Escolar Documentos
Profissional Documentos
Cultura Documentos
EJERCICIOS DE APLICACIÓN
MODELOS ESTADÍSTICOS
AÑO Ct Rt
1995 349 388
1996 368 408
1997 388 433
1998 414 465
1999 444 498
2000 484 538
2001 518 574
2002 550 614
2003 586 656
2004 635 699
2005 686 748
SOLUCIÓN:
1
XY nx y
X
2
2
nx
(3104015) − (11)(547,36364)(492,90909)
𝛽1 =
3443083 − 11(547,36364)2
1 = 0.9240389525 0.92404
0 =y-1 x=(492.90909)-(0.92404)(547.036364)=-12.87680791
Interpretación:
𝛽0: Se puede estimar que cuando la renta nacional en España es cero el consumo
nacional es -12.87681.
Página 1
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
La Ecuación General:
⏞ = −12.87681 + 0.92404𝑋𝑖
𝑌𝑖
Y=consumo nacional (t)
X=renta nacional (rt)
SCR=125862.8872
SCT= 126044.4091
𝑆𝐶𝑅 125862.8872
𝑟2 = = = 0.9985558965 ≈ 0.99856
𝑆𝐶𝑇 126044.4091
El modelo de regresión lineal simple explica que el 99.9% de las variables renta
nacional con relación a la consumo nacional, tienen una relación muy buena al ser
el coeficiente de determinación muy cercana a la unidad.
MEDIANTE MATRICES:
𝛽=(𝑋 𝑡 𝑋)−1(𝑋 𝑡 𝑌)
2.12343044 0.00371329 5422
( X ' X )1 * ( X 'Y )
0.00371329 6.78396 06 3104015
12.8761329
0.92403877
𝐶𝑡 = −12.8761329 + 0.92403877𝑅𝑡 + 𝑢𝑡
FV GL SC CM F
Regresión 1 125862.733 125862.733 6217.981271
Residuos 9 182.175621 20.2417357
Total 10 126044.909
- SCT=126044.909
- SCE =182.175621
Página 2
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
- COEFICIENTE DE DETERMINACIÓN
182.175621
𝑅 2 = 1 − 126044.909 =0.99855468
El 99,86% de las variaciones del Consumo Nacional están explicadas por
las variable renta y el 0,14 % están explicadas por otras variables
0.4 0.3 0.3 0.4 1.2 0.4 0.5 0.2 1.2 0.3 0.3 0.7 0.4 0.4 0.3
GASTO 3 1 2 6 5 4 2 9 9 5 5 8 3 7 8
INGRE
SO 2.1 1.1 0.9 1.6 6.2 2.3 1.8 1.0 8.9 2.4 1.2 4.7 3.5 2.9 1.4
TAMAÑ
O 3 4 5 4 4 3 6 5 3 2 4 3 2 3 4
Página 3
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
0.16045804
( X ' X )*( X ' Y ) 0.14872702
0.07691519
a) Encontrar y estimar el modelo :
𝛾 = −0.16045804 + 0.14872702𝑥1 + 0.07691519𝑥2
b) Interpretar los coeficientes
𝑏0= -0.16045804 nos indica los gastos en alimentación en miles de dólares,
cuando no hay ingresos mensuales y tampoco número de miembros de la
familia
2
b2 1.155555556
Página 4
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
-0.357398981 0 0.036482895
- 0.127001389 1 0.170452656
0.033106092 2 0.120724296
GL SC CM F
Regresión 2 1.359542152 0.679771076 113.14142
Residuos 12 0.072097848 0.006008154
Total 14 1.43164
Ftab 3,89
Se rechaza la 𝐻0 de manera que el modelo en conjunto es bueno para
explicar la variable dependiente
Se completa la matriz de :
Página 5
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
0.276
B 2.091
0.63
Por fórmula sabemos que ( X T X ) B X T Y
5 11 12 0.276 14
11 27 29 2.091 35
12 29 32 0.63 37
Multiplicando matrices:
(11* 0.276) (a *2.091) (29* 0.63) 35
3.036 (a *2.091) (18.27) 35
(a *2.091) 56.306
a 26.9278 27
Entonces X T Y
5 11 12
11 27 29
12 29 32
Página 6
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
SOLUCIÓN:
a) ¿Contribuyen globalmente las variables selección en la explicación
de la variación de la variable beneficios?
15 1.8
0.32
X Y 2.8
T
4.1 0.5 T
1.8 0.32 0.5
15
T
Y 1.5
X T Y 24.054 10 2
nY 22.5
SCT (Yt Y )2 2.5 SCR 24.054 22.5 1.554
SCE 2.5 1.554 0.946
ANVA:
H 0 : 2 3 0
H1 : 2 3 0
Página 7
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
1.554
R2 0.6216
2.5
R 2 ajust 1 (1 R 2 )*( glT / glE ) 1 (1 0.6216)*(2 / 7)
Y: Nº de entradas al día.
