Análisis de Variables, Tablas y Modelos de Regresión: Una Exploración Detallada

Variables y Tipos de Datos

Variables:

Cuantitativa: continua (decimales); discreta (enteros)

Cualitativa: Ordinal (orden); Nominal (sin orden)

Tablas Bidimensionales

Tabla bidimensional

• Cuenta
• Centrado
• Esquema
• Ordenar

Cuando pregunta porcentaje: ¿Qué porcentaje?: se filtra y el número que da se divide por el total de datos.

Representación Gráfica

Gráfico

• Títulos principal y ejes (Distribución de los ejes)
• Rótulos encima

Interpretación de Resultados

Interpretación

Ej: se observa una mayor frecuencia de alumnos (variable) todas las variables del gráfico y con menor frecuencia y se destaca otra variable.

Se observa que la mayor frecuencia de trabajadores con una escolaridad universitaria y un rango de sueldo desde y hasta. (Recuerda poner valor, m$)

Análisis de Tablas Bidimensionales

Tabla bidimensional

• Cuando dice Promedio (cambiar la variable que pide) en valores y darle promedio
• De un universo ¿Porcentaje? Se filtra el universo se anota el valor. Después ver 2 filtro sin filtrar si se puede y ese valor se divide por el universo dado.

Modelos de Regresión

Modelos de regresión

Gráfico de Dispersión

Gráfico de Dispersión

• Títulos principal y ejes (Relación de los ejes)
• Sacar líneas

Covarianza y Correlación

Covarianza: =covar( matrices que indica)

• Si es Mayor a 0 La relación es directa entre las variables x e y, es decir si una de las variables aumenta la otra también lo hace.
• Si es Menor a 0 La relación es Inversa entre las variables x e y, es decir si una de las variables disminuye la otra también lo hace.

Coeficiente de correlación: =coef.de.correl (matrices)

El grado de correlación lineal entre las variables es de 0,85 e indica que existe una alta correlación lineal entre las variables, con pendiente positiva.

Interpretación de Modelos de Regresión

Modelos de regresión

Interpretación de coeficiente de determinación: El % de la variación de (variable y) es explicada por la variabilidad de la (variable(x)

El mejor modelo: El modelo que mejor se ajusta a los datos es del modelo XXXX, ya que posee un coeficiente de determinación mayor, ya que el % de la (variables y) es explicado por la variabilidad de (variable x).

Pendiente: Por cada $1.000 mensual que aumenta el ingreso familiar(x), el monto destinado a vacaciones (y) aumenta o disminuye en $718.

Modelo de Regresión Lineal

Modelo de regresión lineal:

Y= 0,1894x + 60,423

• Pendiente: 0,1894
• Coeficiente de posición 60,423
• Coef. Determinación R2

Modelo Exponencial

Modelo Exponencial: y=1127,5e-0,006x

• Cuando pregunta por Y Remplazar formula =1127,5*=exp(0,006*N°dado)
• Cuando pregunta por x , formula =LN(valordado(y)/1127,5)/n° pequeño de e)