Professional Documents
Culture Documents
i2
Sea:
i 1
(Y
i 1
0
0 b 0
2 (Yi b 0 )(1) 0
i 1
(Y
i 1
Y
i 1
b0 ) 0
nb 0
b0 Y
)2
Ingreso
105
109
113
105
108
115
120
128
Yn
NOTAS:
1:
T n(n 1)/2 ;
T 1
T 1
2
i
n(
2
i
n 2 )
Lim n
Lim n
2 (n 1)(2n 1)/6
{2 n (n 1)(2n 1) - 3n(n 1) 2 } / 12
2 2(n 1)(2n 1)
n (n 1){4n 2 - 3n - 3}
Lim n
Lim n
2 2(2n 1)
n2 - n
Lim n
2 4
2n - 1
b) Caso de Var( b1 )
Lim n Var (b1 ) Lim n
2
i
n 2
2
Lim n
{n (n 1)(2n 1) / 6} - {n(n 1) 2 / 4
Lim n
2
{2n (n 1)(2n 1) - 3n(n 1) 2 } / 12
Lim n
12 2
n (n 1){4n 2 - 3n - 3}
Lim n
12 2
n (n 1)(n - 1)
Lim n
12 2
n3 - n
R2 = 0,4
c) Hay alguna otra hiptesis que le parezca interesante docimar con estos
datos?, Cmo lo hara?
230
30
160
140
10
50
180
20
100
270
40
200
300
50
240
240
20
190
230
30
160
350
60
300
120
40
150
(1,956) (0,12)
R2 = 0,999
(0,03)
Cuando se da cuenta del error cometido, piensa que este es irrelevante y decide
tomar los resultados obtenidos como vlidos, pero su honestidad profesional se
impone y, finalmente, estima el modelo con todas las observaciones (T = 9)
obteniendo, en este caso, los siguientes resultados:
t = 75,479 1,970 Lt + 1,272 Kt
Y
(32,05) (1,74)
R2 = 0,824
(0,38)
10
8.= ( 4 pts) Datos de nios, 1976. Y = Talla actual del beb (cm); X1 = Edad
(das); X2 = Talla al nacer (cm); X3 = Peso al nacer (kg); X4 = Tamao del
torax, al nacer (cm).
Y
57,5
52,8
61,3
67,0
53,5
62,7
56,2
68,5
69,2
Correlac.
X1
X2
X3
X4
Modelo
X1
X2
X3
X4
X1, X2
X1, X3
X1, X4
X2, X3
X2, X4
X3, X4
X1, X2, X3
X1, X2, X4
X1, X3, X4
X2, X3, X4
X1, X2, X3, X4
X1
78
69
77
88
67
80
74
94
102
Y
0,947
0,819
0,761
0,560
g.l. residual
7
7
7
7
6
6
6
6
6
6
5
5
5
5
4
X2
48,2
45,5
46,3
49,0
43,0
48,0
48,0
53,0
58,0
X1
1,000
0,952
0,534
0,390
SC(regre)
288,1468
215,3013
186,1065
100,8594
312,0172
317,4555
301,9647
318,2036
277,1571
187,2354
318,2503
312,0221
317,6410
318,2101
318,2744
X3
2,75
2,15
4,41
5,52
3,21
4,32
2,31
4,30
3,71
X2
X4
29,5
26,3
32,2
36,5
27,2
27,7
28,3
30,3
28,7
X3
1,000
0,263
1,000
0,155
0,784
SC(error) CM(error)
33,0932
4,7276
105,9387
15,1341
135,1335
19,3048
220,3806
31,4829
9,2228
1,5371
3,7845
0,6307
19,2753
3,2126
3,0364
0,5061
44,0829
7,3471
134,0046
22,3341
2,9897
0,5979
9,2179
1,8436
3,5990
0,7198
3,0299
0,6060
2,9656
0,7414
11
g.l.
residual SC(regre)
X1
X2
X3
X4
X1, X2
X1, X3
X1, X4
X2, X3
X2, X4
X3, X4
X1, X2, X3
X1, X2, X4
X1, X3, X4
X2, X3, X4
X1, X2, X3, X4
7
7
7
7
6
6
6
6
6
6
5
5
5
5
4
288,1468
215,3013
186,1065
100,8594
312,0172
317,4555
301,9647
318,2036
277,1571
187,2354
318,2503
312,0221
317,641
318,2101
318,2744
SC(error)
33,0932
105,9387
135,1335
220,3806
9,2228
3,7845
19,2753
3,0364
44,0829
134,0046
2,9897
9,2179
3,599
3,0299
2,9656
CM(error)
4,7276
15,1341
19,3048
31,4829
1,5371
0,6307
3,2126
0,5061
7,3471
22,3341
0,5979
1,8436
0,7198
0,606
0,7414
R2
Cp
0,897
39,6
0,670
137,9
0,579
177,3
0,314
292,2
0,971
9,4
0,988
2,1
0,940
23,0
0,991
1,1
0,863
56,5
0,583
177,7
0,991
3,0
0,971
11,4
0,989
3,9
0,991
0,991
3,1
5,0
El mejor modelo seleccionado a travs del mtodo de todas las regresiones posibles
ser aquel que cumpla con la mayor SC(regresin) y menor SC (error), siendo los
posibles candidatos los modelos: (X2, X3), (X1, X2, X3), (X1, X2, X4), (X2, X3, X4) y
(X1, X2, X3, X4).
Adems, se seleccionan por Cp ms cercano al nmero de variables. Esto reduce la
seleccin a los modelos (X2, X3) (X1, X2, X3) y (X2, X3, X4). Si no se desea
colinealidad, cualquiera de los modelos con tres variables es admisible. El modelo
con dos variables tiene algo de colinealidad, mnimo valor del CME y menor
nmero de variables.
b) Partiendo de un modelo con dos o tres variables (a su eleccin), realice una
iteracin del mtodo paso a paso ascendente
Supongamos que partimos con el modelo: Y = 0 + 1 X1 + 2 X2, siendo los
candidatos a entrar X3 X4, entrando el que tiene mayor correlacin parcial.
Analicemos las dcimas parciales para ver cual debe entrar.
E3
318,2503 - 312,0172
10,42
0,5979
E4
12
312,0221 - 312,0172
0,00265
1,8436
c) Partiendo del modelo con las variables X1, X2 y X3, realice una iteracin
del mtodo paso a paso descendente
Supongamos el modelo completo como Y = 0 + 1 X1 + 2 X2 + 3 X3, siendo los
candidatos a salir X1 X2 X3, saliendo el que tiene menor correlacin parcial.
Entonces, analizando las dcimas parciales tenemos:
E1
E2
E3
318,2503 - 318,2036
0,078
0,5979
318,2503 - 317,4555
1,329
0,5979
318,2503 - 312,0172
10,42
0,5979
Por lo tanto, la dcima E1 es la menor, entonces X1 debiera salir del modelo. Como
E1 no es significativo, debemos retirar esta variable del modelo, quedando este
establecido por Y = 0 + 2 X2 + 3 X3
13
d) Partiendo del modelo con las variables X3 y X4, realice una iteracin del
mtodo paso a paso mixto (puede usar sus resultados previos, si lo desea)
Comenzaremos el anlisis del paso a paso mixto con una iteracin del mtodo
ascendente, partiendo con el modelo: Y = 0 + 3 X3 + 4 X4, siendo los candidatos
a entrar X1 X2. Analicemos las dcimas parciales para ver cual debe entrar.
E1
181,169
CME(1,3,4)
0,7198
E2
216,129
CME(2,3,4)
0,6060
216,129
CME(2,3,4)
0,6060
E3
67,74
CME(2,3,4)
0,6060
E4
0,011
CME(2,3,4)
0,6060
Por lo tanto, la dcima E4 es la menor, entonces X4 debiera salir del modelo. Como
E4 no es significativo, debemos retirar esta variable del modelo, quedando Y = 0 +
2 X2 + 3 X3
14
R2 = 0,54; S = 0,25
2
(R V, NE)
R 2 (R NE, V)
E 12
4,54 2
2
0,305 rR V, NE 0,552
E 1 g.l.
4,54 2 47
E 22
5,04 2
2