INFERENCIA EN EL MODELO DE REGRESIN: CONCEPTOS PREVIOS: Inferir es sacar conclusiones generales a partir de casos particulares.

En este caso, se trata de aumentar nuestro conocimiento de la poblacin (general) a partir de lo observado en la muestra (particular). El procedimiento es siempre el mismo: En la muestra observamos un hecho, p ej. b1=2,3; o sexo masculino: 34,5%; etc. La pregunta es: dado que en una muestra de n=300 (p. ej.) hay un 34,5% de hombres, qu podemos decir con respecto al % de hombres en la poblacin de donde hemos tomado la muestra de una forma representativa en general, aleatoria-? Y del b1? Llegados aqu, hay que replantear la cuestin: exactamente, qu nos preguntamos? En general hay dos posibilidades: 1) Puedo preguntarme entre qu lmites estar 1, que es la media de la poblacin. Es decir, si b1 es 2,3 no me cuesta aceptar que la muestra de n=300 venga de una poblacin con un 1 de 2,4; 2,5;3;3,5;y 4?; y5? . pero, desde luego, aunque no imposible hubiera sido muy extrao que esta muestra hubiera venido de una poblacin con un 1=217 o mayor Y las mismas consideraciones con valores de 1 menores de 2,3. A esto se le llama estimar el intervalo de confianza al x% de 1: lmites dentro de los cuales estar el verdadero valor de 1 con un x% de probabilidad. Otra pregunta posible es: 2) Es 1 igual a determinado valor o valores? Es probable que de una poblac con 1 menores o iguales a cero haya sacado una muestra de n=300 con b1=2,3? Esto es contrastar o someter a prueba la hiptesis de que 1 toma cierto valor. Las dos posibilidades pueden hacerse muy complejas, pero en el fondo se reducen a lo dicho. El procedimiento para la posibilidad 2 es el siguiente (vamos a suponer que quiero contrastar la hiptesis de que 1=0): Imagino que realmente 1=0 hiptesis nula H0y que empiezo a extraer muestras de n=300 (muchas), -formaran la DM de b1calculo en cada una b1 y hallo la media de esos b1.

La distribucin de las b1 de esas muestras (todas menos una imaginarias) se llama distribucin en el muestreo (DM); el b1 medido (2,3) es uno de los elementos de la DM de b1. Si yo supiera la forma de la DM (la funcin o la tabla) y tuviera su varianza y su media podra calcular lo probable o improbable que es que un determinado elemento de la DM tomado al azar se separe en una cantidad determinada de la media. Voy a desarrollarlo: EJEMPLO 1:

Tema 3. Inferencia Econometra

Pgina 1 de 10

Si, por ejemplo, la DM de b1 fuera normal sabra que entre la media +/- 1,96 DS estn el 95% de sus elementos. Por el teorema central del lmite, s que la DM ser normal, aunque sea asintticamente. Y su varianza? Vamos a suponer que b1 es el coef de una regresin simple. Hemos visto o veremos que la V(b1) se puede estimar as V(b1)=S2/(nSx2). Necesito saber S2 y Sx2; supongamos que son 600 y 20, respectivamente (n es 300); entonces V(b1)=0,1; y DS(b1)=Raiz(0,1)=0,32 (a la DS de una DM se le suele llamar error estndar). S que en una distrib normal, entre la media +/- 1,96 DS estn el 95% de los valores. Lo mismo sucede en direccin contraria (Si mi pueblo est como mximo a 60 Km de la capital; la capital estar a no ms de 60 Km de mi pueblo), por ello entre un determinado valor (2,3 en mi caso) +/- 1,96 DS estar la media que busco: 2,3 +/- 1,960,32. Es decir, el IC95% de E(b1) la media de la DM de la que mi muestra es un elemento- va desde 1,68 hasta 2,92. Ha pasado de no tener ni idea sobre el valor real de E(b1) a saber que con un 95% de probabilidad estar entre esos lmites. Ahora bien, a m no me interesa la DM, me interesa la poblacin. Pero sucede que la media de la DM (E(b1)) es igual a 1 (por ser b1 un estimador insesgado de 1, como hemos visto en la teora) Por tanto, lo que infiera con respecto a la media de la DM se aplica tambin a 1. Ejemplo 2: Adems (esto entra ya en la segunda clase de problemas: contraste de hiptesis), si hay un 95% de prob. (el nivel de confianza es 0,95) de que de 1 est entre los lmites previos, qu prob hay de que la hiptesis H0: 1=0,5 sea verdad? Evidentemente, menor del 5%. Por tanto, rechazo esa H0, porque P<0,05. P es la probabilidad de equivocarme si acepto H0; ms adelante se explica que a esta clase de error se le llama error de tipo I y al riesgo de cometerlo se le llama . Por lo mismo, no rechazara la H0: 1=1,9, ya que P>0,05. Ejemplo 3: Otro ejemplo de contraste de hiptesis: Supongamos ahora que la DS de b1 es 2, podra ser la media de la DM 4? S que entre 4 +/- 1,96X2 = entre 0,08 y 7,92 estaran el 95% de sus elementos y, por tanto, no me extraara haber extrado una muestra con un b1=2,3. Ahora bien, a m no me interesa la DM, me interesa la poblacin. Pero sucede que la media de la DM (E(b1)) es igual a 1 (por ser b1 un estimador insesgado de 1, como hemos visto en la teora) Por tanto, lo que infiera con respecto a la media de la DM se aplica tambin a 1 Como digo, la probabilidad de haber extrado una muestra que se separa tanto o ms de 4 como lo hace un b1=2,3 de una poblac con 1=4 es mayor del 5%, Esta cifra (5%) se considera arbitrariamente como lmite para tomar decisiones; por ello, dira que, vista la muestra con b1=2,3, no puedo rechazar la hiptesis de que 1=4 (el p valor es > 0,05) Ejemplo 4: Y de una poblac con 1=8? Voy a calcular a cuantas DS de la media terica (8) est el dato de la muestra (2,3): Distancia=2,3-8 = -5,7; medida en desviaciones estndar= -5,7/2=-2,85 Tema 3. Inferencia Econometra Pgina 2 de 10

