UNSCH

CAPITULO 4
MODELO LINEAL GENERAL

Econ. Juan A. Huaripuma Vargas

06 de enero de 2013

CONTENIDO

Planteamiento de la teora o de la hiptesis

Especificacin del modelo economtrico

Estimacin del modelo economtrico

Inferencia estadstica

Prediccin

ESPECIFICACION DEL MODELO MATEMTICO DE LA TEORIA

Modelo econmico
Segn la teora:

Y f ( X 2 , X 3 , X 4 ,..., X k )
,

Por simplicidad asumamos que:

Y 1 2 X 2 3 X 3 4 X 4 ... k X k
Si se tiene las siguientes observaciones:

Yi

X 2 i X 3i X 4 i

...

X ki

i 1,2,3,..., n

Entonces, se tendra la siguiente relacin exacta o determinstica:

Yi 1 2 X 2i 3 X 3i 4 X 4i ... k X ki

ESPECIFICACION DEL MODELO ECONOMTRICO

Modelo economtrico
Como las relaciones econmicas son inexactas el modelo econmico debe
modificarse de la siguiente manera:

Yi 1 2 X 2i 3 X 3i 4 X 4i ... k X ki i
,

Es una variable aleatoria (estocstica) con las siguientes propiedades:

E ( i ) 0

Media

E[ i E ( i )][ j E ( j )] 0

E ( i j ) 0

Covarianza

E[ i E ( i )]

E ( i2 ) 2

Varianza

i ~ NID (0, 2 )

Distribucin normal e independiente

X 2i , X 3i , X 4i ,..., X ki

Son fijas !!

ESPECIFICACIN DEL MODELO ECONOMTRICO

Funcin de regresin poblacional
Del modelo economtrico:

Yi 1 2 X 2i 3 X 3i 4 X 4i ... k X ki i
Se deduce:

E (Yi ) 1 2 X 2i 3 X 3i 4 X 4i ... k X ki i

FRP

Puesto que:

E ( i ) 0

X 2i , X 3i , X 4i ,..., X ki

Son fijas en cada muestreo

ESPECIFICACION DEL MODELO ECONOMTRICO

Anlisis de regresin
Trata del estudio de la dependencia de la variable dependiente, respecto a
una o ms variables (las variables explicativas), con el objetivo de estimar
y/o predecir la media o valor promedio poblacional de la primera en trminos
de los valores conocidos o fijos (en muestras repetidas) de las ltimas.
,

En resumen, el propsito es estimar la FRP siguiente:

E (Yi ) 1 2 X 2i 3 X 3i 4 X 4i ... k X ki i

FRP

ESPECIFICACION DEL MODELO ECONOMTRICO

Anlisis de regresin
Considerando el siguiente modelo:

Yi 1 2 X 2i 3 X 3i 4 X 4i ... k X ki i
,

Dada la existencia de n observaciones para cada variable, el

modelo propuesto se puede escribir como:

Y1 1 2 X 21 3 X 31 4 X 41 ... k X k1 1
Y2 1 2 X 22 3 X 32 4 X 42 ... k X k 2 2
Y3 1 2 X 23 3 X 33 4 X 43 ... k X k 3 3
...............................................................................
Yn 1 2 X 2 n 3 X 3n 4 X 4 n ... k X kn n

ESPECIFICACION DEL MODELO ECONOMTRICO

Anlisis de regresin
Alternativamente se puede escribir:

Y1 1 X 21
Y 1 X
22
2
Y3 1 X 23

... ... ...
Yn 1 X 2 n

X 31
X 32
X 33
...
X 3n

... X k1 1 1
... X k 2 2 2
... X k 3 3 3

... ... ... ...

