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
,
i 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
Muestra Aleatoria

180
Gasto de consumo familiar, US$

, 160
140
120
100
80
60
40
20
0
0 50 100 150 200 250 300

Ingreso Familiar, US$

 ESTIMACIN DEL MODELO ECONOMTRICO
Recta de regresin muestral y poblacional

P( X i ,Yi )
Yi 1 2 X i
Semanal, US$

ei
i
Yi
,
Yi E (Yi / X i ) 1 2 X i

E (Yi / X i )
Consumo

Xi X
Ingreso Semanal, US$
 ESTIMACIN DEL MODELO ECONOMTRICO
Recta de regresin muestral y error muestral

P( X i ,Yi )
Yi Yi 1 2 X i

ei ei
Consumo Semanal, US$

,
Yi
P( X i ,Yi )

Xi X
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:

i i 1 2 i
e 2
[Y

X ]2

El criterio del MMCO es hacer que la i

e 2
Sea mnimo.

1

[ ei ]
2

1

[Y i
1
X
2 i ] 2
0

2

[ ei ]
2

2

[Y i 1 2 i 0
X ] 2
ESTIMACIN DEL MODELO ECONOMTRICO
El mtodo de mnimos cuadrados ordinarios ecuaciones normales

Derivando se obtiene:

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

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

Multiplicando y transponiendo trminos se tiene las siguientes ecuaciones

normales:

Y n X
i 1 2 i [1]

X Y X X
i i 1 i 2 i
2
[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 N Consumo Ingreso
Aleatorio Observacin Y X X*Y X^2
6 1 65 100 6,500 10,000
14 2 90 120 10,800 14,400
51 3 165 240 39,600 57,600
24 4 102 160 16,320 25,600
49 5 145 240 34,800 57,600
32 6 120 180 21,600 32,400
27 7 116 160 18,560 25,600
34 8 135 180 24,300 32,400
45 9 157 220 34,540 48,400
1 10 55 80 4,400 6,400
Sumatoria 1150 1680 211,420 310,400
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:

Y 1,150
i X i 1,680 n 10
X Y 211,420 X
i i i
2
310,400

Reemplazando en las ecuaciones normales se tiene:

1,150 101 1,6802

211,420 16801 310,4002

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

N N Consumo Ingreso Consumo Estimado Error Muestral

Aleatorio Observacin Y X YEST E E*X
6 1 65 100 71.00284136 -6 -600
14 2 90 120 83.94318236 6 727
51 3 165 240 161.5852284 3 820
24 4 102 160 109.8238644 -8 -1,252
49 5 145 240 161.5852284 -17 -3,980
32 6 120 180 122.7642054 -3 -498
27 7 116 160 109.8238644 6 988
34 8 135 180 122.7642054 12 2,202
45 9 157 220 148.6448874 8 1,838
1 10 55 80 58.06250036 -3 -245
Sumatoria 1,150 1,680 1,150 0 0
Promedio 115 168 115
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 i
Y n1 2 X Y Y

De la FRM se tiene:

Yi 1 2 X i Y n X
i 1 2 i Y 1 2 X

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

i i i i 2i
e 2
( y
y ) 2
( y
x ) 2

2
[ ei ]
2

2

[ y i
x
2 i ]
2
0

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

Por tanto:
2 xi yi
1 Y 2 X
xi 2
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 i 28,160
x 2

Y 115 X 168
Reemplazando se tiene:

