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
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
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