Regresion Presentacion

More documents

Recommendations

Info

1. Linealidad 2. Homocedasticidad 3. Independencia 4. Normalidad Hipótesis del modelo: Resumen
Linealidad • Fundamental: Si vamos ajustar una línea recta, los datos deben ser razonablemente rectos. 101 91 81 71 61 51 41 150 160 170 180 190 200 Datos rectos: Recta de regresión representa bien la estructura de los datos
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: Otro ejemplo: Tasa de alfabetizaci
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?