UNSCH

CAPTULO 2
MODELO DE REGRESIN DE DOS
VARIABLES

Econ. Juan A. Huaripuma Vargas

20 de enero de 2015

CONTENIDO

Planteamiento de la teora o de la hiptesis

Especificacin del modelo Matemtico de la Teora

Especificacin del Modelo Economtrico

Estimacin del modelo economtrico

Inferencia estadstica

Prediccin

PLANTEAMIENTO DE LA TEORA O HIPTESIS

La funcin consumo de Keynes

La ley psicolgica fundamental consiste en que los hombres [y las

mujeres] como regla general y en promedio, estn dispuestos a
incrementar su consumo a medida que su ingreso aumenta, pero no en
la misma cuanta del aumento en su ingreso. (John Maynard Keynes,
The General Theory of Employment, Interest and Money, Harcourt
Brace Jovanovich, New York, 1963, p. 96)

ESPECIFICACION DEL MODELO MATEMTICO DE LA TEORIA

Modelo econmico
Segn la teora:

Y f (X )
,

Y
0
1
X

Por simplicidad asumamos que:

Y 1 2 X

0 2 1

Si se tiene el siguiente par de observaciones:

Yi

Xi

i 1,2,3,..., m

Entonces, se tendra la siguiente relacin exacta o determinstica:

Yi 1 2 X i

0 2 1

ESPECIFICACION DEL MODELO MATEMTICO DE LA TEORIA

Del modelo econmico al modelo econmetrico

Yi 1 2 X i

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 i i
,

0 2 1

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

E ( i / X i ) 0

Media

E ( i j / X i , X j ) 0

Covarianza

E ( i2 / X i ) 2

Varianza

i ~ NID (0, 2 )

Distribucin normal e independiente

Xi

Son fijas !!

ESPECIFICACIN DEL MODELO ECONOMTRICO

Propiedades de la variable aleatoria

E (Yi ) 1 2 X i

ESPECIFICACIN DEL MODELO ECONOMTRICO

Funcin de regresin poblacional
Del modelo economtrico:

Yi 1 2 X i i
Se deduce:

E (Yi / X i ) 1 2 X i

Funcin de Regresin Poblacional (FRP)

Puesto que:

E ( i / X i ) 0

Xi

Es fija 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 / X i ) 1 2 X i

ESTIMACIN DEL MODELO ECONOMTRICO

Funcin de regresin muestral
Dado el siguiente modelo economtrico:

Yi 1 2 X i i
Si el objetivo es estimar:
,

E (Yi / X i ) 1 2 X i
Considerando 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 i

Funcin de regresin muestral (FRM)

Donde:

Yi 1 2

Son estimadores de:

E (Yi / X i ) 1 2

ESTIMACIN DEL MODELO ECONOMTRICO

Funcin de regresin muestral (FRM)

FRM : Yi 1 2 X i

ESTIMACIN DEL MODELO ECONOMTRICO

Recta de regresin muestral y poblacional

Yi

Yi 1 2 X i

ei

Yi

E (Yi / X i ) 1 2 X i

E (Yi / X i )
Consumo

Semanal, US$

P ( X i ,Yi )

Xi
Ingreso Semanal, US$

ESTIMACIN DEL MODELO ECONOMTRICO

Recta de regresin muestral y error muestral

P ( X i ,Yi )

Consumo Semanal, US$

Yi

ei

Yi 1 2 X i

ei

Yi

P ( X i ,Yi )

Xi
Ingreso Semanal, US$

ESTIMACIN DEL MODELO ECONOMTRICO

El mtodo de mnimos cuadrados ordinarios
Considerando que:

ei Yi 1 2 X i
Elevando al cuadrado y aplicando el operador de sumatoria se tiene:

2
2

[
Y

X
]
i i 1 2 i

El criterio del MMCO es hacer que la

2
[ ei ]

1
1

2
[ ei ]

2
2

2
e
i

Sea mnimo.

