Regresión mínimo cuadrada (I)

Slides:



Advertisements
Presentaciones similares
DISEÑO DE EXPERIMENTOS EXPERIMENTOS DE COMPARACIÓN SIMPLE
Advertisements

ANOVA DE UN FACTOR.
Regresión mínimo cuadrada (II)
Tema 2. El modelo de regresión lineal simple
Regresión lineal simple
REGRESION LINEAL SIMPLE
Error Estándar de la Media
Ejemplo Grafico.
Pronósticos, Series de Tiempo y Regresión
UNIVERSIDAD AUTÓNOMA DEL CARIBE
“Construcción de Software para Regresión: El Caso de Selección de Modelos y Pruebas de Homocedasticidad” Previa a la obtención del Título de: INGENIERO.
REGRESION Y CORRELACION LINEALES. REGRESION LINEAL SIMPLE Finalidad Estimar los valores de y (variable dependiente) a partir de los valores de x (variable.
Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza.
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
INFERENCIA ESTADISTICA
Estadísticos de Prueba en el Modelo de Regresión Múltiple
PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES
MODELO DE REGRESIÓN MÚLTIPLE
APLICACION DEL ANALISIS DE REGRESION Al problema de Predicción
Análisis de Regresión Lineal
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Econometria 2. Modelo de Regresión Lineal Simple
Modelo básico de regresión Lineal (MBRL)
Modelo básico de regresión Lineal
Capitulo 10: La metodología Box-Jenkins
Estadística 2010 Clase 5 Maestría en Finanzas Universidad del CEMA
Regresión y correlación
Regresión Lineal Simple yi = b0 + b1xi + ui
TEMA 8: ANÁLISIS DE LA REGRESIÓN Y CORRELACIÓN ENTRE DOS VARIABLES
Estadística Descriptiva: 4. Correlación y Regresión Lineal
Tema 1- Regresión lineal simple.
Estadística Descriptiva: 4. Correlación y Regresión Lineal Ricardo Ñanculef Alegría Universidad Técnica Federico Santa María.
Regresión lineal Es un modelo matemático para predecir el efecto de una variable sobre otra, ambas cuantitativas. Una variable es la dependiente y otra.
Regresión Lineal Simple
Análisis de Correlación y de Regresión lineal simple
Distribuciones bidimensionales. Tablas de contingencia
PROBLEMAS ECONOMETRICOS
BIOMETRIA II TEMA 2 El Modelo de Regresión.
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
ESTADÍSTICA BÁSICA EN ECOLOGÍA EVOLUTIVA Juan J. Soler Cruz Estación Experimental de Zonas Áridas Almería.
Modelo de regresión con dos variables: Estimación
ANALISIS DE FRECUENCIA EN HIDROLOGIA (2)
Departamento de Informática Universidad Técnica Federico Santa María
Titular: Agustín Salvia
Introducción a la Inferencia Estadística
ANALISIS DE REGRESION MULTIPLE
Análisis de regresión MCO MELI.
Modelo Lineal Simple con Statgraphics para Windows.
Regresión lineal múltiple
Estadística Aplicada a las Ciencias Políticas
Si comparamos este intervalo con (10.5), vemos que el intervalo de confianza para la Y 0 individual es más amplio que el intervalo para el valor medio.
Definición del Modelo de Regresión Simple Estimaciones por MCO Método de MCO Valores Esperados y Varianzas por MCO.
ANÁLISIS DE REGRESIÓN SIMPLE
Maestría en Transporte Regresamos... (el problema de la regresión lineal) Clase 5.
Análisis de los Datos Cuantitativos
Regresión Lineal Simple
ESTIMACIÓN DE PARÁMETROS
Regresión lineal simple Nazira Calleja
La recta de regresión, se denomina «Recta de ajuste Optimo» (bajo el criterio de los mínimos cuadrados (no hay otra mejor que ella bajo este criterio).
REGRESIÓN LINEAL SIMPLE
Modelos de regresión lineal
ECONOMETRIA 2. MODELO LINEAL SIMPLE Hernán Delgadillo Dorado
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE. Temas Introducción Análisis de regresión (Ejemplo aplicado) La ecuación de una recta Modelo estadístico y suposiciones Estimación.
ESTADISTICA DESCRIPTIVA BIVARIADA MEDIDAS DE RELACIÓN ENTRE VARIABLES CUANTITATIVAS.
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
ANALISIS DE VARIANZA.
Estadística y Biometría Modelación Estadística Regresión lineal.
Transcripción de la presentación:

Regresión mínimo cuadrada (I) Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel Regresión mínimo cuadrada (I)

Funciones lineales simples Forma de la función: Yt=b0+b1Xt+et Variable dependiente, endógena o a explicar: Yt Variable independiente, exógena o explicativa: Xt Error aleatorio: et Parámetros ó coeficientes: b0 (termino independiente) y b1.

Mínimos Cuadrados Ordinarios

Ejemplo 5.1

Calculo MCO

Solución MCO

Regresión Lineal: MCO

Errores MCO La esperanza matemática de et es cero, tal que E(et) = 0 La covarianza entre ei y ej es nula : E(ei·ej) = 0 La matriz de varianzas y covarianzas del término de error debe ser escalar tal que Var(ei) = 2I, i=1,…,n, donde I es la matriz unidad

Errores aleatorios:representación gráfica

Errores aleatorios: Histograma

Errores aleatorios: distribución de frecuencias

Errores ejemplo 5.1

Sumas de cuadrados SCT: es la Suma de Cuadrados Totales y representa una medida de la variación de la variable dependiente. SCE: es la Suma de Cuadrados Explicados por el modelo de regresión. SCR: es la Suma de Cuadrados de los Errores

Bondad de Ajuste: R2

Bondad de ajuste. Ejemplo 5.1

Intervalos de confianza (I)

Intervalos de confianza (II) Si X está normalmente distribuido sabemos que 1- está especificado. Por ejemplo, si 1- = 0,95 entonces el valor de k es igual a 1,96, de manera que, tras hacer una operación algebraica expresamos la anterior igualdad como: y decimos que la probabilidad de que el parámetro desconocido esté entre los puntos

Intervalos de confianza  i (I)

Intervalos de confianza  i (II)

Intervalos de confianza. Ejemplo 5.1(I)

Intervalos de confianza. Ejemplo 5.1(II)

Predicción Predicción individual: se trata de hallar el valor estimado para la variable Y un periodo hacia delante: Yt+1=b0+b1Xt+1 Intervalos de predicción para un valor medio o esperado. La expresión a utilizar en este caso será:

Predicción ejemplo 5.1 Para X’t+1=(1,21); Yt+1=+42,8*(1)-1,77*(21)=5,59 Intervalo: Se=1,46 Xt+1' (X'X)Xt+1=0,93 t0,025;8=2,3 Intervalo (8,84-2,33)