... X kn k n

En resumen:

Y XB U

ESTIMACIN
Funcin de regresin muestral
Dada una muestra de n pares de valores para las variables involucradas en
el modelo y asumiendo un mtodo apropiado se puede postular que la
estimacin muestral es la siguiente:
,

Yi 1 2 X 2i 3 X 3i 4 X 4i ... k X ki
Se puede escribir tambin:

Y1 1 2 X 21 3 X 31 4 X 41 ... k X k 1
Y2 1 2 X 22 3 X 32 4 X 42 ... k X k 2
......................................................................
Yn 1 2 X 2 n 3 X 3n 4 X 4 n ... k X kn

FRM

ESTIMACIN
Funcin de regresin muestral
En resumen:

Y XB

FRM

Considerando que:
,

E Y Y
E Y XB
Entonces:

e1 Y1 Y1
e Y
Y2
2
2

... ... ...

en Yn Yn

2
e
i E ' E (Y XB )' (Y XB ) (Y ' B ' X ' )' (Y XB )

E ' E Y ' Y Y ' XB B ' X ' Y B ' X ' XB

ESTIMACIN DEL MODELO ECONOMTRICO

El mtodo de mnimos cuadrados ordinarios
Simplificando:

E ' E Y ' Y 2 B ' X ' Y B ' X ' XB

El criterio del MMCO es hacer que la

E' E

Sea mnimo.

[ E ' E ] 2 X ' Y 2 X ' X 0

B
X ' XB X ' Y

Ecuaciones normales

De donde:

B ( X ' X ) 1 X ' Y

Estimador Mnimo cuadrtico

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Modelo de dos variables
Siendo el modelo a estimar:

Yi 1 2 X 2i
Entonces:

Y1
Y
2
Y Y3

...
Yn

1 X 21
1 X
22
X
... ...

1 X 2n

n
X'X
X 2i
Y

X 'Y

X
Y

2i i

X
X

2i
2
2i

ESTIMACIN DEL MODELO ECONOMTRICO

El mtodo de mnimos cuadrados ordinarios Ejemplo 1
Observacin
1
2
3
4
5
6
7
8
9
10

X
10
7
10
5
8
8
6
7
9
10
80
8

Suma
Promedio
X
1
1
1
1
1
1
1
1
1
1

10
7
10
5
8
8
6
7
9
10

Y
11
10
12
6
10
7
9
10
11
10
96
9,6

X'

1
10

1
7

X'X

10
80

80
668

X'Y

96
789

1
10

XY
110
70
120
30
80
56
54
70
99
100
789
78,9
1
5

1
8
(X'X)-1

BETA

1
8

1
6

X2
100
49
100
25
64
64
36
49
81
100
668
66,8
1
7

2,3857 -0,286
-0,286 0,0357

3,6
0,75

1
9

1
10

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Modelo de tres variables.
Siendo el modelo a estimar:

Yi 1 2 X 2i 3 X 3i

X'X

Entonces:

Y1
Y
2
Y Y3

...
Yn

1 X 21
1 X
22

X 1 X 23

... ...
1 X 2 n

X 31
X 32
X 33

...

X 3n

n
X 2i
X 3i

X
X
X X
2i
2
2i

2i

3i

2i

3i

X 'Y X Y
X Y

X
X X
X

2i i
3i i

2
3i

3i

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Ejemplo hipottico 2
Observacin
1
2
3
4
5
6
7
8
9
Suma
Promedio

X=

1
1
1
1
1
1
1
1
1

14
15
18
25
30
59
85
75
150

150
140
120
100
95
60
30
20
5

Y
15
20
50
45
26
80
90
120
160
606
67,33

X'

X2
14
15
18
25
30
59
85
75
150
471
52,33

X3
150
140
120
100
95
60
30
20
5
720
80,00

1
1
1
1
14 15 18 25
150 140 120 100

X'X

X'Y

9
471
720

471
41101
20050
606
48685
28720

1
30
95

Y*X2
210
300
900
1125
780
4720
7650
9000
24000
48685
5409,44
1 1
59 85
60 30

720
20050
80450

Y*X3
2250
2800
6000
4500
2470
4800
2700
2400
800
28720
3191,11
1
1
75 150
20
5

(X'X)-1

BETA

X2*X3
2100
2100
2160
2500
2850
3540
2550
1500
750
20050
2227,78

4,95659475 -0,0400271 -0,03438415

-0,0400271 0,00035094 0,00027077
-0,0343841 0,00027077 0,00025268

67,4641721
0,6054026
-0,3976697

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Varianzas y Covarianzas de los estimadores

Var Cov ( B ) E[ B B][ B B ]'

1 1

2 2

Var Cov ( B ) E
1 1

...

k K

2 2 ... k k

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Varianza y Covarianzas de los estimadores.

