UNIVERSIDAD DEL DESARROLLO

FACULTAD DE GOBIERNO
EN COMPLEJIDAD SOCIAL
CENTRO DE INVESTIGACION

Econometra 1
Tarea 1
Nombre: Jorge Alexis Castillo Sep
ulveda

Problema 6, cap. 2 Sea A una matriz cuyas columnas son [a1 , . . . , aM ] y sea B cualquier
reordenamiento de las columnas de la matriz identidad de M M . Que operacion se
esta haciendo en el producto AB? Y en BA?

Solucion: Supongamos que B intercambio la segunda columna de la matriz identidad con

la primera. De esta manera es facil ver que :

0 1 0 ... 0
1 0 0 ... 0

AB = [a1 , . . . , aM ] 0 0 1 . . . 0 = [a2 , a1 , . . . , aM ]

..
.
0 1
Por induccion ( e intuicion) se puede probar que AB intercambia las columnas de A en
el mismo orden que lo hace B respecto a la identidad. De la misma manera,

0 1 0 ... 0
1 0 0 ... 0

BA = 0 0 1 . . . 0 [a1 , . . . , aM ] = [a2 , a1 , . . . , aM ]0

..
.
0 1
Es decir, la operacion BA intercambia las filas de A en el mismo orden que lo hace B0
respecto de la identidad.

Problema 7, cap. 2 Considerar el caso de 3 3 de la matriz B en el ejercicio 6, por

ejemplo,

0 1 0
B := 0 0 1 .
1 0 0
Calcular B2 y B3 . Repetir para el caso 4 4. Se puede generalizar lo que ocurre?

1
Solucion: Se tiene que

0 0 1
B2 = 1 0 0
0 1 0
y

1 0 0
B3 = 0 1 0
0 0 1

0 1 0 0
0 0 1 0
De la misma manera, si C = , entonces
0 0 0 1
1 0 0 0

0 0 1 0
0 0 0 1
C2 =
1 0 0 0

0 1 0 0
y

0 0 0 1
1 0 0 0
C3 =
0

1 0 0
0 0 1 0
Se observa que las potencias de este tipo de matrices ( que se llaman matrices de per-
mutacion), sigue siendo una matriz de permutacion. Cada potencia va corriendo una
columna hacia la derecha y cuando llega a la ultima columna, se vuelve al principio (es
como un principio de ciclicidad o modularidad). Por lo tanto, para generalizar se propone
lo siguiente:
Dado n N, y k un natural tal que 0 k n, se define:

n,0 := In (Matriz identidad de orden n)

n,k :=Matriz de permutacion, de tal manera que se corren k

columnas hacia la derecha respecto de la identidad
Este corrimiento de columnas hacia la derecha se hace sin perder generalidad, ya que
es facil ver que al correr columnas hacia la derecha, coincidira con un corrimiento de
columnas hacia la izquierda. Es claro ademas que

n,n = n,0 = In .
Por lo tanto, la propiedad que se observa a partir de los casos particulares ( con n = 3 y
n = 4 respectivamente), es:

2
 2n,1 = n,2 ,

3n,1 = n,3 ,

..
.

nn,1 = n,n = n,0 ,

n+1
n,1 = n,1 .

Problema 15, cap. 2 Calcular las races caractersticas de

2 4 3
A := 4 8 6 .
3 6 5
Solucion: Para calcular los valores propios de A se deben hallar los tal que det(AI) =
0. En efecto,

2 4 3
det(A I) = 0 det 4 8 6 = 0 3 + 152 5 = 0
3 6 5

2 15 + 205 15 205
( 15 + 5) = 0 = 0 = =
2 2
( )
15 + 205 15 205
Por lo tanto, el espectro de A es (A) = 0, , .
2 2

(x0 Ax)
Problema 16, cap. 2 Suponer que A = A(z), donde z es un escalar. Que es ?.
z
Ahora, suponer que cada elemento de x es tambien una funcion de z. Nuevamente, que es
(x0 Ax)
?
z

n X
X n
nn n1 0
Solucion: Si A := (aij (z)) R y x = (xi ) R , se sabe que x Ax = xi xj aij (z).
i=1 j=1

3
Luego,
n n
(x0 Ax) X X aij (z)
= xi x j .
z i=1 j=1
z

De esta manera, podemos escribir

(x0 Ax) A
= x0 x,
z z
A
donde es la matriz cuyas entradas son las derivadas parcial de cada aij respecto a z.
z
Por otra parte, si las entradas del vector x tambien dependen de z, entonces se aplica la
regla de la derivada del producto, agrupando convenientemente los xs y los coeficientes
de la matriz como sigue:
n n n X n  
XX X (xi (z)xj (z) aij (z)
xi xj aij (z) = aij (z) + xi xj
z i=1 j=1 i=1 j=1
z z

