Metodologia para la prueba de hipotesis pdf

Previous article. Next article. This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Close Privacy Overview This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website.

We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent.

You also have the option to opt-out of these cookies. But opting out of some of these cookies may have an effect on your browsing experience. Necessary Necessary. Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information. Non-necessary Non-necessary. Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies.

It is mandatory to procure user consent prior to running these cookies on your website. En la figura 3. Figura 3. En donde a 0 es el valor asociado al estadstico de prueba 2 n A. Las tasas de inters o la tasa de inflacin son dos claros ejemplos de riesgo sistemtico, ya que un aumento inesperado en cualquiera de estos dos factores afecta a casi todas las empresas.

Por otra parte, se le llama riesgo no sistemtico aqul que afecta a un solo activo o a un grupo pequeo de activos por lo que tambin se le conoce como riesgo nico. Un ejemplo claro de este tipo de riesgo es el anuncio de una huelga de cualquier empresa, ya que esto slo afectara a esa empresa en particular. Por una parte, relacionando este principio con el riesgo no sistemtico se llega a la conclusin de que ste puede ser eliminado mediante la diversificacin, lo cual se debe a que, como ya se coment anteriormente, el riesgo no sistemtico afecta a una empresa en particular; por lo que la variabilidad asociada con los activos individuales se elimina mediante la diversificacin.

Por lo anteriormente mencionado, una cartera relativamente grande conformada por activos casi no presenta riesgo no sistemtico. Por otra parte, relacionando este principio con el riesgo sistemtico, sucede todo lo contrario que con el riesgo no sistemtico.

Es decir, en este caso como el riesgo sistemtico afecta a casi todas las empresas entonces no se puede eliminar mediante la diversificacin. El principio de riesgo sistemtico nos dice que el rendimiento esperado de un activo con riesgo depende nicamente del riesgo sistemtico relacionado con dicho activo. Cabe mencionar que independientemente del riesgo total que tenga un activo, la parte relevante para determinar el rendimiento esperado es el riesgo sistemtico de dicho activo.

Ya que sabemos que el riesgo sistemtico es el determinante del rendimiento esperado de un activo, hay que saber como medir el nivel de dicho riesgo para diferentes inversiones. Dicha medida recibe el nombre de coeficiente beta o beta b , la cual indica la cantidad de riesgo sistemtico que tiene un determinado activo en relacin con un activo promedio.

Por ejemplo, si un activo tiene una 5. En otras palabras, si estamos comparando un activo x contra un activo y, y se tiene que b es menor que 1, quiere decir que el activo x tiene menor riesgo sistemtico que el activo y. Si b es mayor que 1, entonces el activo x tiene mayor riesgo que el otro y; si es igual a 1, entonces tienen el mismo riesgo sistemtico.

Cabe mencionar que el coeficiente beta se puede obtener mediante una regresin lineal simple, donde beta es la pendiente de la lnea recta ajustada. La diferencia que existe entre estos dos modelos es que los determinsticos no permiten ningn tipo de error en la prediccin, en cambio los probabilsticos predicen un valor Y dado un valor de x, es decir, llevan a cabo un proceso inferencial en el que se conocen las propiedades de error. El principal objetivo dentro de una regresin lineal simple es el de encontrar una recta que defina los cambios en la variable dependiente con respecto a los cambios en la variable independiente.

Adems, e i es una variable aleatoria que tiene una distribucin de probabilidad especfica con media igual a cero. Calculando el valor esperado de Y en la ecuacin 3. Para estimar los parmetros de este modelo lineal se utiliza el mtodo de los mnimos cuadrados, ya que su procedimiento consiste en estimar parmetros de cualquier modelo lineal. El procedimiento de los mnimos cuadrados pretende que las desviaciones sean pequeas. Una manera para lograr esto es minimizar la suma de los cuadrados de las desviaciones verticales, o llamados de otra forma, suma de los cuadrados de los errores SEC , de la recta ajustada Ya que a y b.

Por lo que SEC queda de la siguiente manera: [ ] 2 1 2 1 1 2. Por lo tanto, se obtienen las derivadas parciales de SEC con respecto a a y con respecto a b. Ahora bien, se tienen las siguientes soluciones:.

Ya obtenida la ecuacin del modelo existe una manera para determinar la calidad de la regresin, para lo que se utiliza el nombre de coeficiente de determinacin. Ya que sabemos que el objetivo de la regresin es explicar los cambios en la variable independiente, es importante saber que existirn cambios, en el modelo, que se puedan explicar y otros que no, a esto se le llama coeficiente de determinacin 2 R , donde.

Por ejemplo si 5. Cerrar sugerencias Buscar Buscar. Saltar el carrusel. Carrusel anterior. Carrusel siguiente. Explora Audiolibros. Explora Revistas. Explora Podcasts Todos los podcasts. Dificultad Principiante Intermedio Avanzado. Explora Documentos. En consecuencia, la probabilidad de que ocurran ambos eventos es el producto de las probabilidades. Es conocida y utilizada para analizar variables nominales o cualitativas, es decir, para determinar la existencia o no de independencia entre dos variables.

Para lo cual se toma en cuenta la siguiente tabla. Realizar una conjetura 2. Para obtener las estimas de las funciones de probabilidad marginales se debe sumar por filas y por columnas los valores de las frecuencias conjuntas. Calcular chi cuadrado 5. Determinar el valor de P y el grado de libertad 6. Obtener el valor critico 7. Los datos se muestran en la tabla inferior. Paso 5: Realizar la prueba siguiendo los seis pasos. Luego Por otro lado prueba. Sustituyendo estos valores y calculando DE … Existen muchos problemas para los cuales los datos son categorizados y los resultados expuestos en forma de conteos o cuentas.

Se usa para la ocurrencia de dos eventos, en la cual se desea observar si son dependientes o independientes.