Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dialnet RegresionLinealConErroresNoNormales 4993779
Dialnet RegresionLinealConErroresNoNormales 4993779
doi:10.17230/ingciencia.11.21.2
Resumen
En este trabajo se presenta un estudio del modelo de regresión lineal del ti-
po y = θx+e, donde el error tiene distribución Secante Hiperbólica Genera-
lizada (SHG). El método para estimar los parámetros se obtienen mediante
una configuración de máxima verosimilitud expresando las ecuaciones no
lineales en forma lineal (Verosimilitud Modificada). Los estimadores resul-
tantes son expresiones analíticas en términos de valores de la muestra y,
por lo tanto, son fácilmente calculables. Mediante la aplicación de varios
tipos de datos, se muestra la metodología descripta anterior, y se obtienen
modelos plausibles frente a las verdaderas distribuciones subyacentes de
los datos.
Palabras clave: distribución secante hiperbólica generalizada; modelo
lineal clásico; máxima verosimilitud modificada; mínimos cuadrados
1
Universidad Nacional de Colombia, Bogotá, Colombia, aaburbanom@unal.edu.co.
2
Universidad Nacional de Colombia, Bogotá, Colombia, oomelom@unal.edu.co.
Abstract
This paper presents a study of the model of linear regression of the type
y = θx + e, where the error has generalized hyperbolic secant distribution
(GHS). The method to estimate the parameters are obtained by setting
maximum likelihood expressing the non-linear equations in linear form
(modified likelihood). The resulting estimators are analytical expressions
in terms of values of the sample and, therefore, are easily calculables.
Through the application of various types of data, the methodology des-
cribed above is shown, and plausible models against the true underlying
distributions of data are.
Key words: generalized secant hyperbolic distribution; classical linear
model; modified maximum likelihood; least squares
1 Introducción
(b) para muestras pequeñas, los estimadores de MVM son casi totalmente
eficientes en cuanto a los LVM [3];
En este sentido, este trabajo tiene como objetivo presentar un estudio del
modelo lineal clásico con el supuesto de la distribución SHG de error, y
emplear el método de estimación de MVM para diferentes tipos de datos.
2 Metodología
yi = θ0 + θ1 xi + ei 1 ≤ i ≤ n.
ing.cienc., vol. 11, no. 21, pp. 37–50, enero-junio. 2015. 39|
Regresión lineal con errores no normales: Secante Hiperbólica Generalizada
para t = 0
π
a = 1, c1 = c2 = √ ,
3
y para t > 0
r
(π 2 + t2 ) sinh t
a = cosh t, c2 = y c1 = c2 .
3 t
La media y varianza son:
E(e) = 0, y V ar(e) = 1.
n
∂ ln L c2 n 2c2 X
=− + g(z(i) ) = 0 (2)
∂θ0 σ σ
i=1
n n
∂ ln L c2 X 2c2 X
=− x[i] + x[i] g(z(i) ) = 0 (3)
∂θ1 σ σ
i=1 i=1
n n
∂ ln L n c2 X 2c2 X
=− − z(i) + z(i) g(z(i) ) = 0, (4)
∂σ σ σ σ
i=1 i=1
donde
g(z(i) ) = (exp(2c2 z(i) ) + a exp(c2 z(i) ))/ exp(2c2 z(i) ) + 2a exp(c2 z(i) ) + 1.
g(z(i) ) ∼
= g(t(i) ) + g′ (t(i) )(z(i) − t(i) )
= αi + βi z(i) , 1 ≤ i ≤ n , (6)
ing.cienc., vol. 11, no. 21, pp. 37–50, enero-junio. 2015. 41|
Regresión lineal con errores no normales: Secante Hiperbólica Generalizada
Pn Pn
i=1 αi = n/2 y i=1 βi t(i) = 0.
