TECNOLÓGICO NACIONAL DE MÉXICO
INSTITUTO TECNOLÓGICO
SUPERIOR DE HUAUCHINANGO
INTRODUCCION A LA REGRESION ESTADISTICA
Introduccion de la regresion
La regresión estadística es un análisis más complejo que otras técnicas estadísticas como la correlación. Mientras que la correlación mide la relación entre dos variables, la regresión va más allá y se utiliza principalmente para hacer predicciones. En psicología, es fundamental para explicar fenómenos bajo un enfoque cuantitativo.
Objetivo de la regresion
El objetivo principal de la regresión lineal simple es predecir una variable cuantitativa en función de otra. Para ello, se trabaja con dos variables:
Variable dependiente (Y), Es la variable que queremos explicar o predecir.
Variable independiente (X), Es la variable que usamos para hacer la predicción de la variable dependiente.
MODELO DE REGRESION
El procedimiento subyacente de la regresión es ajustar una ecuación de una recta que describe la relación entre las dos variables. Esta recta muestra cómo los cambios en la variable X afectan a la variable Y, de manera que una variación en X puede generar un cambio en Y.
RELACIONES LINEALES Y PREDICCIONES
En la regresión lineal, si una variable X es verdaderamente predictora de Y, significa que un cambio en X provoca un cambio en Y, que puede ser en la misma dirección (relación positiva) o en dirección opuesta (relación negativa). Por ejemplo: - Si las horas de estudio (X) predicen las calificaciones (Y), al aumentar las horas de estudio, las calificaciones también aumentarán. - Si X no es predictor de Y, un cambio en X no tendrá efecto en Y.
GRAFICAS Y RELACIONES LINEALES
Se utiliza una gráfica de dispersión para representar los puntos (X, Y). Si hay una relación lineal, se dibuja una recta de regresión que muestra la tendencia de los puntos. La relación puede ser:
Positiva fuerte y debil: La recta es casi perfecta, donde a mayor X, mayor Y. A medida que X aumenta, Y también lo hace, pero con más dispersión.
No lineal: No existe una relación lineal clara.
Relación negativa: Un aumento en X podría llevar a una disminución en Y.
ECUACION DE LA RECTA
Donde: - Y' es la variable dependiente predicha. - b₀ es el intercepto (el valor de Y cuando X es cero). - b₁ es la pendiente (indica cómo cambia Y por cada unidad de cambio en X).
Introduccion a la regresion estadistica
Yazmin Galindo Arista.
Created on November 12, 2024
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Simple Branching Scenario Mobile
View
Branching Scenario: Leadership Decisions
View
Branching Scenario: Digital Alert
View
Conflict Resolution: Branching Scenarios
View
Simple Branching Scenario
View
Choose Your Own Story
View
Branching Scenario: Save Christmas
Explore all templates
Transcript
TECNOLÓGICO NACIONAL DE MÉXICO INSTITUTO TECNOLÓGICO SUPERIOR DE HUAUCHINANGO
INTRODUCCION A LA REGRESION ESTADISTICA
Introduccion de la regresion
La regresión estadística es un análisis más complejo que otras técnicas estadísticas como la correlación. Mientras que la correlación mide la relación entre dos variables, la regresión va más allá y se utiliza principalmente para hacer predicciones. En psicología, es fundamental para explicar fenómenos bajo un enfoque cuantitativo.
Objetivo de la regresion
El objetivo principal de la regresión lineal simple es predecir una variable cuantitativa en función de otra. Para ello, se trabaja con dos variables:
Variable dependiente (Y), Es la variable que queremos explicar o predecir.
Variable independiente (X), Es la variable que usamos para hacer la predicción de la variable dependiente.
MODELO DE REGRESION
El procedimiento subyacente de la regresión es ajustar una ecuación de una recta que describe la relación entre las dos variables. Esta recta muestra cómo los cambios en la variable X afectan a la variable Y, de manera que una variación en X puede generar un cambio en Y.
RELACIONES LINEALES Y PREDICCIONES
En la regresión lineal, si una variable X es verdaderamente predictora de Y, significa que un cambio en X provoca un cambio en Y, que puede ser en la misma dirección (relación positiva) o en dirección opuesta (relación negativa). Por ejemplo: - Si las horas de estudio (X) predicen las calificaciones (Y), al aumentar las horas de estudio, las calificaciones también aumentarán. - Si X no es predictor de Y, un cambio en X no tendrá efecto en Y.
GRAFICAS Y RELACIONES LINEALES
Se utiliza una gráfica de dispersión para representar los puntos (X, Y). Si hay una relación lineal, se dibuja una recta de regresión que muestra la tendencia de los puntos. La relación puede ser:
Positiva fuerte y debil: La recta es casi perfecta, donde a mayor X, mayor Y. A medida que X aumenta, Y también lo hace, pero con más dispersión.
No lineal: No existe una relación lineal clara.
Relación negativa: Un aumento en X podría llevar a una disminución en Y.
ECUACION DE LA RECTA
Donde: - Y' es la variable dependiente predicha. - b₀ es el intercepto (el valor de Y cuando X es cero). - b₁ es la pendiente (indica cómo cambia Y por cada unidad de cambio en X).