Resumen Stock y Watson

Captulo 2
Datos pueden ser experimentales u observacionales
Datos observacionales (transversal) Para un nico periodo de tiempo
Datos de series temporales Para un nico individuo o entidad para mltiples periodos
Datos de panel (lon!itudinal) Para varios individuos en los "ue cada uno se anali#a en uno$ dos o
m%s periodos de tiempo
Probabilidades
Probabilidad de los sucesos& 'a probabilidad del suceso una o dos averas es Pr(()* o ()2) )
+$*,+$+- ) +$*-
Probabilidad acumulada& .s la probabilidad "ue la variable sea menor o i!ual a un valor concreto
Pr((/)*) ) +$0
.speran#a$ (edia y 1arian#a
.(2) 'a esperan#a de una variable aleatoria 2 es el valor medio de lar!o pla#o de la variable
aleatoria a lo lar!o de muc3os intentos repetidos o eventos4 Se denomina tambi5n valor esperado de 2 o
media de 2 y se denomina mu(y)
.(2) ) yiPi
donde yi es cada valor posible y Pi es la probabilidad de ocurrencia
.n distribuci6n 7ernoulli$ la esperan#a es
*8p, +(*9p) ) p
1arian#a de la variable aleatoria 2
Y = 1ar(2) ) .:(2 ; <y)=> ) (yi <y) * Pi
1arian#a variable aleatoria distribuci6n 7ernoulli
Distribuciones con?unta y mar!inal
Distribuci6n Con?unta& .s la probabilidad de "ue dos variables aleatorias discretas$ @ e 2$ tomen
valores concretos de Aorma simult%nea$ x e y4 'as probabilidades de todas las posibles combinaciones
(x$y) suman *4 'a distribuci6n de probabilidad puede escribirse como la Aunci6n Pr(@)x$2)y)
Pr(2)y) ) Pr(X=xi, Y=y)
'a distribuci6n mar!inal de 2)+ es +$*B,+$+C)+$22
'a distribuci6n mar!inal de 2)* es +$*B,+$-D)+$CE
'a distribuci6n mar!inal de @)+ es +$*B,+$*B)+$D
'a distribuci6n mar!inal de @)* es +$+C,+$-D)+$C
Distribuci6n Condicional& .s la distribuci6n de una variable aleatoria 2 condicionada a "ue otra
variable aleatoria @ tome otro valor4
Probabilidad de un despla#amiento lar!o (2)+) si se sabe "ue llueve (@)+)F
+$*BG+$D ) +$B
.speran#a Condicional
'a esperan#a condicional de 2 dado @ es la media de la distribuci6n condicional de 2 dado @4
'ey de las esperan#as iteradas
'a esperan#a de 2 es la esperan#a de la esperan#a condicional de 2 dado @
1arian#a Condicional
'a varian#a de 2 dado @ es la varian#a de la distribuci6n condicional de 2 dado @4
Hndependencia
Dos variables @ e 2 son independientes si el conocimiento del valor de una variable no proporciona
inAormaci6n sobre la otra4 Son independientes si la distribuci6n condicional de 2 dado @ es i!ual a la
distribuci6n mar!inal de 24
Pr(2)y| @)x) ) Pr(2)y)
.n distribuci6n con?unta Pr(@)x$ 2)y) ) Pr(@)x)8Pr(2)y)
Covarian#a y Correlaci6n
Covarian#a
(edida del !rado en "ue dos variables evolucionan con?untamente
Cuando Cov(x$y) es ne!ativa ambos evolucionan en sentido contrario$ positiva cuando evolucionan en
el mismo sentido y cuando es cero son independientes4
Propiedades
Correlaci6n
Siempre se mueve entre 9* y *
Distribuciones notables
Distribuci6n Iormal
@JI(<$K=) si
@ entre menos inAinito e inAinito
.(@) ) <
1ar(@) ) K=
Iormal .st%ndar
LJI(+$*)
(L) )
Propiedades
Distribuci6n C3i9cuadrado
Distribuci6n M
Distribuci6n N
Captulo D
.stimador& .s un con?unto de re!la para deAinir las
estimaciones4 .?emplo calcular la media del curso
con B$ *+ o *B alumnos son D estimadores distintos4
.stimaci6n& Imero obtenido al aplicar el estimador a un caso (datos) en
particular
Hnses!ade#& .stimador es inses!ado si donde es el par%metro
poblacional de inter5s4 .?emplo la media muestral de una muestra aleatoria es un estimador inses!ado
de la media poblacional4
Ses!o& Si tenemos un estimador W$ el ses!o es .(W) 9
'a varian#a muestral de una muestra aleatoria es un estimador inses!ado de la varian#a poblacional
'a varian#a muestral de un estimador W es su varian#a en muestras repetidas e independientes
.n !eneral se preAieren estimadores inses!ados con menor varian#a (eAiciencia)4
.rror Cuadr%tico (edio
Oay veces en "ue uno est% dispuesto a transar m%s ses!o por menos varian#a4 .sto lo capta el error
cuadr%tico medio4
.C((W) ) .:(W9 )=> ) var(W) , ses!o(W)=
.n econometra preAeriremos estimadores "ue minimi#an el .C(