Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase # 4
Él Método de los MCO se atribuye a Carl Friedrich Gauss, un matemático alemán; este método
tiene propiedades estadísticas que lo han convertido en uno de los más eficaces y populares
del análisis de regresión.
Yi 1 2 X i i
Yi ˆ1 ˆ 2 X i ˆ i
Yi Yˆ1 ̂ i
ˆ i Yi Yˆi
ˆ i Yi ˆ1 ˆ 2 X i
Es claro que los residuos ̂i son simplemente las diferencias entre los valores observados y
los estimados de Y
Ahora, lo que se busca es determinar la FRM de tal manera que este lo más cerca posible a la
Y observada, es decir:
Seleccionar la FRM de tal manera que la suma de los residuos sea lo menor posible
̂ i
Yi Yˆi
1
Si se adopta el criterio de minimizar ̂ i , se puede notar que los residuos ̂1 y ̂ 2 al igual
que los residuos ̂ 3 y ̂ 4 reciben el mismo peso en la suma ( ̂1 + ̂ 2 + ̂ 3 + ̂ 4 ), aunque los
dos primeros están mucho más cerca de la FRM que los dos últimos. En otras palabras, a
todos los residuos se les da la misma importancia sin considerar que tan cerca o que tan
dispersas están las observaciones individuales de la FRM.
Para superar este problema es que aplicamos el criterio de los Mínimos Cuadrados:
ˆ i2
Yi Yˆi 2
Donde ˆ i2 son los residuos elevados al cuadrado. Al elevar al cuadrado ̂ i , este método da
más peso a los residuos tales como ̂1 y ̂ 4 , que a los residuos ̂ 2 y ̂ 3 .
Entonces podemos entender que la suma de los residuos elevados al cuadrado es algún tipo
de función de los estimadores ̂ y ˆ :
1 2
ˆ i2
f ˆ1 ˆ 2
Para cada conjunto dado de datos con diferentes valores para ̂ 1 y ˆ 2 , se obtendrá como
resultado ̂ diferentes y, por consiguiente, valores diferentes de ˆ i . Ejemplo.
2
2
Entonces, ¿cuales conjuntos de ̂ se deben escoger?
El Método de los MCO, escoge ̂ 1 y ˆ 2 de tal manera que para una muestra dada o un
ˆ i es la más pequeña posible.
2
conjunto de datos,
¿Cómo encontramos ̂ 1 ?
ˆ1
X i2 Yi X i X i Yi ˆ1 Y ˆ 2 X
n X i2 X i
2
¿Cómo encontramos ˆ 2 ?
ˆ 2
xi y i ˆ 2
xiYi ˆ 2
X i yi
2 2
xi2 X i2 nX X i2 n X