El modelo de regresión lineal múltiple se puede representar de la siguiente manera:
[ \boxed\hatY = 55 + 5 X_1 + 0 X_2 ]
β̂=(XTX)-1XTYbeta hat equals open paren cap X to the cap T-th power cap X close paren to the negative 1 power cap X to the cap T-th power cap Y XTcap X to the cap T-th power : Matriz transpuesta de
Substitute into (2): [ 1550 = 20(75 - 4b_1 - 6.4b_2) + 90b_1 + 123b_2 ] [ 1550 = 1500 - 80b_1 - 128b_2 + 90b_1 + 123b_2 ] [ 1550 - 1500 = 10b_1 - 5b_2 ] [ 50 = 10b_1 - 5b_2 \quad \text(Divide by 5) \Rightarrow 10 = 2b_1 - b_2 \quad (A) ] regresion lineal multiple ejercicios resueltos a mano
Entonces: b₀ = 7395/15 = 493 b₁ = 8625/15 = 575 b₂ = -6315/15 = -421
Intente con sus propios datos pequeños y siga estos pasos. ¡La paciencia es clave!
Ahora sistema 2×2: 17.5β1 + 18β2 = 36 18 β1 + 23.3333333β2 = 39.3333333 El modelo de regresión lineal múltiple se puede
Given data:
Δ=5(258⋅110−109⋅109)−34(34⋅110−20⋅109)+20(34⋅109−20⋅258)cap delta equals 5 open paren 258 center dot 110 minus 109 center dot 109 close paren minus 34 open paren 34 center dot 110 minus 20 center dot 109 close paren plus 20 open paren 34 center dot 109 minus 20 center dot 258 close paren
Como la matriz original es simétrica, la matriz de cofactores es igual a su transpuesta (Matriz Adjunta): El modelo tiene un poder predictivo sumamente alto
Datos (ejemplo simple de 6 observaciones): x1 = [1, 2, 3, 4, 5, 6] x2 = [2, 1, 4, 3, 5, 7] y = [3, 4, 7, 8, 11, 13]
Realizando las operaciones elemento por elemento (fila por columna): Fila 2: Fila 3: Resultado del producto matricial:
Realizar este cálculo requiere seguir una secuencia lógica de operaciones con matrices: Multiple linear regression with matrices and by hand
: El 94.5% de la variabilidad del precio de las viviendas se explica de manera conjunta por la superficie construida y los años de antigüedad del inmueble. El modelo tiene un poder predictivo sumamente alto.
Entonces: (309.3333 - 3572.9333\beta_1 - 296.8067\beta_2 + 3581.1\beta_1 + 299.34\beta_2 = 310.95)