Documentos de Académico
Documentos de Profesional
Documentos de Cultura
9 - Capitulo 4 - Modelo Lineal General - Inferencia Estadistica - Agosto 31
9 - Capitulo 4 - Modelo Lineal General - Inferencia Estadistica - Agosto 31
CAPITULO 4
MODELO LINEAL GENERAL
06 de enero de 2013
CONTENIDO
𝑌 𝑖= 𝛽1 +𝛽 2 𝑋 2 𝑖 +𝛽 3 𝑋 3 𝑖 +𝛽 4 𝑋 4 𝑖 +...+𝛽 𝑘 𝑋 𝑘𝑖 +𝜇 𝑖
,
𝜇𝑖 Es una variable aleatoria (estocástica) con las siguientes propiedades:
𝐸 (𝜇 𝑖 )=0 Media
𝑌 𝑖= 𝛽1 +𝛽 2 𝑋 2 𝑖 +𝛽 3 𝑋 3 𝑖 +𝛽 4 𝑋 4 𝑖 +...+𝛽 𝑘 𝑋 𝑘𝑖 +𝜇 𝑖
𝐸 ¿ Varianza
𝑌 = 𝑋𝐵+𝑈
𝐸 (𝑈 )= 0̄ Media
2
𝐸[𝑈𝑈 ′ ]=𝜎 𝐼 𝜇 𝑛
Varianza - Covarianza
Toda variable que es función lineal de una variable aleatoria es también es una
variable aleatoria.
INFERENCIA ESTADÍSTICA
Supuestos del modelo clásico de regresión lineal normal (MCRLN)…
𝑌 = 𝑋𝐵+𝑈
𝐸(𝑌 )= 𝑋𝐵 Media
^
𝐵= 𝐷𝑌
^ 𝐵
𝐸( 𝐵)= Media
𝐸[ ^
𝐵 − 𝐵][ ^
𝐵 − 𝐵] ′ =¿ Varianza - Covarianza
^
𝐵 𝑁𝐷 ¿ Distribución normal
INFERENCIA ESTADISTICA
Estimadores bajo el supuesto de normalidad …
^
𝛽1 − 𝛽 1 ^
𝛽2 − 𝛽2
𝑍1= 𝑍2=
√¿ ¿ ¿ √¿ ¿ ¿
^
𝛽3 − 𝛽3 ^
𝛽𝑘 − 𝛽𝑘
𝑍3= 𝑍𝑘=
...... .
√¿ ¿ ¿ √¿ ¿ ¿
Además,
𝜎^ 2𝜇 2
𝐸′ 𝐸 2
𝜒 𝑛 −2
(𝑛−2) 2
𝜒 𝑛− 2
O alternativamente,
𝜎𝜇
2
𝜎𝜇
INFERENCIA ESTADISTICA
Teoremas útiles relacionadas con la distribución normal …
Teorema 1: 𝑛
𝑍 𝑖 𝑁𝐼 (0,1) ∑ 𝑖 𝑛
𝑍 2
𝜒 2
𝑖=1
Teorema 2:
𝑍 1 𝑁 (0,1) 𝑍1
𝑡𝑘
𝑉 2 𝜒 2𝑘
Teorema 3:
√ 𝑉2
𝑘
𝑉 1 𝜒 2𝑘 𝑉 1 /𝑘1
1
𝐹 𝑘 ,𝑘
𝑉 2 𝜒 2𝑘 2
𝑉 2 /𝑘2 1 2
Teorema 4:
𝑡 2𝑘 =𝐹 1 , 𝑘
