Académique Documents
Professionnel Documents
Culture Documents
8 de junio de 2015
Una introducci
on a los Modelos lineales
Antecedentes
Una tecnica con 200 a
nos
Una introducci
on a los Modelos lineales
Objetivo
Una introducci
on a los Modelos lineales
Una introducci
on a los Modelos lineales
de ecuaciones, se puede
. . . Xk1
. . . Xk2
.
.
.
.
.
.
. . . Xkn
Una introducci
on a los Modelos lineales
=
n1
nk k 1 n1
Donde no haya confusi
on sobre las dimensiones u ordenes de la
matriz X y de los vectores y , y , la ecuaci
on se escribe tan solo
como
y = X +
El objetivo es estimar los parametros de la regresi
on m
ultiple y
efectuar inferencias sobre ellos a partir de la informacion
disponible. En la notaci
on matricial esto equivale a estimar y a
inferir sobre el. Para fines de estimaci
on, es posible utilizar el
metodo de mnimos cuadrados ordinarios (MCO) o el metodo de
maxima verosimilitud (MV), pero ambos metodos producen valores
estimados identicos de los coeficientes de regresi
on.
Walden Alberto Borja Guerrero
Una introducci
on a los Modelos lineales
E =
.
.
.
. . .
0
n
E(n )
Una introducci
on a los Modelos lineales
Una introducci
on a los Modelos lineales
E (21 ) E (1 2 )
E (2 1 ) E (2 )
2
E (0 ) =
.
.
E (n 1 ) E (n 2 )
.
.
.
.
.
.
.
.
. E (1 n )
. E (2 n )
.
.
2
. E (n )
0 0 . . . 0
1
2
0 0 . . . 0
2 0
E (0 ) =
.
= .
. . . . .
0 0 0 . . . 2
0
de no correlacion
0 0 . . . 0
1 0 . . . 0
= 2I
. . . . . .
0 0 . . . 1
Una introducci
on a los Modelos lineales
Una introducci
on a los Modelos lineales
0 = (y X )
= y 0 y 20 X 0 y + 0 X 0 X
Esto se
Como 0 X 0 y es un escalar, es igual a su traspuesta y 0 X .
logra al diferenciar respecto del vector e igualar a cero las
expresiones resultantes
(0 )
= 2X 0 X 2X 0 y = 0
(X 0 X ) = X 0 y
Walden Alberto Borja Guerrero
Una introducci
on a los Modelos lineales
Una introducci
on a los Modelos lineales
var (2 )
= cov (1 , 2 )
var cov ()
.
.
cov (k , 1 ) cov (k , 2 )
.
.
.
.
.
.
.
.
. cov (1 , k )
. cov (2 , k )
.
.
.
var (k )
Una introducci
on a los Modelos lineales
=
=
nk
nk
2
donde,
0
, es la suma de cuadrados de la regresi
on, se calcula de
la siguiente manera:
0
= y 0 y 0 X 0 y
2. Coeficiente de correlaci
on R 2 :
R2 =
0 X 0 y nY2
y 0 y nY2
Una introducci
on a los Modelos lineales
= y y = y Hy = (In H)y
SCE =
0
= [(In H)y ]0 [(In H)y ] = y 0 (In H)y
Una introducci
on a los Modelos lineales