Escolar Documentos
Profissional Documentos
Cultura Documentos
de Vigo
Normalidad
Curva
normal
Area
Universidade
de Vigo
Curva
normal
Cola de probabilidad
Nivel de significación
Area
Valor crítico
Valor muestral del estadístico
Introducción
Concepto, efectos del fallo y propiedades
Universidade
de Vigo
Normalidad Universidade
de Vigo
Nos dice si los datos con los que trabajamos siguen leyes
de distribución normales o no. Su comprobación es
necesaria, para realizar los test de hipótesis exactos y los
intervalos de confianza en el MRLC.
El comportamiento normal se denomina así porque
tiende a ponderar más los valores centrales y menos los
extremos, además de ser simétrica.
Caracterizada por media y varianza
Comportamiento normal Universidade
de Vigo
Simetría
Curva
normal
Mucha
ponderación en
valores centrales
Varianza
Area
Poca ponderación
en valores Media
externos
Efectos de la no normalidad Universidade
de Vigo
- Gráficos
- Histogramas
- Residuos
- Gráfico de probabilidad
- Test de hipótesis
Pretenden comprobar la distribución normal de las
perturbaciones a partir de alguna regla de decisión estadística.
Bondad de ajuste, compara la distribución teórica con la empírica, pero se
aplica a intervalos.
Jarque-Bera, que estudia la simetría y curtósis de la densidad empírica.
Histograma
Gráfico de residuos
Gráfico de probabilidad
Universidade
de Vigo
Gráficos
Histogramas Universidade
de Vigo
2.11 *
*
Valores extraños al 95% de confianza
*
1.27 * Bandas al 95% de confianza
* *
R
e * *
s *
i * *
.42 * *
d *
** *
u * * *
*
Valores predichos
* * *
o * *
*
s .30
* **
1.35 * 2.40 3.45 4.50 * 5.56
* * * *
** *
-.42 * *
** *** *
* * ** *
*
* *
*
*
2
Consiste en representar los
residuos observados respecto
1
a lo que se esperaría si
siguieran una ley normal.
EXPECTED VALUE
El alejamiento de la
diagonal, que seria cuando es
-1
-2
-2 -1 0 1 2 3
una ley normal perfecta,
R E ST U DE N indica las diferencias con la
normalidad
Método de construcción (1)
Universidade
de Vigo
t −3/8
−1
at = φ
T +1/ 4
Método de construcción (2)
Universidade
de Vigo
Valor
atípico
Ejemplos de Gráficos de probabilidad
e interpretación (1) Universidade
de Vigo
Gráfico de Probabilidad
Gráfico de densidad
Asimetría a la derecha
Ejemplos de Gráficos de probabilidad e
interpretación (3) Universidade
de Vigo
Gráfico dedensidad
G ráf ico de Probabilid ad
G ráf i co d e P ro b ab i l i d ad GráficodeDensidad
Valor esperado si
fuera exactamente
normal
Test de hipótesis
Bondad de ajuste
Jarque-Bera
Universidade
de Vigo
Gráficos y test de hipótesis Universidade
de Vigo
Los gráficos nos dan una idea de los posibles fallos, pero para
contrastarlos debemos utilizar los test de hipótesis.
Vamos a recordar algunas ideas de los test de hipótesis para
contrastar suposiciones.
Haremos uso de dos test:
Paramétrico: test de Jarque-Bera
No paramétrico: Test de Bondad de ajuste.
Test de significación Universidade
de Vigo
Yt
ε t = yt − E ( X1t ... X kt
) = yt − ( β0 + β1 X1t + ... + β k X kt )
Donde:
ε son independientes e igualmente distribuidas y no dependen
de las X (Independencia, homocedasticidad y exogeneidad),
β son estables y estimables (Estabilidad e identificabilidad)
X no están relacionadas entre sí y vienen dadas sin error (no
colinealidad y mensurabilidad)
Resultados del modelo Universidade
de Vigo
∑ε 3
i
γ1 = i =1
σ R3
La consecuencia es que si existe asimetría falla la
normalidad
Estadístico y decisión del Test de
simetría. Universidade
de Vigo
sigue una ley AN(0,1) bajo la hipótesis nula, es decir cuando se supone
normalidad, siendo
n
∑i
e 3
γˆ1 = i =1
S R3
Se rechaza si t1 > λα / 2 donde λα/2 es el valor crítico de la normal
tipificada
Test de simetría Universidade
de Vigo
Forma teórica de la
Asimetría positiva normal
casi nula: mediana
menor que la media
Forma teórica de la
distribución empírica
Hipótesis del Test de curtósis Universidade
de Vigo
∑ ε 4
i
γ2 = i =1
−3
σ 4
R
∑e 4
i
γˆ2 = i =1
−3
S R4
Forma teórica de la
normal
|_gen1 t2=-0.8323/0.7326
|_distrib t2
NORMAL DISTRIBUTION - MEAN= 0.0000
VARIANCE= 1.0000
DATA Z PDF CDF 1-CDF
T2 -1.1361 0.20924 0.12796 0.87204
6 24
sigue una ley asintótica ji cuadrado con 2 grados de libertad bajo la
hipótesis nula, puesto que ambos estadísticos t eran normales tipificadas.