Es claro que la segunda parte de la suma es lo que obtuvimos arriba. Para comprender la
primera parte, notamos que

(xi (z)xj (z) (x2i (z)) xi (z)

Si i = j entonces = = 2xi (z) .
z z z
(xi (z)xj (z)) (xj (z)xi (z))
Si i 6= j se tiene que =
z z
Por lo tanto,
n n
(x0 Ax) X xi (z) X (xi (z)xj (z)) A
=2 xi (z) aii + (ai + aj ) + x0 x
z i=1
z i,j=1, i6=j
z z

Un caso particular es cuando la matriz A es simetrica. De esta manera obtendramos

 0
(x0 Ax) x A
=2 A + x0 x,
z z z
x
donde es el vector cuyas componentes son las derivadas parciales respecto a z de las
z
componentes del vector x. Esta sera una generalizacion de la derivada del siguiente
producto:

d(x2 f (x)) df (x)

= 2xf (x) + x2 .
dx dx

Problema 21, cap. 2 Suponer que x = x(z), donde z es un escalar. Que es [x0 Ax/x0 Bx]/z?

4
Solucion: Se tiene que x0 Ax = ni=1 nj=1 xi xj aij y x0 Bx = ni=1 nj=1 xi xj aij , por lo
P P P P
tanto, aplicando la regla de la derivada de la division,

[x0 Ax/x0 Bx]/z =

 
Pn xi (z) Pn (xi (z)xj (z))
2 i=1 xi (z) aii + i,j=1, i6=j (ai + aj ) (x0 Bx)
z z
(x0 Bx)2
 
Pn xi (z) Pn (xi (z)xj (z))
2 i=1 xi (z) bii + i,j=1, i6=j (bi + bj ) (x0 Ax)
z z

(x0 Bx)2

Problema 23, cap. 2 Para la matriz

 
0 1 1 1 1
X := ,
4 2 3 5
calcular P = X(X0 X)1 X0 y M = (I P). Verificar que MP = 0. Sea
 
1 3
Q := .
2 8

(a) Calcular P y M basandose en XQ en vez de X.

(b) Cuales son las races caractersticas de M y P?

Solucion:
Las matrices P y M se calculan como

0,5463 0,1019 0,4722 0,1204
0,1019 0,3241 0,1389 0,4352
P = X(X0 X)1 X0 =


0,4722 0,1389 0,4167 0,0278
0,1204 0,4352 0,0278 0,7130

0,4537 0,1019 0,4722 0,1204
0,1019 0,6759 0,1389 0,4352
M=IP= 0,4722 0,1389 0,5833

0,0278
0,1204 0,4352 0,0278 0,2870
Ademas es claro que MP = 0 pues

MP = (I P)P = P P2 = P P = 0,
ya que P es idempotente.

5
(a) Se tiene que

9 35
3 13
XQ = I P =
7
.
27
9 37

De esta manera, se puede verificar que

= XQ(XQ0 XQ)1 XQ0 = P

P

y por lo tanto,

=IP
M = I P.

(b) Cuales son las races caractersticas de M y P?

Se calculan los valores propios de manera usual.

0,5463 0,1019 0,4722 0,1204
0,1019 0,3241 0,1389 0,4352
det(PI) = 0 det =0
0,4722 0,1389 0,4167 0,0278
0,1204 0,4352 0,0278 0,7130

= 0 = 1,

Esto es, (P) = {0, 1}, ambos valores propios de multiplicidad 2. Para M se procede
de la misma manera:

0,4537 0,1019 0,4722 0,1204
0,1019 0,6759 0,1389 0,4352
det(MI) = 0 det
0,4722
=0
0,1389 0,5833 0,0278
0,1204 0,4352 0,0278 0,2870

= 0 = 1,

es decir, (M) = {0, 1}, ambos valores propios de multiplicidad 2.

