13.7: Términos clave del capítulo
- Page ID
- 151048
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
- a es el símbolo de la Intercepción en Y
- A veces se escribe como\(b_0\), porque al escribir el modelo lineal teórico\(\beta_0\) se utiliza para representar un coeficiente para una población.
- b es el símbolo para Pendiente
- La palabra coeficiente se utilizará regularmente para la pendiente, ya que es un número que siempre estará al lado de la letra “”\(x\). Se escribirá como\(b_1\) cuando se utiliza una muestra, y se\(\beta_1\) utilizará con una población o al escribir el modelo lineal teórico.
- Bivariado
- dos variables están presentes en el modelo donde una es la “causa” o variable independiente y la otra es el “efecto” de la variable dependiente.
- Lineal
- un modelo que toma datos y los retrocede en una ecuación de línea recta.
- Multivariante
- un sistema o modelo donde se está utilizando más de una variable independiente para predecir un resultado. Solo puede haber una variable dependiente, pero no hay límite para el número de variables independientes.
- R2R2 — Coeficiente de Determinación
- Se trata de un número entre 0 y 1 que representa la variación porcentual de la variable dependiente que puede explicarse por la variación en la variable independiente. Algunas veces se calcula por la ecuación\(R^{2}=\frac{S S R}{S S T}\) donde\(SSR\) está la “Regresión de Suma de Cuadrados” y\(SST\) es la “Suma de Cuadrados Total” El coeficiente de determinación apropiado a reportar siempre debe ajustarse primero por grados de libertad.
- Residual o “error”
- el valor calculado a partir de restar\(y_{0}-\hat{y}_{0}=e_{0}\). El valor absoluto de un residuo mide la distancia vertical entre el valor real de y y y el valor estimado de y que aparece en la línea de mejor ajuste.
- RR — Coeficiente de correlación
- Un número entre −1 y 1 que representa la fuerza y dirección de la relación entre “\(X\)” y “”\(Y\). El valor de “\(r\)” será igual a 1 o −1 solo si todos los puntos trazados forman una línea perfectamente recta.
- Suma de Errores Cuadrados (SSE)
- el valor calculado a partir de sumar todos los términos residuales cuadrados. La esperanza es que este valor sea muy pequeño a la hora de crear un modelo.
- X — la variable independiente
- Esto a veces se denominará la variable “predictora”, ya que estos valores se midieron con el fin de determinar qué posibles resultados podrían predecirse.
- Y — la variable dependiente
- Además, usar la letra “\(y\)” representa valores reales mientras que\(\hat{y}\) representa valores predichos o estimados. Los valores pronosticados vendrán de enchufar los “\(x\)” valores observados en un modelo lineal.