Ver/Abrir - Repositorio Digital - Instituto Politécnico Nacional
Ver/Abrir - Repositorio Digital - Instituto Politécnico Nacional Ver/Abrir - Repositorio Digital - Instituto Politécnico Nacional
Se deriva parcialmente respecto a cada β i , se iguala a cero cada ecuación, y se resuelve simultáneamente el sistema de ecuaciones que se acostumbra llamar “ecuaciones normales”. En forma matricial las ecuaciones normales quedan expresadas de la siguiente manera. ∑ ∑ ∑ ⎛ n X1 X2 ... Xk⎞ B ⎛ Y ⎞ ⎜ ⎟ ⎛ 0 ⎞ 2 ⎜ ⎟ ⎜∑X1 ∑X X 1 ∑X 1 2 ... ∑X X ⎟ ⎜ ⎟ 1 k B ⎜ XY 1 ⎟ ⎜ 1 ⎟ ∑ ⎜ ⎟ 2 ⎜ ⎟ ⎜∑X2 ∑XX 1 2 ∑X2 ... ∑XX 2 k ⎟⋅ ⎜B⎟ 2 = ⎜∑XY 2 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 2 ∑Xk ∑X1Xk ∑X2Xk... ∑X ⎟ ⎜B⎟ ⎜ k ⎟ ⎝ k ⎠ ⎜ XY⎟ k ⎝ ⎠ ⎝∑⎠ En forma reducida: ( ) Cuya solución es: ( ) 1 − X'Xβ = XY ' ecuación (7) Bˆ = X'XXY ' ecuación (8) El procedimiento matricial para obtener el sistema de ecuaciones normales es: Y = Xβ+ E ( ) ( ) E = Y − Xβ ⇒ Q=E'E= Y − Xβ ' Y − Xβ Q= YY ' −β'XY ' '− Y'Xβ + β'X'Xβ = YY ' − 2Y'Xβ + β'X'Xβ ∴∂Q/ ∂ β = 0− 2XY ' + 2X'Xβ = 0 ecuación (9) ⇒ X'X β =X'Y Ecuaciones Normales ∑ 56
4.3.1 Propiedades de los estimadores. Propiedad 1.- (Insesgamiento). Un estimador es insesgado cuando el valor esperado del estadístico es igual al valor del parámetro. El valor esperado o esperanza del estadístico es la media de la distribución muestral del estadístico. E(B) ˆ = β Esto es E(B ˆ ) Propiedad 2.- ( ) 1 2 = β i = 0, 1,..., k ecuación (10) i i − Var(B) ˆ = X ' X σ = 2 ⎛σ ˆ σ ˆ ˆ σ ˆ ˆ⎞ β0 ββ 0 1 ββ 0 k ⎜ ⎟ ⎜ 2 σ ˆ σ ⎟ β ˆ ˆ C 1 ββ = ⎜ 0 k ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 2 σ ⎟ ⎝ βk ⎠ 2 Propiedad 3.- Si Y ∼ N( µ y / X1,..., Xn, σ ) 2 ( ˆ ) ⇒ B ˆ ∼ N β , σ i i Bi Propiedad 4.-La correlación entre Y y ˆ Y r ∑ ( Y −Yˆ)( Yˆ−Y) = ⎡ ( Y −Yˆ) ( Yˆ−Y ⎤ ⎢∑ ∑ ) ⎣ ⎥⎦ YY , ˆ 1 2 2 2 En el sentido de que para cualquier otra Y * se tiene que r ≥ r YY , ˆ YY , * Estimador de 2 σ 57 es máxima ecuación (11) 2 de el cual es insesgado sí y solo sí el modelo de RLM propuesto es correcto σ esta dado por. y de la matriz de Varianza – Covarianza. Un estimador
- Page 7 and 8: Figura 5.16 Escurrimientos sintéti
- Page 9 and 10: 4.4.2 Coeficientes de correlación
- Page 11 and 12: 1 ANTECEDENTES GENERALES 9
- Page 13 and 14: enfoque de cuencas nos da la posibi
- Page 15 and 16: Las Regiones Hidrológico-Administr
- Page 17 and 18: ecursos naturales, para impulsar la
- Page 19 and 20: 2.1 Características hidrológicas.
