Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALUMNO:
CARLOS ALBERTO FLORES DURAN
MAESTRO:
JAVIER GARCÍA GUZMÁN
MATERIA :
ESTADÍSTICA INFERENCIAL II
CARRERA :
ING. EN GESTION EMPRESARIAL A DISTANCIA
Referencias ................................................................................................................ 9
2.1 Modelo de regresión múltiple
A la ecuación que describe cómo está relacionada la variable dependiente y con las
variables independientes x1, x2, . . . , xp, un término de error se le conoce como
modelo de regresión múltiple. Se inicia con el supuesto de que este modelo toma la
forma siguiente.
1
2.2 Estimación de la ecuación de regresión múltiple
Si se conocieran los valores de 𝛽0 , 𝛽1 , 𝛽2 … 𝛽𝑝 se podría usar la ecuación 𝛽0 +
𝛽1 𝑥1, 𝛽2 𝑥2 + ⋯ + 𝛽𝑝 𝑥𝑝 a efecto de calcular el valor medio de y para valores dados de
𝑥1 + 𝑥2 … 𝑥𝑝 Desafortunadamente, los valores de estos parámetros suelen en
general no conocerse y es necesario estimarlos a partir de datos muestrales. Para
calcular los valores de los estadísticos muestrales 𝑏0 , 𝑏1 , 𝑏2 … 𝑏𝑝 que se usan como
estimadores puntuales de los parámetros 𝛽0 , 𝛽1 , 𝛽2 … 𝛽𝑝 se emplea una muestra
aleatoria simple. Con los estadísticos muestrales se obtiene la siguiente ecuación
de regresión múltiple estimada.
2
2.3 Matriz de varianza-covarianza
Una matriz de varianza-covarianza es una matriz cuadrada que contiene las
varianzas y covarianzas asociadas con varias variables. Los elementos diagonales
de la matriz contienen las varianzas de las variables y los elementos fuera de la
diagonal contienen las covarianzas entre todos los posibles pares de variables
3
2.4 Pruebas de hipótesis para los coeficientes de regresión.
La prueba de hipótesis se utiliza para confirmar si los coeficientes de regresión
estimados tienen algún significado estadístico. Tanto el enfoque del intervalo de
confianza como el enfoque de la prueba t se pueden utilizar en la prueba de
hipótesis.
La SC incremente
La SC disminuya
4
donde es el elemento de la diagonal de la matriz correspondiente
5
2.5 Correlación lineal múltiple
La regresión lineal múltiple (MLR), también conocida simplemente como regresión
múltiple, es una técnica estadística que utiliza varias variables explicativas para
predecir el resultado de una variable de respuesta. El objetivo de la regresión lineal
múltiple es modelar la relación lineal entre las variables explicativas
(independientes) y las variables de respuesta (dependientes). En esencia, la
regresión múltiple es la extensión de la regresión de mínimos cuadrados ordinarios
(OLS) porque involucra más de una variable explicativa.
6
2.6 Aplicaciones.
1. Bienes inmuebles
Usted es un profesional de bienes raíces que quiere crear un modelo para ayudar a
predecir el mejor momento para vender casas. Le gustaría vender casas al precio
de venta máximo, pero múltiples factores pueden afectar el precio de venta. Estas
variables incluyen la antigüedad de la casa, el valor de otras casas en el vecindario,
mediciones cuantitativas del sistema de escuelas públicas con respecto al
desempeño de los estudiantes y la cantidad de parques cercanos, entre otros
factores.
2. Ejemplo de negocio
Tiene acciones en una empresa que cotiza en bolsa y quiere saber si ahora sería
un buen momento para vender sus acciones. Varias variables podrían afectar el
valor del precio de las acciones, incluida la rentabilidad de la empresa, los costos
de la empresa, la competencia de la empresa y los activos de la empresa. Puede
construir un modelo de predicción a partir de estas cuatro variables independientes
para ayudar a decidir si debe vender las acciones de inmediato o continuar
manteniendo las acciones.
7
análisis de regresión lineal múltiple en datos empíricos para predecir un resultado
que tenga en cuenta los posibles cambios en los valores de los coeficientes de las
variables predictoras.
8
Referencias
LEVIN, RICHARD, I., RUBIN & DAVID, S. (2010). Estadistica para Administracion y
Economia (7.a ed., Vol. 7). PEARSON EDUCACIÓN.
https://www.academia.edu/16570654/Estadistica_para_Administracion_y_Economi
a_Levin_Rubin_7ma_Ed_Pearson
Williams, Sweeney & Anderson. (2012). Estadística para negocios y economía (11.a
ed., Vol. 11). Cengage Learning.
https://www.academia.edu/37099878/Estad%C3%ADstica_para_negocios_y_econ
om%C3%ADa