Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definición
Un modelo estadístico lineal que relaciona una respuesta aleatoria Y con un conjunto
de variables independientes x1 , x2 , . . . , xk tiene la forma
Y = β0 + β1 x1 + β2 x2 + ... + βk xk + ε
E [Y ] = β0 + β1 x1 + β2 x2 + ... + βk xk
Si se estiman los parámetros desconocidos, los estimadores serían βˆ0 y βˆ1 . Al calcular la
estimación, se tendría ŷ = βˆ0 + βˆ1 x . Por lo tanto por cada estimación se tendría un
error y − ŷ , y se puede calcular la suma cuadrada de los errores (SSE), que no es más
que
n
X
SSE = (yi − ŷi )2
i=1
n n
Sxy X X
1 βˆ1 = donde Sxy = (xi − x̄ )(yi − ȳ ) y Sxx = (xi − x̄ )2 .
Sxx
i=1 i=1
2 βˆ0 = ȳ − βˆ1 x̄ .
n n n
X 1 X X
Sxy = xi yi − xi yi
n
i=1 i=1 i=1
n n
!2
X 1 X
Sxx = xi2 − xi
n
i=1 i=1
Cov(yt , yt+k ) 6= 0
para tiempos t y t + k.
Las medianas de los precios de venta de casas nuevas para una sola familia durante un
período de ocho años se indican en la siguiente tabla. Sea Y la mediana de los precios
de venta y x el año (representado con números enteros, 1, 2, . . . , 8), ajuste el modelo
Y = β0 + β1 x + ε. ¿Qué se puede concluir de los resultados?
( sx <- sum(x) )
## [1] 36
( sy <- sum(y) )
## [1] 347
mx <- replicate( 8, mean(x) )
## [1] 42
( Sxy = sum( (x - mx)*(y - my) ) )
## [1] 203.1
Modelos lineales, parte 1
Solución
## [1] 4.835714
## [1] 21.61429
Y = 21.61 + 4.84x .
##
## Call:
## lm(formula = y ~ x)
##
## Coefficients:
## (Intercept) x
## 21.614 4.836
Calculamos Syy ,
## [1] 1000.675
luego
## [1] 18.54143
Y por lo tanto
( S2 <- SSE/(length(x) - 2) )
## [1] 3.090238
( sx <- sum(x) )
## [1] 0
mx = replicate(8, mean(x))
## [1] 168
## [1] 406.2
## [1] 2.417857
## [1] 43.375
Y = 43.38 + 2.42x ∗ .
## [1] 18.54143