INSTITUTO TECNOLÓGICO DE ESTUDIOS SUPERIORES DE ZAMORA

 INSTITUTO TECNOLÓGICO DE ESTUDIOS SUPERIORES DE ZAMORA [pic 2]

Ingeniería en Gestión  Empresarial [pic 3]

Estadística Inferencia II

UNIDAD 1 REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN  

Ensayo de los Supuestos del Modelo de Regresión Lineal Simple

GISELLE ADRIANA VALLEJO MADRIGAL

5°B

Juan José Hernández González [pic 4]

19 de Septiembre del 2017 

 En el archivo nos habla que si a la X le fijamos algún valor, a veces el valor de Y cambiar, en algunos casos nos dice se da que “Y” está por encima de la recta de regresión  y es así que hace que el termino de error de Y- yi sea el resultado positivo, mientras que si Y en menor que yi el resultado que nos daría sería un error negativo se dice que estos términos de error a veces se distribuyen normalmente alrededor de la recta de regresión poblacional. Nos menciona que debido de que la Y es diferente lo que mejor puede hacer la recta de regresión es poder estimar el valor del promedio de Y. que es por lo que la recta de regresión poblacional puede pasar por la media de los varoles de Y.

El modelo de MCO nos menciona que los valores Y son los mismos para la de X, la variación de los valores de Y que están por debajo de la recta de regresión de X es igual a la variación en los valores de Y, que nos dicen que esto puede ser cierto para los valores de X, ya que a esto se le denomina HOMOSCEDASTICIDAD (que esta palabra significa que las varianzas en los valores Y son las mismas en todos los valores de X), a los valores Y se dispersan más para que a medida que el ingreso incrementa. A esto se le llama heteroscedasticidad, el MCO es el que se basa en supuestos términos de error que sin independientes unos de otros, si se encuentra un término para un valor de Y, eso no dice que se relaciona con algún termino de error para cualquier otro valor Y. Nos dice que los errores son independientes, es claramente que los errores son aleatorios y que también están relacionados, se dice que el valor de un error positivo es más probable que sea atraído por otro error positivo que a esto se le llama autocorrelación positiva porque los signos positivos se agrupan, pero mientras que un error negativo va relacionado con otro error negativo que a esto se le llama autocorrelacion negativa que es que cada error es seguido por un error de signos opuestos, que la autocorrelación es cuando ocurre que los términos de errores no son independientes. La autocorrelación es más probable que pueda ocurrir en el uso de los datos de series de tiempos. Que se puede reunir datos para la tasa de desempleo. El supuesto de linealidad, nos dice que si en un dado caso x se deja igual que un valor ocurrirá una distribución normal de valores, ya que esto es cierto para MCO asume que estas medias podrán quedar en una recta.

...