Jean Alexander Tapia Control de Lectura

Perrusquia Núm. 3

Análisis de regresión 14 de mayo del 2023

con dos variables:
algunas ideas básicas

Análisis de regresión con dos variables:

algunas ideas básicas
Regresión con Dos Variables Regresión bivariable o con 2 variables, la variable dependiente se
relaciona con una sola variable explicativa. Se relaciona en gran medida con la estimación o
predicción de la media (poblacional) o valor promedio de la variable dependiente con base en
los valores conocidos o fijos de las variables explicativas. El análisis de regresión estima o
predice la media de la población o valor medio de mi variable dependiente, en base a valores
conocidos y fijos de la variable independiente.

Existe una variación considerable de en el consumo semanal de cada tipo de ingreso, el

consumo se incrementa a medida que aumenta el ingreso.
Concepto de función de regresión poblacional (FRP) Esta función denota que el valor esperado
de la distribución de “Y” dada “Xi” se relaciona funcionalmente con “Xi”, dicho de otro modo,
dice como la media varía según “X

β1 y β2 son parámetros no conocidos, pero son fijos y se denominan coeficientes de regresión

“β1 y β2”.

Linealidad en las variables

El concepto de linealidad es aquel en donde “Y” dependerá y estará en función de “Xi” la

variable “X” deberá estar elevada a la potencia de grado 1

4. Linealidad en los parámetros

El máximo exponente de β1 y β2 debe ser de grado 1 igualmente.

Especificación estocástica de la FRP

La desviación “u” es una variable aleatoria no observable que adopta valores positivos o
negativos. Técnicamente, “ui” se conoce como perturbación estocástica o término de error
estocástico. Representa las variables omitidas que afectan a “Yi” pero que no fueron
consideradas en el modelo. Normalmente se utiliza la función de regresión muestral
estocástica para estimar la función de regresión poblacional, pues, no siempre se tiene acceso
a observaciones poblacionales. El termino de perturbación “u” desempeña una función crucial
para estimar la función de regresión poblacional.