$\hat\beta_0 = 1.2\cdot425 + (-0.5)\cdot2255 + 0.5\cdot1355$ $= 510 - 1127.5 + 677.5 = 60$
[ \begincases n b_0 + b_1 \sum X_1 + b_2 \sum X_2 = \sum Y \ b_0 \sum X_1 + b_1 \sum X_1^2 + b_2 \sum X_1 X_2 = \sum X_1 Y \ b_0 \sum X_2 + b_1 \sum X_1 X_2 + b_2 \sum X_2^2 = \sum X_2 Y \endcases ] regresion lineal multiple ejercicios resueltos a mano
Definición de los datos (nuestro pequeño set de entrenamiento). Cálculo de las medias: El punto de partida esencial. Matriz de varianzas y covarianzas: El corazón del cálculo. Resolución del sistema de ecuaciones: Cómo despejar beta sub 2 Interpretación de resultados: ¿Qué nos dice realmente el modelo? 💡 Ejemplo Práctico: Imagina que queremos predecir las basándonos en el Gasto en Publicidad ( cap X sub 1 Número de Vendedores ( cap X sub 2 Ventas (Y) Publicidad (X1) Vendedores (X2) $\hat\beta_0 = 1
Para un modelo con (k=2) variables, las ecuaciones normales (obtenidas minimizando la suma de cuadrados de residuos) son: Resolución del sistema de ecuaciones: Cómo despejar beta
(A) and (B) are identical → infinite solutions? Let's check raw data: