Código de Honor: Como miembro de la comunidad de la Pontificia Universidad Católica de Chile, me comprometo a respetar los prin-

cipios y normativas que la rigen. Asimismo, me comprometo a actuar con rectitud y honestidad en esta evaluación. Adicionalmente
declaro estar en condiciones de salud adecuadas para rendir esta evaluación y que me presento a ésta bajo mi responsabilidad. En caso
de sentirme mal o tener alguna complicación, deberé informarlo inmediatamente al ayudante o profesor en sala.

Pontificia Universidad Católica de Chile

Facultad de Economı́a y Administración

Primer Semestre 2021

Curso : Inferencia Estadı́stica

Sigla : EAA1520
Profesores : Valeria Leiva (Sec 1), Cristian Vásquez (Sec 2), Rafael Águila (Sec 4-5-6)

Pauta Examen
Problema 1

La econometrı́a financiera es una disciplina de la ciencia económica que analiza los mercados financieros y
los flujos que en ellos acontecen. En esta disciplina se estudian técnicas que permiten estimar y cuantificar
las posibles ganancias o pérdidas que se pueden producir en los mercados financieros cuando se realiza una
inversión en algún activo financiero.

Un tema central de la econometrı́a financiera es analizar la tasa de retorno {Rt } (variación porcentual)
diaria de los precios de un activo o de un ı́ndice bursátil, dado que corresponde a un indicador que mide
la rentabilidad de una inversión o del mercado. La tasa de retorno diaria {Rt } se define de la siguiente manera

Pt − Pt−1
Rt := ,
Pt−1

donde Pt corresponde al precio de un activo (o el valor de ı́ndice bursátil) al dı́a “t” y Pt−1 es el precio del dı́a
anterior “t − 1”. Usualmente {Rt } se expresa en %, dado que representa una variacion porcentual. Los retor-
nos financieros presentan algunas caracterı́sticas bien particulares, que se conocen en finanzas como hechos
estilizados, una de estas caracterı́ticas es que los retornos no poseen distribución normal, otra caracteristica
relevante es que la varianza no es constante a lo largo del tiempo. El foco de este problema será revisar estas
dos caracterı́sticas.

En Chile, el principal ı́ndice bursátil es el IPSA (Índice de Precio Selectivo de Acciones), y corresponde a un
indicador de rentabilidad de las 30 acciones con mayor presencia bursátil. La siguiente información agrupada
corresponde a un resumen de una muestra de retornos diarios del IPSA desde el perı́odo ’2020-07-21’ hasta
’2021-07-20’ disponible en la página de la bolsa de santiago https://www.bolsadesantiago.com/

Categorı́a Oi
Rt ≤ −4 1
−4 < Rt ≤ −2 15
−2 < Rt ≤ 0 110
0 < Rt ≤ 2 107
2 < Rt ≤ 4 16
Rt > 4 1

donde la media muestral para ese perı́odo fue 0.05, la varianza muestral fue 2.10 y el tamaño muestral es
n = 250 dı́as. Con los antecendentes anteriores realice lo siguiente:

EAA1520 -Inferencia Estadı́stica 1 Primer Semestre 2021

 a) [3.0 Ptos] Con un nivel de signficancia de α = 0.05, realice un test de bondad de ajuste para evaluar
si los retornos del IPSA provienen de una población normal.

Debe utilizar 4 decimales para calcular las probabilidades esperadas estimadas en el test
de bondad de ajuste.
b) [3.0 Ptos] Para evaluar si la varianza es constante se extrae una segunda muestra de retornos diarios
del IPSA desde el perı́odo ’2019-07-22’ hasta ’2020-07-20’, donde la media muestral es -0.07, la
varianza muestral 4.88 y la muestra es de tamaño m = 247 dı́as. Con un nivel de significancia de
α = 0.05 realice un test de hipótesis bilateral para evaluar si la varianzas son iguales o distintas.

