Regresion y correlacion
Páginas: 8 (1959 palabras)
Publicado: 24 de septiembre de 2010
3.9.4. Regresión y Correlación
La regresión y la correlación son dos técnicas estrechamente relacionadas y comprenden una forma de estimación. En forma más especifica el análisis de correlación y regresión comprende el análisis de los datos muéstrales para saber que es y como se relacionan entre si dos o mas variables en una población. El análisis de correlación produce un número queresume el grado de la correlación entre dos variables; y el análisis de regresión da lugar a una ecuación matemática que describe dicha relación.
Las técnicas de regresión y correlación cuantifican la asociación estadística entre dos o más variables. La regresión lineal simple expresa la relación entre una variable dependiente Y y una variable independiente X, en términos de la pendiente y laintersección de la línea que mejor se ajuste a las variables.
La correlación simple expresa el grado o la cercanía de la relación entre las dos variables en términos de un coeficiente de correlación que proporciona una medida indirecta de la variabilidad de los puntos alrededor de la mejor línea de ajuste- Ni la regresión ni la correlación dan pruebas de relaciones causa – efecto.Regresión: El modelo de regresión lineal simple toma la forma
Y = a + bx,
Donde
y = variable dependiente
x = variable independiente.
Los valores de la pendiente b y la intersección a se obtienen usando las ecuaciones normales escritas en la forma conveniente.
[pic]
[pic]
3.9.4.1. Desviación Estándar de la Regresión
Una línea de regresión describe la relación entre unvalor dado de la variable independiente X y la media µy.x de la distribución de probabilidad correspondiente de la variable dependiente Y. El punto estimado, o pronóstico, es la media de la distribución para un valor dado X.
La desviación estándar de la regresión S y.x es una medida de la dispersión de los datos alrededor de la línea de regresión.
[pic]
3.9.4.2. Estimación deintervalo
Se puede establecer una predicción de intervalo para un valor pronosticado individual de YC usando la expresión:
Intervalo de predicción = YC ± t SIND
Donde t = valor de la tabla de la distribución t para el nivel de confianza especificado, y
[pic]
Para muestras grandes (n≥100), la ecuación anterior puede ser aproximada. Usando la distribución normal (Z) más que la ,en la forma de YC ± ZSY.X También la significancia de la pendiente de la línea de regresión (b) puede ser probada usando la siguiente expresión.
[pic]
[pic]
Donde
Si el valor de tcalc de la tabla t, la relación entre X y Y es estadísticamente significativa.
3.9.4.3. Correlación
El coeficiente de correlación lineal simple r es un número entre -1 y 1 que indica qué tan biendescribe la ecuación lineal la relación entre las dos variables. Como se muestra en la siguiente figura, r se designa como positiva si Y se incrementa cuando lo hace X, y negativa si Y decrece al incrementarse X. Una r de cero indica una ausencia de relación entre las dos variables.
[pic]
La desviación de todos los puntos (Y) de la línea de regresión (Yc) consiste en la desviacióncontabilizada por la línea de regresión (explicada) y la variación aleatoria (no explicada).
[pic]
Variación total = explicada + no explicada
[pic]
El coeficiente de determinación r2 es la razón de la variación explicada a la variación total:
[pic]
El coeficiente de correlación r es la raíz cuadrada del coeficiente de determinación:
[pic]
Cuando el tamaño de la muestra es losuficientemente grande (v.g., mayor de 50); el valor de r puede ser calculado más directamente con base en:
[pic]
La significancia de cualesquier valor de r puede probarse estadísticamente con una hipótesis para mostrar que no existe correlación. Para probarlo, el valor de r es comparado con un valor de tablas para un tamaño de muestra y un nivel de significancia dados.
Ejemplo
El...
La regresión y la correlación son dos técnicas estrechamente relacionadas y comprenden una forma de estimación. En forma más especifica el análisis de correlación y regresión comprende el análisis de los datos muéstrales para saber que es y como se relacionan entre si dos o mas variables en una población. El análisis de correlación produce un número queresume el grado de la correlación entre dos variables; y el análisis de regresión da lugar a una ecuación matemática que describe dicha relación.
Las técnicas de regresión y correlación cuantifican la asociación estadística entre dos o más variables. La regresión lineal simple expresa la relación entre una variable dependiente Y y una variable independiente X, en términos de la pendiente y laintersección de la línea que mejor se ajuste a las variables.
La correlación simple expresa el grado o la cercanía de la relación entre las dos variables en términos de un coeficiente de correlación que proporciona una medida indirecta de la variabilidad de los puntos alrededor de la mejor línea de ajuste- Ni la regresión ni la correlación dan pruebas de relaciones causa – efecto.Regresión: El modelo de regresión lineal simple toma la forma
Y = a + bx,
Donde
y = variable dependiente
x = variable independiente.
Los valores de la pendiente b y la intersección a se obtienen usando las ecuaciones normales escritas en la forma conveniente.
[pic]
[pic]
3.9.4.1. Desviación Estándar de la Regresión
Una línea de regresión describe la relación entre unvalor dado de la variable independiente X y la media µy.x de la distribución de probabilidad correspondiente de la variable dependiente Y. El punto estimado, o pronóstico, es la media de la distribución para un valor dado X.
La desviación estándar de la regresión S y.x es una medida de la dispersión de los datos alrededor de la línea de regresión.
[pic]
3.9.4.2. Estimación deintervalo
Se puede establecer una predicción de intervalo para un valor pronosticado individual de YC usando la expresión:
Intervalo de predicción = YC ± t SIND
Donde t = valor de la tabla de la distribución t para el nivel de confianza especificado, y
[pic]
Para muestras grandes (n≥100), la ecuación anterior puede ser aproximada. Usando la distribución normal (Z) más que la ,en la forma de YC ± ZSY.X También la significancia de la pendiente de la línea de regresión (b) puede ser probada usando la siguiente expresión.
[pic]
[pic]
Donde
Si el valor de tcalc de la tabla t, la relación entre X y Y es estadísticamente significativa.
3.9.4.3. Correlación
El coeficiente de correlación lineal simple r es un número entre -1 y 1 que indica qué tan biendescribe la ecuación lineal la relación entre las dos variables. Como se muestra en la siguiente figura, r se designa como positiva si Y se incrementa cuando lo hace X, y negativa si Y decrece al incrementarse X. Una r de cero indica una ausencia de relación entre las dos variables.
[pic]
La desviación de todos los puntos (Y) de la línea de regresión (Yc) consiste en la desviacióncontabilizada por la línea de regresión (explicada) y la variación aleatoria (no explicada).
[pic]
Variación total = explicada + no explicada
[pic]
El coeficiente de determinación r2 es la razón de la variación explicada a la variación total:
[pic]
El coeficiente de correlación r es la raíz cuadrada del coeficiente de determinación:
[pic]
Cuando el tamaño de la muestra es losuficientemente grande (v.g., mayor de 50); el valor de r puede ser calculado más directamente con base en:
[pic]
La significancia de cualesquier valor de r puede probarse estadísticamente con una hipótesis para mostrar que no existe correlación. Para probarlo, el valor de r es comparado con un valor de tablas para un tamaño de muestra y un nivel de significancia dados.
Ejemplo
El...
Leer documento completo
Regístrate para leer el documento completo.