ADMON

Objetivo:

• Definir los conceptos de regresión y correlación lineal múltiple.

• Identificar los métodos de descomposición de las series de tiempo igual

• Estimar la ecuación de la tendencia.

• Describir qué es la deflación de las series de tiempo

• Distinguir los índices de variación estacional.

Procedimiento:

Empecé por revisar lo que se pedía para realizar la actividad y con ayuda de lo visto en clase, blackboard y fuentes confiables de internet pude contestar las preguntas que se pedía así mismo en clase se realizaron algunos ejercicios de nuestra actividad una vez teniendo la información y comprenderla concluí la actividad.

Resultados:

Parte I. Teoría

Investiga en fuentes confiables de información lo siguiente:

¿Que es Regresión lineal múltiple?

La regresión lineal múltiple estima los coeficientes de la ecuación lineal, con una o más variables independientes, que mejor prediga el valor de la variable dependiente. Por ejemplo, se puede intentar predecir el total de facturación lograda por servicios prestados en una IPS cada mes (la variable dependiente) a partir de variables independientes tales como: Tipo de servicio, edad, frecuencia del servicio, tipo de usuario y los años de antigüedad en el sistema del usuario.

¿Qué es el coeficiente de determinación y el coeficiente de correlación?

Coeficiente de Correlación: Mide el grado de intensidad de esta posible relación entre las variables. Este coeficiente se aplica cuando la relación que puede existir entre las variables es lineal (es decir, si representáramos en un gráfico los pares de valores de las dos variables la nube de puntos se aproximaría a una recta).

Coeficiente de determinación: Mide la proporción de variabilidad total de la variable dependiente respecto a su media que es explicada por el modelo de regresión. Es usual expresar esta medida en tanto por ciento, multiplicándola por cien.

¿Cuáles son las desventajas de la multicolinealidad?

Desventajas: El modelo suele ser significativo (R2 elevado) pero las variables individualmente no lo son (debido a que al ser grande la varianza el estadístico t" de contraste es menor llevándonos a concluir que una variable es irrelevante cuando en realidad no lo es)

Dificultad en la interpretación de los parámetros.

T= / S F= R2/k-1

(1-R2)/n-k

Ventajas: Los estimadores MCO son Insesgado y Consistentes pero tienen varianzas grandes.

Los intervalos de confianza son más amplios.

¿Por qué es recomendable comparar modelos de regresión?

Para tratar de predecir de la mejor manera posible la variable dependiente es crucial disponer de herramientas que permitan comparar entre sí distintas combinaciones de las

...