X2: nº de kilómetros de distancia a la playa más cercana.
X3: nº de piscinas particulares situadas en la zona.
Página 8
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
20
( X ' Y ) 59
88
9.1875
( X X )* X Y -22.4375
T T
17.5625
Yi 1 2 . X 2i 3 . X 3i i
Yi 9.1875 22.4375 X 2i 17.5625 X 3i i
Hipótesis general
3 1 35
H0 :
2 2 180
-1 0
-1 1
K 0 2
0
K
0 2 0
1 0
35
m
180
r=2 ;
-1 0 1 9.1875
[ K T m]T -22.4375
35
0 2 0 -180
17.5625
Página 9
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
- -1 0
-1 0 1 0.5625 0.6875 0.4375 0 2
[ K T ( X T X )1 K ]1 0 2 0 - - 1 0
0.6875 1.4375 1.0625
-
0.4375 1.0625 0.8125
2.48648649 0.32432432
[ K T ( X T X )1 K ]1
0.32432432 0.21621622
-26.625
[ K T m]
135.125
POR LO TANTO
Q 3376.84291
Q S Q
Fcal 2
2
S.
3376.84291
Fcal
2* 2
Fcal 844.2107
Ftab 10.13
Página 10
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
VER EN EXCEL:
a) Ajustar el modelo por el método de MCO y calcular el coeficiente de
determinación
Página 11
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
𝐻0 : 𝛽2 + 𝛽3 = 1
{ 𝛽2 + 𝛽3 − 1 = 0 𝑚=1 𝐾 = (0 1 1)
𝐻1 : 𝛽2 + 𝛽3 ≠ 1
1.6445
𝐾𝛽̂ − 𝑚 = [0 1 1] [0.7391] − 1 = −0.0351
0.2258
𝜎̂ 2 = 2.962
−0.03512
𝐹𝑐𝑎𝑙 = = 0.0207 𝐹𝑡𝑎𝑏 = 𝐹1,9,0.05 = 5.117
2.962 × 0.0201
Intervalos de confianza
𝐸[𝑌]: 𝑉0 = 2.5 𝑊0 = −0.3
𝑌 = 3.43451
𝑌̂0=± 𝜎 𝑡𝑛−𝑘−1 ,𝛼/2 √𝑋0 𝑇 (𝑋 𝑇 𝑋)−1 𝑋0
Página 12
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
𝑋0 𝑇 (𝑋 𝑇 𝑋)−1 𝑋0 = 0.52837
3.43451 ± (2.2622)(1.721)(0.727)
[0.60451; 6.26451]
𝑆𝐶𝐸 78.26547
𝑟2 =
= = 0.7459
𝑆𝐶𝑇 104.9167
El modelo de regresión múltiple explica que el ajuste realizado explica
aproximadamente un 74.59% de la variabilidad de la dependiente.
20 100 24 5
̂
𝛽 = [100 680 100 ] [−255]
24 100 48.8 146
Página 13
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
SIGNIFICANCIA GLOBAL:
FV GL SC CME F calculado
𝑿𝟏 , 𝑿𝟐 K=2 1102.5 551.25 96.11545362
𝜺𝒊 n-K-1=17 97.5 5.73529
SCT n-1=20 1200
Tenemos entonces:
1102.5
𝑅2 = = 0.9187
1200
𝐸𝐿 𝑀𝑂𝐷𝐸𝐿𝑂 𝐸𝑋𝑃𝐿𝐼𝐶𝐴 𝐸𝐿 91.87% 𝐷𝐸 𝑉𝐴𝑅𝐼𝐴𝐵𝐼𝐿𝐼𝐷𝐴𝐷 𝐷𝐸 𝐿𝐴 𝐼𝑁𝑉𝐸𝑅𝑆𝐼𝑂𝑁 𝐴𝑁𝑈𝐴𝐿 𝐸𝑁 𝑃𝐸𝑆𝐸𝑇𝐴𝑆
Probar: 𝐻0 ∶ 𝛽1 = 1
𝛽2 = 2
2
𝑆𝐶𝑅 = 𝛽̂ 𝑇 𝑋 𝑇 𝑌 − 𝑁𝑌
5
𝛽̂ 𝑇 𝑋 𝑇 𝑌 = [−2.725 − 0.875 6.125] [−255] = 1103.75
146
Página 14
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
Se tiene que
0 1 0 1
K m s2
0 0 1 2
En tal caso:
2.725
0 1 0 1 1.875
K m * 0.875
0 0 1 6.125 2 4.125
0.8623 0.0388 0.0988 00
1 0 1 0 0.0063 0.0063
K(X X ) * K
T T
* 0.0388 0.0063 0.0063 * 1 0
0 0 1 0.0988 0.0063 0.0562 01 0.0063 0.0562
Además:
97.55
SCE SCT SCR 97.55 2 5.7382
17
Por lo tanto:
178.7702 20.0401 1.875
1.875 4.125
20.0401 20.0401 4.125
Fcal 111.4597
2*5.7382
F(0.05,2.17) 3.59 Fcal F(0.05,2.17)
Se rechaza la hipótesis nula.
