efecto de una variable sobre otra, ambas cuantitativas. Una variable es la dependiente y otra la independiente Se grafica con el diagrama de dispersión. Dice cómo es la relación entre las dos variables. El análisis consiste en encontrar la “mejor” línea recta de esos puntos. Diagrama de dispersión Diagrama de dispersión y recta Prueba de hipótesis
● Prueba de Ho: beta=0, mediante la estadística F
● Si beta es igual a cero, se concluye que:
○ La relación es lineal y de fuerza para justificar el uso de ecuaciones de regresión simple para predecir y estimar Y para valores dados de X. ○ El modelo lineal proporciona un buen ajuste para los datos, pero un modelo curvilíneo podría proporcionar un mejor ajuste. Ejemplo: regresión lineal simple Ejemplo: Regresión lineal simple Correlación Lineal
• Coeficiente de Pearson • Coeficiente de Spearman • Coeficiente Tau de Kendall
ISPC / Tecnicatura Superior en Ciencia de Datos e Inteligencia Artificial
Correlación simple
● Es una extensión de la regresión simple.
● Mide la calidad del ajuste de una línea. ● Dice cuánto se relacionan las dos variables ● r es el coeficiente de correlación ● r2 es el coeficiente de determinación Prueba de hipótesis
Ho: r=0, mediante la estadística F
● Si r es igual a cero, se concluye que no existe correlación lineal entre las
variables, pero puede ser no lineal (exponencial, curva, etc.) Correlación Lineal
ISPC / Tecnicatura Superior en Ciencia de Datos e Inteligencia Artificial
Relación lineal positiva Sin relación Relación lineal negativa
ISPC / Tecnicatura Superior en Ciencia de Datos e Inteligencia Artificial