[Y X ] 0
2

[Y X ] 0
2

ESTIMACIN DEL MODELO ECONOMTRICO

El mtodo de mnimos cuadrados ordinarios ecuaciones normales
Derivando se obtiene:

[ ei2 ] 2 [Yi 1 2 X i ][1] 0

1

[ ei2 ] 2 [Yi 1 2 X i ][ X i ] 0
2

[e ] 0
i

[e ][ X ] 0
i

Multiplicando y transponiendo trminos se tiene las siguientes ecuaciones

normales:

n1 2 X i

X
Y

X
i i 1 i 2 i

[1]
[2]

ESTIMACIN DEL MODELO ECONOMTRICO

Poblacin Ejemplo hipottico de 60 familias.

ESTIMACIN DEL MODELO ECONOMTRICO

Poblacin Ejemplo hipottico de 60 familias.

ESTIMACIN DEL MODELO ECONOMTRICO

Muestra aleatoria Ejemplo hipottico de 10 familias.

ESTIMACIN DEL MODELO ECONOMTRICO

Muestra aleatoria Ejemplo hipottico de 10 familias.
Muestra Aleatoria
N

Consumo

Ingreso

Aleatorio

Observacin

X*Y

X^2

65

100

6,500

10,000

14

90

120

10,800

14,400

51

165

240

39,600

57,600

24

102

160

16,320

25,600

49

145

240

34,800

57,600

32

120

180

21,600

32,400

27

116

160

18,560

25,600

34

135

180

24,300

32,400

45

157

220

34,540

48,400

10

55

80

4,400

6,400

211,420

310,400

Sumatoria

1150

1680

Promedio

115

168

Fuente: Gujarati (2004) "Econometra" Pg. 37

ESTIMACIN DEL MODELO ECONOMTRICO

Aplicacin del Mtodo de mnimos cuadrados ordinarios
De la tabla anterior se deduce los siguientes clculos auxiliares:

X
Y 1,150
X Y 211,420 X
i

i
2
i

1,680

n 10

310,400

Reemplazando en las ecuaciones normales se tiene:

1,150 101 1,680 2

211,420 1680 1 310,400 2
Se tiene dos ecuaciones y dos incgnitas Existe una sola solucin!

ESTIMACIN DEL MODELO ECONOMTRICO

Resultados del Mtodo de mnimos cuadrados ordinarios
Resolviendo las ecuaciones se tiene:

1 6.30113636
2 0.64701705
Por tanto, la FRM es:

Yi 6.30113636 0.64701705 X i
El consumo autnomo estimado es US$ 6.3 semanales

La propensin marginal a consumir estimado es 0.64. Si el ingreso

semanal aumenta en US$ 1 el gasto de consumo semanal aumenta en US$
0.64.

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades del mtodo de mnimos cuadrados ordinarios
Muestra Aleatoria
Consumo

Ingreso

Consumo
Estimado

Error Muestral

Aleatorio

N
Observaci
n

YEST

E*X

65

100

71.00284136

-6

-600

14

90

120

83.94318236

727

51

165

240

161.5852284

820

24

102

160

109.8238644

-8

-1,252

49

145

240

161.5852284

-17

-3,980

32

120

180

122.7642054

-3

-498

27

116

160

109.8238644

988

34

135

180

122.7642054

12

2,202

45

157

220

148.6448874

1,838

10

55

80

58.06250036

-3

-245

Sumatoria

Promedio

1,150

1,680

115

168

1,150
115

Fuente: Gujarati (2004) "Econometra" Pg. 37

Intercepto

6.30113636

Pendiente

0.64701705

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades del mtodo de mnimos cuadrados ordinarios
De las ecuaciones normales se tiene:

[ei ] 0

[e ][ X ] 0
i

Y n1 2 X

Y Y

De la FRM se tiene:

Yi 1 2 X i

Y n
i

2 X i

Yi Y 2 ( X i X )
y i 2 xi
Donde:

y i Yi Y

xi X i X

Y 1 2 X

FRMD

ESTIMACIN DEL MODELO ECONOMTRICO

Estimacin de la FRM utilizando variables en trminos de desviaciones
Por definicin:

ei Yi Yi Yi Y Y Y (Yi Y ) (Yi Y ) yi y i
Elevando al cuadrado y aplicando el operador de sumatoria:
2
2
2

