Estadı́stica II

Formulario para exámenes

Tema 1. Intervalos de confianza

Muestras aleatorias simples y nivel de confianza igual a 1 − α. Estadı́sticos pivotales y sus distribuciones.

1. Datos normales, X ∼ N (µ, σ)

Intervalo de confianza para la media de la población, µ

X̄ − µ
(σ conocida) √ ∼ N (0, 1)
σ/ n
X̄ − µ
(σ desconocida) √ ∼ tn−1
S/ n

Intervalo de confianza para la varianza de la población, σ 2

(n − 1)S 2
∼ χ2n−1
σ2
2. Proporciones, X ∼ B(1, p) (variables Bernoulli), y muestras grandes (n elevado)
Intervalo de confianza aproximado para la proporción en la población, p

P̂ − p
q ∼ N (0, 1)
P̂ (1 − P̂ )/n

3. Datos con distribución desconocida y media E[X] = µ, para muestras grandes (n elevado)
Intervalo de confianza aproximado para la media de la población, µ

X̄ − µ
√ ∼ N (0, 1)
S/ n

Tema 2. Contrastes de hipótesis para una población

Muestras aleatorias simples y nivel de significación igual a α. Regiones de rechazo, Rα .

1. Datos normales, X ∼ N (µ, σ)

Contrastes sobre la media de la población, µ:
 
|x̄ − µ0 |
H0 : µ = µ0 (σ conocida) Rα = √ > zα/2
 σ/ n 
|x̄ − µ0 |
H0 : µ = µ0 (σ desconocida) Rα = √ > tn−1;α/2
s/ n

Contrastes sobre la varianza de la población, σ 2 :

(n − 1)s2 (n − 1)s2
   
2 2
H0 : σ = σ 0 Rα = < χn−1;1−α/2 ∪ > χn−1;α/2
σ02 σ02

2. Proporciones, X ∼ B(1, p) (variables Bernoulli), y muestras grandes (n elevado):

Contrastes sobre la proporción en la población p, regiones de rechazo aproximadas:
( )
x̄ − p0
H0 : p ≤ p0 Rα = p > zα/2
p0 (1 − p0 )/n

3. Datos con distribución desconocida y media E[X] = µ, para muestras grandes (n elevado):
Contrastes sobre la media de la población, µ, regiones de rechazo aproximadas:
 
x̄ − µ0
H0 : µ ≥ µ0 Rα = √ < −zα/2
s/ n

1
Tema 3. Comparación de dos poblaciones. Contrastes de hipótesis
Muestras aleatorias simples y nivel de significación igual a α. Contrastes bilaterales.

1. Muestras independientes, (X1 , . . . , Xn1 ; Y1 , . . . , Yn2 )

Comparación de medias de poblaciones
• Poblaciones normales, varianzas (poblacionales) iguales
 
 x̄ − ȳ  (n1 − 1)s2X + (n2 − 1)s2Y
Rα = q ≥ tn1 +n2 −2;α/2 , s2P =
 s 1 1 n1 + n2 − 2
n1 + n2

P

• Poblaciones generales, tamaños de muestras elevados (n1 y n2 elevados)

 
 x̄ − ȳ 
Rα = q 2 ≥ zα/2
sX s2Y
n1 + n2
 

• Proporciones, tamaños de muestras elevados (n1 y n2 elevados)

 
 p̂X − p̂Y  n1 p̂X + n2 p̂Y
Rα = q ≥ zα/2 , p0 =
 pp (1 − p ) 1 + 1  n1 + n2
0 0 n1 n2

Comparación de varianzas de poblaciones

• Poblaciones normales
s2X s2X
   
Rα = ≤ F(n1 −1,n2 −1);1−α/2 ∪ ≥ F(n1 −1,n2 −1);α/2
s2Y s2Y
2. Muestras pareadas, (X1 , . . . , Xn ; Y1 , . . . , Yn )
Comparación de medias de poblaciones, poblaciones normales, Di = Xi − Yi
d¯
 
Rα = √ ≥ tn−1;α/2
sD / n

Tema 4. El modelo de regresión lineal simple

Recta de regresión:
yi = β0 + β1 xi + ui con ui ∼ N iid(0, σ) ŷi = β̂0 + β̂1 xi
cov(x, y)
β̂1 = , β̂0 = ȳ − β̂1 x̄
s2x
1. Inferencia sobre la pendiente β1 y el intercepto β0 :
n
X
e2i
β̂1 − β1 β̂0 − β0 i=1
s ∼ tn−2 , s  ∼ tn−2 , s2R = , ei = yi − ŷi
s2R

1 x̄ 2 n−2
s2R +
(n − 1)s2X n (n − 1)s2X

2. Inferencia para la varianza de los errores σ 2 :

(n − 2)s2R
∼ χ2n−2
σ2
3. Intervalos de confianza para la respuesta promedio y para la predicción de una nueva respuesta (para
X = x0 ):
" s  s  #
2 (x0 − x̄)2

2 1 (x0 − x̄) 2 1
IC1−α (y0 ) = ŷ0 − tn−2,α/2 sR + ; ŷ0 + tn−2,α/2 sR +
n (n − 1)s2X n (n − 1)s2X
" s  s  #
2 2

1 (x 0 − x̄) 1 (x 0 − x̄)
IC1−α (y0 ) = ŷ0 − tn−2,α/2 s2R 1 + + ; ŷ0 + tn−2,α/2 s2R 1 + +
n (n − 1)s2X n (n − 1)s2X

2
Tema 5. El modelo de regresión lineal (ii)
Tabla ANOVA para el modelo de regresión lineal simple

Fuente de variación SC GL Media Cociente F

Modelo SCM 1 SCM/1 SCM/s2R
Residuos/errores SCR n−2 SCR/(n − 2) = s2R
Total SCT n−1

donde
n
X n
X n
X
SCM = (ŷi − ȳ)2 , SCR = (yi − ŷi )2 = e2i , SCT = SCM + SCR, R2 = SCM/SCT
i=1 i=1 i=1

• Contraste para H0 : β1 = 0 vs. H1 : β1 6= 0.

Bajo H0 , F = SCM/s2R ∼ F1,n−2 y la región de rechazo vendrá dada por

Rα = {F > F1,n−2;α }

Regresión lineal múltiple. Consideramos el modelo

yi = β0 + β1 xi1 + β2 xi2 + · · · + βk xik + ui ; ui ∼ N iid(0, σ)

• Forma matricial de la regresión lineal:

y = Xβ + u, β̂ = (X T X)−1 X T y, ŷ = X β̂, e = y − ŷ

donde
 
    β0  
y1 1 x11 x12 ··· x1k u1
 β1 
 y2   1 x21 x22 ··· x2k     u2 
y=

.. ,

X=

.. .. .. .. ,

β=
 β2 ,

u=

..

.. 
 .   . . . . .   ..   . 
 . 
yn 1 xn1 xn2 ··· xnk un
βk