Você está na página 1de 92

Instituto San Roque Gonzlez de Santa Cruz

Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

ECONOMETRIA AVANZADA

PARA PROFESIONALES

Prof. Jos Anbal Insfrn Pelozo, Ph.D.


jainsfran@hacienda.gov.py
jainsfran@gmail.com
1

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Introduccin
En stas clases pondremos nmeros a las
cosas.
Trataremos de poner nmeros a los
coeficientes de modelos de regresin
lineal.
Qu es un modelo de regresin lineal?
Ejemplo: Educacin y salarios
Gana ms la gente que tiene ms
educacin?
Considere la siguiente ecuacin.
salario = 0 + 1 educacin + otros
factores
2

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Otros factores: sexo, raza, ubicacin


geogrfica, salarios de los padres,
educacin de los padres, habilidad o
ambicin son importantes.
Los econometristas piensan da y noche
respecto a cuantificar la relacin entre las
cosas.
En particular queremos:
conocer 1,
saber si 1 > 0
saber si 1 = 0
Mantener todo lo dems igual no es fcil.
Trataremos de determinar el valor de
cantidades como 1 usando mtodos de
regresin
lineal,
fundamentalmente
mnimos cuadrados.
3

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Trabajaremos de la siguiente manera:


tpicamente tenemos una base de datos,
tenemos observaciones de los salarios y
de los aos de escolaridad de n personas.
Si salarioi y educacini indican el salario
y los aos de escolaridad de la i-esima
persona,
respectivamente.
As
establecemos pares de observaciones
(salario1,
educacin1),
(salario2,
educacin2), etc.
Posteriormente, estimamos 1 a travs de
la regresin de mnimos cuadrados.
Particularmente, elegimos 0 y 1 de
manera a minimizar la funcin:
(salario 0 - 1 educacin )2
4

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Minimizamos los errores y los valores de


0 y 1 que resuelven este problema son
nuestros estimadores.
En estas clases haremos lo siguiente:
a) Generaremos estimados de los
parmetros de la regresin
b) Caracterizaremos la incertidumbre
respecto a 1.
c) Calcularemos cantidades estadsticas
como errores estndar, test de hiptesis
e intervalos de confianza.
d) Usaremos 1 para responder a
preguntas econmicas.
a. Cuanto gana la gente pobre viviendo
en las cercanas de una universidad
pblica y subsidiada.
b. Un amigo te consulta: Tengo
dinero para invertir. Mi asesor
financiero, me dice que ponga 50%
5

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

en CDA de un banco de plaza y 50%


en Letras de Regulacin Monetaria.
Mi madre me dice: 80% en CDA de
un banco de plaza y 20% en Letras
de Regulacin Monetaria. Qu
debo hacer?
c. Una respuesta es: los mtodos
estadsticos tienen errores. Nadie
puede predecir el futuro. Todos los
expertos dicen cualquier cosa. No se
que decirte.
d. Para nosotros esta opinin esta
errada, o al menos no til. La
econometra provee herramientas
para dar respuestas a ese tipo de
preguntas, que tienen su riesgo de no
ser exactas.

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Puede que no podamos predecir el futuro,


pero la pregunta demanda una respuesta.
Tu amigo debe decidir donde poner su
dinero. Cada decisin conlleva riesgos.
Cada herramienta para llegar a una
decisin tiene su grado de error. Pero una
decisin debe ser hecha.
Distribuciones de Probabilidad
Importantes en Economa y en Finanzas
Estudiaremos una serie de distribuciones
de probabilidad que podran ser aplicables
al comportamiento de series econmicas,
por ejemplo: retorno de los activos, bajo
supuestos apropiados.
Las distribuciones ms usuales son la
Normal, Chi-cuadrado, F, t-student.
7

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

En general, los economistas y analistas


financieros buscan distribuciones de
probabilidad como bases para realizar
pronsticos respecto a las distribuciones
futuras de los precios o retornos de los
activos.
Caractersticas deseables de las
distribuciones
Estacionariedad
Estabilidad
Varianza finita
La idea de estacionariedad se refiere al
mantenimiento del valor de los
parmetros de la distribucin a lo largo
del tiempo.

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Ejemplo de Serie Estacionaria


2

-1

-2

-3
50

100

150

200

250

300

350

400

Proceso AR(1) - y=0,6*y(-1)+z

La mayora de las distribuciones de


precios tienden a ser no estacionarias
A lo largo del tiempo, los precios
cambian conjuntamente.
Media y desviacin estndar de precios,
generalmente > a medida que pasa el
tiempo. En teora, los precios de activos
pueden crecer hasta , pero no pueden
ser < 0, a medida que los precios crecen
existe la tendencia que su distribucin
sea sesgada haca la derecha.
9

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

EL IPC ES UNA SERIE NO ESTACIONARIA


350
300
250
200
150
100
50
0
50

55

60

65

70

75

80

85

90

95

00

INDICE DE PRECIOS AL CONSUMIDOR

De igual manera, las distribuciones de


cambios en precios tienden a ser no
estacionarias, debido a que la magnitud
de los cambios absolutos en los precios
tienden a cambiar a lo largo del tiempo.

10

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

SERIE NO ESTACIONARIA
50

40

30

20

10

0
55

60

65

70

75

80

85

90

95

00

PRIMERA DIFERENCIA DEL IPC

Pero, los cambios porcentuales


tienden a ser independientes de los
niveles de los mismos.
Consecuentemente,
los
cambios
porcentuales en los retornos no
necesariamente cambian debido a
cambios en los niveles de los precios
son estacionarios.
11

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

LA INFLACION SI ES ESTACIONARIA
1.6

1.2

0.8

0.4

0.0
50

55

60

65

70

75

80

85

90

95

00

INFLACION

Con Distribuciones estacionarias se


obtienen estimaciones probabilsticas de
retornos futuros.
Los parmetros del pasado de los
retornos constituyen la base para
estimaciones de la incertidumbre.
Tambin es til que: combinaciones
lineales de estas distribuciones
12

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

resulten en el mismo tipo


distribucin. (ESTABILIDAD).

de

Ej: sumando dos distribuciones


normales se genera otra distribucin
normal
(con
otros
parmetros,
lgicamente).
Importancia de la estabilidad: Si la
distribucin de probabilidad de los
retornos de activos en dos perodos de 1
da separados es normal. Es deseable
que la combinacin de la distribucin
de ambos perodos separados, es decir,
la de un perodo de dos das sea tambin
normal.
Una varianza finita es deseable debido
a que estimadores de parmetros
13

