ModelosySimulacin

Ing.CarlosZeladaM.Sc.

Modelos
Econometra
MedicinEconmica Anlisiscuantitativodefenmenoseconmicos realesbasadoseneldesarrollosimultaneodela observacinylateora teora,relacionadosatravsde apropiadosmtodosdeinferencia.

Metodologadelaeconometra
1. Enunciado 1 i d de d la l teora ohiptesis hi i 2. Especificacindelmodeloeconomtricodirigido aprobarlateora. 3. Estimacindelosp parmetrosdelmodelos escogido. 4. Verificacinoinferenciaestadstica 5. Prediccionesopronostico 6 Utilizacindelmodeloparafinesdecontrolo 6. formulacindepolticas.

Regresion
Estudiodeladependenciadeunavariable,
Variabledependiente p

Deunaomasvariablesadicionales,
Variables V i bl explicativas li i

Conlap perspectiva p deestimary y/opredecir p el valormedioopromediodelaprimeraen trminosdevaloresconocidosofijosdelas segundas.

RelacionesEstadsticasVS. RelacionesDeterministicas.

Regresinvs. vs Causacin
Aunqueelanlisisderegresintienequever p deunavariablecon conladependencia relacinaotrasvariables,estonoimplica necesariamentequeexistaunarelacinde casualidad.

Regresinvs. vs Correlacin
Correlacin.
Elobjetivo j fundamentaleslamedicindela fuerzaogradodeasociacinlinealentredos variables.

Terminologa
Variabledependiente Variableexplicada Predicha Regresada Endgena VariableExplicativa Variableindependiente Predictor Regresor Variablesdecontroloestimulo Exgena

Naturalezayfuentesdeinformacin paraelanlisiseconomtrico
Existentrestiposdedatosquegeneralmentese encuentrandisponibles di ibl pararealizar li anlisis li i emprico: i 1 Seriesdetiempo 1. 2. Seriesdecortetransversal 3. Combinacindeseriesdetiempoyseriesdecorte transversal l

SeriesTemporales

Seriesdecortetransversal

Combinacindeseriesdetiempoyseries decortetransversal

Modeloderegresincondosvariables
Y

e3 e1 e4 e2

1 + 2 X i i = Y

X
X1 X2 X3 X4

Estimadoresdemnimoscuadrados

2
__

xy = x
i 2 i

xi = X i X
__

yi = Yi Y

1 + 2 X Y =

Caractersticasdelosestimadores
Estnexpresadosnicamenteentrminosde cantidadesobservables,esdecir,XiyYi. i Sonestimadorespuntuales

Caractersticasdelalneaderegresin
1 PasaatravsdelasmediasmustralesdeX yY. 1. 2.Elvalormediode Yi esigual g alvalormediodelYobservado
__ __

Y = Y

3.Elvalormediodelosresiduose1 escero. 4.Losresiduoseinoestncorrelacionadosconelvalor estimadodeYi. 5 Losresiduosei noestncorrelacionadosconXi 5.

SupuestosdeGauss
Supuesto #1(Uniformidad) Elvalormediodeui esigualacero

E (ui X i ) = 0

Supuesto p #2 Noexisteautocorrelacinentrelasu.

cov( (ui , u j ) = 0

var(ui X i ) =

Supuesto #3 Homocedasticidadoigualvarianzaparaui.
2

Supuesto p #4 Cerocovarianzaentreui yXi

cov(ui , X i ) = 0
Supuesto #5 Elmodeloderegresinestacorrectamenteespecificado. (noexistensesgosnierroresdeespecificacin)

EstimadoresMELI
Unestimador estimador,deMCO MCO,eselmejorestimadorlinealinsesgado si: 1. Eslineal, ,esdecir, ,unafuncinlinealdeunavariablealeatoria talcomolavariabledependienteYenelmodeloderegresin. 2.Esinsesgado,esdecir,suvaloresperadoesigualalvalor verdadero. 3. Tienevarianzamnimaentrelaclasedetodoslosestimadores linealesinsesgados. g

Varianzadelosestimadoresde mnimoscuadrados
2 ) = Var (

2 2 i

X )= V ( Var N x
1

2 i 2 i

Coeficiente oe c e tededeterminacin dete ac r2

PuntodevistadeBallentine

r =0
2

0 < r2 <1

r2 =1

Linealizacion
Logartmicas
800

Y = AB
*

X
600

Y = + X

400

*
200

ModelodeRegresinMltiple

y = 0 + 1 x1 + 2 x 2 + L + n x n
NotacindeYule:

y = 1.23Kn + 12.34Kn x1 + 13.24Kn x 2 + L + 1n.234Kn x n

1.23Kn Valor Autonomo de la variable Y

12.34Kn Coef x2 para explicar Y, en presencia de
x3 , x4 , K , xn

Simulacin
La simulacin es el proceso de disear un modelo d un sistema real de l y llevar ll a trmino experiencias con l, con la finalidad de comprender el comportamiento del sistema o evaluar nuevas estrategias dentro de los limites impuestos por un cierto criterio o un conjunto de ellos para el funcionamiento del sistema sistema R. E. Shannon

Simulacin

ModelodeSimulacin
1. 2. 3. 4. 5 5. Definirelsistema Definirestadosposiblesdelsistema DefinirEventosposiblesdelsistema Definirelrelojdesimulacin Unmtodoparagenerarloseventosde maneraaleatoria.

VentajasyDesventajas
Ventajas

Desventajas

Ejemplos
Tirodeunamoneda TiempodeProceso

NmerosAleatorios
Nmerospseudo aleatorios Necesariosparaagregarvariabilidadanuestra simulacin i l i d dentrosesuseventos. Lostrabajaremosdentrodelintervalode(0,1)

DistribucinUniforme
1 f ( x) = b a 0 si x [a, b] si x [a, b]

1 ba

b+a E[X ] = 2
2 ( b a) Var [X ] =

12