1. Qu es econometra?

Elabore un mapa conceptual didctico con las distintas

definiciones que propone la literatura y seale qu tienen en comn.

Samuelson, Koopmans y
Stone 1954: La Econometra
puede ser definida como el
anlisis cuantitativo de los
fenmenos econmicos
reales, basado en el
desarrollo simultneo de la
teora y la observacin

Frisch 1933 Goldberger 1964: La

Econometra puede ser
definida como la Ciencia
La Econometra implica la social en la cual las
mutua penetracin de herramientas de la Teora
Teora Econmica Econmica, las Matemticas
y la Inferencia Estadstica son
Cuantitativa y
ECONOMETRIA aplicadas al anlisis de los
observacin estadstica fenmenos econmicos
La econometra es la
herramienta de la economa
que a partir de las
matemticas y la inferencia
estadstica se analizan los
fenmenos econmicos

Maddala 1996: Griliches e Intriligator

1984: La Econometra es
La Econometra es la la aplicacin de las
aplicacin de mtodos Matemticas y los
estadsticos y mtodos estadsticos al
matemticos al anlisis anlisis de los datos
de datos econmicos econmicos

1
2. Seale los principales pasos de la metodologa economtrica y ejemplifique con el
posible modelo que entregara para su clase de taller de econometra. Nota: Recuerde el
marco terico es fundamental, la clave es que proponga la pregunta y la respuesta alternativa es
la hiptesis.

3. Defina y explique en qu consiste el anlisis de regresin lineal simple y mltiple.

Existen entre ambos alguna diferencia, argumente su respuesta.

Anlisis de regresin lineal simple:

Es una t cnica d ana lisis stadstico con l fin d ncontrar la rlacio n funcional ntr dos
variabls (x,y), a partir d un modlo matma tico. En st caso u nicamnt tndrmos ds
variabs, la indpndint x qu xplica a la variabl dpndint y.

Analisis de regresin multiple:

Al igual qu l ana lisis d rgrsio n simpl, st trata d ncontrar una rlacio n funcional dada
a partir d mu ltipls variabls, d igual manra qu n l simpl tndrmos una variabl
dpndint y la cual db sr xplicada por dos o ma s variabls indpndints x, z, w,
tc.

4. Un aspecto fundamental del anlisis de regresin y en general de cualquier estudio en el

que se trabaja con datos, es la recoleccin de los mismos. Una persona puede realizar el
mejor anlisis posible con un cierto conjunto de datos, pero si estos no son recopilados
adecuadamente, el anlisis no servir de nada. Lea la parte de recoleccin de datos,
pginas 6 a 9 del libro de Montgomery, Peck y Vining, Introduccin al Anlisis de
Regresin Lineal, Ed. CECSA, 3 Edicin.
a. Haga un resumen muy breve del texto, con slo las partes que consideres
importantes.

b. En general, confiara en un estudio retrospectivo basado en datos histricos?,

por qu?

2
5. Cul es la funcin de esperanza condicional o funcin de regresin poblacional? Cul
es su significado en trminos de la regresin?

E(Y | X)= F (X)

Dond F (X) dnota auna funcio n d la varibl indpndint x,

E(Y | X), s una funcio n linal d x.
La funcio n d rgrsio n poblacional xprsa qu l valor sprado d la distribucio n d Y dada
X s rlaciona funcionalmnt con X, s dcir, como la mdia o rspusta promdio d Y varia
con X.

6. Cul es la diferencia entre Funcin de Regresin Poblacional (FRP) y la Funcin de

Regresin Muestral (FRM)? Escriba detalladamente cada uno de sus componentes Se
trata de distintos nombres para una sola funcin?

Funcin de Regresin Poblacional (FRP)

E(Y | X)=B1+B2X1 dond, B1 y B2 son coficints d rgrsio n.

La funcio n d rgrsio n mustral trata d stimar a la funcio n d rgrsio n poblacional cuando

no s conocn todos los valors d la poblacio n, la rgrsio n mustral sra stimada a partir d
datos mustra. S obtndra n distintas funcions d rgrsio n mustral para cada mustra
difrnt.
Funcin de Regresin Muestral (FRM)

Dond Y s l stimador d E(Y | X)

s l stimador d B1
s l stimador d B2
Los stimadors s usan para stimar l para mtro poblacional a partir d la informacio n
suministrada por la mustra.

