Datos medidos con su respectiva regresión lineal

Top PDF Datos medidos con su respectiva regresión lineal:

Capítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal

Capítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal

Junto con los coeficientes de correlación parcial y semiparcial, aparecen las correlaciones de orden cero, es decir, los coeficientes de correlación calculados sin tener en cuenta la presencia de terceras variables (se trata de los mismos coeficientes que aparecen en la tabla 18.10). Comparando entre sí estos coeficientes (de orden cero, parcial y semiparcial) pue- den encontrarse pautas de relación interesantes. En los datos de la tabla 18.11 ocurre, por ejemplo, que la relación entre la variable dependiente salario actual y la variable indepen- diente nivel educativo vale 0,661. Sin embargo, al eliminar de salario actual y de nivel educativo el efecto atribuible al resto de variables independientes (salario inicial y expe- riencia previa), la relación baja hasta 0,197 (parcial); y cuando el efecto atribuible a sa- lario inicial y experiencia previa se elimina sólo de salario actual, la relación baja hasta 0,090 (semiparcial). Lo cual está indicando que la relación entre estas dos últimas variables podría ser espúrea, pues puede explicarse casi por completo recurriendo a las otras dos variables independientes.
Mostrar más

41 Lee mas

Técnicas de regresión: Regresión Lineal Simple

Técnicas de regresión: Regresión Lineal Simple

que b=0 mediante el cociente y comparando éste con la distribución t de Student con n-2 grados de libertad. De modo análogo se llevaría a cabo un contraste para la hipótesis a=0. El hecho de que el test no resulte significativo indicará la ausencia de una relación clara de tipo lineal entre las variables, aunque pueda existir una asociación que no sea captada a través de una recta. Para los datos del ejemplo, el resultado de ajustar un modelo de regresión lineal se muestra en la Tabla 2 .

7 Lee mas

Regresión Lineal. A. Barajas

Regresión Lineal. A. Barajas

31,6 4 7,90 40,1 5 8,02 𝒗 ̅ = 7.97 Aunque esto parece razonable, este procedimiento no es en realidad apropiado como se mostrara a continuación: de los datos obtenidos es posible inferir que cuando el tiempo era t=0s, la posición del carro era x=0m, es decir, que el carro estaba pasando justo al lado del árbol. Imaginemos ahora que se repite el mismo experimento, con las mismas condiciones, pero que las posiciones ahora no son medidas con respecto al árbol sino con respecto al hidrante que esta 20 metros más atrás; esto implicaría que los datos de la posición aumentarían 20 metros cada uno. Al intentar realizar el mismo análisis que realizamos anteriormente observaríamos un problema:
Mostrar más

7 Lee mas

Regresión lineal múltiple

Regresión lineal múltiple

La falta de linealidad "invalida" las conclusiones obtenidas (cuidado con las extrapolaciones). La falta de normalidad tiene poca in‡uencia si el número de datos es su…cientemente grande (TCL). En caso contrario la estimación de la varianza, los intervalos de con…anza y los contrastes podrían verse afectados.

91 Lee mas

Regresión lineal y correlación

Regresión lineal y correlación

Introducción De los capítulo 2 a 4 se aborda la estadística descriptiva. Los datos sin procesar se organizaron en una distribución de la frecuencia, y se calcula- ron varias medidas de ubicación y medidas de dispersión para describir las características importantes de los datos. En el capítulo 5 se inició el estudio de la inferencia estadística. El foco de atención principal fue infe- rir algo acerca de un parámetro poblacional, como la media poblacional, con base en una muestra. Se probó lo razonable de una media poblacio- nal o una proporción poblacional, la diferencia entre dos medias poblaciona- les, o si varias medias poblacionales eran iguales. Todas estas pruebas implicaron sólo una variable de intervalo o de nivel de razón, como el peso de una botella de plástico de una bebida de cola, el ingreso de los presidentes de un banco o el número de pacientes admitidos en un hospital.
Mostrar más

9 Lee mas

REGRESIÓN Y CORRELACIÓN LINEAL

REGRESIÓN Y CORRELACIÓN LINEAL

REGRESIÓN Y CORRELACIÓN LINEAL Si se dispone de dos series de datos emparejadas, con frecuencia se desea conocer si ambas variables están relacionadas o si son independientes. Por ejemplo, ¿en qué medida, un aumento de los gastos en publicidad hace aumentar las ventas de un determinado producto? ó ¿será que existe alguna relación entre la talla y el peso de una persona?

