Documentos de Académico
Documentos de Profesional
Documentos de Cultura
I Notación escalar:
1. E(ui)=0.
2. E(ui,uj)=0=σ 2 .
3. X2, X3, . . . , Xk son fijas o no estocásticas.
4.No hay relación lineal exacta entre las variables X; es decir,
no hay multicolinealidad.
5.Para las pruebas de hipótesis se usa:
u∼N(0,σ 2 )
C.2 Supuestos del modelo clásico de regresión lineal en
notación matricial
I Entonces reduciremos:
I Nos quedaria:
β̂i − βi
t=
ee(β i )
C.7 Prueba de significancia global de la regresión: análisis
de varianza en notación matricial
I Objetivo: Probar la significancia de los parámetros a estimar
simultáneamente.
I Para probarlo sera necesario el uso de la prueba F, tomando
en cuenta los factores SCR(suma de los cuadrados de los
residuos) y SCE(suma de cuadrados estimados), que seran
dados gracias a la construccion de la tabla ANOVA.
I Donde la prueba F podra ser expresada como:
(β̂ 0 X 0 y −nȲ 2 )
(k−1)
F =
(y 0 y −(β̂ 0 X 0 y ))
(n−k)
(R 2 )
(k−1)
F = (1−R 2 ))
(n−k)
I Si el valor calculado F es superior al valor critico de F con n-k
g.l. se rechazara la hipotesis nula de que los parámetros son
no significativos simultáneamente.
C.8 Pruebas de restricciones lineales: Prueba F general con
notación matricial
I Objetivo: Probar la validez de las restricciones lineales sobre
uno o mas parametros del modelo de regresion lineal.
I La prueba F correspondiente sera:
(uˆ0 R ûR −uˆ0 NR ûNR )
m
F =
(uˆ0 NR ûNR )
(n−k)
Ŷi = xi0 ∗ β̂
(Ŷi |x00 ) = x00 ∗ β̂
I Estas dos ecuaciones serviran para representar la predicción
media y de los valores individuales de Y.
I Su diferencia radicara en las estimaciones de sus varianzas.
C.9 Predicción mediante regresión múltiple: formulación
matricial
β mcg = (X 0 V −1 X )−1 (X 0 V −1 )y
y
var − cov (β mcg ) = σ 2 (X 0 V −1 X )−1