3
 7. Qu papel desempea el trmino de error estocstico ei en el anlisis de regresin?
Cul es la diferencia entre el trmino de error estocstico y el residual ui?
El rror stoca stico rprsnta todas aqullas variabls qu influyn n l modlo pro qu no
s incluy n st. Las razons por las qu no s incluy s por falta d informacio n, xistn
variabls qu son cntrals, ntr otras custions.

La difrncia dl trmino d rror stoca stico y l rsidual u s qu st u ltimo s la distancia

ntr l punto d datos y la lna stimada, mintras qu l trmino d rror s la difrncia
ntr l punto d datos y la lna vrdadra.

8. Cules son las principales implicaciones de establecer , investigue, reflexione y

argumente su respuesta.

9. Por qu cuando se ajusta una nube de puntos a una ecuacin de regresin, se utiliza
siempre el criterio de minimizar la suma de los cuadrados de los residuos y no otros
como minimizar la suma del valor absoluto?
Minimizar la suma dl valor absoluto d los rsiduos pud conducir a ajusts no adcuados

10. Describa brevemente los supuestos del MCRL (Modelo Clsico de Regresin Lineal).

Linealidad

El modelo de regresin es lineal en los parmetros, aunque puede o no ser lineal en las variables.

Valores fi jos de X, o valores de X independientes del trmino de error

Los valores que toma la regresora X pueden considerarse fijos en muestras repetidas (el caso de la regresora
fi ja), o haber sido muestreados junto con la variable dependiente Y (el caso de la regresora estocstica). En
el segundo caso se supone que la(s) variable(s) X y el trmino de error son independientes, esto es, cov(Xi,
ui) 0.

El valor medio de la perturbacin ui es igual a cero

4
Dado el valor de Xi, la media o el valor esperado del trmino de perturbacin aleatoria ui es cero.

Homoscedasticidad o varianza constante de ui

La varianza del trmino de error, o de perturbacin, es la misma sin importar el valor de X.

No hay autocorrelacin entre las perturbaciones

Dados dos valores cualesquiera de X, Xi y Xj (i j ), la correlacin entre dos ui y uj cualesquiera (i j) es cero.

El nmero de observaciones n debe ser mayor que el nmero de parmetros por estimar

Sucesivamente, el nmero de observaciones n debe ser mayor que el nmero de variables explicativas.

La naturaleza de las variables X

No todos los valores X en una muestra determinada deben ser iguales. Tcnicamente, var(X) debe ser un
nmero positivo. Adems, no puede haber valores atpicos de la variable X, es decir, valores muy grandes en
relacin con el resto de las observaciones.

(Econometria, Gujarati Damodar N., pp.62-68)

11. Cules son las propiedades de los estimadores MCO? Por qu son MELI? Defina el
Teorema de Gauss-Markov y ejemplifique la propiedad de insesgado.

Propiedades
-Linealidad: Es una funcin lineal de una variable aleatoria, como la variable dependiente Y en el modelo de
regresin.

-Es insesgado, su valor promedio o esperado ( 2), es igual al valor verdadero de 2

5
-Tiene varianza mnima dentro de la clase de todos los estimadores lineales insesgados. Es eficiente.

Son MELI porque los estimadores de mnimos cuadrados, son estimadores lineales insesgados, tienen
varianza mnima, de acuerdo a los supuestos del modelo clsico.

El teorema de Gauss-Markoy se refiere a que los estimadores, es decir, los parmetros B tienen una varianza
mnima lo que los hace eficiente, presentan el menor error cuadrtico, todo esto para la funcin de regresin
muestral sea lo ms prxima a la funcin de regresin poblacional, de igual manera deben ser insesgados.

Insesgado se refiere a que los estimadores no tienen diferencia entre el valor esperado y el valor verdadero.

12. Defina brevemente coeficiente de determinacin y correlacin Cmo se obtienen y

cules son sus propiedades ms importantes?

Coeficiente de determinacin
Se refiera a la bondad del ajuste de la lnea de regresin a un conjunto de datos, es decir, cun bien
se ajusta la lnea de regresin a los datos.

Propiedades
Es una cantidad no negativa.
Sus lmites son 0 r 2 1. Un r 2 de 1 significa un ajuste perfecto, es decir, Y= Yi.