16 Lee mas

Comparación entre árboles de regresión CART y regresión Lineal

Comparación entre árboles de regresión CART y regresión Lineal

Hothorn, Hornik y Zeileis [15] en 2006 proponen un marco unificado para particionamiento recursivo el cual incorpora modelos de regresi´on de estructura de ´ arbol dentro de una teor´ıa bien definida de procedimientos de inferencia condicional. El criterio de parada basado en procedimientos de prueba m´ ultiple son implementados y muestran que el desempe˜ no predictivo de los ´ arboles resultantes es tan bueno como el desempe˜ no del procedimiento de b´ usqueda exhaustiva establecido. Tambi´en muestran que la precisi´ on de la predicci´ on de ´ arboles con parada anticipada es equivalente a la precisi´ on de la predicci´ on de ´ arboles podados con selecci´ on de variables insesgadas. Se analizan datos de estudios sobre clasificaci´on de glaucoma, supervivencia de c´ancer de seno y experiencias de mamograf´ıa.
Mostrar más

85 Lee mas

Modelos de regresión: lineal simple y regresión logística

Modelos de regresión: lineal simple y regresión logística

Siempre que se construye un modelo de regresión es fundamental, antes de pasar a extraer conclusiones, el corroborar que el modelo calculado se ajusta efectivamente a los datos usados para estimarlo. En el caso de la regresión logí- stica una idea bastante intuitiva es calcular la probabilidad de aparición del suce- so, presencia de hipertensión en nuestro caso, para todos los pacientes de la muestra. Si el ajuste es bueno, es de esperar que un valor alto de probabilidad se asocie con presencia real de hipertensión, y viceversa, si el valor de esa probabi- lidad calculada es bajo, cabe esperar también ausencia de hipertensión. Esta idea intuitiva se lleva a cabo formalmente mediante la prueba conocida como de Hosmer-Lemeshow (1989), que básicamente consiste en dividir el recorrido de la probabilidad en deciles de riesgo (esto es probabilidad de hipertensión ≤ 0.1, ≤ 0.2, y así hasta ≤ 1) y calcular tanto la distribución de hipertensos, como no hipertensos prevista por la ecuación y los valores realmente observados. Am- bas distribuciones, esperada y observada, se contrastan mediante una prueba de Ji-Cuadrado.
Mostrar más

20 Lee mas

Regresión Lineal. Minería de datos con python. Miguel Cárdenas Montes

Regresión Lineal. Minería de datos con python. Miguel Cárdenas Montes

Documentos de: regresi´on lineal, tratamiento de regresi´ on lineal con datos con incertidumbre, qu´e es el sobreajuste, c´omo evitarlo (regularizaci´on), aplicaci´on de an´alisis de com[r]

31 Lee mas

REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE

REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE

________________________________________________________________________ 2 “Eres hoy lo que decidiste ayer, serás mañana lo que decidas hoy”. Recuerda, ¡Tú decides! En la mayoría de los casos, los investigadores cuentan con los datos de una muestra. Tomando como base los resultados del análisis de los datos de la muestra, se pretende llegar a decisiones respecto a la población, de la cual se extrajo la muestra, proceso conocido como inferencia estadística. Por lo anterior, es importante que los investigadores comprendan la naturaleza de las poblaciones para que puedan elaborar un modelo matemático que la represente o, determinar si se ajusta razonablemente a algún modelo ya establecido. Por ejemplo, si un investigador va a analizar un conjunto de datos mediante los métodos de regresión lineal simple, debe estar seguro de que el modelo de regresión lineal simple proporciona una representación al menos aproximada de la población. 2
Mostrar más

13 Lee mas

Modelo de regresión lineal simple

Modelo de regresión lineal simple

Esta hipótesis indica que todas las perturbaciones aleatorias tienen la misma varianza. Es decir, la varianza de las perturbaciones aleatorias del modelo es constante y, por tanto, independiente del tiempo o de los valores de las variables predeterminadas. Dicha hipótesis es contrastable empíricamente mediante diversos contrastes estadísticos basados en los residuos mínimo- cuadráticos. Asimismo, hay que señalar que, en determinadas situaciones, esta hipótesis resulta poco plausible, sobre todo cuando se trabaja con datos de corte transversal, es decir, con observaciones sobre diferentes unidades muestrales referidas a un mismo momento del tiempo. Si no se cumple esta hipótesis, se dice que las perturbaciones son heteroscedásticas.
Mostrar más

27 Lee mas

Modelos de regresión lineal múltiple

Modelos de regresión lineal múltiple

13 Antes de obtener resultados hay que preparar los datos de que dispongamos. Los datos se suelen obtener de muy diversas fuentes y con codificaciones a veces inverosímiles. Pero el delicado programa estadístico, para no indigestarse, necesita que los cocinemos un poco. Normalmente tendremos que jugar con datos ausentes, datos irracionales (en el sentido coloquial no matemático), re-escalar variables, linealizarlas, etc. Para la preparación de los datos se puede disponer de unas reglas elementales generales pero probablemente sea el momento en que la experiencia y el genio del modelador tengan más cabida e importancia.
Mostrar más

61 Lee mas

Introducción al análisis de regresión no lineal

Introducción al análisis de regresión no lineal

Un aspecto importante de los modelos de regresión no lineal es el grado de no linealidad del modelo; es decir, ¿que tan factible puede ser la linealización de la función del modelo?, ¿que tan cercano a la realidad, es hacer inferencia en los parámetros del modelo que fue linealizado?, ¿que tan bien un modelo especifico se ajusta a los datos?. La respuesta a estas preguntas varia de problema a problema; es decir, que depende del conjunto de datos con el que se esté trabajando.