A esta cantidad (distancia en DS) en el caso de la distrib normal se le llama Z. O sea, el Z para b1=2,3 si E(b1) fuera 8 y la DS de la DM de b1 fuera 2 es igual a -2,85 Si miro en la tabla de la Distr normal veo que la prob de que una observacin se separe de su media en ms de -1,96 DS es menor del 2,5%. Como mi resultado es muy poco probable (b1=2,3 en una muestra de una poblac con 1=8 cuando la DS de la DM es 2) afirmo que la poblac no tiene una 1=8 (P<0,05). Lo ms probable es que 1 sea menor que 8.. Recapitulando: El ejercicio anterior se plantea as: Mi pregunta es si 1 ser o no distinto de 8 [en este caso, ms exactamente, si ser o no menor contraste unilateral o de una cola-]. Se establece lo que se llama hiptesis nula (H0), que es siempre la de no diferencia: 1 no es menor de 8, y la hiptesis alternativa (H1): 1 es menor de 8. La conclusin es que es muy poco probable que H0 sea cierta (P<0,05) y, por tanto, acepto H1. En el ejemplo 3, H0: 1=4 y H1: 1 distinto de 4 [contraste bilateral o de dos colas-]. El resultado es que una muestras que se alejen de 4 tanto o ms que 2,3 se obtienen en ms del 5% de los casos. P>0,05 y no rechazo H0. Tambin puedo inferir los valores de 1 compatibles con mi resultado : puedo calcular a partir de que valores de 1 sera poco probable que se sacara una muestra con un b1 concreto. Por ejemplo, si DS de b1 es 2, una muestra con b1=2,3 puede venir de una poblac con 1=2,3; 2,4; 2,5..hasta donde?... Pues bien, un b1=2,3 solo sale en ms del 5% de las muestras tomadas de poblac cuyos 1 estn entre -0,08 y 7,92. Estos seran los lmites del intervalo de confianza al 95% (IC95%) de 1. Lo he calculado sumando y restando a b1 1,96XDS: 2,3+/- 1,96X2 porque si entre la media (1) y +/- 1,96 DS estn el 95% de los elementos de una distrib normal, fuera de los lmites determinados por un determinado valor y +/- 1,96 DS estn las medias (1) de las distrib donde ese valor o uno ms extremo aparece menos del 95 de las ocasiones [lo que dije antes de que si de la capital a mi pueblo hay menos de 60 Km, de mi pueblo a la capital sucede lo mismo]. Por tanto, este IC95% es el lmite dentro del cual estar el verdadero valor de la poblac con un 95% de probabilidad. Como se ve, engloba el valor 4 (no se rechaza H0 de que 1=4; P>0,05 es la prob de que sea falsa H1, como es alta no la acepto-) y no engloba el valor 8 (se rechaza H0 de que 1=8 o mayor; P<0,05 - prob de que sea falsa H1, como es baja la acepto-). Pero, cmo s la forma de la DM (la funcin o la tabla) y su varianza para calcular lo probable o improbable que es que un determinado elemento de la DM tomado al azar tome cierto valor (el medido en mi muestra) si viniera de una poblac en que H0 fuera verdad? RESPUESTAS: Cmo s la forma de la DM? El teorema central del lmite prueba que la DM de las medias es normal aunque las muestras que la forman provengan de una distrib no normal. Parece ser que la DM de los betas tambin suele ser normal.

Tema 3. Inferencia Econometra

Pgina 3 de 10

En otros casos (DM de varianzas, por ejemplo) hay que estudiar la teora correspondiente. Y su varianza? La teora dice cual es la frmula de la varianza en cada caso. Para la DM de medias, la varianza de la DM es la varianza de la poblacin dividida entre el tamao de las muestras. En el caso de b en una RLS V(b)=2/(Xi-media(X))2 etc. A la raz cuadrada de estas varianzas se le suele llamar error estndar (es decir, el error estndar suele ser la desviacin estndar de la DM) Media terica de la poblac? La que establezca mi hiptesis nula.

UN PAR DE DETALLES: Si te fijas en las frmulas de las varianzas de las DM (y en las de los errores estandar) vers que son inversamente proporcionales al tamao muestral. Por ello, cuanto ms grande sea la muestra ms fcil es rechazar H0, porque la DM se hace menos dispersa, los IC se estrechan en definitiva, es como usar un microscopio de ms aumentos. Aumenta la precisin, la capacidad de ver detalles. Otro detalle, casi siempre sucede que para calcular el error estndar hay que echar mano de la VARIANZA DE LA POBLACIN (2). Esto es un crculo vicioso, hago un estudio para averiguar la media de la poblac y resulta que para ello tengo que usar una cosa menos conocida todava: la varianza de la poblac. De hecho, casi nunca se conoce. Lo que se hace es estimarla a partir de la VARIANZA DE LA MUESTRA (S2). Pero entonces ya no tenemos la DS de la DM, sino una estimacin sujeta a error aleatorio Esto se corrige empleando una forma de distribucin ms achaparrada que la que se usara de conocer 2 Ejemplos de estimaciones del error estndar: b=2,3 ; n=50; 2=34; S2(X)=1,5; SST=1800 H0: =0; H1: #0
S por la teora que E(b)=; conozco la frmula de V(b); s que la DM de b, SI ES CIERTA H0, es normal y s que SST/(n-k-1) es un estimador insesgado de 2

