Buscar
- Filtrar resultados
- Ubicación
- Clasificación
- Incluir datos adjuntos
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/11%3A_Introducci%C3%B3n_a_la_Regresi%C3%B3n_M%C3%BAltiple/11.01%3A_%C3%81lgebra_Matricial_y_Regresi%C3%B3n_M%C3%BAltipleEl álgebra matricial es ampliamente utilizado para la derivación de regresión múltiple, ya que permite una representación compacta e intuitiva del análisis de regresión. Por ejemplo, un modelo estimad...El álgebra matricial es ampliamente utilizado para la derivación de regresión múltiple, ya que permite una representación compacta e intuitiva del análisis de regresión. Por ejemplo, un modelo estimado de regresión múltiple en la noción escalar se expresa como: Y=A+BX1+BX2+BX3+EY=A+BX1+BX2+BX3+E. Usando notación matricial, la misma ecuación se puede expresar de una manera más compacta y (¡lo creas o no!) forma intuitiva: y=xb+ey=xb+e.
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/15%3A_El_arte_del_diagn%C3%B3stico_de_regresi%C3%B3n/15.01%3A_Supuestos_de_error_de_OLS_revisadosComo se describió en capítulos anteriores, existe un conjunto de supuestos clave que deben cumplirse para justificar el uso de las distribuciones tt y FF en la interpretación de los resultados del mod...Como se describió en capítulos anteriores, existe un conjunto de supuestos clave que deben cumplirse para justificar el uso de las distribuciones tt y FF en la interpretación de los resultados del modelo OLS. Un modelo ideal OLS tendría las siguientes características: - YY es una función lineal de las variables XX modeladas - No se omiten XX que afecten a E (Y) E (Y) y que se correlacionen con XX incluidas.
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/09%3A_Prueba_de_Hip%C3%B3tesis_BiVariada_y_Ajuste_del_ModeloLos capítulos anteriores discutieron la lógica de la regresión de OLS y cómo derivar estimadores de OLS. Ahora que la regresión simple ya no es un misterio, desplazaremos el foco hacia las pruebas de ...Los capítulos anteriores discutieron la lógica de la regresión de OLS y cómo derivar estimadores de OLS. Ahora que la regresión simple ya no es un misterio, desplazaremos el foco hacia las pruebas de hipótesis bivariables y el ajuste del modelo. Te recomendamos que pruebes los análisis del capítulo mientras lees.
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/04%3A_Probabilidad/4.01%3A_Encontrar_probabilidadesEn este caso, tiene 23 hits en 56 turnos al bate (contra lanzadores diestros) por lo que su probabilidad de obtener un hit contra un lanzador diestro es 23/5623/56 o .411. (Este ejemplo usa el método ...En este caso, tiene 23 hits en 56 turnos al bate (contra lanzadores diestros) por lo que su probabilidad de obtener un hit contra un lanzador diestro es 23/5623/56 o .411. (Este ejemplo usa el método posterior para encontrar la probabilidad, por cierto.) Una probabilidad condicional se simboliza como P (A|B) P (A|B) donde A está recibiendo un hit y B es el lanzador es diestro.
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/16%3A_Regresi%C3%B3n_Logit/16.03%3A_ResumenDe particular utilidad son los gráficos logit, que muestran el desplazamiento estimado en YY de valores de cero a uno; las probabilidades estimadas de YY=1 para casos con combinaciones especificadas d...De particular utilidad son los gráficos logit, que muestran el desplazamiento estimado en YY de valores de cero a uno; las probabilidades estimadas de YY=1 para casos con combinaciones especificadas de valores en las variables XX; y estimaciones de los rangos de probabilidades para YY=1 a través de los rangos de valores en cualquier XX.
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/08%3A_Estimaci%C3%B3n_lineal_y_minimizaci%C3%B3n_de_errores/8.01%3A_Minimizar_errores_usando_DerivadosPara la función f (x) f (x), la derivada se denota como f′ (x) f′ (x) o, pronunciada como “f prime x”. Debido a que la fórmula para z22 es conocida y puede tratarse como una función, la derivada de es...Para la función f (x) f (x), la derivada se denota como f′ (x) f′ (x) o, pronunciada como “f prime x”. Debido a que la fórmula para z22 es conocida y puede tratarse como una función, la derivada de esa función permite calcular el cambio en la suma del error cuadrado sobre cada valor posible de ^αα^ y ^ββ^. Por esa razón, necesitamos encontrar la derivada para Z22 con respecto a los cambios en ^αα^ y ^ββ^. Eso, a su vez, nos permitirá “derivar” los valores de ^αα^ y ^ββ^ que dan como resultado l…
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/16%3A_Regresi%C3%B3n_Logit/16.01%3A_Modelos_Lineales_GeneralizadosLos Modelos Lineales Generalizados (GLM) proporcionan una estructura de modelado que puede relacionar un modelo lineal con variables de respuesta que no tienen distribuciones normales. Se supone que l...Los Modelos Lineales Generalizados (GLM) proporcionan una estructura de modelado que puede relacionar un modelo lineal con variables de respuesta que no tienen distribuciones normales. Se supone que la distribución de YY pertenece a una de una familia exponencial de distribuciones, incluyendo las distribuciones Gaussiana, Binomial y Poisson. Los GLM se ajustan a los datos por el método de máxima verosimilitud.
