Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En el modelo simple:
Y i = b0 + b1 Xi + u i
i. E(ui) = 0
ii. Var(ui) = s2
iii. Cov(ui,uj) = 0, para todo i ≠ j
u ~ N(0, s2)
2
Distribución de la Variable Dependiente
o En el modelo simple:
Y i = b0 + b1 X i + u i
Y ~ N(E(Y), Var(Y))
Distribución de ?
3
Propiedades de los Estimadores MCO
Bajo el supuesto de normalidad de los errores, los estimadores MCO tienen las
siguientes propiedades
En el modelo simple:
0 ~ N(b0, var(0))
1 ~ N(b1, var(1))
Z = (1 – b1)/var(1)0,5 ~ N(0,1)
4
Distribución normal de los parámetros
Hipótesis: Determina un valor para los parámetros de la regresión lineal b0, b1.
Ejemplo, se desea saber si la pendiente es distinta de cero (estadísticamente
significativa).
Prueba de dos colas:
Hipótesis nula: H0
Hipótesis alternativa: H1
H0: b1 = 0 vs H1: b1 ≠ 0
Prueba o Estadístico:
6
Distribución t para los parámetros
t = N(0,1)/ ~ t(n-k)
Var(1) = s2/Sx2
s2 = SCR/(n-k)
7
Prueba de dos Colas para la Pendiente
H0: b1 = 0 vs H1: b1 ≠ 0
t = (1 – b1,0)/
t = 1/~ ta/2(n – k)
8
Ejemplo
9
Ejemplo: Ejercicio
H0: b1 = 0 vs H1: b1 ≠ 0
Yi = b0 + b1 X i + ui
• Test de Hipótesis:
H0: b1 = 0 vs H1: b1 ≠ 0
• Prueba (Estadístico):
t - 1 = 1/s ~ ta/2(n – k)
Con a = 5%; s =)
11
Significación estadística usando el Valor de “p”
Otra forma de ver la significación estadística de la pendiente (o cualquiera de
los parámetros del modelo de regresión lineal es a partir del valor de p.
Yi = b0 + b1 Xi + ui
Test de Hipótesis:
H0: b1 = 0 vs H1: b1 ≠ 0
p = 1 - F(tb)
o Prueba (Estadístico):
13
Intervalo de Confianza para los Coeficientes de Regresión (IC)
14
Intervalo de Confianza para la Pendiente
15
Intervalo de Confianza para el Intercepto
16
Ejemplo
Sea la regresión: Y = a + bX + u
= 1 + 1,75X
n=5
• Var( 0) = 0,3
• Var( 1) = 0,0125
17
Predicción con Mínimos Cuadrados Ordinarios (MCO)
Una vez estimada la función de regresión lineal, con los parámetros del
modelo, se desea predecir el “verdadero” valor de la variable dependiente.
Para esto, existen dos alternativas:
18
Predicción
• Predicción Media
• Predicción Puntual
Predicción Media
Y = b0 + b1X + u
Con X = X0
E(Y/X0) = b0 + b1X0 19
El Estimador de la Predicción Media: E()
E() = 0 = 0+ 1X0
Var(0) = s2[1/n + ]
20
Cómo se evalúa la Predicción?
Se crea un intervalo de confianza para el valor medio de la variable
dependiente.
t = (0 - E(Y/X0))/s ~ t(n-k)
En que: s = [Var(0)]1/2
21
Ejemplo
En el modelo:
= 24,4545 + 0,5091X
Se desea predecir el valor medio de Y, dado X0 = 100, con n = 10. Por
otra parte, 2 = 42,159; = 170 y Sx2 = 33.000. Cuál es el intervalo de
confianza para la predicción media?
22
Predicción Puntual
o Se busca predecir un valor puntual para la variable dependiente Y,
dados valores conocidos (determinados) de X. En el modelo simple:
Y = b0 + b1X + u
Con X = X0
Y0/X0 = b0 + b1X0 + u0
o El predictor:
0 = 0 + 1X0
23
El Error de Predicción
ep = Y0 - 0
E(ep) = 0, por qué?
24
Ejemplo
En el modelo:
= 24,4545 + 0,5091X
Se desea predecir el valor de Y, dado X0 = 100, con n = 10. Por otra
parte, 2 = 42,159; = 170 y Sx2 = 33.000. Cuál es el intervalo de
confianza para la predicción puntual?
25