V(b)=34/(1,5X50)=0,45; S(b)=0,67 Z=(2,3-0)/0,67=3,42 Z=3,42 muy superior al valor de Z que separa los valores que salen en ms del 5% de las muestras del resto. Por tanto, P<0,05 y rechazo H0 Pero lo normal es que no sepa 2 y lo que hago es estimarla con un estimador insesgado, que es: V=SST/(n-k-1)= 1800/48=37,5 Ahora calculo V(b) con V:

Tema 3. Inferencia Econometra

Pgina 4 de 10

V(b)= 37,5/(1,5X50)=0,5; S(b)=0,71 Nueva Z=(2,3-0)/0,71=3,25 Y, para ser ms exactos y corregir el haber sustituido var pob ( 2 ) por su estimacin (S2 ), usamos la tabla de la distrib t de Student en lugar de la normal (que para n moderadamente (>30 o as) grandes prcticamente coincide con la normal ) En este caso, no cambia la conclusin.

NOTA IMPORTANTE: Cuando digo que hay que saber la forma de la DM, es necesario entender que basta con saber la forma de dicha DM SI FUERA CIERTA LA H0, que es la que sometemos a prueba de forma directa: De hecho decimos, si es verdad que =0 (la H0), entonces la DM de los b es normal y su DS es la que nos diga la frmula correspondiente. En estas circunstancias, qu proporcin de los elementos de la DM (esos elementos son muestras como la ma) tienen valores de b tan alejados de 0 (la H0) o ms como el que yo he encontrado en mi muestra? Calculo el Z o estadstico de contraste que corresponda (t, W 0, X2) y una RESPUESTA posible es: Discrepancias tan grandes entre mi b y mi H0 ( Z), dadas las circunstancias (tal n; DM normal con media=0, y tal DS, etc. etc.), solo se dan en < 5/100 en concreto, en 1,65 de cada 1000- de las muestras. Luego concluyo que si fuera verdad la H0 y la nica explicacin de la discrepancia entre mi resultado y H0 fuera la casualidad, yo habra obtenido un resultado tan improbable que lo ms seguro es que no sea verdad H0 (P<0,05; ms exacto: P=0,00165). Otra respuesta sera: Discrepancias tan grandes entre mi b y mi H0 (Z), dadas las circunstancias (tal n; DM normal con media=0, y tal DS, etc. etc.), se dan en >= 5/100 de las muestras en concreto, en 9,7 de cada 100-. Luego concluyo que si fuera verdad la H0 y la nica explicacin de la discrepancia entre mi resultado y H0 es la casualidad, yo habra obtenido un resultado que no llama la atencin por improbable, por ello, no hay ninguna razn para afirmar que no sea verdad H0 (P>0,05; ms exacto: P=0,097).
Tema 3. Inferencia Econometra Pgina 5 de 10

RESULTADOS POSIBLES DE UN CONTRASTE DE HIPTESIS:

ANALOGA: Me pregunto si hay una moneda perdida en el suelo de una habitacin que tiene 1000 baldosas y decido buscarla, por si acaso: H0: no hay moneda; H1: s hay moneda. - Elijo 100 baldosas al azar y miro en todas ellas: o No la encuentro: no rechazo H0 (acepto H0), lo cual, puede ser: Correcto (no haba moneda) Falso (no he buscado bastante, tena que haber mirado en ms baldosas): error de tipo II. o La encuentro: Acepto H1 y rechazo H0, lo cual, puede ser Correcto Falso: error de tipo I. La prob de cometerlo es precisamente o nivel de significacin. En este ejemplo, este resultado no es posible: si lo encuentro lo encuentro. LAS DOS DECISIONES POSIBLES Y SUS RIESGOS: Ejemplo A: b=2,3 ; n=50; 2=34; S2(X)=1,5 H0: =0; H1: #0