Problema 4, cap. 3 Si x tiene una distribucion normal con media 1 y desviacion estandar
3, calcular

(a) Prob[|x| > 2]

6
(b) Prob[x > 1|x < 1,5]

Solucion: La funcion de densidad de probabilidad de x esta dada por

1 1 x1 2
f (x) := e 2 ( 3 )
3 2
Z 2 Z
(a) Prob[|x| > 2] = f (x)dx + f (x)dx 0,15866 + 0,36944 = 0,5281
2
Z 1,5
(b) Prob[x > 1|x < 1,5] = f (x)dx 0,31369
1

A continuacion se muestra la grafica de la funcion de densidad

Problema 7, cap. 3 Usar la siguiente distribucion de probabilidad conjunta

X
0 1 2
0 0.05 0.1 0.03
Y 1 0.21 0.11 0.19
2 0.08 0.15 0.08

para completar lo siguiente:

(a) Calcular las siguientes probabilidades:

(1) Prob[Y < 2]

7
 (2) Prob[Y < 2, X > 0]
(3) Prob[Y = 1, X 1]

(b) Encontrar las distribuciones marginales de X e Y .

(c) Calcular E[X], E[Y ], Var[X], Var[Y ], Cov[X, Y ] y E[X 2 Y 3 ].

(d) Calcular Cov[Y, X 2 ]

(e) Cuales son las distribuciones condicionales de Y cuando X = 2 y de X dado Y > 0?

(f ) Hallar E[Y |X] y Var[Y |X].

Solucion:

(a) Se calculan las probabilidades mirando la tabla de distribucion conjunta

(1) Prob[Y < 2] = 1 (0,08 + 0,15 + 0,08) = 0,69

(2) Prob[Y < 2, X > 0] = 0,21 + 0,11 + 0,19 = 0,51
(3) Prob[Y = 1, X 1] = 0,11 + 0,19 = 0,30

(b) Encontrar las distribuciones marginales de X e Y .

P
Se sabe que fx (x) = y f (x, y). As:

fx (0) = 0,05 + 0,21 + 0,08 = 0,34

fx (1) = 0,1 + 0,11 + 0,15 = 0,36

fx (2) = 0,03 + 0,19 + 0,08 = 0,3

fy (0) = 0,05 + 0,1 + 0,03 = 0,18

fy (1) = 0,21 + 0,11 + 0,19 = 0,51

fy (2) = 0,08 + 0,15 + 0,08 = 0,31

P P
Notar que x fx (x) = 1 y y fy (y) = 1.

8
(c) Calcular E[X], E[Y ], Var[X], Var[Y ], Cov[X, Y ] y E[X 2 Y 3 ].
X
E[X] = xfx (x) = 0 0,34 + 1 0,36 + 2 0,3 = 0,96
x

X
E[Y ] = yfy (y) = 0 0,18 + 1 0,51 + 2 0,31 = 1,13
y

X
Var[X] = (xE[x])2 fx (x) = (00,96)2 0,34+(10,96)2 0,36+(20,96)2 0,3 = 0,6384
x

X
Var[Y ] = (yE[y])2 fy (y) = (01,13)2 0,18+(11,13)2 0,51+(21,13)2 0,31 = 0,4731
y

Cov[X, Y ] = E[xy] x y
= (0 + 0 + 0 + 0 + 1 1 0,11 + 1 2 0,19 + 2 1 0,15 + 2 2 0,08) 0,96 1,13 = 0,0152

XX
E[X 2 Y 3 ] = x2 y 3 f (x, y) = 0+0+0+0+13 13 0,11+22 13 0,19+12 23 0,15+22 23 0,08 = 4,63
x y

(d) Calcular Cov[Y, X 2 ]

Primero se debe calcular E[X 2 ]:
X
E[X 2 ] = x2 f (x, y) = 0,11 + 22 0,19 + 0,15 + 22 0,08 = 1,34
x

As,

XX
Cov[Y, X 2 ] = E[(Y E[y])(X 2 E[X 2 ])] = (y1,13)(x2 1,34)f (x, y) = 0,02964
x y

(e) Cuales son las distribuciones condicionales de Y cuando X = 2 y de X dado Y > 0?

f (x, y)
Se sabe que f (y|x) = . De esta manera,
fx (x)
0,03
f (Y = 0|X = 2) = = 0,1
0,3

0,19
f (Y = 1|X = 2) = ) = 0,63
0,3

9
 0,08
f (Y = 2|X = 2) = = 0,26
0,3
P
Notar que y f (y|x = 2) = 1. Por otra parte, se sabe que fy (1) + fy (2) = 0,82.
Luego,

0,21 + 0,08
f (X = 0|Y > 0) = = 0,35365
0,82

0,11 + 0,15
f (x = 1|Y > 0) = = 0,31707
0,82

0,19 + 0,08
f (x = 2|Y > 0) = = 0,329268
0,82
P
Notar que X f (X|Y > 0) = 1.

(f ) Hallar E[Y |X] y Var[Y |X].

