Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Solucionario Court Rengifo PDF
Solucionario Court Rengifo PDF
Econometría Financiera
Solucionario de
los Problemas
Propuestos
Eduardo Court Monteverde
Erick Williams Rengifo
C a pí t ulo
Estadística descriptiva
1
Estadísticas y Econometría Financiera
2
capítulo 1 Estadística descriptiva
Frecuencia
Frecuencia Frecuencia acumulada
Datos Bin Clase Frecuencia relativa acumulada relativa % acumulado
1,2 1 1 0 0,00%
1,5 2 2 3 0,15 3 0,15 15,00%
1,7 3 3 7 0,35 10 0,50 50,00%
2,0 4 4 7 0,35 17 0,85 85,00%
2,3 5 5 3 0,15 20 1,00 100,00%
2,5 y mayor... 0 100,00%
2,5 20 1 100,00%
2,8
2,9
2,9 Histograma
3,0
3,1 8 120,00%
3,2 7 100,00%
3,2 6
Frecuencia
5 80,00%
3,2 Frecuencia
4 60,00%
3,5 3 % acumulado
3,6 40,00%
2
4,1 1 20,00%
4,1 0 0,00%
4,4
Clase
3
Estadísticas y Econometría Financiera
5 80,00%
3,2 Frecuencia
4 60,00%
3,5 3 % acumulado
3,6 40,00%
2
4,1 1 20,00%
4,1 0 0,00%
4,4
Clase
12) Basados en los datos del ejercicio 8 calcule las siguientes medidas de tendencia central:
a. La media
Media Promedio() 2,885
b. La mediana
Mediana Mediana() 2,950
c. La moda
Moda Moda() 3,200
13) Basados en los datos del ejercicio 8 calcule las siguientes medidas de dispersión:
a. El rango
Rango Max()-Min() 3,200
4
capítulo 1 Estadística descriptiva
b. Los cuartiles
1er Cuartil, Q posición = ( N + 1) / 4 → (20 + 1) / 4 =
5, 25
Luego:
Q1 = [ 2,3 + 0, 25 × (2,5 − 2,3) ] ⇒ Q1 = 2,35
c. El rango inter-cuartil
El rango inter-cuartil es: Q3 − Q1 =
1, 075
f. La varianza muestral
La varianza muestral es: Var () = 0, 7413
14) Basadosen los datos del ejercicio 8 calcule la variable estandarizada (z) y demuestre que
su media es 0 y su varianza 1.
5
g. La desviación estándar muestral
14)y Basados
Estadísticas Econometríaen los datos del ejercicio 8 calcule la variable estandarizada (z) y
Financiera
demuestre que su media es 0 y su varianza 1.
Teniendo
Teniendo la base
la base de datos
de datos se calcula
se calcula el valor
el valor estandarizado
estandarizado para dato:
para cada cada dato:
16) Se tiene dos muestras. La media y desviación estándar de la primera es igual a 0,25 y
0,1, respectivamente. La media y desviación estándar de la segunda es igual a 210 y 5,
respectivamente. Comparando la desviación estándar de ambas se puede concluir que
la primera muestra es menos dispersa que la segunda. ¿Es esta conclusión válida? ¿Por
qué? ¿Cuál sería la manera correcta de determinar cuál de las muestras presenta más
dispersión?
Desviación Coeficiente
Descripción Media
estándar de variación
Muestra 1 0,25 0,10 0,400
Muestra 2 210,00 5,00 0,024
6
capítulo 1 Estadística descriptiva
7
Estadísticas y Econometría Financiera
a) Hacer el diagrama de series de tiempo del PBI y de los gastos en consumo persona-
les:
Gastos en consumo Inversión bruta en
Año Producto bruto interno
personales construcción residencial
2000 9.951,50 6.830,40 449,00
2001 10.286,20 7.148,80 472,40
2002 10.642,30 7.439,20 509,50
2003 11.142,10 7.804,00 577,60
2004 11.867,80 8.285,10 680,60
2005 12.638,40 8.819,00 775,00
2006 13.398,90 9.322,70 761,90
2007 14.077,60 9.826,40 629,00
2008 14.441,40 10.129,90 477,20
2009 14.256,30 10.089,10 361,00
10000
8000
6000
4000
2000
0
Años
b)
b) Hacer
Hacer eleldiagrama
diagrama de dispersión
de dispersión entre
entre el PBI y loselgastos
PBI eny consumo
los gastos en consumo
personales. Asumir
personales. Asumir es
que la variable endógena que la en
gastos variable
consumoendógena es gastos
personales. Añadir la línea en consumo
de tendencia y
personales. Añadir la línea de tendenciay mostrar la ecuación de
mostrar la ecuación de la misma, así como el coeficiente de determinación (R ). 2la misma,
así como elcoeficiente de determinación (R2).
8
capítulo 1 Estadística descriptiva
en Billones US$
9.000,00
personales
8.000,00
7.000,00
6.000,00
9.000,00 11.000,00 13.000,00 15.000,00
Gastos en consumo personales Lineal (Gastos en consumo personales)
9
Estadísticas y Econometría Financiera
Inversión bruta
Producto Bruto Gastos en consumo
Año en construcción
Interno personales
residencial
2000 9.951,50 6.830,40 449,00
2001 10.286,20 7.148,80 472,40
2002 10.642,30 7.439,20 509,50
2003 11.142,10 7.804,00 577,60
2004 11.867,80 8.285,10 680,60
2005 12.638,40 8.819,00 775,00
2006 13.398,90 9.322,70 761,90
2007 14.077,60 9.826,40 629,00
2008 14.441,40 10.129,90 477,20
2009 14.256,30 10.089,10 361,00
10
C a pí t ulo
Probabilidades
11
Estadísticas y Econometría Financiera
c) El espacio muestral del experimento: estará dado por los 36 posibles resultados pre-
sentados en la pregunta b).
d) Un evento cualquiera: Sacar un resultado de “2” al lanzar ambos dados.
e) La probabilidad de obtener 7: La probabilidad de obtener 7 es 6/36 = 0,1667. El
número 7 puede ser obtenido de las siguientes maneras:
{ (1,6), (2,5), (3,4), (4,3), (5,2), (6,1) }.
4. Se sabe que en un salón de clases hay 25 personas, de las cuales 15 son mujeres y 10
hombres. Si se elige aleatoriamente a una persona, empleando la forma clásica de calcu-
lar las probabilidades, ¿cuál es la probabilidad que la persona elegida sea un hombre?
La probabilidad calculada fue la siguiente:
Cantidad de hombres: 10
Cantidad total de personas: 25
P(A) = 10/25 = 0,4
5. ¿Cuál es el complemento de la probabilidad de la pregunta anterior?
P(A’) = 1 – P(A) = 1 – 0,4 = 0,6
6. Explique la ley que permite que se suponga que las frecuencias relativas sean considera-
das como probabilidades.
La ley de los grandes números dice que si se realiza un número grande de pruebas, la
frecuencia relativa con la que ocurre un evento se acercará a la probabilidad de que ocu-
rra para una sola prueba. Por ejemplo, si se lanza una moneda una vez, el resultado será
cara o cruz. Con un solo lanzamiento, la frecuencia relativa para sacar cara será 0 o 1.
Sin embargo, si se lanza la moneda muchas veces, la frecuencia relativa se aproximará a
0,5, que en teoría es “lo que debe ser”.
7. Si se tiene una moneda adecuadamente balanceada y se la tira una vez, ¿cuál será la
probabilidad de obtener cara?
Respuesta: P(A) = ½ = 0,5
8. Se quiere crear un carnet de miembros de un determinado club. Se desea que este car-
net tenga una identificación de 5 posiciones compuestas de letras y números. Se quiere
que la primera posición tenga una vocal y que las siguientes 4 posiciones tengan núme-
ros. ¿Cuántas identificaciones distintas se pueden crear? (Suponga que los números dis-
ponibles van del 0 a 9).
En A solo hay 5 posibilidades (a, e, i, o, u), y en las siguientes posiciones hay 10 posibi-
lidades (0, 1, 2, 3, 4, 5, 6, 7, 8, 9), entonces:
12
9. Se quiere realizar una promoción para un producto determinado. Se puede
hacer un descuento del 10%, 15% o del 20%. Se puede anunciar en una
revista especializada mediante un aviso pequeño, mediano
capítulo o grande y se
2 Probabilidades
puede o no poner paneles de propaganda en la tienda. ¿Cuántas opciones se
tienen para la realización de la promoción?
3
A B C D E
5Respuesta:
10 Las
10 opciones
10 que
10 se tienen para la realización de la promoción
serán 3 (descuentos) x 3 (tamaños) x 2 (paneles) = 18.
Identificaciones pueden =
Respuesta: Seposibles 5 ×50.000
crear 10 × 10 × 10 × 10 =distintas.
identificaciones 50.000
10. Se tiene un guardarropa en el que solo se pueden colocar tres pantalones a la
9. Respuesta: Se pueden
Se quiere realizar crear 50.000
una promoción paraidentificaciones distintas.
un producto determinado.
vez. Si se tienen 5 pantalones, ¿de cuántas formasSediferentes
hacer un descuento del 10%, 15% o del 20%. Se puede anunciar en una
puede
se los podrá
9. colocar?
Se quiere
revista realizar una promoción
especializada mediante unpara avisounpequeño,
productomediano
determinado.
o grandeSeypuede
se hacer un
descuento
puede odelno 10%, 15% o del
poner paneles 20%. Se puede
de propaganda anunciar
en la tienda. en una
¿Cuántas revistaseespecializada
opciones
tienen
mediante paraaviso
De acuerdo
un la realización
apequeño, demediano
lo descritola promoción?
son 5 pantalones
o grande y se puedey seopueden
no ponercolocar
paneles de3 apropa-
la vez.
ganda en la tienda.
Respuesta: ¿Cuántasque
Las opciones opciones se tienen
se tienen para lapara la realización
realización de la promoción?
de la promoción
serán 3 (descuentos) x 3 (tamaños) x 2 (paneles) = 18.
A B C
Respuesta: Las opciones que se tienen para la realización de la promoción serán 3
Se5tiene
4 un guardarropa
10. (descuentos)3× 3 (tamaños)
en el × 2 (paneles)
que = 18.colocar tres pantalones a la
solo se pueden
vez. Si se tienen 5 pantalones, ¿de cuántas formas diferentes se los podrá
10. Se tiene un guardarropa en el que solo se pueden colocar tres pantalones a
colocar? la vez. Si se
Por lo tanto, las formas en que las que se pueden colocar
tienen 5 pantalones, ¿de cuántas formas diferentes se los podrá colocar? los tres pantalones
De acuerdo a lo descrito son 5
serán iguales a 5 x 4 x 3 = 60.pantalones y se pueden colocar 3 a la vez.
De acuerdo a lo descrito son 5 pantalones y se pueden colocar 3 a la vez.
A B C
11.ASe 5 4B3
tiene unC estante de un supermercado donde se pueden colocar 10
5productos.4 Si
3 se cuenta con 15 productos, ¿de cuántas maneras distintas se
los lopodrá
Por tanto, colocar?
las formas en que las que se pueden colocar los tres pantalones
Por serán
lo tanto, las formas
iguales a 5 x 4 xen
3 =que
60. las que se pueden colocar los tres pantalones serán igua-
les aDe
5 ×acuerdo
4 × 3 = 60. a ello se deben realizar permutaciones de 15 en 10.
11. Se tiene un estante de un supermercado donde se pueden colocar 10
11. productos.
Se tiene Si se cuenta
un estante de un con 15 productos,
supermercado ¿de cuántas
donde maneras
se pueden distintas
colocar se
10 productos. Si se
15
𝑃𝑃
los podrá
= colocar?
10.897.286.400
cuenta10con 15 productos, ¿de cuántas maneras distintas se los podrá colocar?
De acuerdo
De acuerdo a ello
a ello se se deben realizarpermutaciones
permutaciones de 15
15enenque
10.
Respuesta: Ladeben realizar
cantidad de formas endelas 10. se pueden colocar los 15
15
productos es 10.897.286.400.
𝑃𝑃10 == 10.897.286.400
10.897.286.400
Respuesta: La La cantidad de formas
formas en
en las que sesepueden
puedencolocar los
los15
15productos es
12. Respuesta:
Si en el ejemplo cantidad de
anterior el orden las no
quees colocar
importante, ¿de cuántas maneras se
productos es 10.897.286.400.
10.897.286.400.
podrán colocar estos 15 productos en el estante de capacidad para 10
12. Si productos?
12.en
Sielenejemplo anterior
el ejemplo el el
anterior orden
ordenno
noesesimportante,
importante, ¿de cuántas manerasse
cuántas maneras se podrán co-
podrán colocar estos 15 productos en el estante de capacidad
locar estos 15 productos en el estante de capacidad para 10 productos? para 10
productos?
De acuerdo a ello se deben4realizar combinaciones de 15 en 10:
De acuerdo a ello se deben realizar combinaciones de 15 en 10:
De acuerdo a ello se deben realizar combinaciones de 15 en 10:
15 = 3.003
𝐶𝐶10 3.003
15
= 3.003
Respuesta:
𝐶𝐶10 La cantidad de formas en las que se pueden colocar los 15
productos,
Respuesta: La cantidad
considerando de formas
el orden en que en
se las coloca
que se es
pueden
3.003.colocar los 15 productos,
considerando el orden en que se las coloca es 3.003.
13. Se tienen 8 prototipos de un determinado producto. Solo se pueden lanzar al
13. Se tienen 38aprototipos
mercado la vez. De de un determinado
cuántas producto.
formas posibles Sololanzar:
se pueden se pueden lanzar al mercado
3 a la vez. De cuántas formas posibles se pueden lanzar:
a) Considerando el orden:
a) Considerando el orden:
𝑃𝑃38 == 336
336
13
𝐶𝐶38 = 56
14. Se tienen 3 tareas para la casa. ¿De cuántas maneras se las puede realizar?
a) Considerando el orden:
8
𝑃𝑃3 = 336 Financiera
Estadísticas y Econometría
14. Se tienen
14. Se tienen 33 tareas
tareas para
paralalacasa.
casa.¿De
¿De cuántas
cuántasmaneras
manerasseselas
laspuede
puederealizar?
realizar?
De acuerdo a lo descrito son 3 tareas, las cuales se deben realizar sin un orden especí-
De acuerdo a lo descrito son 3 tareas, las cuales se deben realizar sin un
fico. específico.
orden
A B C
A B C
3 2 1
3 2 1
P( A E )
0, 09
P( E | A) 0, 27
P(A)=0,34 P( F | A) 0, 41 P( A F )
0,14
P( D | B) 0,30 P( B D)
0, 08
P( B E )
0, 07
P( E | B) 0, 26
P(B)=0,27
P( F | B) 0, 44 P( B F )
0,12
P(C E )
0,10
P( E | C ) 0,33
P( F | C ) 0,31 P(C F )
0,16
17
Estadísticas y Econometría Financiera
Reemplazando,
0,14
× 0, 42
0, 42 0,14
P ( F=
| A) = = 0, 412
0,11 0, 09 0,14
× 0,32 + × 0, 26 + × 0, 42 0,34
0,32 0, 26 0, 42
18
capítulo 2 Probabilidades
P ( R | R, R) 4 / 10 P( R R R) 0, 064
P ( R | R ) 4 / 10
P ( N | R, R ) 6 / 10 P( R R N ) 0, 096
P(R)=4/10 P ( R | R, N ) 4 / 10 P( R N R)
0, 096
P ( N | R ) 6 / 10
P ( N | R, N ) 6 / 10 P( R N N )
0,144
P ( R | N , R) 4 / 10 P( N R R) 0, 096
P ( R | N ) 4 / 10
P(N)=6/10 P ( N | N , R ) 4 / 10 P( N R N ) 0,144
P ( R | N , N ) 4 / 10 P( N N R)
0,144
P ( N | N ) 6 / 10
P ( N | N , N ) 6 / 10 P( N N N )
0, 216
19
Estadísticas y Econometría Financiera
¿Cuál es la probabilidad que se saquen las bolas en la siguiente secuencia: {roja, roja,
e)
negra}?
P(R∩R∩N) = 0,096 = 9,6%
¿Cuál es la probabilidad que la segunda bola sea negra dado que la primera fue ne-
f)
gra?
