Dependiente o variable de interés a partir de otra

This preview shows page 24 - 27 out of 37 pages.

dependiente o variable de interés, a partir de otra variable, que notamos x, y que llamamos variable explicativa, variable de predicción o variable independiente. Para cumplir dicho objetivo, el primer paso que debe realizar el investigador, es representar las observaciones de ambas variables en un gráfico llamado diagrama de dispersión o nube de puntos. A partir de esta representación el investigador puede especificar la forma funcional de la función de regresión. REGRESIÓN MÚLTIPLE El modelo de regresión múltiple es la extensión a k variables explicativas del modelo de regresión simple estudiado en el apartado anterior. En general, una 24 Variable de interés y depende de varias variables 1, , k x x … y no sólo de una única variable de predicción x.
Image of page 24
Por ejemplo, para estudiar la variación del precio de una vivienda, parece razonable considerar más de una variable explicativa, como pueden ser el precio del suelo, la superficie del piso, el número de cuartos de baño, la edad de la vivienda, etc. Además de las variables observables, la variable de interés puede depender de otras desconocidas para el investigador. Un modelo de regresión representa el efecto de estas variables en lo que se conoce como error aleatorio o perturbación. Algunos ejemplos de modelos de regresión múltiple pueden ser: El consumo de combustible de un vehículo, cuya variación puede ser explicada por la velocidad media del mismo y por el tipo de carretera. Podemos incluir en el término de error, variables como el efecto del conductor, las condiciones meteorológicas, etc. El presupuesto de una universidad, cuya variación puede ser explicada por el número de alumnos. También podríamos considerar en el modelo variables como el número de profesores, el número de laboratorios, la superficie disponible de instalaciones, personal de administración, etc. MÉTODOS DE LOS MÍNIMOS CUADRADOS El método de mínimos cuadrados permite ajustar los datos observados a la línea recta, este ajuste se obtendrá minimizando el error entre los puntos estimados (Ý) y los observados. Se llama método de los mínimos cuadrados porque en la línea de estimación se busca minimizar la suma de los cuadrados de los errores. Con este método debe calcularse la pendiente de la línea de estimación (B1) y la intersección en Y (B0). Al conocer estos dos factores conocemos la ecuación lineal, en donde al darle el valor de X, obtendremos el valor futuro de la variable dependiente. Para un valor del intervalo aproximado de las predicciones futuras es necesario conocer acerca del error estándar que a continuación se dará a conocer. 25 ERROR ÉSTANDAR DE ESTIMACIÓN
Image of page 25
Se usa con el propósito de medir la confiabilidad de la ecuación lineal de estimación. Cual mayor es el error de la estimación más grande serán las dispersiones de los puntos alrededor de la línea de regresión. Cuando se hace un ajuste de los puntos a la recta y, estos quedan alrededor de ellas, o sea, con error igual a cero, podría decirse que el estimador es perfecto.
Image of page 26

Want to read all 37 pages?

Image of page 27

Want to read all 37 pages?

You've reached the end of your free preview.

Want to read all 37 pages?

  • Summer '17
  • ruth
  • Geometry, Modelo matemático, Mínimos cuadrados, Análisis de la regresión, Tratamiento térmico, Máquina herramienta

{[ snackBarMessage ]}

Get FREE access by uploading your study materials

Upload your study materials now and get free access to over 25 million documents.

Upload now for FREE access Or pay now for instant access
Christopher Reinemann
"Before using Course Hero my grade was at 78%. By the end of the semester my grade was at 90%. I could not have done it without all the class material I found."
— Christopher R., University of Rhode Island '15, Course Hero Intern

Ask a question for free

What students are saying

  • Left Quote Icon

    As a current student on this bumpy collegiate pathway, I stumbled upon Course Hero, where I can find study resources for nearly all my courses, get online help from tutors 24/7, and even share my old projects, papers, and lecture notes with other students.

    Student Picture

    Kiran Temple University Fox School of Business ‘17, Course Hero Intern

  • Left Quote Icon

    I cannot even describe how much Course Hero helped me this summer. It’s truly become something I can always rely on and help me. In the end, I was not only able to survive summer classes, but I was able to thrive thanks to Course Hero.

    Student Picture

    Dana University of Pennsylvania ‘17, Course Hero Intern

  • Left Quote Icon

    The ability to access any university’s resources through Course Hero proved invaluable in my case. I was behind on Tulane coursework and actually used UCLA’s materials to help me move forward and get everything together on time.

    Student Picture

    Jill Tulane University ‘16, Course Hero Intern