Ahora toca concordancia y correlación!!!!
Buenas ya estamos casi terminando el temario, vamos por el tema 12 y se titula: "Concordancia y correlación. Correlación paramétrica: Pearson. Correlación no
paramétrica: Spearman".
- Regresión lineal simple: correlación y determinación
- Se trata de estudiar la asociación lineal entre dos variables cuantitativas
- Ejemplo: influencia de la edad en las cifras de Tensión arterial Sistólica
- Regresión lineal simple: una sola variable independiente
- Regresión lineal múltiple: más de una variable independiente
- Ecuación de la recta: y = ax + b (ej: TAS=a· edad +b)
- Pendiente de la recta a = β1
- Punto de intersección con el eje de coordenadas b=β0
- Pendiente de la recta a = β1
- Punto de intersección con el eje de coordenadas b=β0
- Β1 expresa la cantidad de cambio que se produce en la variable dependiente por unidad de cambio de la variable independiente
- Β0 expresa cuál es el valor de la variable dependiente cuando la independiente vale cero
- 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 a determinar es aquélla con la menor distancia de cada punto a ella.
- Coeficiente de correlación (Pearson y Spearman): Número adimensional (entre -1 y 1) que mide la fuerza y el sentido de la relación lineal entre dos variables.
- r= β1 • sx /sy
- Coeficiente de determinación: número adimensional (entre 0 y 1) que dá idea de la relación entre las variables relacionadas linealmente. Es r2.
Mawi 
"Aunque las cosas se pongan del revés, no por eso se pierde el equilibrio"
Comentarios
Publicar un comentario