TALLER DE ECONOMETRIA

Mndez Mndez Jonathan Bruno

Pruebas de hiptesis, pruebas a los residuales para mnimos cuadrados

Saldaa Vzquez Wilfred Enoc

No. Cuenta: 412080425

Pruebas de Hiptesis
Una manera de hacer inferencia es haciendo una afirmacin acerca del valor que el parmetro de la poblacin bajo estudio puede tomar. Esta afirmacin puede estar basada en alguna creencia o experiencia pasada que ser contrastada con la evidencia que nosotros obtengamos a travs de la informacin contenida en la muestra. Esto es a lo que llamamos Prueba de Hiptesis.

Una prueba de hiptesis comprende cuatro componentes esenciales: Hiptesis Nula Hiptesis Alternativa Estadstica de Prueba Regin de Rechazo

La Hiptesis Nula, denotada como H0 siempre especifica un solo valor del parmetro de la poblacin si la hiptesis es simple o un conjunto de valores si es compuesta (es lo que queremos desacreditar) H0:=0. La Hiptesis Alternativa, denotada como H1 es la que responde nuestra pregunta, la que se establece en base a la evidencia que tenemos. H1: = 1.

Como las conclusiones a las que lleguemos se basan en una muestra, hay posibilidades de que nos equivoquemos. Dos decisiones correctas son posibles: Rechazar H0 cuando es falsa No Rechazar H0 cuando es verdadera. Dos decisiones incorrectas son posibles: Rechazar H0 cuando es verdadera No Rechazar H0 cuando es falso.

La Regin de Rechazo es el conjunto de valores tales que si la prueba estadstica cae dentro de este rango, decidimos rechazar la Hiptesis Nula. Conclusiones de una Prueba de Hiptesis Si rechazamos la Hiptesis Nula, concluimos que hay suficiente evidencia estadstica para inferir que la hiptesis nula es falsa Si no rechazamos la Hiptesis Nula, concluimos que no hay suficiente evidencia estadstica para inferir que la hiptesis nula es falsa . La Estadstica de Prueba es una estadstica que se deriva del estimador puntual del parmetro que estemos probando y en ella basamos nuestra decisin acerca de si rechazar o no rechazar la Hiptesis Nula.

Niveles de Significacin Al contrastar una cierta hiptesis, la mxima probabilidad con la que estamos dispuesto a correr el riesgo de cometern error de tipo I, se llama nivel de significacin. Esta probabilidad, denota a menudo por se, suele especificar antes de tomar la muestra, de manera que los resultados obtenidos no influyan en nuestra eleccin. En la prctica, es frecuente un nivel de significacin de 0,05 0,01, si bien se une otros valores. Si por ejemplo se escoge el nivel de significacin 0,05 ( 5%) al disear una regla de decisin, entonces hay unas cinco (05) oportunidades entre 100 de rechazar la hiptesis cuando debiera haberse aceptado; Es decir, tenemos un 95% de confianza de que hemos adoptado la decisin correcta. En tal caso decimos que la hiptesis ha sido rechazada al nivel de significacin 0,05, lo cual quiere decir que tal hiptesis tiene una probabilidad 0,05 de ser falsa. Prueba de Uno y Dos Extremos Cuando estudiamos ambos valores estadsticos es decir, ambos lados de la media lo llamamos prueba de uno y dos extremos o contraste de una y dos colas. Con frecuencia no obstante, estaremos interesados tan slo en valores extremos a un lado de la media (o sea, en uno de los extremos de la distribucin), tal como sucede cuando se contrasta la hiptesis de que un proceso es mejor que otro (lo cual no es lo mismo que contrastar si un proceso es mejor o peor que el otro) tales contrastes se llaman unilaterales, o de un extremo. En tales situaciones, la regin crtica es una regin situada a un lado de la distribucin, con rea igual al nivel de significacin.

Pruebas a los residuales para mnimos cuadrados Si bien para la estimacin por mnimos cuadrados de los coeficientes de un modelo de regresin, slo es necesaria la asuncin de linealidad, la normalidad de los mismos, en base a la cual se realizan los contrastes de hiptesis, est basada tambin en las asunciones de normalidad y homoscedasticidad. Por consiguiente, conviene asegurar que dichas asunciones se cumplen en cada caso. Hay que tener en cuenta que, en caso de que no se cumpla la normalidad, no se puede utilizar la t ni la F para los contrastes de hiptesis. Puede usarse, sin embargo, la desigualdad de Tchebysheff, que establece que para cualquier variable aleatoria.

Siendo k cualquier nmero real positivo. Otro modo alternativo de escribirlo es:

El anlisis de los residuos consiste, por tanto, en contrastar que , i=1,..., n provienen de una poblacin normal con media 0 y varianza s 2 con las pruebas habituales de ji-cuadrado, Kolmogorov-Smirnov. Hay que tener en cuenta que de este modo se estn contrastando globalmente todas las asunciones y, por consiguiente, una falta de normalidad de los residuos puede ser debida tambin a que el modelo sea inapropiado o a existencia de heterocedasticidad. Teniendo en cuenta que (n-(k+1))s2/ s2 se distribuye como una ji-cuadrado con (n(k+1)) grados de libertad, la variable llamada residuo normalizado tendr una distribucin t de Student con (n-(k+1)) grados de libertad, que para valores de n suficientemente grandes se puede aproximar a una normal reducida (de media cero y varianza 1) y, a menudo, se contrasta la distribucin de esta variable en lugar de el residuo.

Adems de estas pruebas de significacin para asegurar que globalmente se cumplen las asunciones del modelo, es til realizar un anlisis grfico de los mismos que permite discriminar entre distintas violaciones de las mismas. Si se representara en una grfica bidimensional los residuos observados (eje Y) para cada una de las variables Y|x1,...,xk (eje X) y se cumplieran las asunciones se observara una nube de puntos en direccin horizontal y con anchura constante (la media de cadaex1,...,xk debera ser cero y tener todas la misma varianza).

Que es la Econometra y para qu sirve Econometra es la disciplina que en el mbito econmico mide las relaciones que existen entre un fenmeno y las variables que lo explican. La medicin se hace con el instrumental que se estudia a travs de la observacin y su comportamiento, se registra preferentemente con datos cuantitativos. La matemtica permite expresar su comportamiento a travs de ecuaciones que pretenden describir determinada teora econmica, misma que en turno permite a la estadstica indicar si es o no verdica. As, una vez que se expresa la teora econmica en forma uniecuacional o multiecuacional, la estadstica proporciona los mtodos para corroborar s se prueba o no con rigor tcnico. Con base en la definicin, puede decirse que la econometra tiene tres propsitos fundamentales: 1. Hacer el anlisis estructural de las relaciones econmicas. 2. Predecir a partir de valores observados o histricos de ciertas variables econmicas, su evolucin futura. 3. Evaluar la aplicacin de polticas microeconmicas (a nivel de empresa) y/o macroeconmicas (a nivel de los grandes agregados de un pas). Como se indic, dichas tcnicas se aplican en la presentacin matemtica y en la verificacin de cierta teora econmica, ya que mediante el anlisis funcional se establecen las relaciones entre un fenmeno y las causas que hipotticamente lo determinan, relaciones que posteriormente se comprueban, preferentemente, mediante el uso de los mtodos de la estadstica inferencial. Una vez que se comprueba que existen estas relaciones, se puede decir que se est en condiciones de estimar el comportamiento futuro del fenmeno.