METODE ECONOMETRICE

ECONOMETRICE

Inferenţa statistic
Inferenţa ă
statistică
 Concepte
• Ipoteză statistică = ipoteza care se face cu privire
la parametrul unei repartiţii sau la legea de repartiţie
pe care o urmează anumite variabile aleatoare.
• Ipoteză nulă (H0) = ipoteza care se consideră a
priori adevărată.
• Ipoteză alternativă (HA) = o ipoteză care
contrazice ipoteza nulă. Ea va fi acceptată doar când
există suficiente dovezi în favoarea acesteia.
• Dacă ipoteza nulă constă în afirmaţia că parametrul θ
al unei distribuţii este egal cu o anumită valoare θ0:
– ipoteză alternativă simplă: θ = θ1
– ipoteză alternativă compusă:
θ ∈ {θ 1 ,θ 2 ,...,θ k }
 Concepte

• Testul statistic este utilizat drept criteriu de

acceptare sau de respingere a ipotezei nule
• Regiunea critică, Rc = valorile numerice ale testului
statistic pentru care ipoteza nulă va fi respinsă.
– este astfel aleasă încât probabilitatea ca ea să
conţină testul statistic, când ipoteza nulă este
adevărată să fie α, cu α mic (α=0.01 etc.).
– Dacă valoarea calculată a testului statistic se află
în regiunea critică Rc, ipoteza H0 se respinge
– regiunea critică este delimitată de valoarea critică,
C – punctul de tăietură în stabilirea acesteia.
 Concepte
• Eroare de genul întâi = eroarea pe care o facem
eliminând o ipoteză nulă, deşi este adevărată.
• Riscul de genul întâi (α) = probabilitatea comiterii
unei erori de genul întâi; se numeşte nivel sau prag de
semnificaţie.
• Nivelul de încredere al unui test statistic este (1-α).
În expresie procentuală, (1-α)∙100 reprezintă
probabilitatea ca rezultatele să fie adevărate.
• Eroare de genul al doilea = eroarea pe care
decidentul o comite acceptând o ipoteză nulă, deşi
este falsă.
• Probabilitatea (riscul) comiterii unei erori de genul al
doilea este β.
• Puterea testului statistic este (1-β).
• P-value = cel mai mic nivel de semnificaţie la care
• poate fi respinsă ipoteza nulă.
 Concepte
Erorile în testarea ipotezelor statistice

Decizia de Ipoteza adevărată

acceptare H0 H1
H0 Decizie corectă Eroare de tip II
(probabilitate 1-α) (risc β)
HA Eroare de tip I Decizie corectă
(risc α) (probabilitate 1-β)

• α= P(respingere H0 ‫ ׀‬H0 este adevărată)=P(eroare de tip I)

• β= P(acceptare H0 ‫ ׀‬H0 este falsă)=P(eroare de tip II)
Concepte

Legătura dintre probabilităţile α şi β

 Etapele verificării
ipotezelor statistice

– Identificarea ipotezelor ce trebuie testate

– Identificarea testului statistic
– Specificarea nivelului de semnificaţie
– Stabilirea regulii de decizie
– Culegerea datelor şi realizarea calculelor
– Luarea deciziei statistice
– Aplicarea deciziei statistice în lumea concretă
Efectuarea testului statistic
• Condiţia esenţială în verificarea ipotezelor statistice
este că variabila de interes urmează o repartiţie
normală: X ~ N (0,1)

• Se extrage un eşantion aleator din respectiva

populaţie normală
x : ( x1 ,..., xn )
• Pe baza eşantionului se calculează valoarea
estimatorului parametrului populaţiei de interes şi apoi
valoarea testului
• Forma generală a testului statistic:
valoarea estimată - valoarea ipotetică
eroarea standard a estimatorului
 Concepte
• Se fac presupuneri despre populaţia sau populaţiile
ce sunt eşantionate (normalitate etc.).
• Se calculează apoi testul statistic şi se
determină valoarea sa numerică, pe baza datelor
din eşantion.
• Se desprind concluziile: ipoteza nulă este fie
acceptată, fie respinsă, astfel:
– dacă valoarea numerică a testului statistic
cade în regiunea critică (Rc), respingem
ipoteza nulă şi acceptăm ipoteza alternativă.
Această decizie este incorectă doar în 100∙α %
din cazuri;
– dacă valoarea numerică a testului nu se află în
regiunea critică (Rc), se acceptă ipoteza nulă
H0.
Teste pentru media populaţiei
- σ2 este cunoscută

• Se aplică testul “z”

•Se stabileşte pragul de semnificaţie α , de
regulă 0.05
•Se extrage un eşantion aleator din respectiva
populaţie normală x : ( x 1 , ..., x n )
x − µ0
•Se calculează valoarea statisticii z=
σ/ n
• Se compară valoarea calculată cu o valoare
tabelată (valoare critică) şi se ia decizia
 Testul z bilateral

H 0 : µ = µ0
Ipoteze: 
 H A : µ ≠ µ0

z
• Valoarea critică: α / 2
 z > zα / 2 ⇒ resping H 0
• Decizia:  altfel ⇒ accept H
 0
 Testul z unilateral
dreapta
• Ipoteze: H 0 : µ = µ 0

H A : µ > µ0

• Valoarea critică: zα
 z > zα ⇒ resping H 0

• Decizia:  altfel ⇒ accept H 0
Testul z unilateral stînga

• Ipoteze: H 0 : µ = µ 0

 H A : µ < µ0

• Valoarea critică: − zα
 z < − zα ⇒ resping H 0

• Decizia:  altfel ⇒ accept H 0
 Regiunea critică

−zα /2 μ zα /2 μ zα −zα μ

a) b) c)

Regiunea critică pentru:

a) test bilateral; b) test unilateral dreapta; c) test unilateral stînga
 Exemplu
• Un fond de investiţii a obţinut în anul precedent
(N-1) un profit mediu lunar de 12%. Rezultatele
pentru primele 9 luni ale anului curent (N) arată
un profit mediu lunar de 11.5%.
Din cercetări anterioare, se cunoaşte că riscul
mediu al fondului de investiţii, măsurat prin
abaterea standard, este σ=2%.
Se poate afirma, folosind o probabilitate de
95%, ca profitul mediu lunar în anul curent (N)
este semnificativ diferit ce profitul mediu lunar
obţinut în anul precedent (N-1)?
 Soluţie - testul z bilateral
• Variabila de interes: X – profitul lunar
Se presupune o distribuţie normală: X ~ N (µ , σ 2 )
• Dispersia populaţiei este cunoscută: σ = 0.02 ⇒σ 2 = 0.0004
• Profitul mediu lunar în anul precedent (N-1) : µ0 = 0.12
• Profitul mediu lunar în cele n=9 luni din anul curent (N): x = 0.115
• Pragul de semnificaţie: α = 0.05(5%)
• Ipotezele:
H 0 : µ = µ0

H A : µ ≠ µ0
• Valoarea critică: zα / 2 = 1.96
• Valoarea testului:
x − µ0 0.115 − 0.12
z= = = −0.083
σ/ n 0.02 / 9
• Verificarea:
z = 0.083 < zα / 2 = 1.96
• Decizia: se acceptă H0; i.e. cu probabilitatea
de 95%, se poate afirma că profitul mediu
lunar obţinut în cele 9 luni ale anului curent
(N) nu este semnificativ diferit de valoarea
de 12% obţinută în anul precedent (N-1) .
 Teste pentru media populaţiei
- σ2 este necunoscută
•Se estimează dispersia populaţiei cu dispersia de
eşantion: n

∑ (x 2
i − x)
s2 = i =1

n −1
•Se aplică testul “t”, similar cu testul “z”

x − µ0
•Se calculează valoarea statisticii t =
s/ n

• Valorile critice sînt cuantilele repartiţiei t-Student

• cu n-1 grade de libertate şi nivelul de
• semnificaţie corespunzător
 Regiunea critică-testul t

−tα /2;n−1 μ tα /2;n−1 μ tα ;n−1 −tα;n−1 μ

a) b) c)

Regiunea critică pentru a) test bilateral; b) test unilateral dreapta; c) test unilateral stînga
 Exemplu – testul t
• Un producător de bere afirmă că volumul
unei cutii este de 0.33 litri. Inspectorii de
calitate vor să verifice acest lucru şi
selectează aleator un eşantion de 16 cutii
care sînt gata de comercializare.
În urma prelucrării datelor, s-au obţinut
următoarele rezultate:  n x = 5 .2 5
∑ i
 i =1
 n

∑
 i = 1
( x i − x ) 2
= 2 3 .0 4

Să se precizeze în ce măsură datele

confirmă afirmaţia producătorului, dacă
nivelul de încredere utilizat este de 95%.
 Soluţie-testul t
• Variabila de interes: X – volumul unei cutii de bere –
presupunem o distribuţie normală: X ~ N µ , σ 2 ( )
• Dispersia populaţiei este
n
necunoscută - va trebui
estimată:
2
∑
(x − x)2
i
23.04
s = i=1
= =1.536
n −1 15
n
• Volumul mediu ipotetic: µ0 = 0.33 ∑x i

• Volumul mediu din eşantion: x= i =1

= 0.328
n
• Pragul de semnificaţie: α = 0.05(5%)
• Ipotezele:  H 0 : µ = µ 0

 H A : µ ≠ µ0

• Valoarea critică: tα / 2;n −1 = t0.05 / 2;15 = 2.48 = TINV (α , n − 1)

x − µ0 0.382 − 0.33
• Valoarea testului: t = s / n = 1.24/ 16 = −0.00038

t = 0.00038 < tα / 2;n −1 = 2.48

• Verificarea:
• Decizia : cu probabilitatea 95%, calculele
• demonstrează că ipoteza nulă se
• respinge.