Análisis de Regresión

Hipótesis:
El modelo es lineal en los parámetros
εi son independientes i=1..n y se distribuye N(0,σ2)
Y es una variable aleatoria pues Bo, B1,….X son constantes
εi, y εj no son correlacionados, o sea son distintos.

Yi=Bo+BiXi + εi
E(Yi)= Bo+BiXi
Residuales: ei=yi-ŷi y Σei=0

Método de Mínimos Cuadrados





Teorema Gauss Markov: En el modelo de regresión simple, los estimadores Bo y B1 por mínimos cuadrados son los mejores estimadores lineales insesgados (pues son los de varianza minima)



r^2 que tanto explica el modelo en sus estimadores con respecto a su variable total entre más grande la proporción, mejor.



Prueba de Hipótesis

Ho: B1=0 rechazo la hipótesis, entonces tiene sentido la regresión.
Hc: B1 es distinto de 0