FORMULARIO MAT 1136 FORMULARIO MAT 1136

ANALISIS DE REGRESIÓN LINEAL MÚLTIPLE PREDICCIÓN: INTERVALO DE CONFIABILIDAD PARA 𝒀𝟎

Estimación de los parámetros bi del modelo de regresión múltiple 1

−𝟏 𝑋1
𝒃=𝑨 𝒈 𝑋0 = 𝑋2 𝑋0𝑇 = (1 𝑋1 𝑋2 ⋯ 𝑋𝑘 )
⋮
𝑛 ∑ 𝑋1 ∑ 𝑋2 ∑ 𝑋3 ∑𝑌 (𝑋𝑘 )
∑ 𝑋1 ∑ 𝑋1 2 ∑ 𝑋1 𝑋2 ∑ 𝑋3 𝑋1 ∑ 𝑋1 𝑌
𝐴= 𝒈=( )
∑ 𝑋2 ∑ 𝑋2 𝑋1 ∑ 𝑋2 2 ∑ 𝑋3 𝑋2 ∑ 𝑋2 𝑌 INTERPOLACIONES

(∑ 𝑋3 ∑ 𝑋3 𝑋1 ∑ 𝑋3 𝑋2 ∑ 𝑋3 2 ) ∑ 𝑋3 𝑌 ̂ 𝟎 − 𝒕𝟎 𝑺√𝑿𝑻𝟎 𝑨−𝟏 𝑿𝟎 ≤ 𝝁𝒀/𝑿 ,𝑿 ,⋯,𝑿 ≤ 𝒀

̂ 𝟎 + 𝒕𝟎 𝑺√𝑿𝑻𝟎 𝑨−𝟏 𝑿𝟎 ) = 𝟏 − 𝜶
𝑷 (𝒀 𝟏 𝟐 𝒌

INFERENCIA ESTADISTICA EN EL MARCO DE REGRESION LINEAL MULTIPLE EXTRAPOLACIONES

Prueba de hipótesis para 𝜷𝒊 ̂ 𝟎 − 𝒕𝟎 𝑺√𝟏 + 𝑿𝑻𝟎 𝑨−𝟏 𝑿𝟎 ≤ 𝝁𝒀/𝑿 ,𝑿 ,⋯,𝑿 ≤ 𝒀
𝑷 (𝒀 ̂ 𝟎 + 𝒕𝟎 𝑺√𝟏 + 𝑿𝑻𝟎 𝑨−𝟏 𝑿𝟎 ) = 𝟏 − 𝜶
𝟏 𝟐 𝒌
1)
𝐻0 : 𝛽𝑖 = 0 MEJOR MODELO
𝐻1 : 𝛽𝑖 ≠ 0 𝐻0 : 𝐿𝑎 𝑎𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑍1 , 𝑍2 , … , 𝑍ℎ 𝑎 𝑢𝑛 𝑚𝑜𝑑𝑒𝑙𝑜 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛
2.- 𝛼 = ⋯ 𝑙𝑖𝑛𝑒𝑎𝑙 𝑚ú𝑙𝑡𝑖𝑝𝑙𝑒 𝑞𝑢𝑒 𝑦𝑎 𝑖𝑛𝑐𝑙𝑢𝑦𝑒 𝑎 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑋1 , 𝑋2 , … , 𝑋𝑝 𝑁𝑂 𝑀𝐸𝐽𝑂𝑅𝐴 𝑙𝑎
𝑝𝑟𝑒𝑑𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑌.
3.- estadístico de prueba
𝐻1 : 𝐿𝑎 𝑎𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑍1 , 𝑍2 , … , 𝑍ℎ 𝑎 𝑢𝑛 𝑚𝑜𝑑𝑒𝑙𝑜 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛
𝐵𝑖 − 𝛽𝑖 Rechazar 𝑯𝟎 si: 𝑙𝑖𝑛𝑒𝑎𝑙 𝑚ú𝑙𝑡𝑖𝑝𝑙𝑒 𝑞𝑢𝑒 𝑦𝑎 𝑖𝑛𝑐𝑙𝑢𝑦𝑒 𝑎 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑋1 , 𝑋2 , … , 𝑋𝑝 𝑆𝐼 𝑀𝐸𝐽𝑂𝑅𝐴 𝑙𝑎
𝑇= ~𝑡𝑛−𝑘−1 𝑝𝑟𝑒𝑑𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑌.
𝑆 √𝑐𝑖𝑖 |𝑻𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐| > 𝒕𝟎 𝐻0 : 𝑌1 = 𝑌2 = 𝑌3 = ⋯ = 𝑌ℎ = 0
𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑑𝑒 𝑢𝑛𝑜 𝑑𝑒 𝑒𝑠𝑡𝑜𝑠 𝑌𝑗 (𝑗 = 1,2,3, … , ℎ) ≠ 0
1. α=…
Intervalo de confiabilidad para 𝛽𝑖 2. Estadístico de Prueba.
𝑆𝑆𝑅(𝑋1 , 𝑋2 , … , 𝑋𝑝 ; 𝑍1 , 𝑍2 , … , 𝑍ℎ ) − 𝑆𝑆𝑅( 𝑋1, 𝑋2 , … , 𝑋𝑝 )
Rechazar 𝑯𝟎 si:
ℎ
Poder predictivo del modelo 𝐹=
𝑆𝑆𝐸(𝑋1, 𝑋2 , … , 𝑋𝑝 ; 𝑍1 , 𝑍2, … , 𝑍ℎ )
~𝐹ℎ; 𝑛−(𝑝+ℎ+1) 𝑭𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 > 𝑭𝒕𝒂𝒃𝒍𝒂𝒔
𝑛 − (𝑝 + ℎ + 1)
𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = ⋯ = 𝛽𝑘 = 0
n= tamaño de la muestra
𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑑𝑒 𝑢𝑛𝑜 𝑑𝑒 𝑒𝑠𝑡𝑜𝑠 𝛽𝑗 (𝑗 = 1,2,3, … , 𝑘) ≠ 0
p= número de variables independientes en el modelo inicial
1. α=0,05
𝑆𝑆𝑅 h= número de variables independientes se desea añadir
𝐹= 𝑘 ~𝐹𝑘; 𝑛−𝑘−1 Rechazar 𝑯𝟎 si:
𝑆𝑆𝐸 𝑭𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 > 𝑭𝒕𝒂𝒃𝒍𝒂𝒔
𝑛−𝑘−1