Se procede por definicion,

X f (x, 1) f (x, 2)
E[Y |X] = f (y|x) = 0f (y = 0|x)+1f (y = 1|x)+2f (y = 2|x) = +2
y
fx (x) fx (x)

 2
X
2 f (x, 1) f (x, 2) f (x, 0)
Var[Y |X] = (y E[y|x]) f (y|x) = +2
y
fx (x) fx (x) fx (x)
  2   2
f (x, 1) f (x, 2) f (x, 1) f (x, 1) f (x, 2) f (x, 2)
+ 1 +2 + 2 +2
fx (x) fx (x) fx (x) fx (x) fx (x) fx (x)

Problema 8, cap. 3 Para la distribucion conjunta del ejercicio 7, calcular E[y E[y|x]]2 .
Ahora, hallar a y b tal que minimice el valor de la funcion E[y a bx]2 . dadas las
soluciones, verificar que

E[y E[y|x]]2 E[y a bx]2 .

f (x, 1) f (x, 2)
Solucion: Si E[Y |X] = +2 entonces
fx (x) fx (x)
f (0, 1) + 2f (0, 2) 0,21 + 2 0,08
E[Y |X = 0] = = = 1,088
fx (0) 0,34

10
 f (1, 1) + 2f (1, 2) 0,11 + 2 0,15
E[Y |X = 1] = = = 1,138
fx (1) 0,36
f (2, 1) + 2f (2, 2) 0,19 + 2 0,08
E[Y |X = 2] = = = 1,16
fx (2) 0,3
Luego:

E[Y E[Y |X]] = 1,088 0,05 + (1,138 0,1) + (1,16 0,03)

+ (1 1,088) 0,21 + (1 1,138) 0,11 + (1 1,16) 0,19
+ (2 1,088) 0,08 + (2 1,138) 0,15 + (2 1,16) 0,08 = 0,60024

As, E[Y E[Y |X]]2 5,76 108 . Por otra parte, se puede calcular directamente E[Y
a bX] como

E[Y a bX] = a 0,96b + 1,13

2 2
 E[Y abX] = (a0,96b+1,13) .
Por lo tanto, queremosminimizar la funcion f (a, b) =
2a + 1,92b 2,26
El gradiente es f = y la matriz hessiana es
1,92a + 1,8432b 2,1696
 
2 1,92
H(f ) = .
1,92 1,8432
la cual es semidefinida positiva ( sus valores propios son 3,84 y 0), por lo que cualquier
punto crtico sera un mnimo. Resolviendo f = 0 se obtienen los valores a = 0,17 y
b = 1. Con estos valores se obtiene

E[Y a bX]2 = (0,17 0,96 + 1,13)2 = 0

Creo que por temas de aproximacion y calculo (redondeo), obtuve un valor de E[Y
E[Y |X]] muy cercano a 0, pero debera ser 0 de tal manera de satisfacer la desigualdad
no estricta.(que coincide en una igualdad en este caso particular)

Problema 12, cap. 3 Suponer que x sigue la siguiente distribucion de probabilidad

discreta:

X 1 2 3 4
Prob[X = x] 0.1 0.2 0.4 0.3

Encontrar la media y varianza de X. Ahora, suponer que Y = 1/X. Hallar media y

varianza de Y . Encontrar media y varianza de aproximaciones lineales y cuadraticas de
Y = f (X).
Solucion: Se procede directamente:

E[X] = 1 0,1 + 2 0,2 + 3 0,4 + 4 0,3 = 2,9

11
 Var[X] = (1 2,9)2 0,1 + (2 2,9)2 0,2 + (3 2,9)2 0,4 + (4 2,9)2 0,3 = 0,89

Ahora si Y = 1/X se tiene

1 1 1
E[Y ] = 1 0,1 + 0,2 + 0,4 + 0,3 = 0,4083
2 3 4

 2  2  2
2 1 1 1
Var[Y ] = (10,4083) 0,1+ 0,4083 0,2+ 0,4083 0,4+ 0,4083 0,3 = 0,046437
2 3 4

Consideremos las aproximaciones lineal y cuadratica Yl = a + bX e Yq = a + bX + cX 2

respectivamente. De esta manera,

E[Yl ] = E[a + bX] = a + bE[X] = a + 2,9b

E[Yq ] = E[a+bX+cX 2 ] = a+bE[X]+c(Var[X]2 +E[X]2 ) = a+2,9b+c(0,7921+8,41) = a+2,9b+9,2021c

Var[Yl ] = Var[a + bX] = b2 Var[X] = 0,89b2

4
X
2
Var[Yq ] = Var[a + bX + cX ] = [b(x 2,9) + c(x2 9,201)]2 Prob(X = x)
x=1

12