I. ANALISIS BIVARIADO.
El Análisis Bivariado Implica el análisis comparativos de dos variables una de las cuales modifica a la otra.
Al considerar dos variables, la construcción de las tablas de distribución de frecuencias Bivariadas, que llamaremos Tablas Bivariadas, se realizará considerando la siguiente estructura: a) Llamaremos a cada una de las variables con, niveles o intervalos o clases para la variable X, y niveles o intervalos o clases para la variable Y. b) La variable X se puede disponer en las filas y la variable Y en las columnas, registrándose para ellas la información conjunta, de los pares ordenados en el centro de la tabla. II. REGRESIÓN LINEAL: 3.1. INTRODUCCIÓN:
El objeto …ver más…

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.
El objetivo de la regresión no lineal se puede clarificar al considerar el caso de la regresión polinomial, la cual es mejor no tratar como un caso de regresión no lineal. Cuando la función f toma la forma: f(x) = ax2 + bx + c
La función f es no lineal en función de x pero lineal en función de los parámetros desconocidos a, b, y c. Este es el sentido del término "lineal" en el contexto de la regresión estadística. Los procedimientos computacionales para la regresión polinomial son procedimientos de regresión lineal (múltiple), en este caso con dos variables predictoras x y x2. Sin embargo, en ocasiones se sugiere que la regresión no lineal es necesaria para ajustar polinomios. Las consecuencias prácticas de esta mala interpretación conducen a que un procedimiento de optimización no lineal sea usado cuando en realidad hay una solución disponible en términos de regresión lineal.

III. CORRELACIÓN LINEAL: 4.7. ANÁLISIS DE CORRELACIÓN