Fuente de Suma de Grados de Cuadrado

𝑭𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐
Variación Cuadrados Libertad Medio
Regresión SSR k 𝑆𝑆𝑅
𝑆𝑆𝑅
𝑘
Error SSE n-k-1 𝑆𝑆𝐸 𝑘
𝑆𝑆𝐸
𝑛−𝑘−1 𝑛−𝑘−1
= 𝑆2
TOTAL SST n-1

(∑𝒏𝒊=𝟏 𝒀𝒊)𝟐 (∑𝑛1 𝑌𝑖 )2

𝑺𝑺𝑹 = ∑𝒌𝒋=𝟎 𝒃𝒋𝑮𝒋 − 𝒏
𝑆𝑆𝑇 = 𝑆𝑌𝑌 = ∑𝑛1 (𝑌𝑖 )2 − 𝑛
𝑺𝑺𝑬 = 𝑺𝑺𝑻 − 𝑺𝑺𝑹
 FORMULARIO MAT 1136 FORMULARIO MAT 1136

ANALISIS DE CORRELACIÓN LINEAL MÚLTIPLE

𝑯𝟎 : 𝝆𝒀;𝑿𝟏,𝑿𝟐,…,𝑿𝒌 = 𝟎
MATRIZ DE CORRELACIÓN LINEAL SIMPLE 𝑯𝟏 : 𝝆𝒀;𝑿𝟏,𝑿𝟐,…,𝑿𝒌 ≠ 𝟎
𝑌 𝑋1 𝑋2 𝑋3 𝑋4 2.- α= (1-10%)
𝑌 𝑟𝑌,𝑋1 𝑟𝑌,𝑋2 𝑟𝑌,𝑋3 𝑟𝑌,𝑋4
𝑋1 1 3.- Estadístico de prueba
Rechazar 𝑯𝟎 si:
1 𝑟𝑋1,𝑋2 𝑟𝑋1,𝑋3 𝑟𝑋1,𝑋4 𝑅𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 √𝑛−𝑘−1
𝑋2 ⋯ 𝑇= ~ 𝑡𝑛−𝑘−1
𝑟𝑋2,𝑋3 𝑟𝑋2,𝑋4
𝑋3 ⋯ ⋯ 1 2
√1−𝑅𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 |𝑻𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 | > 𝒕𝟎
⋯ ⋯ ⋯ 1 𝑟𝑋3,𝑋4
𝑋4 SEGUNDA PRUEBA
(⋯ ⋯ ⋯ ⋯ 1 )
1.-
𝑆𝑦𝑥1 ∑ 𝑦 ∑ 𝑥1 (∑ 𝑦)2 (∑ 𝑥1 )2 𝑯𝟎 : 𝝆𝒀;𝑿𝟏,𝑿𝟐,…,𝑿𝒌 = 𝝆𝟎
𝑅𝑌,𝑋1 = 𝑆𝑦𝑥1 = ∑ 𝑦𝑥1 − 𝑆𝑦𝑦 = ∑ 𝑦 2 − 𝑆𝑥1𝑥1 = ∑ 𝑥12 − 𝑯𝟏 : 𝝆𝒀;𝑿𝟏,𝑿𝟐,…,𝑿𝒌 ≠ 𝝆𝟎
√𝑆𝑦𝑦 𝑆𝑥1 𝑥1 𝑛 𝑛 𝑛
𝝆 > 𝝆 𝟎 ; 𝝆 < 𝝆𝟎
COEFICIENTE DE CORRELACIÓN LINEAL MÚLTIPLE 2.- α= (1-10%)
∑𝑛𝑖=1 𝑌𝑖 𝑌̂𝑖 − 𝑛𝑌̅ 2 𝑆𝑦𝑦̂ 3.- Estadístico de prueba
𝑅𝑌;𝑋1,𝑋2,…,𝑋𝑘 = = (1+𝑅𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 )(1−𝜌𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 )
𝑆 𝑆 √𝑛−3
√(∑𝑛𝑖=1 𝑌𝑖2 − 𝑛𝑌̅ 2 )(∑𝑛𝑖=1 𝑌̂𝑖2 − 𝑛𝑌̅ 2 ) √ 𝑦𝑦 𝑦̂𝑦̂ 𝑍=
2
𝐿𝑛 [
(1−𝑅𝑌;𝑋 ,𝑋 ,…,𝑋 )(1+𝜌𝑌;𝑋 ,𝑋 ,…,𝑋 )
] ~𝑁(0,1) Rechazar 𝑯𝟎 si:
1 2 𝑘 1 2 𝑘
|𝒁𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 | > 𝒁𝟎
2
𝑆𝑆𝑅
𝑅𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘
=√
𝑆𝑆𝑇 INTÉRVALO DE CONFIABILIDAD PARA 𝝆𝒀;𝑿𝟏 ,𝑿𝟐,…,𝑿𝒌
𝟏 𝟏 + 𝑟𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 𝒁𝒐 𝟏 𝟏 + 𝜌𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 𝟏 𝟏 + 𝑟𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 𝒁𝒐
𝑷 [ 𝐥𝐧 ( )− ≤ 𝐥𝐧 ( ) ≤ 𝐥𝐧 ( )+ ]
𝟐 𝟏 − 𝑟𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 √𝑵 − 𝟑 𝟐 𝟏 − 𝜌𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 𝟐 𝟏 − 𝑟𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 √𝑵 − 𝟑