Se rechaza si
donde χ2,α es el valorJB
crítico
> χ de una chi cuadrado con 2 grados e libertad
2,α
Test de Jarque Bera Universidade
de Vigo
Forma teórica de la
Asimetría
Asimetríanegativa:
positiva normal
mediana
casi nula:mayor
mediana
que
menorlaque
media
la media
JARQUE-BERA
NORMALITY TEST-
CHI-SQUARE(2
DF)= 1.5400
P-VALUE= 0.463
Curtósis negativa :
mas apuntamiento Forma teórica de la
que la normal distribución empírica
Test de Bondad de ajuste Universidade
de Vigo
Diferencias
positivas Función de
distribución
teórica
Función de
distribución
empírica
Diferencias
negativas
Telas-
Telas-normalidad Universidade
de Vigo
Función de distribución
teórica
Función de distribución
Valor empírica
observado= 0
Estadístico
X2=Suma=4,59
OBS-ESP= -0,9
(OBS-ESP)2/ESP= 2.27 (OBS-ESP)2/ESP=0.12
De esta forma se
1 si C = A cuantifica el efecto de
IA = la variable
0 si C = B dicotómica, vale 1 si
la cualidad se verifica
y 0 si no.
17/12/2007
Ejemplos Universidade
de Vigo
1 si Ct = c j
I jt = J=1,...m
0 si C t ≠ c j
Ejemplo Universidade
de Vigo
1 si ventas ∈ C1
Primavera =
0 si no
1 si ventas ∈C2
Verano =
0 si no
1 si ventas ∈ C3
Otoño =
0 si no
1 si ventas ∈ C4
Invierno =
0 si no
Variables ficticias multinomiales (2) Universidade
de Vigo
1 si Ct = c j
I jt = J=1,...m-1
0 si C t ≠ c j
Ejemplo (3) Universidade
de Vigo
En el caso de las
estaciones tendríamos
sólo tres, pues el 1 si ventas ∈ C1
invierno sería 1 menos la Primavera =
suma de las otras tres.
0 si no
1 si ventas ∈C2
Verano =
0 si no
1 si ventas ∈ C3
Otoño =
0 si no
Invierno= 1-Primavera-Verano-Otoño
Variables ficticias en la regresión Universidade
de Vigo
1 si C = A
IA =
0 si C = B
Regresión con variables dicotómicas Universidade
de Vigo
y = β0 + β1 X 1 +L+ βk X k + ε
Modelo con variable ficticia
y = β0 + β1 X 1 +L+ βk X k + αI A + ε
Efecto de la variable
ficticia
Interpretación Universidade
de Vigo
+α 0 I A + α1 IX 1 + L + α k IX k + ε
Interpretación Universidade
de Vigo
|_GENR T=TIME(0)
|_GENR D12=(T.EQ.12)
|_OLS Y X1 X2 D12/RESID=E INFLUENCE HATDIAG=HT
REQUIRED MEMORY IS PAR= 3 CURRENT PAR= 2000
OLS ESTIMATION
20 OBSERVATIONS DEPENDENT VARIABLE= Y
...NOTE..SAMPLE RANGE SET TO: 1, 20
R-SQUARE = 0.9855 R-SQUARE ADJUSTED = 0.9828
VARIANCE OF THE ESTIMATE-SIGMA**2 = 0.30698E-01
STANDARD ERROR OF THE ESTIMATE-SIGMA = 0.17521
SUM OF SQUARED ERRORS-SSE= 0.49117
MEAN OF DEPENDENT VARIABLE = 13.708
LOG OF THE LIKELIHOOD FUNCTION = 8.68826
VARIABLE ESTIMATED STANDARD T-RATIO PARTIAL STANDARDIZED ELASTICITY
NAME COEFFICIENT ERROR 16 DF P-VALUE CORR. COEFFICIENT AT MEANS
X1 0.48369 0.1711E-01 28.27 0.000 0.990 0.9224 0.2085
X2 0.57535E-01 0.1477E-01 3.896 0.001 0.698 0.1183 0.0285
D12 0.88083 0.1956 4.504 0.000 0.748 0.1476 0.0032
CONSTANT 10.415 0.1499 69.47 0.000 0.998 0.0000 0.7598
Efecto en la regresión en XUMA de la
variable ficticia Universidade
de Vigo
Ya no hay valores
atípicos, es
prácticamente
normal