Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Logro Tema 1:
Al finalizar la unidad, el estudiante
Modelo de Regresión lineal Múltiple
comprende las ideas básicas de los Tema 2:
modelos de regresión lineal con dos Modelo con K variables independientes
variables y su importancia para la
predicción delos cálculos obtenidos. Varianzas y errores estándar de los estimadores de
mínimos cuadrados
Tema 3:
Propiedades de los estimadores de mínimos
cuadrados: teorema de Gauss-Markov Una
observación sobre los experimentos Monte Carlo
Tema: Modelo con K variables independientes
Varianzas y errores estándar de los estimadores de
mínimos cuadrados
- Error Estándar de la Regresión.
- Error estándar de los estimadores de MCO
- Teorema Gauss-Markov
Logro Sesión:
Al término de la sesión, el estudiante resuelve ejercicios, sobre aplicación de Método de
Mínimo Cuadrados Ordinario – Regresión Lineal Múltiple, de acuerdo al esquema
desarrollado en clase, con precisión y coherencia.
5.4 Método de mínimos cuadrados ordinarios (MCO)
El Error Estándar
El error estándar mide la dispersión de los datos alrededor de la línea de Regresión. Es decir, mide la
dispersión de los errores de regresión. Donde el σ representa el error estándar de los errores de la
regresión de x en y, k representa el numero de parámetros a estimar.
Suma de residuos al
𝜇𝑖2 cuadrado (SSE)
Varianza
𝜎2 =
homosedástica 𝑛−𝑘 Número de grados
de libertad
𝜇𝑖2 𝑦𝑖 − 𝑦𝑖 2
𝜎= 𝜎=
𝑛−𝑘 𝑛−𝑘
5.4 Método de mínimos cuadrados ordinarios (MCO)
El Error Estándar de los estimadores b1 y b2
Lo que se requiere es alguna medida de “confiabilidad” o precisión de los estimadores 𝛽1 𝑦 𝛽2 . En
estadística la precisión de un valor estimado es medida por su error estándar (ee). Los errores
estándar de los MCO estimados pueden obtenerse de la siguiente manera.
𝜎2 𝜎
𝑣𝑎𝑟 𝛽2 = 𝒆𝒆 𝜷𝟐 =
𝑥𝑖 − 𝑥 2 𝑥𝑖 − 𝑥 2
𝑋𝑖2 2 𝑋𝑖2
𝑣𝑎𝑟 𝛽1 = 2
𝜎 𝒆𝒆 𝜷𝟏 = 2
×𝜎
𝑛 𝑥𝑖 − 𝑥 𝑛 𝑥𝑖 − 𝑥
5.4 Método de mínimos cuadrados ordinarios (MCO)
Matriz de Varianza y Covarianza de 𝜷
Los métodos matriciales permiten desarrollar fórmulas no sólo para la varianza de 𝛽𝑖 , cualquier
elemento dado de 𝛽, sino también para la covarianza entre dos elementos de 𝛽 cualesquiera, por
ejemplo, 𝛽𝑖 y 𝛽𝑗 . Se necesitan estas varianzas y covarianzas para fines de inferencia estadística.
𝑣𝑎𝑟 − 𝑐𝑜𝑣 𝛽 = 𝜎 2 𝑋 ′ 𝑋 −1
5.4 Método de mínimos cuadrados ordinarios (MCO)
Ejemplo 3
Con los datos del ejercicio 2, se pide calcular el coeficiente de Determinación:
Reemplazamos la formula Error Estándar (σ)
𝑦𝑖 − 𝑦𝑖 2 378.39
𝜎= =
10 − 2
𝜎 = 6.8774
𝑛−𝑘
Calculando el error del b 1
𝑋𝑖2 4,694.00
𝒆𝒆 𝜷𝟏 = ×𝜎 = × 6.8774
𝑛 𝑥𝑖 − 𝑥 2 10(284)2
𝒆𝒆 𝜷𝟏 = 8.8416
𝑣𝑎𝑟 − 𝑐𝑜𝑣 𝛽 = 𝜎 2 𝑋 ′ 𝑋 −1
2 1.6528169 −0.0739436
𝒗𝒂𝒓 − 𝒄𝒐𝒗 𝜷 = 6.8774
−0.0739436 0.003521127