Académique Documents
Professionnel Documents
Culture Documents
para i = 1,2,,n
Edgar Acua
Edgar Acua
= (X' X) 1 X' Y
Edgar Acua
Donde H=X(XX)-1X es la Hat Matrix la varianza estimada de los errores puede ser escrita como: 2 = Y' (I X(X' X) 1 X' )Y = Y' (I H)Y )
n p 1 n p 1
Edgar Acua Analisis de Regresin Febrero, 2010
Algunas Propiedades
Sea Y un vector aleatorio n-dimensional tal que E(Y) = y VAR(Y) =V entonces E(YAY)=traza(AV) + A
Donde =X y V=2In Se puede mostrar que E[s2]=2.
Edgar Acua
2.3. Inferencia en Regresin lineal mltiple Involucra realizar pruebas de hiptesis eintervalos de confianza acerca de los coeficientes del modelo de regresin poblacional. Intervalos de confianza de las predicciones que se hacen con el modelo.
Suponemos que e~NI(0,2In) o equivalente que Y~NI(X, 2In)
Edgar Acua Analisis de Regresin Febrero, 2010
SSR R = SST
2
Edgar Acua Analisis de Regresin Febrero, 2010
ii)
SSE
~ (2n p 1) 2
, tambin que
(n p 1) s 2
~ (2n p 1)
iii)
SSR
~ (2p ) 2
Analisis de Regresin Febrero, 2010
Edgar Acua
1) gl.
Donde, Cii es el i-simo elemento de la diagonal de (XX)-1. Los programas de computadoras, da el P-value de la prueba t.
Edgar Acua Analisis de Regresin Febrero, 2010
2.3.2 Prueba de Hiptesis de que todos los coeficientes de regresin son ceros.
Ho: 1=2==p=0 Ha: Al menos uno de los coeficientes es distinto de cero.
usando propiedades de formas cuadrticas se puede mostrar que: E(SSR) = E[Y(H-11/n)Y] = p2+ X(H-11/n)X = p2+ X(H-11/n)X Donde, 1 es un vector columna de n unos.
Edgar Acua Analisis de Regresin Febrero, 2010
Edgar Acua
Donde:
Edgar Acua
Donde: ) yi es el valor predicho por el modelo de regresin para la i-sima combinacin de las variables predictoras y yi es el valor promedio de la variable predictora para la i-sima combinacin.
Edgar Acua
Suma de Cuadrados del Error Puro (SSPE) Es la primera suma de cuadrados del lado derecho, tiene n-m gl. Suma de Cuadrados de Falta de Ajuste (SSLOF) Es la segunda suma de cuadrados tiene m-p-1 gl. tambin puede ser escrita como: m ) 2
i =1
ni ( y i y i )
Prueba de hiptesis Ho: El modelo es adecuado (no hay falta de ajuste) Ha: el modelo no es adecuado La prueba estadstica es una prueba de F dada por:
SSLOF/(m p 1) MSLOF F= = SSPE/(n m) MSPE
Edgar Acua