P(N|N) = 0,6 = 60%
¿Cuál es la probabilidad que la tercera bola sea roja dado que la primera fue negra y
g)
la segunda fue roja?
P(R|N,R) = 0,4 = 40%
27. Siguiendo con los datos de la pregunta 26, pero esta vez asumiendo que el experimento
se realiza sin reemplazo, es decir, que una vez que se saca una bola y se anota su color,
no se le devuelve a la caja antes de realizar la siguiente selección.
a) Construya el diagrama del árbol correspondiente. Incluya las probabilidades margi-
nales, las condicionales y las conjuntas.
Note que en este ejemplo sin reemplazo, los eventos NO son independientes.
P( R | R, R) 2 / 8 P( R R R) 0, 033
P( R | R) 3 / 9
P( N | R, R) 6 / 8 P( R R N ) 0,100
P(R)=4/10 P( R | R, N ) 3 / 8 P( R N R)
0,100
P( N | R ) 6 / 9
P( N | R, N ) 5 / 8 P( R N N )
0,170
P( R | N , R) 3 / 8 P( N R R) 0,100
P( R | N ) 4 / 9
P(N)=6/10 P( N | N , R) 5 / 8 P( N R N ) 0,167
P( R | N , N ) 4 / 8 P( N N R)
0,167
P( N | N ) 5 / 9
P( N | N , N ) 4 / 8 P( N N N )
0,167
20
capítulo 2 Probabilidades
¿Cuál es la probabilidad que se saquen las bolas en la siguiente secuencia: {roja, roja,
e)
negra}?
P(R∩R∩N) = 0,10 = 10%
¿Cuál es la probabilidad que la segunda bola sea negra dado que la primera fue ne-
f)
gra?
P(N|N) = 5/9 = 0,56 = 56%
¿Cuál es la probabilidad que la tercera bola sea roja dado que la primera fue negra y
g)
la segunda fue roja?
P(R|N,R) = 3/8 = 0,375 = 37,5%
28. Lasiguiente tabla presenta la distribución de probabilidades referida al número de litros
de agua consumidos semanalmente por 10.000 familias:
Tabla 10
Tabla 11
21
Estadísticas y Econometría Financiera
µ x E (=
= x) (0,30) × (600) + (0,5) × (500) + (0, 20) × (−450)
= $ 340
µ= E (=
y ) (0,30) × (200) + (0,5) × (80) + (0, 20) × (−110)
= $ 78
y
Por lo tanto, la covarianza entre las acciones e instrumentos de renta fija será:
σ xy = (0,10) × [(600 − 340) × (200 − 78)] + (0,50) × [(500 − 340) × (80 − 78)] +
(0, 20) × [(−450 − 340) × (−110 − 78)] =
$39.380
σ x= (0,30) × (600 − 340) 2 + (0,5) × (500 − 340) 2 + (0, 20) × (−450 − 340) 2= $ 397,37
σ= (0,30) × (200 − 78) 2 + (0,5) × (80 − 78) 2 + (0, 20) × ( −110 − 78)=
2
$ 107, 41
y
22
C a pí t ulo
Funciones de distribución
de probabilidad discretas
23
Estadísticas y Econometría Financiera
24
capítulo 3 Funciones de distribución de probabilidad discretas
4) Por medio del uso de Excel, verifique que la distribución binomial es:1
a) Simétrica: si π = 0,5 o si el número de tentativas es bastante grande. Use π = 0,5 y
n = 10, y π = 0,4 y n = 100.
n=10 y π=0,5
0,3000
0,2500
0,2000
0,1500
0,1000
0,0500
0,0000
1 2 3 4 5 6 7 8 9 10 11
n=100 y π=0,4
0,0900
0,0800
0,0700
0,0600
0,0500
0,0400
0,0300
0,0200
0,0100
0,0000
1
3
5
7
9
11
13
15
17
19
23
25
29
31
35
37
41
43
47
49
51
53
55
57
59
61
63
65
67
69
71
73
75
77
79
81
83
85
87
89
91
93
97
99
21
27
33
39
45
95
101
1 Esto se presenta en la planilla Excel capitulo3_ejercicio2_binomial.xls, en las hojas llamadas a, b y c. Aquí solamente se han mostrado
los gráficos correspondientes.
25
3 0,2013 0,8791
4 0,0881 0,9672
5 0,0264 0,9936
6 0,0055 0,9991
Estadísticas y Econometría Financiera
7 0,0008 0,9999
8 0,0001 1,0000
b) Asimétrica positiva: si π <1,0000
9 0,0000 0,5 y el número de tentativas es pequeño. Use π = 0,2 y
10
n = 10. 0,0000 1,0000
n 10 n=10 y π=0,2
π 0,8
0,3500
x P(X = x)
0,3000
P(X ≤ x)
0 0,0000 0,0000
0,2500
1 0,0000 0,0000
2 0,2000
0,0001 0,0001
3 0,15000,0008 0,0009
4 0,10000,0055 0,0064
5 0,0500
0,0264 0,0328
6 0,0881 0,1209
0,0000
7 0,2013
1 2
0,3222
3 4 5 6 7 8 9 10 11
8 0,3020 0,6242
9 0,2684 0,8926
10 c)
0,1074 1,0000
Asimétrica negativa: si π > 0,5 y el número de tentativas es pequeño. Use π = 0,8 y
n = 10.
n=10 y π=0,8
0,3500
0,3000
0,2500
0,2000
0,1500
0,1000
0,0500
-
1 2 3 4 5 6 7 8 9 10 11
26
capítulo 3 Funciones de distribución de probabilidad discretas
27
Estadísticas y Econometría Financiera
7) Se desea saber si las personas que trabajan en una determinada empresa pondrán sus
pensiones en una administradora privada de pensiones. Las únicas respuestas posibles
de los empleados son sí (éxito) o no (fracaso). Si el número de trabajadores de la em-
presa es de 50, de los cuales se seleccionan aleatoriamente y sin reemplazo a 20 emplea-
dos. Se supone que históricamente la probabilidad que una persona decida enrolarse es
igual al 20%.
a) ¿Se puede utilizar la distribución binomial para calcular las probabilidades? Analice
el supuesto del modelo binomial asociado con que la probabilidad de suceso en
cada tentativa debe ser el mismo. Asimismo utilice el criterio basado en el tamaño
de la muestra (en comparación de la población) que hace que el supuesto se asuma
como satisfecho.
No se puede utilizar la distribución binomial ya que el supuesto que las probabili-
dades de éxito se mantienen constantes no se cumple (la muestra es sin reemplazo y
el tamaño de la muestra es pequeño comparado con el de la población).
b) ¿Su respuesta cambiaría si el número de empleados de la empresa fuese 500?
La regla para poder asumir que las probabilidades de éxito se mantienen constantes
es n ≤ 0,05 N (el tamaño de la muestra es menor o igual al 5% del tamaño de la
población). Si N = 500 y n = 20, se puede observar que 20 ≤ 0,05 (500). Por lo
tanto, se podrá utilizar la distribución binomial.
c) Bajo el supuesto original (50 empleados que trabajan en la empresa), ¿cuál sería la
distribución adecuada a utilizar?
La distribución a usar sería la distribución hipergeométrica.
8) Responder las siguientes preguntas basadas en la pregunta 7. Considere que el número
de empleados de la empresa es igual a 500 (para que se pueda emplear la distribución
binomial). Se recuerda que de estos empleados, se toma una muestra (sin reemplazo) de
20, a los que se les pregunta si desean poner sus pensiones en una administradora pri-
vada de pensiones. Un éxito será obtener una respuesta afirmativa. Se sabe que históri-
camente la probabilidad que una persona decida enrolarse es igual al 20%.
Para todas las siguientes preguntas, se define x = número de empleados que pondrán
sus pensiones en una administradora privada de pensiones. La hoja Excel que acom-
paña a este ejercicio es capitulo3_ejercicio8_binomial.xls.
28
capítulo 3 Funciones de distribución de probabilidad discretas
29
Estadísticas y Econometría Financiera
Por lo tanto, la desviación estándar será igual a la parte positiva de la raíz cuadrada
de este número:
desv_std(x) = 1,7889
9) ¿En qué casos se utiliza la distribución hipergeométrica?
Cuando los eventos no son estadísticamente independientes, por ejemplo, cuando el
muestreo es sin reemplazo, las probabilidades de suceso no son constantes, violando
una vez más uno de los supuestos de la función de probabilidades binomial.
En estos casos la distribución a usar debe ser la distribución hipergeométrica.
10) Se tiene una caja con 15 bolas, 8 son rojas y 7 son amarillas. Se seleccionan al azar 5
bolas, 1 a la vez, y se anota el color de la misma. Se supone que éxito es cuando la bola
extraída es de color amarillo. El experimento se realiza sin reemplazo, es decir, que una
vez que se saca una bola y se anota su color, no se le devuelve a la caja antes de realizar
la siguiente selección.
X = bola extraída es amarilla.
¿Cuál es la probabilidad de sacar exactamente 3 bolas amarillas?
a)
P(x = 3) = 0,3263
Para comprobar esta respuesta se emplea la fórmula para calcular las probabilidades
usando la distribución hipergeométrica.
7! 8!
7 15 − 7 (7 − 3)!× 3! (8 − 2)!× 2!
C ×C
P( x= 3)= 3
15
5−3
= = 0,3263
C 5 15!
(15 − 5)!× 5!
30
capítulo 3 Funciones de distribución de probabilidad discretas
12) Resuelvala pregunta 7 con los datos originales, es decir, con el número de empleados
de la empresa igual a 50. Se recuerda que de estos empleados, se toma una muestra (sin
reemplazo) de 20, a los que se les pregunta si desean poner sus pensiones en una admi-
nistradora privada de pensiones. Un éxito será obtener una respuesta afirmativa. Se co-
noce que históricamente la probabilidad que una persona decida enrolarse es igual al
20%. (Se recomienda comparar estos resultados con los obtenidos en la pregunta 8.)
Para todas las siguientes preguntas se define x = número de empleados que pondrán sus
pensiones en una administradora privada de pensiones. En base a los datos del problema
se asumirá que k es el 20% del total de empleados de la empresa, es decir, k = 10. La hoja
Excel que acompaña a este ejercicio es capitulo3_ejercicio12_hipergeometrica.xls.
¿Cuál es la probabilidad que exactamente 5 pongan sus pensiones en la administra-
a)
dora privada de pensiones?
P(x = 5) = 0,2151
b) ¿Cuál es la probabilidad que al menos 3 empleados se enrolen en la administradora?
P(x ≥ 3) = 1 - P(x < 3) = 1 - P(x ≤ 2) = 1 - 0,1390 = 0,8610
c) ¿Cuál es la probabilidad que no más de 3 empleados se enrolen en la administra-
dora?
P(x ≤ 3) = 0,3650
31
Estadísticas y Econometría Financiera
32
capítulo 3 Funciones de distribución de probabilidad discretas
14) Sise observa el número de clientes que son atendidos cada hora por un determinado
cajero en una agencia bancaria. Las observaciones que corresponden a las 8 horas de
trabajo en un día en particular son: 5, 6, 10, 15, 13, 8, 5, 8.
Para las siguientes preguntas se asumirá que x es el número de clientes atendidos por
hora por el cajero. La hoja Excel que corresponde al siguiente ejercicio es capitulo3_
ejercicio14_Poisson.xls.
a) Calcular el promedio de clientes atendidos por hora (λ).
El promedio de las observaciones por hora de trabajo es igual a:
5 + 6 + 10 + 15 + 13 + 8 + 5 + 8 70
x
= = λ
= = 8, 75
8 8
¿Cuál es la probabilidad que el cajero no atienda a ningún cliente en una hora de
b)
trabajo?
P(x = 0) = 0,0002
¿Cuál es la probabilidad que el cajero atienda exactamente a 8 clientes en una hora
c)
de trabajo?
P(x = 8) = 0,1350
d) ¿Cuál es la probabilidad que el cajero atienda exactamente al menos a 7 clientes en
una hora de trabajo?
P(x ≥ 7) = 1 - P(x < 7) = 1 - P(x ≤ 6) = 1 - 0,2305 = 0,7695
e) ¿Cuál es la probabilidad que el cajero atienda a menos de 8 clientes en una hora de
trabajo?
P(x < 8) = P(x ≤ 7) = 0,3540
f) ¿Cuál es la probabilidad que el cajero atienda entre 6 y 10 clientes en una hora de
trabajo?
P(6 ≤ x ≤ 10) = P(x ≤ 10) - P(x < 6) = P(x ≤ 10) - P(x ≤ 5) = 0,7352 - 0,1317 = 0,6035
¿Cuál es la probabilidad que el cajero atienda exactamente a 12 clientes en una hora
g)
de trabajo?
P(x = 12) = 0,0666
15) Repitala pregunta 14 pero esta vez utilice el promedio histórico de clientes atendidos
por hora, que es igual a 7.
Para las siguientes preguntas se toma en cuenta que x es el número de clientes atendidos
por hora por el cajero. La hoja Excel que corresponde al siguiente ejercicio es capitulo3_
ejercicio15_Poisson.xls.
33
Estadísticas y Econometría Financiera
34
capítulo 3 Funciones de distribución de probabilidad discretas
g) ¿Se puede afirmar que el cajero de la pregunta 14 es más eficiente que la media de
cajeros del banco?
La media histórica es igual a 7. Si se toma la media muestral obtenida en la pre-
gunta anterior (8,75) como representativa de la productividad del cajero, la res-
puesta sería afirmativa.
16) Tome en cuenta los datos de la pregunta 14 y utilice Excel construya la tabla de proba-
bilidades de la distribución de Poisson. Calcule λ. Incluya las probabilidades margina-
les y las probabilidades acumuladas.
La hoja Excel de este ejercicio es capitulo3_ejercicio14_Poisson.xls.
35
Estadísticas y Econometría Financiera
17) Con los datos de la pregunta 15 y usando Excel, construya la tabla de probabilidades de
la distribución de Poisson. Incluya las probabilidades marginales y las probabilidades
acumuladas.
La hoja Excel de este ejercicio es capitulo3_ejercicio15_Poisson.xls.
18) Seconoce que el promedio (λ) de pacientes por hora que llegan a la sala de emergencias
de un hospital es igual 3,6. Si se define a la variable aleatoria x como el número de pa-
cientes atendidos en la sala de emergencias por hora. Responder:
¿Cuál es la probabilidad que en una hora lleguen 7 pacientes?
a)
P(x = 7) = 0,0425
¿Cuál es la probabilidad que ningún paciente llegue en la siguiente hora?
b)
P(x = 0) = 0,0273
c) ¿Cuál es la probabilidad que lleguen entre 2 y 5 pacientes en una hora?
P(2 ≤ x ≤ 5) = P(x ≤ 5) - P(x < 2) = P(x ≤ 5) - P(x ≤ 1) = 0,8441 - 0,1257 = 0,7184
d) ¿Cuál es la probabilidad que al menos lleguen 3 pacientes en una hora?
P(x ≥ 3) = 1 - P(x < 3) = 1 - P(x ≤ 2) = 1 - 0,3027 = 0,6972
e) ¿Cuál es la probabilidad que a lo máximo lleguen 5 pacientes en una hora?
P(x ≤ 5) = 0,8441
36
capítulo 3 Funciones de distribución de probabilidad discretas
37
C a pí t ulo
Distribuciones de
probabilidad continuas
b) P(x ≤ 4):
P(x ≤ 4) = (4 - 1) × (0,2) = 0,6
Es 4 - 1 porque x ocurre en el intervalo [1,6] y la probabilidad en todo ese intervalo
tiene que ser 1.
c) P(1 ≤ x ≤ 4):
P(1 ≤ x ≤ 4) = (4 - 1) × (0,2) = 0,6
39
Estadísticas y Econometría Financiera
(b − a) 2
σ =
2
=3 → (b − a) 2 =36
12
Resolviendo el sistema se obtendrá:
a = 2 y b = 8
O bien,
a = 8 y b = 2
Como b representa el límite superior, se seleccionará con la primera opción (a = 2 y
b = 8).