Var Cov (B )
E ( 1 1 )( 1 1 )
E ( 1 1 )( 2 2 )

E ( 2 2 )( 1 1 ) E ( 2 2 )( 2 2 )

...
...

E ( K K )( 1 1 ) E ( K K )( 2 2 )

... E ( 1 1 )( K K )
... E ( 2 2 )( K K )
...
...
... E ( K K )( K K

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Varianzas y covarianzas de los Estimadores.
Siendo:

B ( X ' X ) 1 X ' Y
Y adems:

Y XB U
Reemplazando:

B ( X ' X ) 1 X ' ( XB U )
B ( X ' X ) 1 X ' XB ( X ' X ) 1 X 'U
B B ( X ' X ) 1 X 'U

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Varianzas y Covarianzas de los Estimadores.
Se tiene:

B B ( X ' X ) 1 X 'U
Siendo:

Var Cov ( B ) E[ B B][ B B ]'

Reemplazando:

Var Cov ( B ) E[( X ' X ) 1 X 'U ][( X ' X ) 1 X 'U ]'

Var Cov ( B) E[( X ' X ) 1 X 'UU ' X ( X ' X ) 1 ]
Var Cov ( B ) ( X ' X ) 1 X ' E (UU ' ) X ( X ' X ) 1 ]
Var Cov ( B ) ( X ' X ) 1 2

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Varianza de las Perturbaciones (Varianza de la Regresin).
Considerando que:

E Y XB
E XB U X ( X ' X ) 1 X ' ( XB U )
E XB U X ( X ' X ) 1 X ' XB X ( X ' X ) 1 X 'U )
E XB U XB X ( X ' X ) 1 X 'U )
E U X ( X ' X ) 1 X 'U
E [ I X ( X ' X ) 1 X ' ]U
Si hacemos que:

A [ I X ( X ' X ) 1 X ' ]

Matriz Simtrica e Idempotente

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Varianza de las Perturbaciones.
Entonces:

E ' E U ' A' AU

E ' E U ' AU

E ' E 1

a12
a
21
... n a31

...
ak1

...
...
...
...

a1n
a2 n
a3n

...

1

2
3

...

a13
a21
a31
...

a14
a21
a31
...

ak 1

ak1 ... ak 1n n

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Varianza de las Perturbaciones.
Operando:

E' E

a a a
1 i1

E ' E 1 1ai1

1 i2

2 1ai 2

1 i3

1

2
... 1ain 3

...
n

3 1ai 3 ... n 1ain

E[ E ' E ] a11 E ( 12 ) a22 E ( 22 ) a33 E ( 32 ) ... ann E ( n2 )

E[ E ' E ] 2 [a11 a22 a33 ... ann ]

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Varianza de las Perturbaciones.

E[ E ' E ] 2Tr [ A]
E[ E ' E ] 2Tr [ I X ( XX ) 1 X ' ]
E[ E ' E ] 2 {Tr [ I ] Tr [ X ( XX ) 1 X ' ]}
E[ E ' E ] 2 {Tr [ I ] Tr [ X ' X ( XX ) 1 ]}
E[ E ' E ] 2 [n k ]
Por tanto:

E' E
nk

ESTIMACIN DEL MODELO ECONOMTRICO

El MMCO Ejemplo hipottico 2
Observacin
1
2
3
4
5
6
7
8
9
Suma
Promedio

Y
X2
15
14
20
15
50
18
45
25
26
30
80
59
90
85
120
75
160
150
606
471
67,33 52,33

X3
Y*X2
150
210
140
300
120
900
100
1125
95
780
60
4720
30
7650
20
9000
5
24000
720
48685
80,00 5409,44

Y*X3
2250
2800
6000
4500
2470
4800
2700
2400
800
28720
3191,11

X2*X3
2100
2100
2160
2500
2850
3540
2550
1500
750
20050
2227,78

YEST
16,2894
20,8715
30,6411
42,8323
47,8476
79,3227
106,993
104,916
156,286
606
67,33

E
-1,2894
-0,8715
19,3589
2,16773
-21,848
0,67726
-16,993
15,084
3,71379
3,1E-12
0,00

Como:
E'E/n-3

231,6266049

(X'X)-1

4,95659475 -0,0400271 -0,03438415

-0,0400271 0,00035094 0,00027077
-0,0343841 0,00027077 0,00025268

Entonces:
1148,079214 -9,271341811 -7,964283787

VAR(B)

