Distribucions mostrals pels contrasts d’hipòtesis paramètriques

Hipòtesi nul·la Cas Població i Mostra Estadı́stic (sota H0 ) G.de ll.

Població Normal
X̄−µ0
σ coneguda o mostra n ≥ 30 σ/√n ∼ N (0, 1) -

X̄−µ0
H0 : µ = µ0 Població Normal S/√n ∼ t − Student n−1
σ desconeguda
Si la mostra n ≥ 30
X̄−µ0
es pot aproximar S/√n ∼ N (0, 1)
per una Normal

(n−1)S 2
H0 : σ 2 = σ02 Població Normal σ02
∼ χ2n−1 n−1

H0 : π = π0 nπ0 (1 − π0 ) > 5 p ππ̂−π 0

(1−π
∼ N (0, 1) -
0 0)
n

Hipòtesi nul·la Cas Població i Mostra Estadı́stic (sota H0 ) G.de ll.

σ1 i σ2 conegudes Població Normal
(X̄1 −X̄2 )−δo
i similars o mostra n ≥ 30 q ∼ N (0, 1) -
σ2 σ2
1 + n2
n1 2

H0 : µ1 − µ2 = δ0
(X̄1 −X̄2 )−δo
σ1 desconeguda Població Normal q ∼ t − student n1 + n2 − 2
S2 2
n1 +S
n 2
(n1 −1)S12 +(n2 −1)S22
o σ2 desconeguda on S 2 = n1 +n2 −2
Si la mostra n ≥ 30
(X̄1 −X̄2 )−δo
però iguals es pot aproximar q ∼ N (0, 1) -
S2 2
n1 +S
n 2
(n1 −1)S12 +(n2 −1)S22
per una Normal on S 2 = n1 +n2 −2

σ12 S12
H0 : σ22
=1 Població Normal S22
∼ F − Snedecor (n1 − 1, n2 − 1)

q (π̂1 −π̂2 )−δ0 ∼ N (0, 1)

π̂(1−π̂) π̂(1−π̂)
n1 + n
2

H0 : π1 − π2 = δ0 -

n1 π̂1 +n2 π̂2

on π̂ = n1 +n2

Anàlisi de la Variància (Taula ANOVA)

Variacions Sumes G. de ll. Sumes mitjanes Estadı́stic de Contrast G. de ll.

V EM
Pk ¯ )2
nj (X̄j − X̄ k−1 V EM 2
= SE
j=1 k−1

Pnj 2
Pk SE
V DM j=1 i=1 (xij − X̄j )2 N −k V DM
N −k
2
= SD F∗ = 2
SD
∼ F − Snedecor (k − 1, N − k)

VT
Pk Pni ¯ )2
− X̄ N −1
j=1 i=1 (xij

1
Distribucions mostrals pels contrasts d’hipòtesis no paramètriques
• El contrast de la bondat d’ajust per variables discretes
Hipòtesi nul·la Població i Mostra Estadı́stic de Contrast G. de ll.

Pk (nO (xi )−nT (xi ))2

H0 : nO = nT Variable discreta χ2 = i=1 nT (xi ) ∼ χ2 k−1

• El contrast de la bondat d’ajust per variables contı́nues

Hipòtesi nul·la Població i Mostra Estadı́stic de Contrast G. de ll.

H0 : FO = FT Variable contı́nua K − S = max |FO (xi ) − FT (xi )| ∼ Kolmogorv − Smirnov n

• El Contrast d’independència entre variables qualitatives

Hipòtesi nul·la Població i Mostra Estadı́stic de Contrast G. de ll.

Pf Pc (Oij −Eij )2
H0 : X i Y són independents Variables qualitatives P = i=1 j=1 Eij ∼ χ2 (f − 1)(c − 1)

• Coeficient de Correlació i contrast d’independència entre variables quantitatives

Hipòtesi nul·la Població i Mostra Coeficient de correlació Estadı́stic de Contrast

P
x̃i ỹi 1 1+r 1+ρ
H0 : X i Y són lin. independents Variables quantitatives r = P 2 pP
p 2 ln( 1−r ) ∼ N ( 21 ln( 1−ρ 1
), n−3 )
x̃i ỹi2

Regressió Lineal

Estimadors MQO Caracterı́stiques dels estimadors MQO

P P P
x̃i ỹi ỹi2 −β̂22 x̃2i 2
β̂1 = Ȳ − β̂2 X̄ β̂2 = P x̃2 σ̂u2 = n−2
E(β̂1 ) = β1 Sβ̂2 = σ̂u2 ( n1 + P
X̄
x̃2
) E(β̂2 ) = β2 Sβ̂2 = σ̂u2 P1x̃2
1 i 2 i
i

Distribucions del estimadors MQO Coeficient R2 correlació - regressió Desviació predicció

s  
P 2 P 2
x̃ β̂22 β̂22
x̃ 2
β̂1 −β1
∼ tn−2 β̂2 −β2
∼ tn−2 2
R = P ỹ2 i r = P ỹ2 i = R2
2 Sŷn+1 = σ̂u2 1
+ P−2X̄)
(xn+1
Sβ̂ Sβ̂ n x̃i
1 2 i i

Fórmules d’utilitat
• Estadı́stics mostrals
Mitjana mostral Variància mostral Proporció mostral Covariància mostral
Pn Pn
xi (xi −X̄)(yi −Ȳ )
= observacions favorables
1
Pn 1
Pn
X̄ = i=1 xi S2 = i=1 (xi − X̄)
2
π̂ = i=1
SXY = i=1
n n−1 n observacions totals n−1

• Dades en diferències
X X X
x̃2i = (xi − X̄)2 = x2i − nX̄ 2
X X X
ỹi2 = (yi − Ȳ )2 =
yi2 − nȲ 2
X X X
x̃i ỹi = (xi − X̄)(yi − Ȳ ) = xi yi − nX̄ Ȳ