S por la teora que E(b)=; conozco la frmula de V(b); s que la DM de b, SI ES CIERTA H0, es normal y s que SST/(n-k-1) es un estimador insesgado de 2

V(b)=34/(1,5X50)=0,45; S(b)=0,67 Z=(2,3-0)/0,67=3,42 Z=3,42 muy superior al valor de Z que separa los valores que salen en ms del 5% de las muestras del resto. Por tanto, P<0,05 y rechazo H0

Pero AUNQUE FUERA cierto H0: =0 podra haber salido un b=2,3 (es decir, mi decisin de rechazar H0 puede ser errnea). Si miro en la distrib normal veo que Z>=3,42 sale 0,00031 Es decir, una prob de que me equivoque al rechazar H0 muy baja pero no nula. Esta sera la prob de cometer un error de tipo I : Probabilidad de rechazar errneamente la H0. ste error solo se puede dar si se rechaza H0.

Tema 3. Inferencia Econometra

Pgina 6 de 10

Si se decide hacer un contraste de H al nivel de significacin de, por ejemplo, el 5% eso significa que a priori (antes de hacer el contraste) se decide que se aceptar H1 cuando la probilidad de que sea falsa sea menos de 0,05 (cuando p < 0,05). Es decir, es el riesgo de cometer un error tipo I. Ejemplo B: b=2,3 ; n=50; 2=187; S2(X)=1,5 H0: =0; H1: #0

S por la teora que E(b)=; conozco la frmula de V(b); s que la DM de b, SI ES CIERTA H0, es normal y s que SST/(n-k-1) es un estimador insesgado de 2

V(b)=187/(1,5X50)=2,493; S(b)=1,579 Z=(2,3-0)/1,579=1,456 Z=1,456 inferior al valor de Z que separa los valores que salen en ms del 5% de las muestras del resto. Por tanto, P>0,05 y no rechazo H0

Si es cierta H0, un Z como ste o mayor sale en el 7,3% de los casos; si hubiera rechazado H0 la prob de error de tipo I hubiera sido 7,3%. Se considera que una prob de error as es demasiado grande para aceptarla. Por ello, no se rechaza H0, y no hay riesgo de que cometa esa clase de error: Al no rechazar H0 puede ser que H0 sea verdad, y no me haya equivocado, o que sea falsa y haya metido la pata. La prob. de haber metido la pata es la prob de cometer un error de tipo II (a esta clase de error: no rechazar H0 cuando H0 es falsa se le llama error de tipo II) Pero, si te fijas, la Prob de error tipo II () no aparece. Efectivamente, hay que calcularla aparte, y ello no se hace rutinariamente en los contrastes de H. A (1-prob de error de tipo II) se le llama poder o potencia del contraste. Es la probabilidad de que nuestro contraste rechace H0 si esta es realmente falsa. Si te fijas, H0 puede ser falsa de muchas formas: H0: =0; pero puede ser 1, 2, -4, 9987, etc. Para cada uno de los valores posibles de es distinta la potencia. PREGUNTAMELO SI NO LO ENTIENDES: Intento explicarlo: Vuelvo al ejemplo B. No rechazo H0 porque P=0,073 (>0,05). Puede ser que H= sea cierta, y entonces no he cometido un error, o puede ser que sea falsa y entonces he cometido un error de tipo II. -ESTE ERROR SOLO SE PUEDE COMETER SI NO SE RECHAZA H0Cul es la probabilidad de que haya cometido ese tipo de error o, si lo prefieres, la de no haberlo cometido (potencia o poder estadstico)?: Lgicamente, le de cometerlo es la probabilidad de que H1 sea cierta. qu dice H1?: que Beta no es cero. y de cuantas formas puede ser distinto de cero beta?: de muchas por ejemplo, puede ser 6 9 -23, etc. Ser igual la probabilidad de que no rechace H0 si beta es 6 que si es -23?: Tema 3. Inferencia Econometra Pgina 7 de 10

No, luego hay una prob de error tipo II para cada posible valor real de mi beta, distinto del que estableca H0.

