“Ordinary Least Square” (OLS) Método de Cuadrados

Anuncio
6 – septiembre – 2007
1 factor:
Regresión
“Ordinary Least Square” (OLS)
Método de Cuadrados Mínimos
y = β0 + β1x + ε
factor: cualitativo
vs.
ANOVA
yij = µ + τi + ε
factor: cuantitativo
ε=y–ŷ
Objetivo OLS: Minimizar: ε’*ε (SSE)
ε = vector de residuales
∂ε’*ε = 0
∂β1
b^ = (X’X)-1X’y
b^ = estimadores de los coeficientes
y = vector de observaciones
♥X = la matriz de diseño
• 1 fila por cada observación
• 1 columna por cada coeficiente estimado
Ejemplo:
A
Bajo
B
y=
Alto
25
26
31
34
23
20
27
22
Bajo
25
26
23
20
Alto
31
34
27
22
Modelos:
y = β0 + β1xA + ε
y = β0 + β2xB + ε
y = β0 + β1xA + β2xB + ε
y = β0 + β1xA + β2xB + β3 xA xB + ε
… etc.
Descargar