Académique Documents
Professionnel Documents
Culture Documents
Regresión lineal
Clase No. 19-20
UNIVERSIDAD DE
ANTIOQUIA
Dto. Ingeniería Química
1
MODELOS DE REGRESION LINEAL
Coeficientes de regresión
2
Enfoque matricial de la regresión
3
Método de mínimos cuadrados
En el caso de una regresión lineal simple se considera un solo
regresor. Las estimaciones de 𝛽0 y 𝛽1 deberán dar como resultado
una recta que sea el “mejor ajuste” para los datos. El científico
alemán Karl Gauss propuso estimar 𝜷𝟎 y 𝜷𝟏 a fin de minimizar
la suma de los cuadrados de las desviaciones 𝝐𝒊 . A este criterio
se le llama método de mínimos cuadrados.
4
Función
objetivo
Ecuaciones normales de
mínimos cuadrados
5
Resolviendo para y
6
Enfoque matricial, resolviendo para el vector
Función
objetivo
Escalar
7
ANOVA para la significación de una regresión
Grados de libertad:
8
Representación gráfica de 𝑺𝑺𝑻 , 𝑺𝑺𝑬 y 𝑺𝑺𝑹 :
9
Enfoque matricial – Cálculo de 𝑺𝑺𝑻 , 𝑺𝑺𝑬 y 𝑺𝑺𝑹 :
10
Evaluando la adecuación del modelo de regresión
1. Gráfico de probabilidad normal de residuales
11
2. Gráfico de 𝒆𝒊 contra 𝒚
ෝ𝒊
3. Gráfico de 𝒆𝒊 contra 𝒙𝒊
Situación grave
Situación Usar una
ideal transformación
13
5. Estadístico 𝑹𝟐𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒂
14
7. Residuales studentizados (𝒓𝒊 ):
Matriz
gorro
Diagonal de
matriz H
15
8. PRESS – Suma de cuadrados del error de
predicción:
9. Estadístico 𝑹𝟐𝒑𝒓𝒆𝒅𝒊𝒄𝒄𝒊ó𝒏
16
SELECCIÓN EMPÍRICA DE UNA TRANSFORMACIÓN
17
Sea 𝐸 𝑦 = 𝜇 la media 𝑦, y suponga que la desviación estándar de
𝑦 es proporcional a una potencia de la media de 𝑦 tal que,
18
Transformaciones comunes para estabilización de varianza:
19
Gráfico 𝒍𝒐𝒈 𝑺𝒊 𝒗𝒔 𝒍𝒐𝒈(ഥ
𝒚𝒊 .) para hallar 𝜶
20
Profesor de cátedra – UdeA
M. Sc. Gabriel Yarce
gabriel.yarce@udea.edu.co
21