77 Lee mas

Dos requisitos para la regresión lineal son que las

Dos requisitos para la regresión lineal son que las

Desde una perspectiva matemática, se puede ajustar un polinomio al orden (q-1) para una variable cuya escala con- tiene q valores distintos. No hay justificación teórica ni bene- ficio práctico al ajustar un polinomio de alto orden que captu- ra cada movimiento aleatorio de los datos. El ajuste de cur- vas con polinomios debe tener sentido substantivo. La teoría debe ser la guía, y ésta en las ciencias sociales debe prede- cir relaciones cuadráticas y, máxime, relaciones cúbicas. A- demás, los coeficientes de los polinomios de orden mayor al cúbico son difíciles de interpretar. 4
Mostrar más

6 Lee mas

Análisis de Regresión Lineal Múltiple

Análisis de Regresión Lineal Múltiple

ˆ '   1 Después de derivar un modelo de regresión múltiple particular, se debe validar la bondad del ajuste con el fin de poderlo utilizar para describir o predecir valores no sólo futuros, sino para otros valores en las variables independientes no observados o medidos. Cuando hay suficientes datos, se utiliza un subconjunto de ellos, no considerados en el ajuste, para evaluar la capacidad predictiva del modelo. En otros casos, sólo es posible verificar el grado de cumplimiento de los supuestos impuestos al modelo de Regresión Lineal Múltiple para luego determinar la significación estadística de las variables explicativas, de manera global y parcial. Para determinar la significación estadística de manera global de todas las variables se utiliza como estadístico de la prueba a Fc que se distribuye teóricamente como una F con n-1 y p-1 grados de libertad. Para las pruebas de significación de variables independientes de manera marginal se utiliza como estadístico el estadístico Zc.
Mostrar más

10 Lee mas

Modelo de regresión lineal múltiple:

Modelo de regresión lineal múltiple:

Para poder hacer la estimación, se debe disponer de un conjunto de observa- ciones para cada una de las variables observables implicadas en el modelo, es decir, para la variable endógena Y y para las k variables explicativas. Deno- minaremos a las observaciones valores muestrales. Cuando trabajamos con datos de corte transversal, empleamos el subíndice i, mientras que, cuando trabajamos con datos de serie temporal, utilizamos el subíndice t. Así pues, podemos expresar el modelo del modo siguiente:

22 Lee mas

Regresión lineal

Regresión lineal

GIMNASIO LOS PINOS ÁREA DE MATEMÁTICAS ESTADISTICA A continuación encontrará una breve explicación del procedimiento explicado y trabajado en clase acerca de la regresión lineal. Encontrara un ejemplo de dicho procedimiento y una serie de ejercicios por medio de los cualesse espera realizar el cierre de la temática. El taller será entregado en día indicado y tendrá como complemento un quiz de control del mismo

7 Lee mas

Regresión Lineal

Regresión Lineal

Existe interacción cuando la asociación entre dos variables varía según los diferentes niveles de otra u otras variables. Aunque en una primera lectura pueden parecer similares, conviene distinguir claramente entre ambos fenómenos. En el ejemplo 5 la edad no presenta una correlación significativa con el nivel de colesterol si no se considera el consumo de grasas, mientras que si se considera dicho consumo, sí lo presenta, en este caso el consumo de grasas es una variable de confusión para la asociación entre colesterol y edad. Para que exista confusión no es necesario que exista un cambio tan drástico (la correlación es significativa en un caso y no lo es en el otro), también puede ocurrir que, aún siendo significativa en ambos casos, cambie el coeficiente de regresión. Evidentemente la mejor estimación del coeficiente es la que se obtiene del modelo en que figura la variable de confusión, en el ejemplo, la mejor estimación del coeficiente correspondiente a la edad es la del modelo con edad y consumo de grasas.
Mostrar más

10 Lee mas

Regresión lineal

Regresión lineal

La regresión lineal es una técnica que comprende una forma de estimación y análisis de los datos muestrales para saber sí y cómo se relacionan entre sí 2 o más variables en una población[r]

19 Lee mas

Regresión lineal múltiple

Regresión lineal múltiple

cuadrático para evaluar 1a Se jlustrará, el uso y ap'licación del modelo aolicación del nitrógeno aI arroz' a toneiaciaspor hectárea Los datos que se dan a continuacióncorresponden... di[r]

15 Lee mas

Show all 10000 documents...