-9,271341811 0,081286473
-7,964283787 0,062716872

0,062716872
0,05852626

E*E
1,66243908
0,75943468
374,768677
4,69905879
477,318943
0,4586753
288,772321
227,527867
13,7922139
1389,75963
231,63

ESTIMACIN DEL MODELO ECONOMTRICO

Descomposicin de la varianza y coeficiente de determinacin
Como:

yi y i ei
Elevando al cuadrado y aplicando el operador de sumatoria se tiene:
2
2
2
y

e
i i i 2 yi e

Como:

y e 0
i

Entonces:
2
2
2
y

i i i

SCT SEC SRC

Y Y nY Y ' Y nY E ' E
Y Y nY B ' X ' Y nY E ' E

ESTIMACIN DEL MODELO ECONOMTRICO

Descomposicin de la varianza y coeficiente de determinacin
Definicin de coeficiente de determinacin:
2
2
y
e

SEC i
i
R2

2
STC yi2
y
i

B ' X ' Y nY
R
Y ' Y nY
2

Es la bondad de ajuste. Mide la proporcin o porcentaje de la variacin total

de la variable endgena explicada por el modelo de regresin.
Frmula alternativa solo para el modelo de dos variables:
2
2
x
[
x
y
]
r 2 22 i2 2 i i 2
yi xi yi

r r
2

x y
x y
i

2
i

El coeficiente de correlacin es una medida de asociacin lineal

2
i

ESTIMACIN DEL MODELO ECONOMTRICO

Matriz de coeficientes de correlacin
Dado k variables, es posible calcular la siguiente matriz simtrica:

r11
r
21

r31

.
.

rk1

r12
r22
r32
.
.
rk 2

r13

. . r1k

r11
r
12

r23 . . r2 k
r33 . . r32 r13

. . . . .
. . . . .

rk 3 . . rkk r1k

r21

r31 . . rk1

r22

r32

r23
.

r33
.

.
r3k

r2 k

. . rk 2
. . rk 3

. . .
. . .

. . rkk

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial
Dada la siguiente FRM:

y i 2 x2i 3 x3i 4 x4 ... k xki

Considerando el MMCO se tiene:
2

x
y

x
2i i 2 2i 3 x2i x3i 4 x2i x34 ... k x2i xki
2

x
y

x
x

x
3i i 2 3i 2i 3 3i 4 x3i x4i ... k x3i xki

...

...

...

...
...

...
...

...
...

x
y

x
x

x
x

x
x

...

x
ki i 2 ki 2i 3 ki 3i 4 ki 4i
k ki

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial
Las ecuaciones normales se puede escribir como:

S1r21 2 S 2 r22 3 S3 r23 4 S 4 r24 ... k S k rk 2

S1r31 2 S 2 r32 3 S3 r33 4 S 4 r34 ... k S k r3k
S1r41 2 S 2 r42 3 S 3 r43 4 S 4 r44 ... k S k r4 k
...

...

...

...
...

...
...

...
...

S1rk1 2 S 2 rk 2 3 S 3 rk 3 4 S 4 rk 4 ... k S k rkk

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial
Segn la regla de Cramer:

S1r21
S1r31

S 3 r23
S 3 r33

S 4 r24
S 4 r34

... S k r2 k
... S k r3k

S1r41
...

S 3 r43
...

S 4 r44
...

... S k r4 k
...
...

S1rk 1
S 2 r22

S 3 rk 3
S 3 r23

S 4 rk 4
S 4 r24

... S k rkk
... S k r2 k

S 2 r32
S 2 r42

S1r33
S1r43

S 4 r34
S 4 r44

... S k r3k
... S k r4 k

...

...

...

...

...

S 2 rk 2

S1rk 3

S 4 rk 4

...

S k rkk

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial

r21
r31

r23
r33

r24
r34

... r2 k
... r3 k

r41
...

r43
...

r44
...

... r4 k
... ...

S1S 3 S 4 ...S k rk 1

2
S 2 S 3 S 4 ...S k r22
r32
r42

rk 3
r23

rk 4
r24

... rkk
... r2 k

r33
r43

r34
r44

... r3k
... r4 k

...

...

...