Coeficiente de correlacin
Es una medida del grado de asociacin entre dos variables.

Propiedades
Puede tener signo positivo o negativo
Cae entre los lmites de 1 r 1
El coeficiente de correlacin entre X y Y (rXY) es el mismo que entre Y y X (rYX)
Una correlacin igual a cero no necesariamente implica independencia
Es una medida de asociacin lineal o dependencia lineal

6
13. Investigue y argumente por qu correlacin no implica causalidad, pero causalidad si
implica correlacin.

El hcho d qu dos vntos s dn d manra habitual y conscutiva no implica qu uno sa la

causa dl otro, pud xistir una corrlacio n ntr dos variabls compltamnt distintas, pro
u nicamnt por custions d Azar.
En cambio, l hcho d qu la causalidad impliqu rlacio n s ral pusto qu la causalidad
stablc una rlacio n d causa y fcto ntr dos o ma s variabls, por lo tanto, la causalidad
nos da l orign mintras qu la corrlacio n u nicamnt nos da corrspondncia.

14. Defina variable aleatoria, indique cmo se clasifica y sus principales propiedades.

Una variabl alatoria asocia a cada rsultado d un xprimnto alatorio a un nu mro ral.

S clasifica n variabl alatoria discrta y continua.

15. En clase establecimos que la funcin de distribucin normal estndar, se expresa como:

a. Grafique la funcin con los siguientes valores: -3.0, -2.75,-2.5,-2.25,-2.0,-1.75,-

1.5,-1.25,-1.0,-0.75,-0.5,-0.25,0, 0.25, 0.5, 0.75, 1, 1.25, 1.5, 1.75, 2.0, 2.25, 2.5,
2.75, 3.0.

b. Cmo se conoce a la curva que obtuvo, por qu se dice que es un caso particular
de una funcin general.

7
 c. Del inciso anterior, defina y represente la funcin general o su funcin de
densidad de probabilidad, mencione sus principales caractersticas.

d. Explique y ejemplifique la tipificacin o estandarizacin de una variable

aleatoria (Distribucin normal estndar).

e. Por qu debe formularse el supuesto de normalidad en el anlisis

economtrico? Qu relacin e implicaciones tiene con algunos de los supuestos
MCRL?

16. Qu es un estimador de mxima verosimilitud? Obtenga los estimadores de mnimos

cuadrados ordinarios. Bajo qu condicin los estimadores que obtenemos por MCO y
Mxima verosimilitud son los mismos.

8
17. Reflexione, si la variable endgena no se distribuye como una normal cules son las
principales implicaciones y dado los mtodos de la pregunta anterior cul sera el ms
adecuado.

18. Qu tipos de errores se pueden cometer en un contraste de hiptesis?

19. Qu es el p-valor y cul es uso en el contraste de hiptesis?

20. En qu consisten las pruebas t y F ? Cul es su utilidad para el anlisis de regresin?

21. Proponga una relacin lineal simple y construya la tabla ANOVA (no copie o pegue de
internet) Cul es la relacin con la SCT, SCE y SCR explique?

9
22. En el modelo de regresin lineal simple, algunas veces se asume que entonces el

modelo sera:

a. Encuentre el estimador por mnimos cuadrados ordinarios.

b. Calcule y Var .

c. Construya la tabla ANOVA.

23. Por qu cuando se ajusta una recta que pasa por el origen no se utiliza el coeficiente de
determinacin R2 como medida de bondad de ajuste?

24. Por qu cuando se comparan ecuaciones de regresin con distinto nmero de variables
regresoras no se utiliza R2 sino el llamado R2 ajustado?

10
25. Muestre en una tabla las distintas formas funcionales que se pueden adoptar en el MCRL
Cmo elegir la mejor forma funcional? Linealidad de los parmetros o en las
variables? Argumente.

26. Demuestre que: XY

27. Cules son las principales fallas y limitaciones relacionadas con el anlisis de regresin
y correlacin?

28. Cmo se pueden utilizar e interpretar variables cualitativas en una ecuacin de

regresin?

11
Seccin II. Razonamiento matemtico (30 puntos).

1. Para l modlo d rgrsio n linal : Yi 1 2 X i u i obtnga los stimadors ( 1 , 2 ) y

vrifiqu las siguints Propiedades de la Lnea de Regresin:

n n n n n

ui. 0;
i 1
ui X i 0;
i 1
uiYi 0
i 1
Yi Yi
i 1 i 1

2. Dduzca l intrvalo d confianza para o , ncuntr la rgio n crtica y l stadstico d pruba

t para contrastar as como p-value para sta pruba d hipo tsis.

