4.

1
 ̂1 y 𝐵1 : Hace referencia a el parámetro B1 re refiere a la
La diferencia principal entre 𝐵
̂1 a la muestra. Es un parámetro que se desea estimar
población y el 𝐵
B Coeficientes que calcula la herramienta de regresión. Son valores, uno para cada
variable explicativa, que representan la fortaleza y el tipo de relación que tiene la variable
explicativa con la variable dependiente.

 𝑈̂𝑖 y 𝑈𝑖 : Aquí 𝑈𝑖 es el término del error de la observación i porque contiene todos los
demás factores distintos de xi que afectan a yi. Y 𝑈 ̂𝑖 es el termino de error estimado i
porque contiene todos los demás factores distintos de 𝑋̂𝑖 que afectan a 𝑌 ̂𝑖 .
 ̂𝑖 y E(𝑌𝑖 I 𝑋𝑖 ) : La función de regresión poblacional (FRP), E(Y I X), es una función lineal de x.
𝑌
La linealidad significa que por cada aumento de una unidad en x el valor esperado de y se
modifica en la cantidad 1. Dado cualquier valor de x, la distribución de y está centrada en
E(y I x). Y 𝑌 ̂𝑖 es la variable dependiente estimada además representa el proceso que
intenta predecir o entender. Valores observados.

4.2

EJEMPLOS VALIDOS PARA LOS SUPUESTOS

1
2
3
4
5
6
7

EJEMPLOS NO VALIDOS PARA LOS SUPUESTOS

1
2
3
4
5
6
7

4.3
a. B0: Un individuo con 0 años se espera que sus ingresos salariales semanales sean
696,7

B1: Por cada incremento unitario de la edad, los ingresos salariales semanales
aumentan en 9,6 dólares.
b. El error estándar de regresión: 624,1. Esta se da en las mismas unidades de Y. Es decir,
en este caso es en dólares.
c. R2: 0,023. Esta determina la bondad de ajuste. Que tanto es explicada la variable y por
la variable x.
d. Para un trabajador de x años
25: 696,7 + 9,6 (25)= 936,7
45: 696,7 + 9,6 (45)= 1.128,7
e. ______________________________
f.
g. Promedio de edad: 41,6 _________________________________________