...

...

rk 2

rk 3

rk 4

...

rkk

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial

r21
r31

r23
r33

r24
r34

... r2 k
... r3k

r41
...

r43
...

r44
...

... r4 k
... ...

S1 rk 1

2
S 2 r22
r32
r42

rk 3
r23

rk 4
r24

r33
r43

r34
r44

... rkk
S1 12

... r2 k
S 2 11
... r3k
... r4 k

...

...

...

...

...

rk 2

rk 3

rk 4

...

rkk

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial

r21
r31

r23
r33

r24
r34

... r2 k
... r3k

r41
...

r43
...

r44
...

... r4 k
... ...

S1 rk 1

3
S 3 r22
r32
r42

rk 3
r23

rk 4
r24

r33
r43

r34
r44

... rkk
S1 13

... r2 k
S 3 11
... r3k
... r4 k

...

...

...

...

...

rk 2

rk 3

rk 4

...

rkk

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial

r21
r31

r23
r33

r24
r34

... r2 k
... r3k

r41
...

r43
...

r44
...

... r4 k
... ...

S1 rk 1

4
S 4 r22
r32
r42

rk 3
r23

rk 4
r24

r33
r43

r34
r44

... rkk
S1 14

... r2 k
S 4 11
... r3k
... r4 k

...

...

...

...

...

rk 2

rk 3

rk 4

...

rkk

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial

r21
r31

r23
r33

r24
r34

... r2 k
... r3k

r41
...

r43
...

r44
...

... r4 k
... ...

S1 rk 1

k
S 2 r22
r32
r42

rk 3
r23

rk 4
r24

r33
r43

r34
r44

... rkk
S1 1k

... r2 k
S k 11
... r3k
... r4 k

...

...

...

...

...

rk 2

rk 3

rk 4

...

rkk

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial
Segn la regla de Cramer:

S1 12

2
S 2 11

Cuyos cofactores representan:

12

r21 r23 . . . r2 k
r31 r33 . . . r3k
.
. . . . .
.
. . . . .
.
. . . . .
rk1 rk 3 . . . rkk

r22

r23 . . . r2 k

r32

r33 . . . r3k

.
11
.

.
.

. . .
. . .

.
.

. . .

rk 2

rk 3 . . . rkk

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficientes de regresin y correlacin parcial
En general,

S1 1i

2
Si 11
Por tanto, se puede escribir:

y i 2 x2i 3 x3i 4 x4 ... k xki

13
1k
11
12
y i
x 2i
x3i ...
xki 0
S1
S2
S3
Sk

INFERENCIA ESTADSTICA
Supuestos del modelo clsico de regresin lineal normal (MCRLN)
El MCRLN supone que:

E ( i / X i ) 0

Media

E[ i E ( i )]2 E[ i2 ] 2

Covarianza

E[ i E ( i )][ j E ( j )] 0

Varianza

i ~ NID(0, 2 )
Nota:
Toda variable que es funcin lineal de una variable aleatoria es
tambin una variable aleatoria.
Existe una relacin entre distribuciones de probabilidad.

INFERENCIA ESTADSTICA
Supuestos del modelo clsico de regresin lineal normal (MCRLN)

Yi 1 2 X 2i 3 X 3i 4 X 4i ... k X ki i
E (Yi ) 1 2 X 2i 3 X 3i 4 X 4i ... k X ki i

Media

E[Yi E (Yi )]2 E[ i2 ] 2

Varianza

E[Yi E (Yi )][Y j E (Y j )] [ i j ] 0

Covarianza

Yi ~ NID ( 1 2 X 2i 3 X 3i ... k X k , 2 )

INFERENCIA ESTADISTICA
Propiedades de los estimadores MCO bajo el supuesto de normalidad

De acuerdo con la distribucin normal:

Z1

1 1
~ N (0,1)
2 2
Xi
2
x
i

2 2
Z2
~ N (0,1)
2

2
x
i

Adems se puede demostrar que:

2
(n 2) 2 ~ n2 2

O alternativamente,

2
e
i ~ 2
n2
2

INFERENCIA ESTADISTICA
Teoremas tiles relacionadas con la distribucin normal
Teorema 1:

Z i ~ NI (0,1)
Teorema 2:

Z1 ~ N (0,1)
V2 ~ k2

2
2
Z
~

i n
i 1

Z1
~ tk
V2
k

Teorema 3:

V1 ~ k21

V2 ~ k22

Teorema 4:

t k2 F1,k

V1 / k1
~ Fk1 ,k 2
V2 / k 2

INFERENCIA ESTADSTICA
Utilizando los teoremas planteados se deducen
Considerando que:

Z2

2 2

~ N (0,1)

2
V2 (n 2) 2 ~ n2 2

2
x
i

Utilizando el teorema 2, se obtiene:

tn2

2 2
2
2
x
i

2
(n 2) 2

n2

2 2 2 2

2
S 2

xi2

INFERENCIA ESTADSTICA
Utilizando los teoremas planteados se deducen
Por el teorema 1:

2 2
Z2
~ N (0,1)
2

2
x
i

2
2

]
x

2 i
2
Z 22 [ 2 2 2 ]2 2

1
2

2
x
i

Como tambin:

[ 2 2 ]2 xi2

V2 (n 2)
~ n2 2

Entonces, utilizando el Teorema 3, se deduce:

F1,n 2

2
1

2
( n 2) 2

n2

INFERENCIA ESTADSTICA
En resumen se tiene las siguiente variables aleatorias

Z1

1 1

X
n x
2
i

~ N (0,1)

2
i

1 1

X
n x
2
i

2
i

~ tn2

2 2
Z2
~ N (0,1)
2

2
x
i

2 2

2
x
i

[ 2 2 ]2 xi2
~ F1,n 2
2

~ tn2

INFERENCIA ESTADSTICA
Intervalos de confianza para los coeficientes de Regresin

Pr[t / 2

Pr[ 2 t / 2

2 2

t / 2 ] 1
2

2
x
i

2
2 2 t / 2
2
xi

2
1
2
xi

INFERENCIA ESTADSTICA
Intervalos de confianza para los coeficientes de Regresin

2
(n 2) 2 ~ n2 2

Pr[ 12 / 2 2 2/ 2 ] 1
Pr[ 12 / 2

2
(n 2) 2 2/ 2 ] 1

2
2

Pr[(n 2) 2 2 (n 2) 2 ] 1
/ 2
1 / 2

INFERENCIA ESTADSTICA
Prueba de hiptesis
La relacin entre la variable endgena y exgena viene dada por la
dependencia lineal del valor medio de la variable endgena respecto de la
variable exgena:

E (Yi / X i ) 1 2 X i
La hiptesis de no relacin entre la variable endgena y la variable exgena
es:

H0 : 2 0
Si no tenemos ningn conocimiento previo respecto a los valores de los
parmetros de la regresin, la hiptesis alternativa ser:

H A : 2 0

INFERENCIA ESTADSTICA
Prueba de hiptesis
Para contrastar la hiptesis nula utilizamos el estadstico de prueba
deducido:

t
2

2 2
2
2
x
i

El cual bajo la hiptesis nula propuesta ser:

t
2

2
2
2
x
i

Un valor grande de t ser evidencia en contra de la hiptesis nula.

INFERENCIA ESTADSTICA
No existe relacin entre la variable endgena y la exgena
Debido a que el estadstico de prueba sigue una distribucin t se puede
utilizar para determinar si un valor t particular es grande o pequeo
estableciendo intervalos de confianza como el siguiente:

Pr[t / 2

Donde:

2 2

t / 2 ] 1
2

xi2

t / 2 Es el valor crtico obtenido de la tabla t (student) para un nivel de

significancia y grados de libertad dados.
El intervalo de confianza establecido es conocido como la regin de
aceptacin (de la hiptesis nula) y las regiones que quedan por fuera del
intervalo de confianza son llamadas las regiones de rechazo.

INFERENCIA ESTADSTICA
Esquema de prueba de significancia individual

Se acepta la hiptesis nula si

el estadstico de la prueba cae
dentro de esta regin.

