Estadstica II

Formulario para examenes

Intervalos de confianza y contraste de hipotesis para una y dos poblaciones.

Notacion:
2
X y X : media y varianza de una variable aleatoria/poblacion X; X y s2X : media y cuasi varianza muestrales
pX proporcion en la poblacion para X Bernoulli(pX ), pX proporcion en la muestra
X n : muestra aleatoria simple (MAS) de tamano n de X
(1 ) nivel de confianza, nivel de significacion
z un cuantil superior de una distribucion N(0,1); tn1; un cuantil superior de una distribucion tn1

Parametro Hipotesis: MAS(s) y Cantidad pivotal y distribucion

X X
X Poblacion normal, varianza conocida N (0, 1)
X / n
X X
X Poblacion normal, varianza desconocida tn1
sX / n
X X
X Poblacion no normal, tamano de muestra grande aprox. N (0, 1)
sX / n
p pX
pX Poblacion Bernoulli, tamano de muestra grande p X aprox. N (0, 1)
pX (1 pX )/n
(n 1)s2X
2
X y X Poblacion normal 2 2n1
X
D D
X Y Diferencia normal Di = Xi Yi , muestra emparejada tn1
sD / n
X Y (X Y )
X Y Poblaciones normales, varianzas iguales q tnX +nY 2 , y
sp n1X + n1Y
(nX 1)s2X + (nY 1)s2Y
s2p =
nX + nY 2
X Y (X Y )
X Y Poblaciones normales, varianzas conocidas q 2 2
N (0, 1)
X Y
nX + nY

X Y (X Y )
X Y Poblaciones no normales, tamanos de muestra grandes q 2 aprox. N (0, 1)
sX s2Y
nX + nY

p pY (pX pY )
pX pY Poblaciones Bernoulli, tamanos de muestra grande rX   aprox. N (0, 1), y
p0 (1 p0 ) n1X + n1Y
nX pX + nY pY
p0 =
nX + nY
2 s2X /X
2
X /Y2 and X /Y Poblaciones normales FnX 1,nY 1
2
sY /Y2

2 2
Ejemplo: Para construir un intervalo de confianza (1 ) para X si X N (X , X ) con X desconocida em-
pleamos:  
sx sx
IC1 (X ) = x tn1;1/2 ; x + tn1;/2
n n
Para llevar a cabo un contraste unilateral H0 : X 0 frente a H1 : X < 0 , la region de rechazo a un nivel de
significacion , RR , es:

z }| t

x {


0
RR = t : < tn1;1
sx / n

1
Covarianza muestral y correlacion para una muestra de pares de observaciones (x1 , y1 ), . . . , (xn , yn ):
n
X n
X n
X
sxy (xi x) (yi y) xi yi nxy r(x,y) xi yi nxy
z }| { z }| { cov(x, y)
i=1 i=1 i=1
cov(x, y) = = , cor(x, y) = =v v
n1 n1 sx sy u n
uX
u n
uX
t 2 2
x nx t y 2 ny 2
i i
i=1 i=1

Estimaciones de la pendiente y el intercepto en el modelo de regresion lineal simple yi = 0 + 1 xi + ui ,

donde ui iid N (0, 2 ), para obtener el modelo ajustado yi = 0 + 1 xi :
n n
1 X X
(xi x) (yi y) xi yi nxy
cov(x, y) n 1 i=1 i=1
1 = = n = n , 0 = y 1 x.
s2x 1 X 2
X
(xi x) x2i nx2
n 1 i=1 i=1
Pn
Cantidades pivotales para 1 , 0 , 2 , con residuos ei = yi yi y varianza residual s2R = 2
i=1 ei /(n 2):

1 1 0 0 (n 2)s2R
tn2 ,  tn2 , 2n2 .
2
s s
s2R x2

1
s2R +
(n 1)s2X n (n 1)s2X

Intervalos de confianza para la respuesta promedio y la respuesta puntual, y0 , dado X = x0 :

v ! v !
2 2
u u
u 1 (x 0 x) u 1 (x 0 x)
y0 tn2;/2 ts2R + , y0 tn2;/2 ts2R 1 + + .
n (n 1)s2X n (n 1)s2X

Tabla ANOVA para el modelo de regresion lineal simple (R-cuadrado R2 = SCM/SCT):

Fuente de variacion SC Pn GL Media Cociente F
Modelo SCM = P i=1 (yi y)2 P 1 SCM/1 SCM/s2R
n n
Residuos/errores SCR = i=1 (yi yi )2 = i=1 e2i n2 SCR/(n 2) = s2R
Total SCT = SCM + SCR n1
Para contrastar H0 : 1 = 0 vs. H1 : 1 6= 0, el estadstico es F = SCM/s2R F1;n2 y RR = {F > F1,n2; }.

Formulacion del modelo, estimaciones, modelo ajustado y residuos para el modelo de regresion lineal
multiple yi = 0 + 1 xi1 + 2 xi2 + + k xik + ui , donde ui iid N (0, 2 ), en notacion matricial:

y = X + u, = (X T X)1 X T y, y = X , e = y y, donde

0
y1 1 x11 x12 x1k 1 u1
y2 1 x21 x22 x2k u2
y = . , X = , = 2 , u = .

. .. .. .. .. ..
..

. . . . . . ..
.
yn 1 xn1 xn2 xnk un
k
Pn
Cantidades pivotales para 2 y j , j = 0, 1, . . . , k, con varianza residual s2R = 2
i=1 ei /(n k 1):

(n k 1)s2R j j
2nk1 , tnk1 ,
2 s(j )
q
donde s(j ) = s2 (j ) y s2 (j ) es el j-esimo elemento diagonal de la matriz de covarianza (estimada) para , definida
como S = s2R (X T X)1 .

Tabla ANOVA para el modelo de regresion lineal multiple:

Fuente de variacion SC GL Media Cociente F
Modelo SCM k SCM/k (SCM/k)/s2R
Residuos/errores SCR nk1 SCR/(n k 1) = s2R
Total SCT n1