Para responder esta pregunta asuma que los retornos de ambas muestras provienen de
distribuciones normales, independiente de su respuesta en el item a)

Percentiles F (ν1 , ν2 ) útiles

F0.025 (249, 246) = 0.779, F0.025 (250, 247) = 0.779,

F0.05 (249, 246) = 0.811, F0.05 (250, 247) = 0.811,
F0.95 (249, 246) = 1.233, F0.95 (250, 247) = 1.232,
F0.975 (249, 246) = 1.284, F0.975 (250, 247) = 1.283,

Solución
a) Se debe realizar un test de bondad de ajuste χ2 . Se asume que los retornos provienen de una distribución
normal, es decir, Rt ∼ Normal(µ, σ 2 ), donde ambos parámetros desconocidos, los EMV están dados
por:

n
1X
µ
b= Ri ,
n i=1
n
1X
b2 =
σ (Ri − R)2 .
n i=1

La información entregada en el enunciado a partir de la muestra observada es:

250
1 X
r= ri = 0.05,
250 i=1
250
1 X
s2 = (ri − r)2 = 2.10,
250 − 1 i=1

Por lo tanto

µ
b = 0.05 [0.2 Ptos],
249 2 249
b2 =
σ s = 2.10 = 2.09 [0.2 Ptos].
250 250

EAA1520 -Inferencia Estadı́stica 2 Primer Semestre 2021

 Las hipótesis a evaluar son: H0 : Rt ∼ Normal vs H1 : Rt 6∼ Normal donde ambos parámetros de la
distribución so desconocidos [0.2 Ptos].

Bajo H0 los retornos tienen distribución normal, de esa forma, las probabilidades estimadas de cada
categorı́a se deben calcular utilizando los estimadores de máxima verosimilitud

!
− 4 − 0.05
π
b01 = Pr(Rt ≤ −4) = Pr Z ≤ √
c c = Φ(−2.8)
b = 0.0026 [0.1 Ptos],
2.09
!
− 4 − 0.05 − 2 − 0.05
π
b02 = Pr(−4
c < Rt ≤ −2) = Pr
c √ <Z≤ √ = Φ(−1.42)
b − Φ(−2.8)
b = 0.0752 [0.1 Ptos],
2.09 2.09
!
− 2 − 0.05 0 − 0.05
π
b03 = Pr(−2 < Rt ≤ 0) = Pr
c c √ <Z≤ √ = Φ(−0.03)
b − Φ(−1.42)
b = 0.4102 [0.1 Ptos],
2.09 2.09
!
0 − 0.05 2 − 0.05
π
b04 c < Rt ≤ 2) = Pr
= Pr(0 c √ <Z≤ √ = Φ(1.35)
b − Φ(−0.03)
b = 0.4235 [0.1 Ptos],
2.09 2.09
!
2 − 0.05 4 − 0.05
π
b05 = Pr(2 < Rt ≤ 4) = Pr
c c √ <Z≤ √ = Φ(2.73)
b − Φ(1.35)
b = 0.0853 [0.1 Ptos],
2.09 2.09
b06 = 1 − π
π b01 − π
b02 − π
b03 − π
b04 − π
b05 = 0.0032 [0.1 Ptos].

Con estos cálculos, los valores esperados quedan determinados por E b0i = 250 · π
b0i para todo i =
1, 2, . . . , 6 [0.2 Ptos]. La siguiente tabla contiene los valores esperados bajo H0 para todas las cate-
gorı́as:

Categorı́a Oi π
b0i E
b0i
Rt ≤ −4 1 0.0026 0.650
−4 < Rt ≤ −2 15 0.0752 18.800
−2 < Rt ≤ 0 110 0.4102 102.550
0 < Rt ≤ 2 107 0.4235 105.875
2 < Rt ≤ 4 16 0.0853 21.325
Rt > 4 1 0.0032 0.800

Note que aquı́ se tiene un problema en la primera y última categorı́a, dado que la restricción para
realizar el test de bondad de ajuste es que los valores esperados sean superiores a 5.

b01 = 0.650 6> 5 [0.1 Ptos],

E
b06 = 0.800 6> 5 [0.1 Ptos],
E

Dado este problema, se deben colapsar las categorı́as para tener un valor esperado superior a 5

EAA1520 -Inferencia Estadı́stica 3 Primer Semestre 2021

 Cuadro 1: [0.4 Ptos]
Categorı́a Oi π
b0i E
b0i
Rt ≤ −2 16 0.0778 19.450
−2 < Rt ≤ 0 110 0.4102 102.550
0 < Rt ≤ 2 107 0.4235 105.875
Rt > 2 17 0.0885 22.125

Ahora se puede calcular el estadı́stico asociado al test:

4 b0i )2
X (Oi − E (16 − 19.450)2 (110 − 102.550)2 (107 − 105.875)2 (17 − 22.125)2
d= = + + +
i=1 E
b0i 19.450 102.550 105.875 22.125
= 2.35 [0.4 Ptos].

Recuerde que el número de parámetros estimados es s = 2, por lo tanto, el estadı́stico D tiene distri-
bución χ24−2−1 = χ21 [0.2 Ptos]. Recuerde que se rechaza la hipótesis H0 sı́

4 b0i )2
X (Oi − E
d= > χ21 (1 − α),
i=1 E
b0i

El nivel de riesgo considerado para evaluar el test es de α = 0.05. Note que, el estadı́stico d no pertenece
a la región de rechazo

d = 2.35 6> 3.84 = χ21 (1 − α) [0.3 Ptos]

Se concluye que con un nivel de significancia de 0.05, no existe evidencia estadı́stica para rechazar H0 ,
finalmente los retornos tienen distribución normal [0.1 Ptos].
b) Aquı́ se debe realizar un test de hipótesis para comparar ambas varianzas

H0 : σ12 = σ22 vs H1 : σ12 6= σ22 [0.4 Ptos],

donde σ12 corresponde a la varianza de los retornos diarios del IPSA desde el perı́odo ’2020-07-21’
hasta ’2021-07-20’ y σ22 corresponde a la varianza de los retornos del IPSA de la nueva muestra
incluı́da en el análisis desde el perı́odo ’2019-07-22’ hasta ’2020-07-20’.

El Pivote para evaluar las hipótesis es:

S12
σ2 Bajo H0 S12
F = 12 = ∼ F (249, 246) [0.4 Ptos],
S2 S22
σ22

donde S12 y S22 son las varianzas muestrales de los retornos del IPSA en los perı́odos ’2020-07-21’
hasta ’2021-07-20’ y ’2019-07-22’ hasta ’2020-07-20’ respectivamente [0.2 Ptos]. Dado que nivel
de riesgo considerado en el test es de α = 0.05, se rechaza H0 sı́

EAA1520 -Inferencia Estadı́stica 4 Primer Semestre 2021

 S12 S12
F = > F0.975 (249, 246) o F = < F0.025 (249, 246) [0.5 Ptos]
S22 S22

Reemplazando se tiene

S12 2.10
Fobs = 2 = = 0.43 [0.4 Ptos],
S2 4.88
F0.025 (249, 246) = 0.779 [0.3 Ptos],
F0.975 (249, 246) = 1.284 [0.3 Ptos]

Note que Fobs = 0.43 < 0.779 = F0.025 (249, 246) [0.3 Ptos], por lo tanto, con un nivel de riesgo del
5 % existe evidencia estadı́stica para rechazar H0 , las varianzas de los retornos del IPSA en ambos
perı́odos son distintas [0.2 Ptos].

EAA1520 -Inferencia Estadı́stica 5 Primer Semestre 2021

Problema 2

El DEMRE (Departamento de Evaluación, Medición y Registro Educacional) es un organismo de la Uni-

versidad de Chile cuya misión es proponer, desarrollar, aplicar y analizar instrumentos de medición para la
admisión a la educación superior. Esta organización es responsable del desarrollo y aplicación de la PSU
(Prueba de Selección Universitaria) utilizada para el proceso de admisión a la educación universitaria.

Dentro de la información agregada que genera este organizmo, en sus reportes dispone del puntaje PSU pro-
medio y NEM (notas de enseñanza media) promedio por colegio, según su tipo de administración de depen-
dencia (particular pagado, particular subvencionado, municipal y administración delegada). En el siguiente
gráfico se presentan los puntaje PSU promedio y los NEM promedio de 78 establecimientos de dependencia
“particular” en Chile el año 2016 publicados por el DEMRE en su sitio web oficial https://demre.cl/.

