Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Ingeniera
Departamento de Ingeniera Industrial
Captulo 1
Hernaldo Reinoso
Marzo 2016
Ejemplo
i = semana
$ = miles de pesos
Y = Ventas (100 ton)
X1 = Precio ($/ton)
X2 = Publicidad (100 $)
3. Ecuacin de prediccin:
n = 10 y k = 2
i
1
2
3
4
5
6
7
8
9
10
Y
10
6
5
12
10
15
5
12
17
20
X1
1,3
2,0
1,7
1,5
1,6
1,2
1,6
1,4
1,0
1,1
X2
9
7
5
14
15
12
6
10
15
21
Residuos:
6. Cov(i , Xi) = 0
7. Nmero de observaciones mayor
que nmero de parmetros (n > k)
8. Los valores de Xi en la muestra no
no estocsticas
3.
E(i | X) = 0
4. Homocedasticidad: V(i | X) = 2
5. Independencia de errores ( No
existe autocorrelacin):
Cov(i, j | Xi, Xj ) = 0
Adems:
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
9 Anlogamente, se estima 2
9 Y para el intercepto,
Bajo los supuestos indicados, los estimadores de MCO son MELI (Mejores
Estimadores Lineales Insesgados), o ELIO (Estimadores Lineales Insesgados
ptimos).
En el ejemplo:
Mes
8,45
7,90
8,52
7,92
8,25
7,91
8,58
7,96
8,58
7,98
8,63
8,01
16
8,97
8,23
17
8,97
8,27
18
9,04
8,29
19
9,05
8,30
R2 Ajustado
Ejemplo:
11
Fuente
12
ANOVA
g. l.
SC
CM
Regresin
Error
Total
9 Estadstica de prueba:
9 Decisin:
Rechazar H0 si
10
Valor p
13
Ejemplo: k = 2:
Pruebas de hiptesis
Pruebas de normalidad
1. Pruebas grficas
- Grfico de probabilidad Normal
- Grfico de caja y bigotes
Parmetro Estimacin
Constante
X6
X7
X8
X9
X10
X11
X12
X13
X23
16.703
2.63642
-0.493471
-0.849983
3.31026
-0.0464916
1.31899
1.16003
-0.400973
-0.926798
15
Autocorrelacin:
Autocorrelacin
Ausencia de autocorrelacin:
- Histograma
2. Prueba Ji-Cuadrada (2) de la
bondad del ajuste
3. Prueba de Smirnov-Kolmogorov
4. Prueba de Shapiro-Wilks
5. Prueba de Anderson-Darling
6. Prueba de Jarque-Bera
Error
Estndar
11.5529
0.694544
1.67482
0.571791
0.875052
0.72483
0.803793
1.16721
0.568153
2.00284
Supuesto de Normalidad
14
Ejercicio
16
Autocorrelacin
17
Causas:
Formas de detectarla:
18
Ejemplo:
Mtodo grfico
Anlisis de la FAC
Pruebas de corridas
Pruebas estadsticas para la
independencia de residuos, por
ejemplo, la prueba de
Durbin-Watson
Ao Importaciones
Medidas correctivas:
Depende de si es conocida o no la
magnitud de la autocorrelacin ()
Otros mtodos
PNB
23.2
506.0
23.1
523.3
25.2
563.8
26.4
594.7
18
185.8
1899.5
19
217.5
2127.6
20
260.9
2368.5
19
9 Estadstico de DW:
9 Por lo tanto, no puede usarse para
detectar esquemas autoregresivos
de orden superior
9 El modelo no incluye trminos
rezagados, como por ejemplo, Yt-1
20
21
22
Zona de
indecisin
Rechazar H0
Evidencia de
autocorrelacin
positiva
n = 20
k = 1 variable explicativa
Rechazar H0
Evidencia de
autocorrelacin
negativa
No rechazar H0
En Statgraphics:
9 Los valores dL y dU se leen de la tabla a continuacin
Multicolinealidad
Alta correlacin entre variables explicativas
9 Formas de detectarla:
9 Causas:
Mtodos de recoleccin de
informacin
Error de especificacin del modelo
etc.
9 Efectos:
Estimadores son MELI pero con
varianzas altas
Por lo tanto, IC mucho ms amplios y,
por ende, muchas razones t no
significativas
R2 puede ser muy alta
23
Multicolinealidad
24
Error
Parmetro Estimacin Estndar EstadsticoT ValorP
CONSTANTE
4,97678
2,04688
0,0435
X1
0,057583
2,01266
0,9772
X2
0,696911
2,09017
0,7396
X3
3,36822 0,411234
8,19052
0
X4
0,0421953
0,0632799
0,9497
X5
8,36914
2,13599
0,0353
X6
0,947168
1,3521
0,1797
X7
0,355431
1,59506
0,1141
Fuente
SC
Gl
Modelo
6198,7
Residuo
1800,3
Total(Corr.) 7999
CM
RaznF ValorP
45,25
0
25
Multicolinealidad
26
o sea de
9 El VIF representa el incremento en la varianza debido a la presencia de
multicolinealidad.
9 Un criterio es considerar que la multicolinealidad es severa si:
VIFj >
Promedio de los VIF sustancialmente > 1
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
Multicolinealidad: VIF
27
Heterocedasticidad
28
Heterocedasticidad
29
Causas:
Modelos sobre aprendizaje de errores
Mejoras en las tcnicas de
recoleccin de informacin
Observaciones atpicas
Error de especificacin del modelo
etc.
Formas de corregirla:
Efectos:
Estimadores ya no son MELI
Estimadores ineficientes (Varianza mayor
que la varianza mnima)
Por lo tanto, IC innecesariamente grandes
y, por ende, pruebas t y F imprecisas
Estimador de EE del estimador es sesgado
Heterocedasticidad
Prueba de White
Heterocedasticidad
30
Ejemplo:
Formas de detectarla:
Mtodos grficos
Pruebas estadsticas:
- Prueba de Park
- Prueba de Glejser
- Prueba de Goldfeld y Quandt
- Prueba de White
- etc.
Mes
1
Consumo
10600
Ingreso
12000
2
3
4
5
6
25
26
27
28
29
30
10800
11100
11400
11700
12100
16900
17500
18100
17200
17800
18500
12000
12000
13000
13000
13000
20000
20000
20000
21000
21000
21000
31
32
i
1
Y
10
X1
1,3
X2
9
2
3
4
5
6
7
8
6
5
12
10
15
5
12
2,0
1,7
1,5
1,6
1,2
1,6
1,4
7
5
14
15
12
6
10
17
1,0
15
10
20
1,1
21
33
Empleado
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Y
5
4
3
10
2
7
6
9
9
2
8
6
7
3
6
X1
60
55
35
96
35
81
65
85
99
43
98
91
95
70
85
X2
1: si, 0: no
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
9 En este caso se tendr, para los empleados sin formacin universitaria, que:
El modelo estimado es (R2 = 0.921 y todos los valores p menores que 0.05):
Variables Ficticias
35
Variables Ficticias
Entonces
34
36
37
Estimacin
1,79448
0,561963
0,654601
EstadsticoT
2,7807
1,64621
Seleccin de Variables
9 Elaborar una lista larga de variables explicativas y reducirla a una pequea.
9 Seleccionar los mejores subconjuntos de variables explicativas.
9 Regresin por pasos:
39
- Hacia adelante
- Hacia atrs
- Hacia adelante con revisin hacia atrs
38
40
41
Ejemplo
El jefe de personal de un laboratorio est interesado en determinar si un
aspirante en particular se convertir en buen vendedor. Decide usar las
ventas del primer mes como variable dependiente Y (unidades). Elige
como posibles variables explicativas las siguientes:
X1 = resultado en prueba de aptitud de ventas (1 a 100)
X2 = edad (aos)
X3 = resultado prueba de ansiedad (1 a 10)
X4 = experiencia (aos)
X5 = promedio notas en la secundaria (1 a 5)
72
X1
X2
X3
X4
X5
X1
X2
X3
X4
X5
44
10
22,1
4,9
2,4
16
33
12
20,5
4,8
2,1
47
19
22,5
2,6
17
54
47
21,9
2,3
1,8
60
27
23,1
1,5
2,8
18
39
20
20,5
1,5
71
31
24
0,6
2,7
19
52
73
20,8
0,3
1,9
61
64
22,6
1,8
20
30
20
2,7
2,2
60
81
21,7
3,3
2,5
21
58
23,3
4,4
2,8
58
42
23,8
3,2
2,5
22
59
98
21,3
3,9
2,9
56
67
22
2,1
2,3
23
52
27
22,9
1,4
3,2
66
48
22,4
2,8
24
56
59
22,3
2,7
2,7
10
61
64
22,6
1,8
3,4
25
49
23
22,6
2,7
2,4
11
51
57
21,1
3,8
26
63
90
22,4
2,2
2,6
12
47
10
22,5
4,5
2,7
27
61
34
23,8
0,7
3,4
13
53
48
22,2
4,5
2,8
28
39
16
20,6
3,1
2,3
14
74
96
24,8
0,1
3,8
29
62
32
24,4
0,6
15
65
75
22,6
0,9
3,7
30
78
94
25
4,6
3,6
43
44
45
47
48
Tabla t de
Student
46
50
49