estadistica

Instituto Universitario de Tecnología Industria “Rodolfo loero Arismendi·”
IUTIRLA- Extensión Porlamar.
Administración Bancaria y Financiera.
Materia: Estadística.
11-09-14









ANALIS DE REGRESION.






Bachilleres:
Acosta Paola.
Serrano Luismer.
Vallejo Esthefani.
4nc.





























Análisis de Regresión.
El análisisde regresión es un proceso estadístico para la estimación de relaciones entre variables. Incluye muchas técnicas para el modelado y análisis de diversas variables, cuando la atención se centra en la relación entre una variable dependiente y una o más variables independientes. Más específicamente, el análisis de regresión ayuda a entender cómo el valor típico de la variable dependiente cambia cuandocualquiera de las variables independientes es variada, mientras que se mantienen las otras variables independientes fijas. Más comúnmente, el análisis de regresión estima la esperanza condicional de la variable dependiente dadas las variables independientes, es decir, el valor promedio de la variable dependiente cuando se fijan las variables independientes. Con menor frecuencia, la atención secentra en un cuantil, u otro parámetro de localización de la distribución condicional de la variable dependiente dadas las variables independientes. En todos los casos, el objetivo es la estimación de una función de las variables independientes llamada la función de regresión. En el análisis de regresión, también es de interés para caracterizar la variación de la variable dependiente en torno a lafunción de regresión que puede ser descrito por una distribución de probabilidad.

Tipos de variables.
En el análisis de regresión se pueden distinguir dos tipos de variables: variables predictoras y variables respuestas. La diferencia entre variable predictora y respuesta es no siempre completamente clara y depende algunas veces de nuestros objetivos. Algunos nombres conocidos para lasvariables predictoras y respuestas son:




Representación de variables.
Variable dependiente (y): Esta es la variable que representa el proceso que intenta prever o entender (robo residencial, ejecución hipotecaria, precipitaciones). En la ecuación de regresión, aparece en el lado izquierdo del signo igual. Mientras pueda utilizar la regresión para prever la variable dependiente, siempre comiencecon un grupo de valores y conocidos y utilícelos para crear (o para calibrar) el modelo de regresión. Los valores y conocidos a veces se denominan valores observados.

Variables independientes/explicativas (X): Estas son las variables que se utilizan para modelar o prever los valores de la variable dependiente. En la ecuación de regresión, aparecen en el lado derecho del signo igual y a veces sedenominan variables explicativas. La variable dependiente es una función de las variables explicativas. Si le interesa prever las compras anuales de una tienda propuesta, puede incluir en su modelo variables explicativas que representen la cantidad de clientes potenciales, la distancia a la competencia, la visibilidad de la tienda y los patrones de gastos locales, por ejemplo.

Coeficientes deregresión (β): Los coeficientes se calculan con la herramienta de regresión. Son valores, uno para cada variable explicativa, que representan la fortaleza y el tipo de relación que tiene la variable explicativa con la variable dependiente. Supongamos que modela la frecuencia de incendios como una función de la radiación solar, la vegetación, las precipitaciones y el aspecto. Puede esperar unarelación positiva entre la frecuencia de incendios y la radiación solar (en otras palabras, cuanto más sol haya, más frecuentes serán los incidentes de incendio). Cuando la relación es positiva, el signo del coeficiente asociado también es positivo. Puede esperar una relación negativa entre la frecuencia de incendios y las precipitaciones (en otras palabras, los lugares con más lluvias tienen menos...