La incorporación de la expresión (6) en (2)-(4), se obtiene las ecuaciones de
verosimilitud modificada ∂ ln L∗ /∂θ0 = 0, ∂ ln L∗ /∂θ1 = 0 y ∂ ln L∗ /∂σ =
0. las soluciones de estas ecuaciones son los estimadores de MVM :
θb0 = ȳ[.] − θb1 x̄[.] , (7)
θb1 = K − σ
bD, (8)
y
( r )
4nC 2n
σ
b= −B + B2 + ÷ (9)
c2 c2
donde
n
X n
X
βi x[i] βi y[i]
x̄[.] = i=1n , ȳ[.] = i=1
n
X X
βi βi
i=1 i=1
n
X n n
1X X
βi x[i] − x̄[.] y[i] x[i] − αi x[i]
2
K = i=1n , D= n
i=1 i=1
X 2 X 2
βi x[i] − x̄[.] βi x[i] − x̄[.]
i=1 i=1
Xn n
X n
X n
X
B= y[i] − K x[i] − 2 αi y[i] + 2K αi x[i]
i=1 i=1 i=1 i=1
n n
!
X X
C =2 βi (y[i] − ȳ[.] )2 − K βi x[i] − x̄[.] y[i]
i=1 i=1
r ! r n
1 π 2 − t2
sin t 1 π 2 − t2 X
ln L = ln + zbi
n σ
bm t 3 n 3
i=1
n
" r ! r ! #
1X π 2 − t2 π 2 − t2
− ln exp 2 zbi + 2 cos t exp zbi + 1 ,
n 3 3
i=1
(10)
y, cuando t > 0
r ! r n
1 π 2 + t2
sinh t 1 π 2 + t2 X
ln L = ln + zbi
n σ
bm t 3 n 3
i=1
n
" r ! r ! #
1X π 2 + t2 π 2 + t2
− ln exp 2 zbi + 2 cosh t exp zbi + 1 ,
n 3 3
i=1
(11)
ing.cienc., vol. 11, no. 21, pp. 37–50, enero-junio. 2015. 43|
Regresión lineal con errores no normales: Secante Hiperbólica Generalizada
n
X
= (yi − ȳ − θe1 (xi − x̄))2 /(n − 2)
i=1
Esto da
n
X n
X
θe1 = wi (xi − x̄)yi / wi (xi − x̄)2 , θe0 = ȳ − θe1 x̄ (12)
i=1 i=1
y
n
X
e2 =
σ wi (yi − ȳ − θe1 (xi − x̄))2 /(n − 2), (13)
i=1
Pn Pn Pn Pn
donde ȳ = i=1 wi yi /( i=1 wi ) y x̄ = i=1 wi xi /( i=1 wi ).
y
n
X
e2 =
σ (yi − ȳ − θe1 (xi − x̄))2 /(n − 2), (15)
i=1
Pn Pn
donde ȳ = i=1 yi /n y x̄ = i=1 xi /n.
3 Aplicación
Tabla 1: Datos
ing.cienc., vol. 11, no. 21, pp. 37–50, enero-junio. 2015. 45|
Regresión lineal con errores no normales: Secante Hiperbólica Generalizada
0.2
0.1
0.0
Errores ordenados
−0.1
−0.2
−0.3
−0.4
Tabla 3: Datos
X: -0,7 0,8 1,0 1,4 1,5 1,6 2,3 2,5 2,5 3,1
Y: 4,8 4,6 4,7 4,0 4,2 4,2 4,1 4,0 3,5 3,2
X: 3,9 4,0 4,0 4,2 4,3 4,6 4,7 4,9 4,9 4,9
Y: 3,9 3,5 3,7 3,5 3,5 3,7 3,5 3,4 3,7 4,0
X: 5,0 5,3 6,2 7,1 7,2 7,5 8,0 8,7 8,8 9,7
Y: 3,6 3,7 2,8 3,0 2,8 2,6 2,7 2,8 1,3 1,5
0.5
Errores ordenados
Errores ordenados
0.0
0.0
−0.5
−0.5
−1.0
−1.0
−2 −1 0 1 2 −1 0 1
0.5
Errores ordenados
Errores ordenados
0.0
0.0
−0.5
−0.5
−1.0
−1.0
ing.cienc., vol. 11, no. 21, pp. 37–50, enero-junio. 2015. 47|
Regresión lineal con errores no normales: Secante Hiperbólica Generalizada
Tabla 5: Datos
−1 0 1
4 Conclusiones
Agradecimientos
Referencias
ing.cienc., vol. 11, no. 21, pp. 37–50, enero-junio. 2015. 49|
Regresión lineal con errores no normales: Secante Hiperbólica Generalizada