3. Para l modlo d rgrsio n, Yt 1 2 X t et dond Xt=1+a para t=1,...,5 y Xt=1-a cuando

t=6,...,10.
a. Escriba d manra matricial la matriz X d la cuacio n d rgrsio n plantada.

b. Mustr la matriz XX para st caso:

12
c. Calcul la matriz invrsa

d. Qu pasara si a=0?

13
4. Dtrmin si los siguints modlos son linals n los para mtros, n las variabls o n
ambos. Cua ls d stos modlos son d rgrsio n linal?

5. Una mprsa ha spcificado un modlo d rgrsio n linal cla sico para xplicar la funcio n d
dmanda d sus aparatos lctro nicos (Y), xprsada n mils d unidads, n funcio n d su
prcio (X) n mils d psos. Para dicha stimacio n s rcog una mustra d 24 obsrvacions
con los siguints rsultados:

14
A partir d los rsultados antriors:

a. Estim los para mtros dl modlo y scriba la cuacio n d rgrsio n.

b. Obtnga l coficint d dtrminacio n.

c. El modlo s globalmnt significativo.

Seccin III. Aplicaciones (40 puntos)

15
 1. En un artculo rcint, Ros (2009)
intnta valuar l papl d difrnts
factors distribucio n dl ingrso, gasto
social y cambios dmogra ficos- n las
tasas d pobrza d Am rica Latina
(considrando un total d 12 pass). El
marco analtico adoptado por st autor
consistio n hacr qu la pobreza
dependiera del nivel de PIB por
trabajador, el grado de desigualdad de la
distribucin del ingreso (GINI), del gasto
social (GS) y de la estructura por edades
de la poblacin. Para Ros, l papl d los
trs primros factors s ma s o mnos
claro: n igualdad d condicions, un
aumento del PIB por trabajador, una
menor desigualdad y un incremento del
gasto social darn lugar a una reduccin
de la tasa de pobreza. El rol d la
structura d dad d la poblacio n s
captado d dos formas difrnts: una
s a trav s d la rlacio n d
dpndncia (DEP), qu alud a la razo n d la poblacio n potncialmnt no activa rspcto a la
poblacio n potncialmnt activa; la otra s considrando a la poblacio n mnor d 15 an os
(POB<15). El cuadro siguint mustra part d las stimacions mpricas ncontradas por
Ros. Considrando sta informacio n s l pid lo siguint:

a. Intrprt los coficints asociados al modlo (1) y (4).

b. Cua ls coficints rsultan sr significativos n qu nivl- n l modlo (3).

c. Intrprt R2 ajustada dl modlo (2)

16
 d. En su opinio n, cua l d los modlos s l mjor, justifiqu brvmnt su rspusta.

2. En la Tabla 1.3 del texto de Gujarati s proporcionan datos sobr l ndic d prcios al
consumidor d sit pass industrializados, cuya bas s 1982-1984=100.

a. A partir d stos datos, calcul la tasa d inflacio n d cada pas.

17
b. Grafiqu la tasa d inflacio n d cada pas n funcio n dl timpo.

c. Qu conclusions gnrals surgn a partir d la inflacio n n los sit pass?

d. Qu pas tin la tasa d inflacio n ma s variabl? Pud xplicarlo?

e. Elija dos pases, investigue su INPC, calcule sus tasas de crecimiento y seale las
principales diferencias entre el periodo propuesto por el manual y sus
resultados en el periodo actual.

18
3. En la Tabla 3.8 s proporcionan datos sobr l Producto Intrno Bruto (PIB) d Estados
Unidos d 1959 a 2005.

a. Grafiqu los datos dl PIB n do lars actuals y constants (s dcir, d 2000) rspcto
al timpo.

b. Sa Y l PIB y X l timpo (mdido cronolo gicamnt, mpzando con 1 para 1959,

hasta 47 para 2005), ajust l siguint modlo:

Yt 1 2 X t U t

19
c. Estim l modlo para l PIB n do lars constants y corrints. Co mo intrprta 2?

d. Exist alguna difrncia ntr l 2 stimado n t rminos corrints y constants?

