Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Minimos Cuadrados 1
Minimos Cuadrados 1
TEORÍA DE
LA
REGRESION
EL MODELO DE REGRESIÓN LINEAL SIMPLE UNIVARIANTE
2
¿Qué productos buscamos en
la regresión?
Parámetros
– o, 1
Predicción
– Crear una función lineal que permita describir
el comportamiento de una variable dependiente
Y en función de una o mas variables
independientes X
3
Procedimientos para estimar
los parámetros
Estimación por mínimos cuadrados
Estimación por máxima verosimilitud
Método del estimador insesgado de
varianza mínima
4
Estimación por mínimos
cuadrados
Es el mas utilizado
Fue desarrollado por Karl
Gauss (1777-1855)
La idea es producir estimadores
de los parámetros ( o, 1) que
hagan mínima la suma de
cuadrados de las distancias entre
los valores observados Yi, y los
valores estimados Ŷi
5
Supuestos del método de
mínimos cuadrados
1. El modelo de regresión es lineal en los parámetros y
.
2. Los valores de X son fijos en muestreo repetido.
3. El valor medio de la perturbación i es igual a cero.
4. Homocedasticidad o igual variancia de i.
5. No autocorrelación entre las perturbaciones i.
6. La covariancia entre i y Xi es cero.
7. El número de observaciones n debe ser mayor que el número
de parámetros a estimar.
8. Variabilidad en los valores de X.
9. El modelo de regresión está correctamente especificado.
10. No hay relaciones lineales perfectas entre las variables
explicativas Xi.
6
Método de los
Mínimos Cuadrados
n
( Xi X i)
(Yi Y i)
i 1
1 ( Xi X i )2
i n1
0 Y 1 X
( Xi (X Covarianza XY
X i )(Yi Y i) i 1
i 1 i X i )(Yi Y i) SPXY
1 n
n
( Xi X i )2 SPXX Varianza X
i 1
( Xi X i )2
i 1
SPXY n
( i Y i )2 SPY Varianza Y
1 i 1 Y Y Se guarda para
después…
SPX
X 8
Ejemplo práctico:
Suponer que se toma una muestra aleatoria de 10
personas de una población cualquiera, y se registran sus
pesos y medidas.
9
Elaborar una memoria de calculo
observaciones estatura (cm) Xi peso (kg) Yi X2i Y2 i XiYi
Yi n
n
( SPXX Varianza X
i X i )2
i 1 X
n
( i SPY Varianza
Y i )2
i 1 Y Y Y
SPXY
1.018
1
529.8
7
SPXX 61.4 102.91
0
520.1 (1.0187)161.3
Y 1 X
12
Obteniendo la ecuación de
regresión
Yi 102.91 1.0187
0 1Xi
Xi
13
Obteniendo los valores
estimados de Yi
En cada fila (observación), se calculan
los valores estimados para Yi (denotados
por Ŷi), mediante la ecuación de
regresión obtenida, sustituyendo los
valores
Y1 de Xi : 102.91 1.0187 162 62.11
0 1 X1
102.91 1.0187 158 58.04
Y2 0 2X
2
⁝ 102.91 1.0187 173
73.32
14
En la memoria de cálculo…
Se calcula con la ecuación de regresión obtenida
para cada valor de X
observaciones estatura (cm) Xi peso (kg) Yi X2i Y2 i XiYi Yi estimada
Elementos que
Xi Yi X2 Y2 XiYi
necesitamos i i
15
El gráfico muestra así los valores
reales y los estimados…
90.00
80.00 y = -102.91+1.0187x
70.00
60.00
50.00
Y = Peso
valores
peso reales
(kg)
Yi
valores estimados
40.00
(kg)
20.00
10.00
-
145.00 150.00 155.00 160.00 165.00 170.00
175.00
X = Estatura (cm) 16
¿Qué logramos con este
método?
Del número infinito de rectas de regresión
que se pueden generar, hemos generado
aquella cuya suma de cuadrados de las
distancias entre los valores reales y
estimados (Yi - Ŷi), sea la menor de todas…
17
X2 Y2 ei
observaciones estatura (cm) Xi peso (kg) Yi i i
XiYi Yi estimada (residuales) e2i
(residuales)
INTERPRETACION DE LA
ECUACION DE REGRESION
19
Interpretación de la ecuación
de regresión estimada
Una vez obtenida la recta estimada el
investigador puede necesitar interpretar
los componentes de la ecuación.
