Está en la página 1de 7

Mtodos lineales y estimacin por mnimos

cuadrados
1.

Introduccin

2.

Mtodos de los mnimos cuadrados

3.

Error estndar en la estimacin

4.

Coeficiente de determinacin

5.

Coeficiente de correlacin

6.

Regresin lineal mltiple

7.

Estimacin de los coeficientes

8.

Inferencias en la regresin lineal mltiple

9.

Prediccin

10.

Correlacin

11.

Bibliografa

12. INTRODUCCIN
13. El presente trabajo forma parte de los objetivos y contenidos de aprendizaje de la
ctedra ESTADSTICA, que pretende desarrollar las habilidades para la utilizacin
de los mtodos lineales y estimacin de mnimos cuadrados.
14. Para lograr este fin, se realizo la consulta de una bibliografabsica la cual permiti
desarrollar los conceptos y ejemplos, como base para realizar una
exposicinadecuada en el saln de clases.
15. En este trabajo bsicamente se habla de cmo desarrollar la aplicacin de los
mtodos lineales y estimacin por mnimos cuadrados, adems de inferencia,
prediccin y correlacin.
16. Se desarrollaron una serie de ejemplos mediante los cuales se trata de presentar
manera mas sencilla usar estos mtodos.
17. El Equipo # 4
18.
19. Mtodos de mnimos cuadrados.
20. El procedimiento mas objetivo para ajustar una recta a un conjunto de datos
presentados en
21. un diagrama de dispersin se conoce como "el mtodo de los mnimos cuadrados".
La recta
22. resultante presenta dos caractersticas importantes:
23. 1. Es nula la suma de las desviaciones verticales de los puntos a partir de la recta de
ajuste
24. (Y - Y) = 0.

25. 2. Es mnima la suma de los cuadrados de dichas desviaciones. Ninguna otra recta
dara
26. una suma menor de las desviaciones elevadas al cuadrado (Y - Y) 0
27. (mnima).
28. El procedimiento consiste entonces en minimizar los residuos al cuadrado Ci

29.
30. La obtencin de los valores de a y b que minimizan esta funcin es un problema que
se puede resolver recurriendo a la derivacin parcial de la funcin en trminos de a
y b: llamemos G a la funcin que se va a minimizar:
31.
32. Tomemos las derivadas parciales de G respecto de a y b que son las incgnitas y las
igualamos a cero; de esta forma se obtienen dos ecuaciones llamadas ecuaciones
normales del modelo que pueden ser resueltas por cualquier mtodo ya sea
igualacin o matrices para obtener los valores de a y b.
33.
34.
35.
36. Derivamos parcialmente la ecuacin respecto de a

37.
38.
39.
40.
41.
Primera ecuacin normal
42.
43. Derivamos parcialmente la ecuacin respecto de b

44.
45.
46.

47.
48.
49.
Segunda ecuacin normal
50.
51. Los valores de a y b se obtienen resolviendo el sistema de ecuaciones resultante.
Veamos el siguiente ejemplo:
52. En un estudio econmico se desea saber la relacin entre el nivel de instruccin de
las personas y el ingreso.
53. EJEMPLO 1
54. Se toma una muestraaleatoria de 8 ciudades de una regin geogrfica de 13
departamentos y se determina por los datos del censo el porcentaje de graduados en
educacinsuperior y la mediana del ingreso de cada ciudad, los resultados son los
siguientes:
55. CIUDAD : 1 2 3 4 5 6 7 8
56. % de (X)
57. Graduados : 7.2 6.7 17.0 12.5 6.3 23.9 6.0 10.2
58. Ingreso (Y)
59. Mediana : 4.2 4.9 7.0 6.2 3.8 7.6 4.4 5.4 (0000)
60.
61. Tenemos las ecuaciones normales
62.
63. y = na + bx
64. xy = ax + bx
65.
66. Debemos encontrar los trminos de las ecuaciones
67. y, x, xy, x Por tanto procedemos de la siguiente forma:
68.
Y

4.2
4.9
7.0
6.2
3.8
7.6
4.4
5.4

43.5

69.
70. Sustituyendo en las ecuaciones los resultados obtenidos tenemos: 43.50 = 8a +
89.8b
71. 546.63 = 89.8a + 1292.92b
72. multiplicamos la primera ecuacin por (-89.8) y la segunda por (8) as:
73. 43.50 = 8a + 89.8b (-89.8) 546.63 = 89.8a + 1292.92b (8)
74. -3906.30 = -718.4a - 8064.04b 4373.04 = 718.4a + 10343.36b
75. 466.74 = -0- 2279.32b
76.

77.
78. Este valor de b lo reemplazamos en cualquiera de las ecuaciones para obtener a as:
79.
80. Reemplazando b = 0.20477 en la primera ecuacin normal
81.
82. 43.5 = 8a + 89.8 (0.20477) 43.5 = 8a + 18.3880 43.5 - 18.3880 = 8a 25.1120 = 8a

83.
84. Tenemos entonces que los coeficientes de regresin son : a = 3.139 y b = 0.20477.
Por tanto la ecuacin de regresin nos queda:
85.
86. Significa entonces que por cada incremento en una unidad en X el valor de
aumenta en 0.20477

se

87. Esta ecuacin permite estimar el valor de para cualquier valor de X, por ejemplo:
Una ciudad que tiene un porcentaje de graduados a nivel superior del 28% la
mediana de ingreso para la ciudad ser:
88.
89.

90.
91. Los valores a y b tambin se pueden obtener de la siguiente forma: partiendo de las
ecuaciones normales tenemos:
92.
93.
94. Si dividimos todos los trminos de la ecuacin (1) entre n nos queda:
95.

96.
97. Tenemos entonces que el primer termino es

el segundo termino es la incgnita a

y el tercer termino es la incgnita b multiplicada por

por tanto nos queda:

98.
99.

entonces

100.
101.
102.
103.
104.

Reemplazando a en la ecuacin (2) tenemos

105.
106.
107.

108.
109.
110.

111.

112.
113.

114.
115.a = 5.4375 0.20477 (11.2250) = 5.4375 2.2985 = 3.139
116.Se debe tener presente la diferencia entre el valor de

obtenido con la ecuacin de

regresin y el valor de Y observado. Mientras es una estimacin y su bondad en la


estimacin depende de lo estrecha que sea la relacin entre las dos variablesque se

estudian; Y es el valor efectivo, verdadero obtenido mediante la observacindel


investigador. En el ejemplo Y es el valor mediano del ingreso que obtuvo el
investigador
117.utilizando todos los ingresos observados en cada ciudad y es el valor estimado
con base en el modelo lineal utilizado para obtener la ecuacin de regresin
118.
Los valores estimados y observados pueden no ser iguales por ejemplo la
primera ciudad tiene un ingreso mediano observado de Y = 4.2 al reemplazar en la
ecuacin el porcentaje
119.de graduados obtenemos un

estimado de

120.
121.Grficamente lo anterior se puede mostrar as:
122.

123.
124.
Claramente se observa en la grfica que hay una diferencia entre el valor
efectivo de Y y el valor estimado; esta diferencia se conoce como error en la
estimacin, este error se puede medir. A continuacin se ver el procedimiento.
125.
Error estndar en la estimacin
126.
El error estndar de la estimacin designado por sYX mide la disparidad
"promedio" entre
127.
los valores observados y los valores estimados de
formula.

. Se utiliza la siguiente

128.
129.
Debemos entonces calcular los valores de para cada ciudad sustituyendo
en la ecuacin los valores de los porcentajes de graduados de cada ciudad estudiada.
130.
131.