Qu xplica la difrncia?

20
 e. Realice el mismo ejercicio para el caso de la economa mexicana, tiene la
libertad de establecer el periodo y el ao base.

4. LA HIPTESIS DE FISHER: LA CAUSALIDAD ENTRE LA TASA DE INTERS Y LA INFLACIN :

El vnculo ntr la tasa d inflacio n y la tasa d intr s nominal s un tma cla sico d conoma
financira. Si bin l plantaminto original data d finals dl siglo XIX, su vrsio n modrna s
propuso a partir dl artculo Is th Fishr Effct for Ral? D Frdric S. Mishkin, publicado n
1992 n l Journal of Montary Economics. D manra muy gnral, Fishr argumnta qu
variacions n la tasa d intr s nominal (bonosmx) causaran cambios n la inflacio n
(dpmx). A partir d lo antrior s obtuvo la siguint salida d rgrsio n incomplta:

Complt la informacio n faltant ralizando los ca lculos prtinnts y rsponda:

a. Los stimadors son significativos?

21
b. Proponga y scriba la cuacio n d rgrsio n a stimar no olvid l t rmino d rror.

c. Intrprt rsultados d sus coficints.

d. Cua l s la bondad d ajust?

e. Considra al modlo globalmnt significativo?

f. Para l caso d la conoma mxicana s vrifica la hipo tsis d Fishr.

22
 Nota: Para los siguientes ejercicios las estimaciones las har utilizando Eviews y Stata, presentando
ambas salidas y un slo anlisis.

5. En la Tabla 5.5 proporciona datos sobr l salario promdio d un mastro d scula pu blica
(l suldo anual sta n do lars) y l gasto n ducacio n pu blica por alumno (do lars); stim
l siguint modlo:
Sueldot 1 2Gastot U t

a. Grafiqu los datos y trac la lna d rgrsio n.

b. Obtnga las stimacions d los para mtros, sus rrors sta ndar, r2, la SCR y la SCE.

23
 c. Intrprt la rgrsio n Tin sntido cono mico?

d. Establzca l intrvalo d confianza d 95% para 2?

B
6. Dada la funcio n d dmanda d caf : Qd AP U y las siguints obsrvacions, stim los
coficints A, dl modlo y la dmanda d caf cuando P= 21.7

P 21 23 24 22 20 20.5 18 19 22 23 25 24 22

Q d 980 984 970 1010 1019 1000 1060 1032 987 984 959 973 989

24
 S stimo l siguint modlo cu bico d costos: Costos 1 2Q 3Q 4Q u
2 3
7.
a. Escriba las instrucciones completas y precisas d Eviws rquridas para l ca lculo
d la rgrsio n.

b. A continuacio n s mustra l rport d la rgrsio n:

c. Escriba en forma precisa la ecuacin estimada d costos con coficints

num ricos y con rsiduos.

25
d. Estim cual sra l costo total si Q=20.

e. Aplique las pruebas de significancia a los coeficientes: (1, 2) con un 95% de

confiabilidad, y a 3 con un 99% (escriba en detalle las pruebas).

f. Obtnga la funcio n d Costo Mdio (CM).

26
 g. Obtnga la funcio n d Costo Marginal (CMg).

8. Con los datos qu s mustran a continuacio n stim l siguint modlo rciproco, qu sta
dado por:

1
LnYt 1 2 U t
Xt

X 0.6 0.82 1.10 1.5 2.2 2.6 3 3.3 3.4 3.6 3.8 4 4.2 4.4

Y 17.2 40.1 83.3 128.4 200.2 227 254.7 275 278.6 287 298 304 311 315

a. Cua ls son las propidads d st modlo?

b. Si X= timpo, Qu tipo d curva d crciminto s traza n st modlo?

27
 c. Escriba la cuacio n stimada int rprt los coficints stimados.

9. En la Tabla 7.10 s proporcionan datos d la Dmanda d Dinro para Estados Unidos, 1980 a
1988; a partir d la siguint funcio n:

M t 1Yt 2 rt 3 eut

a. Calcul la funcio n d dmanda int rprt rsultados.

b. Estim la funcio n propusta n l inciso b) d la pa gina 224 dl txto d Gujarati.