- Page 21 and 22: ninguna de sus cúspides rebasa los
- Page 23 and 24: Figura 2.2 Clasificación Climátic
- Page 25 and 26: La Región Costa esta formado por 3
- Page 27 and 28: los Bienes Comunales, los Comités
- Page 29 and 30: ambiental, conformando así un esqu
- Page 31 and 32: Figura 2.4 Subcuencas del Río Copa
- Page 33 and 34: Estudio: “Mejoramiento, aprovecha
- Page 35 and 36: La densidad demográfica más baja
- Page 37 and 38: sedimentos del cauce tanto por el f
- Page 39 and 40: Tabla 2.4 Índice de crecimiento 37
- Page 41 and 42: Tabla 2.6 Índice de crecimiento 39
- Page 43 and 44: Como consecuencia de lo anterior, s
- Page 45 and 46: 3 MARCO TEÓRICO Y CONCEPTUAL 43
- Page 47 and 48: Año Precipitación Tabla 3.1 Preci
- Page 49 and 50: pendiente, el cual solo puede deber
- Page 51 and 52: 3.2 Análisis de regresión para es
- Page 53 and 54: Le llamamos recta de regresión a l
- Page 55 and 56: 4 ANÁLISIS ESTADÍSTICO 53
- Page 57: El valor esperado Y para combinaci
- Page 61 and 62: 2.- r SC − SC = es la reducción
- Page 63 and 64: Las expresiones matemáticas para e
- Page 65 and 66: Consecuencias: 1. Aunque los estima
- Page 67 and 68: Las probabilidades condicionales P{
- Page 69 and 70: Es decir, la probabilidad de que se
- Page 71 and 72: 5 MODELO ESTOCÁSTICO PARA LA CUENC
- Page 73 and 74: Figura 5.1 Serie de datos anuales o
- Page 75 and 76: Consideraciones: • A pesar de con
- Page 77 and 78: Figura 5.4 Estadísticas mensuales
- Page 79 and 80: De los dos modelos paramétricos di
- Page 81 and 82: 5.4 Evaluación del Modelo La figur
- Page 83 and 84: Figura 5.12 Comparación estadísti
- Page 85 and 86: Las figuras 5.14 y 5.15 muestran la
- Page 87 and 88: 5.6 Evaluación de los escurrimient
- Page 89 and 90: escurrimientos sintéticos, los cau
- Page 91 and 92: La Figura 5.24 muestra los valores
- Page 93 and 94: La Figura 5.27 muestra los valores
- Page 95 and 96: 5.6.4 Análisis de resultados A con
- Page 97 and 98: CONCLUSIONES Y RECOMENDACIONES. Ant
- Page 99 and 100: Bibliografía y Anexos. • Branson
- Page 101 and 102: AFORO GLOSARIO Aforar una corriente
- Page 103 and 104: ANEXOS
- Page 105 and 106: Estación La Hamaca ANEXO 2 AÑO 19
- Page 107 and 108: Estación Sta. María Xanadí AÑO
4.3.1 Propiedades de los estimadores.<br />
Propiedad 1.- (Insesgamiento). Un estimador es insesgado cuando el valor<br />
esperado del estadístico es igual al valor del parámetro. El valor esperado o<br />
esperanza del estadístico es la media de la distribución muestral del<br />
estadístico.<br />
E(B) ˆ = β Esto es E(B ˆ )<br />
Propiedad 2.- ( ) 1 2<br />
= β i = 0, 1,..., k ecuación (10)<br />
i i<br />
−<br />
Var(B) ˆ = X ' X σ =<br />
2<br />
⎛σ ˆ σ ˆ ˆ σ ˆ ˆ⎞<br />
β0 ββ<br />
0 1 ββ 0 k<br />
⎜ ⎟<br />
⎜ 2<br />
σ ˆ σ ⎟<br />
β ˆ ˆ<br />
C<br />
1 ββ<br />
= ⎜ 0 k ⎟<br />
⎜ ⎟<br />
⎜ ⎟<br />
⎜ 2<br />
σ ⎟<br />
⎝<br />
βk<br />
⎠<br />
2<br />
Propiedad 3.- Si Y ∼ N( µ y / X1,..., Xn,<br />
σ )<br />
2 ( ˆ )<br />
⇒ B ˆ ∼ N β , σ<br />
i i Bi<br />
Propiedad 4.-La correlación entre Y y ˆ<br />
Y<br />
r<br />
∑<br />
( Y −Yˆ)( Yˆ−Y) =<br />
⎡ ( Y −Yˆ) ( Yˆ−Y ⎤<br />
⎢∑ ∑ )<br />
⎣ ⎥⎦<br />
YY , ˆ 1<br />
2 2 2<br />
En el sentido de que para cualquier otra Y * se tiene que<br />
r ≥ r<br />
YY , ˆ YY , *<br />
Estimador de<br />
2<br />
σ<br />
57<br />
es máxima ecuación (11)<br />
2<br />
de el cual es insesgado sí y solo sí el modelo de RLM propuesto es correcto<br />
σ<br />
esta dado por.<br />
y de la matriz de Varianza – Covarianza. Un estimador