INFERENCIA ESTADÍSTICA
Utilizando los teoremas planteados se deducen …
Considerando que:
^ ^ 2𝜇
𝜎
𝛽1 − 𝛽 1 y 𝑉 2=(𝑛− 2)
2
𝜒 𝑛− 2
𝑍1= 𝜎𝜇
2
√¿ ¿ ¿
Utilizando el teorema 2, se obtiene:
^𝛽 − 𝛽
1 1
𝑡 𝑛− 2= ¿
√¿¿¿
INFERENCIA ESTADÍSTICA
Utilizando los teoremas planteados se deducen …
Considerando que:
^ ^ 2𝜇
𝜎
𝛽2 − 𝛽2 y 𝑉 2=(𝑛− 2)
2
𝜒 𝑛− 2
𝑍2= 𝜎𝜇
2
√¿ ¿ ¿
Utilizando el teorema 2, se obtiene:
^𝛽 − 𝛽
2 2
𝑡 𝑛− 2= ¿
√¿¿¿
INFERENCIA ESTADÍSTICA
Utilizando los teoremas planteados se deducen …
Considerando que:
^ ^ 2𝜇
𝜎
𝛽𝑘 − 𝛽𝑘 y 𝑉 2=(𝑛− 2)
2
𝜒 𝑛− 2
𝑍𝑘= 𝜎𝜇
2
√¿ ¿ ¿
Utilizando el teorema 2, se obtiene:
^𝛽 − 𝛽
𝑘 𝑘
𝑡 𝑛− 2= ¿
√¿ ¿¿
INFERENCIA ESTADÍSTICA
Descomposición de la varianza …
𝑌 = 𝑋𝐵+𝑈
𝑈=𝑌 − 𝑋𝐵
𝑈=𝑌 − 𝑋𝐵 − 𝑋 ^𝐵+ 𝑋 ^
𝐵
𝑈=(𝑌 − 𝑋 ^𝐵)−( 𝑋𝐵− 𝑋 𝐵)
^
𝑈 ′ 𝑈=[(𝑌 − 𝑋 ^𝐵)−( 𝑋𝐵− 𝑋 𝐵)]′
^ [(𝑌 − 𝑋 ^𝐵)−(𝑋𝐵− 𝑋 ^𝐵)]
𝑈 ′ 𝑈=[(𝑌 − 𝑋 ^ 𝐵)− 𝑋 (𝐵 − ^ ^ 𝑋 (𝐵− ^
𝐵)]′ [(𝑌 − 𝑋 𝐵)− 𝐵)]
𝑈 ′ 𝑈=[(𝑌 − 𝑋 ^𝐵)′ −(𝐵 − ^𝐵)′ 𝑋 ′][(𝑌 − 𝑋 ^𝐵)− 𝑋 (𝐵 − 𝐵)]
^
𝑈 ′ 𝑈=(𝑌 − 𝑋 ^𝐵)′ (𝑌 − 𝑋 ^𝐵)−(𝑌 − 𝑋 ^𝐵)′ 𝑋 (𝐵 − ^𝐵)−(𝐵 − ^𝐵)′ 𝑋 ′(𝑌 − 𝑋 ^𝐵
INFERENCIA ESTADÍSTICA
Descomposición de la varianza …
𝐵= 0̄
𝑌 ′ 𝑌 =𝐸 ′ 𝐸+ ^ ^
𝐵′ 𝑋 ′ 𝑋 𝐵
𝑌 ′ 𝑌 =𝐸 ′ 𝐸 + ^
𝐵′ 𝑋 ′ 𝑋 ¿
𝑌 ′ 𝑌 =𝐸 ′ 𝐸+ ^
𝐵′ 𝑋 ′ 𝑌
^ ′ 𝑌^
𝑌 ′ 𝑌 =𝐸 ′ 𝐸+ 𝑌
INFERENCIA ESTADÍSTICA
Descomposición de la varianza …
2 2
𝑍 =𝑍 + 𝑍 =¿ ¿ 2 3
^ 2𝜇
𝜎 2
𝑉 2=(𝑛− 2) 2
𝜒 𝑛− 2
𝜎𝜇
𝐹 2,𝑛−2=¿¿¿¿
INFERENCIA ESTADÍSTICA
En resumen se tiene las siguiente variables aleatorias …
^
𝛽1 − 𝛽 1 ^
𝛽𝑘 − 𝛽𝑘
𝑍1= 𝑍𝑘=
...... .
