Análisis Estadístico: Pruebas de Hipótesis y Predicción
Clasificado en Matemáticas
Escrito el en 
español con un tamaño de 3,05 KB
a) Relación entre la variable b1 y la variable dependiente
A medida que aumenta b1, aumenta la variable dependiente.
La empresa con mayor número de competidoras alcanza una mayor variable dependiente.
Cuando se incrementa en una unidad la variable b1, el modelo estima que la variable dependiente experimenta un incremento.
La variable b1 tiene una influencia positiva en la variable dependiente.
Hipótesis:
H0: β1=0
H1: β1>0
Estadístico:
t1
Punto crítico:
t1>; Rechazo H0; podemos afirmar que si aumentan b1 también aumentan la variable dependiente con una probabilidad de equivocarme del 5%
t1<; Acepto H0, para un nivel de significación del 5% podemos afirmar que las empresas con más b1 no alcanzan una mayor variable dependiente.
Si me hacen la misma pregunta con b2; cambiamos b1 por b2 y t1 por t2
b) Relación entre la variable b1 y la disminución de la variable dependiente
Si me hacen la misma pregunta y en vez de mayor dice menor o que disminuye variable dependiente.
Hipótesis:
H0: B1=0
B1 < 0
Estadístico:
t1
Punto crítico:
Misma decisión que arriba y si es b2 pues cambio como antes.
c) Contraste de nulidad conjunto
Conjuntamente las variables
Las variables b1 y b2 no tienen influencia conjunta significativa sobre la variable dependiente.
Hipótesis:
B1=B2=0
Bi≠0 i=1,2
Estadístico:
F
Punto crítico:
F>; Rechazo H0. Para un nivel de significación del 5% aceptamos H1 por tanto las variables explicativas de forma conjunta tienen una influencia significativa en el regresando.
d) Efecto de b1 y b2 sobre la variable dependiente
Un incremento de las b1 tiene el mismo efecto sobre la variable depen que un incremento de b2.
Hipótesis:
H0: B1=B2
H1: B1≠B2
Estadístico:
t
Punto crítico:
Si el estadístico cae en zona de rechazo, para un nivel de significación del 5% las variables no tienen el mismo efecto sobre la variable dependiente.
e) Efecto contrario de b1 y b2 sobre la variable dependiente
Un incremento en b1 provoca el mismo efecto en la facturación que una disminución en la b2.
Hipótesis:
H0: B1=-B2
H1: B1≠-B2
Intervalo de confianza
(bi ± Sbi*) Con una confianza del 95% sabemos que el parámetro Bi se encuentra entre estos valores. Si la amplitud del intervalo es grande indica que la información muestral no es suficiente para la toma de decisiones.
Predicción
Error predicción: eπ=YT-ӮT
Error relativo: *100 < 3% Buena predicción
Coeficiente de Theil: U66=0 Predicción perfecta; U66< 0.5 buena capacidad; U66>1 Muy mala; 0.5< U66<1 Mala capacidad