Antes de proceder con el cálculo de las probabilidades se necesita calcular la altura
del rectángulo. Este estará dado por:
1 1
= = 0,1667
(b − a ) (8 − 2)
b) P(x ≤ 3):
P(x ≤ 3) = (3 - 2) × (0,1667) = 0,1667
Es (3 – 2) porque x ocurre en el intervalo [2,8] y la probabilidad en todo ese inter-
valo tiene que ser 1.
40
capítulo 4 Distribuciones de probabilidad continuas
c) P(3 ≤ x ≤ 7):
P(3 ≤ x ≤ 7) = (7 - 3) × (0,1667) = 0,6668
d) P(2 < x ≤ 4):
P(2 < x ≤ 4) = (4 - 2) × (0,1667) = 0,3334
e) P(x > 6):
P(x > 6) = 1 - P(x ≤ 6) = 1 - (6 - 2) × (0,1667) = 1 - 0,6668 = 0,3332
f) P(x ≥ 3):
P(x ≥ 3) = 1 - P(x ≤ 3) = 1 - (3 - 2) × (0,1667) = 1 - 0,1667 = 0,8333
4) Se conoce que el promedio (λ) de pacientes por hora que llegan a la sala de emergencias
de un hospital es igual 3,6. Se define a la variable aleatoria x como el tiempo entre la
llegada de los pacientes. Responda:
En primer lugar se transforma el número de pacientes en pacientes por hora.
a) ¿Cuál es la probabilidad que un paciente llegue en los siguientes 10 minutos, dado
que acaba de llegar un paciente?
10 minutos = 0,1667 horas (10/60)
F ( x) = 1 − e −3,6 × (0,1667) =
P(tiempo de ocurrencia ≤ 0,1667 horas) = 0, 45
b) ¿Cuál es la probabilidad que ningún paciente llegue en la siguiente hora, dado que
acaba de llegar un paciente?
P( x ≥ 1)= e − λ ×=
k
e −3,6 × (1)= 0, 00
c) ¿Cuál es la probabilidad que algún paciente llegue entre los próximos 10 y 20 minu-
tos, dado que acaba de llegar un paciente?
P(0,1667 ≤ x ≤ 0,34)= P( x ≤ 0,3334) − P( x ≤ 0,1667)
Es decir, que en promedio se espera que llegue un paciente cada 0,28 horas.
e) ¿Cuál es la varianza del tiempo esperado en el que arribará otro paciente?
1 1
σ=
2
= = 0, 0772
λ 2
3, 62
41
Estadísticas y Econometría Financiera
1 − e −35 × (0,0833) =
P( x ≤ 0,0833 horas ) = 0,9458
42
capítulo 4 Distribuciones de probabilidad continuas
Es decir, que en promedio se espera que un cliente compre cada 0,0286 horas (o
sea, cada 1,71 minutos, ya que 0,0286 × 60 = 1,71).
e) ¿Cuál es la varianza del tiempo esperado de la distribución en este caso?
1 1
σ=
2
= = 0, 0008
λ2
352
7) Por medio de Excel construya la tabla de probabilidades marginales de la distribución
exponencial dada la información del ejemplo anterior.
La hoja Excel de este ejercicio se llama “capitulo4_ejercicio6_Exponencial.xls”.
43
Estadísticas y Econometría Financiera
8) Se tiene una variable aleatoria x ~ N(10,2), es decir, que la variable aleatoria x se distri-
buye como una normal con media 10 y desviación estándar 2. Utilice la regla empírica
para responder las siguientes preguntas:
Se recuerda la regla empírica mediante el siguiente gráfico:
0,50 0,50
-4 -3 -2 -1 0 1 2 3 4
68,3%
95,5%
99,7%
a) P(x ≥ 10):
10 − 10
P ( x ≥ 10 ) = P z ≥ = P ( z ≥ 0) = 0,5
2
b) P(8 ≤ x ≤ 12):
8 − 10 x − µ 12 − 10
P (8 ≤ x ≤ 12) = P ≤ ≤ = P (−1 ≤ z ≤ 1) = 0, 683
2 σ 2
c) P(4 ≤ x ≤ 14):
4 − 10 x − µ 14 − 10
P(4 ≤ x ≤ 14) = P ≤ ≤ = P(−3 ≤ z ≤ 2)
2 σ 2
0,955 0,997
P(−3 ≤ z ≤ =
2) P( z ≤ 2) − P( z ≤ −=
3) −
2 2
P(−3 ≤ z =
≤ 2) 0, 4775 + 0, 4985
= 0,976
d) P(4 ≤ x ≤ 16):
4 − 10 x − µ 16 − 10
P (4 ≤ x ≤ 16) = P ≤ ≤ = P (−3 ≤ z ≤ 3) = 0,997
2 σ 2
44
capítulo 4 Distribuciones de probabilidad continuas
e) P(x ≤ 8):
8 − 10 0, 683
) P z ≤
P ( x ≤ 8= = P ( z ≤ −1)
= 0,5 − = 0,1585
2 2
f) P(x ≥ 6):
6 − 10 0,955
) P z ≥
P ( x ≥ 6= = P ( z ≥ −2)
= 0,5 + = 0,9775
2 2
b) P(5 ≤ x ≤ 6):
5−7 x− µ 6−7
P (5 ≤ x ≤ 6)= P ≤ ≤ = P (−1,3333 ≤ z ≤ −0, 6667)
1,5 σ 1,5
c) P(7 ≤ x ≤ 9):
7−7 x−µ 9−7
P(7 ≤ x ≤ 9)= P ≤ ≤ = P(0 ≤ z ≤ 1,3333)
1,5 σ 1,5
45
Estadísticas y Econometría Financiera
f) P(x ≥ 6):
6−7
P ( x ≥ 6) = P z ≥ = P( z ≥ −0, 6667) = 1 − P( z < −0, 6667) = 1 − 0, 252482 = 0, 747518
1,5
10) Seconoce que los salarios (expresados en miles de U.M.) de las personas que trabajan
en una determinada empresa transnacional siguen una distribución normal con media
50 y varianza 20. En base a esta información determinar lo siguiente:
a) P(x > 60):
60 − 50
P ( x>60 ) =
P z> =P( z > 2, 2361) =
1 − P( z ≤ 2, 2361) =
1 − 0,987327 =
0, 012673
20
c) P(45 ≤ x ≤ 75):
45 − 50 x − µ 75 − 50
P (45 ≤ x ≤ 75) = P ≤ ≤ = P (−1,1180 ≤ z ≤ 5,5902)
20 σ 20
P(−1,12 ≤ z ≤ 3,35)
= P ( z ≤ 5,5902) − P ( z ≤ −1,1180)
= 1, 000000 − 0,131783
= 0,868217
46
capítulo 4 Distribuciones de probabilidad continuas
P(−0, 44 ≤ z ≤ 0,19)
= P ( z ≤ 0,1899) − P ( z ≤ −0, 4430)
= 0,575306 − 0,328883
= 0, 246423
P ( z ≤ 0,8228) =
0, 794689
P(−3, 29 ≤ z ≤ −2,97)
= P ( z ≤ −2,9747) − P ( z ≤ −3, 2911)
= 0, 001466 − 0, 000499
= 0, 000967
47
Estadísticas y Econometría Financiera
48
capítulo 4 Distribuciones de probabilidad continuas
P( x ≤ 35) − P( x=
≤ 9) 0,131334 − 0, 00000
= 0,131334
Como se puede observar en las preguntas e) - f), los valores obtenidos mediante la
distribución binomial son bastante cercanos a los obtenidos con la distribución nor-
mal.
14) Construya la tabla de probabilidades de la chi cuadrada con 3 grados de libertad. Cons-
truya la tabla desde cero hasta 20 con incrementos de 0,5. Conteste lo siguiente:
La hoja Excel se llama “capitulo4_ejercicio14_chi_cuadrada.xls”. Recuerde que Excel
presenta las probabilidades desde el número deseado hasta +∞. De acuerdo a esto
último se ajusta la forma en determinar las probabilidades. Se adjunta una parte de la
tabla a los efectos prácticos.
49
Estadísticas y Econometría Financiera
50
capítulo 4 Distribuciones de probabilidad continuas
51
Estadísticas y Econometría Financiera
Tabla 1
52
capítulo 4 Distribuciones de probabilidad continuas
53
Estadísticas y Econometría Financiera
21) Sise tiene una población que se distribuye como una normal con media 20 y desvia-
ción estándar 3, de la cual se extrae una muestra de tamaño 10. Conteste las siguientes
preguntas:
En este caso, ¿cuál es la distribución de las medias muestrales?
a)
X~N(20,3)
Por lo tanto la muestra, independientemente del tamaño de la muestra, será tam-
bién normal.
b) ¿Cuál es la media y el error estándar de las medias muestrales?
media muestral= µ= 20
σ 3
=s = = 0,9487
n 10
c) P( x > 18) .
x − µ 18 − 20
P( x > 18)
= P > = P( z > −2,1081)
σ 0,9487
n
d) P( x ≤ 16) .
16 − 20
P( x ≤ 16)
= P z ≤ = P( z ≤ −4, 2163)
= 0, 000012
0,9487
e) P ( 21 ≤ x ≤ 23) .
21 − 20 23 − 20
P ( 21 ≤ x ≤ 23) = P ≤z≤ = P(−1, 0541 ≤ z ≤ 3,1622)
0,9487 0,9487
22) Sise tiene una población que no se distribuye como una normal. La media del proceso
es 5 y la desviación estándar es 0,75. De esta población se saca una muestra de tamaño
10. Conteste las siguientes preguntas:
a) ¿Se puede afirmar que en este caso la distribución muestral será una normal?
No, porque la población no se distribuye como una normal.
b) ¿Su respuesta cambiaría si el tamaño de las muestras fuera 50?
Sí, porque en ese caso se puede afirmar que el teorema del límite central se cumple,
por lo que la muestra se distribuirá como una normal.
54
capítulo 4 Distribuciones de probabilidad continuas
b) P ( x > 5.5 ) :
5,5 − 5
P ( x > 5,5 ) =
P z > =P( z > 4, 7125) =
1 − P( z ≤ 4, 7125) =
1 − 0,999999 =
0, 000001
0,1061
c) P (5 ≤ x ≤ 7) :
5−5 7−5
P ( 5 ≤ x ≤ 7 )= P ≤z≤ = P (0 ≤ z ≤ 18,8501)= 0,50
0,1061 0,1061
d) P ( 4 ≤ x ≤ 6) :
4−5 6−5
P ( 4 ≤ x ≤ 6) = P ≤z≤ = P(−9, 4251 ≤ z ≤ 9, 4251)
0,1061 0,1061
24) Sise tiene un índice de sentimiento de los inversionistas, que señala lo que los inversio-
nistas creen que pasará con la economía el próximo año en términos de expectativas de
crecimiento o recesión. Se supone que 57% del total de inversionistas esperan que la
economía crezca el próximo año. Se toma aleatoriamente una muestra de 40 inversio-
nistas. Responda lo siguiente:
a) Verifique que las condiciones para la aproximación mediante la distribución normal
se cumplen.
Las condiciones son:
n × π ≥ 5 y n × π (1 - π) ≥ 5
Si se reemplaza por los valores dados en el ejercicio:
40 × 0,57 = 22,8 ≥ 5
40 × 0,57 × (1 - 0,57) = 9,804 ≥ 5
Por lo tanto, la condición se cumple y se puede afirmar que la proporción muestral
se distribuye como una normal.
55
Estadísticas y Econometría Financiera
d) P(p ≤ 0,6):
0, 6 − 0,57
P ( p ≤ 0, 6 ) = P z ≤ = P ( z ≤ 0,3831) =0, 649177
0, 0783
e) P(0,3 ≤ p ≤ 0,7):
0,3 − 0,57 0, 6 − 0,57
P ( 0,3 ≤ p ≤ 0, 6 ) = P ≤z≤ = P(−3, 4483 ≤ z ≤ 0,3831)
0, 0783 0, 0783
56
C a pí t ulo
Estadística inferencial:
Intervalos de confianza
57
Estadísticas y Econometría Financiera
58
capítulo 5 Estadística inferencial: Intervalos de confianza
11) Confeccione una hoja Excel que replique los resultados obtenidos en la pregunta ante-
rior.
La hoja de Excel con el desarrollo del ejercicio anterior se llama “capitulo5_
ejercicio10_Z.xlsx”.
59
Estadísticas y Econometría Financiera
12) ¿Es
cierto que conforme los grados de libertad de la distribución t de Student se incre-
mentan, la distribución tenderá hacia una distribución normal?
Correcto.
13) Trabaje con los datos de la pregunta 10. Suponga que no se conoce la varianza pobla-
cional. En este caso, lo que se hace es calcular la media y la varianza muestral. Los va-
lores estimados son 245 y 49 para la media y la varianza muestral, respectivamente.
Basados en esta información:
La solución de este ejercicio usando Excel se llama “capitulo5_ejercicio13_t.xlsx”
a) Construya el intervalo de confianza para la media poblacional. Asuma un nivel de
significancia igual al 5%:
s 7
µ ∈ x ± t(10−1) × → µ ∈ 245 ± 2, 2622 × → µ ∈ [239,9925; 250, 0075]
n 10
60
capítulo 5 Estadística inferencial: Intervalos de confianza
14) ¿Enesta última pregunta, se puede verificar que la amplitud de los intervalos de con-
fianza se incrementa conforme se incrementan los niveles de confianza deseados?
Correcto. Se puede apreciar que la amplitud del primer intervalo (95%) es mayor que el
segundo (90%).
15) Sesabe que el número de horas semanales trabajadas por los empleados de una deter-
minada empresa siguen una distribución normal. Se tomó una muestra de 50 emplea-
dos y se obtuvo la media y la desviación estándar muestral, que son iguales a 45 y 2,7,
respectivamente. En base a esta información responda:
a) ¿Cuál es el estimador puntual de la media poblacional?
El estimador puntual es 45.
b) Construya el intervalo de confianza para la media poblacional. Asuma un nivel de
significancia igual al 5%.
s 2, 7
µ ∈ x ± t(50−1) × → µ ∈ 45 ± 2, 01× → µ ∈ [44, 2327; 45, 7673]
n 50
c) Construya el intervalo de confianza para la media poblacional. Asuma un nivel de
significancia igual al 10%.
s 2, 7
µ ∈ x ± t(50−1) × → µ ∈ 45 ± 1, 68 × → µ ∈ [44,3598; 45, 6402]
n 50
61
Estadísticas y Econometría Financiera
17) Dada las siguientes observaciones de una muestra proveniente de una población distri-
buida aproximadamente como una normal, construya el intervalo de confianza para la
media poblacional considerando un nivel de confianza del 99%: 22, 31, 28, 22, 29, 25,
30, 24, 26, 29.
Esta pregunta se encuentra resuelta en la hoja Excel “capitulo5_ejercicio17_t.xlsx”.
La media muestral es igual a 26,60 y la desviación estándar igual a 3,27. Por lo tanto, el
intervalo de confianza será:
3, 27
µ ∈ 26, 60 ± 3, 2498 × → µ ∈ [ 23, 2366; 29,9634]
10
62
capítulo 5 Estadística inferencial: Intervalos de confianza
3,5
µ ∈ 45 ± 2, 0096 × → µ ∈ [ 44, 0053; 45,9947 ]
50
19) ¿Cuálesson las condiciones para que la aproximación de la binomial mediante la distri-
bución normal sea adecuada?
La distribución binomial es adecuadamente aproximada usando la distribución normal
cuando la probabilidad de suceso (p) es cercana a 0,5 o cuando n es bastante grande. En
general, esta aproximación será buena si se cumple que (n × p ≥ 5) y [n × (1 – p) ≥ 5].
20) Sehizo una encuesta sobre la intención de voto hacia un determinado candidato. Las
posibles respuestas eran a favor y en contra. El tamaño de la muestra fue de 500 perso-
nas, de las cuales 342 dijeron que estaban a favor del candidato.
Primero, se tiene que verificar que las condiciones para usar la distribución normal para
aproximar la distribución binomial son satisfechas:
n × p ≥ 5 → (500) × (0,684) = 342 > 5
[n × (1- p) ≥ 5 → (500) × (1 - 0,684) = 158 > 5
Por lo tanto, se podrá resolver este ejercicio usando las técnicas presentadas en el capí-
tulo 5.
¿Cuál es el valor de la proporción muestral?
a)
p = 342/500 = 0,684
b) Construya el intervalo de confianza del 90% para la proporción poblacional (π)
definida como la proporción de los encuestados que votarían por el candidato.
La media de la distribución binomial está dada por:
p= E ( p )= p= 0, 684
El error estándar está dado por:
p × (1 − p ) 0, 684 × (1 − 0, 684)
=σp = = 0, 0208
n 500
Por lo tanto, el intervalo de confianza será:
p × (1 − p )
π ∈p± z → π ∈ [ 0, 684 ± 1, 645 × 0, 0208] → π ∈ [ 0, 6498;0, 7182]
n
c) Basado en el intervalo obtenido y si se sabe que el candidato requiere del 51% de los
votos para ser elegido, ¿se puede estar casi seguros que el candidato será elegido en
estas elecciones?
Sí, el 51% cae dentro del intervalo de confianza mostrado en la pregunta anterior.
63
Estadísticas y Econometría Financiera
p × (1 − p ) 0,35 × (1 − 0,35)
=σp = = 0, 0477
n 100
p × (1 − p )
π ∈p± z → π ∈ [ 0,35 ± 1,96 × 0, 0477 ] → π ∈ [ 0, 2565;0, 4435]
n
22) Siga con la pregunta anterior, si la lista de clientes contiene una relación de 500 clien-
tes:
a) ¿Cómo afecta esto los cálculos de la estimación de los intervalos de confianza?
En este caso, se conoce N (el tamaño de la población). Por lo tanto, se debe verificar
si se tiene el problema de tamaño de población finita: n ≥ 0,05 × N; en este caso
efectivamente el tamaño de la muestra (100) es mayor que el 5% del tamaño de la
población (0,05 × 500 = 25). Se observa que se tiene el problema de tamaño de
población finita y se debe ajustar el error estándar.
b) Construya el intervalo de confianza del 95% para la proporción poblacional (π)
definida como la proporción de los clientes que compraron menos de 10 unidades
del producto en un mes, ajustando la fórmula por tamaño poblacional pequeño.
p × (1 − p ) N −n 500 − 100
π ∈p ± z× × → π ∈ 0,35 ± 1,96 × 0, 0477 ×
n N −1 500 − 1
64
capítulo 5 Estadística inferencial: Intervalos de confianza
65
Estadísticas y Econometría Financiera
27) Se desea realizar una encuesta para determinar la factibilidad de poner una cafetería en
el campus de una determinada universidad. Si se determina que existe una proporción
significativa de estudiantes interesados se pondrá en marcha el proyecto. Se desea que
el error máximo de la proporción muestral sea de 0,03 y el nivel de confianza igual al
95%, ¿cuál será el número de estudiantes a entrevistar?
Como no se conoce un valor aproximado de p, se utilizará 0,5 como valor de p.
z 2 × p × (1 − p ) 1,962 × 0,5 × (1 − 0,5)
=n = = 1.067,11 ≅ 1.068
e2 0, 032
28) Prosigacon la pregunta 27. Si antes de la realización de la encuesta se hace una prueba
piloto y se determina que la muestra proporcional de este piloto es 0,6; dado un nivel
de confianza del 95%, ¿cuál será el número de estudiantes a entrevistar?
z 2 × p × (1 − p) 1,962 × 0, 6 × (1 − 0, 6)
=n = = 1.024, 43 ≅ 1.025
e2 0, 032
66
C a pí t ulo
Estadística inferencial:
Pruebas de hipótesis para la media
1) ¿Cuáles son las características que deben de satisfacer: la hipótesis nula y la alternativa?
Deben de ser mutuamente exclusivas y exhaustivas.
2) Se tienen las siguientes hipótesis, señale las que están correctamente estructuradas en
base a su respuesta de la pregunta anterior:
a) H0: µ = 20; H1: µ ≠ 20.
b) H0: µ < 20; H1: µ > 20.
c) H0: µ > 20; H1: µ ≤ 20.
d) H0: µ > 20; H1: µ ≤ 19.
e) H0: µ > 20; H1: µ ≥ 20.
Las respuestas correctas son: a) y c).
3) ¿Cuál es la regla de decisión basada en los valores críticos para una hipótesis no direc-
cional?
Rechazar la hipótesis nula si el valor del test estadístico cae a la derecha o izquierda de
los valores críticos.
4) ¿Qué es el p-valor y cuál es la regla para rechazar la hipótesis nula?
Si el p-valor es menor que la significancia estadística, rechazar la hipótesis nula.
67
Estadísticas y Econometría Financiera
5) ¿Es posible que la decisión usando el criterio del valor crítico sea diferente a la decisión
alcanzada con el p-valor?
No.
6) Un juez realiza sus decisiones pensando que es mejor dejar libre a una persona culpable
que enviar a la cárcel a una persona inocente. ¿Qué tipo de error estadístico (tipo I o
tipo II) es el que utiliza al momento de decidir? Suponga que la hipótesis nula es que la
persona es culpable.
El error tipo I: Probabilidad de rechazar la hipótesis nula cuando esta es correcta.
7) Se tiene una población que se distribuye como una normal con desviación estándar
poblacional (σ) igual a 3. Se toma una muestra de 15 elementos de esta población y se
calcula la media muestral, la cual es igual a 16. Siga los pasos señalados en el capítulo y
realice la siguiente prueba de hipótesis, asumiendo que el nivel de confianza es del
95%:
a) H0: µ = 17; H1: µ ≠ 17.
Paso 1: Determinar el valor de z:
En este caso se emplea Excel y se obtiene z = 1,96 y z = −1,96.
Se advierte que este valor es conocido como el valor crítico de la hipótesis.
Paso 2: Calcular es z-test:
16 − 17
z − test = −1, 29
=
3 15
-1,29
-1.96 1.96
-4 -3 -2 -1 0 1 2 3 4
68
capítulo 6 Estadística inferencial: Pruebas de hipótesis para la media
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está entre los valores críticos, no se rechaza la hipótesis nula.
d) En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
El p-valor (la probabilidad asociada al z-test) es igual a:
P-valor = 0,098525 × 2 = 0,197051
Por lo tanto, como este valor es mayor que 0,05 (el nivel de significancia), no se re-
chazará la hipótesis nula.
e) Construya el intervalo de confianza respectivo y utilícelo como criterio para decidir
si rechaza o no la hipótesis nula.
3
µ ∈ 16 ± 1,96 × → µ ∈ [14, 4818;17,5182]
15
69
Estadísticas y Econometría Financiera
-1,645 1,645
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está a la izquierda del valores crítico z = −1,645, se rechaza la hipóte-
sis nula.
d) En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
Se calcula con Excel y se obtiene el siguiente valor crítico relacionado con el z-test:
P-valor = 0,02275 × 2 = 0,0455
Como el p-valor es menor que el nivel de significancia (0,10), se rechaza la hipótesis
nula. Recuerde que se multiplica por dos porque se está trabajando con una prueba
no direccional.
e) Construya el intervalo de confianza respectivo y utilícelo como criterio para decidir
si rechaza o no la hipótesis nula.
150
µ ∈ 1.240 ± 1, 645 × → µ ∈ [1.190, 65;1.289,35]
25
Como se puede apreciar 1.300 no se encuentra en este intervalo, por lo que se re-
chaza la hipótesis nula.
9) Basado en la pregunta 8, para un nivel de confianza del 95%, realice la siguiente prueba
de hipótesis:
a) H0: µ > 1.500; H1: µ ≤ 1.500.
Paso 1: Determinar el valor de z.
En este caso se emplea Excel y se obtiene z = −1,645. Recuerde que en este caso la
región de rechazo se encuentra a la izquierda, por lo que solo se considera el valor
crítico en esta cola.
70
capítulo 6 Estadística inferencial: Pruebas de hipótesis para la media
Rechazar No rechazar
-8,6667
-1.645
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está a la izquierda del valor crítico z = −1,645, se rechaza la hipótesis
nula.
d) En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
Al utilizar Excel se obtiene el siguiente valor crítico relacionado con el z-test:
P-valor = 0,0000
Como el p-valor es menor que el nivel de significancia (0,05), se rechaza la hipótesis
nula.
10) Con
los datos de la pregunta 8, para un nivel de confianza del 99%, realice la siguiente
prueba de hipótesis:
a) H0: µ < 1.100; H1: µ ≥ 1.100.
Paso 1: Determinar el valor de z:
En este caso se usa Excel y se obtiene z = 2,326. Recuerde que en este caso la región
de rechazo se encuentra a la derecha, por lo que solo se considera el valor crítico en
esta cola.
71
Estadísticas y Econometría Financiera
No rechazar Rechazar
4,6667
2,326
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está a la derecha de valor crítico z = 2,326, se rechaza la hipótesis
nula.
d) En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
Al utilizar Excel se obtiene el siguiente valor crítico relacionado con el z-test:
P-valor = 0,9999
Como el p-valor es mayor que el nivel de significancia (0,01), se rechaza la hipótesis
nula.
11) Se tiene el registro de la velocidad de los vehículos que pasan por un determinado cruce
peatonal. Se supone que la máxima velocidad permitida es de 15km/hora. Se toma una
muestra de 100 vehículos y se calcula la media y la varianza muestral, que son iguales a
18 km/hora y 4 km/hora, respectivamente. Para un nivel de confianza del 95% realice
la siguiente prueba de hipótesis:
a) H0: µ = 15; H1: µ ≠ 15.
En primer lugar, advierta que la desviación estándar poblacional no es conocida.
Por lo tanto, se utilizará la prueba t.
72
capítulo 6 Estadística inferencial: Pruebas de hipótesis para la media
15
-2,276 2,276
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el t-test está a la derecha de valor crítico t = 2,276, se rechaza la hipótesis
nula.
d) En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
Cuando se utiliza Excel se obtiene el siguiente valor crítico relacionado con el t-test:
P-valor = 0,0000 × 2 = 0,0000
Como el p-valor es menor que el nivel de significancia (0,05), se rechaza la hipótesis
nula. Recuerde que se multiplica por dos porque se está trabajando con una prueba
no direccional.
e) Construya el intervalo de confianza respectivo y utilícelo como criterio para decidir
si rechaza o no la hipótesis nula.
2
µ ∈ 18 ± 2,326 x → µ ∈ [17,5348;18, 4652]
100
73
Estadísticas y Econometría Financiera
Rechazar No rechazar
-10
-1,9842
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el t-test está a la izquierda del valor crítico t = −1,9842, se rechaza la hipóte-
sis nula.
74
capítulo 6 Estadística inferencial: Pruebas de hipótesis para la media
No rechazar Rechazar
40
2,6264
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el t-test está a la derecha del valor crítico t = 2,6264, se rechaza la hipótesis
nula.
75
Estadísticas y Econometría Financiera
-2,326 2,326
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está a la derecha del valores crítico z = 2,326, se rechaza la hipótesis
nula.
76
capítulo 6 Estadística inferencial: Pruebas de hipótesis para la media
77
Estadísticas y Econometría Financiera
Rechazar No rechazar
-2,50 -1,645
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test (−2,50) está a la izquierda del valor crítico z = −1,645, se rechaza la
hipótesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,00621
Este valor es menor que el nivel de significancia estadístico (0,05), por lo que se re-
chaza la hipótesis nula.
16) Basadoen la pregunta 14, para un nivel de confianza del 99%, efectúe la siguiente
prueba de hipótesis:
a) H0: µ < 150; H1: µ ≥ 150.
Paso 1: Determinar el valor de z.
En este caso se tiene una prueba de hipótesis direccional con el área de rechazo a la
derecha. Se emplea Excel y se obtiene z = 2,326.
Paso 2: Calcular es z-test.
180 − 150
z −=
test = 7,50
20 25
78
capítulo 6 Estadística inferencial: Pruebas de hipótesis para la media
No rechazar Rechazar
7,50
2,326
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test (7,50) está a la derecha del valor crítico z = 2,326, se rechaza la hipó-
tesis nula.
d) En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
P-valor = 0,000
Este valor es menor que el nivel de significancia estadístico (0,01), por lo que se re-
chaza la hipótesis nula.
17) Serealizó una serie de “focus groups” para determinar el nivel de aprobación del sabor
de un nuevo producto que se desea introducir al mercado. Las opciones presentadas
fueron: aprueba el sabor o no la aprueba. El número total de personas participantes en
los grupos de discusión fue de 170, de las cuales 103 aprobaron el sabor. Si se supone
que éxito es la aprobación del sabor y un nivel de significancia estadístico del 5%, res-
ponda las siguientes preguntas y realice la siguiente hipótesis:
a) ¿Cuál es el valor de la proporción muestral de los sucesos?
103
p
= = 0, 61
170
b) ¿Se puede emplear la aproximación de la binomial usando la normal? (compruebe la
condiciones necesarias para que esto sea cierto).
Las condiciones son: (n × p) ≥ 5 y [n × (1 − p)] ≥ 5.
Por lo tanto, como 170 × (0,61) = 103,7 ≥ 5 y 170 × (1 - 0,61) = 66,3 ≥ 5, las con-
diciones son satisfechas para usar la aproximación normal.
c) H0: π = 0,60; H1: π ≠ 0,60:
Paso 1: Determinar el valor de z.
79
Estadísticas y Econometría Financiera
En este caso se tiene una prueba de hipótesis no direccional con áreas de rechazo a
ambos lados de la distribución. Se emplea Excel y se obtiene z = 1,96 y z = −1,96.
Paso 2: Calcular es z-test.
0, 61 − 0, 60 0, 01
z − test= = = 0, 27
0, 61× (1 − 0, 61) 0, 037
170
e) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está entre los valores crítico z = 1,96 y z = -1,96, no se rechaza la hi-
pótesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
f)
P-valor = 0,39358 × 2 = 0,78716
Este valor es mayor que el nivel de significancia estadístico (0,05), por lo que no se
rechaza la hipótesis nula.
g) Construya el intervalo de confianza respectivo y utilícelo como criterio para decidir
si rechaza o no la hipótesis nula.
El valor de z para un nivel de confianza del 95% es igual a 1,96, por lo que el inter-
valo de confianza para la proporción poblacional será:
0, 61× (1 − 0, 61)
π ∈ 0, 61 ± 1,96 → π ∈ [ 0,5367;0, 6833]
170
80
capítulo 6 Estadística inferencial: Pruebas de hipótesis para la media
De nuevo, el valor de la hipótesis nula 0,60, cae en este intervalo por lo que la hipó-
tesis nula no se puede rechazar.
18) Tomelos datos de la pregunta 17 y para un nivel de confianza del 95%, realice la si-
guiente prueba de hipótesis:
a) H0: π > 0,50; H1: π ≤ 0,50.
Paso 1: Determinar el valor de z.
En este caso se tiene una prueba de hipótesis direccional con el área de rechazo a la
izquierda. Se utiliza Excel y se obtiene z = −1,645.
Paso 2: Calcular es z-test.
0, 61 − 0,50 0,11
z − test= = = 2,97
0, 61× (1 − 0, 61) 0, 037
170
Rechazar No rechazar
2,97
-1,645
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está a la derecha del valor crítico z = −1,645, no se rechaza la hipóte-
sis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,9985
Este valor es mayor que el nivel de significancia estadístico (0,05), por lo que no se
rechaza la hipótesis nula.
81
Estadísticas y Econometría Financiera
19) Partade los datos de la pregunta 17, para un nivel de confianza del 99%, haga la si-
guiente prueba de hipótesis:
a) H0: π < 0,70; H1: π ≥ 0,70:
Paso 1: Determinar el valor de z.
En este caso se tiene una prueba de hipótesis direccional con el área de rechazo a la
derecha. Se usa Excel y se obtiene z = 2,326.
Paso 2: Calcular es z-test.
0, 61 − 0, 70 −0, 09
z − test = = −2, 4064
=
0, 61× (1 − 0, 61) 0, 0374
170
No rechazar Rechazar
-2,4064 2,326
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está a la izquierda del valor crítico z = 2,326, no se rechaza la hipó-
tesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,9925
Este valor es mayor que el nivel de significancia estadístico (0,01), por lo que no se
rechaza la hipótesis nula.