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

eficientes construidos de muestras sin


esta propiedad, no convergen al
verdadero parmetro poblacional a
medida que el tamao de la muestra
aumenta.
En general se adopta la desviacin
estndar como medida de riesgo. Esta
no estara definida a menos que la
varianza sea finita.
Evidencia de que la distribucin
verdadera no tenga una distribucin
finita es que en los datos existan
numerosos outliers. La presencia de un
nmero significativo de outliers llevar
a estimadores de parmetros que
difieren sustancialmente de muestra en
muestra.
Ver Grfico de Inflacin
14

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

LA DISTRIBUCIN NORMAL
Rol Central en el anlisis estadstico.
Las observaciones se hallan concentradas
alrededor de la media y algunas
observaciones pueden hallarse alejadas.
Tiene la forma de campana.
La funcin de densidad es la siguiente:
fx(x)=

1
(2 )

-(x - )2 / 2 2
e

para < x <

x ~ N(, 2)
Propiedades:
a) Especificada por y 2
b) Simtrica y centrada en la media, .
c) A medida que 2 aumenta los valores
se hallan ms dispersos
d) f(x) nunca es igual a cero.
15

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Funcin de Distribucin Acumulada de


la Normal
Fx (x0) = P (X<x0)
Fx () = 1
LA DISTRIBUCIN NORMAL
ESTANDARD
Cualquier distribucin normal puede
expresarse en trminos de la distribucin
normal standard
Z ~ N(0,1)
Z = (X - ) /
Ejemplo: X ~ N(3, 4)

16

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Teorema del Lmite Central


Sean X1, X2,......................,Xn n variables
aleatorias
independientes
teniendo
distribuciones idnticas con media, y
varianza 2.
Si denominamos
respectivamente a X y a X , suma y
promedios de estas variables aleatorias, a
medida que n , la distribucin de
Z=

X n

X n
=
n

tiende
distribucin normal estndar
n

17

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

la

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Muestras y Distribuciones Muestrales


En nuestros anlisis intentaremos inferir
las propiedades de un conjunto de
numerosos objetos (poblacin), contando
con informacin de un subconjunto
relativamente pequeo (muestra). Por
ejemplo:
1) Los ingresos de todas las familias
viviendo en la ciudad de Asuncin
2) Los gastos en siniestros de
automviles durante un ao en una
compaa de seguros
3) La rentabilidad anual de todos las
acciones transadas en la Bolsa de
Valores de Asuncin.
Podramos estar interesados en:
la media
la varianza, de c/u de las variables
18

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

La mayor motivacin para estudiar una


pequea muestra y no la poblacin total
son los costos que ello implicaa.
Se toma una muestra de la poblacin y el
objetivo es realizar ciertas inferencias
validas. Por ello se debe asegurar la
aleatoriedad en el proceso de seleccin
de individuos para la muestra.
Se pretende seleccionar una muestra de n
objetos de una poblacin con N objetos.
Un procedimiento de seleccin muestral
aleatoria es aquel en el cual cada posible
muestra de n objetos tiene la igual
probabilidad de ser elegida.
Suponga que los N miembros de la
poblacin son puestos en un sombrero
(muy grande) y se los mezcla.
19

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Una muestra aleatoria se obtiene tomando


n de esos miembros. (n < N)
El principio de aleatoriedad en la
seleccin de los miembros de la muestra
provee un seguro contra la falta de
representatividad de la muestra.
Adems a travs del concepto de
distribucin
muestral
podemos
determinar la probabilidad de que una
muestra en particular no sea
representativa.
Supongamos que obtenemos una muestra
aleatoria de una poblacin y deseamos
realizar inferencias acerca de la
poblacin. Esta inferencia se halla basada
en un estadstico (funcin de la
informacin muestral).
20

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

La distribucin muestral de este


estadstico es la funcin de probabilidad
de los valores que el mismo puede tomar
en todas las muestras posibles, con el
mismo nmero de observaciones,
extradas de la poblacin.
Ejemplo: Consideremos la posicin de un
supervisor con seis empleados, cuya
experiencia (en trminos de aos en el
trabajo) es la siguiente:
2
4
6
6
7
8
Cuatro de esos empleados deben ser
elegidos aleatoriamente y son asignados a
un trabajo especfico.
El nmero medio de aos de experiencia
de los seis empleados = 5.5
21

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Nuestro inters es ahora en el promedio


de aos de experiencia de los 4 empleados
asignados al trabajo.
Este puede ser considerado como una
muestra aleatoria de 4 elementos,
elegidos de una poblacin de seis.
Quince posibles muestras pueden ser
seleccionadas.

n!
n Cx =
x! ( n x )!
Cada una de estas posibles muestras tiene
su propia media (existen 15 medias)
Ej: Muestra 2, 4, 6, 6
Media Muestral = 4,50
22

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

A partir de esto se puede obtener una


funcin de probabilidades, usando el
concepto de frecuencia relativa.
1
15
2
P( X = 4.75) =
15
2
P( X = 5.00) =
15
2
P( X = 5.25) =
15
1
P( X = 5.50) =
15

3
15
1
P( X = 6.00) =
15
2
P( X = 6.25) =
15
1
P( X = 6.75) =
15

P( X = 4.50) =

P( X = 5.75) =

As tenemos la distribucin muestral.


Distribucin muestral de la media
muestral
23

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

1 n
Xi
Media Muestral X = n
i =1

En el ejemplo anterior, vimos que la


media poblacional era 5.5
Calculando el Valor Esperado de la media
muestral obtenemos
1
2
1
E( X ) = xP (x) = 4.5 + 4.75 + ......+ 6.75 = 5.5
15
15
15
x

Lo cual implica que la media muestral es


un estimador insesgado de la media
poblacional.
Ahora necesitamos saber cuan cercana a
la media muestral puede hallarse la media
poblacional.
24

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Que hacemos?????
Para ello necesitamos de la varianza de
la media muestral.
Si la poblacin es grande comparada con
la muestra y la seleccin de los miembros
de la muestra se realiza aleatoriamente,
entonces las distribuciones de cada una de
las muestras aleatorias son independientes
unas de otras.
En este caso, recordemos que:

Var( X ) = Var( X ) + Var( X ) + .. + Var( X )


n

i =1

Como cada uno tiene la varianza de

2X

Var X i = n 2X
i =1
25

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

De esto podemos deducir que la Varianza


de la Media Muestral es:
1 n
1
n
1
2X
2
Var( X ) = Var X i = 2 Var X i = 2 n X =
n
n i =1 n
i =1 n

La varianza de la distribucin muestral


de la media muestral decrece a medida
que aumenta el tamao de la muestra.
o Si la distribucin de la poblacin es
normal la distribucin de la media
muestral tambin es normal.
o De acuerdo al Teorema del Lmite
Central, an si la poblacin no es
normal, pero el tamao de la muestra
n es moderadamente largo, la
distribucin de la media muestral ser
muy cercana a la normal.

26

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Estimacin Estadstica
Empezaremos a hacer inferencias sobre la
poblacin, dada la informacin contenida
en la muestra aleatoria.
Analizaremos por ejemplo, la media, la
varianza, o la proporcin de los miembros
de la poblacin que poseen una
caracterstica dada. Por ejemplo:
a) El ingreso medio de todas las familias
del barrio Tacumb
b) La varianza en el nivel de pureza del
agua de ESSAP
c) La proporcin de empleados de una
gran empresa que se encuentran a favor
de una modificacin en el esquema de
seguros mdicos.
Cualquier inferencia realizada se basar
en un estadstico muestral.
27

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Un estimador de un parmetro
poblacional es una variable aleatoria que
depende de la informacin muestral y
cuyas
realizaciones
proveen
informaciones respecto a ese parmetro
desconocido.
Una realizacin especfica de esa variable
aleatoria se llama estimado.
Cuando hablamos de un estimador para el
parmetro de la poblacin existen dos
posibilidades:
a) Considerar un nmero nico, como
representativo.
b) Tratar de encontrar un intervalo o un
rango, el cual confiamos contiene al
verdadero parmetro poblacional.
28

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Estimacin Puntual
Un estimador puntual de un parmetro
poblacional es una funcin de la
informacin muestral que provee un
nmero nico.
La realizacin correspondiente se llama
estimado puntual o estimacin puntual
del parmetro.
Intervalos de Confianza
Cuando tomamos muestras de una
poblacin esperaramos, ceteris paribus,
obtener mayor informacin con una
muestra con ms integrantes que con una
relativamente ms pequea.
Por ejemplo, la estimacin puntual de la
proporcin de partes defectuosas en un
envo ser la misma si encontramos 10
defectuosos en una muestra de 100, que si
29

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

encontramos 1.000 defectuosos en una


muestra de 10.000.
En el caso de la estimacin por intervalos,
mayor precisin en la informacin
respecto al parmetro poblacional ser
incorporada cuando mayor es la muestra.
As, si > n < el intervalo estimado, el
cual refleja nuestra incertidumbre acerca
del verdadero valor del parmetro.
Un estimador de intervalo para un
parmetro poblacional es una regla que
permite determinar (dada la informacin
muestral) un rango, o un intervalo, en el
cual el parmetro probablemente se
encontrar. El estimado correspondiente
se llama intervalo estimado.
30

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Si es el parmetro a ser estimado y si


tomamos una muestra aleatoria de la
poblacin y obtenemos dos variables
aleatorias A y B.
Si dichas variables aleatorias tienen la
propiedad de que la probabilidad de A<
y B> es de 0.9, podemos escribir:
P(A< < B ) = 0.9

El rango de A hasta B, es el estimador de


intervalo del 90% de confianza para .
OJO!!!: La interpretacin de este
estimador es: si se toman muestras
repetidas de la poblacin y se calculan
intervalos de esta manera, luego el 90%
de los intervalos contendrn al
parmetro desconocido.
31

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Intervalo de Confianza para la media


de una distribucin normal: con
varianza poblacional conocida
Supongamos que una muestra aleatoria es
tomada a partir de una distribucin
normal con media desconocida y
varianza conocida y el objetivo es
encontrar un intervalo de confianza para
la media poblacional.
Si tomamos una muestra aleatoria con n
observaciones de una poblacin normal
con media, desconocida y varianza, 2
conocida. Siendo X la media muestral, el
intervalo de confianza se basa en que:
X
Z =
/ n
tiene una distribucin normal estndar.
32

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Supongamos buscamos un intervalo para


X con el 90% de confianza. Utilizando la
tabla de la FDA de la normal:
P(Z < 1.645) = FZ(1.645) = 0.95
P(Z > 1.645) = 0.05
y dada la simetra de la normal
P(Z < -1.645) = 0.05
Luego, la probabilidad de Z entre 1.645
y +1.645 es:
P(-1.645 < Z< 1.645) = 1 - P(Z >1.645) P(Z< -1.645) = 1- 0.05 - 0.05 = 0.90
0.90 = P(-1.645 < Z < 1.645)

X
= P(-1.645 <
=P(-1.645 /

/ n < 1.645)

n < X < 1.645 / n

=P( X - 1.645 / n< < X +1.645 / n)


33

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Ejemplo:
Una
muestra
de
16
observaciones de una poblacin normal
con una desviacin estndar de 6 tiene
una media de 25. Hallar el intervalo para
la media poblacional con el 90% de
confianza.

n< < X +1,645 / n )


= P(251,645*6/4< <25+1,645*6/4 )

=P( X -1,645 /

= P( 22,5325 <

<

27,4675 )

Generalizando el resultado anterior se


puede demostrar que el intervalo para la
media poblacional con el 100(1-)% de
confianza se halla dado por:

z
z
x
< < x+
n
n
/2

/2

Donde: P(Z > z ) = y Z N(0,1)


2
/2

34

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Ejemplo: Un proceso de produccin de


bolsas de azcar. Los contenidos de
azcar tienen una distribucin normal con
una desviacin estndar de 1,2 onzas. El
peso medio de una muestra aleatoria de
25 bolsas es de 19,8 onzas. Encuentre el
intervalo para la verdadera media de todas
las bolsas producidas con el 95% de
confianza.

z
z

P x
< < x+

=
n
n

/2

/2

=P(19,81,96*1,2/5< <19,8+1,96*1,2/5)
= P( 19,3296 <

< 20,2704 )

35

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Vemos que la amplitud del intervalo es:

w=

2z / 2
n

Los siguientes resultados son verdaderos:


a) Para un contenido probabilstico y un
tamao de la muestra dados, cuando
mayor es el tamao de la desviacin
estndar poblacional, , mayor es el
intervalo de confianza calculado.
b) Para un contenido probabilstico dado
y una desviacin estndar poblacional
dados, cuando mayor es el tamao de
la muestra n, ms pequea es la
amplitud del intervalo calculado.
c) Para
una
desviacin
estndar
poblacional y un tamao de la muestra
determinados, cuando mayor es el
contenido probabilsitico (1-), mayor
es la amplitud del intervalo calculado.
36

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Intervalos de confianza para la Media


poblacional: Muestras Grandes (n30)

z / 2sX
z / 2sX
x
< < x+
n
n
Dado el Teorema del lmite central, esta
relacin es verdadera an para
poblaciones no normales.
Intervalos de Confianza para las
Proporciones Poblacionales

px (1 px )
px (1 px )
px z/ 2
< p < px + z / 2
n
n
Donde p x es la proporcin muestral. Este
intervalo se halla centrado en la
proporcin muestral y se extiende a
ambos lados de la misma,
37

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

L = z / 2

p x (1 p x )
n

Sin embargo, esto no se puede usar


inmediatamente, ya que se necesita
conocer la proporcin muestral de

x ) no puede ser
antemano. Pero px (1 p
nunca mayor que 0.25. Luego el mayor
posible valor de L es L*,
L* = z / 2

0.25 0.5 z / 2
=
n
n

==> n =

0.25z 2 / 2
L *2

Reportes de Encuestas de Opinin


aparecidas en la Prensa
Frecuentemente aparecen en la prensa
resultados de encuestas de opinin de la
poblacin o un segmento de la misma
respecto a asuntos de inters corriente.
38

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Este tipo de reportes dan estimados acerca


del porcentaje de la poblacin que tiene
una visin particular de un problema, por
ejemplo que porcentaje tiene la intencin
de votar a un candidato.
Generalmente,
hace
la
siguiente
afirmacin existe un ms o menos 3%
de margen de error
Tambin al
margen de error lo denominan error
muestral.
An cuando no se lo diga explcitamente
el margen de error o el error
muestral, se refiere a la amplitud del
intervalo del 95% de confianza.
Estos
intervalos
son
porcentajes
muestrales,
ms
o
menos
el
promocionado margen de error.
39

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Para ilustrar, una encuesta de opinin


durante las ltimas elecciones para
Presidente indicaba las intenciones de
voto de 1.065 ciudadanos paraguayos en
edad de votar.
Se dijo que la encuesta tena un margen
de error del 3%. Lo cual implica que el
intervalo con el 95% de confianza para el
porcentaje de poblacin que tiene una
particular opinin es el porcentaje
muestral que tiene dicha poblacin ms o
menos el tres por ciento.

z 0.5 1.96* 0.5


L* =
=
= 0.03
n
1.065
/2

40

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Parte II Econometra
Introduccin
En el primer nmero de la revista
Economtrica,
de
la
Sociedad
Economtrica en 1933 se dice lo
siguiente: La econometra pretende
unificar el anlisis terico-cuantitativo y
el emprico-cuantitativo de los problemas
econmicos.
Existen muchos aspectos del enfoque
cuantitativo que no deben ser confundidos
con econometra.
Por ejemplo econometra es diferente de
la Economa Estadstica, ni es idntica
con la Teora Econmica General.

41

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Tampoco la misma debe ser confundida


con la aplicacin de las matemticas a la
economa.
La experiencia ha demostrado que cada
uno de estos tres puntos de vista
(estadstica,
teora
econmica
y
matemticas) son necesarios, pero no
suficientes
para
el
verdadero
entendimiento
de
las
relaciones
econmicas.
La unificacin de las tres se convierte en
un arma poderosa y dicha unificacin
constituye la econometra.
Los objetivos y la definicin de la
Econometra se mantienen hasta el
presente.
42

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Modelos Economtricos:
Modelos en general son representaciones
simplificadas de la realidad.
Por ejemplo, un modelo de
demanda,
produccin,
demanda
agregada postulan relaciones precisas
e inambiguas.
Las
variables
dependientes
e
independientes estn identificadas, la
forma funcional se halla identificada y en
la mayora de los casos, al menos una
afirmacin es hecha acerca de los efectos
de los cambios de las variables
independientes.
Sin embargo, no hay que olvidar que los
modelos son simplificaciones de la
43

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

realidad y que solamente se consideran


las relaciones de inters para el anlisis.
Diferentes personas pueden no estar de
acuerdo en cuales son las relaciones
fundamentales y las no importantes.
Ningn modelo por completo que sea
podra incluir la inmensa cantidad de
efectos aleatorios pero esenciales de la
vida econmica.
Por ejemplo, no importa cuan elegante y
completo un modelo es, el mismo no
puede contemplar en los costos de
produccin diarios la posibilidad del
efecto del cierre en una planta industrial
debido a un da con nieves. El dato de ese
da aparecer como un outlier.
44

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Por lo tanto, observaciones de la variable


dependiente contienen efectos de
variables
consideradas
como
independientes y de otras no
consideradas debido a la aleatoriedad del
comportamiento
humano
y
las
innumerables influencias menores que no
fueron consideradas como variables
independientes.
Debe ser entendido que el trmino de
error del modelo no solo es introducido
para cubrir con las deficiencias del
modelo.
Lo importante es que el error sea
realmente aleatorio y que el trmino
inexplicable
sea
realmente
inexplicable.
En caso contrario el
modelo es inadecuado e incorrecto.
45

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Proceso del anlisis economtrico


Especificacin de una relacin
terica.
Partimos del supuesto optimista
que podemos obtener medidas
precisas de todas las variables de
nuestro
modelo
correctamente
especificado.
Si todas las condiciones ideales son
satisfechas en cada caso, todo el anlisis
subsecuente ser rutinario.
Sin embargo pueden haber problemas:
1) Los datos pueden no ser medidos
correctamente o pueden corresponder
solo vagamente a las variables
especificadas en el modelo. La tasa de
inters es un ejemplo.
46

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

2) Algunas de las variables pueden no ser


medibles. Expectativas son ejemplos
de ello.
3) La teora puede indicar solo de manera
general la forma funcional.
Ejemplo PD = f(q)
4) Los supuestos de aleatoriedad del
error pueden no ser cumplidos. Esto
generara dudas acerca de los mtodos
de estimacin e inferencia utilizados.
5) Algunas variables relevantes pueden
no ser consideradas en el modelo.
Por lo tanto, los siguientes pasos del
anlisis economtrico consisten en hacer
frente a estos problemas y obtener toda la
informacin posible en un mundo de
datos imperfectos.
47

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Ejemplo: Modelo de Consumo


Y = + *X
^

Modelo Economtrico
Yi = + *X + ui
Y= consumo, variable dependiente.
X= Ingreso, variable independiente
u= error aleatorio
^

Mtodos de Estimacin de los


Parmetros y (desconocidos),
dadas las n observaciones sobre X y Y.
Necesitamos algunos supuestos respecto
al error.
1) Media 0. E(ui) = 0 para todo i.
2) Varianza Comn. Var(ui) = 2 i.
3) Independencia de ui y uj i j
4) Independencia de xj ,ui y xj i y j
5) Normalidad, ui Ni.
1

48

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

a) Mtodo de los Momentos


b) Mtodo
de
los
Mnimos
Cuadrados Ordinarios
c) Mtodo
de
Mxima
Verosimilitud: Se obtienen los
mismos estimadores para los
coeficientes que en el caso de los
mnimos cuadrados ordinarios.

49

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Ejemplo de Estimacin Economtrica:


Modelo de Regresin Simple
Dependent Variable: TAR
Method: Least Squares
Date: 04/17/04 Time: 02:02
Sample: 1996:12 2003:04
Included observations: 77
Variable Coefficient Std. Error t-Statistic
Prob.
C
0.181297 0.004897 37.02350
0.0000
TIRM
0.286940 0.042124 6.811834
0.0000
R-squared
0.382213 Mean dependent var 0.208448
Adjusted R- 0.373976 S.D. dependent var 0.031547
squared
S.E. of
0.024961 Akaike info criterion -4.517401
regression
Sum
0.046728 Schwarz criterion
-4.456523
squared
resid
Log
175.9199 F-statistic
46.40108
likelihood
Durbin0.469009 Prob(F-statistic)
0.000000
Watson stat

50

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Coeficiente de Determinacin, r2:


Medida de la Bondad del Ajuste
Luego de estimar los coeficientes de
regresin, la pregunta lgica es: Cun
bueno es el ajuste de la lnea de
regresin a los datos muestrales?
El Coeficiente de Determinacin para el
caso de 2 variables o el R2 para el caso de
regresin mltiple es una medida resumen
que indica cuan bien se ajusta la lnea de
regresin muestral a los datos.
Esperamos que los errores (uis) sean lo
mas pequeos posibles.
r2 mide la proporcin o el porcentaje de
la variacin total en Y explicada por el
modelo de regresin.
1) Es una cantidad no negativa
2) Sus lmites son 0 r2 1
51

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Coeficiente de Correlacin, r:
Es una medida de la asociacin entre 2
variables.
r = r2
Caractersticas:
1) Puede tener signo positivo o negativo,
mide la covariacin muestral entre 2
variables.
2) Sus lmites son -1 r 1
3) Es simtrico
4) Es independiente del origen y de la
escala
5) Si X e Y son independientes, r = 0.
Sin embargo, r = 0 no implica
independencia.
6) Es una medida de la asociacin lineal
o dependencia lineal.
7) No representa una relacin de causaefecto.
52

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Inferencia Estadstica
Normalidad del trmino de Error (ui)
Para la aplicacin del MCO no se
requieren supuestos acerca de la
distribucin de probabilidad del error.
Solamente es necesario que los mismos
tengan media cero, varianza constante y
que no estn correlacionados.
Si nuestro objetivo es la estimacin
puntual nicamente el mtodo de MCO
ser suficiente.
Pero, para realizar pruebas de hiptesis o
la estimacin de intervalos de confianza,
es necesario conocer la distribucin de
probabilidad de los errores.
Los estimadores MCO son funciones
lineales de los ui y sus distribuciones de
53

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

probabilidad
dependen
distribuciones de los uis.

de

las

Las distribuciones de probabilidad de


estos estimadores son fundamentales para
realizar inferencias acerca de los
verdaderos valores de los parmetros y
especialmente en pruebas de hiptesis.
Supuesto de normalidad
Para nuestro anlisis de regresin lineal
normal clsico se supone que los trminos
de error ui, estn normalmente
distribuidos.
Media:
E( ui) = 0
Varianza:
E( u2i) = 2
Covarianza:
E( ui ,uj) = 0
ij
Lo cual puede expresarse: ui N( 0, 2 )
54

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Adems, para el caso de dos variables


aleatorias normalmente distribuidas, una
covarianza o correlacin cero, implica
independencia entre las dos variables.
Por lo tanto, se puede escribir:
uiNID(0,2)
NID = normal e independientemente
distribuido.
Por que el supuesto de normalidad?
1) Las ui representan la influencia
combinada de un gran nmero de
variables independientes no incluidas
explcitamente en el modelo. De acuerdo
al Teorema del Limite Central si existe un
gran
#
de
variables
aleatorias
independientes y de distribucin idntica,
la suma de las mismas tiende a ser
55

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

normal, a medida que el # de tales


variables se incrementa indefinidamente.
2) An si las variables no son
estrictamente independientes y si su # no
es muy grande su suma puede estar
normalmente distribuida.
3) Los estimadores de MCO estn
distribuidos normal, debido a que los
mismos son funciones lineales de
distribuciones normales.
4) Se requieren solo dos parmetros para
conocer todas las caractersticas de la
normal (media y varianza).
Propiedades de los estimadores MCO
bajo el supuesto de Normalidad
1. Son insesgados
2. Tienen
varianza
Mnima
(eficientes)
56

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

3. Consistencia: a medida que el


tamao de la muestra aumenta
indefinidamente, los estimadores
convergen haca sus verdaderos
valores poblacionales.
Estimacin por Intervalos. Test de
Hiptesis
La estimacin por intervalos.
^

Pr ( 2 ,

+ ) = (1 - )

Interpretacin de los intervalos.


Supongamos que queremos saber que
^

tan cerca esta por ejemplo 2 de 2 .


Con este fin tratamos de encontrar dos
nmeros positivos y .
Donde 0 < < 1, de manera que en
muestras repetidas el intervalo aleatorio
57

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

( 2 , + ), contendr el verdadero 2 ,
(1 - )% de las veces. Dicho intervalo es
llamado intervalo de confianza.
(1- )=coeficiente de confianza.
=Nivel de significancia.
^

Intervalos de Confianza para los


coeficientes de regresin 1 y 2
Si los uis son normales, los estimadores
^

y 2 se hallan normalmente
distribuidos. Por lo tanto:
1

^
2 2

Z= 2 ^ 2 =


ee 2

2
i

NE.

Podemos utilizar la distribucin normal,


toda vez que conozcamos 2.
Sin
embargo, la misma es casi siempre
desconocida. Entonces, se la reemplaza
58

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

por su estimador insesgado,


la distribucin t-student.

2
2
2 2

t =
=
^
^

eee 2

y se utiliza

x i2

El intervalo de confianza se construye de


la siguiente manera

Pr t

eee

2
t
^

Interpretar el siguiente ejemplo:


0.4268 2 0.5914 al 95% de confianza.

59

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Pruebas de Hiptesis
La pregunta a responder es: Son
compatibles los resultados obtenidos con
una hiptesis dada?. Dicha hiptesis
puede ser alguna informacin a priori
acerca del valor de los coeficientes.
Hiptesis Nula: H0 (la que debe ser
probada)
Hiptesis Alternativa: H1
Hiptesis simple
Hiptesis compuesta
Hiptesis de un lado o de una cola
Hiptesis de dos lados o de dos colas
Las pruebas de hiptesis se refieren a una
serie de reglas o procedimientos
60

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

utilizados para rechazar o no una


determinada Hiptesis Nula.
El enfoque del intervalo de confianza (A
cargo de los alumnos)
Prueba de significancia de los coeficientes
de regresin: La prueba t
Reglas de Decisin
Tipo de
Ho
H1
Rechazar
hiptesis
Ho si
Dos colas 2 = c 2 c |t|>t/2,g.de l.
Cola
2 c
Derecha
Cola
2 c
izquierda

2 > c t > t , g. de l.
2 < c t < t , g. de l.

Hiptesis Nula o Cero y la regla


prctica 2t.
61

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Si el nmero de grados de libertad es 20 o


ms y si el nivel de significancia, =5%,
entonces la hiptesis nula 2 = 0 puede
ser rechazada para valores del t-calculado
mayores a 2 en valor absoluto.
^

t-calculado = se

2
^

Tipos de Errores:
Error Tipo I = Rechazar una Hiptesis
Nula Verdadera
Error Tipo II = Aceptar una Hiptesis
Nula Falsa

62

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Hiptesis Nula
Verdadera

Hiptesis Nula
Falsa

ACEPTAR Decisin Correcta


P(Aceptar/ H0 Ver)
P = (1- )

Error Tipo II
P(Aceptar/ H0 F)
P=

RECHAZAR Error Tipo I


P(Rech/ H0 V)
P=
(=nivel de
significancia)

Decisin Correcta
P(Rech / H0 F)
P = (1- )
[(1-)=Potencia
del test]

Valor p o P-Value: Nivel exacto de


signifcancia
Nivel de significancia mas bajo al cual
puede rechazarse una hiptesis nula.
Nivel
exacto
u
observado
de
significancia. Probabilidad Exacta de
cometer Error Tipo I.
63

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Ejemplo: Cuando un proceso de producir


rulemanes opera correctamente, el peso
de los mismos sigue una distribucin N(5,
0.12). Un ajuste se realiz al proceso, y el
gerente de produccin sospecha de que
esto ha hecho aumentar el peso promedio
de
los
rulemanes,
dejando
sin
modificacin la varianza. Una muestra
aleatoria de 16 rulemanes es tomada y se
encuentra que el peso medio de los
mismos es 5.038 onzas. Pruebe con un
nivel de significancia del 5% y 10%, que
la media poblacional se mantenga en 5
onzas, contra la posibilidad que sea
mayor.
Al 5%
H0 : = 5
H1 : > 5
Z0,05 = 1,645
64

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

ZCALCULADO = (5,038-5)/(0,1/4) = 1,52


No Rechazamos H0
Al 10%
H0 : = 5
H1 : > 5
Z0,10 = 1,28
ZCALCULADO = (5,038-5)/(0,1/4) = 1,52
Rechazamos H0
Significado de Rechazar o no rechazar
una hiptesis
Analicemos que significa rechazar H0.
No significa haber probado que la media
poblacional excede de 5 onzas. Esto es
imposible, si solo tenemos informacin
muestral.

65

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Si H0 fuese verdadero, luego el valor


observado,

x 0

= 1. 52

/ n

Al testear la hiptesis realmente


preguntamos cuan probable es observar
dicho valor extremo, si la hiptesis nula
fuese verdadera. Vimos que la
probabilidad de observar un valor mayor
que 1.28 es de 0.1.
Por lo tanto, al rechazar H0 realmente
decimos que la misma es falsa o que
hemos observado un evento poco
probable (uno que ocurrir con una
probabilidad dada por el nivel de
significancia). En este sentido es que la
informacin muestral provee dudas acerca
de H0.
66

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Note que H0 fue rechazada al 10%,


pero no al 5%.
Al bajar el nivel de significancia, se
reduce la probabilidad de rechazar una H0
verdadera y por lo tanto se modifica la
regla de decisin hacindola menos
probable que rechace H0, siendo la misma
falsa o verdadera.
Obviamente, cuando menor es el nivel de
significancia al cual H0 es rechazada,
existen mayores dudas acerca de que sea
verdadera.

67

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Si en vez de testear hiptesis a niveles de


significancia
predeterminados,
se
establece el menor nivel de significancia
al cual H0 es rechazada. Este nivel de
significancia
se
denomina
valor
probabilstico o valor-p (probability
value o p-value).
En nuestro ejemplo encontramos que
x 0
= 1.52
de acuerdo a nuestra
/ n
regla de decisin, H0 es rechazada a
cualquier nivel de significancia , al cual
z es menor que 1.52.
Luego cuando z =1.52, =0.0643.

68

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Este es el valor-p del test. La implicancia


es que la hiptesis nula es rechazada para
cualquier nivel de significancia superior
al 6.43%.
Aplicacin del Anlisis de Regresin:
Prediccin
Suponga la siguiente regresin:
^

Y = 0.18129558 9 + 0.286925731 X i
Suponga que X0=0,15
Cul ser el valor de Y?????
a) Prediccin puntual
Tasa Activa
0,24334449

Real

Predicha

69

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

b) Prediccin de intervalo.
^
^
^
^
Pr 2 eee 2 t 2 2 + eee 2 t
2
2

Pr[0.203029713 2 0.37082175]

70

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Anlisis de Regresin Mltiple


Este es en general el mtodo utilizado, ya
que el modelo de regresin de dos
variables es pocas veces apropiado para el
anlisis economtrico. Porque en general
existe ms de una variable que explique
cualquier fenmeno econmico.
Por ejemplo, si se quiere estimar la
demanda de gaseosas, las variables
explicativas sern precio del producto,
ingreso de los consumidores, precio de los
productos sucedneos, gusto de los
consumidores, poblacin, etc..
Siempre trataremos modelos de regresin
lineales en los parmetros y no
necesariamente en las variables.
71

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Supuestos y Notacin
Yt = 1 + 2 X 2t + 3 X 3t + ........... + n X nt + ut

Donde:Yt = es la variable dependiente.


