Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Con frecuencia, nos encontramos con modelos en los que el comportamiento de una
variable, Y, se puede explicar a través de una variable X; lo que representamos
mediante:
Y=f(x)
Si consideramos que la relación f, que liga Y con X, es lineal, entonces se puede escribir
así:
Y i=β 0 + β 1 X i
Como quiera que las relaciones del tipo anterior raramente son exactas,
sino que más bien son aproximaciones en las que se han omitido muchas variables
de importancia secundaria, debemos incluir un término de perturbación aleatoria,
ɛ, que refleja todos los factores distintos de X que influyen sobre la variable
endógena, pero que ninguno de ellos es relevante individualmente. Con ello, la
relación quedaría de la siguiente forma:
Y i=β 0 + β 1 X i+ ε
Los parámetros β 0 y β 1 son desconocidos, y se deben estimar con los datos de la muestra.
ESTIMACION DE β 0 Y β 1
Para estimar β 0 y β 1se usa el método de mínimos cuadrados. Esto es, se estiman β 0 y β 1tales
que la suma de los cuadrados de las diferencias entre las observaciones y iy la línea recta sea
mínima.
Y i=β 0 + β 1 X i
n
1
y= ∑ y i
n i=1
n
1
x= ∑x
n i =1 i
n n
n ∑ y i∗∑ x i
∑ y i x i− i=1 n
i =1
^β = i=1
1 n
∑ x 2i −¿ ¿ ¿ ¿
i=1
^β = y − ^β x
0 1
n n
S xx =∑ ¿ ¿ S xx =∑ y i ( x i−x ¿)¿
.
i=1 i=1
^β = S xy
1
Sxx
Y 0= β 0 + β 1 X 0
√ √
2 2
1 ( x 0 −x ) 1 ( x 0 −x )
^y 0−t α M S Res (1+ + ¿ )≤ y 0 ≤ ^y 0+t α M S Res (1+ + ¿ )¿ ¿
2
;n−2 n S xx 2
;n−2 n S xx
Coeficiente de determinación
S S Res ∑ ( y i − y )2
^
2 S SR i=1
R= =1− = n
S ST S ST
∑ ( y i − y )2
i=1
Algunos casos de regresión parecen implicar que una recta que pase por el origen debe
ajustarse a los datos. Con frecuencia, parece adecuado un modelo de regresión sin ordenada al
origen.
y=β 1 x+ ε
∑ yi xi
^β 1= i=1
n
❑
∑ x 2i
i=1
^y . = ^β 1 x
El intervalo de predicción de 100(1 - α) por ciento para una observación futura en x = xo, por
ejemplo, Yo, es:
√ √
2 2
x0 x0
^y 0−t α M S Res (1+ n
)≤ y 0 ≤ ^y 0 +t α M S Res (1+ n
)¿ ¿
; n−1 ¿ ;n−1 ¿
2
∑x 2
i
2
∑x 2
i
i=1 i=1
n
^β . =∑ y i ( x ¿¿ i−x ¿) ¿ ¿
n
∑ ( x i− x ) 2
i=1
i=1
∑ ( y i−β 0− ^β1 xi )
2
2 i=1
σ =
n
f ( x , y )=
1
2 π σ 1 σ 2 √1−ρ 2
exp
{ −1
2(1−ρ2 ) [( ) ( )
y−μ1 2 x−μ2 2
σ1
+
σ2
−2 ρ(
y−μ 1 x−μ 2
σ1
)(
σ2
)
]}
2 2
Donde μ1y σ 1 son la media y la varianza de y, μ2 y σ 2 son la media y varianza de x,y
E ( y −μ 1 )( x−μ2 ) σ 12
ρ= =
σ1 σ2 σ1 σ2
Siendo
σ1
β 0=μ1 −μ 2 ρ
σ2
σ1
β 1= ρ
σ2
2 2 2
σ 12=σ 1 (1− ρ )
^β 2 Sxx β^ S S SR
2 1 1 xy 2
r= = = =R
S ST S ST S ST
hipotesis del Ro