82
capítulo 6 Estadística inferencial: Pruebas de hipótesis para la media
20) En
los últimos 3 ciclos académicos, el 60% de estudiantes del doctorado en finanzas
aprobaron al primer intento el examen del curso de métodos cuantitativos. Si la pre-
sente clase tiene 35 estudiantes, con un nivel de confianza del 95%, responda las si-
guientes preguntas y realice la siguiente hipótesis:
a) ¿Se puede utilizar la aproximación de la binomial empleando la normal (compruebe
la condiciones necesarias para que esto sea cierto)?
Las condiciones son: (n × p) ≥ 5 y [n × (1 − p)] ≥ 5.
Por lo tanto, como 35 × (0,60) = 21 ≥ 5 y 35 × (1 - 0,60) = 14 ≥ 5, las condiciones
son satisfechas para usar la aproximación normal.
La proporción de estudiantes de la presente clase que aprobará el examen de méto-
b)
dos cuantitativos en el primer intento será igual al 70%.
H0: π = 0,70; H1: π ≠ 0,70.
Paso 1: Determinar el valor de z.
En este caso se tiene una prueba de hipótesis no direccional con áreas de rechazo a
ambos lados de la distribución. Se emplea Excel y se obtiene z = 1,96 y z = −1,96.
Paso 2: Calcular es z-test.
0, 60 − 0, 70 −0,10
z − test = = −1, 2077
=
0, 60 × (1 − 0, 60) 0, 0828
35
-1,2077
-1,96 1,96
-4 -3 -2 -1 0 1 2 3 4
83
Estadísticas y Econometría Financiera
d) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está entre los valores crítico z = 1,96 y z = −1,96, no se rechaza la
hipótesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
e)
P-valor = 0,1131 × 2 = 0,2263
Este valor es mayor que el nivel de significancia estadístico (0,05), por lo que no se
rechaza la hipótesis nula.
f) Construya el intervalo de confianza respectivo y utilícelo como criterio para decidir
si rechaza o no la hipótesis nula.
El valor de z para un nivel de confianza del 95% es igual a 1,96, por lo que el inter-
valo de confianza para la proporción poblacional será:
0, 60 × (1 − 0, 60)
π ∈ 0, 60 ± 1,96 → π ∈ [ 0, 4377;0, 7623]
35
De nuevo 0,70 (el valor de la hipótesis nula) cae en este intervalo por lo que la hipó-
tesis nula no se puede rechazar.
21) Partade los datos de la pregunta 20, para un nivel de confianza del 95%, realice la si-
guiente prueba de hipótesis:
a) La proporción de estudiantes de la presente clase que aprobará el examen de méto-
dos cuantitativos en el primer intento será mayor al 60%.
H0: π > 0,60; H1: π ≤ 0,60.
Paso 1: Determinar el valor de z.
En este caso se tiene una prueba de hipótesis direccional con área de rechazo a la
izquierda. Se usa Excel y se obtiene z = −1,645.
Paso 2: Calcular es z-test.
0, 60 − 0, 60 0, 00
z − test
= = = 0, 00
0, 60 × (1 − 0, 60) 0, 0828
35
84
capítulo 6 Estadística inferencial: Pruebas de hipótesis para la media
Rechazar No rechazar
0,00
-1,645
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está a la derecha del valor crítico z = −1,645, no se rechaza la hipóte-
sis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,50
Como el p-valor es mayor que el nivel de significancia (0,05), no se rechaza la hipó-
tesis nula.
22) Basado
en la pregunta 20, para un nivel de confianza del 99%, efectúe la siguiente
prueba de hipótesis:
La proporción de estudiantes de la presente clase que aprobará el examen de méto-
a)
dos cuantitativos en el primer intento será de no más del 50%.
H0: π ≤ 0,50; H1: π > 0,50.
Paso 1: Determinar el valor de z.
En este caso se tiene una prueba de hipótesis direccional con área de rechazo a la
derecha. Se emplea Excel y se calcula z = 2,326.
Paso 2: Calcular es z-test.
0, 60 − 0,50 0,10
z − test
= = = 1, 2077
0, 60 × (1 − 0, 60) 0, 0828
35
85
Estadísticas y Econometría Financiera
No rechazar Rechazar
-1,2077 2,326
-4 -3 -2 -1 0 1 2 3 4
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como el z-test está a la izquierda del valor crítico z = 2,326, no se rechaza la hipó-
tesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,11
Como el p-valor es mayor que el nivel de significancia (0,05), no se rechaza la hipó-
tesis nula.
86
C a pí t ulo
Estadística inferencial:
Aplicaciones de la chi cuadrada
χ sup
2
CHIINV(0,975;19), donde 19 corresponde a los grados de libertad de este
ejemplo (n - 1 = 20 - 1 = 19). Los valores críticos que se obtendrán con Excel son
8,9065 y 32,8523, para el valor inferior y superior, respectivamente. Estos valores se
encuentran en la hoja “chi_cuadrada_tabla de valores”.
Paso 2: Calcular el chi-test.
En este paso simplemente se reemplazan los valores en la ecuación (4) para obtener
el estadístico.
87
Estadísticas y Econometría Financiera
(n − 1) × s 2 (20 − 1) × 3,52
χ 2 −=
test = = 21,1591
σ 02 11
α /2 = 0,025 α /2 = 0,025
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como se puede observar el chi-test cae en medio de ambos valores críticos, por lo
que no se rechazará la hipótesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,6561
Como el p-valor es mayor que el nivel de significancia (0,05), no se rechaza la hipó-
tesis nula.
e) Construya el intervalo de confianza para la varianza poblacional y utilícelo para
rechazar o no la hipótesis nula.
(20 − 1) × (3,52 ) (20 − 1) × (3,52 )
≤σ ≤
2
→ 7, 085 ≤ σ 2 ≤ 26,133
32,8523 8,9065
88
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
Como se puede apreciar el valor de la hipótesis nula (11) cae dentro del intervalo de
confianza, por lo que no se rechaza la hipótesis nula.
2) Basado en la pregunta 1, para un nivel de confianza del 90%, realice la siguiente prueba
de hipótesis:
a) H0: σ 2 > 14; H1: σ 2 ≤ 14:
Paso 1: Determinar el valor de chi cuadrada.
Se recuerda que Excel provee la probabilidad desde el valor deseado hasta +∞. En
este caso se tiene una prueba direccional con el área de rechazo a la izquierda. Al
utilizar Excel se obtiene usando CHIINV(0,90;19). El valor crítico que se obtiene
es 11,6509.
Paso 2: Calcular el chi-test.
En este paso simplemente se reemplazan los valores en la ecuación (4) para obtener
el estadístico.
(n − 1) × s 2 (20 − 1) × 3,52
χ 2 −=
test = = 16, 625
σ 02 14
89
Estadísticas y Econometría Financiera
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como se puede observar el chi-test cae a la derecha del valor crítico, por lo que no
se rechazará la hipótesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,3847
Como el p-valor es mayor que el nivel de significancia (0,05), no se rechaza la hipó-
tesis nula.
3) En base a los datos de la pregunta 1, para un nivel de confianza del 99%, realice la si-
guiente prueba de hipótesis:
a) H0: σ 2 ≤ 10; H1: σ 2 > 10:
Paso 1: Determinar el valor de chi cuadrada.
Se recuerda que Excel provee la probabilidad desde el valor deseado hasta +∞. En
este caso se tiene una prueba direccional con el área de rechazo a la derecha. Con la
utilización de Excel se obtiene usando CHIINV(0,01;19). El valor crítico que se
obtiene es 36,1909.
Paso 2: Calcular el chi-test.
En este paso simplemente se reemplazan los valores en la ecuación (4) para obtener
el estadístico.
(n − 1) × s 2 (20 − 1) × 3,52
χ 2 −=
test = = 23, 275
σ 02 10
90
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como se puede observar el chi-test cae a la izquierda del valor crítico, por lo que no
se rechazará la hipótesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,2254
Como el p-valor es mayor que el nivel de significancia (0,05), no se rechaza la hipó-
tesis nula.
4) Se tienen los balances de todos los bancos que operan en un determinado país. Se ha
observado que el valor de los activos sigue una distribución normal. Se toma una mues-
tra de 30 bancos y se calcula la varianza de la muestra. Esta varianza muestral es igual
a 459. Con un nivel de confianza del 90% realice la siguiente prueba de hipótesis de la
varianza poblacional:
l documento de Excel que acompaña a este ejercicio se llama “ capitulo7_ejercicio4_
E
chi_valores_criticos.xlsx”.
a) H0: σ 2 = 500; H1: σ 2 ≠ 500:
Paso 1: Determinar el valor de chi cuadrada.
Se recuerda que Excel provee la probabilidad desde el valor deseado hasta +∞. Por
lo tanto, para hallar el χ inf
2
se tendrá que usar CHIINV(0,05;29) y para determinar
χ sup
2
CHIINV(0,95;29), donde 29 corresponde a los grados de libertad de este ejem-
plo (n - 1 = 30 - 1 = 29). Los valores críticos que se obtendrán con Excel son
17,7084 y 42,5570, para el valor inferior y superior, respectivamente
Paso 2: Calcular el chi-test.
En este paso simplemente se reemplazan los valores en la ecuación (4) para obtener
el estadístico.
(n − 1) × s 2 (30 − 1) × 459
χ 2 −=
test = = 26, 622
σ 02 500
91
Estadísticas y Econometría Financiera
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como se puede observar el chi-test cae en medio de ambos valores críticos, por lo
que no se rechazará la hipótesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,8156
Como el p-valor es mayor que el nivel de significancia (0,10), no se rechaza la hipó-
tesis nula.
e) Construya el intervalo de confianza para la varianza poblacional y utilícelo para
rechazar o no la hipótesis nula.
(30 − 1) × 459 (30 − 1) × 459
≤σ2 ≤ → 312, 7805 ≤ σ 2 ≤ 751, 6772
42,5570 17, 7084
Como se puede apreciar el valor de la hipótesis nula (500) cae dentro del intervalo
de confianza, por lo que no se rechaza la hipótesis nula.
5) Con los datos de la pregunta 4, para un nivel de confianza del 95%, realice la siguiente
prueba de hipótesis:
a) H0: σ 2 > 500; H1: σ 2 ≤ 500:
Paso 1: Determinar el valor de chi cuadrada.
En este caso se tiene una hipótesis direccional con el área de rechazo a la izquierda.
Se recuerda que Excel provee la probabilidad desde el valor deseado hasta +∞. Por
lo tanto, para hallar el χ se tendrá que usar CHIINV(0,95;29), donde 29 corres-
2
92
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Se recuerda que se está trabajando con una prueba direccional con área de rechazo
a la izquierda. Como se puede observar el chi-test cae a la derecha del valor crítico
(en la zona de no rechazo), por lo que no se rechazará la hipótesis nula.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
d)
P-valor = 0,4078
Como el p-valor es mayor que el nivel de significancia (0,05), no se rechaza la hipó-
tesis nula.
6) Basado en la pregunta 4, para un nivel de confianza del 99%, realice la siguiente prueba
de hipótesis:
a) H0: σ 2 ≤ 400; H1: σ 2 > 400:
93
Estadísticas y Econometría Financiera
c) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Se recuerda que se está trabajando con una prueba direccional con área de rechazo
a la derecha. Como se puede observar el chi-test cae a la izquierda del valor crítico
(en la zona de no rechazo), por lo que no se rechazará la hipótesis nula.
94
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
Tabla 15
Aprobó
Totales
Sí No
Femenino 25 14 39
Masculino 14 9 23
Totales 39 23 62
95
Estadísticas y Econometría Financiera
Tabla 15, a)
Marca Totales
CC PP
Promoción 0,629 × 39 = 24,53 0,371 × 39 = 14,47 39
No promoción 0,629 × 23 = 14,47 0,371 × 23 = 8,53 23
Totales 39 23 62
Tabla 16
96
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
Bolsa de Valores
Totales
A B
Acción 1 0,5849 × 4,1 = 2,398 0,4151 × 2,7 = 1,121 6,8
Acción 2 0, 5849 × 5,2 = 3,041 0,4151 × 3,9 = 1,619 9,1
Totales 9,3 6,6 15,9
97
Estadísticas y Econometría Financiera
6, 6
p2
= = 0, 4151
15,9
Tabla 16, b)
Bolsa de Valores
Totales
A B
Acción 1 0,5849 × 4,1 = 2,398 0,4151 × 2,7 = 1,121 6,8
Acción 2 0,5849 × 5,2 = 3,041 0,4151 × 3,9 = 1,619 9,1
Totales 9,3 6,6 15,9
98
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
b) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Al ser el valor del chi-test (8,1786) mayor que el valor crítico, se rechazará la hipóte-
sis nula de independencia. Lo que significa que, dada la información que se dis-
pone, el volumen negociado dependerá de la Bolsa de Valores donde se negocien las
acciones.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
c)
P-valor = 0,0042
Por lo tanto, como el p-valor es menor que el nivel de significancia estadístico
(0,01), se rechaza la hipótesis nula.
10) Setiene la siguiente tabla de frecuencias en la que se presentan las ventas de todas las
tiendas que son parte de una determinada cadena:
Tabla 17
Ventas
Número de tiendas
(En cientos de miles de U.M.)
<25 2
[25,35) 8
[35,45) 12
[45,55) 14
[55,65) 11
[65,75) 7
>75 1
Paso 1: Poner la información en una sola fila e identificar los límites de las clases.
De ser necesario juntar las clases con menos de 5 observaciones.
Tabla 17, a)
99
Estadísticas y Econometría Financiera
Se puede observar que las clases de los extremos tienen valores menores a 5, por lo
que se deben juntar con las observaciones adyacentes a las mismas:
Tabla 17, b)
35 − 52 45 − 52 55 − 52 65 − 52
10 10 10 10
P ( −1, 70 ≤ z ≤ −=
0, 70 ) 0, 2420 − 0,=
0446 0,1974
P ( −0, 70 ≤ z ≤ 0,30
= ) 0, 6179 − 0, 2420
= 0,3759
P ( 0,30 ≤ z ≤ 1,30
= ) 0,9032 − 0, 6179
= 0, 2853
P ( z > 1,30 ) =
1 − 0,9032 =
0, 0968
Paso 4: Calcular los valores esperados (Ei ).
Los valores esperados (para cada clase) se calculan simplemente multiplicando la
probabilidad de cada clase por el número total de observaciones en la muestra.
Los valores esperados se muestran en la siguiente tabla:
Tabla 17, c)
100
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
Como se puede observar en esta tabla existen valores menores que 5, por lo que se
debe ajustar las tablas 17, b) y 17, c) de la siguiente manera:
Tabla 17, d)
Tabla 17, e)
La tabla 17, d) corresponde a los valores observados y la tabla 17, e) a los valores es-
perados.
Paso 5: Proceder con la prueba de hipótesis.
Una vez que se tienen la tabla con los valores esperados, se procede a calcular el chi-
test de bondad de ajuste, presentado en la ecuación (8):
(22 − 13,31) 2 (14 − 20, 675) 2 (11 − 15, 692) 2 (8 − 5,324) 2
χ=
2
− test + + + = 10,577
13,31 20, 675 15, 692 5,324
Ahora, se procederá a encontrar el valor crítico basado en una chi cuadrada con
(c – m – 1) grados de libertad. En este caso, el número de parámetros de la distribu-
ción normal estimados a partir de la muestra es igual a 2 (m = 2). El número final
de columnas en la tabla es 4 (c = 4). Por lo tanto, los grados de libertad serán iguales
a 1 (4 - 2 - 1). Se usa Excel para obtener el valor crítico que será igual a 2,7055.
En este caso, el chi-test = 10,577 es mayor que 2,7055. Por lo que se rechaza H0, lo
que significa que la muestra no proviene de una distribución normal.
b) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
En este caso, el chi-test = 10,577 es mayor que 2,7055. Por lo tanto, se rechaza H0,
lo que significa que la muestra no proviene de una distribución normal.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
c)
P-valor = 0,0012
Como el p-valor es menor que el nivel de significancia del 10%, se rechaza la hipó-
tesis nula.
11) Basadoen la pregunta 10, solo la desviación estándar ha sido calculada a partir de los
datos de la muestra y es igual a 10.
101
Estadísticas y Econometría Financiera
Paso 1: Poner la información en una sola fila e identificar los límites de las clases.
De ser necesario juntar las clases con menos de 5 observaciones.