√¿ ¿ ¿ √¿ ¿ ¿
^ ^
𝛽 𝑘 − 𝛽𝑘
𝛽 1 − 𝛽1 𝑡 ^𝛽 =
𝑡 ^𝛽 = 𝑆 ^𝛽
𝑆 ^𝛽
𝑘
1
𝑘
1
𝐹 2, 𝑛 −2 =¿ ¿
INFERENCIA ESTADÍSTICA
Algunas ideas básicas …
^ ^
𝐸( ^𝛽 ¿ ¿2)= 𝛽2 ¿
𝛽2
1
𝛽2
2 ^
𝛽 32 ^ 4 ^
𝛽 42 ^
𝛽2
5
^ ^ 7
𝛽2 𝛽 62 𝛽2
^
𝛽2
INFERENCIA ESTADÍSTICA
Algunas ideas básicas … Confiabilidad …
𝜎 2𝜇
𝑉𝑎𝑟 ( ^𝛽2 )=
∑ 𝑥𝑖 2
𝛽2 𝛽2 𝛽2
INFERENCIA ESTADÍSTICA
Ideas básicas …
/2 /2
^
𝛽2 − 𝛿 𝛽2 ^
𝛽 2+ 𝛿
INFERENCIA ESTADÍSTICA
Ideas básicas …
^𝛽 − 𝛽
2 2
𝑍2 = 𝑁 (0,1)
√
2
𝜎 𝜇
∑ 𝑥𝑖 2
0
INFERENCIA ESTADÍSTICA
Ideas básicas …
^𝛽 − 𝛽
2 2
𝑍2 = 𝑁 (0,1)
√
2
𝜎 𝜇
∑ 𝑥𝑖 2
/2 /2
−𝑍 𝑍2 𝑍
INFERENCIA ESTADÍSTICA
Ideas básicas …
^𝛽 − 𝛽
2 2
𝑡 𝑛−2
√ ^ 2
𝜎 𝜇
∑ 𝑥𝑖 2
/2 /2
−𝑡 /2 0 𝑡 /2
INFERENCIA ESTADÍSTICA
Estimación por intervalos …
Pr ¿ ¿
Pr ¿ ¿
INFERENCIA ESTADÍSTICA
Estimación intervalos …
^ 2𝜇
𝜎 2
(𝑛 −2) 2
𝜒 𝑛− 2
𝜎𝜇
2
^ 2𝜇
𝜎 2
Pr [¿ 𝜒 1− 𝜀/ 2 ≤(𝑛 − 2) 2
≤ 𝜒 𝜀/ 2 ]=1 − 𝜀¿
𝜎𝜇
^ 2𝜇
𝜎 2
^ 2𝜇
𝜎
Pr [¿(𝑛 −2) 2
≤ 𝜎 𝜇 ≤(𝑛 −2) 2
]=1 − 𝜀¿
𝜒 𝜀/ 2 𝜒 1 − 𝜀/2
INFERENCIA ESTADÍSTICA
Prueba de hipótesis de significancia individual …
𝐸(𝑌 𝑖 / 𝑋 𝑖 )= 𝛽1 +𝛽 2 𝑋 2 𝑖 +𝛽 3 𝑋 3𝑖 +...+ 𝛽𝑘 𝑋 𝑘𝑖
La hipótesis de no relación entre la variable endógena y la variable exógena
«i» es:
𝐻 𝐴 : 𝛽𝑖 ≠ 0 𝑖=1,2,3 ,...,𝑘
INFERENCIA ESTADÍSTICA
Prueba hipótesis de significancia global …
Hipótesis:
𝐻 0 : 𝛽 2= 𝛽3 =...= 𝛽 𝑘=0
Las variables explicativas, X2, X3 y Xk, en conjunto, tienen influencia lineal
sobre Y. Parte de la variación de Y se atribuirá a X2, X3, …, y Xk.
𝐻 𝑎 : 𝛽 2 ≠ 𝛽 3 ≠ ... ≠ 𝛽 𝑘 ≠ 0