(
y

y
)

(
y

x
)
i i i i 2 i

2
2

[ ei ]
[
y

x
]
0

i
2 i
2
2

x
y

x
[ ei2 ] 2 [ yi 2 xi ][ xi ] 0

i i
2 i 0
2
Por tanto:
xi yi

1 Y 2 X
2
2
xi

ESTIMACIN DEL MODELO ECONOMTRICO

Mtodo de mnimos cuadrados ordinarios Ejemplo hipottico
De la tabla anterior se deduce los siguientes clculos auxiliares:

xi y i 18,220

2
x
i 28,160

X 168

Y 115
Reemplazando se tiene:

xy

x
i

2
i

0.647017045

1 Y 2 X 6.30113636 4

Y adems se puede confirmar las propiedades del mtodo de mnimos

cuadrados ordinarios

ESTIMACIN DEL MODELO ECONOMTRICO

Mtodo de mnimos cuadrados ordinarios con desviaciones
Muestra Aleatoria
Consumo
Y

Ingreso
X

xy

x^2

64

yest
43.997159
1
31.056818
2
46.585227
3
5.1761363
6

5184

46.585227
3

65

100

-50

-68

3400

4624

90

120

-25

-48

1200

2304

165

240

50

72

3600

5184

102

145

160

240

-13

30

-8

72

104

2160

120

180

12

60

144

116

160

-8

-8

64

135

180

20

12

240

144

157
55
1,150

220
80
1,680

42
-60
0

52
-88
0

2184
5280
18,220

2704
7744
28,160

7.7642045
5
5.1761363
6
7.7642045
5
33.644886
4
-56.9375
0

-6

6
3

-8

-17

-3

6
12
8
-3
0

ex
408.19318
2
290.72727
3
245.86363
6
62.590909
1
1194.1363
6
33.170454
5
49.409090
9
146.82954
5
434.46590
9
269.5
0

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov
Los estimadores:

xy

x
i

2
i

1 Y 2 X

Son funciones lineales de las observaciones reales de la variable

endgena.
Son Insesgados.
Tienen varianza mnima.
Son estimadores ptimos!!

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov
Es funcin lineal de las observaciones reales de la variable endgena:

x y
x
w y

2
2

2
i

Donde:

2 wi (Yi Y )

wi

xi
2
x
i

Siendo:

2 wiYi
2 w1Y1 w2Y2 w3Y3 w4Y4 ... wnYn

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov
Es Insesgado:

2 wiYi
Considerando que:

Yi 1 2 X i i

2 wi [ 1 2 X i i ]
2 1 wi 2 wi X i wi i
E ( 2 ) 2 wi E ( i )
E ( 2 ) 2

Como:

E ( i ) 0

Es una propiedad multimuestral !!

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov
Tiene Varianza Mnima

2 2 wi i

E[ 2 2 ]2 E[ wi i ]2
Var [ 2 ] E[ wi i ]2
Var ( 2 ) E ( w11 w2 2 ... wn n ) 2

Var ( 2 ) E ( w12 12 w22 22 ... wn2 n2 2 w1w2 1 2 ... 2 wn 1wn n 1

Var ( 2 ) 2 wi2

2
Var ( 2 )
2
x
i

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov
Sea el siguiente estimador lineal:

2 ci y i ci (Y i Y ) ciYi
Reemplazando se tiene:

2 ci (1 2 X i i ) 1 ci 2 ci X i ci i
Aplicando el operador de esperanza matemtica:

E ( 2 ) 2

Siempre y cuando que:

c X
i

E ( i ) 0

Este estimador arbitrario es lineal e insesgado bajo ciertas condiciones.