Xnt=son las variables explicativas.
Recordemos que 1 (el intercepto) nos
indica el efecto medio sobre Y de todas
las variables omitidas en el modelo.
Siempre dentro del modelo de regresin
clsico los supuestos son:
1. E (ut / X2t, X3t, , Xnt) = 0 t.
2. Cov(ui,uj)=0 ij (no correlacin serial)
3. Var (u t ) = 2
4. Cov(ui,X2) = Cov(ui,X3) =...=
Cov(ui,Xn) = 0
72

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

5. El
modelo
est
especificado
correctamente
6. No hay colinealidad exacta entre las
variables X. (no colinealidad o no
multicolinealidad)
El ltimo supuesto implica que ninguna
de las variables explicativas puede
escribirse como una combinacin lineal
de las dems variables.
Se dice que no existe un conjunto de
nmeros 2, 3, tales que al menos uno
sea diferente de cero y se cumpla con

2 X 2 + 3 X 3 + ........ + n X n = 0

73

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Si la relacin solo se cumple cuando

= = ... = = 0

se dice que
las Xs son linealmente independientes.
2

MNIMOS CUADRADOS ORDINARIOS

.+ k Xkt +ut
FRP Yt = 1 + 2 X2t + 3X3t +..........
Esta es una expresin abreviada de:
Y1 = 1 + 2 X21 + 3 X31 +........... + k Xk1 + u1
Y2 = 1 + 2 X 22 + 3 X 32 + ........... + k X k 2 + u2

.
.
.

Yn = 1 +2X2n +3X3n +..........


. +k Xkn +ut
Esto forma un sistema de ecuaciones que
puede ser escrito usando la notacin
matricial,
74

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Y1 1
Y 1
2
. = .

. .
Yn 1

X 21
X 22

X 31
X 32

.
.

X 2n

X 3n

y=

nx1

nxk

kx1

X k 1 1 u1
X k 2 2 u 2

. . + .

. . .
X kn n u n

+ u
nx1

Por lo tanto la representacin matricial


del modelo de regresin lineal es
y=X + u
X es conocida como la matriz de
informacin.

75

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

SUPUESTOS
DEL
MODELO
CLASICO DE REGRESION LINEAL
1) El
valor
esperado
de
las
perturbaciones es igual a cero. E(u) = 0

u1 E (u1 ) 0
u E (u ) 0
2
2

E
=
=
. . .


u n E (u n ) 0
2) E ( uu ) = 2 I

76

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

u1
u
2
E (uu ' ) = E .[u1 u 2 . u n ]
.

u n
u12 u1u2

2
u
u
u
2
2 1
E(uu' ) = E .
.

.
.
u u u u
n 1 n 2

( )

. . u1un E u12
E(u1u2 )

. . u2un E(u2u1 ) E u22
. .
. = .
.

. .
. .
.
. . un2 E (unu1 ) E(un u2 )

2 0 0

2
0

E(uu' ) = .
. 2

.
.
.
0 0 0

. 0
1

0
. 0

2
. . = . .

. .
.
0
. 2

( )

0
1
.
.
0

. . E (u1un )

. . E(u2un )
. .
.

. .
.
. . E un2

( )

0
.
1
.
0

.
.
.
.
.

0
0
. = 2I

.
1

3) La matriz X es no estocstica. Los


valores de X son fijos.
77

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

4) No hay relacin lineal exacta entre las


variables X, es decir el rango de X es k,
y k es menor que n.
5) El vector u, tiene distribucin normal
multivariada u N ( 0, 2I )
ESTIMACION DE COEFICIENTES
MCO

Y = + X + X +........+ X +u
t

2t

3t

kt

) )
y = X + u

)u = y X)
Recordemos que
y que
pretendemos minimizar la suma de

)
)
errores al cuadrado, sea u ' u
78

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Lo cual se puede expresar como

)
)
)
)
u ' u = (y X )' (y X ) =
)
)
)
y ' y 2 ' X' y + X' X
se hace uso de las propiedades de la

)
)
transpuesta de una matriz (X ) = X ' ' y

)
como ' X' y es un escalar, es igual a su
)
transpuesta y' X .

Luego de diferenciar los errores al


)
cuadrado respecto a , igualarlos a cero
se obtienen las ecuaciones normales
siguientes.

)
(X' X) = X ' y

resolviendo para las Betas.


79

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

)
I = (X'

X)

)
= (X'

X)

X 'y

X 'y

Interpretacin de la Ecuacin de
Regresin Mltiple

E(Y / X , X ,...,X ) = + X + X +...+ X +u


t

2t

3t

nt

Es la media condicional de Y,
condicionado a los valores fijos de las
variables X2, X3,,Xn.
Las Betas son los coeficientes de
regresin parcial y representan el cambio
en el valor de la media condicional de Y,
por unidad de cambio en Xi,
permaneciendo constantes las otras Xs.
80

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

El Coeficiente de Determinacin
Mltiple, R2 y el Coeficiente de
Correlacin Mltiple
El R2 mide la proporcin de Y explicada
conjuntamente
por
las
variables
independientes incluidas en el modelo.
R2= SEC / STC
0 < R2 < 1
R el coeficiente de correlacin mltiple,
es la medida de la asociacin de Y con
todas
las
variables
explicativas
conjuntamente.
R2 y el R2 Ajustado
Una propiedad importante del R2 es que el
mismo es una funcin no decreciente del
81

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

nmero de variables explicativas o de


regresores presentes en el modelo.
Comparemos las frmulas

= 1

u
y

2
t
2
t

Mientras que el R2 ajustado es (puede


incluso ser negativo):

u / (n k )
R =1
y /( n 1)
2

k = es el nmero de parmetros en el
modelo incluyendo el intercepto.
Comparacin de dos valores de R2
Es importante que el tamao de la
muestra y la variable dependiente sean las
mismas.
82

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

El juego de la Maximizacin del R2


El objetivo es obtener estimadores de los
coeficientes poblacionales, que puedan
ser confiables y que se puedan realizar
inferencias estadsticas.
Preocuparse de la lgica del modelo y la
teora implcita y no olvidar que solo se
tiene una muestra existe la posibilidad
de obtener valores anormalmente
diferentes de los verdaderos.