28
c. Co mo dcidira cua l s la mjor spcificacio n?

d. Replique el ejercicio con datos de la economa mexicana. (Las variables sugeridas

son: M1, CETES, IGAE o PIB, INPC)

29
10. A partir d los datos d dsmplo (UN) inflacio n (DI) para Estados Unidos corrspondints
al priodo 1960-2006, s ralizo la stimacio n obtni ndos los siguints rsultados:

a) Escriba la cuacio n stimada intrprt los stimadors, son significativos.

b) Qu pud rflxionar n torno a la mdida d bondad d ajust.

30
 c) Cua l s l modlo to rico dtra s? Sn al su hipo tsis fundamntal y una brv discusio n
to rica.

d) Calcul la tasa natural d dsmplo.

11. Con bas a un conjunto d datos mnsuals qu van dsd nro dl 2000 a dicimbr d
2010, s obtuviron los siguints rsultados d dos propustas d rgrsio n linal: 1

Rgrsio n linal 1:

Rgrsio n linal 2:

1
Ejercicio elaborado y proporcionado por el Mtro. Ulises Hernndez Ramos.

31
Dond Y=logaritmo dl rndiminto d las accions comuns d Masca y X= logaritmo dl rndiminto
promdio dl mrcado d valors.

a. Con los rsultados antriors, consrvara l t rmino d intrcpto n l primr

modlo? Por qu ?

b. Co mo intrprtara los coficints d la pndint n los dos modlos? Cua ls

coficints son stadsticamnt significativos difrnts d cro? Utilic la tabla t
para argumntar su rspusta.

c. Dadas sus rspustas antriors, Cua l s l mjor modlo qu rprsnta la rlacio n

ntr las variabls? Justifiqu su rspusta.

32
12. En l archivo vdicotoma.xls aparcn datos trimstrals d vntas y utilidads d una
mprsa, as como la variabl dicoto mica D2 para idntificar las obsrvacions dl sgundo
trimstr d cada an o.

a. Elabor un modlo d rgrsio n (con UTIL como variabl dpndint y Vntas como
variabl xplicativa) adma s incorpor a la variabl dicoto mica dntro d las variabls
xplicativas.

i. Escriba la cuacio n d las utilidads:______________________________________________

ii. Escriba la instruccio n n Eviws y stim la

rgrsio n:______________________________________________________________________________

iii. La probabilidad 2* para l coficint d D2 s:_________________________________

iv. Ahora vrifiqu la condicio n d rchazo; s dcir, 2*< :

Escriba l valor num rico ( ) < ( 0.05 )

v. Marqu con una X la opcio n corrcta:

_________ Si s cumpl la dsigualdad , _________ No s cumpl la dsigualdad

vi. Conclusio n (Marqu con una X la opcio n corrcta):

_________ S rchaza Ho l coficint 2 s significativo
_________ No s pud rchazar Ho l coficint 2 no s significativo

vii. Escriba la cuacio n stimada para todos los

trimstrs:_____________________________________________________________________________

viii. Escriba la cuacio n para los 2dos

trimstrs:_____________________________________________________________________________

ix. Complt l pa rrafo siguint: significa qu, para un nivl d

vntas, las ____________________ d la mprsa _________________ n $1331.352
durant l sgundo trimstr, comparado a los otros trimstrs

13. A partir dl archivo wage1.xls (captulo 7 d Wooldridg) ralic lo siguint:

a. Estim la siguint cuacio n:

b. Escriba la cuacio n stimada intrprt l rsultado d los coficints stimados
asociados a las variabls dicoto micas.
c. Apliqu la pruba d significacio n al coficint , con un 95% d confiabilidad.

33
14. Sgu n Sanz, J. et al (1996), los m todos d rgrsio n prtndn, por una part, dtrminar la
structura matma tica qu mjor xprs la rlacio n ntr las variabls, y por otra part,
proporciona stimacions acrca d una d las variabls, dado los valors conocidos d las
dma s. Como s obsrvo n los jrcicios antriors xistn divrsos m todos as como
softwar spcializado para obtnr los stimadors otra propusta d solucio n s l nfoqu
matricial dado por: XY, a partir d la xprsio n antrior obtnga los stimadors
para los siguints jrcicios:

a. Tnindo n cunta los valors rlativos a la produccio n (Q), al nu mro d horas d

trabajo por prsona(L) y al nu mro d unidads d capital (K) d una dtrminada
mprsa, s intuy qu la funcio n d produccio n pud sr d la forma:

Conocindo los siguints datos rlativos a dichos factors:

Q L K
3 1 2
5 2 3
6 3 3
7 3 4
4 4 1

Dtrminar los valors d los para mtros d la funcio n d produccio n. S pud

considrar qu xistn rndimintos d scala constants si los valors d L y K aumntan un
10%?