20
Interpretación de la
estimación
de la ordenada al 0
origen
0: se interpreta matemáticamente como el
valor que tomará una Ŷi cuando X = 0
22
Interpretación del estimador
de la pendiente 1
, también llamado Coeficiente de Regresión, es
1
de mayor importancia que 0 , ya que ya que nos
indica la forma en que están relacionadas X y Y.
Mide cuanto y en que dirección (positiva o negativa) se
modifican los valores de Y cuando cambia X.
– Ejemplo: en el caso anterior, se dice que por cada 1.0187 kg
de incremento en el peso, se incrementará 1.0 cm de
estatura.
– Precaución: una vez mas, esta afirmación solo opera para un
cierto intervalo de valores.
• Suponer que el valor mínimo de estatura sea de 1 metro: le
correspondería un peso estimado de -1.04 kg, situación
naturalmente imposible.
• Para una mejor interpretación de 1,
debemos estimar su varianza…
23
Conclusiones
Recordar: un supuesto básico del modelo de
regresión, es que para cada valor posible de X, Y
es una variable aleatoria con distribución normal
media es Y/X
cuya
PROPIEDADES DE LOS
ESTIMADORES DE MINIMOS
CUADRADOS
25
Propiedades de los estimadores
de mínimos cuadrados
Los estimadores de la ordenada al origen 0 , la
pendiente 1 y la recta de regresión
( tienen las siguientes Y/X)
distribuciones: 2
2
~N ; X i2 ~N
0 0 1
n(SPXX 1 ;
)
SPXX2
Y X
~N 0 1X )
Y/ Y
0
( X
0
; X
0
0
Y/X 0
2
2 2 1 (X0
Donde…
YX 0 X)
26
n SPXX
Como estimador , se utiliza S2 e, que se
2
de expresa:
S.C.ERROR SPYY 1SPXY
S e2
n 2 n 2
El estimador S2e es insesgado, siempre y cuando
el modelo de línea recta adoptado sea correcto;
es decir, que en esas condiciones:
2
E(Se
2
) 27
Sustituyendo por S2e, 2
1 ~N S 2 S e2
1 ; 1
SPXX
2 2 SPXX
1 (X 0
2
1 (X0 2
X) 2Y 0 S e2 X)
YX 0
S X
n SPXX n SPXX
28
Ejemplo: estimar varianzas de los
datos analizados
Del caso de las estaturas y pesos:
– Se tenían: SPXY=529.8; SPXX=520.1;
SPYY=896.4; X2 =260,697; X= 161.30
i
~N
2
X i2 2 2
X i2
2
260697
0 0; 50.124 2
)
n(SPXX 0
n(SPXX 10(520.1) (
) )
2 2
1 ~N 2
0.0019( 2
1; 1 2 )
SPXX
SPXX 520.1
29
Para obtener estimadores de estas
varianzas requerimos estimar a través
e de
S–2 Recordar
: que 1 = 1.0187
30
Ya con el valor de… S2 44.58
e 7
Se procede a calcular las
varianzas estimadas de 0 y
1:
S2 X2
e
50.124 50.124(44.587 2234.879
S 20 2
)
i ( )
n(SPXX
2 ) S e2
S 0.0019( 2
) 0.0019(44.587) 0.0847
1
SPXX
31
Finalmente, si se desea estimar la recta para un
valor X0 de un valor arbitrario elegido por nosotros
(digamos, 100 cm – o 1 metro- ):
– Recordar que 0 = -102.91
2 2 1 ( X 0 X )2 2 1 (100 2
2
7.32
n SPXX 161.3) 520.
YX0 120
5
10 1
32
En tanto que su varianza estimada
es: 2
1 (X0
S e2 7.325(44.587) 326.62kg
2Y 0 X)
S X 2
n SPXX
2
– Donde: S e2 44.58
7
33
Conclusión:
Para un valor hipotético X0 = 100 cm de estatura, el valor
estimado de Ŷxo deberá ser de -1.04 kg, con una varianza
estimada de 326.62 kg2, o una desviación estándar de ±18.07 kg
(-19.12 a 17.03 kg).
34