Estimacin por intervalos y

prueba de hiptesis
Clase 2
Intervalos estimados
El estimado de b es un estimado puntual del
parmetro poblacional desconocido
La estimacin de intervalos propone un rango
de valores dentro de los cuales se encuentra el
parmetro poblacional.
2
. |
La distribucin t
Asmase que se cumplen los supuestos
expuestos para el modelo de regresin lineal
simple.
En ese caso, los estimadores MICO de los
parmetros se distribuyen como una normal:
( )
( )
2
2
1 1
2
2
2 2
2
,
N ,
i
i
i
x
b
N x x
b
x x
| o
o
|
| |
|
|

\ .
| |
|
|

\ .

La distribucin t
Una variable aleatoria normal estandarizada
se obtiene de la siguiente manera:
Usando la tabla de distribucin normal
estandarizada se obtiene:
( )
2 2
2 2
1
0,1
( )
n
i
i
b
Z N
x x
|
o
=

2 2
2 2
1
1.96 1.96 0.95
( )
n
i
i
b
P Z
x x
|
o
=
| |
|

|
s = s =
|
|
|
\ .

La distribucin t
Reorganizando la expresin:
En muestros repetidos un 95% de los intervalos
como se contendr al verdadero parmetro
poblacional.
El problema es que no conocemos la varianza del
trmino de error
2 2 2 2
2 2 2
1 1
1.96 ( ) 1.96 ( ) 0.95
n n
i i
i i
P b x x b x x o | o
= =
| |
s s + =
|
|
\ .

2
.
o
La distribucin t
Pero podemos estimarlo:
Usando el estimador de la varianza poblacional (igual
a la del error) obtenemos una variable aleatoria que
podemos trabajar, pero que sigue una distribucin t
con N-k grados de libertad.
( )
2
2

2
i
i
e
Var e
N
o = =

( )
( )
2 2 2 2 2 2
2
2 2
2
1
var
( )
N k
n
i
i
b b b
t t
se b
b
x x
| | |
o

=

= = =

La distribucin t
Intervalos estimados
De la tabla de la distribucion t se puede obtener el t
crtico de manera que:
El valor crtico para m grados de libertad es el
percentil
( ) ( )
2
c c
P t t P t t o > = s =
( )
1 2,m
t
o
Intervalos estimados
La parte central de la distribucin contiene el rea
siguiente:
Para un intervalo de confianza de 95% el valor crtico
define una regin central de la distribucin t que
contiene la probabilidad Esto deja el 5% de
probabilidad para las dos colas, la cual se divide
entre dos partes iguales.
( )
1
c c
P t t t o s s =
1 0.95. o =
t de student
Intervalos estimados
Ahora se pueden crear los intervalos estimados de la
siguiente manera:
Reorganizando la expresin se obtiene:
De cada 100 intervalos calculados en estar el
verdadero parmetro poblacional.
( )
1
k k
c c
k
b
P t t
se b
|
o
| |

s s =
|
|
\ .
( ) ( ) ( )
1
k c k k k c k
P b t se b b t se b | o s s + =
( )
100 1 % o
Pruebas de hiptesis
La prueba de hiptesis es un procedimiento para
comparar una conjetura que tenemos sobre una
poblacin con la informacin muestral.
Componentes de la prueba de hiptesis:
Una hiptesis nula: especifica un valor para el
parmetro de la regresin (c)
Una hiptesis alternativa (mayor, menor o desigual)
Un estadstico de prueba (t-test)
Una regin de rechazo (nivel de significancia 1%, 5%)
Una conclusin (rechaza o no rechaza Ho)
Pruebas de hiptesis
Componentes de la prueba de hiptesis:
Una hiptesis nula: especifica un valor para el
parmetro de la regresin (c)
0
:
k
H c | =
Pruebas de hiptesis
Componentes de la prueba de hiptesis:
Una hiptesis alternativa: Esta sera aceptada si la
hiptesis nula es rechazada. Existen tres posibles
alternativas:
1
1
1
:
:
:
k
k
k
H c
H c
H c
| >
| <
| =
Pruebas de hiptesis
Componentes de la prueba de hiptesis:
Un estadstico de prueba (t-test)
Si la hiptesis nula es verdadera, entonces se
puede sustituir el parametro beta por la
constante:
Si la hiptresis nula se rechaza entonces el
estadstico t no tiene una distribucin t con n-k g.l.
( )
( 2)
se( ) ~
k k k N
t b b t

