Академический Документы
Профессиональный Документы
Культура Документы
GRUPO: 07
CICLO: V
SEMESTRE: 2020 – 1
2020
PIURA- PERÚ
RELACIÓN ENTRE
ÍNDICE
INTRODUCCIÓN
Para poder profundizar el método a emplear, hemos dividido el trabajo en dos capítulos; de
los cuales, el primero contendrá el marco teórico y el siguiente, el caso práctico que
ayudará a formular una conclusión objetiva y precisa de tema.
CAPÍTULO I
PLANTEAMIENTO DEL PROBLEMA Y OBJETIVOS
1.1. Formulación del problema
1.2. Objetivos
1.2.1. Objetivo general
.
Medir el grado de confiabilidad de las estimaciones encontrando el error
estándar.
Describir el grado en el que la utilidad (variable dependiente) está
linealmente relacionada con las ventas (variable independiente)
obtenidas en la empresa mediante el coeficiente de determinación
muestral y el coeficiente de correlación.
CAPÍTULO II
2. MARCO TEÓRICO
2.1. Bases teóricas sustanciales
Donde:
Donde b0, b1, b2, …, bp son los coeficientes de la regresión muestral (estimadores de
β0 , β1 , β2 , … , β ρ .
γ1 1x 11 … x p 1
❑❑
Y ¿γ2 1x 12 … x p 2
; x= ; = ❑❑ ❑❑
⋮ 1 ⋮ …⋮ ¿❑
γ3 x1n x pn
y i es el término residual
Donde ei = yi - ^
Vector que estima los parámetros poblacionales
β0
β
=b= 1
⋮
βρ
Los parámetros 1 se estiman mediante los b1 del siguiente sistema (p+1) ecuaciones, obtenidos mediante
el método de los mínimos cuadrados:
n n n n
∑ yi =n b0 +b 1 ∑ x 1 i+ b2 ∑ x2 i +…+ b p ∑ x pi
i=1 i=1 i=1 i=1
n n n n n
2
∑ x 1 i y i =b0 ∑ x 1i +b 1 ∑ x 1i + b2 ∑ x1 i x2 i +…+ b p ∑ x1 i x pi
i=1 i=1 i=1 i=1 i=1
n n n n n
2
∑ x 2 i yi =b0 ∑ x 2i +b 1 ∑ x 1 i x 2 i +b2 i ∑ x 2i +…+ b p ∑ x2 i x pi
i=1 i=1 i=1 i=1 i=1
n n n n n
∑ x1
i=1
n
X´y = ∑ x1 i y i
i=1
n
∑ x2 i x2 i
i=1
Y los coeficientes de regresión muestral b1 se obtienen mediante el vector
b = (X´X)-1 X´y
2 SCE
S2 = σ =
n− p−1
n n
2 2
Donde: SCE= ∑ ei =∑ ( γ ¿ ¿ 1− γ^ 1 ) ¿ , que se obtiene utilizando la siguiente tabla:
i=1 i=1
Y γ^ ¿¿
250 … …
190 … …
…
⋮ ⋮
222
…
2.1.4. Inferencia estadística acerca del modelo de regresión
Para realizar inferencias acerca del modelo de regresión lineal múltiple, se requiere que los
elementos del vector error μ están distribuidos normalmente.
Puesto que los términos error μi ⅈ=1,2 ,… , n tienen media 0 y varianza común σ 2μ y son
mutuamente independientes, los μison independientes e idénticamente distribuidos como
variables aleatorias normales.
Error estándar
de predicción
Se debe determinar si los coeficientes de esa ecuación b i implican que los correspondientes
coeficientes de regresión poblacional β i son o no son distintos de cero.
El análisis de regresión debería empezar con una prueba de significación global de los coeficientes
de regresión poblacional mediante un análisis de varianza.
- Análisis de varianza
La hipótesis nula y alternativa de la prueba son:
H 0 : β1 =β2 =…= βk =0
Hipótesis nula
Hipótesis
H 1 : almenos uno de los β i es distinto de cero alternativa
n n n
2 2 2
Donde: ∑ ( y i− ý ) =∑ ( y i−^y i ) + ∑ ( ^y i− ý )
i i i
CMR
F= , si se cumple:
CME
CMR
F= > F (1−α , p , n− p−1) rechazamos H 0
CME
Para seleccionar el modelo de regresión adecuado, se pueden utilizar los siguientes métodos:
- Prueba de hipótesis
H 0 :Bi =0
H 1 : Bi ≠ 0
b i−0
Si se cumple t= ¿ t 1−α ∕ 2 ( n− p−1) ( en la tabla) rechazamos H 0
√ v^ ( b ) i
2.1.6. Coeficiente de determinación múltiple R2
SCR SCE
R 2= =1−
SCT SCT
Nos indica que porción o porcentaje de la variación total de la respuesta y se explica mediante el
modelo ajustado.
d
- El
2.1.10. MULTICOLINEALIDAD
CAPÍTULO III
3.1. METODOLOGÍA
3.2.Hipótesis
3.2.1. Variables
CASO PRÁCTICO
Planteamiento del ejercicio de aplicación
CONCLUSIONES
BIBLIOGRAFÍA