Tabla 17, f)
Se puede observar que las clases de los extremos tienen valores menores a 5, por lo
que se debe juntar con las observaciones adyacentes a las mismas:
Tabla 17, g)
35 − 50 45 − 50 55 − 50 65 − 50
10 10 10 10
102
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
Tabla 17, h)
Como se puede observar en esta tabla existen valores menores que 5, por lo que se
debe ajustar las tablas 17, g) y 17, h) de la siguiente manera:
Tabla 17, i)
Tabla 17, j)
La tabla 17, i) corresponde a los valores observados y la tabla 17, j) a los valores espe-
rados.
Paso 5: Proceder con la prueba de hipótesis.
Una vez que se tienen la tabla con los valores esperados, se procede a calcular el chi-
test de bondad de ajuste, presentado en la ecuación (8):
(22 − 16,968) 2 (14 − 21, 065) 2 (19 − 16,968) 2
χ − test
= 2
+ + = 4,105
16,968 21, 065 16,968
Ahora, se procederá a encontrar el valor crítico basados en una chi cuadrada con
(c – m – 1) grados de libertad. En este caso, el número de parámetros de la distribu-
ción normal estimados a partir de la muestra es igual a 1 (m = 1), recordar que solo
se ha estimado la desviación estándar. El número final de columnas en la tabla es 3
(c = 3). Por lo tanto los grados de libertad serán iguales a 1 (3 - 1 - 1). Al usar Excel
el valor crítico será igual a 3,8415.
En este caso chi-test = 4,105 es mayor que 3,8415. Por lo tanto, se rechaza H0, lo
que significa que la muestra no proviene de una distribución normal.
103
Estadísticas y Econometría Financiera
b) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
En este caso, el valor del chi-test = 4,105 es mayor que 3,8415. Por lo tanto, se re-
chaza H0, lo que significa que la muestra no proviene de una distribución normal.
c) En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
P-valor = 0,043
Como el p-valor es menor que el nivel de significancia del 5%, se rechaza la hipóte-
sis nula.
12) Con los datos de la pregunta 10, asuma que trabaja con un nivel de confianza del 95%:
a) Se desea probar la siguiente hipótesis:
H0: La muestra proviene de una distribución normal con media 50 y desviación
estándar de 4.
H1: La muestra NO proviene de una distribución normal con media 50 y
desviación estándar de 4.
Paso 1: Poner la información en una sola fila e identificar los límites de las clases.
De ser necesario juntar las clases con menos de 5 observaciones.
Tabla 17, i)
Se puede observar que las clases de los extremos tienen valores menores a 5, por lo
que se debe juntar con las observaciones adyacentes a las mismas:
Tabla 17, j)
35 − 50 45 − 50 55 − 50 65 − 50
4 4 4 4
104
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
P ( −3, 75 ≤ z ≤ −1,
= 25 ) 0,1056 − 0,=
0001 0,1055
P ( −1, 25 ≤ z ≤ 1,=
25 ) 0,8944 − 0,1056
= 0, 7888
P (1, 25 ≤ z ≤ 3, 75=
) 1, 000 − 0,8944
= 0,1056
P ( z > 3, 75 ) =
1 − 0,9999 =
0, 0001
Paso 4: Calcular los valores esperados (Ei ).
Los valores esperados (para cada clase) se calculan simplemente multiplicando la
probabilidad de cada clase por el número total de observaciones en la muestra.
Los valores esperados se muestran en la siguiente tabla:
Tabla 17, k)
Como se puede observar en esta tabla existen valores menores que 5, por lo que se
debe ajustar las tablas 17, b) y 17, c) de la siguiente manera:
Tabla 17, l)
Tabla 17, m)
La tabla 17, l) corresponde a los valores observados y la tabla 17, m) a los valores es-
perados.
105
Estadísticas y Econometría Financiera
Tabla 18
Intervalo Frecuencia
[1,2) 40
[2,3) 42
[3,4) 43
[4,5) 39
[5,6] 41
a) Basado en estos datos y asumiendo un nivel de confianza del 95%, ¿se podría afir-
mar que la variable aleatoria se distribuye como una distribución uniforme con pa-
rámetros a = 1, b = 6?
Antes de proceder con el cálculo de las probabilidades se necesita calcular la altura
del rectángulo (ver el capitulo 4). Este estará dado por:
106
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
1 1
= = 0, 20
(b − a ) (6 − 1)
Por lo tanto, si los datos siguen una distribución uniforme, la probabilidad será la
misma independientemente del intervalo. Con esto en mente, la tabla de valores es-
perados será:
Tabla 18, a)
Una vez calculada la tabla con los valores esperados, se utiliza la ecuación (8) para
determinar el chi-test:
c
(Oi − Ei ) 2 (40 − 41) 2 (42 − 41) 2 (43 − 41) 2 (39 − 41) 2 (41 − 41) 2
χ 2 − test = ∑ = + + + +
i =1 Ei 41 41 41 41 41
χ 2 − test =
0, 2439
107
Estadísticas y Econometría Financiera
14) Se tiene datos diarios sobre las personas que compran un determinado producto al visi-
tar una tienda de una cadena comercial. Los datos se presentan en la siguiente tabla:
Tabla 19
a) Con estos datos y asumiendo un nivel de confianza del 95%, ¿se podría afirmar
que la variable aleatoria se distribuye como una Poisson?
Las hipótesis a testear serán:
Al igual que en los casos anteriores se determinan los valores esperados (Ei ). En este
caso, lo primero que se debe recordar es que para poder determinar una distribu-
ción de Poisson se necesita conocer λ, que es simplemente igual al valor esperado de
eventos en un determinado intervalo. En este caso se cuenta con una muestra, por
lo que se aproximará este parámetro con la media muestral.
0 × 24 + 1× 58 + ... + 6 ×1
λ= x= = 1,9066 ≅ 2
182
Dada esta información se procederá a emplear la tabla de la distribución de Poisson
presentada en el apéndice del libro. Se busca la columna que corresponda a λ = 2 y
se procede a calcular los valores esperados como se muestra en la Tabla
Tabla 19, a)
108
capítulo 7 Estadística inferencial: Aplicaciones de la chi cuadrada
χ 2 − test =
3, 778
Para hallar el valor crítico se necesitan los grados de libertad. En este caso será igual
a (c - m - 1) = (7 - 1 - 1) = 5. Así, m = 1, ya que se calcula la media de la distribu-
ción (λ) a partir de los datos de la muestra.
Con el uso de Excel se obtiene 11,0705.
Como se observa, el chi-test (3,778) está a la izquierda del valor crítico, por lo que
no se rechaza la hipótesis nula y se concluye que, dada la información disponible, la
muestra puede provenir de una distribución de Poisson.
b) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como se observa, el chi-test (3,778) está a la izquierda del valor crítico, por lo que
no se rechaza la hipótesis nula y se concluye que, dada la información disponible, la
muestra puede provenir de una distribución de Poisson.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
c)
P-valor = 0,5818
Por lo tanto, no se rechaza la hipótesis nula.
15) Con los datos presentados en la tabla 14, responda:
a) Si asume un nivel de confianza del 99%, ¿se podría afirmar que la variable aleatoria
se distribuye como una Poisson con media λ = 2?
Las hipótesis a testear serán:
109
Estadísticas y Econometría Financiera
Tabla 19, a)
χ 2 − test =
3, 778
Para hallar el valor crítico se necesitan los grados de libertad. En este caso será igual
a (c - m - 1) = (7 - 0 - 1) = 6. En este caso m = 0 ya que NO se calcula la media
de la distribución (λ) a partir de los datos de la muestra.
Al emplear Excel se obtiene 12,5916.
Como se observa, el chi-test (3,778) está a la izquierda del valor crítico, por lo que
no se rechaza la hipótesis nula y se concluye que, dada la información disponible, la
muestra puede provenir de una distribución de Poisson.
b) En base al criterio del valor crítico, ¿cuál es su decisión respecto a la hipótesis nula?
Como se observa, el chi-test (3,778) está a la izquierda del valor crítico, por lo que
no se rechaza la hipótesis nula y se concluye que, dada la información disponible, la
muestra puede provenir de una distribución de Poisson.
En base al criterio del p-valor, ¿cuál es su decisión respecto a la hipótesis nula?
c)
P-valor = 0,5818
Por lo tanto, no se rechaza la hipótesis nula.
110
C a pí t ulo
13 8
( A + D) ' =2 7
1 7
Y,
4 2 9 6 13 8
A '+ D ' =−1 3 + 3 4 =2 7
1 5 0 2 1 7
111
Estadísticas y Econometría Financiera
Y
4 2
2 3 1 6 18
(=
B '× A ') −1 3
×=
1 0 5 9 27
1 5
c) C × I = I × C = C , donde I es la matriz identidad de orden 3.
3 3 3
3 7 5 1 0 0 3 7 5
C × I 3 = 8 −5 3 × 0 1 0 = 8 −5 3 = C
2 0 7 0 0 1 2 0 7
1 0 0 3 7 5 3 7 5
I 3 × C =0 1 0 × 8 −5 3 =8 −5 3 =C
0 0 1 2 0 7 2 0 7
d) tr ( C ) = tr ( C ')
3 7 5
Tr (C ) = Tr 8 −5 3 = 3 − 5 + 7 = 5
2 0 7
Y
3 8 2
Tr (C ') = Tr 7 −5 0 = 3 − 5 + 7 = 5
5 3 7
112
capítulo 8 Fundamentos de álgebra lineal
e) tr ( C × E )= tr ( E × C )
3 7 5 2 9 4 89 67 103
C × E =8 −5 3 × 9 0 8 =−17 96 13
2 0 7 4 8 7 32 74 57
89 67 103
Tr (C × E ) = Tr −17 96 13 = 89 + 96 + 57 = 242
32 74 57
Y
2 9 4 3 7 5 86 −31 65
E ExC
= × C 9 0 8 8 −=
5 3 43 63 101
4 8 7 2 0 7 90 −12 93
86 −31 65
Tr ( ExC
Tr(E × C )) = Tr 43 63 101 = 86 + 63 + 93 = 242
90 −12 93
f) tr ( C + E=
) tr ( C ) + tr ( E )
3 7 5 2 9 4 5 16 9
C + E = 8 −5 3 + 9 0 8 = 17 −5 11
2 0 7 4 8 7 6 8 14
5 16 9
Tr (C + E ) = Tr 17 −5 11 = 5 − 5 + 14 = 14
6 8 14
Y
3 7 5 2 9 4
Tr (C ) + Tr ( E ) = Tr 8 −5 3 + Tr 9 0 8 = (3 − 5 + 7) × (2 + 0 + 7) = 14
2 0 7 4 8 7
¿Es la matriz E una matriz simétrica?
g)
Sí.
113
Estadísticas y Econometría Financiera
2) Multiplique:
a) A× D '
9 6
4 −1 1 33 22
A=
×D' 3 4
×=
2 3 5 27 34
0 2
b) 3× C
3 7 5 9 21 15
3 × C =3 × 8 −5 3 = 24 −15 9
2 0 7 6 0 21
c) B×C
2 1 3 7 5
B×=
C 3 0 × 8 −5 3
1 5 2 0 7
Se puede apreciar que las matrices no son conformables, por lo que esta multiplica-
ción no se puede realizar.
3) Resuelva la pregunta 2 usando Excel.
a hoja Excel con estos cálculos es “capitulo8_ejercicio3_multip_matrices.xlsx”. El pri-
L
mer caso se encuentra en la hoja a) y el segundo en la b).
114
capítulo 8 Fundamentos de álgebra lineal
115
Estadísticas y Econometría Financiera
Se calcula el det(E) por medio de Excel y da -119. Por lo tanto, la inversa de E será:
−64 −31 72
−31 −2 20
0,54 0, 26 0, 61
−1 72 20 −81
=(E) = 0, 26 0, 02 −0,17
−119
−0, 61 −0,17 0, 68
0,54 0, 26 0, 61 2 9 4 1 0 0
−1
= ( E ) × E 0, 26 0, 02 −0,17=×9 0 8 0 1 0
−0, 61 −0,17 0, 68 4 8 7 0 0 1
Y
2 9 4 0,54 0, 26 0, 61 1 0 0
−1
E × ( E=
) 9 0 8 × 0, 26 0, 02 −0,17
= 0 1 0
4 8 7 −0, 61 −0,17 0, 68 0 0 1
(E )
−1
−1
b) =E
−1
0,54 0, 26 0, 61 2 9 4
−1 −1
( E ) = 0, 26 0, 02 −0,17 = 9 0 8 = E
−0, 61 −0,17 0, 68 4 8 7
116
capítulo 8 Fundamentos de álgebra lineal
c) (C × E )
−1
(
= E −1 × C −1 )
3 7 5 2 9 4 89 67 103
C × E =8 −5 3 × 9 0 8 =−17 96 13
2 0 7 4 8 7 32 74 57
0, 094 0, 079 −0,187
−1
= (C × E ) 0, 029 0, 037 −0, 060
−0, 089 −0, 092 0, 201
Y
0,54 0, 26 0, 61 0, 086 0,121 −0,114
−1 −1
E × C ) 0, 26 0, 02 −0,17 × 0,124 −0, 027 −0, 077
(=
−0, 61 −0,17 0, 68 −0, 025 −0, 035 0,175
0, 094 0, 079 −0,187
−1 −1
( E × C ) =0, 029 0, 037 −0, 060 =(C × E ) −1
−0, 089 −0, 092 0, 201
d) ( E ') −1 = ( E −1 ) '
En este caso E es una matriz simétrica por lo que E’ = E y, por lo tanto, se cumple
la pregunta d).
8) Resuelva el siguiente sistema de ecuaciones:
x1 − 2 x2 + 4 x3 =
20
2 x1 + x2 + 3 x3 =15
3 x − x + 6 x = 23
1 2
3
1 −2 4 x1 20
2 1 3 × x2 =
15
3 −1 6 x3 23
−1
x1 1 −2 4 20
= x2 2 1 3 × 15
x 3 −1 6 23
3
117
Estadísticas y Econometría Financiera
118
capítulo 8 Fundamentos de álgebra lineal
Calcule ∂Y / ∂X .
Como se tiene Y = X '× A × X
∂Y
La solución será igual a = 2× A× X
∂X
3 7 5 x1 6 14 10 x1
Y =×
2 8 −5 3 × x2 =16 −10 6 × x2
2 0 7 x3 4 0 14 x3
119
C a pí t ulo
121
Estadísticas y Econometría Financiera
ción entre y y x es positiva (negativa), es2 decir, que si x se incrementa y también se incre-
mentará (disminuirá). Asimismo, cuando más cerca a 1 en valor absoluto, mayor será la
fuerza de la relación entre las variables. Como se puede observar, la información de β y
del coeficiente
Si beta es cero,de correlación
significa queesnola hay
misma.dependencia lineal.
4) Si β = 0, ¿se espera que el coeficiente de correlación sea igual a 0? Fundamente su res-
5) Si se tienen las siguientes dos ecuaciones:
puesta.
Si beta es cero, significa que no hay dependencia lineal.
y 1 1,5 x
5) Si se tienen las siguientes dos ecuaciones:
yy = 11 4,5 xx
+ 1,5
300
250
200
y 150
100
50
0
1 2 3 4 5 6 7
x
y=1+1,5 x y=1+4,5 x
Lo Lo
primero
primeroque
quesese tiene quetener
tiene que tener
en en cuenta
cuenta eslaque
es que línealarecta
línea
norecta no es la
es la descripción
descripción
perfecta deperfecta
los eventosdeobservados,
los eventos observados,
es decir, es decir, existirán errores.
existirán errores.
7) ¿Es posible utilizar el modelo de MCO en la siguiente ecuación?
7) ¿Es posible utilizar el modelo de MCO en la siguiente ecuación?
yi =α + β1 × x1,i + β 2 × x2,i + β 3 × x1,i × x2,i + ε i
yi 1 x1,i 2 x2,i 3 x1,i x2,i i
Sí, porque el modelo es lineal en los coeficientes.
Sí, porque el modelo es lineal en los coeficientes.
8)
122 ¿Cuál es el criterio del modelo de MCO para estimar los coeficientes de la
ecuación?
capítulo 9 El modelo de mínimos cuadrados ordinarios (MCO) univariado
8) ¿Cuál es el criterio del modelo de MCO para estimar los coeficientes de la ecuación?
