Diferencia entre revisiones de «Regresión lineal»

9 bytes añadidos ,  hace 6 meses
m (Bot: reemplazando etiqueta source desaconsejada)
=== Hipótesis del modelo de regresión lineal clásico ===
 
# '''Esperanza matemática nula''': <math>\mathbb{E}(\varepsilon_i) = 0</math>. Para cada valor de X la analperturbación tomará distintos valores de forma aleatoria, pero no tomará sistemáticamente valores positivos o negativos, sino que se supone tomará algunos valores mayores que cero y otros menores que cero, de tal forma que su valor esperado sea cero.
tomará distintos valores de forma aleatoria, pero no tomará sistemáticamente valores positivos o negativos, sino que se supone tomará algunos valores mayores que cero y otros menores que cero, de tal forma que su valor esperado sea cero.
# '''Homocedasticidad''': <math>\text{Var}(\varepsilon_t) = \mathbb{E}(\varepsilon_t - \mathbb{E} \varepsilon_t)^2 = \mathbb{E} \varepsilon_t^2 = \sigma^2</math> para todo ''t''. Todos los términos de la perturbación tienen la misma varianza que es desconocida. La dispersión de cada <math>\varepsilon_t</math> en torno a su valor esperado es siempre la misma.
# '''Incorrelación''' o '''independencia''': <math>\text{Cov}(\varepsilon_t,\varepsilon_s ) = \mathbb{E} (\varepsilon_t - \mathbb{E} \varepsilon_t) (\varepsilon_s - \mathbb{E} \varepsilon_s) = \mathbb{E} \varepsilon_t \varepsilon_s = 0 </math> para todo ''t,s'' con ''t'' distinto de ''s''. Las covarianzas entre las distintas pertubaciones son nulas, lo que quiere decir que no están correlacionadas. Esto implica que el valor de la perturbación para cualquier observación muestral no viene influenciado por los valores de las perturbaciones correspondientes a otras observaciones muestrales.
1407

ediciones