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov varianza mnima.
Si esas ciertas condiciones se cumplen:

2 2 ci i
Despejando, elevando al cuadrado y aplicando el operador de esperanza
matemtica, se tiene:

Var ( 2 ) E ( 2 2 ) 2 E ( ci i ) 2
Var ( ) E (c c ... c ) 2
2

Var ( 2 ) E (c12 12 c22 22 ... cn2 n2 2c1c2 1 2 ... 2cn 1cn n 1 n )

Var ( ) 2 c 2
2

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov varianza mnima.
Considerando los multiplicadores de Lagrange:

Z 2 ci2 1 ci 2 ci X i
La varianza ser mnima si se cumple que:

Z
0
ci
Z
0
1
Z
0
2

Z
2ci 2 1 2 X i 0
ci
Z
ci 0
1
Z
( ci X i 1) 0
ci

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov varianza mnima.
De lo anterior:

1
ci
[1 2 X i ]
2
2

La varianza ser mnima si se cumple que:

1
n1 2 X i 0
[n1 2 X i ] 0
2
2
1
2
2
2
c
X

i i 2 2 1 i 2 i
1
i
2
i

ci

De donde:

2 2 X
1
2
x
i

2 2
2
2
x
i

ESTIMACIN DEL MODELO ECONOMTRICO

Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov varianza mnima.
Remplazando se tiene que:

xi
ci
2
x
i

ci wi ?

Es decir, este estimador arbitrario es igual a:

2 ci y i

x y
x
i

2
i

Por tanto su varianza ser:

2

Var ( 2 ) 2 ci2
2
x
i

En conclusin: El estimador mnimo cuadrtico, es lineal, insesgado y tiene

varianza mnima Es un estimador eficiente !!!

ESTIMACIN DEL MODELO ECONOMTRICO

Varianza de la regresin
Siendo el modelo:

Yi 1 2 X i i
Y su contraparte muestral:

Yi 1 2 X i ei
A partir de,

ei yi y i

E ( ei2 ) (n 2) 2

Se obtiene:

2
E
(
e

i )
2

n2

El cual para una muestra particular ser:

2
e
i

n2

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
e

(
y

y
)

i i i

Como:

2
2
2
y

i i i 2 yi e

y e ( x )e
i

Entonces:
2
2
2
y

i i i

SCT SEC SRC

2 i

2 xi ei 0

ESTIMACIN DEL MODELO ECONOMTRICO

Descomposicin de la varianza y coeficiente de determinacin

Yi

Yi 1 2 X i

ei
Yi

Total

Yi Y

Debido al residuo

Yi
Yi Y

Debido a la regresin

Consumo

Semanal, US$

Yi

Xi

Ingreso Semanal, US$

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

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

de la variable endgena explicada por el modelo de regresin.
Frmulas alternativas:
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

Diagramas de dispersin y coeficientes de correlacin
330
280

Incorrelacin

230
180
130
80
30
140

150

160

170

180

190

200

ESTIMACIN DEL MODELO ECONOMTRICO

Descomposicin de la varianza y coeficiente de determinacin
Muestra Aleatoria
Consumo
Y

Ingreso
X

xy

x^2

65

100

-50

-68

3400

4624

90

120

-25

-48

1200

2304

165

240

50

72

3600

5184

102

160

-13

-8

104

64

145

240

30

72

2160

5184

120

180

12

60

144

116

160

-8

-8

64

135

180

20

12

240

144

157

220

42

52

2184

2704

55

80

-60

-88

5280

7744

1,150
0
18,220Hill, p28,160
FUENTE:
Gujarati, 1,680
Damodar N. 0
(2004) "Econometra"
McGraw
37.
115
168
0
0
Fuente: Gujarati (2004) "Econometra" Pg.
37
6.3011363

1,822

0.6470170

2,816

yest
43.997159
1
31.056818
2
46.585227
3
5.1761363
6
46.585227
3
7.7642045
5
5.1761363
6
7.7642045
5
33.644886
4
-56.9375
0
0

y^2

-6

2,500

625

2,500

-8

169

-17

900

-3

25

12

400

1,764

-3
0
0

3,600
12,484
1,248

yest^2

e^2

1935.7500
1
36.034099
964.52595 36.685046
6
5
11.660672
2170.1834
8
26.792387 61.212842
7
2
275.06976
2170.1834
4
60.282872 7.6408267
2
7
26.792387
7
60.282872
2
1131.9783
8
3241.8789
1
11,789
1,179

