RESOLUCIN DE EJERCICIOS

Captulo 1
1. Tanto la varianza y covarianza son de medidas de dispersin, y que nos
informan sobre el grado de concentracin o dispersin que presentan los datos
respecto a su promedio, mientras que la media es una medida de tendencia
central. Suponiendo que tenemos todos los valores u observaciones de una
variable aleatoria X de una poblacin de N sujetos, tendindose N
observaciones u valores de X, definimos la media poblacional como:

Varianza poblacional de la variable aleatoria X:

Teniendo adems de la variable X, una variable aleatoria Y con las mismas

caractersticas definimos la covarianza:

Como generalmente no podemos obtener los valores para toda la poblacin

(porque resulta imprctico) sacamos una muestra (n) representativa de esta
poblacin (N) tendiendo que N > n, y procedemos a estimar la media, varianza
y covarianza como en el caso anterior. Hay que tener en que como
generalmente es imposible obtener los datos para toda la poblacin las
ecuaciones anteriores se denominan parmetros, mientras que los que sern
calculados a continuacin se denominan estadsticos de los parmetros, pues
nos ayudan a inferir, en trminos de la muestra representativa, qu valores
toman los parmetros (que no se pueden conocer probablemente por su gran
tamao).
Media muestral:

Varianza muestral:

Covarianza muestral (como en el caso anterior ahora incluimos una variable

aleatoria Y, que tiene la cantidad de valores equivalente a la muestra):

2.
a)
Probabilidades condicionales
Mala cosecha / Sequa
= 0.35
Mala cosecha / Lluvia
= 0.08
Buena cosecha / Sequa
= 0.15
Buena cosecha / Lluvia
= 0.42

b)
Sequa

= 30x0.35 + 100x0.15
= 25.5
Lluvia

= 30x0.08+ 100x0.42
= 44.4

c) Modelo

Y = 1 + 2X, si X = 0, entonces:
25.5 = 1

Si X = 1, tenemos:
44.4 = 25.5 + 2 (1)
2 = 18.9

Grfico

d)

e) Varianza condicional

f) Covarianza

3.
a)
Probabilidades condicionales
Mala cosecha / Sequa
= 0.20
Mala cosecha / Normal
= 0.18
Mala cosecha / Abundante
= 0.15
Buena cosecha / Sequa
= 0.05
Buena cosecha / Normal
= 0.32
Buena cosecha / Abundante
= 0.10

b)
Sequa

= 30x0.20 + 100x0.05
= 11
Normal

= 30x0.18+ 100x0.32
= 37.4
Abundante

= 30x0.15+ 100x0.10
= 14.5

c) Modelo
Y = 1 + 2X
Si X = 200, entonces:
11 = 1 + 200 2
Si X = 1000, tenemos:
37.4 = 1 + 10002
Si X = 2000:
14.5 = 1 + 20002
Tenemos:
37.4 = 14.5 - 20002 +10002
2 = -0.0229
1 = 15.58
Grfico

d) Tanto para X = 200, 2000

Para X = 1000

e) Varianza condicional

4.
Aqu se est violando el supuesto de linealidad del modelo de regresin
lineal, puesto que el ejercicio nos dice que se suele afirmar que la relacin
entre salario y la edad es no lineal, entonces y planteamos un modelo lineal a
pesar de la consideracin acerca de la no linealidad de las variables, se
presenta un problema de especificacin del modelo.

5.
Mostrar que:

es igual a 2 * Var(X)

Por el modelo de regresin lineal tenemos que 2 es igual a:

y como

, multiplicando los ecuaciones y simplificando

obtenemos la Covarianza de X, Y.

Ahora
tenemos:

Quedando:

, entonces reemplazando 2

Lo que se pide.

6.
a) Lineal en parmetros, pero no lineal en variables
b) No lineal en variables y parmetros
c) No lineal en variables, pero lineal en parmetros
d) Lineal en parmetros, no lineal en variables.
e) Lineal en parmetros y variables.