Documentos de Académico
Documentos de Profesional
Documentos de Cultura
yi =( β + β x + β x + β x +⋯+ β x )+e
0 1 1i 2 2i 3 3i n ¿ i
No colinialidad o multicolinialidad:
En los modelos lineales múltiples los predictores deben ser independientes, no debe de
haber colinialidad entre ellos. La colinialidad ocurre cuando un predictor está linealmente
relacionado con uno o varios de los otros predictores del modelo o cuando es la
combinación lineal de otros predictores.
Parsimonia:
Este término hace referencia a que el mejor modelo es aquel capaz de explicar con mayor
precisión la variabilidad observada en la variable respuesta empleando el menor número de
predictores, por lo tanto, con menos asunciones.
No autocorrelación (Independencia):
Los valores de cada observación son independientes de los otros, esto es especialmente
importante de comprobar cuando se trabaja con mediciones temporales. Se recomienda
representar los residuos ordenados acorde al tiempo de registro de las observaciones, si
existe un cierto patrón hay indicios de autocorrelación. También se puede emplear el test de
hipótesis de Durbin-Watson.
= + + +
X i b 0 b 1 x 1i b 2 x 2 i b 3 x 3 i+⋯+b n x¿
, , , , , … se
Sean x 1 x 2 x 3 las variables en consideración. Entonces, con x 11 x 12 x 13
que asume la variable x 2 , y así sucesivamente. Con esta notación, una suma como
N
Donde b 1.23 , b 12.3 y b 13.2 son constantes. Los subíndices después del punto indica la
variable que se mantiene constante en cada caso.
Correlación Múltiple
Coeficientes de Correlación
r 12=N
∑ x 1 x 2−¿ (∑ x 1 )(∑ x 2 ) ¿
√ [ N ∑ x1 −(∑ x 1 ) ] [ [ N ∑ x 2−(∑ x2 ) ]]
2 2 2 2
r 13=N
∑ x 1 x 3−¿ (∑ x1 )(∑ x3 ) ¿
√ [ N ∑ x 1− ( ∑ x 1 ) ] [ [ N ∑ x 3− ( ∑ x 3) ] ]
2 2 2 2
r 23=N
∑ x 2 x 3−¿ (∑ x 2)(∑ x 3) ¿
√ [ N ∑ x 2− ( ∑ x 2 ) ] [ [ N ∑ x 3− ( ∑ x 3 ) ] ]
2 2 2 2
√
2 2
r 12+ r 13−r 12 r 13 r 23
R1.23= 2
1−r 23
s1.23=
√ ∑ ( x 1−x 1 ,est ) 2
N
√
2 2 2
1−r 12−r 13−r 23+ 2r 12 r 13 r 23
s1.23= 2
1−r 23
Ejercicios:
Pesos
64 71 53 67 55 58 77 57 56 51 76 68
( x1 )
Estatura
57 59 49 62 51 50 55 48 52 42 61 57
( x2 )
Edad
8 10 6 11 8 7 10 9 10 6 12 9
( x3 )
a) Encontrar la ecuación de regresión de mínimos cuadrados de x 1 sobre x 2 y
x3
b) Calcular el error estándar de estimación.
c) Calcular el coeficiente de correlación múltiple.
d) Estimar el valor del peso, sabiendo que la estatura es de 62 pulgada y 13
años de edad.
x1 3 5 6 8 12 14
x2 16 10 7 4 3 2
x3 90 72 54 42 30 12