Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
Sean dos variables “x” y “y”, suponga que se quiere explicar el comportamiento de
“y” con base en los valores que toma x. Para esto, se mide el valor de “y” sobre un
conjunto de “n” valores de “x”, con lo que se obtienen “n” pares ordenados (x1, y1),
(x2, y2), …, (xn, yn).
y = f (x)
Suponga que las variables “x” y ”y” están relacionadas linealmente y que para cada valor
de “x”, la variable dependiente, “y”, es una variable aleatoria. Es decir, que cada
observación de “y” puede ser descrita por el modelo:
y = β0 + β1x +ε
esta ecuación es conocida como el modelo de regresión lineal simple. Bajo el supuesto
de que este modelo es adecuado y como el valor esperado del error es cero, E(ε) = 0, se
puede ver que el valor esperado de la variable “y”, para cada valor de “x”, esta dado por
una línea recta
E(yІx) = β0 + β1x
Ejemplo 1.
• Una extensión natural del modelo de regresión lineal simple consiste en considerar
mas de una variable explicativa.
Factor n
Xn
Factor 1
X3
• Modelo determista (funcional)
Y= β0 + β1x1 + β2x2+…+βnxn
Y= β0 + β1x1 + β2x2+…+βnxn + u
Análisis de la muestra
𝑦1 𝑥1 1 𝑥11 … 𝑥1𝑘 𝑥1
𝑦2 𝑥2 1 𝑥21 … 𝑥2𝑘 𝑥2
. . . . .
𝑦= . 𝑥1 = . 𝑋= = .
. . . .
. . . . . .
𝑦𝑛 𝑥𝑛 1 𝑥𝑛1 … 𝑥𝑛𝑘 𝑥𝑛
• Forma vectorial
𝑦1 = 𝛽0 + 𝛽1𝑥11 + ⋯ + 𝛽𝑛𝑥1𝑘 + 𝑢1
𝑦2 = 𝛽0 + 𝛽1𝑥21 + ⋯ + 𝛽𝑛𝑥2𝑘 + 𝑢2
________________________________
𝑦𝑛 = 𝛽0 + 𝛽1𝑥𝑛1 + ⋯ + 𝛽𝑛𝑥𝑛𝑘 + 𝑢𝑛
• Forma matricial
𝒚=𝑿𝜷+𝒖
𝑦1 𝑥1 1 𝑥11 … 𝑥1𝑘 𝑥1 𝛽0 𝑒1
𝑦2 𝑥2 1 𝑥21 … 𝑥2𝑘 𝑥2 𝛽1 𝑒2
. . . . .
= . 𝛽=
. .
𝑦= . 𝑥1 = . 𝑋= 𝑒=
. . . . . .
. . . . . . . .
𝑦𝑛 𝑥𝑛 1 𝑥𝑛1 … 𝑥𝑛𝑘 𝑥𝑛 𝛽𝑛 𝑒𝑛
Calculo de los coeficientes
• Objetivo • Objetivo
Estima los parámetros de la población Estima los parámetros de la población
• Función • Función
Minimizar los errores de los residuos Maximizar la probabilidad de ocurrencia
• Idea • Idea
Buscar los β que minimicen el error Buscar los β que hagan la función de densidad
lo mas probable posible