3.

Desde que
Y^ h =X 0h b
sigue enseguida eso:

σ 2 ( Y^ h )= X 'h [ σ 2 ( b ) ] X 'h
De aquí:
σ 2( b o ) σ ( bo , b1 )
2
σ ( Y^ h )= [1 Xh ]
[ σ ( b1 , b o ) 2
σ ( b 1) ][ ] 1
Xh

o
2 2 2 2
σ ( Y^ h )=σ (bo )+2 X h σ ( bo ,b 1 )−X h σ (b1 )
Usando los resultados obtenemos:
2
σ 2 ( Y^ h )=
σ ∑ X 2h +
2 X h (−X ) σ
2
+
2
σ Xh
¿ ¿ ¿
2
n ∑ ( X i −X ) ∑ ( X i− X ) ∑ ( X i− X )2
2

que reduce a la expresión familiar :

( X h −X )2
2
σ ( Y h )=σ
^ 2 1
+
[
n ∑ ( X i− X )2 ]
Nosotros de este modo vemos que la expresión de varianza actualmente contiene contribuciones de
s2(bo), s2(b1), y s(bo,b1), que ello debe concordar al teorema dado desde que Yh (con sombrero), es
una combinación lineal de bo y b1:

Y^ h =b o + b1 X h
4. Nosotros no mostramos los resultados en términos de matriz por otro tipo de inferencias, tal como pre-
dicción simultanea de varias nuevas observaciones sobre Y en diferentes niveles de Xh, desde que estos
están basados en resultados que nosotros hemos desarrollado.
 8 55 0.4
A= 51.5 5 0.12
1 1 1

-0.00176284 0.01972358 -0.00166169

A(-1)= 0.0185604 -0.00274541 -0.00709471
-0.01679756 -0.01697817 1.0087564

8 51.5 1
At= 55 5 1
0.4 0.12 1

1 4.1633E-17 5.5511E-17
i= 2.1684E-18 1 0
0 3.4694E-18 1
s