Varianza Simple

Participante

Mathues Alejandro

CI. 17.831.428

Estadística Aplicada

Profesor/a

Alba Hernández

Resumen

La regresión lineal comprende el intento de desarrollar una línea recta o ecuación matemática o estadística lineal que describa la relación entre dos variables.

Estas ecuaciones de regresión pueden ser utilizadas de diversas formas. Se emplea en situaciones en las que las dos variables miden aproximadamente lo mismo, pero en la que una variable es relativamente costosa, o por lo contrario, es poco interesante trabajar con ella, mientras que con la otra variable no ocurre lo mismo. Otra forma de emplear las ecuaciones de regresión lineal es para explicar los valores de una variable en términos de la otra. Es decir, se puede intuir una relación de causa y efecto entre dos variables.

Análisis de varianza se basa con un técnica que se utiliza para decidir si las medias de dos o más poblaciones son iguales. La prueba se basa en una muestra única, obtenida a partir de cada población. El análisis de varianza puede servir para determinar si las diferencias entre las medias muéstrales que revelan las verdaderas diferencia entre el rendimiento de cada una de las mismas.

Palabras Claves: Análisis- línea recta- población- muestra.

Asbtract:

The linear regression includes the attempt to develop a straight line or linear mathematical or statistical equation that describes the relationship between two variables.

These regression equations can be used in various ways. It is used in situations in whichthe two variables are approximately the same, but in which a variable is relatively expensive, or otherwise, is very interesting to work with it, while the other variable is not true. Another way of using the linear regression equations to explain the values of a variable in terms of another. That is, one can sense a cause and effect relationship between twovariables.

Analysis of variance was based with a technique that is used to decide whether the means of two or more populations are equal. The test is based on a single sample, from each population. The variance analysis can help determine if the differences between the sample means to reveal the true difference between the performance of each of them.

Keywords: Analysis-straight-line sample population

Introducción

El objetivo del análisis de la regresión lineal es analizar un modelo que pretende explicar el comportamiento de una variable (Variable endógena, explicada o dependiente), que denotaremos por Y, utilizando la información proporcionada por los valores tomados por un conjunto de variables (explicativas, exógenas o independientes), que denotaremos por X1 , X2 , ....., X n

Las variables del modelo de regresión deben ser cuantitativas. Pero dada la robustez de la regresión es frecuente encontrar incluidas en el modelo como variables independientes a variables ordinales e incluso nominales transformadas en variables ficticias. Pero la variable dependiente debe ser cuantitativa. Para una variable dependiente binaria de emplea la regresión logística.

El modelo lineal viene dado por la ecuación lineal:

Y = b0 + b1 X1 + b2 X2 + ... b k X k + u

Los coeficientes (parámetros) b1 , b2 , ... , b k denotan la magnitud del efecto de las variables explicativas (exógenas o independientes), esto es, representan los pesos de la regresión o de la combinación lineal de las predictoras X1 , X2 , ... X k sobre la variable explicada (endógena o dependiente) Y. El coeficiente b0 se denomina término constante (o independiente) del modelo. Y al término u se le llama término de error del modelo o componente de Y no explicada por las variables predictoras.

Si disponemos de T observaciones para cada variable, el modelo de expresa así:

Y t = b0 + b1 X1 t + b2 X2 t + ... b

...