0 calificaciones0% encontró este documento útil (0 votos)
8 vistas2 páginas
Este documento introduce la ecuación de regresión simple como un procedimiento analítico para obtener predicciones basadas en la covariación entre variables. Explica que la variable predicha (Y') se define como una transformación lineal de la variable predictora (X), donde a es la constante y b es el coeficiente de X. Proporciona un ejemplo numérico donde se usa la ecuación de regresión para predecir el malestar (Y) a partir de sesiones de terapia (X).
Este documento introduce la ecuación de regresión simple como un procedimiento analítico para obtener predicciones basadas en la covariación entre variables. Explica que la variable predicha (Y') se define como una transformación lineal de la variable predictora (X), donde a es la constante y b es el coeficiente de X. Proporciona un ejemplo numérico donde se usa la ecuación de regresión para predecir el malestar (Y) a partir de sesiones de terapia (X).
Este documento introduce la ecuación de regresión simple como un procedimiento analítico para obtener predicciones basadas en la covariación entre variables. Explica que la variable predicha (Y') se define como una transformación lineal de la variable predictora (X), donde a es la constante y b es el coeficiente de X. Proporciona un ejemplo numérico donde se usa la ecuación de regresión para predecir el malestar (Y) a partir de sesiones de terapia (X).
Este punto introduce la ecuación de Regresión Simple como
procedimiento analítico para la obtención de predicciones (también denominadas estimaciones o valores esperados). Las transformaciones lineales generan variables que incorporan la información proveniente de otras variables, y por ello son la base para definir procedimientos de predicción o estimación de variables habida cuenta de la covariación de las variables entre sí. El Análisis de Regresión se basa en definir la variable estimada (predicha) como transformación lineal de la variable predictora:
donde:
Y' (A veces se simboliza como en la fórmula y otras veces se utiliza el
apóstrofo): Variable predicha o estimada.
a: Constante (también denominada interceptal). También simbolizada
como "c" o "m".
b: Coeficiente de la variable predictora (también denominado pendiente)
X: Variable predictora
Ejemplo
En el siguiente ejemplo la correlación entre las variables es
grande, pero no perfecta: Estamos interesados en obtener predicciones de la sensación de malestar (variable Y) a partir del número de sesiones de una terapia (variable X), dado que hemos observado que las dos variables covarían (rxy = -0.97, datos ficticios). Si asignamos valores arbitrarios a los coeficientes, como b= -0.08 y c= 3.7, la ecuación con la que obtenemos los valores esperados (o predichos) es: Los valores de la variable predictora X son:
Sustituimos la X de la ecuación por los valores de los que
queremos obtener los valores esperados y resulta:
En consecuencia diremos que la sensación esperada de malestar
de un paciente que no ha hecho ninguna sesión (X=0) es igual a 3.7; el valor esperado para un paciente que ha hecho una sola sesión es igual a 3.6; etc.
Las estimaciones (o predicciones) del ejemplo del apartado 2.1
han sido obtenidas con una ecuación concreta. Sin embargo se podría haber utilizado otra ecuación asignando otros valores a los coeficientes. Por ejemplo, podemos hacer a= 4.8 y b= -0.2, y los valores esperados con esta ecuación son diferentes a las del ejemplo anterior, y por ello hay que definir un criterio para obtener las mejores predicciones que sea posible.