Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1-28
1-29
recibe el nombre de modelo de regresin lineal mltiple con k variables de regresin. Los
parmetros j j 0, 1, , k , se conocen como coeficientes de regresin. Este modelo
describe un hiperplano en el espacio de dimensin k formado por variables de regresin
x j . El parmetro j representa el cambio esperado en la respuesta de Y por unidad de
cambio en x j cuando todos los dems regresores x j (i j ) se mantienen constantes.
Frecuentemente los modelos de regresin lineal mltiple se emplean como funciones de
aproximacin. Esto es, se desconoce la verdadera relacin funcional entre Y y
x1 , x2 , , xk pero sobre ciertos rangos de las variables independientes el modelo de
regresin lineal constituye una aproximacin adecuada.
Estimacin de los parmetros por mnimos cuadrados
El mtodo de mnimos cuadrados puede emplearse para estimar los coeficientes de
regresin del modelo lineal mltiple de la ecuacin 1-29
i 1
i 1
i 1
i 1
n 0 1 xi1 2 xi 2 k xik yi
n
i 1
i 1
i 1
i 1
i 1
i 1
i 1
i 1
i 1
i 1
yi 0 1xi1 2 xi 2 k xik i , i 1, 2, , , n
Este modelo es un sistema de n ecuaciones que puede expresarse en notacin matricial
como
y X
1-30
donde
y1
y
y 2
yn
1 x11
1 x
21
X
1 x n1
x1x
x 2 k
x nk
x12
x 22
xn 2
0
1
y
1
2
en las ecuaciones
No se darn detalle sobre cmo realizar las derivadas anteriores; sin embargo. Las
ecuaciones resultantes que es necesario resolver son
X X Xy
1-31
Las ecuaciones (1-31) son las ecuaciones normales de mnimos cuadrados en forma
matricial, y son idnticas a la forma escalar que se vieron ya con anterioridad. Para
resolver las ecuaciones normales se multiplican ambos miembros de las ecuaciones
anteriores por la inversa X X . Por consiguiente, el estimador de mnimos cuadrados de
es
1-32
Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Media de
cuadrados
Regresin
Error
Total
Prueba sobre la significancia regresin
La prueba para la significancia de la regresin es una prueba para determinar si existe una
relacin lineal entre las variables de respuesta y y un subconjunto de variables de
regresin x1 , x2 ,, xk . Las hiptesis apropiadas son
H 0 : 1 2 k 0
al menos para una j
H1 : j 0
1-33
Definicin
Las frmulas para el clculo de la suma de cuadrados para el anlisis de varianza, son
1-34
1-35
H0 :
j 0
H1 :
j 0
1-37
(XX) -1
estn distribuidos de manera normal e independiente, con media cero y varianza 2 . Esta
es la misma suposicin que se requiere para la prueba de hiptesis. Por consiguiente, las
observaciones Y j estn distribuidas de manera normal e independiente con media
k
1-38
Definicin
Un intervalo de confianza del
por ciento para el coeficiente de regresin
en el modelo de regresin lineal mltiple est dado por
1-39
1-40
1-41
Parbola de regresin
En muchos casos, es una funcin de segundo grado la que se ajusta lo suficiente a la
situacin real dada.
La expresin general de un polinomio de segundo grado es:
1-43
donde a, b y c son los parmetros.
El problema consiste, por tanto, en determinar dichos parmetros para una distribucin
dada. Seguiremos para ello, un razonamiento similar al que hicimos en el caso del modelo
de regresin lineal simple, utilizando el procedimiento de ajuste de los mnimos
cuadrados, es decir, haciendo que la suma de cuadrados de las desviaciones con respecto
a la curva de regresin sea mnima:
Para encontrar los valores a, b y c que hacen mnima la expresin anterior, deberemos
igualar las derivadas parciales de D con respecto a dichos parmetros a cero y resolver el
sistema resultante. Las ecuaciones que forman dicho sistema se conocen como
ecuaciones normales de Gauss (igual que en la regresin lineal simple)
y uno exponencial
Modelo potencial
Si tomamos logaritmos en la expresin de la funcin potencial, obtendremos: