Contraste de Hipotesis Para contrastar nos hace falta medir y para medir necesitamos una regla (una distribucion) que nos diga que es pequeño y que es.

Slides:



Advertisements
Presentaciones similares
Intervalos de Confianza para la Media de la Población
Advertisements

Tema 16: Contraste paramétrico de hipótesis I: Pruebas de contraste para un grupo. Pruebas de contraste para dos grupos: independientes o relacionados.
Regresión mínimo cuadrada (I)
PRUEBA DE HIPOTESIS Denominada también prueba de significación, tiene como objetivo principal evaluar suposiciones o afirmaciones acerca de los valores.
} LISSET BÁRCENAS MONTERROZA
Introducción al tema El único método científico para validar conclusiones sobre un grupo de individuos a partir de la información que nos proporciona un.
Universidad de Chile Facultad de Ciencias Químicas y Farmacéuticas
Contraste de Hipótesis ETSITGC Madrid Unidad Docente de Matemáticas.
INFERENCIA ESTADÍSTICA
PRUEBAS DE HIPOTESIS HIPOTESIS
Estimación por intervalos de confianza.
Tema 1- Regresión lineal simple.
9 Regresión Lineal Simple
Prueba de hipótesis Equivalencia entre la prueba de hipótesis y los intervalos de confianza Valor de probabilidad Valor de probabilidad unilateral Prueba.
Tests de hipótesis Los tres pasos básicos para testear hipótesis son
UNIVERSIDAD INCA GARCILASO DE LA VEGA
Inferencia Estadística
Unidad VI: PRUEBAS DE HIPOTESIS
Diseño Estadístico y Herramientas para la Calidad
Unidad V: Estimación de
UNIVERSIDAD INCA GARCILASO DE LA VEGA
Pronósticos, Series de Tiempo y Regresión
Tema 17: Contraste paramétrico de hipótesis I: Pruebas de contraste para un grupo. Pruebas de contraste para dos grupos: independientes o relacionados.
INTERVALO DE CONFIANZA
Universidad de Chile Facultad de Ciencias Químicas y Farmacéuticas
Probabilidad y Estadística Inferencia Estadística Se sabe que si cada variable sigue una densidad normal con  y   entonces sigue una ley de densidad.
Estadística Administrativa II
Estadística Clase 3 Intervalos de confianza.
Estadística 2010 Clase 4 Maestría en Finanzas Universidad del CEMA
Unidad V: Estimación de
ESTIMACION En varios pasajes de este libro hemos planteado la dificultad que se confronta en las investigaciones, de llegar a conclusiones sobre una población.
Valor que toma la variable aleatoria
Distribución Normal o gaussiana
Estimación Sea una característica, un parámetro poblacional cuyo valor se desea conocer a partir de una muestra. Sea un estadístico ( función.
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
Capítulo 7 Estimación de Parámetros Estadística Computacional
¿Cuándo usar esta distribución?
Inferencia Estadística
ESTIMACIÓN ESTADÍSTICA POR INTERVALO DE CONFIANZA
Unidad V: Estimación de
Capítulo 1. Conceptos básicos de la Estadística
Tema 7: Introducción a la inferencia estadística
Ramón Giraldo H MSc. Estadística. Profesor Universidad Nacional
Tema 7: Introducción a la inferencia estadística
INFERENCIA ESTADÍSTICA
Pruebas de hipótesis.
Probabilidad y Estadística X = x Unidad de muestreo Mediremos un atributo Variable aleatoria Valor que toma la variable aleatoria.
COMPROBACION DE HIPOTESIS SOBRE DOS PROMEDIOS Mario Briones L. MV, MSc 2005.
Estimación Diferencia de dos medias
INTERVALOS DE CONFIANZA
ESTIMACIÓN DE PARÁMETROS
Prueba de Hipótesis Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional El estudio se plantea.
Curso de Estadística a Distancia El Profesor se va por las ramas… Los alumnos parecen ausentes…
Aspectos generales de la investigación educativa en el SNIT
CONTRASTE DE HIPÓTESIS Dimensiones Largo275mm. 169 mm 2 Ancho175mm.49 mm 2 Alto175mm.49 mm 2 Peso16 Kg.1 Kg 2. SITUACIÓN PROBLEMA.
INFERENCIA ESTADÍSTICA
UNIVERSIDAD CENTRAL DEL ECUADOR FACULTAD DE CIENCIAS ECONOMICAS INFERENCIA ESTADISTICA TEMA: ESTIMACION PUNTUAL, PROPIEDADES DE LAS ESTIMACIONES;
Pruebas paramétricas y no paramétricas
Free and Quick Translation of Anderson's slides
ECONOMETRIA 2. MODELO LINEAL SIMPLE Hernán Delgadillo Dorado
DISTRIBUCIÓN “t” DE STUDENT
RESUMEN DE LA DISTRIBUCION MUESTRAL PARA LA MEDIA MUESTRAL X INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL  TIPO DE PROBLEMA ESPERANZA Y VARIANZA.
Free and Quick Translation of Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 4. Mas Aspectos de este Modelo.
Intervalos de Confianza M. C. José Juan Rincón Pasaye UMSNH – FIE Mayo de 2003.
Estimación estadística
Yulieth ariza Villarreal Estadística II. Historia La distribución de Student fue descrita en 1908 por William Sealy Gosset. Gosset trabajaba en una fábrica.
Free and Quick translation of Prof. Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 1. Estimacion.
DISTRIBUCION DE T-STUDENT
Viviana Acosta Estadística II. Que es Es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida.
DISTRIBUCION “T” DE STUDENT
Transcripción de la presentación:

Contraste de Hipotesis Para contrastar nos hace falta medir y para medir necesitamos una regla (una distribucion) que nos diga que es pequeño y que es grande

Propiedades de los estimadores MCO 1. Insesgados 2. Min. Varianza 3. Consistentes: cuando n crece, el estimador es mas exacto (plim =  i )  ˆ 1  ˆ 2    11 ˆ    2 ˆ  ˆ 2 eficientes

     2 ˆ 1 1 1, N~ ˆ      2 ˆ 2 2 2,N~ ˆ entonces 4. Supongamos que u i ~N(0,    Y|X ~N(  1 +  2 X,    Propiedades de los MCO (continua)

Contraste de Hipotesis e Intervalo de Confianza Cuanto podemos confiar en la estimacion MCO? Que “cerca” esta de ?  ˆ 1  1  ˆ 2  2   ˆ f 2 Densidad   ˆ 2   ˆ 2  2  ˆ 2 Intervalo aleatorio (intervalo de confianza )

es el extremo inferior es el extremo superior El intervalo aleatorio (intervalo de confianza) esta formado por la region que va de a Pr( <  2 < ) = (1-  ) donde (1-  ) es el nivel de confianza: 0<  <1  es el nivel de significatividad.   ˆ 2   ˆ Contraste de Hipotesis e Intervalo de Confianza

Construccion de Intervalos de Confianzas para  i Por los supuestos anteriores:      donde  x n x 2 i 2 i 2 2 ˆ 1      ˆ 2,N~ ˆ      ˆ 1,N~ ˆ      x 2 i 2 2 ˆ 2   2 ui,O N ~ U

Construccion de intervalos de confianza para  i (cont.)   ˆ f 2  ˆ 2    ˆ E 2 2 El valor estimado de  2 puede caer en cualquiera de estas regiones

      ˆ Se ˆ Z Estandarizacion Construccion de intervalos de confianza para  i (cont.)

Por ejemplo: Region de aceptacion Construccion de intervalos de confianza para  i (cont.)

 ) ˆ (Se ˆ 96.1Pr Z.1Pr        intervalo de confianza al 95 % 96.1 ) ˆ (Se ˆ      

  *          ˆ Se 96.1 ˆˆ Se96.1 ˆ      ˆ Se96.1 ˆ 2 2 En la practica, es desconocido. Lo estimaremos con  2 SCR 2n 2  u ˆ i 2 ˆ     En lugar de usar la distribucion Normal, tenemos que usar la distribucion-t. No olvidad que cuando “n” es grande estas dos distribuciones coinciden. Construccion de intervalos de confianza para  i (cont.)

             ˆ x ˆ t desviacion standard del estimador estimado – verdadero parametro t ) ˆ ( ˆ t Construccion de intervalos de confianza para  i (cont.)

donde es el valor critico de la distribucion t-Student al nivel de significatividad y (n-2) grados de libertad. Usamos el estadistico t para construir un intervalo de confianza para  , de la forma siguiente:

Por ejemplo al 10% de significatividad Operando,  90.0 t ˆ ˆ t Pr c c 2n,05.02n,.0                 90.0 ˆ t ˆˆ t ˆ Pr 2 c 2 c n,05.0 2n,.0          *    

El intervalo de confianza al 90% para es:       ˆ t ˆ 2 c 2 2n,05.0   ˆ 2        ˆ t ˆ 1 c 1 2 n, 2  1 El intervalo de confianza al 90% para  2 es :  t c 2n,05.0

t-test de una cola Paso 1: Paso 2: Paso 3: busca en la tabla de la t el valor critico Si “n” es grande busca en la tabla de la normal (0,1)               ˆ : H ˆ : H ˆ : H ˆ : H       ˆ ˆ t Valor calculado

Regla de decision del t-test de una cola Paso 4: compara y t Paso 5:Si t > ==> rechazar Si t no rechazar (Si - t rechazar H 0 ) (Si t > ==> no rechazar ) t c H 0 H 0 H 0 Cola derecha Cola Izquierda

Algunas hipotesis de interes: 1) Viven menos los pacientes viejos que los jovenes despues de un transplante de corazon? 2) Predicen las notas de selectividad los resultados academicos universitarios? 3) Es la propension marginal a consumir >.95? 4) Son las preferencias en vivienda Cobb-Douglas? 5) Es el crecimiento de la tasa media anual de la oferta monetaria superior al 7%?

Dias sobrevividos =  1 +  2 Edad + u  H 0 :  2 = 0 H 1 :  2 < 0 Se responde con un test de la t de una cola 1) Viven menos los pacientes viejos que los jovenes despues de un transplante de corazon?

4) Son las preferencias en vivienda Cobb-Douglas?  Si la Utilidad = (Vivienda)  * (Otras cosas) (1-   la Renta =  *Ingreso  En tal caso podemos estimar  via la siguiente regresion:  Renta =  *Ingreso + u  H 0 :  = 0 H 1 :   0 zSe responde con un test de la t de dos colas

5) Es el crecimiento de la tasa media anual de la oferta monetaria superior al 7%? Log(M) =   +   Tiempo + u  dlog(M)/dTiempo =  2 = z[dlog(M]/dM]*dM/dTiempo = z (1/M) dM/dTiempo = %  M/  Tiempo z¿Como contrastaria esta hipotesis?