Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza.

Slides:



Advertisements
Presentaciones similares
ANALISIS PARAMÉTRICOS
Advertisements

MODELO DE REGRESIÓN LINEAL SIMPLE
Tema 2. El modelo de regresión lineal simple
Regresión mínimo cuadrada (I)
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
MÉTODOS DE MEDICIÓN DE COSTOS.
UNIVERSIDAD AUTÓNOMA DEL CARIBE
KRIGING.
REGRESION Y CORRELACION LINEALES. REGRESION LINEAL SIMPLE Finalidad Estimar los valores de y (variable dependiente) a partir de los valores de x (variable.
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES
MODELO DE REGRESIÓN MÚLTIPLE
REGRESION & CORRELACION
Introducción a la Estadística. Modelos de regresión
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Econometria 2. Modelo de Regresión Lineal Simple
Modelo básico de regresión Lineal
Estadística 2010 Clase 5 Maestría en Finanzas Universidad del CEMA
Regresión y correlación
EJERCICIOS RESUELTOS REGRESION
Regresión Lineal Simple yi = b0 + b1xi + ui
Estadística Descriptiva: 4. Correlación y Regresión Lineal
Estadística Descriptiva: 4. Correlación y Regresión Lineal Ricardo Ñanculef Alegría Universidad Técnica Federico Santa María.
Regresión Lineal Simple
Curso de Estadística Básica
1º BACHILLERATO | Matemáticas © Oxford University Press España, S.A Hacer clic en la pantalla para avanzar VARIABLE ESTADÍSTICA UNIDIMENSIONAL Población:
9 Regresión Lineal Simple
División de Estudios Políticos, CIDE
Análisis de Correlación y de Regresión lineal simple
MEDIDAS DE CORRELACIÓN
Facultad: Turismo Y Hotelería
Distribuciones bidimensionales. Tablas de contingencia
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
BIOMETRIA II TEMA 2 El Modelo de Regresión.
CORRELACION Y REGRESION LINEAL: Introducción
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Programación Numérica
DERIVADO DE LOS COEFICIENTES DE REGRESIÓN LINEAL Y X Esta sequencia muestra cómo los coeficientes de regresión para un modelo de regresión lineal simple.
ESTIMACIÓN DE COEFICIENTES DE MÁXIMA VEROSIMILITUD
Modelo de regresión con dos variables: Estimación
Estimación Sea una característica, un parámetro poblacional cuyo valor se desea conocer a partir de una muestra. Sea un estadístico ( función.
Titular: Agustín Salvia
Introducción a la Inferencia Estadística
CORRELACION Y REGRESION LINEAL: Introducción
Estadística Descriptiva
1 TEMA II Prof. Samaria Muñoz Análisis de Regresión simple: ESTIMACION.
LA RECTA DE REGRESIÓN CONTENIDOS:
Variables estadísticas bidimensionales
Estadística I. Finanzas y Contabilidad
ALUMNA: I. CLAUDIA AVILA LEON MATRICULA TUTORA: NATALIA PEREZ RUL MATERIA: FORMULACION Y EVALUACION DE PROYECTOS ACTIVIDAD: METODO DE MINIMOS.
coeficientes de correlación de
SEMINARIO DE INVESTIGACION Titular: Agustín Salvia
Definición del Modelo de Regresión Simple Estimaciones por MCO Método de MCO Valores Esperados y Varianzas por MCO.
ANÁLISIS DE REGRESIÓN SIMPLE
1 Y MODELO DE REGRESIÓN SIMPLE Suponemos que una variable Y es una función lineal de otra variable X, con parámetros desconocidos  1 y  2 que queremos.
Maestría en Transporte Regresamos... (el problema de la regresión lineal) Clase 5.
Regresión Lineal Simple
ESTIMACIÓN DE PARÁMETROS
Construcción de modelos con regresión y correlación
MODELOS DE PRONOSTICOS Primer semestre 2010 Modelo de Regresión con dos variables.
Unidad 4 Análisis de los Datos.
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).
Modelos de regresión lineal
Clase N°11 Métodos de reducción de varianza
INFERENCIA ESTADÍSTICA
Departamento de Informática Universidad Técnica Federico Santa María EconometríaEconometría Capitulo II.
REGRESIÓN LINEAL SIMPLE. Temas Introducción Análisis de regresión (Ejemplo aplicado) La ecuación de una recta Modelo estadístico y suposiciones Estimación.
Free and Quick translation of Prof. Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 1. Estimacion.
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.
Transcripción de la presentación:

Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza poblacional se estima como:

Correlación muestral El coeficiente de correlación muestral se calcula como: Este coeficiente es una medida de la relación lineal entre X e Y. Por ejemplo, si la relación entre ambas variables fuera cuadrática, el coeficiente de correlación seria bajo, pero esto no indica que X e Y no estén relacionadas sino que la relación entre ellas no es lineal.

Método de mínimos cuadrados Es el método de estimación mas usado comúnmente para estimar los parámetros de un modelo de regresión del tipo y = a + bx + u. También es útil para estimar la media de una variable aleatoria X. Cada una de las observaciones xi puede verse como un estimador de la media poblacional puesto que E(Xi) = . El error de esta estimación es ei = xi - 

Método de mínimos cuadrados Considere la suma de los errores al cuadrado sobre la muestra entera: el método de OLS elige un estimador de  para el cual la suma de los errores al cuadrado es mínima. Para estimar  minimizamos RSS():

Método de mínimos cuadrados

Método de mínimos cuadrados Como el primer término no depende de , es claro que el RSS se minimiza con respecto a la elección de  sii  = , con lo cual el segundo término se hace cero. Por lo tanto el estimador OLS de  es la media muestral .