Pronósticos para la toma de decisiones

Nombre: Florelia Pérez García

Matrícula: 2710906

Nombre del curso:

Pronósticos para la toma de decisiones

Nombre del profesor:

MAURICIO ALEJANDRO RAMIREZ ZAMBRANO

Módulo:

Modulo 3

Actividad:

Evidencia 3

Fecha:

Bibliografía:

Objetivo:

Analizar el comportamiento de una variable dependiente cuando se tienen más de una variable independiente. Identificar métodos para entender el análisis de datos de series de tiempo Procedimiento: 1.- De acuerdo a lo estudiado en los temas 9 al 12 de este modulo conteste las preguntas solicitadas. 2.- Analice los ejercicios que se solicita resolver y usando lo aprendido en los temas del modulo me dispuse a desarrollarlos.

Procedimiento:

se le dio lectura a los temas del modulo

se comprendió

se realizo el ejerció como el profesor lo solicito

Resultados:

Regresión lineal múltiple: ¿Qué es? Es una metodología matemática en la que se estiman los coeficientes de una ecuación lineal, con una o más variables independientes, que mejor prediga el valor de la variable dependiente. La diferencia de la regresión lineal múltipleen esta se existen varias variables independientes que se relaciona o influyen con una variable de respuesta Y , y en la simple solo se tiene una variable.

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

coeficiente de correlación es la segunda medida que podemos usar para describir qué es tan bien explica en una variable a otra .

coeficiente de determinación se refiere a que cuando la pendiente de la ecuación de estimación es positiva, la r es la raíz cuadrada positiva, ah pero si “b” es negativa,entonces r es una raíz cuadrada negativa. El signo de la r indica a la dirección de la relación entre dos variables X y Y.

¿Cuáles son las desventajas de la multicolinealidad? La realidad es que no debe existir multicolinealidad entre las variables explicativas o las independientes. La multicolinealidad anteriormente implicaba la existencia de una relación lineal ya sea "perfecta o exacta" entre algunas o la totalidad de las variables independientes de modelos de regresión. Actual mente el término multicolinealidad se utiliza en sentido aun más amplio para incluir el caso de multicolinealidad perfecta, así también aquella situación en donde las variables “X” están intercorrelacionadas, pero no perfecta.

¿Porque es recomendable comparar modelos de regresión?

Los temas recurrentes en el modelo de regresión lineal múltiple es el que es referente a la comparación de los modelos. En la tarea por tratar de predecir de la manera posible y la variable que es dependiente es crucial disponer de herramientas que permitan comparar entre sí distintas combinaciones de las variables explicativas, sujetas o no a ciertas restricciones.

Una vez dada una variable dependiente y un conjunto de que variables explicativas diremos que modelo es mayor que otro modelo si en el dominio del vector en modelo es un subconjunto de tal dominio en el modelo .

Como el espacio de búsqueda del óptimo en el modelo es un subconjunto de dicho espacio de búsqueda en el modelo es evidente que la suma de cuadrados de los residuos en el modelo

...