Documentos de Académico
Documentos de Profesional
Documentos de Cultura
β1
β1
Uno de los supuestos básicos del modelo de regresión lineal clásico es el que los errores
tengan distribución normal con media cero y varianza σ 2 , esto es:
Y i=β 1 + β 2 X i +ui
Y i=Xβ +u
Donde:
ui N (0, σ 2) ; ∀ i
Con el cumplimiento del supuesto de normalidad se tiene la justificación teórica para la
utilización de pruebas estadísticas.
Dado que los estimadores de MCO son combinaciones lineales de Y i , entonces los
estimadores también seguirían esta distribución
( (
β1 N β1 , σ2
1 X́ 2
+
n Σ x2 ))
( ( ))
β2 N β2 ,
σ2
Σ x2
√
2
σ
2
Σx
Definimos un nivel de confianza de ( 1−α ) ×100 :
β^ 2−β 2
Pr −z
( 1−
α<
2
√ σ
Σx
2
2
<z
1−
α
2
)
=( 1−α )
donde : z
1−
α
2
es el percentil 1−
α
2
Área =
Área= Área=
Entonces:
( √ √ )
2 2
σ σ
Pr ^β 2−z α 2
< β2 < ^β 2 + z α =( 1−α )
1−
2 Σx 1−
2 Σx 2
√
2
^β ± Z σ Z 0.975=1.96
2 0.975 2
Σx
Pero σ 2 no es un valor conocido por lo que usaremos en reemplazo el valor estimado s
2
Comprobación:
2 ( n−2 ) s 2 2
x= 2
x ( n−2)
σ
[
p x2 α
2
, ( n−2)
≤ x 2 ≤ x 21−α
2
, ( n−2) ]= (1−α )
[ ( n−2 ) s 2
]
2
2 ( n−2 ) s
p ≤ σ ≤ =( 1−α )
x 2 1−α x2 α
, ( n−2 ) , ( n−2 )
2 2
Área =
Área= Área=
Comprobación:
√
2
σ
Σx
2
β^ 2− β2
= t (n−2 )
√ √
2
( n−2 ) s 2 s
σ
2
Σx 2
n−2
Entonces:
^β2 −β2
Pr −t
( 1−
α ( n−2 ) <
2
√ s2
Σx2
<t
1−
α
2
)
( n−2 ) = (1−α )
Operando:
( √ √ )
2 2
s s
Pr ^β 2−t α ( n−2 ) 2
< β 2< β^ 2 +t α ( n−2 ) 2
=( 1−α )
1−
2 Σx 1−
2 Σx
α
donde t (n−2) es el percentil 1−
1−
α
2
2
β 2 ∈ β^ 2 ±t
1−
α ( n−2 )
2
s2
Σx √2
β 1 ∈ β^ 1 ±t
1−
α ( n−2 ) s
2 √(
2 1 X́ 2
+
n Σ x2 )
Prueba de hipótesis
Es un procedimiento a través de pruebas de hipótesis. Involucran la recolección de una
muestra y el uso de resultados muestrales para proporcionar evidencias y emitir conclusiones.
Hipótesis alternativa H 0 : β2 ≠ a
Al ser β 2 una variable aleatoria prácticamente nunca será igual al valor, salvo cuestión de
azar.
Intervalo aleatorio
• Rechazo H 0
• No rechazo H 0
Estadístico t
T-student
cuando H 0 es
cierta
β 2=a
Región de rechazo Región de rechazo
•
Región de
Condición aceptación
de
rechazo de H0
|√ |
^
β 2−a
>t α ( n−2 )
^
Var ( β^2 ) 1− 2
• Condición de No rechazo de H0
|√ |
^
β 2−a
<t α ( n−2 )
^
Var ( β^2 ) 1− 2
Y i=β 1 + β 2 X i +ui
H 0 : β2=0
H 1: β2≠ 0
|√ |
^
β2
|t|= >t α ( n−2 )
^
Var ( ^
β 2) 1−
2
|√ |
^
β2
|t|= <t α ( n−2 )
^
Var ( ^
β 2) 1−
2
EL P-VALUE
Probabilidad o p>t
Indica el menor nivel de significancia con el cual podemos rechazar la H0
p−value=2 × 1−F
[ (| | )] β^
√Var
^ ( ^β )
, n−k
p−value=2 × F −
(| √V^
β^
ar ( ^β )