38.144660
4
149.71469
69.807923
9
9.3789062
5
695
70

ESTIMACIN DEL MODELO ECONOMTRICO

Coeficiente de determinacin y varianza de la regresin
En resumen:

STC

SEC

SCR

12,484

11,789

695

Por tanto:

2
2
y
e
SEC i
695

i
2
r

1
1
0.94
2
2
STC yi
12,484
yi

x y
x y
i

2
i

2
i

18,220
0.97
28,160 12,484

2
e
695

i
2

86.9187
n2
8

ESTIMACION DEL MODELO ECONOMTRICO

Modelos economtricos alternativos

Yi i
Yi X i i
Yi 1 2

1
i
Xi

1
1 2 X i i
Yi

LnYi 1 2 LnX i i
LnYi 1 2 X i i
Yi a bX 2i cX 22i i
Yi 1 2 X 2i 3 X 3i i
Yi 1 2 X 2i 3 X 3i ... k X ki i

Yi 1 2 LnX i i

PRUEBAS DE HIPTESIS
El modelo clsico de regresin lineal normal (MCRLN)
El MCRLN supone que:

E ( i / X i ) 0
E[ i E ( i )]2 E[ i2 ] 2
E[ i E ( i )][ j E ( j )] 0
El cual puede expresarse como:

i ~ NID(0, 2 )
Cualquier funcin lineal de variables normalmente distribuidas estar
tambin normalmente distribuida.
Se relaciona con otras distribuciones.

PRUEBAS DE HIPTESIS
Propiedades de los estimadores MCO bajo el supuesto de normalidad

Entonces, de acuerdo con las propiedades de la distribucin normal, las

variables, definidas como:

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

PRUEBAS DE HIPTESIS
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

PRUEBAS DE HIPTESIS
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

PRUEBAS DE HIPTESIS
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

PRUEBAS DE HIPTESIS
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

PRUEBAS DE HIPTESIS
No existe relacin entre la variable endgena y la exgena
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

PRUEBAS DE HIPTESIS
No existe relacin entre la variable endgena y la exgena
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.

PRUEBAS DE HIPTESIS
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.

PRUEBAS DE HIPTESIS
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

PRUEBAS DE HIPTESIS
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

PRUEBAS DE HIPTESIS
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.

PRUEBAS DE HIPTESIS
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.

PRUEBAS DE HIPTESIS
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

PRUEBAS DE HIPTESIS
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 de un valor individual
escogido X

de Y correspondiente a un valor

Prediccin del valor de la media condicional de Y correspondiente a un

valor escogido X.

PREDICCIN
Prediccin Individual
Dado el siguiente Modelo:

Yi 1 2 X i i
Supongamos que para un valor de:
Deseamos predecir:

X0

Y0

Y0 X 0 0
E (Y0 ) X 0

Y0 X 0
El valor de

Y0

Casi siempre es distinto a

Y0

PREDICCIN
Media del error de prediccin individual

Y0 Y0 [Y0 E (Y0 )] [ E (Y0 ) Y0 ]

Y0 Y0 X 0 0 X 0
E[Y0 Y0 ] E[ X 0 0 X 0 ]
E[Y0 Y0 ] X 0 E ( 0 ) E ( ) X 0 E ( )
E[Y0 Y0 ] 0

PREDICCIN
Varianza del error de prediccin individual

E[(Y0 Y0 ) E (Y0 Y0 )]2 E[Y0 Y0 ] 2

E[Y0 Y0 ] 2 E{[Y0 E (Y0 )] [ E (Y0 ) Y0 ]}2

E[Y0 Y0 ] 2 E[Y0 E (Y0 )]2 E[ E (Y0 ) Y0 ] 2 2 E[Y0 E (Y0 )][ E (Y0 ) Y0 ]
2 E[Y E (Y )][ E (Y ) Y ] 0
0

E[Y0 Y0 ]2 E[Y0 E (Y0 )]2 E[ E (Y0 ) Y0 ] 2

E[Y0 Y0 ]2 E[ X 0 0 X 0 ]2 E[ X 0 X 0 ]2

1 (X X )

E[Y0 Y0 ]2 1 0 2
n
xi