Estimación Bootstrap de los coeficientes de un modelo de regresión lineal múltiple

• Autores: Bárcena Carrasco, Pascual, Ccoa Challco, Eloy
• Formato: tesis de grado
• Fecha de Publicación: 2015
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/1618
• Enlace del recurso: http://hdl.handle.net/20.500.12918/1618
• Nivel de acceso: acceso cerrado
• Materia: Estimación Bootstraping; Técnicas estadísticas; Regresión lineal múltiple; http://purl.org/pe-repo/ocde/ford#1.01.01

Con el avance de la ciencia y el desarrollo de la tecnología las técnicas estadísticas se han convertido en herramientas fundamentales y estas pueden dar alternativas de solución a los distintos problemas en la vida real. El análisis de regresión lineal múltiple es una de las técnicas estadísticas más populares y por ende, una de las más aplicadas en el análisis de datos, en las distintas especialidades, como Medicina, Economía, Administración, Etc. El bootstrap consiste básicamente, en el remuestreo de las observaciones muéstrales para luego, en base a la distribución empírica de estas remuestras, obtener una estimación puntual y por intervalos para los parámetros del modelo. Una alternativa para la estimación de los coeficientes de un modelo de regresión lineal múltiple es utilizar las técnicas de computación intensiva como el remuestreo bootstraping, de manera sencilla permite estimar los parámetros de un modelo de regresión lineal múltiple cuando no hay evidencia suficiente que permita verificar los supuestos necesarios para la aplicación del método de mínimos cuadrados o de máxima verosimilitud. Este método de estimación Bootstraping presenta mejor comportamiento que los estimadores clásicos del Análisis de regresión lineal múltiple.