Documentos de Académico
Documentos de Profesional
Documentos de Cultura
- Linealidad: yi = β0 + β1 xi + ui , para i = 1, . . . , n
- Homogeneidad: E ui = 0, para i = 1, . . . , n
TABLE3-10
Four Data Sets
DATASET 1 DATASET 2
X Y X Y
10.0 8.04 10.0 9.14
8.0 6.95 8.0 8.14
1'3.0 7.58 13.0 8.74
9.0 8 .81 9.0 8.77
11.0 8.33 11.0 9.26
14.0 9.96 14.0 8.10
6.0 7.24 6.0 6.13
4.0 4.26 4.0 3.10
12.0 10.84 12.0 9.13
7.0 4.82 7.0 7.26
5.0 5.68 5.0 4.74
DATASET 3 DATASET 4
X Y X Y
10.0 7.46 8.0 6.58
8.0 6.77 8.0 5.76
13.0 12.74 8.0 7.71
9.0 7.11 8.0 8.84
11.0 7.81 8.0 8.47
14.0 8.84 8.0 7.04
6.0 6.08 8.0 5.25
4.0 5.39 19.0 12.50
12.0 8.15 8.0 5.56
7.0 6.42 8.0 7.91
5.0 5.73 8.0 6.89
mean of X = 9.0,
5.1. Diagnóstico: diagrama de puntos
5 5
o~~~~~~~~~~~~~~
o 5 10 15 5 10 15 20
Data Set 1 Data Set 2
10 10
5 5
5 10 15 20 5 10 15 20
Data Set 3 Data Set 4
FIGURE 3-29 Scatterplots for the four data sets of Table 3-10
SOURCE: F. J . Anscombe, op cit.
Pn 2
- variación total: SCT = i=1 (yi − ȳ)
• Resultado: R2 = rxy
2 (coef. de correlación al cuadrado)
• Consideremos el cociente
SCM/1 SCM
F = = 2
SCR/(n − 2) sR
yi = f (xi ; a, b) + ui , i = 1, . . . , n
yi = β0 + β1 xi + ui , i = 1, . . . , n
y1 = β0 + β1 x1 + u1
y2 = β0 + β1 x2 + u2
......
...
yn = β0 + β1 xn + un
5.4: Regresión lineal en forma matricial
como
y = Xβ + u
• El vector y
b = (b
yi ) de respuestas estimadas es
y
b = Xβ
b
y el vector de residuos es e = y − y
b
5.5: El modelo de regresión lineal múltiple
como
y = Xβ + u
• El vector y
b = (b
yi ) de respuestas estimadas es
y
b = Xβ
b
y el vector de residuos es e = y − y
b
5.5: Estimación de la varianza σ 2
2 T
−1
• La matriz de covarianzas de β es Cov(β) = σ X X
b b
−1
b por s2 XT X
• Estimamos Cov(β) R
bj − βj
β
• Al tipificar βbj obtenemos: ∼ tn−k−1 (t de Student)
s(βj )
b
5.5: Inferencia sobre los parámetros βbj
• Consideremos el cociente
SCM/k SCM
F = = 2
SCR/(n − k − 1) sR