A partir del gráfico se sugiere el siguiente modelo de regresión lineal simple para el puntaje PSU promedio
de los colegios particulares:

Yi = β0 + β1 Xi + εi , i = 1, 2, . . . , n,
donde Yi representa el puntaje PSU promedio del colegio “i”, Xi representa el NEM promedio del colegio
iid
“i” y εi ∼ Normal(0, σ 2 ). A continuación se presentan las estadı́sticas resumen del año 2016 de los 78
establecimientos particulares:

78
X 78
X 78
X
yi = 46799.56, (xi − x)yi = 382.85, (xi − x)2 = 2.89,
i=1 i=1 i=1
78 78 78
X X X √
xi = 461.07, (yi − y)2 = 93434.33, xi = 189.61.
i=1 i=1 i=1

Con la información entregada realice lo siguiente:

a) [1.5 Ptos] Calcule los estimadores de máxima verosimilitud de los parámetros desconocidos del modelo
de regresión lineal simple.
b) [1.5 Ptos] Determiner un intervalo de confianza bilateral al 95 % para el intercepto del modelo.
c) [1.5 Ptos] A traves de un test de hipótesis evalue la conjetura de β1 > 0, utilice un nivel de riesgo de
5 %. Reporte el valor-P del test.

EAA1520 -Inferencia Estadı́stica 6 Primer Semestre 2021

 d) [1.5 Ptos] A partir del modelo ajustado entregue una estimación puntual del puntaje PSU promedio
para un colegio que tiene un NEM promedio de 5.3

Hint: Pueden ser útiles la siguientes identidades:

n
X n
X n
 2 X
(yi − βb0 − βb1 xi )2 = (yi − y)2 − βb1 (xi − x)2 ,
i=1 i=1 i=1
Xn n
X
(yi − y)(xi − x) = (xi − x)yi ,
i=1 i=1
n
X n
X 2
(xi − x)2 = x2i − n (x) ,
i=1 i=1
Xn n
X
(yi − y) = (xi − x) = 0
i=1 i=1

EAA1520 -Inferencia Estadı́stica 7 Primer Semestre 2021

 Solución
a) Los estimadores de mı́nimos cuadrados están dados por:

Pn Pn Pn Pn Pn Pn
n xi yi − ( i=1 xi ) ( i=1 yi )
i=1 i=1 xi yi − ( i=1 xi i=1 yi /n)
βb1 = Pn Pn 2 = Pn 2
2
n ( i=1 xi ) − ( i=1 xi ) i=1 (xi − x̄)
277022.2 − 461.07 · 46799.56/78
=
2.89
= 132.4571 [0.5 Ptos]
Pn
donde i=1 xi yi = 382.85 + 46799.56 · 461.07/78 = 277022.2. Por otro lado,

46799.56 461.07
βb0 = ȳ − β̂1 x̄ = − 132.4571 · = −182.9799 [0.5 Ptos].
78 78
Finalmente,

n
1X
b2
σ = (yi − βb0 − βb1 xi )2 ,
n i=1
n n
!
1 X  2 X
= (yi − y)2 − βb1 (xi − x)2 [0.3 Ptos],
n i=1 i=1
1
93434.33 − (132.457)2 2.89 ,


=
78
= 547.6492 [0.2 Ptos]

b) Un IC bilateral de (1 − α)100 % para β0 está dado por

 pPn pPn 
s x 2 s x 2
i=1 i
β̂0 − t1−α/2,n−2 q
Pn , β̂0 + t1−α/2,n−2 q P i=1 i  [0.2 Ptos]
2 n 2
n i=1 (xi − x̄) n i=1 (xi − x̄)

donde

n = 78,
α = 0.05,
βb0 = −182.9799,
n
X n
X 2
x2i = (xi − x)2 + n (x) = 2728.3 [0.4 Ptos],
i=1 i=1
n
X
S2 = (yi − βb0 − βb1 xi )2 /(n − 2) = 562.4 [0.4 Ptos],
i=1
t0.975 (76) ≈ z0.975 = 1.96 [0.2 Ptos]

Reemplazando se tiene

(−344.638, −21.322) [0.3 Ptos]

EAA1520 -Inferencia Estadı́stica 8 Primer Semestre 2021

 c) Se quiere evaluar las hipótesis

H0 : β 1 = 0 versus H1 : β1 > 0 [0.2 Ptos]

El estadı́stico observado del test bajo H0 está dado por:

βb1
T = s ∼ t76 [0.2 Ptos].
1
S Pn 2
i=1 (xi − x)

Como el test es unilateral, se rechaza H0 sı́ Tobs > t76 (0.95) ≈ 1.645 [0.1 Ptos].

P78
La varianza muestral está dada por s2 = i=1 (yi − βb0 − βb1 xi )2 /76 = 562.4 [0.2 Ptos], por lo tanto
132.4
el valor Tobs = = 9.5 [0.2 Ptos]. Note que el estadı́stico Tobs pertenece a la región de rechazo
13.9
Tobs = 9.5 > 1.645 ≈ t76 (0.95) [0.1 Ptos]. Finamelmente, con un α = 0.05 de significancia existe
evidencia estdı́stica para rechazar H0 y se concluye que β1 > 0 [0.2 Ptos].

El valor-p del test está dado por

Valor-P = Pr (T > 9.5 | H0 ) donde el estadı́stico del test bajo H0 distribuye T ∼ t76
≈ 1 − Φ(9.5) [0.2 Ptos],
≈ 0 [0.1 Ptos]

d) La recta de regresión ajustada es

ŷi = −182.6 + 132.4 · xi [0.7 Ptos]

Luego para un NEM promedio de 5.3, es decir, xi = 5.3 [0.3 Ptos], el puntaje PSU corresponde a

ŷi = −182.6 + 132.4 · 5.3 ≈ 519 [0.5 Ptos]

EAA1520 -Inferencia Estadı́stica 9 Primer Semestre 2021

EAA1520 -Inferencia Estadı́stica 10 Primer Semestre 2021
 Probabilidad Acumulada Distribición Normal Estándar

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990

EAA1520 -Inferencia Estadı́stica 11 Primer Semestre 2021

EAA1520 -Inferencia Estadı́stica 12 Primer Semestre 2021
 IC y Test hipótesis para una Muestra

Parámetro Población IC Bilateral Hipótesis Bilaterales Región Crı́tica

EAA1520 -Inferencia Estadı́stica

µ N (µ, σ 2 ), σ conocido (ȳ ∓ z1−α/2 √σn ) H0 : µ = µ0 , vs H1 : µ 6= µ0 |ȳ − µ0 | > z1−α/2 √σn

µ N (µ, σ 2 ), σ desconocido √s
1−α/2 n )
(ȳ ∓ tn−1 H0 : µ = µ0 , vs H1 : µ 6= µ0 √s
1−α/2 n
|ȳ − µ0 | > tn−1
n pequeño

µ Cualquier Población, (ȳ ∓ z1−α/2 √sn ) H0 : µ = µ0 , vs H1 : µ 6= µ0 |ȳ − µ0 | > z1−α/2 √sn

σ desconocido y n grande

π̂(1−π̂) π̂(1−π̂)
π Bernoulli(π), (π̂ ∓ z1−α/2 n
) H0 : π = π0 , vs H1 : π 6= π0 |π̂ − π0 | > z1−α/2 n
n grande
q q

13
ȳ ȳ
µ Poisson(λ) (ȳ ∓ z1−α/2 n
) H0 : µ = µ0 , vs H1 : µ 6= µ0 |ȳ − µ0 | > z1−α/2 n
q q

µ Exponencial(λ) (ȳ ∓ z1−α/2 √ȳn ) H0 : µ = µ0 , vs H1 : µ 6= µ0 |ȳ − µ0 | > z1−α/2 √ȳn

2 χ2 χ2
(n−1)s2 α/2,n−1 1−α/2,n−1
σ2 N (µ, σ 2 ), µ desconocido ( χ2(n−1)s , χ2
) s2 < σ02 n−1
o s2 > σ02 n−1
1−α/2,n−1 α/2,n−1
H0 : σ 2 = σ02 , vs H1 : σ 2 6= σ02

θ Cualquier Población (θ̂ ∓ z1−α/2 CCR(θ̂)) H0 : θ = θ0 , vs H1 : θ 6= θ0 |θ̂ − θ0 | > z1−α/2 CCR(θ̂)

n grande
q q

∂
[ g(θ) ∂
[ g(θ)
g(θ) Cualquier Población ∂θ ∂θ
 

CCR(θ̂) · H0 : g(θ) = g(θ0 ), vs H1 : g(θ) 6= g(θ0 = |g(θ̂) − g(θ0 )| > z1−α/2 CCR(θ̂) ·
s  2 s  2
g(θ̂) ∓ z1−α/2 

Primer Semestre 2021

 IC y Test hipótesis para dos Muestras

Parámetro Población IC Bilateral Hipótesis Bilaterales Región Crı́tica

EAA1520 -Inferencia Estadı́stica

2
σ1 2
σ2 2
σ1 2
σ2
(µ2 − µ1 ) N (µ1 , σ12 ), N (µ2 , σ22 ) ȳ2 − ȳ1 ∓ z1− α2 n
+ m
H0 : µ2 = µ1 , vs H1 : µ2 6= µ1 |ȳ2 − ȳ1 | > z1− α2 n
+ m
 q  q

σ12 , σ22 conocidas

1 1 1 1
(µ2 − µ1 ) N (µ1 , σ12 ), N (µ2 , σ22 ) 1−α/2 sp
(ȳ2 − ȳ1 ∓ tn+m−2 n
+m ) H0 : µ2 = µ1 , vs H1 : µ2 6= µ1 1−α/2 sp
|ȳ2 − ȳ1 | > tn+m−2 n
+ m
2
(n−1)s2
1 +(m−1)s 2
q q

σ12 = σ22 desconocidas s2p = n+m−2

[ν] s2
1 s2
2 [ν] s2
1 s2
2
(µ2 − µ1 ) N (µ1 , σ12 ), N (µ2 , σ22 ) (ȳ2 − ȳ1 ∓ t1−α/2 n
+ m
) H0 : µ2 = µ1 , vs H1 : µ2 6= µ1 |ȳ2 − ȳ1 | > t1−α/2 n
+ m
s
q q

1 + s2
n m
 2 2 2

ν= 2
s1 s2
2
σ12 6= σ22 desconocidas
n m
!2 !2

14
n−1
+ m−1

SD SD
(µ2 − µ1 ) Normal Bivariada D̄ ∓ tn−1 √
1−α/2 n H0 : µ2 = µ1 , vs H1 : µ2 6= µ1 √
1−α/2 n
|D̄| > tn−1
Muestras Dependientes o pareadas
 

π̂1 (1−π̂1 ) π̂2 (1−π̂2 ) π̂1 (1−π̂1 ) π̂2 (1−π̂2 )

(π2 − π1 ) Bernoulli(π1 ), Bernoulli(π2 ) (π̂2 − π̂1 ∓ z1−α/2 n
+ m
) H0 : π2 = π1 , vs H1 : π2 6= π1 |π̂2 − π̂1 | > z1−α/2 n
+ m
q q

muestras grandes e independientes

2
σ1 s2
1 1 s2
1 1 s2
1 n−1,m−1 s2
1 n−1,m−1
2
σ2
N (µ1 , σ12 ), N (µ2 , σ22 ) s2 n−1,m−1 , s2 n−1,m−1 s2
< Fα/2 o s2
> F1−α/2
2 2
H0 : σ12 = σ22 , vs H1 : σ12 6= σ22
2 F1−α/2 2 Fα/2
 

(θ2 − θ1 ) Cualquier Población (θ̂2 − θ̂1 ∓ z1−α/2 CCR(θ̂2 ) + CCR(θ̂1 )) H0 : θ2 = θ1 , vs H1 : θ2 6= θ1 |θ̂2 − θ̂1 | > z1−α/2 CCR(θ̂2 ) + CCR(θ̂1 )
q q

Primer Semestre 2021

 Distribuciones

Distribución Densidad de Probabilidad ΘX Parámetros Esperanza, Varianza y fgm

x 1−x
Bernoulli π (1 − π) x = 0, 1 π µX = π
2
σX = π (1 − π)
M (t) = π et + (1 − π), t∈R

x n−x
Binomial π (1 − π) x = 0, . . . , n n, π µX = n π

EAA1520 -Inferencia Estadı́stica

x 2
= n π (1 − π)
n

σX
M (t) = [π et + (1 − π)]n , t∈R

1
Uniforme Discreta N x = 1, ..., N N µX = N2+1
2 (N +1)(N −1)
σX = 12
1 N it
M (t) = N i=1 e
P

x−1
Geométrica π (1 − π) x = 1, 2, . . . π µX = 1/π
2
σX = (1 − π)/π 2
M (t) = π et /[1 − (1 − π) et ], t < − ln(1 − π)

15
r x−r
Binomial-Negativa p (1 − π) x = r, r + 1, . . . r, π µX = r/π
r−1
2
x − 1

σX = r (1 − π)/π 2
r
M (t) = π et /[1 − (1 − π) et ] , t < − ln(1 − π)


(ν t)x e−ν t
Poisson x = 0, 1, . . . ν µX = ν t
x! 2

M (t) = exp λ et − 1 , t∈R

σX = ν t


x n−x
Hipergeométrica máx{0, n + m − N } ≤ x ≤ mı́n{n, m} N, m, n µX = n mN
m
N −m

n
2 m m
σX = N −n
n N 1− N
N

N −1
 

1
Uniforme a≤x≤b a, b µX = (a + b)/2
(b − a)
2
σX = (b − a)2 /12
M (t) = [et b − et a ]/[t (b − a)], t∈R

−λ x
Exponencial λe x≥0 λ µX = 1/λ
2
σX = 1/λ2
M (t) = λ/(λ − t), t<λ

Primer Semestre 2021

 Distribución Densidad de Probabilidad ΘX Parámetros Esperanza, Varianza y fgm

νk k−1 −ν x
Gamma x e x≥0 k, ν µX = k/ν
Γ(k)
2
σX = k/ν 2
M (t) = [ν/(ν − t)]k , t<ν

1 1 x−µ 2
Normal √ exp − −∞ < x < ∞ µ, σ 2 µX = µ
2πσ 2 σ
   

EAA1520 -Inferencia Estadı́stica

σX = σ2
M (t) = exp(µ t + σ 2 t2 /2), t∈R

1 1 ln x − λ 2 1 2
Log-Normal √ exp − x≥0 λ, ζ µX = exp λ+ ζ
2 π (ζ x) 2 ζ 2
     

2 2 ζ2
X ∼ Log-Normal(λ, ζ 2 ) σX = µX e −1
 

2
ln X ∼ Normal(λ, ζ )

1 (x − a)q−1 (b − x)r−1 q
Beta a≤x≤b q, r µX = a + q+r (b − a)
B(q, r) (b − a)q+r−1
2 q r (b−a)2
σX =

16
(q+r)2 (q+r+1)

1
χ2 (n) v n/2−1 e−v/2 x>0 n µX = n
2n/2 Γ(n/2)
σ2 = 2 n
1 2 1
χ2 (n) = Gamma(n/2, 1/2) M (t) = 1−2t t< 2
X n

iid
Si χ2 (n) = i=1 Ui2 Ui ∼ N (0, 1)
Pn

Γ((ν+1)/2) x2 2
t-student: tν √
νπΓ(ν/2)
1+ ν −∞ < x < ∞ ν µX = 0, ν > 1
2 ν
=
 − (ν+1)

σX ν−2 , ν > 2
Z Γ( ν+1 )Γ(ν− k ) k
tν = √ , Z ∼ N (0, 1) E(X k ) = 2
√ 2 ν2 , k par
χ2 (ν)/ν πΓ( ν )
2

χ2 (n) independiente Z

Γ((ν1 +ν2 )/2) ν1 1 /2 ν1 2 ν

Fisher: Fν1 ,ν2 Γ(ν1 /2)Γ(ν2 /2) ν2 xν1 /2−1 1 + ν2 x x>0 ν1 , ν2 2 ν > 2
µX = ν −2 2
2 ν2
 ν  − (ν1 +ν2 )

ν1 +ν2 −2
σX , ν2 > 4
2
= 2 ν −2 ν1 (ν2 −4)
ν1 +2k
Γ( )Γ( )
 22

χ2 (ν1 )/ν1 2 2 ν 2 ν
Fν1 ,ν2 = E(X k ) = ν ν ν1 , k < 22
χ2 (ν2 )/ν2 Γ( 1 )Γ( 2 )
2 2
ν2 −2k  k

χ2 (ν1 ) independiente χ2 (ν2 )

F1,ν = t2ν

Primer Semestre 2021