Page 33 - El Modelo de Regresión Lineal

Sustituimos los datos del cuadro anterior en la expresión (10)

para obtener los estimadores, y desarrollamos:

  1 5.7 − 1  5.7
    
  1 4.5   4.6 
  1 3.5   4.6

 ˆ     1 1 1 1 1 1 1   1 1 1 1 1 1 1 
  0   =    1 6.2    6 
 ˆ  1    5.7 4.5 3.5 6.2 2.8 4.5 6  1 2.8   5.7 4.5 3.5 6.2 2.8 4.5 6  4 
    
  1 4.5  4.8
    
  1 6   6.4 

ˆ 
   7 33.2  − 1  36.1 
  ˆ  0  =    
1 
   33.2 167.52   177.69 
ˆ 
   2.38 0.47  − 36.1  
  ˆ  0  =    
1
   − 0.47 0 . 0  177.69  
1 

   2.104
ˆ 
  ˆ  0  =   (54)
   0.643 
1 

De esta forma, obtenemos los estimadores del Modelo de

+
Regresión Lineal: Y = ˆ 2.104 0.643X . El cuadro 2 presenta las
t t

estimaciones de la variable objetivo y los errores.

29