La regresión estadística o regresión a la media es la tendencia de una medición extrema a presentarse más cercana a la media en una segunda medición. La regresión se utiliza para predecir una medida basándonos en el conocimiento de otra.
tipos de regresión:
Regresión lineal simple
Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una función simple (lineal) de X que nos permita aproximar Y mediante: Ŷ = a + bX
a (ordenada en el origen, constante)
b (pendiente de la recta)
A la cantidad e=Y-Ŷ se le denomina residuo o error residual.
Regreseión no lineal
En estadística, la regresión no lineal es un problema de inferencia para un modelo tipo:
basado en datos multidimensionales x,y, donde f es alguna función no lineal respecto a algunos parámetros desconocidos θ. Como mínimo, se pretende obtener los valores de los parámetros asociados con la mejor curva de ajuste (habitualmente, con el método de los mínimos cuadrados). Con el fin de determinar si el modelo es adecuado, puede ser necesario utilizar conceptos de inferencia estadística tales como intervalos de confianza para los parámetros así como pruebas de bondad de ajuste.
Correlación
En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe correlación si al aumentar los valores de A lo hacen también los de B y viceversa. La correlación entre dos variables no implica, por sí misma, ninguna relación de causalidad (Véase Cum hoc ergo propter hoc).
lunes, 21 de julio de 2008
comentario
las series estacionarias se caracterizan en que es constante la cantidad que hay entre un dato a otro no varia mucho. Al contrario de la no estacionaria que si tiende a variar mucho
clasificación de series de tiempo
estacionarias:
Se habla de este tipo de variaciones usualmente cuando el comportamiento de la variable en el tiempo ennun periodo esta relacionado con la época o un periodo particular, por lo general en el espacio cronologico presente.
No estacionaria:
los movimientos irregulares (al azar) representan todos los tipos de movimientos de uan serue que no sea tendencia.
Se habla de este tipo de variaciones usualmente cuando el comportamiento de la variable en el tiempo ennun periodo esta relacionado con la época o un periodo particular, por lo general en el espacio cronologico presente.
No estacionaria:
los movimientos irregulares (al azar) representan todos los tipos de movimientos de uan serue que no sea tendencia.
comentario
estas graficas nos ayudan a comprender fénomenos por medio de lapsos de tiempo y los cambios que han sufrido a traves del mismo
comentario
es un conjunto de secuencias de puntos de datos para detectar la información a como se mueve la variable en el tiempo dependiendo del fenomeno que se estudie, tambien llamda cronologica que da un conjunto de observaciones de una variable, ordenada segun el tiempo.
series de tiempo
Una serie de tiempo esta dado por un conjunto de observaciones que están ordenadas en el tiempo, y que estas pueden representar el cambio de una variable ya sea de tipo económica, física, química, biológica, etc, a lo largo esa historia.
El objetivo del análisis de una serie de tiempo es el conocimiento de su patrón de comportamiento, para así poder prever su evolución en el futuro cercano, suponiendo por supuesto que las condiciones no variarán significativamente.
Los pronosticos que se puedan realizar en base al análisis de este tipo de datos serviran para el desarrollo de nuevos planes para inversiones en agricultura por ejemplo, elaboración de nuevos productos por parete de las empresas, prevención de desastres por cambios en el clima, o captar turistas para la ciudad, etc.
En estadística, procesamiento de señales, y econometría, una serie temporal es una secuencia de puntos de datos, medidos típicamente a intervalos de tiempo sucesivos , y espaciados (con frecuencia) de forma uniforme. El análisis de series temporales comprende métodos que ayudan a interpretar este tipo de datos, extrayendo información representativa, tanto referente a los orígenes o relaciones subyacentes como a la posibilidad de extrapolar y predecir su comportamiento futuro.
De hecho uno de los usos más habituales de las series de datos temporales es su análisis para predicción y pronóstico. Por ejemplo de los datos climáticos, o de las acciones de bolsa, o las series pluviométricas.
El objetivo del análisis de una serie de tiempo es el conocimiento de su patrón de comportamiento, para así poder prever su evolución en el futuro cercano, suponiendo por supuesto que las condiciones no variarán significativamente.
Los pronosticos que se puedan realizar en base al análisis de este tipo de datos serviran para el desarrollo de nuevos planes para inversiones en agricultura por ejemplo, elaboración de nuevos productos por parete de las empresas, prevención de desastres por cambios en el clima, o captar turistas para la ciudad, etc.
En estadística, procesamiento de señales, y econometría, una serie temporal es una secuencia de puntos de datos, medidos típicamente a intervalos de tiempo sucesivos , y espaciados (con frecuencia) de forma uniforme. El análisis de series temporales comprende métodos que ayudan a interpretar este tipo de datos, extrayendo información representativa, tanto referente a los orígenes o relaciones subyacentes como a la posibilidad de extrapolar y predecir su comportamiento futuro.
De hecho uno de los usos más habituales de las series de datos temporales es su análisis para predicción y pronóstico. Por ejemplo de los datos climáticos, o de las acciones de bolsa, o las series pluviométricas.
Suscribirse a:
Entradas (Atom)
