Fundamentos de Econometra.

Tarea RLM 1
Ene-May 2017 Dr. Vctor Aguirre Torres

Hacer los ejercicios 14.1 a 14.5 y 15.1 a 15.6 Goldberger

Problema 1.

En este problema se da una demostracion al Teorema de Gauss-Markov. Suponemos que se cumplen los
supuestos S1 a S4 vistos en clase. Sea e otro estimador lineal (en funcin de y ) e insesgado de . Es decir
e = AX y donde AX es una matriz que contiene constantes o a lo ms funciones de la matriz de regresin
X:
1. Demuestra que AX X = I
1
2. Sea D = AX (X T X) X T . Demuestra que DX = 0:
1
3. Demuestra que AX (AX )T = (X T X) + DDT
4. Demuestra que V ( e jX 0 s) V ( b jX 0 s) es una matriz positiva semidenida

Problema 2.
n
Supn que f(Xi ; Yi )gi=1 son una muestra i.i.d. de una poblacin y que se cumplen los supuestos de
linealidad y homocedasticidad. Se desea pronosticar la variable Y para una nueva observacin independiente
de la muestra, digamos Yn+1 : El pronstico puntual es Ybn+1 = b 0 + b 1 Xn+1 : Sea U
bn+1 = Yn+1 Ybn+1 el
error de pronstico. Encuentra expresiones para E U bn+1 jXs; Xn+1 y V ar U bn+1 jXs; Xn+1 :

Problema 3.

En este problema se investiga la correlacin entre los errores cometidos por el valor esperado condicional
y el mejor predictor lineal. No se cumple necesariamente el supuesto de linealidad, si as fuera la correlacin
sera uno. Suponga que X es un vector columna de variables explicativas o de estado k dimensional y Y
es una variable dependiente, todos con varianza nita. Sea V (X) la matriz de varianza covarianza de X
la cual suponemos positiva denida. Denotemos por E (Y jX) = (1; X T ) al MPL de Y en funcin de X,
donde = ( 0 ; 1 ; :::; k ) y p = ( 1 ; :::; k ) el vector de las pendientes del modelo.
T
1. Sea W = Y E (Y jX), demuestra que V ar(W ) = V ar(Y ) pV (X) p.

2. Sea =Y E(Y jX), demuestra que V ar( ) = E( 2 ) = E(V ar(Y jX))

3. Sea g(X) cualquier funcin de X con varianza nita. Demuestra que Cov( ; g(X)) = 0
q
4. Demuestra que ( ; W ) = V ar(Y )V ar(T V) (X) : Por lo tanto 0 ( ; W ):
p p

5. Demuestra que V ar( ) V ar(W ):

Problema 4.

Considera las ecuaciones normales (X T X) b = X T y. Muestra que Sxx cp = Sxy donde Sxx y Sxy son
la matriz y vector de productos cruzados de las diferencias de las variables respecto a su promedio muestral
y p es el vector de las pendientes del modelo.

Problema 5
n
Sea fXi gi=1 una coleccin arbitraria de nmeros. Demuestra que si Xi 6= Xj entonces
1 2
Pn
i=1 (X i X)2 (Xi Xj )2