10.

7 FORMULACIÓN MATRICIAL DE LA REGRESIÓN LINEAL

Los Modelos de Regresión estudian la relación estocástica cuantitativa entre una variable
de interés y un conjunto de variables explicativas. Sea Y la variable de interés, variable
respuesta o dependiente y sean x1, x2, ..., x k las variables explicativas o regresoras. Y si se
tiene n observaciones de las variables independientes y dependientes: (x1; y1), (x2; y2), …, (x

n; y n); y la ecuación lineal que las relaciona es: (Castro, 2002).

En donde se tienen las siguientes igualdades:

Si se escriben las matrices:

Donde: Y es un vector nx1 de las observaciones.

X es una matriz nx2 de los valores de la variable independiente, cuya primera
columna tiene la particularidad que todos sus componentes son iguales a 1.
β es un vector 2x1 de los parámetros de la ecuación.
es un vestor nx1 de los errores aleatorios .
El sistema de ecuaciones planteadas anteriormente son equivalentes a la igualdad Y=Xβ+ξ; si se nota
como b al vector de los estimadores de los parámetros de regresión b = (𝑏𝑜
𝑏1
) se tiene el sistema de

estimación de los parpametros El vector de errores es igual a =Y-Xb. Con esto se tiene:
𝜺𝒕 𝜺 = (𝒀 − 𝑿𝒃)𝒕 (𝒀 − 𝑿𝒃)
𝒀𝒕 − 𝒀 − 𝟐𝒃𝑿𝑻 𝒀 + 𝒃𝒕 𝑿𝒕 𝑿𝒃
Derivando esta última igualdad respecto a b e igualando el resultado a cero

Cuyo reasultado es el sistema de ecuaciones: 𝑿𝒕 𝑿𝒃 = 𝑿𝒕 𝒀.

La matriz (𝑿𝒕 𝑿)−𝟏 es:

Con esto, los valores ajustados se obtienen evaluando:

Donde la ecuación de predicción de un valor Yp corresponde a un valor Xp: 𝒀𝒑 = 𝑿𝒕𝒑 𝒃 con

𝑿𝒕𝒑 = (𝟏; 𝑿𝒑 ) (Galindo, 2011).

Ejemplo de Aplicación:
Con los datos del consumo de combustible de varios carros, plantear la formulación
matricial de regresión lineal y encontrar la ecuación de regresión:
 HIPÓTESIS del Modelo de Regresión Lineal General
En base a la var. de
En base a la var. respuesta Y
error i

E =
E =0
+ x + x + ... + x
0 1 i1 2 i2 k ik

Homocedasticidad Homocedasticidad

V ar = 2 V ar = 2

Independencia, Cov
= 0 los
Independencia las observaciones, y , son independientes
i
errores, , son
i

independientes
Normalidad Normalidad

i N(0, 2) Y/x ,x ,...,x ~ N

i1 i2 ik
2
)
n>k+1 n>k+1
Las variables
regresoras son Las variables regresoras
linealmente son linealmente independientes
independientes
Recuperado de: (Castro, 2002)
Bibliografía:

Castro, T. L. (2002). Modelo de regresión lineal múltiple. Editorial UOC.

Galindo, E. (2011). Estadística Métodos y Aplicaciones. México: Editorial Prociencia.