446 Capítulo 12 Regresión lineal múltiple y ciertos modelos de regresión no lineal

Por lo tanto, la ecuación de regresión es

ŷ = −3.507778 − 0.002625x1 + 0 .000799x2 + 0.154155x3.

Para 50% de humedad, una temperatura de 76˚F y una presión barométrica de 29.30, la
cantidad estimada de óxido nitroso emitido es
ŷ =−3.507778 − 0.002625(50.0) + 0 .000799(76.0) + 0 .1541553(29.30)
= 0.9384 ppm.

Regresión polinomial
Ahora suponga que se desea ajustar la ecuación polinomial
μY |x = β0 + β1 x + β2 x 2 + · · · + βr x r

a los n pares de observaciones {(xi, yi); i = 1, 2,..., n}. Cada observación, yi, satisface la
ecuación
y i = β0 + β1 x i + β2 x 2i + · · · + βr x ri + i

o bien,
y i = ŷ i + ei = b0 + b1 x i + b2 x 2i + · · · + br x ri + ei ,

donde r es el grado del polinomio y i y ei son, de nuevo, el error aleatorio y el residual

asociados con la respuesta yi y con el valor ajustado ŷi, respectivamente. Aquí el número
de pares, n, debe ser al menos r + 1, que es el número de parámetros por estimar.
Observe que el modelo polinomial se puede considerar un caso especial del modelo
de regresión lineal múltiple más general, donde establecemos x1 = x, x2 = x2,..., xr = xr.
Las ecuaciones normales adoptan la misma forma que las que aparecen en la página 445.
Luego se resuelven para b0, b1, b2,..., br.

Ejemplo 12.2: Dados los datos

x 0 1 2 3 4 5 6 7 8 9
y 9.1 7.3 3.2 4.6 4.8 2.9 5.7 7.1 8.8 10.2

ajuste una curva de regresión de la forma μY | x = β0 + β1x + β2x2, luego, estime μY | 2.

Solución: A partir de los datos se encuentra que

10b0 + 45b1 + 285 b2 = 63.7,

45b0 + 285b1 + 2025 b2 = 307.3,
285b0 + 2025 b1 + 15,333b2 = 2153.3.

Al resolver las ecuaciones normales se obtiene

b0 = 8.698, b1 = −2.341, b 2 = 0.288.

Por lo tanto,

ŷ = 8.698 − 2.341x + 0.288x2.