Inferencias acerca del

parmetro de la pendiente
1
En casi todo el trabajo inferencial realizado hasta el momento, el concepto de
variabilidad de muestreo ha sido dominante. En particular, las propiedades de
las distribuciones de muestreo de varios datos estadsticos han sido la base
para desarrollar formulas del intervalo de confianza y mtodos de prueba de
hiptesis. La idea clave es que el valor de casi cualquier cantidad calculada a
partir de los datos mustrales, el valor de casi cualquier dato estadstico, va a
variar de una muestra a otra.

Veamos un ejemplo
X
Y

100

12 12 15 15 20 20 25 25 30 30 35 40 40
5
5
0
0
0
0
0
0
0
0
0
0
0

15 14 18 21 19 32 28 40 43 44 39 60 61 67
Del
0 ejercicio
0
0 dado
0 considere
0
0 los
0 datos
0 de
0 X=0rapidez
0 de
0 liberacin
0
0

de calor del rea del quemador y Y= proporcin de emisiones de

NOx. Hay 14 observaciones, hechas en los valores de x. suponga
que pendiente y la ordenada al origen de la recta de regresin
verdadera son 1=1.70 y 0=-50 con =35(consistente con los
valores `1=1,7114, 0= - 45.55, s=36.75). Se procede a generar
una muestra de desviaciones aleatorias a 0 + 1 x para
obtener los 14 valores correspondientes de Y.
Los clculos de regresin se realizaron para obtener, la pendiente
estimada, la ordenada al origen y la desviacin estndar.

Este proceso se repiti un total de

20 veces y se obtuvieron los valores.
1

1.7559

-60.62

43.23

1.7843

-67.36

41.80

1.6400

-49.40

30.69

1.5822

-28.64

32.46

1.4699

-4.80

36.26

1.8194

-83.99

40.80

1.6944

-41.95

22.89

1.6469

-32.03

28.11

1.4497

5.80

36.84

1.7712

-52.66

33.04

1.7309

-70.01

39.56

1.7004

-58.06

43.44

1.8890

-95.01

42.37

1.6103

-27.89

25.60

1.6471

-40.30

43.71

1.6396

-24.89

40.78

1.7216

-42.68

23.68

1.7857

-77.31

32.38

1.7058

-63.31

31.58

1.6342

-17.00

30.93

Hay variacin clara de los valores estimados de la pendiente y la

ordenada al origen, as como de la desviacin estndar. Por lo tanto, la
ecuacin de mnimos cuadrados varia de una muestra a la siguiente.

Se muestra un diagrama de puntos de las pendientes estimadas,

as como las graficas de la recta de regresin verdadera y las
rectas de regresin de 20 muestras.

 La pendiente1 de la recta de regresin

poblacional es el cambio promedio real en la
variable independiente y relacionada con un
incremento unitario en la variable independiente
X. La pendiente de la recta de mnimos
cuadrados, proporciona una estimacin
puntual de 1. del mismo que un intervalo de
confianza se basaron en las propiedades de la
distribucin de muestreo de mas inferencias
respecto a 1 se basan en considerar a 1 como
uno estadstico e investigar su distribucin de
muestreo.

Se supone que los valores de las X; se eligen antes de realizar el

experimento, de modo que solo las Y son aleatorias. Los estimadores
(estadsticos y por consiguiente, variables aleatorias) para 0 y 1 se
obtienen al remplazar Y en las ec.(1)y(2)

De manera similar, el estimador para 2 resulta de remplazar cada

y en la formula para S 2 por la variable aleatoria y:

El denominador de 1, S xx =(X-) 2, depende solo de las Y, as

que es una constante. Entonces, como (X-)=Y(x-)=
(0)=0 el estimador de la pendiente se puede escribir como.

Es decir 1 es una funcin lineal de las variables

independientes Y1,Y2,..Yn. Cada una de las cuales tiene una
distribucin normal.

El recurrir a las propiedades de una funcin lineal de variables

aleatorias da lugar a resultados siguientes.
1. El valor de 1 es E(1)=1, =1, as 1 es un estimador
insesgado de 1(la distribucin de 1 se centra siempre en el
valor de 1)
2. La varianza y la desviacin estndar de 1 son

Al reemplazar por su estimacin s se obtiene una estimacin

para 1, la desviacin estndar estimada, es decir, el error
estndar estimado, de 1):
3. El estimador 1tiene una distribucin normal(debido a que es
una funcin lineal de las variables aleatorias normales
independientes.

Teorema. Las suposiciones del modelo de regresin lineal

simple implica que la variable estandarizada tiene una
distribucin t con n 2 gl.

Intervalo de confianza para 1

Como en la deduccin previa de los IC, se empieza con un enunciado de
probabilidad:

El manejo de las desigualdades dentro de los parntesis para

aislar 1 y la sustitucin de las estimaciones en lugar de los
estimadores proporciona la formula del IC.

Este intervalo tiene la misma forma general que muchos de los

intervalos previos. esta centrado en la estimacin puntual del
parmetro, y la cantidad que abarca a cada lado de la estimacin
depende del nivel de confianza deseado(por el valor critico t) y la
cantidad de variabilidad en el estimador 1(por s 1 que tendera a
ser pequea cuando haya poca variabilidad en la atribucin de 1
y grande en caso contrario)

Veamos un ejemplo: