UNIVERSIDAD NACIONAL DE HUANCAVELICA

DOCENTE: ERAZO CAMACHO, Milton R.

ASIGNATURA: ECONOMETRÍA I
EJERCICIOS PROPUESTOS

EJERCICIO 1

Sea  una variable aleatoria con µ y varianza  2 .

a) Definida z como
x
zx

Encontrar E (z ) y var( z )

b) Si b es una constante diferente de µ, demostrar que

E ( x   ) 2  E ( x  b) 2

c) Sea y otra variable aleatoria y sean a y b constantes arbitrarias; demostrar que el

coeficiente de correlación entre x  a e y  b(rx  a , y b ) .
d) Supongamos una variable y que se define así:

yxa
Demostrar que el coeficiente de correlación entre x e y es igual a la unidad

EJERCICIO 2

Sea X una matriz (n x m) de rango m, y sea R una matriz (r x m) de rango r.

Considerar la matriz

A= X(X´X)-1 R´[R(X´X)-1 R´]-1 R(X´X)-1 X´

a) Demostrar que las respectivas matrices son invertibles de forma que A esta bien
definida. Demostrar que A es idempotente. ¿Cuál es su rango y su traza?
b) Sabiendo que
1  1 n   1 n ....  1 n   y1   y1  y 
  1 n 1  1 n  ....  1 n  y   
K   , y   2  , yˆ   y 2  y 
 ........... .................. .... ............   ....   .... ........
     
 1 n  1 n .... 1  1 n   yn   yn  y 
Demostrar que 𝐾𝑦 = 𝑦̂. ¿Es K una matriz idempotente?

EJERCICIO 3

Las variables aleatorias Y1 e Y2 se distribuyen normalmente con parámetros

(𝜇1 , 𝜇2 , 𝜎1 . 𝜎2 𝑦 𝜌). Si suponemos que
UNIVERSIDAD NACIONAL DE HUANCAVELICA
DOCENTE: ERAZO CAMACHO, Milton R.
ASIGNATURA: ECONOMETRÍA I
Z1  Y1  Y2 , Z 2  Y1  Y2

Se desea:

a) Encontrar la distribución conjunta de Z1 y Z2

b) Hallar la distribución marginal de Z1 y la distribución condicional de Z1 dado Z2.

EJERCICIO 4

Sea x un vector k-dimensional de variables aleatorias con una distribución normal

multivariante con vector de medias cero y una matriz identidad de covarianzas (k x k) [es
decir, x ~ N (0, I ) ]. Sea a un vector columna k-dimensional de números no aleatorios y A
y B dos matrices (k x k) simétricas e idempotentes de números no aleatorios. Definamos las
siguientes variables aleatorias escalares:

L  a´x , Q1  x´Ax y Q2  x´Bx

Donde

- L se distribuye N (0, a´a ).

- Q1 ~  r2( x´ Ax) y Q2 ~  r ( x´Bx)

- Q1 y Q2 se distribuyen independientemente si AB= 0

- L y Q1 se distribuyen independientemente si AB = 0

Q1 trA
- ~ F , si. AB  0.
Q2 trB

Utilizando estos resultados sin demostración y considerando una muestra aleatoria

(Y1,Y2,…,Yn) de una población normal univariante de media µ y varianza  2 , y siendo Y la
media muestral ( Yi n), se pide:}

Y 
a) Demostrar que se puede escribir de la forma a´x. ¿Qué es a en este caso?

¿Cuál es la distribución de Y ?
n
b) Demostrar que  (Y
i 1
i  Y ) 2 se puede escribir de la forma  2 ( x´Ax) ; donde

x ~ N (0, I ) . Utilizando el símbolo i para un vector de elementos unidad, encontrar

UNIVERSIDAD NACIONAL DE HUANCAVELICA
DOCENTE: ERAZO CAMACHO, Milton R.
ASIGNATURA: ECONOMETRÍA I
una expresión matricial para A. demostrar que A es idempotente y encontrar su
rango.
n(Y   ) 2
c) Escribir en la forma x´Bx. demostrar que B es idempotente y encontrar
2
su rango.
d) Demostrar que Aa  0 y que AB  0

EJERCICIO 5

Considerar una muestra aleatoria simple X1,X2,…,XT a partir de una población con media µ y
varianza  2 . Encontrar para i  1,..., T e i  j :

a) EX i2 f) E ( X i X )

b) EX i X j g) E[ X i ( X j  X )]

c) E X h) E[ X ( X i  X )]

d) E X
2
i) var( X i  X )

e) var X  j) cov[( X i  X ), ( X j  X )]

Donde X es la media muestral.