2
xyi i
0.647017045 1 Y 2 X 6.301136364
x 2
i

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 Ingreso
Y X y x xy x^2 yest e ex
65 100 -50 -68 3400 4624 -43.9971591 -6 408.193182
90 120 -25 -48 1200 2304 -31.0568182 6 -290.727273
165 240 50 72 3600 5184 46.5852273 3 245.863636
102 160 -13 -8 104 64 -5.17613636 -8 62.5909091
145 240 30 72 2160 5184 46.5852273 -17 -1194.13636
120 180 5 12 60 144 7.76420455 -3 -33.1704545
116 160 1 -8 -8 64 -5.17613636 6 -49.4090909
135 180 20 12 240 144 7.76420455 12 146.829545
157 220 42 52 2184 2704 33.6448864 8 434.465909
55 80 -60 -88 5280 7744 -56.9375 -3 269.5
1,150 1,680 0 0 18,220 28,160 0 0 0
115 168 0 0 1,822 2,816 0 0 0
Fuente: Gujarati (2004) "Econometra" Pg. 37
Intercepto 6.30113636 Pendiente 0.64701705
ESTIMACIN DEL MODELO ECONOMTRICO
Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov

Los estimadores:

2 xy
i i
1 Y 2 X
x 2
i

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:

2
xi y i
i
x 2

xi
2 wi yi wi
i
Donde: 2
x
2 wi (Yi Y ) Siendo: w 0i

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 ) Como: E ( i ) 0
E ( 2 ) 2 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 2w1w2 1 2 ... 2wn 1wn n 1

2
Var(2 ) 2 wi2 Var ( 2 )
i
x 2
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 i 0 c X
i i 1 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 1 1 2 2 n n

Var (2 ) E (c12 12 c22 22 ... cn2 n2 2c1c2 12 ... 2cn1cn n1n )

Var ( ) 2 c 2
2 i
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 Z
0 2ci 2 1 2 X i 0
ci ci
Z Z
0 ci 0
1 1
Z Z
0 ( ci X i 1) 0
2 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:

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

1
ci X i 2 2
[ 1 X i 2 X i 1
2
1 X i 2 X i2 2 2
De donde:
2 2 X 2 2
1 2
i x 2
ix 2
ESTIMACIN DEL MODELO ECONOMTRICO
Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov varianza mnima.

Remplazando se tiene que:

xi ci wi ?
ci
i
x 2

Es decir, este estimador arbitrario es igual a:

2 ci y i
xi yi
2
xi 2

Por tanto su varianza ser:

2
Var ( 2 ) 2 ci2
i
x 2

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 Se obtiene:

E( ei2 ) (n 2) 2
2 E ( e 2
i )

n2

i
El cual para una muestra particular ser: 2
e
2
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:

i i i
e 2
( y
y ) 2
i i i 2 yie
y 2

y 2
e 2

Como: y e ( x )e
i 2 i i 2 xi ei 0

Entonces:

i i i
y 2

y 2
e 2

SCT SEC SRC

 ESTIMACIN DEL MODELO ECONOMTRICO
Descomposicin de la varianza y coeficiente de determinacin

Y Yi
Yi Yi 1 2 X i
Semanal, US$

ei Debido al residuo

Yi Total Yi Y Yi
,

Yi Y Debido a la regresin
Y
Consumo

X Xi X
Ingreso Semanal, US$
ESTIMACIN DEL MODELO ECONOMTRICO
Descomposicin de la varianza y coeficiente de determinacin

Definicin de coeficiente de determinacin:

SEC i i
2 2

y e
r2 1
STC yi2 i
y 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.

Frmulas alternativas:

r 2 22
i i i
x 2
[ x y ]2
r r 2 x y i i

i i i
y 2
x 2
y 2
x y
2
i
2
i

El coeficiente de correlacin es una medida de asociacin lineal

ESTIMACIN DEL MODELO ECONOMTRICO
Diagramas de dispersin y coeficientes de correlacin

330 100

280 Incorrelacin 90 Fuerte relacin

80 directa.
230
70
180
60
130
50
80 40
30 30
140 150 160 170 180 190 200 140 150 160 170 180 190 200

80
70 Cierta relacin
60 inversa
50
40
30
20
10
0
140 150 160 170 180 190 200
 ESTIMACIN DEL MODELO ECONOMTRICO
Descomposicin de la varianza y coeficiente de determinacin

