r mayor a 0
        
        Si r es muy fuerte seria aprox 0.8 a 1
      - Lineal inversa (negativa)
        
        Una variable aumenta la otra disminuye,
        
        Puntos alineados en bajada. Coef
        
        Si es r es fuerte es -0.8 a -1
        
        No lineal (curva)
        
        Variables relacionadas pero no en linea recta Ej: Dosis
        
        puntos en curva, campana S etc.
        
        Coef de pearson
        
        Cercano a 0: aunque haya relacion real, pearson solo detecta realciones lineales
        
        1 more item...
        
        Sin relación (nula)
        
        Los cambios en una variable no adectan en nada a la otra
        
        Puntos dispersos al azar r: 0
- - - - La naturaleza de Y
      - Relacion que tiene con X
      - Objeto del analisis
  - - - respuesta (Y) y
        un predictor (X).
        
        media aritmetica de la variable dependiente
        
        y = ax + b
        
        a pendiente b intersecion
      - Cuando las 2 variables estan relacionadas es posible predecir un valor de respuesta, a partir de un valor predictor con una exactiitud mayor a la asociada unicamente a las probabilidades
        
        esta proporciona la linea que mejor se ajusta a los datos, se puede utilizar
        
        examinar como cambia una variable de respuesta Y a medida que cambia la variable predictora X
      - Predice el valor de una variable de respuesta Y para cualquier variable predictora
        
        Y es continua (con coma) y X tambien lo es