EJERCICIO 6
 
Supongamos que tenemos dos estimadores de un mismo parámetro  , 1 y  2 con
varianzas 𝜎𝜃̂21 y 𝜎𝜃̂21 , respectivamente.

a) Encontrar un estimador de  combinación lineal de los dos anteriores que sea

 
insesgado y eficiente para el caso en que la covarianza entre  1 y  2 sea cero.
b) Llevar a cabo la misma operación que en el apartado a) para el caso en que la
covarianza sea distinta de cero.

EJERCICIO 7
UNIVERSIDAD NACIONAL DE HUANCAVELICA
DOCENTE: ERAZO CAMACHO, Milton R.
ASIGNATURA: ECONOMETRÍA I
Sea X una variable que se distribuye normalmente con media µ y varianza  2 . Suponer que
se han obtenido independientemente dos muestras aleatorias simples a partir de X, de
tamaños T1 y T2 y con medias muestrales X 1 Y X 2 .

a) Un investigador pretende estimar µ y propone como estimadores alternativos

X1  X 2 T1 X 1  T2 X 2
ˆ  , ˆ 
2 T1  T2
Comparar las propiedades de ambos.
b) En una etapa posterior pretende estimar  2 y propone los siguientes estimadores:
2
 X  X2  X1  X 2
2 2

X 1  X 2 ,  1  ,
 2  2
Obtener el sesgo y comparar resultados.

EJERCICIO 8

Sea X1,X2,…,XT una muestra aleatoria de tamaño T. El momento muestra respecto al origen
de orden h-ésimo lo escribimos

1 T
mh  
T i 1
X ih

Y el correspondiente momento poblacional, que suponemos finito, para todo

 h  EX ih para i  1,..., T
Se pide:
a) Demostrar que m h es un estimador consiste de  h
b) Obtener la distribución asintótica de m h

EJERCICIO 9

Sea (X1,X2,…,XT) una secuencia de variables aleatorias, donde T  X T    converge en

distribución hacia una variable aleatoria X con media cero y varianza  2 . Sea g () una
función cuya derivada g´( ) es continua en cada punto. Demostrar que T gX T   g  
converge en distribución hacia Y =g´(θ)X, y demostrar también que E(Y)=0 y que
var(Y )  g´   2 . (Nota: Utilizar el teorema del valor medio del cálculo)
2

EJERCICIO 10
UNIVERSIDAD NACIONAL DE HUANCAVELICA
DOCENTE: ERAZO CAMACHO, Milton R.
ASIGNATURA: ECONOMETRÍA I
Sea (Y1,Y2,…,YT) una muestra de T variables normales aleatorias independientes, con media
θ y varianza θ.

a) Calcular el estimador máximo-verosímil de θ.

b) Demostrar que dicho estimador converge en probabilidad hacia θ.
c) Sabiendo que el estimador MV tiene una varianza asintótica igual al reciproco del
termino de información, encontrar la varianza asintótica de dicho estimador.

EJERCICIO 11

a) Supongamos una muestra X1,…,XT extraída de una población normal con media θ,
desconocida, y varianza  2 , conocida. Explicar las diferencias existentes entre la
distribución en el espacio muestral y la función de verosimilitud.
b) Encontrar la función de verosimilitud y el estimador máximo-verosímil de parámetro
θ en los siguientes casos:

b.1) Población distribuida normalmente con media θ y varianza 1.

b.2) Población distribuida normalmente con media 0 y varianza θ.

b.3) Población distribuida uniformemente entre 0 y θ