Página 15
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
Solución:
Como se observa en el enunciado podemos darnos cuenta que nos pide que
demostremos o probemos si existe una relación significativa entre la variable
dependiente y las variables independientes ( X1 ; X2 )
Para saber si los precios de la carne de cerdo y de ternera influyen en la demanda
de la carne estudiaremos la significación conjunta del modelo. Es decir usaremos
la prueba “F”.
R2 /k−1
F = 1−R2 /n−k ; En donde aquí tomamos a k como el
número de variables, es decir; K =3 n=23
Entonces:
𝐻0 = 𝛽1 = 𝛽2 = 0 𝐻1 = 𝛽1 = 𝛽2 ≠ 0
0.9/3 − 1 0.45
𝐹= = = 90 > 3.49 = 𝐹0.05;2;20
0.10/ 20 0.005
Entonces rechazamos la hipótesis nula; por lo que afirmamos que los precios de la
carne cerdo y de ternera influyen sobre la demanda de carne de vacuno.
Página 16
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
Solución:
a) Las estimaciones de los coeficientes será de la siguiente forma:
Yˆ 1.7857 1X 2t 2 X 2t
Página 17
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
10
Y t 10 Y
14
0.7143
𝐻0 : 𝐵2 = 𝐵3 = 0
𝐻1 : 𝑎𝑙𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝐵𝑖 ≠ 0 𝑖 = 2,3
10
X Y 1.7857 1 2 * 6 12.1429
T 10
T
Y 0.7143
12 14
Página 18
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
1.8571
2 0.1688 0.4109
11
X 0T X T X X 0 56.3214
1
¨Por lo tanto:
17.2143 2.201*0.4109* 56.3214
P 10.3671 2 34.0625 95%
SOLUCIÓN:
Teniendo en cuenta que la nota esperada para un varón y una mujer son,
respectivamente:
E notat / generot 0 0 1notamediaBUPt
E notat / generot 1 0 1notamediaBUPt 2
Se tiene que, para una misma nota media en BUP, la diferencia esperada entre la
nota de una mujer y un hombre viene determinada por:
E notat / generot 1 E notat / generot 0 2
20.5
texp 8.913 2.0003 t60 (0.975)
2.3
Página 19
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
Se tiene que dicho parámetro es distinto de cero. Por tanto, puede afirmarse que
los resultados de unos y otros son distintos.
Además, como la estimación de dicho parámetro es positiva, la nota esperada
para una mujer es mayor que la de un hombre (siempre y cuando tengan la misma
nota media en BUP).
11. Con información muestral relativa a 14 observaciones, se pretende
estimar el modelo de regresión:
Yt 0 1. X1t 2 . X 2t 3 X 3t ut
A partir de:
14 248
85 631 1622
X 'X , X 'Y
532 3126 2066 9202
2094 13132 78683 317950 37592
Se pide:
a) Calcular las estimaciones de los parámetros de modelo por MCO
b) Estimar 𝑉𝑎𝑟(𝛽̂ )
c) ¿Influye las variaciones de 𝑋2𝑡 en la variable dependiente?
d) Calcular el coeficiente de determinación corregido
e) Calcular un intervalo de confianza del 95% para la varianza del término
de perturbación
f) Contrastar la significación global del modelo al 95%.
SOLUCIÓN:
14 85 532 2094
85 631 3126 13132
X X
T
532 3126 20666 78683
2094 13132 78683 317950
Página 20
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
32.891 0
ˆ 0.80371 1
0.3982 2
0.03713 3
- El modelo de regresión:
b) Estimar Var ˆ
Solución:
Teniendo en cuenta (por construcción del vector X tY que:
248
Yt 248 Y 14 17.714
Y que:
ˆ t . X tY 4552.552
Se tiene que:
SC R ˆ t . X tY n Y
2
SCR 159.551
Entonces, puesto que el enunciado nos indica que SCT 226.86 , es inmediato
que:
SCE SCT SCR
SCE 226.86 159.551
SCE 67.309
Y por tanto:
SCE 67.309
ˆ 2 6.7309
n k 14 4
Página 21
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
10 6.7308 10 6.7308
IC 2 ,
20.483 3.247
IC 2 3.286 2 20.73
Página 22
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
0.7
texp 1.25 2.12 t16 (0.975)
0.56
0.4
texp 0.5714 2.12 t16 (0.975)
0.7
0.1
texp 0.2 2.12 t16 (0.975)
0.5
Página 23
MODELOS
[REGRESIÓN MÚLTIPLE] ESTADÍSTICOS
Página 24