83

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Modelo de Regresin Mltiple


Dependent Variable: TAR
Method: Least Squares
Date: 04/17/04 Time: 02:05
Sample: 1996:12 2003:04
Included observations: 77
Variable Coefficient Std. Error t-Statistic
C
0.149029 0.016769 8.887446
TIRM
0.299720 0.038671 7.750566
TIEL
0.526834 0.097201 5.420033
TCR
0.000185 0.000194 0.954045
DEI
0.000690 0.002126 0.324731
DTNI
-0.030701 0.065129 -0.471387
R-squared 0.572661 Mean dependent var
Adjusted
0.542566 S.D. dependent var
R-squared
S.E. of
0.021337 Akaike info criterion
regresin
Sum
0.032323 Schwarz criterion
squared
resid
Log
190.1097 F-statistic
likelihood
D-W stat
0.709517 Prob(F-statistic)

Prob.
0.0000
0.0000
0.0000
0.3433
0.7463
0.6388
0.208448
0.031547
-4.782071
-4.599436
19.02887
0.000000

84

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

VIOLACION DE LOS SUPUESTOS


DEL MODELO CLASICO
Supuesto 1: El modelo de regresin es
lineal en los parmetros.
Supuesto 2: Los valores de los regresores
son fijos en muestreos repetidos.
Supuesto 3: Para X dadas, el valor medio
de las perturbaciones, ui es igual a cero.
Supuesto 4: Para X dadas, el valor de la
varianza de ui es constante u
homocedstica.
Supuesto 5: Para X dadas, no hay
autocorrelacin en las perturbaciones.
Supuesto 6: Si las X son estocsticas, el
trmino de perturbacin y las X son
independientes o, al menos no estan
correlacionadas.
85

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Supuesto 7: El nmero de observaciones


debe ser mayor que el nmero de
regresores.
Supuesto 8: Debe haber suficiente
variabilidad en los valores de los
regresores.
Supuesto 9: El modelo de regresin est
correctamente especificado.
Supuesto 10: No hay relacin lineal
excta (NO MULTICOLINEALIDAD)
entre los regresores.
Supuesto 11: El trmino estocstico se
halla normalmente distribuido.

86

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

GUIA PARA LA REALIZACION DE


ESTIMACIONES
ECONOMETRICAS
A) Como proceder ante una
situacin de estimacin de Datos
Econmicos
a) Analizar si se estimarn Series de
Corte Transversal, Series de Tiempo o
Datos de Panel.
b) Si es Serie de tiempo Chequear si
las
variables
individuales
son
estacionarias.
c) Si son estacionarias proceder con los
MCO
d) Si no son estacionarias
1) Ver si estn Cointegradas. Si estn
cointegradas, usar MCO o el Modelo
de Correccin de errores.
87

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

2) Si no estn Cointegradas. PARAR


NO SE PUEDE ESTIMAR NADA
Probablemente hay Regresin Espuria.
e) Si son Datos de Corte Transversal,
proceder con los MCO u otro Mtodo
de Estimacin aplicable.
f) Si son Datos de Panel, proceder con los
MCO u otro Mtodo de Estimacin
aplicable.
B) Como proceder ante una
situacin de estimacin con MICO
Analizar si los supuestos se cumplen:
I) Multicolinealidad (Bsicamente un
problema de grado y no de clases). Si
se usa MCO los estimadores siguen
siendo MELI (pero con varianzas
grandes).

88

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

a) Sntomas:
1) R2 alto pero pocas razones t
significativas.
2) Altas Correlaciones entre parejas
de Regresores
3) Regresiones Auxiliares, con R2
superior al de la Regresin Original.
b) Como solucionarla
1) Informacin a Priori
2) Combinacin de informacin de
corte transversal y series de tiempo
3) Eliminacin de una o ms
variables y sesgo de especificacin
4) Transformacin de variables
5) Datos nuevos o adicionales
OJO: MULTICOLINEALIDAD NO
ES NECESARIAMENTE MALA, SI
EL OBJETIVO ES SOLAMENTE
PREDICCION.
89

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

II) Heterocedasticidad. Si se usa MCO


los estimadores son insesgados y
consistentes, pero no son eficientes.
Las pruebas t y F no son confiables.
a) Sntomas:
1) Naturaleza del Problema
2) Mtodo Grfico: Graficar los
residuales estimados al cuadrado,
contra una de las X o contra la Y
estimada.
3) Alguna Prueba formal (que asume
una cierta forma funcional de la
varianza): Mtodo de Park; Prueba de
la Correlacin por Grado de
Spearman; Golfeld-Quandt; Prueba de
Breush-Pagan-Godfrey; Prueba de
White.
b) Medidas Remediales
1) Mtodo de Mnimos Cuadrados
Ponderados, si se conoce 2.
90

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

2) Utilizar
Mnimos
Cuadrados
Generalizados.
3) Utilizar la Matriz de varianzacovarianza de White, la cual
proporciona estimaciones de las
varianzas consistentes.
III) Autocorrelacin. Si se usa MICO los
estimadores
son
insesgados
y
consistentes, pero no son eficientes.
Las pruebas t y F no son confiables.
a) Sntomas y Deteccin
1) Mtodo
Grfico:
Graficar
residuales estimados contra el tiempo
2) Prueba de Durbin-Watson
b) Como solucionarla
1) Incorporar la estructura de la
autocorrelacin y utilizar los Mnimos
Cuadrados Generalizados.
2) Procedimiento de Cochrane-Orcutt
91

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Instituto San Roque Gonzlez de Santa Cruz


Soldado Ovelar 308 esq. Ex Combatientes del Chaco - Tel. 502.394 521.200

Una vez que se ha determinado la no


existencia
de
Multicolinealidad,
Heterocedasticidad o Autocorrelacin, se
procede a analizar el R2, y realizar las
pruebas de Hiptesis.

92

Notas de Clases Preparadas por Jos Anbal Insfrn Pelozo, Ph.D.

Você também pode gostar