todo bien quá yonal pues hoy vamos a ver regresión lineal amigos y entonces este es el examen el examen está muy sencillo hay que poner en una hoja escribir su nombre supuestos de la regresión lineal después de poner los supuestos de la regresión lineal después vamos a poner la fórmula de la regresión lineal digamos que vamos a poner tres variables con unos tres variables para que sea lineal múltiple no Después qué forma lo qué forma qué fórmula utilizan para convertir un Beta que salga en un modelo de regresión lineal en una razón de momios para poder traducirlo a riesgo y después qué gráfico se utiliza para ilustrar el modelo de regresión lineal tres preguntitas les voy a pedir por favor porque cuando terminen me manden a mi WhatsApp el examen Entonces vamos a empezar entonces con este pequeñísimo repaso no de lo que de la de lo que enviaron ustedes Entonces en este examen En este pequeñísimo examen la primera pregunta era Cuáles son los supuestos de una regresión para una regresión lineal supuestos de la regresión lineal cuál sería el supuesto número uno estim estimadísimo Carlos el primero sería la linealidad claro tenemos que asumir linealidad y Qué significa asumir linealidad que hay relación entre las variables Y esa relación sea lineal y linealidad quiere decir que este Cómo podrías decir linealidad dependiendo de una variable existirá un cambio en la otra roge sí Exactamente lo mismo que a medida que incrementa la variable independiente hay un cambio en la variable dependiente proporcional el cambio en x afecta a y que es la variable dependiente de forma proporcional Sofi justo como la cuestión es más bien en la ecuación en donde ningún Beta tiene que estar elevado al cuadrado o elevado a cualquier potencia No porque entonces ya no aumentaría como en esta línea recta sino ya seguiría como otras formas la curva o la lo que salga tiene que ser lineal entonces nunca un Beta tiene que estar al cuadrado ni al cuadrado ni a ni ni estar a ningún exponencial no bien cuál otra cuál otra tienen sí sí sí sí sí Fabi bien que debe de haber Independencia entre las variables Ah buenísima las variables deben ser independientes Qué significa eso que las variables deben ser independientes que cada variable represente un un dominio diferente del fenómeno si mantienen cosas comunes pues obviamente van a medir como que lo mismo la misma variable Okay ejemplo sería este o pones peso o pones índice de masa corporal pero no puedes meter peso índice masa corporal no no puedes meter peso talla o índice masa corporal muy bien Sí este por ahí tenían dos manos levantadas no sé si si ya las bajaron Sí Alex iba a decir esa pero también tamb la que falta es la homogeneidad de las pendientes las pendientes tienen que ser homogéneas eso no es realidad Alex te dice que si eso no entraría en linealidad No lo sé yo yo lo tengo cuando lo estudié lo tenía como dos supuestos diferentes yo también lo tengo como dos supuestos diferentes en donde en donde este vas teniendo vas diciendo que las pendientes tienen que ir hacia un lugar más o menos O sea hacia hacia un sitio roge que la variable dependiente tiene que ser cuantitativa de distribución normal la variable dependiente es cuanti y perdónenme pero no hay todavía nadie lo ha hecho para libre distribución entonces tiene que tener distribución normal pero qué pasaría si tiene libre distribución pasa algo No lo sé nadie lo ha probado Este sí sí Albert elasticidad que yo creo que este aquí este entra más o menos aquí en este mismo sentido no probed asticidad de las varianzas y en la que acabas de mencionar pues Y cómo que haya normalidad es Es otra de los Claro que tengan distribución normal no O sea que haya normalidad que tengan distribución normal sobre todo para la variable dependiente y para las variables independientes que sean cuantitativas porque también le puedo meter cualitativas Víctor tiene que haber correlación o fuerza de asociación de las variables que se van a analizar Sí yo creo que eso viene aquí en asumir linealidad no entonces tiene que tener fuerza de asociación es decir primero un bivariado y en esos bivariados veo si Cómo está la la correlación entre uno y otro no entonces fuerza asociación aquí Ese es asumir linealidad creo yo no sé qué piensas tú o sea entra del mismo rubro alguno más alguien más algún otro supuesto más King sí Sofi Díaz no me acuerdo de otro nos falta lo de los residuos y los errores los residuos tienen que ser independientes y los errores También tienen que tener una distribución normal y es lo de la homocedasticidad sí ese ya está si la homocedasticidad de las varias ya está y los residuos y errores deben de tener distribución bien perfecto Ah entonces son muchos factores pero el gran problema que tiene esto es que eh No hay otra opción entonces muchas ocasiones se hacen regresiones lineales porque no hay una opción para este para una variable cuantitativa de libre distribución este y corre entonces ahí hay que tener mucho cuidado con los resultados muy bien la siguiente pregunta es Cuál es la fórmula de la regresión lineal Cuál es la fórmula de la regresión lineal King Sí Carlos es y es igual a Beta 0 que es el inter es la y Espera espera dame un segundo déjame acabar Entonces qué es y y es y es lo más importante pero qué es y dependiente variable dependiente la variable dependiente no esta variable dependiente es igual Entonces sería y es igual a bet que ser intercepto Espérame un tantito que estoy diciendo entonces Y es igual a Beta 0 Y qué es eso de Beta 0 el valor cuando x vale c Okay entonces tendríamos que hablar de el gráfico no entonces aquí vamos a meter el gráfico y vamos a a decir que déjen ver dónde está el gráfico Dj quitar esto de aquí y hacer el gráfico entonces tengo una variable dependiente que es que es Y estás de acuerdo y tengo una variable independiente que es x o varias variables independientes que son x hasta aquí vamos bien Y entonces donde se intercepta x con y ese sería la Beta 0 Sí donde está la intersección de de X y Y a eso le vamos a llamar Beta 0 okay Y entonces es igual más bien el valor de Más bien es el valor de Como dijo Carlos el valor de y cuando x es 0 pero cuando se interceptan es es el inicio o sea es es el c cer sí oa porque porque el beta cer es el intercepto como bien dice es el valor que toma y cuando x es de cer pero No necesariamente es Cero en los dos sí Okay okay sí lo intenté poner Aquí voy a poner un ejemplo que a mí me gusta muchísimo voy a poner el ejemplo de de El de la talla de un recién nacido con el peso no Y entonces este de un recién nacido sano y Entonces digamos que el beta 0 sería aquí o sea los niños nacen empezando 50 sí 50 cm dije pesando pero quise decir midiendo y en ese momento no es que sea cero el peso sino que es el el momento donde se intersecta Entonces el peso inicial aquí serían eh 2 K 500 2. 5 kg y entonces en este momento donde hay una intersección entre 2 kg 500 para peso y 50 cm de talle esto quiere decir que probablemente acá haya este eh 1. 5 1.
5 Ay Dios 1. 5 2 2.
