Академический Документы
Профессиональный Документы
Культура Документы
Para ser más específi co, supongamos que se desea encontrar qué tan “cerca” está, por ejemplo,
βˆ2 de β2. Con este fi n, se trata de encontrar dos números positivos, δ y α, este último situado entre
0 y 1, de modo que la probabilidad de que el intervalo aleatorio (βˆ2 − δ, βˆ2 + δ) contenga al
verdadero β2 sea 1 − α. Simbólicamente,
5.2.1
Los extremos del intervalo de confi anza se conocen como límites de confi anza (también denominados valore
βˆ2 − δ como límite de confi anza inferior
βˆ2 + δ como límite de confi anza superior.
El estimador por intervalo proporciona así una gama de valores dentro de los cuales puede encontrarse el verdadero β2.
EJEMPLO:
De vuelta al ejemplo de regresión del salario promedio por hora (Y) y el nivel de escolaridad (X),
recuerde que en la tabla 3.2 descubrimos que βˆ2 = 0.7240; ee (βˆ2) 0.0700
Como hay 13 observaciones, los grados de libertad (gl) son 11. Si suponemos
que α = 5%, es decir, un coefi ciente de confi anza a 95%, entonces la tabla t muestra que para
11 gl el valor crítico tα/2 = 2.201. Al sustituir estos valores en.
α = 0.05
gl = 11 INTERVALO DE CONFIANZA PARA B^2
ERROR B^1 = 0.87462392 1.92504724 -1.9395 -0.0145 1.9106
ERROR B^2 = 0.06958134
T TABLAS = 2.201 INTERVALO DE CONFIANZA PARA B^2
B^1 = -0.0145 0.15314854 0.5709 0.7241 0.8772
B^2 = 0.7241
INTERPRETACIÓN:
Dado el coefi ciente de confi anza de 95%, observamos que en 95 de cada 100 casos, los intervalos de
confianza son 0.5709 y 0.8772, los cuales contendrán al verdadero valor de β2.
3 Prueba de hipótesis
B^2 = 0.7241
ZONA DE
RECHAZO
ZONA DE
RECHAZO
ZONA DE ACEPTACIÓN
0.5709 0.8772
0.5
CONCLUSIÓN:
Según esta regla, para el ejemplo hipotético, es claro que H0:β2 = 0.5 se encuentra fuera del
intervalo de confi anza a 95% dado en (5.3.9). Por consiguiente, rechazamos la hipótesis de que la
verdadera pendiente sea 0.5, con 95% de confi anza
En estadística, cuando se rechaza la hipótesis nula, se dice que el hallazgo es estadísticamente signifi cativo.
Por otra parte, cuando no se hace, se dice que el resultado no es estadísticamente signifi cativo.
Un enfoque alterno pero complementario al de intervalos de confianza para probar hipótesis estadísticas es el
En términos generales, una prueba de significancia es un procedimiento que utiliza los resultados muestrales p
En el procedimiento de intervalo de confi anza se trata de establecer un rango o intervalo que tenga una proba
al verdadero aunque desconocido β2, mientras que en el enfoque de prueba de signifi cancia se somete a hip
y se ve si el βˆ2 calculado se encuentra dentro de límites (de confi anza) razonables alrededor del valor someti
tc = 3.22
0.3469
CONCLUSIÓN:
valor que con claridad se encuentra en la región crítica de la fi gura 5.4. La conclusión se mantien
es decir, rechazamos H0.
INTERPRETACIÓN:
prueba t. En el lenguaje de las pruebas de signifi cancia, se dice que un estadístico es
estadísticamente signifi cativo si el valor del estadístico de prueba cae en la región crítica.
En este caso, se rechaza la hipótesis nula. De la misma manera, se dice que una prueba no es
estadísticamente signifi cativa si el valor del estadístico de prueba cae en la región de aceptación
En esta situación, no se rechaza la hipótesis nula. En el ejemplo, la prueba t es signifi cativa
y por tanto se rechaza la hipótesis nula.
Por consiguiente, un valor “grande” de |t| será evidencia en contra de la hipótesis nula.
Si decidimos “aceptar” la hipótesis nula, todo lo que se afi rma es que, con base en la evidencia dada por la m
razón para rechazarla; no se sostiene que la hipótesis nula sea verdadera con absoluta certeza. ¿Por qué?
Formación de las hipótesis nula y alternativa13
las expectativas teóricas o el trabajo empírico previo o ambos pueden ser la base para formular hipótesis. Sin
la forma de postular hipótesis, es en extremo importante que el investigador plantee estas hipótesis antes de l
Esta probabilidad se denomina valor p (es decir, valor de probabilidad), también conocido como nivel observad
o probabilidad exacta de cometer un error tipo I. Más técnicamente, el valor p se defi ne como nivel de signifi
bajo al cual puede rechazarse una hipótesis nula.
(también denominados valores críticos)
e un estadístico es
ae en la región crítica.
dice que una prueba no es
ae en la región de aceptación.
prueba t es signifi cativa
de la hipótesis nula.
1 COMPLETAR LA TABLA
PRECI DE BS Q. CONSUMO DE
SUSTITUTOS CAFÉ
X Y
300 2,500
330 2,700
340 2,800
340 3,000
350 3,500
360 3,600
360 3,800
360 3,900
400 3,900
450 4,200
3,590 33,900
B2 B1 Y^ = +
12.3194168323 -1032.6706428
CONSUMO DE CAFE^ = +
ALFA =
INTERPRETACIÓN
ALFA =
INTERPRETACIÓN
B^1
PARAMETRO B^1 -3,279.36 <= -1032.6710 =>
7 COEFICIENTE DE CORRELACIÓN
el coeficiente de correlacion entre el precio de los bienes sustitutos y la cantidad de café consumida es positiva on un grad
asociacion y esto es bueno para el modelo
INTERPRETACIÓN
Como el FC es mayor y cae fuera del area de Aceptamos la hipotesis alternatica y rechazamos la nila
La muestra obtenida proviene de una poblacion donde R^2 poblacional es mayor que 0 y por lo tanto si hay un grado de e
Por lo tanto aceptamos el modelo con una probabilidad del 95%
11 PREDICCIÓN
TABLAS CALCULADO
T = 2.31 4.57
F = 5.32 20.85
CONCLUSIONES
1 Como concecuencia de la prueba F de Fisher se considera al modelo que esta bien determinado y lo acept
2 Por otro lado se observa que existe una asociacion muy estrecha y positiva entre la CCC y el PBS con un gra
3 El precio de los Bienes Sustitutos explica a la cantidad consumida de Café en un 72.27% y el resto correspo
4 Los coeficientes estimados son estadisticamente significativos: B2 se acepta con un nivel de significancia de
TRABAJO FINDE
ISTICO-ECONOMETRICO EN DONDE SE PUEDA VERIFICAR LA VIABILIDAD DEL MODELO
X +u
PRECIO + u
nalisis ANOVA
STD. ERROR
STD. ERROR
ZONA DE
RECHAZO
ZONA DE
RECHAZO
ZONA DE ACEPTACIÓN
anza intervalo]
adj squared
con el analisis anova se quiere determinar la veracidad de las medias del modelo
ZONA DE
RECHAZO
ZONA DE ACEPTACIÓN