nose

Los valores escogidos como estimadores de los parámetros, , son los coeficientes de regresión, sin que se pueda garantizar que coinciden con parámetros reales del proceso generador. Por tanto, en(5)
Los valores son por su parte estimaciones de la perturbación aleatoria o errores.
[editar] Hipótesis modelo de regresión lineal clásico
1. Esperanza matemática nula.

Para cada valor de Xla perturbación tomará distintos valores de forma aleatoria, pero no tomará sistemáticamente valores positivos o negativos, sino que se supone que tomará algunos valores mayores que cero y otrosmenores, de tal forma que su valor esperado sea cero.
2. Homocedasticidad
para todo t
Todos los términos de la perturbación tienen la misma varianza que es desconocida. La dispersión de cada en tornoa su valor esperado es siempre la misma.
3. Incorrelación. para todo t,s con t distinto de s
Las covarianzas entre las distintas pertubaciones son nulas, lo que quiere decir que no estáncorrelacionadas o autocorrelacionadas. Esto implica que el valor de la perturbación para cualquier observación muestral no viene influenciado por los valores de la perturbación correspondientes a otrasobservaciones muestrales.
4. Regresores no estocásticos.
5. No existen relaciones lineales exactas entre los regresores.
6. Suponemos que no existen errores de especificación en el modelo ni errores demedida en las variables explicativas
7. Normalidad de las perturbaciones
[editar] Supuestos del modelo de regresión lineal
Para poder crear un modelo de regresión lineal, es necesario que se cumplacon los siguientes supuestos:3
1. La relación entre las variables es lineal.
2. Los errores en la medición de las variables explicativas son independientes entre sí.
3. Los errores tienen varianzaconstante. (Homocedasticidad)
4. Los errores tienen una esperanza matemática igual a cero (los errores de una misma magnitud y distinto signo son equiprobables).
5. El error total es la suma de...