Coeficiente de correlación lineal parcial simple de primer orden:
Variable de control: Z 𝒆𝟐𝑨−𝟏 𝒆𝟐𝑩−𝟏
𝑅𝑌,𝑋 − 𝑅𝑌,𝑍 𝑅𝑋,𝑍 𝑳𝑰 = 𝒆𝟐𝑨+𝟏 𝑳𝑺 = 𝒆𝟐𝑩+𝟏 𝑷[𝑳𝑰 ≤ 𝜌𝑌;𝑋1 ,𝑋2 ,…,𝑋𝑘 ≤ 𝑳𝑺] = 𝟏−∝
𝑅𝑌,𝑋/𝑍 =
2
√(1 − 𝑅𝑌,𝑍 2
)(1 − 𝑅𝑋,𝑍 ) INFERENCIA ESTADISTICA RELACIONADA CON EL COEFICIENTE DE CORRELACIÓN LINEAL
PARCIAL SIMPLE
𝑌 𝑋2 𝑋3 ⋯ 𝑋𝑘 PRUEBA DE HIPÓTESIS
𝑌 𝑟𝑌,𝑋2/𝑋1 𝑟𝑌,𝑋3/𝑋1 ⋯ 𝑟𝑌,𝑋𝑘 /𝑋1
𝑋2 1 1.-
⋯ 1 𝑟𝑋2,𝑋3/𝑋1 ⋯ 𝑟𝑋2,𝑋𝑘 /𝑋1
𝑋3 𝑯𝟎 : 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑌 𝑦 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒
⋯ ⋯ 1 ⋯ 𝑟𝑋3,𝑋𝑘 /𝑋1
⋮ 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑋; 𝑙𝑢𝑒𝑔𝑜 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑟 𝑑𝑒 𝑒𝑠𝑡𝑎 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑜𝑠 𝑒𝑓𝑒𝑐𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎𝑠
⋯ ⋯ ⋯ ⋯ ⋮
𝑋𝑘 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑍1 , 𝑍2 , … , 𝑍𝑞
( ⋯ ⋯ ⋯ ⋯ 1 )
𝑯𝟏 : 𝐸𝑥𝑖𝑠𝑡𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑌 𝑦 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒
𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑋; 𝑙𝑢𝑒𝑔𝑜 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑟 𝑑𝑒 𝑒𝑠𝑡𝑎 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑜𝑠 𝑒𝑓𝑒𝑐𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎𝑠
Coeficiente de correlación lineal parcial simple de segundo orden: 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑍1 , 𝑍2 , … , 𝑍𝑞
Variable de control: Z, W 𝑯𝟎 : 𝜌𝑌,𝑋/𝑍1,𝑍2 ,…,𝑍𝑞 = 0
𝑯𝟏 : 𝜌𝑌,𝑋/𝑍1,𝑍2 ,…,𝑍𝑞 ≠ 0
𝑅𝑌,𝑋/𝑍 − 𝑅𝑌,𝑊/𝑍 𝑅𝑋,𝑊/𝑍 𝑅𝑌,𝑋/𝑊 − 𝑅𝑌,𝑍/𝑊 𝑅𝑌,𝑍/𝑊
𝑅𝑌,𝑋/𝑍,𝑊 = = 2.- α= (1-10%)
2 2 2 2 3.- Estadístico de prueba
√(1 − 𝑅𝑌,𝑊/𝑍 )(1 − 𝑅𝑋,𝑊/𝑍 ) √(1 − 𝑅𝑌,𝑍/𝑊 )(1 − 𝑅𝑋,𝑍/𝑊 )
𝑺𝑺𝑹(𝑍1, 𝑍2 , … , 𝑍𝑞 , 𝑋) − 𝑺𝑺𝑹(𝑍1, 𝑍2 , … , 𝑍𝑞 )
𝑭= ~𝑭𝟏;𝒏−𝒒−𝟐
INFERENCIA ESTADÍSTICA RELACIONADA CON 𝛒𝐘;𝐗𝟏 ,𝐗𝟐,…,𝐗𝐤 𝑺𝑺𝑬(𝑍1, 𝑍2 , … , 𝑍𝑞 , 𝑋)
PRIMERA PRUEBA 𝑛−𝑞−2
q= numero de variables que se controlan de la correlación
𝑯𝟎 : 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑌 𝑦 𝑋1 , 𝑋2 , … , 𝑋𝑘
𝑯𝟏 : 𝐸𝑥𝑖𝑠𝑡𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑛𝑡𝑟𝑒 𝑌 𝑦 𝑋1 , 𝑋2 , … , 𝑋𝑘
 FORMULARIO MAT 1136 FORMULARIO MAT 1136

INTÉRVALO DE CONFIABILIDAD PARA 𝝆𝒀,𝑿/𝒁𝟏,𝒁𝟐,…,𝒁𝒒

𝟏 𝟏 + 𝑟𝑌,𝑋/𝑍1 ,𝑍2 ,…,𝑍𝑞 𝒁𝒐 𝟏 𝟏 + 𝜌𝑌,𝑋/𝑍1 ,𝑍2 ,…,𝑍𝑞 𝟏 𝟏 + 𝑟𝑌,𝑋/𝑍1 ,𝑍2 ,…,𝑍𝑞 𝒁𝒐

𝑷 [ 𝐥𝐧 ( )− ≤ 𝐥𝐧 ( ) ≤ 𝐥𝐧 ( )+ ]
𝟐 𝟏 − 𝑟𝑌,𝑋/𝑍1 ,𝑍2 ,…,𝑍𝑞 √𝑵 − 𝟑 𝟐 𝟏 − 𝜌𝑌,𝑋/𝑍1 ,𝑍2 ,…,𝑍𝑞 𝟐 𝟏 − 𝑟𝑌,𝑋/𝑍1 ,𝑍2 ,…,𝑍𝑞 √𝑵 − 𝟑

𝒆𝟐𝑨 −𝟏 𝒆𝟐𝑩−𝟏
𝑳𝑰 = 𝑳𝑺 = 𝑷 [𝑳𝑰 ≤ 𝝆𝒀,𝑿/𝒁𝟏,𝒁𝟐,…,𝒁𝒒 ≤ 𝑳𝑺] = 𝟏−∝
𝒆𝟐𝑨 +𝟏 𝒆𝟐𝑩+𝟏

MEJOR MODELO
• Menor número de variables independientes
• Alto poder predictivo
¿Mejor modelo de regresión lineal de primer grado?
PASO 1ro. MATRIZ DE CORRELACIÓN LINEAL SIMPLE.
Buscar la variable independiente mejor correlacionada con la variable dependiente Y
PASO 2do. PODER PREDICTIVO
Prueba de hipótesis
¿Cuál es la siguiente variable que podría ingresar al modelo?

Obtener la matriz de correlación lineal parcial simple tomando como variable de control a la
variable independiente mejor correlacionada encontrada en el anterior paso