Notas Adicionales Sobre La Regresión Linear; El Método De Los Mínimos Cuadrados - HP 50g Guia Del Usuario

Así mismo,
Por lo tanto, la estadística F es F
El Valor P es
UTPF(20,30,1.44) = 0.1788...
Dado que 0.1788... > 0.05, es decir, Valor P > α, por lo tanto, no podemos
rechazar la hipótesis nula H
Notas adicionales sobre la regresión linear
En esta sección elaboramos las ideas de la regresión linear presentadas
anteriormente en este capítulo y presentamos un procedimiento para la prueba
de la hipótesis de los parámetros de la regresión.
El método de los mínimos cuadrados
Sean x = variable no aleatoria independiente, y Y = variable dependiente,
aleatoria. La curva de la regresión de Y en x se define como la relación entre x
y la media de la distribución correspondiente de las Y's. Asuma que la curva
de la regresión de Y en x es linear, es decir, la distribución mala de las y se
escribe como Α + Βx.
por lo tanto podemos escribir Y = Α + Β⋅x + ε, en la cual ε es una variable
aleatoria.
Para comprobar visualmente si los datos sigan una tendencia linear, dibujar un
diagrama de los datos.
Suponer que tenemos n observaciones apareadas (x
∧
medio de y = a + b⋅x, en la cual a y b ser constantes.
n
M
n
m
ν
= n
N M
ν
= n
D m
= s
o
Valor P = P(F>F
2
: σ = σ
o 1
Y se diferencia de la media (Α + Β⋅x) por un valor ε,
= n = 21,
1
= n = 31,
2
- 1= 21-1=20,
-1 = 31-1 =30.
2 2
/s =0.36/0.25=1.44
M m
) = P(F>1.44) = UTPF(ν
o
2
.
2
, ν
N
, y ); predecimos y por
i i
Página 18-56
,F ) =
D o