Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Y=Bo+B1X+e…(1)
Donde:
X= Es la variable independiente.
Y= Es la variable dependiente.
E(Y)=Yˆ=E(βo)+E(β1X)+E€Yˆ=β0+β1X
2
Regresión Lineal Múltiple
Sea 𝑌 una variable de respuesta cuantitativa, y al menos una variable de
predicción xi�� es cuantitativa. Para estos casos, el modelo de regresión lineal
múltiple suele ser muy útil:
y=β0+β1x1+β2x2+...+βkxk+e�=�0+�1�1+�2�2+...+����+�
Donde:
● y� es el regresando.
● x1,x2,xk�1,�2,�� son los regresores.
● e� reprenta el error o perturbación aleatoria.
● Los parámetros β0,β1...,βk�0,�1...,�� son fijos y desconocidos.
● Supóngase que se cuenta con una muestra aleatoria de n� datos
3
y=Xβ+e�=��+�
Donde:
● y� es un vector nx1
● X� es una matriz n*k
● β� es un vector (k+1)*1
● e� es un vector n*1
X′Xβˆ=X′y�′��^=�′�
Lo que da:
Regresión curvilínea
La regresión curvilínea es el nombre que se le da a cualquier modelo de regresión
que intente ajustar una curva en lugar de una línea recta.
Los ejemplos comunes de modelos de regresión curvilínea incluyen:
4
Ambos contrastan con la regresión lineal simple en la que la relación entre la variable
predictora y la variable de respuesta es lineal:
● ŷ: La variable de respuesta
● β 0 , β 1 : Los coeficientes de regresión
● x: la variable predictora
Por el contrario, un modelo de regresión cuadrática utiliza la siguiente fórmula:
ŷ=β0+β1x+β2x2
Y un modelo de regresión cúbica usa la siguiente fórmula:
ŷ=β0+β1x+β2x2+β3x3
Un nombre más general dado a los modelos de regresión que incluyen exponentes
es regresión polinomial , que adopta la siguiente fórmula:
ŷ = β 0 + β 1 x + β 2 x 2 +… + β k x k
El valor de k indica el grado del polinomio. Aunque el grado puede ser cualquier
número positivo, en la práctica rara vez ajustamos modelos de regresión polinomial
con un grado superior a 3 o 4.
Al usar exponentes en la fórmula del modelo de regresión, los modelos de regresión
polinomial pueden ajustar curvas a conjuntos de datos en lugar de líneas rectas.
Cuándo utilizar la regresión curvilínea
La forma más sencilla de saber si debe utilizar la regresión curvilínea es crear un
diagrama de dispersión de la variable predictora y la variable de respuesta.
Si la gráfica de dispersión muestra una relación lineal entre las dos variables, es
probable que sea apropiado utilizar la regresión lineal simple.
5
5.2 Correlación
Del Ángel Olivares José Eduardo
¿Qué es la correlación?
La correlación es una medida estadística que expresa hasta qué punto dos variables
están relacionadas linealmente (esto es, cambian conjuntamente a una tasa
constante). Es una herramienta común para describir relaciones simples sin hacer
afirmaciones sobre causa y efecto.
Tipos de correlación
Según cómo sea la relación que hay entre dos variables aleatorias, se distinguen los
siguientes tipos de correlación lineal:
6
● Cada punto del gráfico representa a un camping, que podemos ubicar en un eje
x e y, con la temperatura máxima en verano en función de la altura.
● El coeficiente de correlación (r) también ilustra nuestro gráfico de dispersión.
Nos dice, en términos numéricos, que tan próximos están los puntos
representados en el gráfico de dispersión a una relación lineal. Las relaciones
más estrechas o los valores de r más grandes son relaciones en las que los
puntos están muy cerca de la línea que hemos ajustado a los datos.
Los gráficos de dispersión también son útiles para determinar si hay algo en nuestros
datos que pueda afectar a una correlación precisa, como patrones poco habituales
(por ejemplo, una relación curvilínea o un valor extremadamente atípico).
Las correlaciones no pueden capturar con precisión las relaciones curvilíneas. En una
relación curvilínea, las variables están correlacionadas en una dirección determinada
hasta cierto punto, en el cual la relación cambia.
7
Podemos obtener aún más información añadiendo elipses de densidad sombreadas a
nuestro gráfico de dispersión. Una elipse de densidad ilustra la región con mayor
densidad de puntos de un gráfico de dispersión, lo que a su vez nos ayuda a ver la
intensidad y la dirección de la correlación.
Las elipses de densidad pueden tener diferentes tamaños. Una elección común para
examinar la correlación son las elipses de densidad del 95 %, que muestran
aproximadamente el 95 % más denso de las observaciones. Si las dos variables
varían conjuntamente, como la altura y la temperatura en nuestros campings,
esperaríamos que la elipse de densidad refleje la forma de la línea.
8
Sección de preguntas
a. Correlación directa
b. Correlación inversa
c. 3. Correlación nula
9
Fuentes de consulta
https://statologos.com/regresion-curvilinea/
INTRODUCCION
10
Nota: Los datos hay que traducirlos u ordenarlos
en rangos. A los puntajes más elevados le asignamos el
rango 1 al siguiente el rango 2 y así sucesivamente. Si se
repiten dos puntajes o más se calculan las medias
aritméticas.
11
Si tus datos no cumplen con las suposiciones anteriores, necesitarás el
coeficiente de correlación de Spearman. Para esto, es necesario saber qué
función monótona es para entenderlo.
Una función monótona es aquella que nunca disminuye o nunca aumenta,
ya que es un incremento variable independiente. Puede ser explicada
usando la imagen de abajo:
12
● Un valor de -1 en ⍴ significa una perfecta asociación negativa entre los
rangos.
35 3 30 5 2 4
23 5 33 3 2 4
47 1 45 2 1 1
17 6 23 6 0 0
10 7 8 8 1 1
43 2 49 1 1 1
9 8 12 7 1 1
6 9 4 9 0 0
13
28 4 31 4 0 0
12
Paso 4: Sumar todos los valores del cuadrado “d” que es 12 (∑d cuadrada).
Paso 5: Insertar estos valores en la fórmula.
=1-(6*12)/(9(81-1))
=1-72/720
=1-01
=0.9
El coeficiente de correlación de Spearman para estos datos es de 0.9 y como se
mencionó anteriormente si el valor de ⍴ se acerca a +1 entonces tienen una
asociación perfecta de rango.
PREGUNTAS:
1. ¿Qué tipo de variables son adecuadas para ser analizadas con la
correlación por rango de Spearman?
Respuesta: La correlación por rango de Spearman es adecuada para
analizar la relación entre dos variables continuas que no necesariamente
tienen una distribución normal, sino que pueden tener una distribución
sesgada o no lineal.
14
Respuesta: El coeficiente de correlación de Spearman puede tomar valores
entre -1 y 1. Un valor de -1 indica una correlación negativa perfecta, es
decir, que a medida que aumenta una variable, la otra disminuye en forma
perfectamente lineal. Un valor de 0 indica que no hay correlación entre las
variables. Un valor de 1 indica una correlación positiva perfecta, es decir,
que a medida que aumenta una variable, la otra también aumenta en forma
perfectamente lineal.
FUENTES:
https://www.questionpro.com/blog/es/coeficiente-de-correlacion-de-
spearman/
https://www.monografias.com/trabajos85/coeficiente-correlacion-rangos-
spearman/coeficiente-correlacion-rangos-spearman
15