Unidad 3 Muestras Bivariadas Comprender el concepto de análisis bivariado.
Calcular e interpretar el coeficiente
OBJETIVO de correlación, el coeficiente de determinación y el error estándar de estimación.
Calcular la recta de regresión lineal.
INTRODUCCIÓN La descripción bivariada trata de estudiar la relación entre pares de atributos medidos simultáneamente en la misma muestra y comprende un conjunto de herramientas que se enfoca en el análisis de dos variables con el fin de determinar las relaciones empíricas entre ellas.
Se llaman datos bivariados a aquellos que provienen de dos
variables medidas al mismo tiempo sobre cada individuo. Por ejemplo: Edad y Género, Escolaridad e Ingreso, Peso y Estatura, etc. ¿Existe alguna relación entre la cantidad que una empresa gasta por mes en publicidad y sus ventas mensuales?
Con base en el costo de calefacción de una
casa en el mes de enero, ¿es posible estimar el área de la casa? INTRODUCCIÓN ¿Hay alguna relación entre las millas por galón que rinde una camioneta grande y el tamaño del motor?
¿Hay alguna relación entre el número de
horas que estudiaron los alumnos para un examen y la calificación que obtuvieron? ANÁLISIS BIVARIADO El análisis bivariado puede ayudar a determinar en qué medida es posible predecir el valor de una variable en el caso en que conozcamos el valor de otra variable. ¿CÓMO REALIZAR ANÁLISIS BIVARIADOS ?
Diagramas de dispersión
Coeficientes de correlación
Regresión Lineal Simple
DIAGRAMA DE DISPERSIÓN Es una herramienta gráfica sencilla para estudiar la relación entre dos variables, consiste en un diagrama en coordenadas cartesianas en donde se despliegan los valores de dos variables para un conjunto de datos. Los datos se grafican como una colección de puntos, cada uno con un valor de una variable en el eje horizontal x y el valor de la otra variable en el eje vertical (y). COEFICIENTES DE CORRELACIÓN
Un coeficiente de correlación ofrece otra forma de realizar
análisis bivariados.
El tipo más común de coeficiente de correlación es el coeficiente
de correlación de Pearson.
El coeficiente de correlación, creado por Karl Pearson alrededor
de 1900, describe la fuerza de la relación entre dos conjuntos de variables en escala de intervalo o de razón. COEFICIENTE DE CORRELACIÓN 1. El coeficiente de correlación de la muestra se identifica por la letra minúscula r. 2. Muestra la dirección y fuerza de la relación lineal (recta) entre dos variables en escala de intervalo o en escala de razón. CARACTERÍSTICA 3. Varía de –1 hasta +1, inclusive. DEL COEFICIENTE 4. Un valor cercano a 0 indica que hay poca asociación entre las variables. DE CORRELACIÓN 5. Un valor cercano a 1 indica una asociación directa o positiva entre las variables. 6. Un valor cercano a –1 indica una asociación inversa o negativa entre las variables. CORRELACIÓN NEGATIVA PERFECTA Y CORRELACIÓN POSITIVA PERFECTA COEFICIENTE DE CORRELACIÓN Proporción de la variación total en la variable dependiente Y que se explica, o contabiliza, por la variación en la variable dependiente X. COEFICIENTE DE DERTERMINACIÓN Se calcula elevando al cuadrado el coeficiente de correlación. REGRESIÓN LINEAL SIMPLE En estadística la regresión lineal o ajuste lineal es un modelo matemático usado para aproximar la relación de dependencia entre una variable dependiente Y y las variables independientes X y un termino aleatorio ε.
𝑋1 , 𝑋2 , 𝑋𝑝 variables explicativas, independientes o regresoras 𝐵0 , 𝐵1 , 𝐵2 , 𝐵𝑝 parámetros, miden la influencia que las variables explicativas tienen sobre la variable independiente. REGRESIÓN LINEAL SIMPLE Con una sola variable dependiente (Y) y una independiente (X) .