Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lineal Simple
ANÁLISIS DE REGRESIÓN
regresión i y x
lineal simple
1 𝑦1 𝑥1
Supongamos que se dispone de
n observaciones, con 𝑦𝑖 la i-ésima 2 𝑦2 𝑥2
respuesta observada, y 𝑥𝑖 la
i-ésima observación. 3 𝑦3 𝑥3
. . .
. . .
. . .
n 𝑦𝑛 𝑥𝑛
Los parámetros 𝛽0 y 𝛽1 se deben estimar con los datos de la muestra, buscando que la suma de los
cuadrados de las diferencias entre las observaciones 𝑦𝑖 y la línea recta sea mínima. Se puede escribir en la
siguiente forma el modelo de regresión:
𝑦𝑖 = 𝛽0 + 𝛽1 𝑥𝑖 + 𝑒𝑖
Se debe minimizar la función S respecto a 𝛽0 y 𝛽1 . Los estimadores de mínimos cuadrados deben satisfacer las
ecuaciones:
𝜕𝑆
= −2 σ𝑛𝑖=1 𝑦𝑖 − 𝛽መ0 − 𝛽መ1 𝑥𝑖 =0
𝜕𝛽0
𝜕𝑆
= −2 σ𝑛𝑖=1 𝑦𝑖 − 𝛽መ0 − 𝛽መ1 𝑥𝑖 𝑥𝑖 =0
𝜕𝛽1
Al simplificar las ecuaciones anteriores se obtienen las ecuaciones normales de mínimos cuadrados
𝑛𝛽መ0 + 𝛽መ1 σ𝑛𝑖=1 𝑥𝑖 = σ𝑛𝑖=1 𝑦𝑖
𝛽መ0 σ𝑛𝑖=1 𝑥𝑖 + 𝛽መ1 σ𝑛𝑖=1 𝑥𝑖2 =σ𝑛𝑖=1 𝑥𝑖 𝑦𝑖
y su solución es :
𝛽መ0 = 𝑦ത − 𝛽መ1 𝑥ҧ
σ𝑛𝑖=1 𝑥𝑖 σ𝑛𝑖=1 𝑦𝑖
σ𝑛𝑖=1 𝑥𝑖 𝑦𝑖−
𝛽መ1 = 𝑛
𝑛 2
σ 𝑥𝑖
σ𝑛𝑖=1 𝑥𝑖2 − 𝑖=1
𝑛
Fuente Grados
Suma de Cuadrado
La prueba de significancia de la de de F0
regresión es para determinar si Cuadrados medio
hay una relación lineal entre la Variación libertad
respuesta y y la variable
regresora. Las hipótesis
correspondientes son:
Regresión 1 SSR=σ𝑛𝑖=1 𝑦ො𝑖 − 𝑦ത 2 MSR=SSR/1 MSR/MSE
𝐻0 : 𝛽1 = 0 (la regresión no es
significativa, las variables
involucradas no muestran
relación) SSE=σ𝑛𝑖=1 𝑦𝑖 − 𝑦ො𝑖 2
Residuales n-2 MSE=SSE/(n-2)
𝐻𝑎 : 𝛽1 ≠ 0 (la regresión es
significativa, las variables
involucradas muestran relación)
Total n-1 SST=σ𝑛𝑖=1 𝑦𝑖 − 𝑦ത 2
Rechazando 𝐻0 si 𝐸𝑃: 𝐹0 >
𝐹𝛼,1,𝑛−2 o bajo el criterio del p
valor rechazo 𝐻0 si 𝑝 𝑣𝑎𝑙𝑜𝑟 < 𝛼
donde 𝛼 es el nivel de
significancia de la prueba.
Donde el denominador es el error estándar, es t con n-2 grados de libertad. Así el intervalo de
confianza de 100(1- 𝛼 )% para la pendiente 𝛽1 queda definido como: