Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. (2,5 puntos) Se dispone de una muestra con datos de ventas de una compa
na en 19 ciudades norteamericanas de tama
no medio durante los a
nos 2008 (Y ) y 2009 (X). Para este conjunto de 19 datos
(por cada a
no) se obtuvo la siguiente informacion resumen en Excel (con valores medidos en millones
de dolares):
Soluci
on.
a) Supuestos: MAS, poblaci
on normal.
El intervalo de confianza viene dado por
0,5321
2,878
0,0598
z}|{
|{z}
z}|{ z }| { s
IC99 % (X ) = x
tn1;0,005
n
19
Bajo los supuestos anteriores, el valor de la media de las ventas anuales para la poblaci
on se
encuentra en el intervalo indicado con una confianza del 99 %. Si el experimento (la adquisici
on
de informaci
on) se repitiese un n
umero suficientemente elevado de veces, el valor de la media en
la poblaci
on estara dentro del intervalo un 99 % de las veces.
0
z}|{
0
X
H0 tn1 .
s/ n
Valor observado:
0 = 0,57
n = 19
x
= 0,5321
x
0
0,5321 0,57
=
t=
= 2,7626
s/ n
0,0598/ 19
s = 0,0598
d0
D
H0 tn1 ,
sD / n
Corroboran los datos obtenidos la afirmacion sobre los salarios en el Pas Vasco y en la Comunidad
de Madrid para un nivel de significaci
on del 5 %? Responda a esta pregunta indicando claramente:
a) (0,6 puntos) Las hip
otesis nula y alternativa del contraste.
b) (1,1 puntos) La expresi
on del estadstico de contraste (y su distribucion bajo la nula), el p-valor
del contraste y la conclusi
on a la que llega con respecto a la afirmacion sobre los salarios.
c) (0,2 puntos) Que supuestos sobre la poblacion y las muestras aseguran la validez del procedimiento empleado?
d ) (0,2 puntos) Cu
al es la probabilidad de rechazar la hipotesis nula del contraste anterior cuando
la nula es correcta? C
omo se llama este tipo de error?
0.8
0.6
(400,0.38)
0.0
0.2
0.4
f ) (0,2 puntos) A la derecha aparece la curva de potencia (aproximada) del contraste anterior en funcion de la diferencia
entre las medias poblacionales, P V CM . Seg
un el grafico,
cual es la probabilidad de no rechazar la hipotesis nula cuando en realidad P V CM = 400? Justifique su respuesta.
1.0
e) (0,2 puntos) Cu
al es la definici
on del error de Tipo II? Explique su relacion con la potencia de
un contraste.
100 0
100
300
500
700
900
PV CM
Soluci
on.
a) El contraste de hip
otesis que nos piden es:
H0 : X Y 100
H1 : X Y > 100
donde X es el salario bruto anual de los trabajadores del Pas Vasco e Y representa el salario
bruto anual de los trabajadores de la Comunidad de Madrid, siendo X y Y sus respectivas
medias.
b) Se trata de muestras grandes en ambos casos, nX = nY = 1000, por tanto el estadstico de
contraste es:
Y 100
X
Z= r
H0 ,approx. N (0, 1)
s2Y
s2Y
nX + nY
Su valor observado es:
}|
3. (3,5 puntos) El director de la empresa SA nos ha solicitado una prediccion de los ingresos por ventas
anuales (y) a partir de nuestros gastos en publicidad (x) (ambos en miles de euros). Utilizando un
modelo de regresi
on lineal con los datos de los 10 u
ltimos a
nos, hemos obtenido la siguiente salida
incompleta del An
alisis de Datos de Excel:
Sabemos adem
as que
i xi
= 5847 y
2
i xi
Soluci
on.
a) Los valores que faltan en la salida de Excel son
SCM
874010
=
= 0,53348.
SCT
1638294
2n2;/2
2n2;1/2
Como 28;0,025 = 17,53, 28;0,975 = 2,18 y s2R = 95535,45, el intervalo es
8 95535,45
8 95535,45
2
17,53
2,18
43598,6 2 350588,8.
El valor de s2R proporciona una estimacion insesgada de la varianza del error poblacional del
modelo de regresi
on, 2 .
c) Con los datos de la salida y t8;0,025 = 2,306 tenemos
3507,22 2,306 1997,654
El intervalo contiene el 0, por lo que no podemos rechazar que 0 sea igual a cero.
d ) 0 se distribuye normalmente y 0 /s(0 ) lo hace como una t de Student con 8 grados de libertad.
P
e) s2 = ( x2 10
x2 )/9 = 911,566, 1 = 10,321 y
x
s(1 ) =
s2R
=
(n 1)s2x
95535,45
= 3,41.
9 911,566
IC95 % (
y0 ) = y0 tn2;/2 s2R
1
(x0 x
)2
+
n (n 1)s2x
1
(580 584,7)2
= 9492,82 2,306 95535,45
+
10
9 911,566
= (9264, 41 ; 9721, 22).
(X X)
(X T X)1
00
11
s2 (0 )
1
x
2
=
+
n (n 1)s2X
s2R
!
s2 (1 )
1
=
.
s2R
(n 1)s2X
El valor de s2R se obtuvo en el apartado 3a, s(0 ) aparece en la salida de Excel (= 1997,6545),
mientras que s(1 ) est
a calculada en el apartado 3e. Tenemos que
(X T X)1
(X T X)1
00
11
=
=
1997,65452
= 41,77,
95535,45
3,412
= 0,000122.
95535,45
4. (1,5 puntos) Supongamos que, en un estudio de los determinantes de la inversion, hemos estimado la
siguiente ecuaci
on utilizando mnimos cuadrados:
log(Yt ) = 1,37 + 1,14 log(Z1,t ) 0,83Z2,t ,
t = 1, . . . , 17
510,89 245,35
0,42
132,70 6,82
245,35
0,42
6,82
7,11
Se pide que:
a) (0,4 puntos) Interprete los coeficientes 1 y 2 del modelo de regresion ajustado.
b) (0,7 puntos) Estime las varianzas de los estimadores de mnimos cuadrados de los coeficientes 0 ,
1 , 2 del modelo de regresi
on lineal y contraste la significatividad individual los (tres) coeficientes
(a un nivel de significaci
on del 5 %).
c) (0,4 puntos) Nos informan adem
as que el valor del estadstico F es 23,8. Calcule el valor de R2
y la tabla de descomposici
on de la varianza (ANOVA).
Soluci
on.
a) Interpretaci
on de los coeficientes:
(1 ): Cuando el PIB aumenta un 1 %, manteniendo constante el tipo de interes, la inversi
on
anual aumenta en media (aproximadamente) un 1,14 %. Alternativamente, cuando el logaritmo del PIB aumenta en una unidad, manteniendo constante el tipo de interes, el logaritmo
de la inversi
on anual aumenta en 1,14 unidades en promedio.
b) Tenemos s2R = i e2i /(n k 1) = 0,0028/(17 3) = 0,0002. Las varianzas y los valores de los
estadsticos para los contrastes de significacion individual se obtienen como
P
ii
ti = q
i
s2 (i )
s2 (1 ) = 0,02654, s2 (2 ) = 0,00142
t1 = 6,997,
t2 = 22,027
t14 (0,025) = 2,145
Como en los tres casos tenemos ti > t14 (0,025), rechazamos la hipotesis nula de no significatividad
al 95 % en los tres casos.
c) La tabla ANOVA se puede obtener de los siguientes calculos
Suma de cuadrados residual
Grados de libertad de los residuos
Varianza residual
Estadstico F
Varianza explicada
Grados de libertad
Varianza residual
Varianza explicada (por el modelo)
Suma de cuadrados explicada
Suma de cuadrados total
resultando
F. variaci
on
Modelo
Residual
Total
Suma cuadrados
0,00952
0,0028
0,0123
Grados de libertad
2
14
16
Varianza
0,00476
0,0002
Estadstico F
23,8
El coeficiente de determinaci
on m
ultiple es R2 = SCM/SCT = 0,00952/0,0123 = 0,774.