REGRESIÓN

REGRESIÓNLINEAL
LINEALMÚLTIPLE
MÚLTIPLE
YYCORRELACIÓN.
CORRELACIÓN.

Estima el valor de una variable dependiente

desconocida utilizando técnicas de regresión con dos
a más variables explicativas (independientes) para
construir modelos predictivos en situaciones de
decisiones empresariales.

Sirve para medir la

MODELOS DE ESTIMACIÓN DE LA MATRIZ DE PRUEBA DE CORRELACIÓN
adecuación del
modelo hallado APLICACIONES
REGRESIÓN VARIANZA - HIPÓTESIS PARA LINEAL MÚLTIPLE
ECUACIÓN DE (bondad del ajuste
MÚLTIPLE COVARIANZA LOS COEFICIENTES de la recta de
REGRESIÓN MÚLTIPLE
DE REGRESIÓN regresión al
conjunto de
observaciones),en
el caso de tener
Método para Denominando S a la una variable
analizar el efecto de Contiene la covarianza A menudo el dependiente y
suma de los cuadrados
dos o más variables entre los elementos de experimentador desea varias
de los residuos, para
independientes un vector. Es la probar hipótesis que independientes.
aplicar el criterio de
sobre una generalización natural a se refieren a los
mínimos cuadrados en
dependiente; así dimensiones superiores parámetros del modelo Dicha medida nos
el modelo de regresión
mismo, es una del concepto de de regresión lineal la da el coeficiente
lineal múltiple,
extensión de la varianza de múltiple. Esto requiere de determinación
calculamos la primera
regresión lineal solo una variable la suposición adicional R2 que verifica 0 es
derivada de S con
que con un mayor aleatoria escalar. de que los errores menor R2es mayor
respecto a cada βj en la
número de variables expresión: sean NID (0,σ2). 1
independientes. Si las entradas del
vector-columna Una consecuencia
Los estimadores de
mínimos cuadráticos directa de esta
Son variables suposición es que las
se obtienen al igualar
aleatorias, cada una observaciones yj son.
a 0 las derivadas
con varianza finita, Consideremos probar
anteriores:
entonces la matriz de si la regresión es
covarianza Σ es la significativa. En la
O, con notación
matriz cuya entrada (i, j) regresión lineal
matricial, x´x β=x´y Al
es la covarianza. múltiple esto se logra
probando las
hipótesis: Al menos
una i
Matriz de varianza - covarianza
Regresión lineal múltiple y correlación.

2.1 Modelo de regresión múltiple. Estimación de la ecuación de regresión múltiple.

2.2 Matriz de varianza-covarianza.

2.3 Pruebas de hipótesis para los coeficientes de regresión.

2.4 Correlación lineal múltiple. Aplicaciones