, n−k
| )
Donde:
F
(| √V^
β^
| )
ar ( ^β )
, n−k =Función de distribución acumulada de t-student
k =2 en el modelo bivariado
Función de densidad de la variable aleatoria -value
Área= Área=
EJERCICIO 1:
Σ x i y i=54.53 2
Σ x i =30.39
2
Σ y i =104.54
Cálculos previos:
X́ =
∑ X i = 44 =4.89 Ý = ∑ Y i = 76.3 =8.48
n 9 n 9
Yi
∑ (¿− β 2 X i) = Y i −2 β^ 2 ∑ Y i X i+ ^β22 ∑ X 2i
^ 2 2
30.39 n−2
S2=
∑ i =¿
e 2
n−2
^β −t
1
1−
α (n−2)
2 √(
S
−2.4609 ≤ β 1 ≤ 1.9209=¿ β 1 ∈ ⌈ , ⌉
2 1
+
X́ 2
n ∑ X 2i
≤ β 1 ≤ ^β 1+ t α
1−
2
) ( n−2)
√( S
2 1
+
X́ 2
n ∑ X 2i )
ii) Intervalo de confianza para β 2 :
√( √(
2 2
^β 2−t
1−
α
2
(n−2)
S
∑ X 2i ) ≤ β 2 ≤ ^β 2+ t
1−
α
2
( n−2 )
S
∑ X 2i )
1.3706 ≤ β 1 ≤ 2.2094=¿ β 2 ∈ ⌈ , ⌉
iii) Intervalo de confianza para σ 2
(n−2) S 2 2 ( n−2)S2
≤σ ≤
X2 α X2α
(n−2) (n−2)
1−
2 2
¿ X2 α
( n−2) = X 20.975 =16.01 (7 )
1−
2
¿ X2α ( n−2 ) =X 20.025 =1.69 ( 7)
2
2
¿>0.4180 ≤ σ ≤3.9598
|√ | |
^β
√ ∑ | |√ |
2 1.79 1.79
|t|= = = =|10.092|=10.092
var ( ^β2 ) S 2
0.956
X 2i 30.39
Decisión:
Como
|t|=10.092>2.3646=t α (n −2)
1−
2
¿> Se rechaza la hipotesis nula con5 de significancia
EJERCICIO 2:
i) Contraste de la hipótesis : β2
Hipótesis
H 0 : β2=0
H 1: β2≠ 0
Estadístico t:
|√ | |
^β
√ ∑ | |√ |
2 1. .0111 1.0111
|t|= = = =|14.509|=14.509
var ( ^β2 ) 2
S 0.5735
Xi
2 118.10
Decisión:
Como
|t|=14.509>2.228=t 0.95 (10 )
t α (n −2)
1−
2
Ejercicio 3:
La tabla muestra información relacionada con la producción y el costo total de
producción de un bien en el corto plazo
Producción 1 2 3 4 5 6 7 8 9 10
Costo Total 193 226 240 244 257 260 274 297 350 420
Se desea estimar la función de costos Costos i= ^β 1+ β^ 2 Produccióni+u i
^
β 1=166.4667
β 2=19.9333
Donde:
Numero de observaciones
n 10
Promedios (Medias):
X́ =
∑ X i Ý = ∑ Y i
n n
Media de x:
X́ 5.50
Media de y:
Ý 276.10
^β =Ý − β^ X́ ^β = ∑ xy
1 2 2 2
x
Función de Regresión muestral (FRM):
Y^ = β^ 1 + ^β 2 X
Residuos:
e=Y − Y^ = y− β^ 2 x
Estimador S 2 ( Estimacion de σ 2 ) :
S=2∑ e2
n−2
Varianza estimadas de β 1 y β2 :
X́ 2 S2
( 1
var ( ^β1 ) =S 2 +
n ∑ X 2i ) var ( ^β2 ) =
∑ X 2i
Suma de cuadrados totales (SCT):
Y −Ý
∑ (¿)2
SCT =∑ Y 2=¿
SCE= ^β 2 ∑ X
2
Suma de cuadrados de los Residuos (SCR):
y−¿
e =∑ (¿ ^β 2 x)
2 2
∑¿
SCR =¿
R cuadrado (Medida de bondad de ajuste)
2 SCR SCE
R =1− =
SCT SCT
2
0< R <1
Hipótesis Hipótesis
H 0 : β1=0 H 0 : β 1=0
H 1 : β 1 ≠ 0 H 1 : β1 ≠ 0
Valor absoluto
del estadístico t Estadístico t
|t|=8.7515|t|=6.5023
Decisión Decisión
2
Estandar S
S=2∑ e2
=775.3167
n−2
Varianza estimada
X́ 2 S2
^
var ( β1 ) =S
(
2 1
+
n ∑ X 2i ) var ( ^β2 ) =
∑ X 2i