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/11%3A_Introducci%C3%B3n_a_la_Regresi%C3%B3n_M%C3%BAltiple/11.04%3A_ResumenNo sólo eso, se puede utilizar la forma de matriz, en R, para calcular la pendiente estimada e interceptar coeficientes, predecir YY, e incluso calcular los residuales de regresión. ¡Estamos en camino...No sólo eso, se puede utilizar la forma de matriz, en R, para calcular la pendiente estimada e interceptar coeficientes, predecir YY, e incluso calcular los residuales de regresión. ¡Estamos en camino hacia el verdadero Geekdome! El uso de “prime” en álgebra matricial no debe confundirse con el uso de prime” en la expresión de una derivada, como en X′X′. ↩
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/12%3A_La_l%C3%B3gica_de_la_regresi%C3%B3n_m%C3%BAltipleLa lógica de la regresión múltiple se puede extender fácilmente a partir de nuestra discusión anterior sobre la regresión simple. Al igual que con la regresión simple, la regresión múltiple encuentra ...La lógica de la regresión múltiple se puede extender fácilmente a partir de nuestra discusión anterior sobre la regresión simple. Al igual que con la regresión simple, la regresión múltiple encuentra la línea de regresión (o plano de regresión” con múltiples variables independientes) que minimiza la suma de los errores cuadrados. En este capítulo se discute la especificación teórica del modelo de regresión múltiple, los supuestos clave necesarios para que el modelo proporcione las mejores estima
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/11%3A_Introducci%C3%B3n_a_la_Regresi%C3%B3n_M%C3%BAltiple/11.03%3A_Regresi%C3%B3n_de_OLS_en_forma_de_matrize′e= (Y−xB) ′ (Y−xB) =Y′y−x′y−Y′xb+B′xxb=Y′y−2B′x'y+B′xB′xB+B′xb′ (Y−xB) '(Y−xB) =Y′y−xXb+B′x′xB+B′x′xb+B′x′xb+B′x′xb+B′x′xb+B′x′xb+= Y′y−2B′x′y+B′x′xB Usando los siguientes pasos, usaremos R para cal...e′e= (Y−xB) ′ (Y−xB) =Y′y−x′y−Y′xb+B′xxb=Y′y−2B′x'y+B′xB′xB+B′xb′ (Y−xB) '(Y−xB) =Y′y−xXb+B′x′xB+B′x′xb+B′x′xb+B′x′xb+B′x′xb+B′x′xb+= Y′y−2B′x′y+B′x′xB Usando los siguientes pasos, usaremos R para calcular bb, un vector de coeficientes de regresión; ^yy^, un vector de valores yy pronosticados; y ee, un vector de residuales. Podemos usar la función lm en R para verificar y ver si nuestro enfoque de matriz “a mano” obtiene el mismo resultado que la rutina de regresión múltiple “enlatada”:
- https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Metodos_Cuantitativos_de_Investigacion_para_Ciencias_Politicas_Politicas_Publicas_y_Administracion_Publica_(Jenkins-Smith_et_al.)/06%3A_Asociaci%C3%B3n_de_Variables/6.02%3A_CovarianzaLa covarianza es una medida simple de la forma en que dos variables se mueven juntas, o “co-varían”. La covarianza de dos variables, XX y YY, se puede expresar en notación poblacional como: Por lo tan...La covarianza es una medida simple de la forma en que dos variables se mueven juntas, o “co-varían”. La covarianza de dos variables, XX y YY, se puede expresar en notación poblacional como: Por lo tanto, la covarianza entre XX e YY es simplemente el producto de la variación de XX alrededor de su valor esperado, y la variación de YY alrededor de su valor esperado. cov (X, Y) =( X−¯X) (Y−¯Y) (n−1) (6.3) (6.3) cov (X, Y) =( X−X¯) (Y−Y¯) (n−1)
