13
utilizando una representación funcional
polinomial (5):
Y = m(X) + ε (1)
o de forma ampliada la ecuación (1),
Y = a
0
+ a
1
X +
…
+ a
p
X
p
+ ε (2)
Los estimadores de los parámetros a
0
,
a
1
, … a
p
, definen el polinomio de regre-
sión de orden p, y se calculan con el mé-
todo de mínimos cuadrados. Esto es, a
partir de una muestra (X
1
, Y
1
),(X
2
,Y
2
),
… (X
n
,Y
n
), las estimaciones â
0
,â
1
, … ,
â
p
se obtienen minimizando la siguiente
suma de residuos al cuadrado:
(Y
1
- Ŷ
1
)
2
+
… + (Y
n
- Ŷ
n
)
2
(3)
donde, Ŷ
i
=
a
0
+ a
1
X
1
+
… + a
p
X
i
p
Con respecto al error aleatorio ε supo-
ne que sigue la distribución gaussiana,
ε ~ N(0,σ
2
) con media nula y varianza
poblacional σ
2
. Como estimador de σ, se
utiliza la desviación típica residual dada
por:
(4)
donde e
i
2
= (Y
1
- Ŷ
1
)
2
Bandas de confianza asintóticas con
modelos de regresión polinómicos
La estimación de Y
i
puede no ser sufi-
ciente para determinar el efecto de X
i
.
En ocasiones, para cada punto x interesa
conocer el intervalo donde se sitúa el hi-
potético valor Y
i
(x) con una determinada
probabilidad (3,4). Para la construcción
de dicho intervalo, es necesario conocer
las estimaciones Ŷ
i
mediante un ajuste
polinómico, la función lm del software
estadístico R (8) permite calcular este
ajuste y la estimación de la desviación tí-
pica residual σ̂ de las estimaciones Ŷ
i
.
Por tanto el intervalo de confianza asin-
tótico de cada estimación Ŷ
i
con nivel de
confianza 1 – α viene dado (3,4):
Ŷ
i
± z
1 – α/2
*σ̂ (5)
siendo z
1 – α/2
el cuantil de orden 1 – α/2 de la distribución
normal estandarizada. Todos estos intervalos forman las
bandas de confianza asintóticas con nivel de confianza
1 – α.
Nótese que para calcular estas bandas de confianza el
error aleatorio ε supone que sigue la distribución nor-
mal, ε ~ N(0,σ
2
) con media nula y varianza poblacional
σ
2
constante.
BANDAS DE CONFIANZA BOOTSTRAP CON MO-
DELOS DE REGRESIÓN POLINÓMICOS
Los intervalos de confianza bootstrap en cada ordenada
estimada Ŷ
i
mediante el modelo de regresión polinómico,
forman las bandas de confianza bootstrap calculadas con
el siguiente algoritmo:
1. Calcular los parámetros â
0
, â
1
,… , â
p
y σ̂ del modelo
de regresión polinómico.
2. Generar un número B de muestras bootstrap que imi-
tan la muestra original de acuerdo a lo siguiente: Del
modelo de regresión polinómico estimado,
Ŷ = m̂ (X) + ε̂ (6)
donde ε̂ ~ N(0,σ̂ 2 ), se simula ε* de forma aleato-
ria con la distribución normal N(0, σ̂ 2), obteniendo
muestras bootstrap {(X
1
,Y
1
*),(X
2
, Y
2
*),…,(X
n
, Y
n
*)}
(i)
con i = 1, 2, … , B, donde
Y* = m̂ (X) + ε*
3. Con cada una de las muestras bootstrap se realiza un
ajuste polinómico, obteniendo al final B ajustes.
4. Para cada valor de X, el intervalo de confianza boots-
trap de Ŷ es calculado con los siguientes pasos:
• Las B estimaciones bootstrap, Ŷ*
(1)
, … , Ŷ*
(B)
ordenar
de forma creciente en cada X, Ŷ*
(b)
, b = 1,…,B.
• Las curvas formadas por los cuantiles q/2 y 1 - q/2 de
Ŷ
j
*
(b)
, b=1,…,B en cada X
j
con j = 1, … , n, son los lí-
mites inferior y superior de las bandas de confianza
bootstrap de Ŷ.
Zuñiga, Paguay, Haro, Meneses