Professional Documents
Culture Documents
𝛽0 = término intercepto
𝛽1 =término pendiente
𝑦 = variable explicada o dependiente
𝑥= variable explicativa o independiente
• 𝑦 = 𝛽0 + 𝛽1 ∗ 𝑥 2
• Linealidad en variables
• 𝑦 = 𝛽02 + 𝛽1 ∗ 𝑥
Función de regresión
poblacional : caso de la recta
𝑦 = 𝑓 𝑥 = 𝐸 𝑦 𝑥𝑖 = 𝐹𝑅𝑃
Función de regresión
poblacional : caso de la recta
𝐸 𝑦 𝑥𝑖 = 𝐵0 + 𝐵1 ∗ 𝑥𝑖
Perturbación estocástica
• Diferencia entre el valor esperado y la observación puntual
𝜇𝑖
𝜇𝑖
0 + 𝛽
𝑦=𝛽 1 ∗ 𝑥
0 y 𝛽
Con 𝛽 1 estimadores puntuales de los parámetros desconocidos.
0 + 𝛽
𝑦𝑖 = 𝛽 1 ∗ 𝑥𝑖 + 𝜇ෝ𝑖
¿Qué debemos buscar?
0 + 𝛽
𝑦=𝛽 1 ∗ 𝑥
Por tanto
0 + 𝛽
𝜇ෝ𝑖 = 𝑦𝑖 − (𝛽 1 ∗ 𝑥𝑖 )
2
min (𝜇ෝ𝑖 )2 = (𝑦𝑖 − 𝑦ෝ𝑖 )2 = (𝑦𝑖 − 𝑦ෝ𝑖 )2 = +𝛽
𝑦𝑖 − (𝛽 ∗ 𝑥𝑖 )
𝛽 0 ,𝛽 1 0 1
Al observar las regresiones, puede notarse que la primera es mejor que la
segunda, sin embargo ¿Cómo elegir la mejor regresión sin pasar por métodos
heurísticos o reiterativos en base a comparaciones?
Mínimos cuadrados ordinarios
- Problema de signo.
- Diferenciabilidad.
MCO :
• En clases (revisar Handout 1)
• Se realiza la minimización del error cuadrático y obtenemos:
Ejemplo 1
Años de
Salario promedio escolaridad
4.4567 6
5.9787 8
7.8182 12
10.8361 16
13.531 18
¿Para qué me sirve esto?
• ¿Qué me gustó?
• ¿Qué cambiaría?
Clase 1
Rodrigo Cárdenas Mutis
rodrigo.cardenas.mutis@gmail.com
Nicolás Hardy Hernández
nicolas.hardy.hernandez@gmail.com