Regresion Presentacion

More documents

Recommendations

Info

Interpretación de regresiones Multiple Regression Analysis ----------------------------------------------------------------------------- ----------------------------------------------------------------------------- Dependent variable: Clase_Practica ----------------------------------------------------------------------------- ----------------------------------------------------------------------------- Standard T Parameter Estimate Error Statistic P-Value Value ----------------------------------------------------------------------------- ----------------------------------------------------------------------------- CONSTANT 0,590115 0,143453 4,11365 0,0001 Pof_ Pof_ Laboratorio 0,557256 0,0651018 8,55975 0,0000 Prof_Pizarra 0,243002 0,0579318 4,19462 0,0000 0,000 ----------------------------------------------------------------------------- ----------------------------------------------------------------------------- Sat Prac= 0.59 + 0.56 Labi +0.24 Pizarrai (8.55) (4.19) R2 Sat Prac= 0.59 + 0.56 Lab i+0 +0.24 .24 Pizarra i (8.55) (4.19) R =95.4% 2 =95.4%
Regresión múltiple X 2 X 3 X 1 Peso2 Peso1 Peso3 X 4 Y Peso4
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 and 10:
Relaciones no deterministas peso 12
Page 11 and 12:
La regresión estudia las relacione
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 49 and 50:
Page 51 and 52:
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: Más Profesor Claridad Global Prof
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?