El criterio que permitirá obtener una única línea recta será el minimizar la suma de
los errores al cuadrado.
9) De acuerdo al supuesto de la normalidad de los errores, los errores extremos son poco
probables. Comente.
La distribución normal decrece asintóticamente. Asimismo, se recuerda que la probabi-
lidad que existan observaciones a tres desviaciones estándar de la media es práctica-
mente cero. Por eso, cuando se asume normalidad, se está suponiendo que la
probabilidad de valores extremos es bastante pequeña.
10) Se cuenta con datos mensuales del Producto Bruto Interno (PBI) y Exportaciones (en
millones de US$) del Perú desde enero de 1994 a abril del 2010. Los datos son provistos
por el Instituto Nacional de Estadística e Informática del Perú. Se desea investigar la
relación que existe entre ambas variables. Se asume que la variable independiente son
las exportaciones y que la variable dependiente es el PBI. Los datos se encuentran en el
archivo pbi_exportaciones_peru.xlsx. En base a esto realizar lo siguiente:
La hoja Excel que acompaña a este ejercicio se llama: “capitulo9_pregunta10_pbi_ex-
portaciones_peru.xlsx”.
a) Determine la correlación entre ambas variables.
Según se ha determinado en la hoja de correlación del archivo citado, la correlación
entre las variables es de 0,9448.
correlación
b) Comente su resultado en base al signo y magnitud del coeficiente de correlación.
La relación lineal entre ambas variables es positiva y bastante fuerte (el valor es bas-
tante cercano a 1).
c) Emplee Excel, prepare el gráfico de dispersión e incluya la ecuación lineal. Asegú-
rese de incluir en el gráfico, la ecuación y el coeficiente de determinación (R 2 ).
En la hoja de “dispersión” del archivo citado se encuentra el siguiente gráfico obte-
nido en base a los datos.
123
Estadísticas y Econometría Financiera
4
18.000,00
16.000,00
14.000,00
12.000,00
10.000,00
8.000,00
6.000,00
0 500 1000 1500 2000 2500 3000 3500
d) Utilice
d)
Utilice las ecuacionesdedelos
las ecuaciones loscoeficientes
coeficientes
deldel modelo,
modelo, desarrolladas
desarrolladas encapítulo,
en el el
capítulo, estime los coeficientes relacionados al intercepto y a la
estime los coeficientes relacionados al intercepto y a la pendiente. (Use las ecuacio-
pendiente. (Use las ecuaciones (35) y (50)).
nes (35) y (50)).
La
La repuesta
repuestase encuentra en la en
se encuentra hojala“algebra” del documento
hoja “algebra” Excel “capitulo9_pre-
del documento Excel
gunta10_pbi_exportaciones_peru.xlsx”.
“capitulo9_pregunta10_pbi_exportaciones_peru.xlsx”.
124
capítulo 9 El modelo de mínimos cuadrados ordinarios (MCO) univariado
f) Verifique que los valores obtenidos en la parte d son los mismos a los de la parte e.
Se verificó que efectivamente los resultados son los mismos.
¿Cuántos parámetros tiene este modelo (k) y con cuántas observaciones (n) se
g)
cuenta?
K = 2, n = 196
h) Emplee las ecuaciones (66) y (67) para calcular el coeficiente de determinación y el
coeficiente de determinación ajustado. ¿Los valores coinciden con los obtenidos por
Excel? Interprete el resultado obtenido.
La repuesta se encuentra en la hoja “R2” del documento Excel “capitulo9_pre-
gunta10_pbi_exportaciones_peru.xlsx”.
Al usar la ecuación (67) y la información obtenida en la hoja "mco", se calcula el R^2 ajustado
i) Use la ecuación (71), calcule el error estándar y compárelo con el obtenido usando
Excel.
La repuesta se encuentra en la hoja “error estándar” del documento Excel “capi-
tulo9_pregunta10_pbi_exportaciones_peru.xlsx”.
El resultado es exactamente el mismo, como se puede observar a continuación.
125
Estadísticas y Econometría Financiera
Error
Estándar
126
capítulo 9 El modelo de mínimos cuadrados ordinarios (MCO) univariado
Por lo tanto, al ser el p-valor menor que 0,05, se rechaza la hipótesis nula de no sig-
nificancia estadística. Es decir, que el coeficiente de la pendiente es estadísticamente
significativo.
p) Finalmente, con los intervalos de confianza, ¿confirma lo encontrado en los puntos
n y o?
El intervalo de confianza para el intercepto es [2,83; 3,12]. Como se puede apreciar
el valor cero no está en este intervalo por lo que se rechaza la hipótesis nula de no
significancia estadística de la pendiente.
11) Repita el ejercicio 10 usando EViews, realice y verifique lo siguiente:
El documento de EViews que acompaña a este ejercicio se llama: “capitulo9_pre-
gunta10_pbi_exportaciones_peru.wf1”.
a) Presente un análisis preliminar de los datos. Incluya el gráfico de series de tiempo
para cada variable, estadísticas descriptivas y el coeficiente de correlación.
Los resultados se encuentran en el documento de EViews bajo los nombres: “gra-
fico_export”, “grafico_pbi”, “estad_descrip” y “correlacion” y las pantallas se mues-
tran a continuación.
127
Estadísticas y Econometría Financiera
c) Desarrolle el modelo de MCO que considere como variable endógena al PBI y va-
riable predeterminada a las exportaciones. ¿Son los coeficientes estimados los mis-
mos?
El resultado se encuentran en el documento EViews bajo el nombre: “mco” que se
reproduce a continuación:
128
capítulo 9 El modelo de mínimos cuadrados ordinarios (MCO) univariado
129
10
Estadísticas y Econometría Financiera
b) La relación
Comente su lineal entreenambas
resultado base alvariables es positivadel
signo y magnitud y bastante fuerte
coeficiente (el
de correlación.
valor es bastante cercano a 1).
La relación lineal entre ambas variables es positiva y bastante fuerte (el valor es bas-
c) tante cercanoprepare
Use Excel, a 1). el gráfico de dispersión e incluya la ecuación lineal.
c) Use Excel, prepare
Asegúrese el gráfico
de incluir en eldegráfico,
dispersión e incluya la
la ecuación y ecuación lineal.de
el coeficiente Asegúrese de
incluir (R2). la ecuación y el coeficiente de determinación (R 2 ).
en el gráfico,
determinación
En la hoja de Excel denominada “dispersión” se encuentra el gráfico, que se mues-
En la hoja de Excel denominada “dispersión” se encuentra el gráfico,
tra.
que se muestra.
130
capítulo 9 El modelo de mínimos cuadrados ordinarios (MCO) univariado
f) Verifique que los valores obtenidos en la parte d) son los mismos a los de la parte e).
Se verificó que efectivamente los resultados son los mismos.
¿Cuántos parámetros tiene este modelo (k) y con cuántas observaciones (n) se
g)
cuenta?
K = 2, n = 30.
h) Utilice las ecuaciones (66) y (67) para calcular el coeficiente de determinación y el
coeficiente de determinación ajustado. ¿Los valores coinciden con los obtenidos por
Excel? Interprete el resultado obtenido.
La repuesta se encuentra en la hoja “R2” del documento Excel “capitulo9_pre-
gunta12_encaje_cartera_AFP.xlsx”, que se expone a continuación.
Al emplear la ecuación (67) y la información obtenida en la hoja "mco", se calcula el R^2 ajustado
131
Estadísticas y Econometría Financiera
Error Estándar
132
capítulo 9 El modelo de mínimos cuadrados ordinarios (MCO) univariado
133
Estadísticas y Econometría Financiera
134
capítulo 9 El modelo de mínimos cuadrados ordinarios (MCO) univariado
135
C a pí t ulo
10
σ2 0 ... 0
0 σ2 ... 0
E (ε × ε ') = =
Σ
... ... ... ...
0 0 ... σ 2
137
Estadísticas y Econometría Financiera
a) Explique el tipo de relación que existe entre la variable dependiente (y) y cada una
de las variables independientes.
Y depende positivamente de x1 y negativamente de x 2 . Asimismo, la influencia de
x1 es mayor que la influencia de x 2.
b) Si x1 = 100, ¿cuál es el valor estimado de y?
yˆ = 0,1 + 1, 2 ×100 = 120,1
c) Si x2 = 40, ¿cuál es el valor estimado de y?
yˆ =
0,1 − 0,3 × 40 =
−11,9
d) Si x1 = 70 y x2 = -10, ¿cuál es el valor estimado de y?
yˆ= 0,1 + 1, 2 × 70 − 0,3 × (−10)= 87,1
4) Se tienen los resultados de dos regresiones donde la variable endógena representa el nú-
mero de minutos hablados por teléfono en un determinado mes. Las variables exógenas
son el número de personas mayores de 12 años que viven en un determinado hogar (x1 )
y el nivel de ingresos familiares (x1 ). Cada regresión presenta datos de una ciudad dis-
tinta. Los resultados de las regresiones son los siguientes:
yˆ =
−21,517 + 11,996 × x1 + 0, 019 × x2 Para la ciudad 1
138
capítulo 10 El modelo de mínimos cuadrados ordinarios (MCO) multivariado
6) Los datos con los que se estimaron las regresiones presentadas en las preguntas 4) y 5)
se presentan a continuación:
Tabla 14
Ciudad 1 Ciudad 2
Número de Número de
Ingreso familiar Ingreso familiar
Minutos integrantes Minutos integrantes
(U.M.) (U.M.)
familia (>12 años) familia (>12 años)
150 6 5.500 90 2 2.000
64 2 3.700 108 3 2.900
126 4 5.750 122 4 4.000
141 5 5.750 94 2 2.500
89 2 4.000 99 3 2.300
89 3 4.500 106 3 3.000
110 4 4.000 133 5 4.500
166 5 6.000 143 6 5.000
95 2 5.000 104 2 3.000
110 2 5.500 154 6 5.000
139
Estadísticas y Econometría Financiera
140
capítulo 10 El modelo de mínimos cuadrados ordinarios (MCO) multivariado
plicativas. Recuerde que la hipótesis nula de la prueba del ANOVA es que no existe
relación lineal entre las variables.
d) Para cada ciudad, basados en las pruebas de hipótesis individuales y empleando el
t-test y el valor crítico, ¿puede afirmar que el coeficiente del intercepto es estadísti-
camente significativo?
En el caso de la ciudad 1 el t-test del intercepto es igual a -1,05 y para el caso de la
ciudad 2 este es igual a 12,45. En este caso para ubicar el valor crítico se utilizan 7
grados de libertad (10 - 3). Recuerde que en este caso el número de coeficientes (k)
es igual a 3. Este valor crítico es igual a 2,3646. En el caso de la primera ciudad el
intercepto es no significativo y en el caso de la segunda ciudad este es altamente
significativo.
e) Si utiliza el p-valor, ¿obtiene la misma conclusión respecto a la significancia del
coeficiente del intercepto?
En el caso de la ciudad 1 el t-test del intercepto es igual a 0,33 y para el caso de la
ciudad 2 este es igual a 0,00. Por lo tanto, se llega a las mismas conclusiones.
f) Finalmente, usando los intervalos de confianza, ¿confirma lo encontrado en los
puntos d) y e)?
Ciudad 1: [-69,75; 26,72]
Ciudad 2: [44,99; 66,08]
Por lo tanto, se llega a las mismas conclusiones.
g) Para cada ciudad, basados en las pruebas de hipótesis individuales y usando el p-
valor, ¿puede afirmar que el coeficiente de x1 es estadísticamente significativo?
Ciudad 1: p-valor = 0,00 el coeficiente de x1 es significativo al 5%.
Ciudad 2: p-valor = 0,045 el coeficiente de x1 es significativo al 5%.
h) Si emplea los intervalos de confianza, ¿confirma lo encontrado en el punto g)?
Ciudad 1: [0,16; 11,13]
Ciudad 2: [5,51; 18,48]
Por lo tanto, se obtienen las mismas conclusiones.
i) Para cada ciudad, basados en las pruebas de hipótesis individuales y usando el p-
valor, ¿puede afirmar que el coeficiente de x2 es estadísticamente significativo?
Ciudad 1: p-valor = 0,01 el coeficiente de x2 es significativo al 5%.
Ciudad 2: p-valor = 0,01 el coeficiente de x2 es significativo al 5%.
j) Si usa los intervalos de confianza, ¿confirma lo encontrado en el punto i)?
Ciudad 1: [0,01; 0,03]
Ciudad 2: [0,00; 0,02]
Se llega a las mismas conclusiones.
141
Estadísticas y Econometría Financiera
142
capítulo 10 El modelo de mínimos cuadrados ordinarios (MCO) multivariado
8) Realice la regresión con los datos de la tabla 1, esta vez utilizando EViews. Compare los
resultados con los obtenidos en la pregunta 6).
La hoja de EViews con esto resultados se llama “capitulo10_pregunta6_llamadas_tele-
fonicas_1.wf1” y “capitulo10_pregunta6_llamadas_telefonicas_2.wf1”
Los resultados son exactamente los mismos. Para la ciudad 1:
143
Estadísticas y Econometría Financiera
Y para la ciudad 2:
144
capítulo 10 El modelo de mínimos cuadrados ordinarios (MCO) multivariado
Y para la ciudad 2:
10) Se cuenta con información financiera de 12 empresas de los Estados Unidos dedicadas
a la publicidad. Las 12 empresas son negociadas en la Bolsa de Valores de Nueva York
(New York Stock Exchange) o en NASDAQ. Se quiere determinar la influencia de la
deuda total (x1 ) y del total del capital invertido en las empresas (x2 ) en la capitalización
de mercado de las empresas (y). Los datos corresponden al año del 2006, están expresa-
dos en miles de US dólares y fueron obtenidos de Bloomberg. El archivo Excel que
contiene esta información es MarketCap_DeudaTotal_CapitalInvertido.xls.
Los resultados se presentan en el documento EViews “capitulo10_pregunta10_Mar-
ketCap_DeudaTotal_CapitalInvertido_sol.wf1”.
a) Usando EViews, estime la regresión donde la variable endógena es la capitalización
de mercado de las empresas (y) y las variables exógenas son la deuda total (x1 ) y el
total del capital invertido en las empresas (x2 ).
145
Estadísticas y Econometría Financiera
146
capítulo 10 El modelo de mínimos cuadrados ordinarios (MCO) multivariado
147
Estadísticas y Econometría Financiera
11) Se cuenta con datos anuales correspondientes al ingreso neto, ingreso financiero (por
intereses) y las provisiones por pérdidas, desde el año 1934 al año 2009, las mismas que
fueron obtenidas de la página de internet de la Federal Deposit Insurance Corporation
(FDIC) de los Estados Unidos (http://www2.fdic.gov/hsob/hsobRpt.asp). Los datos
presentan valores agregados de todos los bancos comerciales en ese país expresados en
miles de US dólares. El archivo Excel que contiene esta información es IngresoNeto_
IngresoInteres_Provisiones.xls.
Los resultados se presentan en el documento EViews “capitulo10_pregunta11_ Ingre-
soNeto_IngresoInteres_Provisiones.wf1”.
a) Por medio de EViews, estime la regresión donde la variable endógena es el ingreso
neto (y) y las variables exógenas son los ingresos financieros (x1 ) y las provisiones
por pérdidas (x2 ).
148
capítulo 10 El modelo de mínimos cuadrados ordinarios (MCO) multivariado
yi =
−3.545.135 + 0, 473934 × 200.000.000 − 0, 746837 × 50.000.000 =
53.899.815
149
Estadísticas y Econometría Financiera
12) Se tienen los siguientes datos mensuales que corresponden a los ingresos en miles de US
dólares por concepto de cobro de peaje, de una empresa dedicada a la administración
de carreteras. Los datos corresponden a los años 2006 a 2008. Se está interesado en
generar una ecuación que represente la15tendencia de los ingresos. Se conoce que en di-
ciembre del 2006 el estado (dueño de las carreteras) redujo el número de puestos de
el cobro
valor de depeaje
1 endeel 122006
a 5. Laytabla
cerotiene las siguientes
después. columnas:
Los datos se fecha, ingresosen
encuentran en el
US
dólares, losExcel
documento meses “peaje.xls”.
expresados de manera numérica (números consecutivos desde 1 hasta
36) y la variable dummy (D) que toma el valor de 1 en el 2006 y cero después. Los da-
La tos
solución a este
se encuentran en elproblema
documentousando Excel se encuentra en el archivo
Excel “peaje.xls”.
