Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 1.1 Modelación Estadística
Clase 1.1 Modelación Estadística
Maritza Márquez
maritza.marquez@uv.cl
Universidad de Valparaı́so
Facultad de Ingenierı́a Civil Matemática
Valparaı́so, Chile
Agosto 2022
Motivación
Motivación Motivación Regresión Lineal Simple Estimación
Motivación
Sistema
Es una fuente de datos que describe el comportamiento de al-
guna parte del mundo real. Formado por elementos que inter-
actúan para lograr un objetivo.
Modelo
Es una representación formal de un sistema real (representación
simplificada de la realidad) mediante ecuaciones, funciones,
sı́mbolos y relaciones lógico - matemáticas.
Motivación
Vibración de una viga
∂4 y ∂2 y
EI + ρ A = f (x , t ) (1)
∂x 4 ∂t 2
Modelo Lineal
Y = β0 + β1 X1 + · · · + βn Xn (2)
Motivación
Modelos Matemáticos
Motivación
Modelo Estadı́stico
Y = β0 + β1 X1 + · · · + βn Xn + ε (3)
εi = Yi − µY |Xi
(6)
εi = Yi − (β0 + β1 Xi )
Observaciones
q La palabra “simple” indica que existe una variable predictora para la vari-
able respuesta.
q Lineal porque el modelo es lineal en β0 y β1 .
q El error aleatorio (εi ) se puede justificar de la siguiente manera:
Variable que incluye variables que por una razón u otra no se incluyeron en el
modelo.
Existen componentes aleatorias que tal vez no pueden ser explicadas con la in-
clusión de más variables predictoras (errores de observación, de medida, defectos
en los instrumentos de medición o por percepción del analista).
Supuesto 1
E (εi ) = 0 ⇔ E (Yi ) = β0 + β1 Xi , ∀i = 1, . . . , n
Supuesto 2
Var (εi ) = σ2 ⇔ Var (Yi ) = σ2 , ∀i = 1, . . . , n
Supuesto 3
Cov (εi , εj ) = 0 ⇔ Cov (Yi , Yj ) = 0, ∀i , j
Estimación de parámetros
La recta de regresión muestral:
Estimación de parámetros
Estimación por el método de mı́nimos cuadrados (MMC)
El MMC consiste en obtener los valores β̂0 y β̂1 minimizando la
diferencia Yi − Ŷi en (9). Determinamos los parámetros que min-
imizan la suma de cuadrados de los residuos.
Estimación de parámetros
Suma de los cuadrados de los residuos
n
X n
X 2 X n
ε̂ ε̂ =
0
ε̂i =
2
Yi − Ŷi = Yi − β̂0 − β̂1 Xi (10)
i =1 i =1 i =1
n
∂ε̂0 ε̂ X
= −2 Yi − β̂0 − β̂1 Xi = 0 (11)
∂β̂0 i =1
n
∂ε̂0 ε̂ X
= −2 Yi − β̂0 − β̂1 Xi Xi = 0 (12)
∂β̂1 i =1
Estimación de parámetros
n
X
Yi − β̂0 − β̂1 Xi = 0 (13)
i =1
n
X
Yi Xi − β̂0 Xi − β̂1 Xi2 = 0 (14)
i =1
Estimador de β0
β̂0 = Ȳ − β̂1 X̄ (15)
Estimación de parámetros
n
X n
X n
X n
X
β̂1 Xi2 − β̂1 X̄ Xi = Xi Yi − Ȳ Xi (16)
i =1 i =1 i =1 i =1
Pn Pn
i =1 Xi Yi − Ȳ i =1 Xi
β̂1 = Pn 2
P n
(17)
i =1 Xi − X̄ i =1 Xi
Estimador de β1
Pn
Pn
Xi Yi − nȲ X̄ i =1 Xi − X̄ Yi − Ȳ
β̂1 = Pi =n1 2 2
ó β̂1 = 2 (18)
i =1 Xi − n X̄
Pn
i =1 Xi − X̄