Page 8 - El Modelo de Regresión Lineal
P. 8
= y ˆ + X β ˆ ε (5)
t t t
En términos probabilísticos, se asume que ε y ˆ ε son ruidos
t
t
blancos, respectivamente; es decir, procesos estocásticos que
siguen distribuciones normales, son homoscedásticos y no
)
(
)
(
autocorrelacionados: ε t N 0 , I y ˆ ε t N 0 , ˆ I .
2
2
El método de mínimos cuadrados ordinarios
Aunque existen diversos métodos de optimización matemática para
calcular los estimadores del modelo (5), el más poderoso es el de
Mínimos Cuadrados Ordinarios propuesto por Adrien-Marie
Legendre en 1805 y perfeccionado, cuatro años más tarde, por Carl
Friedrich Gauss en su trabajo Theoria Motus Corporum Coelestium
in sectionibus conicis solem ambientium (Teoría del movimiento de
los cuerpos celestes que giran alrededor del sol en secciones
cónicas).
El método consiste en minimizar la suma de los errores al
cuadrado del modelo muestral sujeta a los estimadores:
n
2
min ˆ (6)
ˆ β ˆ i
i i= 0
4