SESIONES TEÓRICAS ESTADÍSTICA Y TIC: SEMANA 13.

¡¡Hola a todos!! ❤
Esta semana hemos dado el TEMA 12 CORRELACIÓN Y CONCORDANCIA. 

¿Qué es la regresión?

Es la predicción de una medida basándonos en el conocimiento de otra. Nuestro objetivo será intentar reconocer si hay relación entre las variables, de qué tipo, y si es posible predecir el valor de una de ellas en función de la otra.

Dichas observaciones pueden ser representadas en un diagrama de dispersión (“scatterplot”).

En cuanto al modelo de regresión utilizado, tratamos el modelo de regresión lineal simple, que es el que se usa para 1 variable explicativa. Se trata de estudiar la asociación lineal entre dos variables cuantitativas. Se relacionan únicamente una variable independiente con otra dependiente.

y=β1+β0

Siendo:

β₁= pendiente de la recta. Expresa la cantidad de cambio que se produce en la variable dependiente por unidad de cambio de la variable independiente.

β₀= punto de intersección con el eje de coordenadas. Expresa cuál es el valor de la variable dependiente cuando la independiente vale cero.

¿Qué modelos lineales existen?

Modelos lineales deterministas: La variable independiente determine el valor de la variable dependiente. Entonces para cada valor de la variable independiente sólo habría un valor de la dependiente

Modelos lineales probabilísticos: Para cada valor de la variable independiente existe una distribución de probabilidad de valores de la dependiente, con una probabilidad entre 0 y 1.

La recta por determinar es aquélla con la menor distancia de cada punto a ella.

Análisis de correlación

El análisis de correlación se utiliza con el propósito de disponer de un indicador cuantitativo que permite sintetizar el grado de la asociación entre variables.

• Coeficiente de Correlación r de Pearson (r), (R x y): Es un coeficiente que mide el grado de la relación de dependencia que existe entre las variables (x, y), cuyos valores van desde –1, correspondiente a una correlación negativa perfecta, hasta 1, correspondiente a una correlación positiva perfecta. Si el resultado es de 1 o -1, la variable es totalmente determinante. También indica cuan cerca están los puntos de la recta.

Teniendo una nube de puntos, ¿cómo elegir la recta que mejor se ajuste a esos puntos?: mediante el método de los mínimos cuadrados. Se trata de la recta que hace mínimo el cuadrado de la suma de las distancias verticales desde ella hasta cada uno de los puntos de la nube.

• Coeficiente de Correlación por Rango de o rho de Spearman: Es una medida de asociación que requiere que ambas variables en estudio sean medidas por lo menos en una escala ordinal.

¡¡Y hasta aquí el último tema de la asignatura!! Si tenéis alguna duda, no dudéis en preguntadme. 

💃💟