= |
( 2)
~
se( )
k
N
k
b c
t t
b

=
Prueba de una cola (GT >)
Prueba de una cola (LT <)
Prueba de dos colas (desigual)
El valor p
Si t es el valor calculado para el estadstico t,
entonces:
Si H
1
:
K
> c, p = probabilidad a la derecha de t
Si H
1
:
K
< c, p = probabilidad a la izquierda de t
Si H
1
:
K
c, p = suma de las probabilidades a la
derecha de |t| y a la izquierda de |t|
Valor de p para una prueba de cola derecha
Valor de p para una prueba de cola izquierda
Valor de p para una prueba de dos colas
Aplicacin en EViews
Abra el archivo food.wf1: file/open
Guardelo con otro nombre: file/save as
food_cla2.wf1
Estime la regresin lineal simple: ls food_exp c
income (puede hacerlo con Quick/estimate)
Pngale un nombre a la ecuacin estimada
usando el botn name: food_eq
Aplicacin en Eviews
Estimacin por intervalos
Necesitaremos las funciones de distribucin
acumulada: @ctdist(x,v) v=g.l.
Funcin de cuantiles: @qtdist(p,v) para calcular el
valor crtico de una variable alteatoria t con v g.l.
tal que la probabilidad p cae a la izquierda de ella
( ) | |
@ ,
v
ctdist x v P t x = s
( ) | |
38
@ .975,38 0.975
crit
tc qtdist P t t = s =
Aplicacin en Eviews
Construccin de los intervalos estimados,
mediante el uso de los resultados de la
regresin ms reciente:
Scalar tc=@qtdist(.975,38)
Scalar b2=@coefs(2)
Scalar seb2=@stderrs(2)
Scalar b2_lb=b2-tc*seb2
Scalar b2_ub=b2+tc*seb2
Aplicacin en Eviews
Construccin de los intervalos estimados,
mediante el uso del vector de coeficientes
En el menu principal seleccione: Objects/New
Object
Cree una Matrix-Vector-Coef y nombrelo Int_est.
Este sera un vector de dos filas y una columna.
Luego entre los comandos:
Int_est(1)=@coefs(2)-@qtdist(.975,38)*@stderrs(2)
Int_est(2)@coefs(2)+@qtdist(.975,38)*@stderrs(2)
Pruebas de hiptesis en EViews
Prueba de cola derecha
Prueba de significancia: H0:beta2=0 contra la
alternativa que es mayor que cero
Scalar tc95=@qtdist(.95,38)
Scalar tstat=b2/seb2
Scalar pval=1-@ctdist(tstat,38)
Pruebas de hiptesis en EViews
Prueba de cola derecha, usando vectores
Coef(10) t1
T1(1)=b2 estimado
T1(2)=seb2 error estandar
T1(3)=b2/seb2 estadistico t
T1(4)=@qtdist(0.95,38) valor critico de t derecho
T1(5)=1-@ctdist(t1(3),38) valor de p a la derecha
Pruebas de hiptesis en EViews
Prueba de cola derecha
Prueba de una hiptesis econmica: Ho: beta2<=5
contra la alternativa que beta2>5
Construya un vector con 10 lineas: coef(10) t2
T2(1)=b2 estimado
T2(2)=seb2 error estandar
T2(3)=(b2-5)/seb2 estadistico t
T2(4)=@qtdist(.95,38) valor critico de t
T2(5)=1-@ctdist(t2(3),38) valor p
Pruebas de hiptesis en EViews
Prueba de cola izquierda
Prueba de significancia: H0:beta2=0 contra la
alternativa que es menor que cero
Scalar tc05=@qtdist(.05,38)
Scalar tstat=b2/seb2
Scalar pval=@ctdist(tstat,38)
Pruebas de hiptesis en EViews
Prueba de cola izquierda
Prueba de una hiptesis econmica: Ho:
beta2=>12 contra la alternativa que beta2<12
Construya un vector con 10 lineas: coef(10) t4
T4(1)=b2 estimado
T4(2)=seb2 error estandar
T4(3)=(b2-12)/seb2 estadistico t
T4(4)=@qtdist(.05,38) valor critico de t
T4(5)=@ctdist(t4(3),38) valor p
Pruebas de hiptesis en EViews
Prueba dos colas (viene dado en la tabla de
regresin, pero aqu lo construiremos)
Prueba de significancia: H0:beta2=0 contra la
alternativa que diferente de cero
Scalar tc975=@qtdist(.975,38)
Scalar tc025=@qtdist(.025,38)
Scalar tstat=b2/seb2
Scalar leftpval=@ctdist(-abs(tstat),38)
Scalar rightpval=1-@ctdist(abs(tstat),38)
Scalar pval2=leftpval+rightpval
Pruebas de hiptesis en EViews
Prueba de dos colas
Prueba de una hiptesis econmica: Ho: beta2=12.5contra
la alternativa que beta n.e.t. 12.5
Construya un vector con 10 lineas: coef(10) t6
T6(1)=b2 estimado
T6(2)=seb2 error estandar
T6(3)=(b2-12.5)/seb2 estadistico t
T6(4)=@qtdist(.025,38) valor critico de t izquierda
T6(5)=@qtdist(.975,38) valor critico de t derecha
T6(6)=@ctdist(-abs(t6(3),38) valor p a la izquierda
T6(7)=1-@ctdist(abs(t6(3),38) valor p a la derecha
T6(8)= t6(6)+t6(7) valor p de dos colas