Muestra Aleatoria
Consumo Ingreso
Y X y x xy x^2 yest e y^2 yest^2 e^2
65 100 -50 -68 3400 4624 -43.9971591 -6 2,500 1935.75001 36.034099
90 120 -25 -48 1200 2304 -31.0568182 6 625 964.525956 36.6850465
165 240 50 72 3600 5184 46.5852273 3 2,500 2170.1834 11.6606728
102 160 -13 -8 104 64 -5.17613636 -8 169 26.7923877 61.2128422
145 240 30 72 2160 5184 46.5852273 -17 900 2170.1834 275.069764
120 180 5 12 60 144 7.76420455 -3 25 60.2828722 7.64082677
116 160 1 -8 -8 64 -5.17613636 6 1 26.7923877 38.1446604
135 180 20 12 240 144 7.76420455 12 400 60.2828722 149.71469
157 220 42 52 2184 2704 33.6448864 8 1,764 1131.97838 69.8079239
55 80 -60 -88 5280 7744 -56.9375 -3 3,600 3241.87891 9.37890625
1,150 1,680 0 0 18,220 28,160 0 0 12,484 11,789 695
115 168 0 0 1,822 2,816 0 0 1,248 1,179 70
Fuente: Gujarati (2004) "Econometra" Pg. 37
Intercepto 6.30113636 Pendiente 0.64701705 R^2= 94.430075
FUENTE: Gujarati, Damodar N. (2004) "Econometra" McGraw Hill, p 37.
ESTIMACIN DEL MODELO ECONOMTRICO
Coeficiente de determinacin y varianza de la regresin

En resumen: STC SEC SCR

12,484 11,789 695

Por tanto:
SEC i
2 2
y e 695
r
2
1 i
1 0.94
STC yi2
yi2
12,484

r x y i i

18,220
0.97
x y2
i
2
i
28,160 12,484

2 ei
2

695
86.9187
n2 8
ESTIMACION DEL MODELO ECONOMTRICO
Modelos economtricos alternativos

Yi i
Yi X i i
1 1
Yi 1 2 i 1 2 X i i
Xi Yi
LnYi 1 2 LnX i i
LnYi 1 2 X i i Yi 1 2 LnX 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
INFERENCIA ESTADSTICA
El modelo clsico de regresin lineal normal (MCRLN)

Yi 1 2 X i i
E ( i / X i ) 0

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

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

i ~ NID(0, 2 )
Cualquier funcin lineal de variables normalmente distribuidas estar
tambin normalmente distribuida.
INFERENCIA ESTADSTICA
El modelo clsico de regresin lineal normal (MCRLN)

Yi 1 2 X i i

E (Yi / X i ) 1 2 X i

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

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

Yi ~ NID(1 2 X i , 2 )
INFERENCIA ESTADSTICA
Estimadores mnimos cuadrticos

Yi 1 2 X i i

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

Yi 1 2 X i FRM

2
xi yi
1 Y 2 X
xi2
1 ciYi 2 wiYi

Son funciones lineales de las observaciones reales de la variable

endgena.
INFERENCIA ESTADSTICA
Estimadores mnimo cuadrticos aleatorios

1 ciYi 2 wiYi

E ( 1 ) 1 E ( 2 ) 2

Var( )
X i
2 2

Var ( 2 )
2
n x i
1 2 2
i x

X 2 2 2
1 ~ N ( , i 2 ~ N ( 2 , )
1
n x
) 2
i x 2
i
INFERENCIA ESTADSTICA
Estimadores estandarizados

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

variables, definidas como:

1 1 2 2
Z1 ~ N (0,1) Z2 ~ N (0,1)
Xi
2 2 2

i
x 2
i
x 2

Adems se puede demostrar que:

2
(n 2) 2 ~ n22 O alternativamente,
i
e 2

~ n22
2
INFERENCIA ESTADSTICA
Teoremas tiles relacionadas con la distribucin normal