Se rechaza la
hiptesis nula

Se rechaza la
hiptesis nula

Area A = rea B
(A+B) = el nivel
deseado
de
significancia

Area A

Area B

- Valor
critico

+ Valor
critico

INFERENCIA ESTADSTICA
Determinacin de los valores crticos
Distribucin de t Student

0.025

0.025

- 2.086

+ 2.086

Nivel de significancia: 0.05

Grados de libertad: 20

INFERENCIA ESTADSTICA
Prueba de significancia individual Ejemplo hipottico.
Hiptesis:

H A : 2 0

H0 : 2 0

Estadstico de prueba:

tn2
Regla de decisin:

2
0.6470

11.65
2
86.9187

2
28,160
x
i

Se rechaza

Se rechaza
Se acepta
0.05

-2.306
Valor critico

0.05

2.306
Valor critico

11.65

INFERENCIA ESTADSTICA
Algunos aspectos prcticos
Si el nmero de grados de libertad es 20 y si el nivel de significancia, se
fija en 0.05, entonces la hiptesis nula puede ser rechazada si el t
calculado excede a 2 en valor absoluto.
Cmo se formula las hiptesis?: no existe regla prctica
Rechazar o no rechazar la hiptesis nula depende en forma crtica del
nivel de significancia: Rechazar la hiptesis nula siendo esta verdadera
(error tipo I).
Una vez que se ha obtenido un estadstico de prueba se puede obtener
la probabilidad exacta de cometer un error tipo I: el nivel de significancia
ms bajo al cual puede rechazarse una hiptesis nula.
0.05

0.05

INFERENCIA ESTADSTICA
Prueba de significancia global
Puede demostrarse que:

E ( SEC ) E ( 22 x i ) 2 22 xi2
2

ei

[1]

E ( SRC ) E (

n2

) E ( 2 ) 2

[2]

Hiptesis:

H 0 : 2 0

La variable explicativa, X, no tiene influencia lineal sobre Y.

Toda la variacin de Y es explicada por las perturbaciones
aleatorias.

H 0 : 2 0 La variable explicativa, X, tiene influencia lineal sobre Y. parte

de la variacin de Y se atribuir a X.

INFERENCIA ESTADSTICA
No existe relacin entre la variable endgena y la exgena
Estadstico de prueba:

F1,n 2

[ 2 2 ]2 xi2

F1,n 2

22 xi2

Este estadstico es una razn de varianzas. Debido a que el estadstico de

prueba es una distribucin F se puede utilizar para determinar si esta razn
es grande o pequeo estableciendo intervalos de confianza como el
siguiente:

Pr[

2 2
Fk1 ,k2 , ] 1
2

2
x
i

Un valor grande de F ser evidencia en contra de la hiptesis nula.

INFERENCIA ESTADSTICA
Esquema de prueba de significancia individual

Se acepta la hiptesis nula si

el estadstico de la prueba cae
dentro de esta regin.

Se rechaza la
hiptesis nula

Nivel de significancia
deseado

+ Valor
critico

PRUEBAS DE HIPTESIS
Determinacin de los valores crticos
Distribucin F Snedecor

+ 4.11

Nivel de significancia: 0.10

Grados de libertad: 4 en el numerador
y 4 en el denominador

INFERENCIA ESTADSTICA
Prueba de significancia global Ejemplo hipottico.
Hiptesis:

H A : 2 0

H0 : 2 0

Estadstico de prueba:

22 xi2 [0.418631][28,160]
F1,8

135.6285
2

86.9187
Regla de decisin:

Se acepta

Se rechaza

0.05
0.90

0.10

0.05

3.46
Valor critico

135.6285

INFERENCIA ESTADSTICA
Tabla ANOVA ejemplo hipottico.

SUMA DE CUADRADOS

GRADOS
DE
LIBERTAD

Debido a la regresin (SEC)

yi2 22 x i

Debido a los residuos (SRC)

ei

n-2

STC

n-1

FUENTE DE VARIACIN

2
i

Regla de decisin:

FC FT

Se rechaza la hiptesis.

SUMA PROMEDIO DE
CUADRADOS

22 xi2

ei / n 2
2

PREDICCIN
Prediccin

Hay dos clases de predicciones:

Prediccin del valor de la media condicional de Y correspondiente a un
valor escogido X.
Prediccin de un valor individual Y correspondiente a un valor escogido X

PREDICCIN
Prediccin media
Supongamos que para un valor:

X 0 100
Deseamos predecir:

E (Y0 / X 0 ) 100
Deseamos predecir:

PREDICCIN
Prediccin media

PREDICCIN
Prediccin individual