Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Mod Lineal 1
Mod Lineal 1
General
Prof. Susana Martn
Fernndez
ndice
Introduccin
Regresin Lineal
Introduccin
Un modelo lineal es una relacin
entre variables matemticas
cuantitativas y/o cualitativas
(explicativas) y un vector aleatorio
de inters.
Introduccin
Planteamiento del problema
APLICACIN
NO Es SI
vlido?
Introduccin
Mtodos
Estadsticos de
Inferencia
f(x)=?
=?, =?
Modelo Lineal General
Sea X = (X1 , X 2 ,..., X n ) un vector aleatorio, sea A
una matriz nxk / k<n de constantes
conocidas a ij (valores de las variables
explicativas), i=1,..n; j=1,...,k. Y sea un
vector desconocido
D
de escalares, el
vector X = (X1 , X 2 ,..., X n ) sigue un modelo lineal
si se puede escribir de la siguiente forma:
X = A +
Modelo Lineal General
a11 a 21 ... a n1
a12 a 22 ... a n2
(X1 , X 2 ,..., X n ) = (1 , 2 ,..., k ) + (1 , 2 ,..., n )
... ... ... ...
D
a1k a 2k ... a nk
Modelo Lineal General
Por tanto:
Xi = 1 a i1 + ... + j a ij + ... + k a ik + i
... D
Xn = 1 a n1 + ... + k a nk + n
Modelo Lineal General
Xi = 1 a i1 + ... + j a ij + ... + k a ik + i
... D
Xn = 1 a n1 + ... + k a nk + n
Muestra de Datos de las k variables
tamao n numricas o explicativas
de una medidas en las n
variable X unidades muestrales
Modelo Lineal General
EJEMPLO:
Queremos modelizar los slidos en
suspensin (ss
( ) de una depuradora en
funcin del caudal, Q, y del pH.
Datos:
ss=(376,364,360)
D
El vector X es:
X=(X1, X2, X3)=(376,364,360)
a11 a 21 a 31
(X1 , X 2 , X 3 ) = (1 , 2 ) + (1 , 2 , 3 )
a a a
12 22 32
Caudal pH
D
28.1 28.9 30.1
(376,364,360) = (1 , 2 ) + (1 , 2 , 3 )
7.75 7.53 7.9
Modelo Lineal General
Objetivo:
El objetivo es encontrar el mejor vector
de estimadores de los parmetros:
= ( 1 , 2 ,..., k )
Consistente. Al aumentar el tamao de la muestra el estimador converge en
probabilidad en el parmetro estimado.
D
Invariante. Sea G un grupo de transformaciones que deja a las funciones de
distribucin {F :} invariantes. Un estimador U se dice que es invariante bajo
G, si: U(g(x1), g(x2), ..., g(xn)) = U(x1, x2, ..., xn), gG.
Insesgado. E[U]=
Modelo Lineal General
Forma terica
y compleja de
H 0 : H = 0
plantear la
simplificacin h11 h 21 ... h r1
del modelo
h12 h 22 ... h r2
(1 , 2 ,..., k ) = (0,0,...,0)
... ... ... ...
h1k h 2k ... h rk
Modelo Lineal General
Simplificacin del modelo
Teorema
Sea el modelo lineal
X= A+
donde A es una matriz nxk conocida y de rango k<n, sea un vector desconocido de
escalares, y sea =(1,2,...n) un vector de variables aleatorias no observables
independientes de forma que todas ellas siguen una distribucin Normal N(0,2). El
coeficiente obtenido por mxima verosimilitud F (estadstico) para contrastar la hiptesis
lineal H0:H=0 , donde H es una matriz rxk con rango r<=k, har que se rechace la
hiptesis nula para un nivel de significacin si FF0, donde
PH0(FF0), es decir la probabilidad de rechazar la hiptesis nula cuando sta es cierta en
la realidad es . Y se demuestra que F es una variable aleatoria cuya expresin es:
( ( ) )
F=
(X 0 A')(X 0 A')' (X A')(X A')'
) )
(X A')(X A')'
Donde es el estimador de mxima verosimilitud de y 0 es el estimador mximo
verosmil bajo la hiptesis nula.
La variable aleatoria [(n-k)/r]F tiene una distribucin F-snedecor con (r,n-k) grados de
libertad bajo .