var ( ^β1 ) =361.8144 var ( ^β2 ) =9.3978
SCE= ^β 2 ∑ X
2
SCE =32780.3667
Suma de cuadrados de residuos ( SCR )
SCR =6202.5333
SCR=∑ e
2
Σ X i Y i=1973.67 n=20
Σ X 2i =2165.18 ΣY 2i =1813.53
X́ =9.56 Ý =8.765
SOLUCION:
Y =Demanda de alimento
X =Ingreso disponible
Y i=β 1 + β 2 X i + μi
a)
∑ X i =9.56 →
X́ =
n
∑ X i=191.20
∑ Y i =8.765 →
Ý =
n
∑ Y i=175.3
x i=X i− X́
y i=Y i−Ý
X
(¿ ¿ i+ X́ )(Y i + Ý )
¿ ∑ Y i X i =∑ ¿
Xi Y i
(¿ + X i Ý +Y i X́ + X́ Ý )
1973.67=∑ ¿
X i +¿ X́ ∑ Y i + ∑ X́ Ý
∑ X i Y i+ Ý ∑ ¿
1973.67=∑ X i Y i + ∑ X́ Ý
n x X́ x Ý =1675.868
¿> ∑ X i Y i=297.802
X i− X́
∑ (¿)2
¿ ∑ X 2i =¿
X 2i −2 X i X́ i
(¿ + X́ 2)
¿∑¿
2 2
¿ ∑ X i −2 X́ ∑ X́ i+ ∑ X́
9.56
¿
¿
¿ 2165.18−2 ( 9.56 )( 191.2 ) +20 ¿
¿ 337.308
^β = ∑ Y i X i = 297.802 =0.883
2
X 2i 337.308
^β 1=Ý + ^β 2 X́ =8.765−( 0.883 ) ( 9.56 )=0.324 ,
Interpretacion :
β 1 ( Intercepto )
β 2 ( Pendiente )
Yi
∑ (¿− ^β2 X i ) =∑ (Y 2i −2 β^ 2 X− X 2 β^ 22 )
2
¿ SCR=¿
∑ Y 2i −2 ^β 2 ∑ X− β^ 22 ∑ X 2i
Yi
Y 2i
2
(¿−2Y i Ý + Ý )
(¿−Ý 2)=∑ ¿
¿ ∑ Y 2i =∑ ¿
2 2
¿ ∑ Y i −2 Ý ∑ Y i+ ∑ Ý
2
¿ 1813.53−2 ( 8.765 ) ( 175.3 ) +20 ( 8.765 )
¿ 277.0255
2
¿> SCR=277.0255−( 0.883 ) ( 337.308 )=14.0302
¿> SCT=∑ Y 2i
Estimar la varianza de μ
2 2
Var ( μ )=σ =S (muestral)
S 2=
∑ e 2i = SCR = 14.0302 =0.7795
n−2 n−2 18
^β 1−t
¿t
1−
1−
α
2
α (n−2)
(n−2)
√(
S2
1
+
X́ 2
n ∑ X 2i
=t 0.975 ( 18 )=2.101
)
≤ β 1 ≤ ^β 1+ t α
1−
2
( n−2)
√(
S2
1
+
X́ 2
n ∑ X 2i )
2
^β 2−t
1−
α
2 ∑
S2
X
0.7820 ≤ β 2 ≤0.9840
2
i √(
≤ β 2 ≤ ^β 2+ t α
(n−2)
1−
2
) ( n−2 )
√( S2
∑ X 2i )
2
Intervalos de confianza para σ
2 2
(n−2) S 2 ( n−2)S
2
≤σ ≤
X α X2α
(n−2) (n−2)
1−
2 2
¿ X2 α
( n−2) = X 20.975 =31.53
(18)
1−
2
¿ X2α ( n−2 ) =X 20.025 =8.23
( 18)
Contraste de la hipótesis: β2
Hipótesis
H 0 : β2=0
H 1: β2≠ 0
Estadístico t:
|√ | |
^β2
| |√ |
0.883 0.883
|t|= = = =|18.3681|=18.3681
var ( ^β2 )
√ S2
∑ X 2i
0.7795
337.308
Decisión:
Como
|t|=18.3681>2.101=t α (n−2)
1−
2
¿> Se rechaza la hipotesis nula con 95 de significancia
X 3 5 6 4 2 7 8 9 10
Y 2 4 6 3 4 8 10 14 12
SOLUCION:
a) Estimador S 2
S 2=
∑ e 2 =2.9619
n−2
Varianza estimada
Y −Ý
∑ (¿)2
SCT =∑ Y 2=¿
SCE= ^β 2 ∑ X 2
SCE =123.2667
Suma de cuadrados de los residuos ( SCR )
SCR =20.7333
R−cuadrado
R2=0.8560
t α =2.3646
1−
2
X α (n−2 )
=16.0128
1−
2
Xα (n−2) =1.6899
2
Intervalos de confianza β1
LI =−5.0318
LS=1.8318
Intervalos de confianza β2
LI =0.980
LS=1.9587
2
Intervalos de confianza σ
LI =1.2948
LS=12.2692
c) Prueba de Hipótesis
Hipótesis Hipótesis
H 0 : β1=0 H 0 : β 1=0
H 1 : β 1 ≠ 0 H 1 : β1 ≠ 0
Valor absoluto
del estadístico t Estadístico t
|t|=1.1025|t|=6.4512
Decisión Decisión