Me dan un modelo de regresión lineal sime $$y_i=\beta_0+\beta_1x_i+\epsilon_i$$
donde $\epsilon_i\sim N(0,\sigma)$ y tengo que crear una prueba de hipótesis para contrastar
$$H_0: c_0\beta_0+c_1\beta_1=h$$
donde $c_0,c_1, h$ son constantes dadas.
Mi intento:
Sabemos que el estimador $\hat{\beta_0}\sim N\left(\beta_0,\sigma^2(\frac{1}{n}+\frac{\bar{x}^2}{S_{xx}})\right)$ y que el estimador $\hat{\beta_1}\sim N\left(\beta_1,\frac{\sigma^2}{S_{xx}}\right)$ así que la combinación $c_0\beta_0+c_1\beta_1$ sigue una distribución normal (ya que es una combinación lineal de distribuciones normales) con media
$$\mu=c_0\beta_0+c_1\beta_1$$
y la varianza
$$Var[c_0\hat{\beta_0}+c_1\hat{\beta_1}]$$
No veo ninguna razón para que $\hat{\beta_0}$ y $\hat{\beta_1}$ debe ser incorrecto, por lo que no puedo decir que la varianza de la suma es la suma de las varianzas. Entonces $$Var[c_0\hat{\beta_0}+c_1\hat{\beta_1}]=Var[c_0\hat{\beta_0}]+Var[c_1\hat{\beta_1}]+2Cov(c_0\hat{\beta_0},c_1\hat{\beta_1})$$
Ahora
$$Cov(c_0\hat{\beta_0},c_1\hat{\beta_1})=c_0c_1Cov(\bar y-\hat{\beta_1}\bar x,\hat{\beta_1})=c_0c_1\left(Cov(\bar y, \hat{\beta_1})-\bar xCov(\hat{\beta_1},\hat{\beta_1})\right)$$
Pero $Cov(\bar y, \hat{\beta_1})=0$ y $Cov(\hat{\beta_1},\hat{\beta_1})=Var[\hat{\beta_1}]$ así que
$$Var[c_0\hat{\beta_0}+c_1\hat{\beta_1}]=c_0^2\sigma^2\left(\frac{1}{n}+\frac{\bar x^2}{S_{xx}}\right)+c_1^2\frac{\sigma^2}{S_{xx}}-2c_0c_1\bar x \frac{\sigma^2}{S_{xx}}$$
Si no me he equivocado, esa debería ser la expresión para la varianza, pero no puedo simplificar esto para obtener un $N(0,1)$ distribución.
Mi pregunta es entonces si hay una forma más sencilla de obtener la prueba de hipótesis, por lo que cualquier pista que me indique la dirección correcta sería muy apreciada.
Nota: He visto una pregunta similar aquí, pero la respuesta implica la notación matricial, y eso es algo que aún no hemos cubierto en clase.