1

Febrero 2019
TALLER 1 ECONOMETRIA I
Programa de Economía. Universidad Libre. Seccional Cali.
Prof. Alberto Gómez.

1.Resolver la Var (X1 + X2 + …+ Xn).

2. El valor presente de un flujo de caja de un proyecto es: ∑ni=1 Fi/(1 + k)i donde Fi es el flujo
para el período “i”, k es una tasa constante de costo de capital. Hallar el valor esperado y la
varianza del valor presente.

3. Definir los supuestos de los MCO en términos de sumatorias y de valores esperados.

4. Demostrar que la E(Ui2) es igual a la varianza de los residuos.

5. Demostrar que la E(UiUj) es igual a la covarianza de los residuos

6. Demostrar que cov (XiUi) = (1/n-1)* [∑ni=1 XiUi]

7. Dado que hay un x̅ para cada muestra, hallar la var(x̅)

8. Demostrar que:
a. var(y̅) = (σ2y/n).
b. Cov (Yi, y̅) = 0.
c. E(s2y) = σ2y. (La media de la varianza muestral es igual a la varianza poblacional).

9. Para Yi = βo + Ut. (Regresión sin variable independiente). Hallar:

a. Fórmula del estimador βo
b. Hallar la varianza de βo.
c. Demostrar βo es insesgado.
d. Demostrar βo es consistente.

10.Yi = α + β Xi hallar:
a. la fórmula del estimador de alfa.
b. la fórmula del estimador de beta
c. demostrar si beta es insesgado
d. la varianza de alfa
e. la varianza de beta
f. Si beta es consistente.

11. Demostrar que la multiplicación entre el Beta sombrero derivado de Y = f(X) y el beta
sombrero derivado de X = f(Y), es igual a R2.

12. Gujarati. Demostrar que la varianza de los residuos para una regresión lineal
Yi = α + β Xi, es igual a σ2u = ∑Ui2/(n-1).

13. Gujarati. Problema 3.9. Dados los siguientes modelos:

Modelo 1: Yi = β1 + β2 Xi + Ui
Modelo 2: Yi = α1 + α2(Xi – x̅) + Ut
a. Encuentre los estimadores α1 y β1 ¿Son idénticos? ¿Son sus varianzas idénticas?
 2

b. Encuentre los estimadores α2 y β2 ¿Son idénticos? ¿Son sus varianzas idénticas?

c. ¿Cuál es el mejor modelo?

15. En una regresión donde “Y” es variable dependiente; “x” es variable independiente.
Sean β̂ ̂
0 y β1 los estimadores de MCO en la regresión de log(yi ) sobre xi .
Suponga que yi > 0 para toda i. Para c1, una constante, c1 > 0, sean β̃ ̃
0 y β1 el
intercepto y la pendiente en la regresión de log(c1 yi ) sobre xi .
a. Muestre que β̃ ̂ ̃ ̂
1 = β1 y β0 = log(c1 ) + β0 .
2
b. Demuestre que el R es igual al cuadrado del coeficiente de correlación muestral
entre yi y ŷi . Es decir, compruebe que: R2 = [corr(yi , ŷi )]2

16.Yi = α + β Xi, sabiendo que (Xi, Yi) no tienen distribución normal estándar.
a. Convertirlas en variables con distribución normal (Xi*, Yi*).
b. Hallar valor esperado y varianza de Xi* y de Yi*.

17.Construir la fórmula del R2 a partir del gráfico de la varianza total de “Y”.

18. Fórmulas y conceptos de

a. Asimetría
b. Curtosis
c. Prueba de distribución normal: Jarque-Bera.