Es decir, el contraste de una H0 es consistente cuando al aumentar el n de la muestra la probabilidad de rechazar H0, en caso de que sea falsa, tiende a uno.

leer las Pags. 26 a 30 de apuntes UC3M OTRO ESQUEMA DE UN CONTRASTE DE HIPTESIS ejemplo con una mediaH0: Med poblac. (Mp): 70. Por tanto, H1: Med poblac. (Mp) distinta de 70. Prob. de rechazar H0, siendo cierta: alfa (prob. de error tipo I); es el nivel de significacin. Prob. de no rechazar H0, siendo cierta: 1-alfa. Esto quiere decir: Saco una muestra (aleatoria, para garantizar ciertas suposiciones) de, p. ej., n=20 y tengo que med muestra (Mm)=64 y DS muestra (DSm)=6. La pregunta es: Si fuera cierta H0, Cul es la prob. de que salga una muestra como esa? Para contestar: 1. 1 Imagino que saco muchas muestras (aleatorias, para garantizar ciertas suposiciones) de n=20 y calculo la media de cada una. Con esas medias formo la "distribucin en el muestreo de medias". 1.2 S que bajo la H0 la E(media de la distribucin en el muestreo de medias)=Mp = 70 y que la DS (llamada error estndar de la media -S-) de esta distribucin en el muestreo de medias se puede estimar con S=DSm/raiz(n) = 6/raiz(20) = 1,34164079. 1.3 S que bajo la H0 la distribucin en el muestreo de medias es normal (N[Mp,S al cuadrado)], siempre que la poblac sea normal y, sea como sea la poblac, siempre que n sea grande (teorema central del lmite). Por tanto, 1.4 Mm es un elemento de la "distribucin en el muestreo de medias". Lo estandarizo (calculo su Z, que mide cuantas DS se separa de la media de su distribucin): Z=(Mm - Mp)/S = (64-70)/1,34164079 = -4,47

1.5 En una tabla de la normal puedo ver que Z tan alejados (o ms) que la
Tema 3. Inferencia Econometra

Pgina 8 de 10

media salen muy infrecuentemente (P=0,000004); luego es muy difcil que si es cierta H0 salga esta Z. Rechazo H0 y acepto H1. Pero puedo equivocarme, ya que hay una pequea prob. de que salga esta Z aunque sea cierta H0. Esa prob de cometer un error de tipo I es 0,000004. Si hubiera salido una Mm=74,8 Z hubiera sido 1,96; y la P de sacar (siendo cierta H0) esa Z o mayor = 0,025 Y si hubiera salido una Mm=65,2 Z hubiera sido -1,956 y la P de sacar (siendo cierta H0) esa Z o menor = 0,025 Luego puedo establecer a priori que si sale una Mm<65,2 > 74,8 rechazar H0. El nivel de significacin de este contraste es el 0,05 (5%), es decir, 0,05 es la prob. de un error tipo I con esta "norma de decisin" Si hubiera salido una Mm a la que corresponde una Z que, siendo cierta H0, aparece muy frecuentemente (p., ej,. ms del 5% de las veces) no hubiera rechazado H0, al nivel de significacin del 5%. Ahora ya no puedo cometer un error de tipo I . Pero puedo cometer el error de no rechazar H0 cuando en realidad es falsa (ERROR TIPO II: ver nota siguiente) ERROR DE TIPO II ejemplo con una mediaH0: Med poblac. (Mp): 70. Por tanto, H1: Med poblac. (Mp) distinta de 70. Prob. de rechazar H0, siendo cierta: alfa (prob. de error tipo I); es el nivel de significacin. Prob. de no rechazar H0, siendo cierta: 1-alfa. Esto quiere decir: Saco una muestra (aleatoria, para garantizar ciertas suposiciones) de, p. ej., n=20 y tengo que med muestra (Mm)=72 y DS muestra (DSm)=6. La pregunta es Si fuera cierta H0, Cul es la prob. de que salga una muestra como esa? Para contestar: Si hubiera salido una Mm a la que corresponde una Z que, siendo cierta H0, aparece muy frecuentemente (p., ej,. ms del 5% de las veces) no hubiera rechazado H0, al nivel de significacin del 5%. Ahora ya no puedo cometer un error de tipo I . Pero puedo cometer el error de no rechazar H0 cuando en realidad es falsa (ERROR TIPO II). P. ej.:
1. 1 Imagino que saco muchas muestras (aleatorias, para garantizar ciertas suposiciones) de n=20 y calculo la media de cada una. Con esas medias formo la "distribucin en el muestreo de medias". 1.2 S que la E(media de la distribucin en el muestreo de medias)=Mp = 70 y que la DS (llamada error estndar de la media -S-) de esta distribucin en el muestreo de medias se puede estimar con S=DSm/raiz(n) = 6/raiz(20) = 1,34164079. 1.3 S que la distribucin en el muestreo de medias es normal (N[Mp,S al cuadrado)], siempre que la poblac sea normal y, sea como sea la poblac, siempre que n sea grande (teorema central del lmite). Por tanto, 1.4 Mm es un elemento de la "distribucin en el muestreo de medias". Lo estandarizo (calculo su Z, que mide cuantas DS se separa de la media de su distribucin): Z=(Mm - Mp)/S = (72-70)/1,34164079 = 0,82

