Está en la página 1de 6

n Yi X2i

Producción de Maíz Fertilizan

1 40 6
2 44 10
3 46 12
4 48 14
5 52 16
6 58 18
7 60 22
8 68 24
9 74 26
10 80 32

Dependent Variable: Y
Method: Least Squares
Date: 10/28/21 Time: 21:40
Sample: 1 10
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.

C 27.12500 1.979265 13.70458 0.0000


X2 1.659722 0.101321 16.38082 0.0000

R-squared 0.971049 Mean dependent var 57.00000


Adjusted R-squared 0.967430 S.D. dependent var 13.47426
S.E. of regression 2.431706 Akaike info criterion 4.791920
Sum squared resid 47.30556 Schwarz criterion 4.852437
Log likelihood -21.95960 Hannan-Quinn criter. 4.725533
F-statistic 268.3312 Durbin-Watson stat 1.783613
Prob(F-statistic) 0.000000
PRUEBA DE HIPÓTESIS SE PRUEBAN LOS PARÁMETROS

Modelo propuesto: Yi = b1 + b2 X2i +μi

Modelo estimado: Yi = 27.125 + 1.659722 X2i

Sbi => (1.979265) (0.101321)

P => 0.0000 0.0000

b_1 y b_2 → son parámetros

b_1=27.125
Parámetros estimados.
b_2=1.659722
Estos son betas con sombreros

Ejemplo

Queremos probar que el parámetro b2 es igual a cero o sea: b2 = 0 del modelo Yi = b1 + b2 Xi


+ui entonces plantemos las siguientes hipótesis:

1) H0 : b2 = 0

H1 : b2 ≠ 0

2) Elaboramos el intervalo de confianza para α=5% de significación o 1-α= 95% de confianza

=> b̂2 ± (Tα/2) Sb̂2

Pero: b̂2=1.6597

y como: α=5%=0.05

=>Tα/2= T0.05/2 =T0.025 y para (n-2) = (10-2)= 8 grados de libertad

se lee en la tabla t-student: T0.025 =2.306

Para leer la tabla de T de studen primero se miran las columnas (grado de libertad) y después
las filas

En este caso el grado de liberta es 8 y T0.025


Donde n: tamaño de la muestra y

K= numero de parámetros del modelo

y siendo: Sb̂2=0.1013

Se construye el intervalo de confianza:

b̂2 ± (Tα/2) Sb ̂2 =1.6597±(2.306)(0.1013)

 1.427< b2 <1.893

y como: b2=0 no se encuentra dentro del intervalo => rechazamos la H0 y aceptamos


la H1, lo que significa que b2≠0 y la interpretación económica es que la variable Xi es
una buena variable explicativa de la variable Yi, en otras palabras, que cualquier
variación de la variable X2i hará variar a la variable Yi y consecuentemente el uso de
fertilizantes hace incrementar la producción de maíz.
El enfoque de prueba de significancia

Se procede en la siguiente forma:

1) H0: b2 = 0

H1: b2 ≠ 0

2) Se calcula el valor del estadístico t

El estadístico t se define así:

t= (b2̂-b2)/Sb̂2

Luego se calcula el valor del estadístico t

Correspondiente a la hipótesis nula:

=> t= (b2̂-b2)/Sb2̂, donde b2=0 es el valor dado en H0

=> t= (b2̂-0)/Sb2=> t= (b2̂)/Sb̂2

3) Luego se lee en la tabla de distribución: t student para un determinado α: nivel de


significación el valor del T crítico para (n-k) grados de libertad, donde

K: número de parámetros del modelo

n = es el tamaño de la muestra

a) Si la hipótesis alterna es H1 b≠0 entonces es una prueba de dos colas=> se lee en la


tabla T student un Tα/2, para n-k grados de libertad

b) Si la hipótesis alterna es H1: b>0, o b<0=>es un prueba de una sola cola=> se lee en la
tabla T-student un Tα para n-k grados de libertad

Si ∣ t ∣ > Tα/2 => se rechaza la H0 y se acepta la H1

Si el ∣ t ∣ < Tα/2 => se acepta la H0


H0: b2= 0

H1: b2 ≠ 0

∣t ∣= (b̂ -b0)/Sb̂= (1.6597-0)/0.1013=16.384

Se lee en la tabla de distribución t student para n-k) gl, es decir (10-2) gl=8gl un T0.025 =
2.306

Como el ∣ t ∣ = 16.39 > T0.025 =2.306=> se rechaza la H0 y se acepta la H1, lo que significa
que b2≠0, lo que implica a su vez que cualquier variación la variable X2i hará variar a
la variable dependiente Yi, y en este caso una variación del uso de fertilizantes hará
variar la producción de maíz

Prueba de hipótesis de acuerdo al P valor

 En general para el planteamiento de la hipótesis, la regla de decisión es:

 H0: Bi =0

 H1: Bi ≠0

 Si P≤0.05 => Se rechaza la H0 y se acepta H1

 Si P>0.05 => se acepta la H0

 Efectuando la prueba del P-valor para el parámetro b1

1) H0: b1 =0

H1: b1 ≠0

2) Para b1=> P=0.0000 < 0.05 =>se rechaza la hipótesis nula H0 y se acepta la hipótesis H1 o sea
b1≠0, lo que significa que el modelo tiene parámetro de intersección o parámetro autónomo

Para b2 => p=0.0000 <0.05 => X2 influye en Y1

 Efectuando la prueba del P-valor para el parámetro b2

1) H0: b2 =0

H1: b2 ≠0

2) Para b2=> P=0.0000 < 0.05 =>se rechaza la hipótesis nula H0 y se acepta la hipótesis H1 o sea
b2≠0, lo que significa que cualquier variacion en la variable X2i hará variar a la variable
dependiente Yi y consecuentemente, podemos concluir que el uso de fertilizantes(X2i ) hará
variar la producción de maíz(Yi)

También podría gustarte