Teorema 1: n

Z i ~ NI (0,1) i n
Z 2

i 1
~ 2

Teorema 2:
Z1
Z1 ~ N (0,1) ~ tk
V2
V2 ~ k2
k
Teorema 3:
V1 ~ k21 V1 / k1
~ Fk1 ,k 2
V2 ~ k22 V2 / k 2
Teorema 4:

tk2 F1,k
INFERENCIA ESTADSTICA
Utilizando los teoremas planteados se deducen

Considerando que:
2 2 2
Z2 ~ N (0,1) y V2 (n 2) 2 ~ n22
2
i
x 2

Utilizando el teorema 2, se obtiene:

2 2
2

tn2
x 2
i

2 2 2 2

2
2
S
(n 2) 2 2

x 2
i

n2
INFERENCIA ESTADSTICA
Utilizando los teoremas planteados se deducen

Por el teorema 1:

Z2
2 2
~ N (0,1) Z2 [
2 2 2 2 [ 2 2 ]
]
2
i
x 2

12
2
2
2
i
x 2
i
x 2

Como tambin:
2 [ 2 2 ]2 xi2
V2 (n 2) 2 ~ n22 2

Entonces, utilizando el Teorema 3, se deduce: F1,n 2 1
2
(n 2) 2

n2
INFERENCIA ESTADSTICA
En resumen se tiene las siguiente variables aleatorias

1 1 2 2
Z1 ~ N (0,1) Z2 ~ N (0,1)
X
2 2 2
i

n x 2
i i
x 2

1 1 2 2
~ tn2 ~ tn2
X
i
2 2

2

n x 2
i i
x 2

[ 2 2 ]2 xi2
~ F1,n 2
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:
2 2
t
2
2
i
x 2

El cual bajo la hiptesis nula propuesta ser:

2
t
2
2
i
x 2

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

INFERENCIA ESTADSTICA
Intervalos de confianza

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:
2 2
Pr[t / 2 t / 2 ] 1

2

x 2
i
Donde:
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 rechaza la Se acepta la hiptesis nula si Se rechaza la

hiptesis nula el estadstico de la prueba cae hiptesis nula
dentro de esta regin.

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

Area A Area B

- Valor + Valor
critico critico
INFERENCIA ESTADSTICA
Determinacin de los valores crticos
Distribucin de t Student

0.025 0.025

- 2.086 0 + 2.086

Nivel de significancia: 0.05

Grados de libertad: 20
INFERENCIA ESTADSTICA
Prueba de significancia individual Ejemplo hipottico.

Hiptesis:
H0 : 2 0 H A : 2 0
Estadstico de prueba:
2 0.6470
tn2 11.65
2 86.9187
Regla de decisin: i
x 2 28,160
Se rechaza Se rechaza

Se acepta

0.05 0.05

-2.306 2.306
Valor critico 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 0.10, 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
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( 2 x ) 2 22 xi2
2 2
i
[1]

ei
2

E ( SRC ) E ( ) E ( 2 ) 2 [2]
n2
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
Prueba de significancia global

Estadstico de prueba:

[ 2 2 ]2 xi2 22 xi2
F1,n2 F1,n2
2 2
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: 2 2
Pr[ Fk ,k , ] 1

2 1 2

i
x 2

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

INFERENCIA ESTADSTICA
Esquema de prueba de significancia global

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
INFERENCIA ESTADSTICA
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:
H0 : 2 0 H A : 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.

GRADOS
SUMA PROMEDIO DE
FUENTE DE VARIACIN SUMA DE CUADRADOS DE
CUADRADOS
LIBERTAD

yi2 22 xi 22 xi2
2
Debido a la regresin (SEC) 1

ei ei / n 2
2 2
Debido a los residuos (SRC) n-2

STC
y 2
i
n-1

Regla de decisin:

FC FT Se rechaza la hiptesis.
PREDICCIN
Prediccin

Hay dos clases de predicciones:

Prediccin de un valor individual de Y correspondiente a un valor
escogido X
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: X0
Deseamos predecir: 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 2E[Y0 E(Y0 )][ E(Y0 ) Y0 ]
2E[Y E(Y )][ E(Y ) Y ] 0
0 0 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 )
2
E[Y0 Y0 ]2 1 0 2 u2

n xi