1.5 En una tabla de la normal puedo ver que Z tan alejados o ms de la media
Tema 3. Inferencia Econometra Pgina 9 de 10

salen con una prob=0,20710809); luego es muy fcil que si es cierta H0 salga esta Z. No rechazo H0 y no acepto H1. Ya que si hubiera rechazado H0 la prob de confundirme (error tipo I) hubiera sido de ms del 20% Cul es la prob de confundirme ahora?: La de que H0 sea falsa. Y de cuantas formas puede ser falsa H0?: de muchas, es decir siempre que Mp#70 H0 es falsa, por tanto H0 es falsa cuando Mp es 71, cuando es 72, cuando es 73... y cuando es 69, cuando es 68... Y como hay muchos valores de Mp distintos posibles si H0 es falsa, hay muchos valores distintos de prob de cometer un error tipo II (uno para cada Mp posible). P. ej._1 si Mp real = 72; la P de que en una muestra de n=20 salga una Mm entre 65,2 y 74,8 (y que corresponden a Z bajo la H0 entre -1,96 y 1,96, que salen en el 95% de las veces, y que por tanto lleven a confundirme con un error tipo II) es: Z=(65,2-72)/raiz(6)=-2,78 y Z =(74,8-72)/raiz(6)=1,14 => P=0,8707. Y, por ende, la P de que si es cierta H1 (72) rechace H0 (acierte por tanto) es 10,8707=0,1293 (a esta p se le llama la potencia o poder estadstico del contraste). P. ej._2 si Mp real = 77; la P de que en una muestra de n=20 salga una Mm entre 65,2 y 74,8 (y que corresponden a Z bajo la H0 entre -1,96 y 1,96, que salen en el 95% de las veces, y que por tanto lleven a confundirme con un error tipo II) es: Z=(65,2-77)/raiz(6)=-4,82 y Z =(74,8-77)/raiz(6)=1,14 => P=-0,9. Y, por ende, la P de que si es cierta H1 (72) rechace H0 (acierte por tanto) es 10,1845=0,81545. Y as con cada valor posible de H1.
CONVIENE QUE VAYAS DIBUJANDO LAS CURVAS DE LAS DISTRIBUCIONES DE LOS EJEMPLOS

Tema 3. Inferencia Econometra

Pgina 10 de 10