Documente Academic
Documente Profesional
Documente Cultură
Intervalos de confianza
=1
(1 2 )
(1
)
=1
=
~(0,1)
( )
donde s( ) es la raiz cuadrada de V( ).
=1
2
=
1
( )
~1
0 : 1 = 1
1 : 1 > 1
Valor menor al de 0 .
0 : 1 = 1
1 : 1 < 1
Qu es un estadstico?
Un estadstico es una variable aleatoria que slo
depende de parmetros conocidos.
Se construye a partir de las mismas estimaciones
que hemos obtenido para los estimadores, en
este caso y 2 . Se construye bajo la hiptesis
nula: no depende de la hiptesis alternativa.
( )
~1
~1
Cmo definimos c?
Tenemos que definir un nivel de significancia, denotado
por .
es la probabilidad de rechazar la hiptesis nula cuando
esta es cierta.
= ( | es cierta)
~1
Resumiendo
0 : = 0
1 : > 0
Rechazamos la hiptesis nula bajo un un nivel de
significancia, denotado por , si es que el
estadstico observado > 1, .
1 : < 0
Rechazamos la hiptesis nula bajo un un nivel de
significancia, denotado por , si es que el estadstico
observado < 1, .
Test ms usado
En el caso particular que 0 =0, se le llama test o
contraste de significatividad.
1 : 0 : = ( (1 > )
1 : > 0 : = (1 > )
1 : < 0 : = (1 < )
Source |
SS
df
MS
-------------+-----------------------------Model | 262.690453
1 262.690453
Residual | 61.2190831
266 .230146929
-------------+-----------------------------Total | 323.909536
267 1.21314433
Number of obs
F( 1,
266)
Prob > F
R-squared
Adj R-squared
Root MSE
=
268
= 1141.40
= 0.0000
= 0.8110
= 0.8103
= .47974
-----------------------------------------------------------------------------ln_sal |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------educ |
.1920541
.0056847
33.78
0.000
.1808614
.2032467
_cons |
7.154218
.05682
125.91
0.000
7.042344
7.266092
------------------------------------------------------------------------------
H0: = 0
(0.1920541-0)/0.0056847=33.78
Caigo en zona
de rechazo
Caigo en zona
de rechazo
Source |
SS
df
MS
-------------+-----------------------------Model | 262.690453
1 262.690453
Residual | 61.2190831
266 .230146929
-------------+-----------------------------Total | 323.909536
267 1.21314433
Number of obs
F( 1,
266)
Prob > F
R-squared
Adj R-squared
Root MSE
=
268
= 1141.40
= 0.0000
= 0.8110
= 0.8103
= .47974
-----------------------------------------------------------------------------ln_sal |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------educ |
.1920541
.0056847
33.78
0.000
.1808614
.2032467
_cons |
7.154218
.05682
125.91
0.000
7.042344
7.266092
------------------------------------------------------------------------------
H0: = 0.20
(0.1920541-0.20)/0.0056847=-1.3967
Caigo en zona
de no rechazo
Caigo en zona
de no rechazo
p-value: Prob(t<-1.3967)+Prob(t>1.3967)=0.16
Slo podramos rechazar si eligieramos un nivel de
confianza inferior al 0.84
~1
Source |
SS
df
MS
-------------+-----------------------------Model | 262.690453
1 262.690453
Residual | 61.2190831
266 .230146929
-------------+-----------------------------Total | 323.909536
267 1.21314433
Number of obs
F( 1,
266)
Prob > F
R-squared
Adj R-squared
Root MSE
=
268
= 1141.40
= 0.0000
= 0.8110
= 0.8103
= .47974
-----------------------------------------------------------------------------ln_sal |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------educ |
.1920541
.0056847
33.78
0.000
.1808614
.2032467
_cons |
7.154218
.05682
125.91
0.000
7.042344
7.266092
------------------------------------------------------------------------------
P 1.96 ^
1.96 .95
/ xi2
^
^
1
.
96
1
.
96
.95
xi2
xi2
Number of obs
F( 1,
266)
Prob > F
R-squared
Adj R-squared
Root MSE
=
268
= 1141.40
= 0.0000
= 0.8110
= 0.8103
= .47974
-----------------------------------------------------------------------------ln_sal |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------educ |
.1920541
.0056847
33.78
0.000
.1808614
.2032467
_cons |
7.154218
.05682
125.91
0.000
7.042344
7.266092
------------------------------------------------------------------------------
1 2
1 2
El clculo es similar al que hicimos para un solo
parmetro.
Salvo que ahora tenemos que encontrar la
desviacin estndar muestral de la diferencia entre
los parmetros.
(0.023)
SR MR y MNR
El modelo restringido es un modelo al que se le ha
agregado ms informacin
la informacin contenida en la hiptesis nula
SR MR y MNR
Esto es, no hay duda que SRR (suma de residuos restringida) es mayor
que la SRNR (suma de residuos no restringida)
Slo estarn cerca si los datos son consistentes con la hiptesis nula.
Number of obs
F( 2,
138)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
141
14.78
0.0000
0.1764
0.1645
.34032
-----------------------------------------------------------------------------colGPA |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------hsGPA |
.4534559
.0958129
4.73
0.000
.2640047
.6429071
ACT |
.009426
.0107772
0.87
0.383
-.0118838
.0307358
_cons |
1.286328
.3408221
3.77
0.000
.612419
1.960237
------------------------------------------------------------------------------
Number of obs
F( 1,
139)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
141
28.85
0.0000
0.1719
0.1659
.34003
-----------------------------------------------------------------------------colGPA |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------hsGPA |
.4824346
.0898258
5.37
0.000
.304833
.6600362
_cons |
1.415434
.3069376
4.61
0.000
.8085635
2.022304
SRR SRNR / J
SRNR / N K 1
F 0.76497122
Test F
Test F (1,141) crtico (95%) :3.9097
Caigo en zona de no rechazo
Zona rechazo
Number of obs
F( 2,
138)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
141
14.78
0.0000
0.1764
0.1645
.34032
-----------------------------------------------------------------------------colGPA |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------hsGPA |
.4534559
.0958129
4.73
0.000
.2640047
.6429071
ACT |
.009426
.0107772
0.87
0.383
-.0118838
.0307358
_cons |
1.286328
.3408221
3.77
0.000
.612419
1.960237
------------------------------------------------------------------------------
Resumiendo
Estimar el modelo restringido
Estimar el modelo sin restricciones
Calcular el test F
i 1
Y entonces 0 Y
i 1
El test F se reduce a,
F
SCT SRNR / J
SRNR / N K 1
2
SRNR
/ N K 1 (1 R ) / N K 1
SCT
Number of obs
F( 2,
138)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
141
14.78
0.0000
0.1764
0.1645
.34032
-----------------------------------------------------------------------------colGPA |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------hsGPA |
.4534559
.0958129
4.73
0.000
.2640047
.6429071
ACT |
.009426
.0107772
0.87
0.383
-.0118838
.0307358
_cons |
1.286328
.3408221
3.77
0.000
.612419
1.960237
------------------------------------------------------------------------------
0.1764 / 2
14.7785333
(1 0.1764) / 138
Interpretacin:
El test evala estadsticamente el poder
explicativo conjunto que tienen las variables
incluidas en el modelo
Eficiencia asinttica