Repaso: Estadı́stica y Probabilidad

Econometrı́a Para la Toma de Decisiones

Profesor: Mauricio Leiva del Campo

e-mail: m.leiva@udd.cl

Ingenierı́a Comercial
Universidad del Desarrollo

Primer Semestre 2022

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 1 / 57

Temas Estadı́stica y Probabilidad

• Conceptos básicos de estadı́stica y probabilidad.

• Momentos muestrales.
• Distribuciones de probabilidad.
• Estimación puntual.
• Propiedades deseadas de los estimadores.
• Inferencia

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 2 / 57

Estadı́stica (Introducción)

• En su acepción más común, la estadı́stica se refiere a información numérica.

• Algunos ejemplos son el sueldo inicial de los graduados universitarios, el número de
muertes y contagiados que ha provocado el coronavirus en Chile y el mundo, el tiempo
promedio de una consulta médica, etc. En estos ejemplos las estadı́sticas refieren un valor
o un porcentaje.
• Ciencia que recoge, organiza, presenta, analiza e interpreta datos con el fin de
propiciar una toma de decisiones más eficaz.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 3 / 57

Estadı́stica (Introducción)

• Tipos de Estadı́stica:
• Estadı́stica Descriptiva: Métodos para organizar, resumir y presentar datos de
manera informativa.
• Inferencia Estadı́stica: Métodos que se emplean para determinar una propiedad de
una población con base en la información de una muestra de ella.

• Población:Conjunto de individuos u objetos de interés o medidas que se obtienen a partir

de todos los individuos u objetos de interés.
• Muestra: Porción o parte de la población de interés.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 4 / 57

Estadı́stica (Introducción)
Población y Muestra

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 5 / 57

Estadı́stica (Introducción)

Fuente: Ministerio de Salud.

Informe corresponde al 08 de marzo de 2021. El corte de la información se realizó a las 21:00 horas del 07 de marzo.
Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 6 / 57
Descripción de Datos: Medidas Numéricas

• Comenzaremos el estudio de la estadı́stica descriptiva.

• Describir datos cuantitativos: Medidas de ubicación y medidas de dispersión.
• Medidas de Ubicación:
• Media Poblacional
• Media Muestral
• Media Ponderada
• Mediana
• Moda
• Medidas de Dispersión:
• Rango
• Desviación Media
• Varianza
• Desviación Estándar

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 7 / 57

Media Poblacional

• Incluye todos los valores de una población.

Suma de todos los valores de la población
• Media Poblacional =
Número de valores de la población
P
Xi
• Media Poblacional: µ =
N
• Ejemplos:
• El promedio de notas de la asignatura de Econometrı́a, el segundo semestre en la
UDD,CCP.
• El precio de cierre promedio de una determinada acción durante los últimos 5 años.
• El número promedio de integrantes de un hogar en Chile, el año 2017.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 8 / 57

Media Muestral

• Se selecciona una muestra de la población para estimar una caracterı́stica especı́fica de la

población.
Suma de todos los valores de la muestra
• Media Muestral =
Número de valores de la muestra
P
Xi
• Media Muestral: X =
n
• Ejemplos:
• El promedio de minutos de las llamadas de una muestra de 120 clientes.
• Promedios de muestras aleatorias de calidad de un determinado bien.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 9 / 57

Propiedades de la Media Aritmética

• Todo conjunto de datos de intervalo posee una media.

• Todos los valores se encuentran incluidos en el cálculo de la media.
• La media es única, es decir, solo existe una media en un conjunto de datos.
• La suma de las desviaciones de cada valor de la media es cero.
X
(Xi − X ) = 0
Ejemplo, la media de 3; 8 y 4 es 5. Calcular la suma de las desviaciones de cada valor.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 10 / 57

Media Ponderada, Mediana y Moda
w X + w2 X2 + ... + wn Xn
• Media Ponderada = X w = 1 1
P w1 + w2 + ... + wn
(wX )
• Media Ponderada: X w = P
w
• Mediana: Punto medio de los valores una vez que se han ordenado de menor a mayor o de
mayor a menor.

• Moda: Valor de la observación que aparece con mayor frecuencia.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 11 / 57
Medidas de Dispersión

• Rango: valor máximo - valor mı́nimo

• Desviación media: Media aritmética de los valores absolutos de las desviaciones con
respecto a la media aritmética.
P
|Xi − X |
• Desviación Media: DM =
n
• ¿Por qué el valor absoluto?

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 12 / 57

Medidas de Dispersión
Varianza y Desviación Estándar

• Varianza: Media aritmética de las desviaciones de la media elevadas al cuadrado.

• La varianza es no negativa y es cero sólo si todas las observaciones son las mismas.
• Desviación estándar = Raı́z cuadrada de la varianza.
(Xi − µ)2
P
2
• Varianza Poblacional: σ =
N
X )2
P
(X i −
• Varianza Muestral: s 2 =
n−1
rP
√ (Xi − µ)2
• Desviación Estándar Poblacional: σ = σ 2 =
sP N
√ (Xi − X )2
• Desviación Estándar Muestral: s = s 2 =
n−1

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 13 / 57

Sumatoria
• En estadı́stica y probabilidad, es común el uso de sumatorias para representar algunos
fenómenos.
• En términos simples, la notación de sumatoria permite representar una suma de N
elementos bajo una regla especı́fica.
• Ejemplos...

• Números pares de 2 a N:
N
X
2k
k=1
• Números impares de 1 a N:
N
X
2k − 1
k=1

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 14 / 57

Operadores de Sumatoria
Propiedades de Sumatorias:

n
P
1 k = nk, donde k es constante.
i=1
Pn n
P
2 kxi = k xi .
i=1 i=1
Pn n
P
3 (a + bxi ) = na + b xi , donde a y b son constantes.
i=1 i=1
Pn n
P Pn
4 (xi + yi ) = xi + yi
i=1 i=1 i=1

3
P
Ejemplo: Calcular (4i − 2)
i=1

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 15 / 57

Espacio Muestral, Puntos Muestrales y Eventos

• Espacio Muestral o Universo: Conjunto de todos los resultados posibles de un

experimento (Población).
• Puntos Muestrales: Cada elemento del espacio muestral.
• Evento o suceso: Es un subconjunto del espacio muestral.
• Muestra: Conjunto de sucesos (medidas) seleccionadas de un universo o espacio muestral.

Ejemplo: Lanzar una moneda y sale cara.

• Espacio Muestral: {C; S}
• Puntos Muestrales: {C}, {S}
• Evento: {C}

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 16 / 57

Espacio Muestral, Puntos Muestrales y Eventos

Ejemplo: Se lanzan 2 monedas. En la primera sale cara y en la segunda sale sello.

• Espacio Muestral: {CC; CS; SC; SS}
• Puntos Muestrales: {CC}, {CS}, {SC}, {SS}
• Evento: {CS}

Ejemplo: Usted posee un dado, lo tira 1 vez y le sale un 3.

• Espacio Muestral: {1; 2; 3; 4; 5; 6}
• Puntos Muestrales: {1}, {2}, {3}, {4}, {5}, {6}
• Evento: {3}

Ejemplo: Cuál es el Espacio muestral en el siguiente experimento?: Lanzar una moneda al

aire, si el resultado de este lanzamiento es cara entonces se repite el lanzamiento de la
moneda, en cambio si el resultado del lanzamiento es sello, se lanza por una vez un dado.
Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 17 / 57
Probabilidad

Es la proporción de veces que un evento A ocurra en ensayos repetidos. Se denota por P(A) y
se lee como la probabilidad de que ocurra el evento A.

Propiedades:
• 0 ≤ P(A) ≤ 1, para todo A.
n
•
P
P(Ai ) = 1, donde i indica puntos muestrales.
i=1

Ejemplos:
• ¿Cuál es la probabilidad de que al primer lanzamiento de un dado le salga un número 3?
• Una moneda es lanzada dos veces. ¿Cuál es la probabilidad que al menos salga una cara?

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 18 / 57

Probabilidad

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 19 / 57

Variable

• La economı́a está interesada en ciertos fenómenos que desde el punto de vista estadı́stico
reciben el nombre genérico de variables.
• Las variables son magnitudes que pueden adoptar diferentes valores en distintos puntos de
observación.
• En el plano macroeconómico algunos ejemplos de estas variables son el Producto Interno
Bruto, las exportaciones y el tipo de cambio real.
• En el plano microeconómico, tenemos variables como, el precio de los bienes, el ingreso y el
consumo de las familias.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 20 / 57

Variable

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 21 / 57

Variable

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 22 / 57

Variable Aleatoria (V.A.)

• En cualquier experimento aleatorio, los resultados se presentan al azar; ası́, a éste se le

deno- mina variable aleatoria.
• Por ejemplo, lanzar un dado constituye un experimento: puede ocurrir cualquiera de los
seis posibles resultados. Algunos experimentos dan origen a resultados de ı́ndole
cuantitativa (como dólares/UF/$, peso o número de niños); otros generan resultados de
naturaleza cualitativa (como el color o la afiliación religiosa).
• Cada valor de la variable aleatoria se relaciona con una probabilidad que indica la
posibilidad de un resultado determinado.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 23 / 57

Variable Aleatoria (V.A.)

Es una variable cuyo valor está determinado por el resultado de un experimento aleatorio
(asumen un valor con alguna probabilidad asociada). Una v.a. puede ser discreta o continua.
• Discreta: Conjunto finito de valores reales. Ejemplo: 1; 3; 4; 10.
• Continua: Recorrido es un intervalo de la recta real o la recta real completa. Ejemplo:
(0,1).

Ejemplo: Clasificar las siguientes v.a.: Salario, número de esperas en el Hospital, tasa de
interés, PIB, número de autos rojos en concepción.

• Una variable aleatoria puede ser representada formalmente a través de una distribución
de probabilidad.
• Una distribución de probabilidad es una representación matemática de una determinada
variable aleatoria.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 24 / 57

Función de densidad de probabilidad (FDP)

• FDP Discreta: Es probabilidad de que la v.a. discreta X tome el valor de xi :

f (x) = P(X = xi ) para i = 1, 2, ..., n.

• FDP Continua: Es la función f (x) que satisface las siguientes condiciones:

Z ∞
f (x)dx = 1, donde f (x) ≥ 0
−∞
Zb
f (x)dx = P(a ≤ x ≤ b)
a

• FDP Acumulada: Es la probabilidad de que X tome un valor menor o igual a xi :

F (x) = P(X ≤ xi )

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 25 / 57

Función de densidad de probabilidad (FDP)

La FDP debe cumplir con algunas condiciones para que sea una distribución de probabilidad:

• No puede adoptar números negativos.

• Debe tomar un valor entre cero y uno.
• La suma de todos los sucesos posibles, mutuamente excluyentes, es igual a uno.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 26 / 57

Otras funciones de probabilidad

• Función de probabilidad conjunta: Sean X e Y dos variables aleatorias discretas.

Entonces la función de probabilidad conjunta es:

f (x, y ) = P(X = x; Y = y )

• Función de probabilidad marginal: La función de probabilidad marginal fx (x) se obtiene

de la siguiente forma:
X
fx (x) = f (x, y )
y
X
fy (y ) = f (x, y )
x
P
donde, por ejemplo, y significa la suma sobre todos los valores de y .

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 27 / 57

Otras funciones de probabilidad

• Función de probabilidad condicional: Es la probabilidad de que X tome el valor de x

porque Y asumió el valor de y

f (x|y ) = P(X = x|Y = y )

esto se calcula de la siguiente forma:

f (x, y )
f (x|y ) =
fy (y )
f (x, y )
f (y |x) =
fx (x)

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 28 / 57

Momentos de una distribución

Esperanza:
La esperanza de una v.a. X ; denotada por E (X ); es el valor promedio que se espera de un
experimento aleatorio cuando este se repite un elevado número de veces (primer momento
respecto al origen).
n
X
E (X ) = xi f (xi ), si X es discreta,
Zi=1∞
E (X ) = xf (x)dx, si X es continua.
−∞

donde f (x) es la función de distribución de probabilidad.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 29 / 57

Momentos de una distribución

Varianza:
Es la dispersión promedio de los valores de una v.a. X con respecto a su Esperanza (segundo
momento con respecto a la media).
n
X
V (X ) = σX2 = (xi − µ)2 f (xi ) = E (X − µ)2
i=1
= E (X ) − [E (X )]2
2

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 30 / 57

Propiedades de la Esperanza y Varianza

Esperanza:
1 E (b) = b, donde b es constante.
2 E (aX + b) = aE (X ) + b, con a, b constantes.
3 E (XY ) = E (X )E (Y ), sólo si X e Y son independientes (Cov = 0)

Varianza:
1 Var (b) = 0
2 Var (aX ) = a2 Var (X )
3 Var (X ± Y ) = Var (X ) + Var (Y ), si X e Y son independientes.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 31 / 57

Momentos de una distribución

• Covarianza: Producto de los primeros momentos respecto de la media de cada variable

aleatoria:

Cov (X , Y ) = E {(X − µx )(Y − µy )} = E (XY ) − µx µy

• Esperanza Condicional:
n
X
E (X |Y = y ) = xi f (xi |Y = y ), si X es discreta,
Zi=1∞
E (X |Y = y ) = xf (x|Y = y )dx, si X es continua.
−∞

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 32 / 57

Otros momentos de la distribución
• Coeficiente de asimetrı́a (Skewness)
• Curtosis (Kurtosis)

• Coeficiente de correlación: grado de asociación lineal entre dos variables aleatorias.

Cov (X , Y )
ρ= p , donde − 1 ≤ ρ ≤ 1.
Var (X )Var (Y )
Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 33 / 57
Otros momentos de la distribución

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 34 / 57

Distribuciones de Probabilidad Relevantes. I
1 Distribución Normal: Es una de las distribuciones más utilizadas en estadı́stica y en la
modelación de fenómenos económicos.
• Existencia del teorema del lı́mite central, el cual plantea que cuando el tamaño de la
muestra se incrementa la distribución de una variable aleatoria cualquiera tiende a
comportarse de acuerdo a una distribución normal.
• Basta con tener una muestra suficientemente grande como para sustentar el uso de una
distribución normal.
• Muchas de las distribuciones en la naturaleza y en la sociedad son normales.
• Es una distribución simple de caracterizar
• Una v.a. continua que puede tomar cualquier valor en la recta de los números reales, tendrá
distribución normal si su FDP es:
(xi − µ)2
 
1
f (x) = √ exp (1)
2πσ 2 −2σ 2

2 Distribución Normal Estándar: Un caso particular de la función normal es la función

normal estándar, cuya media es cero y su varianza es uno.
Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 35 / 57
Distribuciones de Probabilidad Relevantes. II

• En los casos en que la variable aleatoria se distribuye normal pero con media µ y varianza σ 2 ,
se puede estandarizar la distribución de la siguiente forma:
xi − µ
z= (2)
σ
• La FDP de una normal estándar es:
 2
1 z
f (z) = √ exp − (3)
2π 2

3 Distribución χ2 (Chi-Cuadrado): Sean z1 , z2 , . . . , zk variables normales estándar

entonces Y sigue una distribución χ2 si se cumple
k
X
Y = zi2
i=1

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 36 / 57

Distribuciones de Probabilidad Relevantes. III

4 Distribución t-Student: Es la división entre una variable normal estándar (z1 ) y la raı́z
de una variable chi-cuadrado (z2 ) (Su uso corresponde a casos donde es posible aplicar la
distribución normal, pero bajo la restricción que se desconoce el valor de la verdadera
varianza poblacional, σ 2 ).
z1
t=p , donde k son los grados de libertad.
(z2 /k)

5 Distribución F: Es la división entre dos variables chi-cuadrado independientes.

z1 /k1
F =
z1 /k2

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 37 / 57

Distribución Normal

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 38 / 57

Distribución Normal vs Normal Estándar

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 39 / 57

Distribución t-Student

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 40 / 57

Distribución F

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 41 / 57

Distribución Chi-Cuadrado

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 42 / 57

Problema de Estimación

Sea X una variable aleatoria con función de densidad de probabilidad f (X , θ) donde θ es un

parámetro desconocido de la población que se desea estimar. Si X1 , X2 , . . . , Xn es una muestra
aleatoria de la población podemos definir un estimador como una función o regla de la forma:

θb = θ(X
b 1 , X2 , . . . , Xn )

donde el signo sobre la variable denota que se trata de un estimador del parámetro
poblacional. El estimador es una variable aleatoria que depende de la muestra observada. Un
valor especı́fico se le denomina valor estimado.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 43 / 57

Métodos de Estimación

Existen principalmente 3 métodos de estimación de parámetros:

1 Métodos de Mı́nimos Cuadrados (MCO): La idea es minimizar la suma de los errores
al cuadrado.
2 Máxima Verosimilitud Para encontrar θb se maximiza la función de verosimilitud L, donde

L (θ; x1 , x2 , . . . , xn ) = f (x1 ; θ) f (x2 ; θ) · · · f (xn ; θ) .

X n
ln L = ln f (xi ; θ) .
i=1

3 Métodos de Momentos Se busca igualar los momentos muestrales de una distribución a

los momentos poblacionales.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 44 / 57

Propiedades deseadas de los estimadores
En muestra pequeña

• Insesgamiento:  
E θb = θ.

• Mı́nima Varianza: Se dice que θb1 es un estimador de mı́nima varianza de θ si la varianza

de θb1 es menor o igual que la varianza de cualquier otro estimador θb2 ..

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 45 / 57

Error Cuadrático Medio (ECM) I

Un problema especial surge cuando se quiere seleccionar entre estimadores que no son
insesgados.
• Existen situaciones en que no se pueden obtener estimadores insesgados.
• Pueden existir estimadores sesgados con varianza menor que los insesgados.
• Existe un criterio que consiste en elegir aquel estimador que posea un menor Error
Cuadrático Medio (ECM), el cual se define como:

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 46 / 57

Error Cuadrático Medio (ECM) II

   2       2 
ECM θb = E θb − θ = E θb − E θb + E θb − θ
  2       
= E θb − E θb + 2 θb − E θb E θb − θ
   2 
+ E θ −θ
b
  2  h     i
= E θ − E θb
b + 2E (θb − E θb )(E θb − θ)
   2 
+E E θ −θb

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 47 / 57

Error Cuadrático Medio (ECM) III

  2     
= E θ − E θb
b + 2(E θb − θ)E (θb − E θb )
   2 
+ E E θb − θ
  2     2 
= E θ−E θ
b b +E E θ −θ b
   2
= Var θb + sesgo θb (4)

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 48 / 57

Propiedades de muestras grandes. I
• Consistencia: Es una propiedad asintótica, ya que describe una condición que se da en el
lı́mite de la distribución de probabilidades del estimador, cuando el tamaño de la muestra
tiende a infinito. Se dice que θb es un estimador consistente si:

lı́m P{|θb − θ| < δ} = 1, ∀δ > 0,

n→∞
plı́m θb = θ.

Existen dos condiciones suficientes, pero no necesarias, para que el estimador sea
consistente (se deben cumplir ambas):
 
• lı́m E θb = θ (Insesgamiento asintótico)
n→∞  
• lı́m var θb = 0
n→∞

• Eficiencia asintótica: Si θb es consistente y su varianza asintótica es menor que la

varianza asintótica de todos los demás estimadores consistentes de θ, θb es
asintóticamente eficiente.
Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 49 / 57
Intervalos de Confianza I

El estimador depende de la muestra disponible

• Si la muestra cambia, entonces también deberı́a cambiar nuestro estimador.
• Existe una variedad de valores que el estimador puede tomar considerando distintas
muestras
• No sabemos cuanto se puede confiar en estos valores.
Una opción es utilizar la información de la estimación (valor del estimador y su varianza) para
realizar una estimación por intervalos.
• Consiste en construir un intervalo de confianza para el parámetro de interés.
• Refleja un rango dentro del cual se espera que fluctué el valor del parámetro.
• Comúnmente se usa un 95 % de probabilidad.
• Esto implica que si se construye infinitas veces un intervalo de confianza, en el 95 % de
los casos el intervalo contendrá al parámetro poblacional

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 50 / 57

Intervalos de Confianza II

• El intervalo de confianza se define de la siguiente manera:

 
P −z1− α2 < Z < z1− α2 = 1 − α

donde Z corresponde a una variable distribuida normal estándar y α es el nivel de

significancia.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 51 / 57

Prueba de Hipótesis

Otra forma de abordar el problema es realizar lo que se conoce como prueba de hipótesis
puntual.
• Existen ocasiones en que por alguna razón se cree que el estimador debe tener un valor
especı́fico.
• En las pruebas de hipótesis, se contrasta alguna determinada creencia respecto del valor
del parámetro poblacional, a lo cual se le denomina hipótesis, con una creencia alternativa.
• ¿Qué es una hipótesis?
• Hipótesis: Afirmación relativa a un parámetro de la población sujeta a verificación.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 52 / 57

Error Tipo I y Tipo II

• Existen dos errores que se pueden cometer al realizar una prueba de hipótesis:
• Error de tipo I: Corresponde al error de rechazar la hipótesis nula cuando ésta es verdadera.
• Error de tipo II: Corresponde al error de aceptar la hipótesis nula, siendo esta falsa.
• La probabilidad de cometer el error de tipo I se denota por α y se conoce con el nombre
de nivel de significación, mientras que 1 − α se conoce como el nivel de confianza.
• La probabilidad de cometer el error tipo II, se denota por β, y 1 − β se conoce con el
nombre de potencia.
• Solo puede reducirse uno de ellos a costa de aumentar el otro.
• Los valores más comúnmente usados para α son 1 % y 5 %.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 53 / 57

Ejemplos de Error Tipo I y Tipo II
Error Tipo I:
• Se considera que un paciente está enfermo, a pesar de que en realidad está sano. H0 : El
paciente está sano.
• Se declara culpable al acusado, a pesar de que en realidad es inocente. H0 : El acusado es
inocente.
• No se permite el ingreso de una persona, a pesar que tiene derecho a ingresar. H0 : La
persona tiene derecho a ingresar.

Error Tipo II:

• Una prueba de sangre no detecta la enfermedad que fue diseñada para detectar, en un
paciente que realmente está enfermo.
• Se deja a un culpable en libertad.
• Un ensayo clı́nico de un tratamiento médico no demuestra que el tratamiento funcione,
cuando en realidad lo hace.
Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 54 / 57
Ejemplos de Error Tipo I y Tipo II

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 55 / 57

Prueba de Hipótesis

El problema de la prueba de hipótesis se puede plantear de la siguiente forma:

1 Sea X una variable aleatoria con FDP conocida f (x; θ) , donde θ es el parámetro de la
distribución.
2 Seleccionamos una muestra aleatoria y se obtiene θ.
b
3 ¿El valor θb es compatible con algún valor de θ bajo hipótesis, por ejemplo, θ = θ∗ ? donde
θ∗ es fijo.
• Hipótesis nula, H0 .
• Hipótesis alternativa, H1 .

H0 : β = 0
H1 : β 6= 0

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 56 / 57

Prueba de Hipótesis

• ¿De que forma podemos aceptar o rechazar la hipótesis nula H0 ?

• Definiendo la distribución del estimador y computando el estadı́stico de prueba.
• Utilizando la estimación por Intervalos de Confianza.

Universidad del Desarrollo Econometrı́a 01 Primer Semestre 2022 57 / 57