correlacion bivariada y regresion final

12
CORRELACIÓN BIVARIADA Y REGRESIÓN CRISTIAN CHAVERRA DANNA GRAJALES RONAL CAICEDO SEBASTIAN MURILLO

Upload: ing-ronald-caicedo

Post on 05-Feb-2016

17 views

Category:

Documents


0 download

DESCRIPTION

correlaccion

TRANSCRIPT

Page 1: Correlacion Bivariada y Regresion Final

CORRELACIÓN BIVARIADA Y REGRESIÓN

CRISTIAN CHAVERRA

DANNA GRAJALES

RONAL CAICEDO

SEBASTIAN MURILLO

Page 2: Correlacion Bivariada y Regresion Final

La regresión y la correlación son dos técnicas estrechamente relacionadas y comprenden una forma de estimación.

En forma más especifica el análisis de correlación y regresión comprende el análisis de los datos muestrales para saber que es y como se relacionan entre si dos o mas variables en una población. El análisis de correlación produce un número que resume el grado de la correlación entre dos variables; y el análisis de regresión da lugar a una ecuación matemática que describe dicha relación. La correlación mide la fuerza de una entre variables; la regresión da lugar a una ecuación que describe dicha relación en términos matemáticos

Page 3: Correlacion Bivariada y Regresion Final

REGRESIÓN LINEAL

La regresión lineal simple comprende el intento de desarrollar una línea recta o ecuación matemática lineal que describe la reacción entre dos variables

Page 4: Correlacion Bivariada y Regresion Final

Se emplean en situaciones en la que las dos variables miden aproximadamente lo mismo, pero en las que una variable es relativamente costosa, o, por el contrario, es poco interesante trabajar con ella, mientras que con la otra variable no ocurre lo mismo.

La finalidad de una ecuación de regresión seria estimar los valores de una variable con base en los valores conocidos de la otra.

Page 5: Correlacion Bivariada y Regresion Final

Otra forma de emplear una ecuación de regresión es para explicar los valores de una variable en término de otra. Es decir se puede intuir una relación de causa y efecto entre dos variables. El análisis de regresión únicamente indica qué relación matemática podría haber, de existir una.

Page 6: Correlacion Bivariada y Regresion Final

EJEMPLO #1 REGRESIÓN. La regresión está basada en la asociación lineal, es decir, que cuando

los valores de una variable aumentan los valores de la otra variable pueden aumentar o disminuir proporcionalmente. Por ejemplo, la altura y el peso tienen una relación lineal positiva, a medida que aumenta la altura aumenta el peso. Si realizamos un gráfico de puntos con ambas variables la nube de puntos se asemejará a una diagonal representada por una ecuación de regresión lineal.

Page 7: Correlacion Bivariada y Regresion Final

ANÁLISIS DE CORRELACIÓN

 La correlación es la técnica más usada para medir asociación lineal en todas las ciencias. Indica asociación o relación entre dos variables, no implica causalidad. Su principal objetivo es:

Establecer la asociación entre dos variables (explicar una característica en base a otra).

Page 8: Correlacion Bivariada y Regresion Final

FORMAS USUALES DE REALIZAR UNA CORRELACIÓN BIVARIADA

Existen varias formas de realizar este procedimiento. Uno de ellos es contar frecuencias dobles, es decir, contar dos características a la vez en un individuo. Por ejemplo: Sexo femenino y estar casada. Cuando decimos que hay 140 mujeres casadas, hemos hecho un recuento bivariado.

A su vez se puede utilizar la “Correlación De Pearson” en la cual se plantea una hipótesis nula y una hipótesis alternativa, seguidamente se pretende hallar un valor “p” y compararlo con el nivel de significancia con el fin de seleccionar una hipótesis y determinar así la existencia de correlación.

Page 9: Correlacion Bivariada y Regresion Final

VIDEO AQUÍ CORRELACION

Page 10: Correlacion Bivariada y Regresion Final

TABLA INDICES R Y RHO

Page 11: Correlacion Bivariada y Regresion Final

EJEMPLO #2 CORRELACIÓN BIVARIADA

Comprobamos la correlación entre Edad e Interés en la política

La muestra (N): 3017 personas en Colombia.

Variable #1: La edad      

Variable #2: Interés en la política donde las categorías son: 1-mucho interés, 2-bastante interés, 3-poco interés, 4-nada de interés

Page 12: Correlacion Bivariada y Regresion Final