Está en la página 1de 5

Anlisis de Regresin lineal simple

Propiedades de los estimadores de mnimos cuadrados y la estimacin de 2 .


Recuerde que uno de los supuestos es que el termino del error en el modelo
yi b mxi es una variable aleatoria con media cero y varianza 2 .
m
E m

es un estimador incestado de la verdadera pendiente m.


Por lo tanto m

Vm

2
SCXX

. Puesto que se ha supuesto que


Considrese ahora la varianza de m
2
V i , se sigue que la V yi .
2

Utilizando un enfoque similar, puede demostrarse que:

E b b

Por lo tanto B es un estimador insesgado de la verdadera ordenada de origen.

1
x2
V b 2

n SCXX

La covarianza de las variables aleatorias m

, b 2
COV m

b es diferente de cero:

x
scxx

Para realizar inferencias respecto de los coeficientes m y b, es necesario estimar la


varianza 2 que aparece en las expresiones de las varianzas para los estimadores. El
parmetro 2 , la varianza del trmino del error en el modelo de regresin, refleja la
variacin aleatoria alrededor de la verdadera recta de regresin. Utilizaremos los residuales
para la estimacin de 2 , i yi yi .
n

I 1

i 1

2
SCE i2 yi y i
2
Por lo tanto

E SCE n 2 2

SCE
ser un estimador insesgado para 2 .
n2

Alternativas para encontrar la SCE:


n

SCE=

y
i 1

2
i

SCXY
ny 2 m

Donde;
n

2
2
SCT= yi ny
i 1

Entonces:
SCE= SCT m SCXY

Error estndar.

1.- de la pendiente: ES m

2
SCXX

x2

2.- de la ordenada de origen: ES b 2

n SCXX

Pruebas de hiptesis en la regresin lineal simple.

Para evaluar la adecuacin de l modelo existen las pruebas de hiptesis estadsticas acerca
de los parmetros del modelo y la construccion de ciertos intervalos. Se puede probar
hiptesis acerca de la pendiente y de la ordenada de origen del modelo de regresin. Dnde
se debe establecer el siguiente supuesto; los errores siguen una distribucin normal e
independiente con media cero varianza 2 , lo que se abrevia NID 0, 2 .
1.- Prueba de hiptesis para la pendiente.
Suponga que se quiere probar que pendiente es igual a cierta constante, es decir,
H 0 : m m0
H1 : m m 0

Estadstico de Prueba

t EST

m m0

t n 2

scxx

Regin de Rechazo
RC= t EST t1 / 2 n 2
Donde

o t EST t / 2 n 2

corresponde al nivel de significacin de la prueba.


2.- Prueba de hiptesis para la ordenada de origen.

Suponga que se quiere probar que ordenada es igual a cierta constante, es decir,
H 0 : b b0
H1 : b b 0

Estadstico de Prueba
b b0

t EST

1
x 2 t n 2

n SCXX

Regin de Rechazo
RC= t EST t1 / 2 n 2
Donde

o t EST t / 2 n 2

corresponde al nivel de significacin de la prueba.


3.- Prueba de significancia de la regresin.
H0 : m 0
H1 : m 0

Rechazar H0 es equivalente a concluir que no hay una relacin lineal entre x e y. Esto
implica que x es de escaso valor para explicar la variabilidad de y, y que el mejor estimador
de y para cualquier x es y y , o bien que la verdadera relacin entre x e y es no lineal. Si
ocurriera que se rechaza la hiptesis H0 esto implica que x es de valor para explicar la
variabilidad de y. Si se rechaza H0 significara que el modelo es el adecuado, o bien, que
aun cuando hay un efecto lineal de, podran obtenerse mejores resultados con la adicin de
trminos polinomicos en x de orden superior.
-

Anlisis de varianza para probar la significacin de una regresin.

Este mtodo es una alternativa para probar la significancia en la regresin, el cual consisten
realizar una particin de la variabilidad total de la variable de respuesta en componentes
significativos como base de la prueba.
SCT=SCR+SCE
SCXY
Donde la SCR = m
H0 : m 0
H1 : m 0

Estadstico de prueba:

F0

SCR
SCE

n 2

CMR

CME

F 1; n 2

Este procedimiento puede ordenarse en un tabla de anlisis de varianza


Fuente de
Variacin
Regresin
Error

Suma de
cuadrados
SCXY
SCR = m
SCE=

Total

SCXY
SCT m
n

i 1

Nota: CME =

2
i

ny 2

Grados de
libertad
1
n-2

Cuadrado medio F0
CMR
CME

CMR/ CME

n-1

RC: Fest F1 / 2 1; n 2

Fest F / 2 1; n 2

Si esta interesado en realizar inferencias a cerca de m y b , bajo el supuesto de que los


NIID(0, 2 ), como se vio anteriormente se pueden realizar contraste de hiptesis y
estimar m y b a partir de intervalos confidenciales.

Intervalo confidencial para la pendiente

t1 / 2 n 2 *
IC(1 ) m m
SCXX

Intervalo confidencial para el intercepto

1
x2

IC(1 ) b b t1 / 2 n 2 * 2

n SCXX

Intervalo confidencial para estimar una observacin y a partir de x0 (en x)

IC(1 ) y 0 y 0 t1 / 2 n 2 *

1 ( x0 x 2 )


SCXX
n

Intervalo confidencial para la prediccin de una observacin futura de y a partir de x0


IC(1 ) y 0

1 ( x0 x 2 )

y0 t1 / 2 n 2 * 1
n
SCXX