Professional Documents
Culture Documents
Y = β0 + β1X + ε
Dosis (mg)
Yi = β0 + β1 * Xi + εi
La mejor recta sería aquella que minimice la suma de las distancias al cuadrado
de los puntos a la recta, es decir deberíamos encontrar y tales que
∑( yi − − xi )2 ≤ ∑( yi – b0 − b1 xi )2
para cualquier elección de bo y b1 que hagamos.
Este método para encontrar la recta que mejor ajuste a los datos se conoce
como
∑ ( − )( − )
= =
∑ ( − )
...
Observaciones ( , ), … , ( , )
= + + = 1, … ,
Independientes y ~ (0, )
Supuestos
µx = E(Y/ X= x ) = βo + β1 x
⇒ βo = ordenada al origen = MEDIA POBLACIONAL de la variable
resultante (DFC) cuando la variable regresora (dosis) toma valor
0.
Comentarios.
- Generalmente no sabemos si los supuestos son verdaderos, ni
conocemos los valores de los parámetros βo y β1. El proceso de estimar
los parámetros de un modelo lineal y valorar si el modelo es adecuado
para nuestros datos se denomina Análisis de Regresión.
- En este modelo suponemos que la variable X NO TIENE ERROR!!! El
término de error (ε) mide la variabilidad de la variable aleatoria Y para
cada nivel FIJO de la variable X.
Estimación de la varianza.
Valor observado:
Valor predicho: = +
Suma de los cuadrados del error (SCE):
( − ) = ( − + )
∑ ( − )
= = =
−2 −2
Coeficiente de determinación.
( − ) = ( − ) + ( − )
∑ ( − ) ∑ ( − ) ∑ ( − )
= +
∑ ( − ) ∑ ( − ) ∑ ( − )
1= +
Coeficiente de determinación:
∑ ( )
=1− = ∑
( )