34
15. La volucio n dl PIB y las importacions dsd 1988, s rcogn n la siguint tabla:

Aos PIB M
1988 35910 7980
1989 37610 8250
1990 39015 8915
1991 39890 9675
1992 40170 10205
1993 39725 10130
1994 40200 12345
1995 41200 13430

a. Calcul la rcta d rgrsio n int rprt los rsultados n forma matricial.

35
16. La siguint tabla nos mustra los valors d las variabls importacions d bins y
srvicios (variabl dpndint Y); producto nacional bruto (PNB, X 1) y prcios rlativos
d las importacions (X2), durant l prodo 1995-2004 d la conoma d un pas:

Aos Y X1 X2
1995 21 52 120
1996 30 58 120
1997 40 64 116
1998 50 69 109
1999 56 73 105
2000 72 78 98
2001 82 84 96
2002 81 88 94
2003 86 93 100
2004 100 100 100

a. Calcul los coficints d la rgrsio n.

b. Calcul la varianza dbido a la rgrsio n, la varianza rsidual y construya la tabla

ANOVA.

c. Construya la fiabilidad dl ajust linal.

36
 d. Los coficints d corrlacio n simpl.

17. S dsa studiar la rprcusio n qu tin la tasa d intr s sobr los ndics d futuros. Para
llo, s obsrvaron las siguints variabls, durant los u ltimos doc das:

Y= Indic d Futuros
X= Tasa d intr s

a. Haga un diagrama d disprsio n n Excl, sn al n l gra fico la lna d rgrsio n, la

cuacio n d rgrsio n y l coficint d dtrminacio n.

37
 b. Obtnga la cuacio n d rgrsio n n Excl (paso por paso utilizando las formulas); n
l softwar Eviws, d forma matricial y n R utilizando la siguint rutina:

##S dsa studiar la rprcusio n qu tin la tasa d intr s sobr los ndics d futuros##
##Para llo, s obsrvaron las siguints variabls, durant los u ltimos doc das##

##Y= Indic d Futuros##

##X= Tasa d intr s##

tasadintrs = c(7.43, 7.48, 8, 7.75, 7.6, 7.63, 7.68, 7.67, 7.59, 8.07, 8.03, 8)
summary(tasadintrs)
indicdfuturos = c(221, 222, 226, 225, 224, 223, 223, 226, 226, 235, 233, 241)
summary(indicdfuturos)
hist(tasadintrs)
hist(indicdfuturos)
boxplot(tasadintrs,indicdfuturos)
boxplot(tasadintrs)
boxplot(indicdfuturos)
plot(tasadintrs,indicdfuturos)
r<-cor(tasadintrs,indicdfuturos, mthod = "parson") ##Corrlacio n d Parson
r
rs<-cor(tasadintrs,indicdfuturos,mthod = "sparman") ##Corrlacio n Sparman
rs
x<-(tasadintrs)
x
y<-(indicdfuturos)
y
r1<-lm(y~x)
summary(r1)
plot(x,y)
ablin(r1)## Incorpora la rcta d rgrsio n a la gra fica d puntos
plot(r1)
anova (r1) ## Raliza la tabla ANOVA (Ana lisis d Varianza)

38
library(UsingR) ##Instalar la librra###
scattr.with.hist(tasadintrs,indicdfuturos)
simpl.hist.and.boxplot(tasadintrs)
simpl.hist.and.boxplot(indicdfuturos)
simpl.da(tasadintrs)
simpl.da(indicdfuturos)
simpl.lm(x,y,show.rsiduals=TRUE)
plot(r1)
simpl.lm(x,y,show.ci=TRUE,conf.lvl=0.90)##construy los intrvalos d confianza d forma gra fica
simpl.lm(x,y,show.ci=TRUE,conf.lvl=0.9)

c. Con bas n los rsultados d R, intrprt la tabla ANOVA y los intrvalos d

confianza.

39