Regresion Presentacion

More documents

Recommendations

Info

Relaciones no deterministas peso 121 101 81 61 Plot of peso vs altura 41 150 160 170 180 190 200 altura Si un estudiante mide 170cm su peso estará razonablemente entre 55 y 75 kg
La regresión estudia las relaciones no deterministas • Ajusta una línea recta a la nube de puntos: peso 121 101 81 61 Plot of Fitted Model 41 150 160 170 180 190 200 altura
Page 1 and 2: Regresión
Page 3 and 4: Vamos a estudiar: • Relación ent
Page 5 and 6: Existen dos tipos de relaciones:
Page 7 and 8: Deterministas: • Deterministas: S
Page 9: Relaciones no deterministas peso 12
Page 13 and 14: El El modelo de de regresión hace
Page 15 and 16: El modelo de regresión sirve para
Page 17 and 18: Variable Independiente i Regresión
Page 19 and 20: Si estudiamos los retrasos “a lo
Page 21 and 22: La recta de regresión será: Durac
Page 23 and 24: duracion media 25 LENTOS 22 19 16 1
Page 25 and 26: El modelo de regresión sirve para
Page 27 and 28: Otro ejemplo: Tasa de alfabetizaci
Page 29 and 30: Linealidad • Fundamental: Si vamo
Page 31 and 32: Siempre: Linealidad: Comprobación
Page 33 and 34: Datos heterocedásticos • Es un f
Page 35 and 36: Independencia • Fundamental: Los
Page 37 and 38: Normalidad • Admitimos que los da
Page 41 and 42: 3000 2500 2000 1500 1000 500 ¿Hay
Page 43 and 44: 3500 3000 2500 2000 1500 1000 500 -
Page 45 and 46: Y ¿Hay relación? ¿Cumple las hip
Page 47 and 48: ¿Hay relación? ¿Cumple las hipó
Page 53 and 54: Nacimientos (X 100000) 6,8 6,5 6,2
Page 55 and 56: Nacimientos (X 100000) 6,8 6,5 6,2
Page 57 and 58: Y-X Y-X 2 Si no se cumplen las hip
Page 59 and 60: Y-X Si no se cumplen las hipótesis
Page 61 and 62:
Datos: Censo de Floridablanca 1787
Page 63 and 64:
ˆ β ˆ β 1 0 Datos: Censo de Flo
Page 65 and 66:
Interpretación del modelo: Varones
Page 67 and 68:
¿Puede valer 1 Beta 1 ? Solución:
Page 69 and 70:
INTERVALOS DE CONFIANZA Se Se calcu
Page 71 and 72:
INTERVALOS DE CONFIANZA Beta Beta1-
Page 73 and 74:
Si Beta 1 auténtica es cero..... B
Page 75 and 76:
Si Beta 1 auténtica es cero..... B
Page 77 and 78:
Contrastes de hipótesis: Contraste
Page 79 and 80:
Ejemplo: Altura vs última cifra de
Page 81 and 82:
R 2 Indica cuánto de Y es explicad
Page 83 and 84:
Diagnosis • La diagnosis sirve pa
Page 85 and 86:
10000 8000 6000 4000 2000 0 Ejemplo
Page 87 and 88:
10000 8000 6000 4000 2000 0 Ejemplo
Page 89 and 90:
x 105 5 4 3 2 1 0 Ejemplo -1 0 20 4
Page 91 and 92:
area log(area) 60 50 40 30 20 10 0
Page 93 and 94:
Log(area)=1.5 + 1.68 Log(perimetro)
Page 95 and 96:
FIN
Page 97 and 98:
En regresión simple: • Y es expl
Page 99 and 100:
La ecuación de regresión será: Y
Page 101 and 102:
Y X 2 Hipótesis X 1
Page 103 and 104:
Y X 2 Hipótesis X 1 Linealidad: Lo
Page 105 and 106:
Y X 2 Hipótesis X 1 Linealidad: Lo
Page 107 and 108:
Estimación • Lo hace el ordenado
Page 109 and 110:
Interpretación de regresiones Log
Page 111 and 112:
Universidad Carlos III
Page 113 and 114:
Claridad Global Prof Entusiasmo Par
Page 115 and 116:
Claridad Global Prof Entusiasmo Par
Page 117 and 118:
Más Profesor Claridad Global Prof
Page 119 and 120:
Más Profesor Claridad Global Prof
Page 121 and 122:
Regresión múltiple X 2 X 3 X 1 Pe
Page 123 and 124:
No lineal No lineal Miramos los dat
Page 125 and 126:
Regresión en Logaritmos: Log MpGi
Page 127 and 128:
R2 corregido • R2 tiene un proble
Page 129 and 130:
Multicolinealidad
Page 131 and 132:
Numero de de accidentes en en provi
Page 133 and 134:
Regresión con las dos variables --
Page 135 and 136:
Regresiones Accid=278.2 +0.1 Matric
Page 137 and 138:
Regresión: Regresión: Un problema
Page 139 and 140:
Matrículas Permisos En nuestro eje
Page 141 and 142:
En nuestro ejemplo Solución: elimi
Page 143 and 144:
Cata de quesos: Factores: 1. Acetic
Page 145 and 146:
Dependent variable: taste ---------
Page 147 and 148:
TASTE Lactico 47% Acetico Dependent
Page 149 and 150:
TASTE Lactico 47% H 2 S 55% Depende
Page 151 and 152:
TASTE Lactico 47% H 2 S 55% Depende
Page 153 and 154:
Variables Cualitativas
Page 155 and 156:
Peso Estudiamos Pesos - Alturas •
Page 157 and 158:
Peso Estudiamos Pesos - Alturas Si
Page 159 and 160:
Ejemplos Variable Y Variable X Grup
Page 161 and 162:
El modelo que se estima: ˆ = ˆ β
Page 163 and 164:
Dependent variable: peso Hagámoslo
Page 165 and 166:
Millas por galón: ¿Influye el ori
Page 167 and 168:
Interacciones • Hemos supuesto qu
Page 169 and 170:
Modelización de las interacciones
Page 171 and 172:
Queremos estudiar si hay diferencia
Page 173:
Introducción de V. Politómicas 1.
Page 176:
FIN
show all

Regresion Presentacion

Create successful ePaper yourself

Delete template?

Save as template?