"capitulo10_pregunta12_peaje_sol.xlsx", en la hoja "1 dummy".
La solución a este problema usando Excel se encuentra en el archivo “capitulo10_pre-
gunta12_peaje_sol.xlsx”, en la hoja “1 dummy”.
a) Emplee Excel y realice el gráfico de series de tiempo de los ingresos de
la empresa.
a) Emplee Excel y realice el gráfico de series de tiempo de los ingresos de la empresa.
US$
600.000
500.000
400.000
300.000
200.000
100.000
0
SET
SET
SET
MAY
MAY
MAY
ENE
MAR
NOV
ENE
MAR
NOV
ENE
MAR
NOV
JUL
JUL
JUL
500.000
400.000
150
300.000
Se observa que alrededor de diciembre del primer año (2006) algo pasó
con los ingresos (cayeron dramáticamente). Esto se conoce como
quiebre estructural.
c) Incluya unacapítulo
línea de El modelo de
10 tendencia. mínimosen
Incluya cuadrados ordinarios
el gráfico (MCO) multivariado
la ecuación de la
regresión y el coeficiente de determinación.
500.000
400.000
300.000
200.000
100.000
0
SET
SET
SET
MAY
MAY
MAY
ENE
MAR
ENE
NOV
ENE
NOV
MAR
MAR
NOV
JUL
JUL
JUL
d) ¿Se puede afirmar que la variabilidad de los ingresos es adecuadamente descrita por
la variabilidad del tiempo (R 2 )?
El R 2 es bastante bajo. Por lo tanto, de acuerdo a este estadístico, se puede concluir
que la variabilidad de los ingresos no es adecuadamente descrita por la variabilidad
del tiempo.
e) ¿Por qué cree que el R 2 es bastante bajo?
Por el problema observado en la parte b) de esta pregunta.
f) Corra la siguiente regresión:
yi =α + β1 × x1,i + β 2 × Di + ε i
Donde y corresponde a los ingresos mensuales, x1 a los meses expresados de manera
numérica y D la variable dummy.
La solución a este problema se encuentra en la hoja “1 dummy” del archivo “capi-
tulo10_pregunta12_peaje_sol.xlsx”.
151
Estadísticas y Econometría Financiera
600.000
500.000
400.000
300.000
200.000
100.000
0
0 5 10 15 20 25 30 35 40
Como se puede apreciar, estos resultados son exactamente iguales a los obtenidos en la
pregunta 12.
14) Se
continúa con el ejercicio 12). Se conoce, además, que en el mes de octubre del 2008
(mes 34) el precio del peaje subió.
La solución a este problema usando Excel también se encuentra en el archivo “capi-
tulo10_pregunta12_peaje_sol.xlsx”, en la hoja “2 dummy”.
a) Corra la siguiente regresión:
yi =α + β1 × x1,i + β 2 × D1,i + β3 × D2,i + ε i
Donde y corresponde a los ingresos mensuales, x1 a los meses expresados de manera
numérica y D1 la variable dummy para el cambio en puestos de peaje que toma el
valor de 1 para el 2006 y cero después de eso y, D2 la variable dummy para capturar
el efecto del cambio de precios, que toma el valor de cero hasta septiembre del 2008
y 1 a partir de octubre del mismo año.
La solución a este problema usando Excel se encuentra en el archivo “capitulo10_
pregunta12_peaje_sol.xlsx”, en la hoja “2 dummy”. La ecuación obtenida es:
ventas
= i 150.199 + 7.800 × Tiempo + 287.556 × D1 + 86.967 × D2
153
Estadísticas y Econometría Financiera
154
c) Explique el cambio en R2.
d) Grafique la
d) Grafique la línea estimada
estimadaconconlalaecuación
ecuación enen
el punto c). c).
el punto (En(En
esteeste
casocaso
¿se tendrán
tres líneas,
¿se tendránuna para
tres el 2006,
líneas, unaotra
parapara
el el2006,
2007 otra
hastapara
septiembre
el 2007delhasta
2008 y otra
septiembre delrestantes
para los meses 2008 y otra para los meses restantes meses?)
meses?)
Como se puede observar en la siguiente figura, efectivamente se tendrán tres líneas
Como se puede observar en la siguiente figura, efectivamente se
dependiendo del periodo a considerar.
tendrán tres líneas dependiendo del periodo a considerar.
600.000
500.000
400.000
300.000
200.000
100.000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
155
C a pí t ulo
11
157
Estadísticas y Econometría Financiera
autocorrelación los parámetros estimados no serán eficientes. Esto significa que las in-
ferencias serán incorrectas.
Existe un teorema bastant
2
límite central”.
5) ¿Cuál son las causas de no normalidad de los errores? y, ¿cuáles son las consecuencias de De acuerdo
no tener errores que se distribuyan normalmente? muestrales se distribuye n
Existe un teorema bastante importante conocido como el “teorema del suficientemente grande (po
Entre las posibles causas de no normalidad se pueden mencionar la presencia de esta-
límite central”. De acuerdo con este teorema, la distribución de las medias satisfecha si el número de o
cionalidad
muestrales en los datosnormalmente
se distribuye y la presencia desi valores extremos
el tamaño de la(outliers).
muestra es Por lo lo tanto, si se cuenta co
suficientemente grande (por lo general, se asume que esta condición
Existe un teorema bastante importante conocido como el “teorema delteorema es y se puede estar se
límite cen-
satisfecha
tral”.siDe
el acuerdo
número conde observaciones en la muestra
este teorema, la distribución es medias
de las mayor muestrales
que 30).
son secorrectos
distri- aun cuando e
Por lo buye
tanto,normalmente
si se cuentasicon una muestra
el tamaño grande,esselopuede
de la muestra invocar a grande
suficientemente este (por lo
teorema y se puede estar seguro que la distribución de los test estadísticos 6) En la siguiente tabla se pres
general, se asume que esta condición es satisfecha si el número de observaciones en la
son correctos aun cuando el supuesto de normalidad no es satisfecho. minutos hablados por telé
muestra es mayor que 30). Por lo tanto, si se cuenta con una muestra grande, se puede
invocar a este teorema y se puede personas mayores de 12 añ
6) En la siguiente tabla se presentan losestar seguro
datos que la distribución
correspondientes de los test
al número deestadísticos
sonhablados
correctos aun nivel de ingresos familiares (
minutos porcuando
teléfono el supuesto
en un de normalidad no
determinado es satisfecho.
mes, el número de
personas mayores de 12 años que viven en un determinado hogar (x1)de
6) En la siguiente tabla se presentan los datos correspondientes al número
y el
minutos ha-
nivel de ingresos familiares (x2).
blados por teléfono en un determinado mes, el número de personas mayores de 12 años
hogar2(x1 ) y el nivel de ingresos familiares (x2 ).
que viven en un determinadoTabla
Minutos in
Tabla 2
Número Ingreso
Minutos integrantes familia familiar 90
Minutos Número integrantes familia (> 12 años) Ingreso familiar (U.M.)
(> 12 años) (U.M.) 108
90 90 22 2.000 2.000 122
108 108 3 3 2.900 2.900 94
122 122 44 4.000 4.000 99
94 94 22 2.500 2.500 106
99 99 33 2.300 2.300 133
106 106 33 3.000 3.000 143
133 133 55 4.500 4.500 104
143
143 66 5.000 5.000 154
104 2 3.000
104 2 3.000
154 6 5.000
154 6 5.000 Estos datos se en
llamadas_telefonicas_19.xls
Estos datos se encuentran en el archivo de Excel
supone que el nivel de signi
llamadas_telefonicas_19.xlsx. Para todas las pruebas de hipótesis se Para to-
Estos datos se encuentran en el archivo de Excel llamadas_telefonicas_19.xlsx.
suponedas las el
que pruebas de significancia
nivel de hipótesis se supone que el nivel
estadístico de significancia
es igual al 5%. estadístico es igual al
5%. El documento de EViews
El documento de deEViews "capitulo11_pregunta6_llam
El documento EViewsque contieneesta
que contiene esta información
información se “capitulo11_pre-
se llama llama
"capitulo11_pregunta6_llamadas_telefonicas.wf1".
gunta6_llamadas_telefonicas.wf1”. a) Usando EViews, realice
a) Usando a) UsandoEViews, realice
EViews, la siguiente
realice regresión: 𝑦𝑦𝑖𝑖 = 𝛼𝛼 + 𝛽𝛽1 × 𝑥𝑥1,𝑖𝑖 + 𝛽𝛽2 × 𝑥𝑥2,𝑖𝑖 + 𝜀𝜀𝑖𝑖 .
la siguienteregresión:
𝑥𝑥2,𝑖𝑖 + 𝜀𝜀𝑖𝑖 .
158
capítulo 11 Prueba de los supuestos del modelo de MCO
b) Realice la prueba de Wald para probar si el coeficiente del intercepto es igual a 55.
159
Estadísticas y Econometría Financiera
160
capítulo
5 11 Prueba de los supuestos del modelo de MCO
Prob
Se asume
F(5;4)que el nivel
= 0,2639 de significancia
> 0,05, deseado
en consecuencia, noes
sedel 5% y Hse0. utilizan los p-valores
rechaza
para decidir si se rechaza o no la hipótesis nula de homocedasticidad:
Prob Chi-square(5) = 0,2117 > 0,05, no se rechaza H0.
Prob F(5;4) = 0,2639 > 0,05, en consecuencia, no se rechaza H0.
En conclusión, basados en el test de White, se puede concluir que los
Prob Chi-square(5) = 0,2117 > 0,05, no se rechaza H0.
errores de la regresión cumplen el supuesto de homocedasticidad.
En conclusión, basados en el test de White, se puede concluir que los errores de la
g) En caso que la heterocedasticidad esté presente, corrija los errores
regresión cumplen el supuesto de homocedasticidad.
estándar usando el ajuste por heterocedasticidad de White.
g) En caso que la heterocedasticidad esté presente, corrija los errores estándar usando
Los errores son homocedásticos, por lo que no se necesitan corregir los
el ajuste por heterocedasticidad de White.
errores estándar.
Los errores son homocedásticos, por lo que no se necesitan corregir los errores es-
tándar. sus resultados con la regresión original. ¿Pasa algo con los
h) Compare
valores de los coeficientes estimados?
h) Compare sus resultados con la regresión original. ¿Pasa algo con los valores de los
coeficientes
No se realizaestimados?
ningún ajuste por heterocedasticidad.
No se realiza ningún ajuste por heterocedasticidad.
i) De acuerdo al test de Durbin-Watson, ¿existe autocorrelación de primer
De acuerdo
i) orden al test de
en los errores? Durbin-Watson, ¿existe autocorrelación de primer orden en
los errores?
DW = 1,032391
DW = 1,032391
En
En el
el problema
problema que se está
que se estáanalizando,
analizando,elelnúmero
númerode
deregresores
regresores
(sin(sin
incluir el inter-
incluir el intercepto) es 2 y el número de observaciones es igual a 10:
cepto) es 2 y el número de observaciones es igual a 10: DW es igual a 0,697 y
DW L es igual a 0,697 y DW S es igual a 1,641. Construyendo lasL zonas
DWS esseigual
críticas a 1,641. Construyendo las zonas críticas se tendrán:
tendrán:
161
Estadísticas y Econometría Financiera
162
capítulo 11 Prueba de los supuestos del modelo de MCO
Dada la alta correlación entre las variables es posible tener problemas de multicoli-
nealidad. Una forma de analizar el impacto de esto es correr dos regresiones, una
solo con edad y otra con edad e ingresos, y ver si los coeficientes varían dramática-
mente. Si no lo hacen, el problema no sería serio. En la situación contraria, se reco-
mendaría solo usar una de las variables y buscar otras que puedan explicar a la
variable endógena.
n) Utilice el RESET, test propuesto por Ramsey, para verificar si la forma funcional
del modelo es la adecuada.
Como se puede apreciar, no se puede rechazar la hipótesis nula que la forma funcio-
nal lineal es la adecuada.
163
Como se puede apreciar, no s
Estadísticas y Econometría Financiera forma funcional lineal es la ade
Como se puede apreciar, no se puede rechazar la hipótesis nula que la
forma funcional lineal es la adecuada. 7) Se cuenta con información finan
7) Se cuenta con información financiera de 12 empresas de los Estados Unidos Unidosdedicadas
dedicadas a la publicidad.
7) Se cuenta con información financiera de 12 empresas de los Estados bolsa
a la publicidad.
Unidos dedicadas Las a la 12 empresasLas
publicidad. son12
negociadas
empresasenson la bolsa de valores
negociadas en la de Nuevavalores
de York de Nueva Yo
NASDAQ. Se quiere determinar la
(NewdeYork
bolsa Stockde
valores Exchange) o en NASDAQ.
Nueva York (New YorkSeStock
quiereExchange)
determinaroladel eninfluencia de la
capital invertido en las empresa
NASDAQ. Se quiere determinar la influencia de la deuda total (x )
deuda total (x1 ) y del total del capital invertido en las empresas (x2 ) enlas
1 y del total
la capitalización
empresas (y). Los datos c
del capital invertido en las empresas (x2) en la capitalización de mercado de
de mercado de las empresas (y). Los datos corresponden al año del 2006, están expresa-
expresadas en miles de US dólar
las empresas (y). Los datos corresponden al año del 2006, están
das en miles de US dólares y fueron obtenidas de
expresadas en miles de US dólares y fueron obtenidas de Bloomberg. ElBloomberg. El archivo
archivo Excel Excel
que que co
contiene esta
archivo Excel información
que es MarketCap_DeudaTotal_CapitalInvertido.xlsx.
contiene esta información MarketCap_DeudaTotal_CapitalInv
es Para to-
MarketCap_DeudaTotal_CapitalInvertido.xlsx.
das las pruebas de hipótesis se asume que el nivel Para detodas las pruebas
significancia hipótesis
de
estadístico se asume
es igual al que el nivel de
hipótesis
5%. se asume que el nivel de significancia estadístico es igual al 5%.El documento de EViews que
El Eldocumento
documentodede EViews EViews queque contiene
contieneesta
estainformación
información se llama
se llama "capitulo11_pregunta7_ MarketCap
“capitulo11_pre-
"capitulo11_pregunta7_ MarketCap_DeudaTotal_CapitalInvertido.wf1".
gunta7_ MarketCap_DeudaTotal_CapitalInvertido.wf1”.
a) Por medio de EViews, realice l
PorPor
a) a) medio
medio dede EViews,
EViews, realicelalasiguiente
realice siguienteregresión:
regresión: 𝑦𝑦𝑖𝑖 = 𝛼𝛼 + 𝛽𝛽1 × 𝑥𝑥1,𝑖𝑖 + 𝛽𝛽2 × 𝑥𝑥2,𝑖𝑖 + 𝜀𝜀𝑖𝑖 .
𝛽𝛽2 × 𝑥𝑥2,𝑖𝑖 + 𝜀𝜀𝑖𝑖
164
capítulo 11 Prueba de los supuestos del modelo de MCO
165
Estadísticas y Econometría Financiera
166
capítulo 11 Prueba de los supuestos del modelo de MCO
h) Compare sus resultados con la regresión original, ¿pasa algo con los valores de los
coeficientes estimados?
Se puede observar que los coeficientes no cambian y que los que sí cambian son los
valores de los errores estándar, que decrecen.
i) De acuerdo al test de Durbin-Watson, ¿existe autocorrelación de primer orden en
los errores?
En este caso el DW es bastante cercano al valor de 2, por lo que se puede afirmar
que no existe autocorrelación de primer orden.
j) Realice el test de Breusch-Godfrey de orden 5 (5 rezagos). Interprete sus resultados.
167
Estadísticas y Econometría Financiera
168
capítulo 11 Prueba de los supuestos del modelo de MCO
Dada la alta correlación entre las variables es posible tener problemas de multicoli-
nealidad. Una forma de analizar el impacto de esto es correr dos regresiones, una
solo con deuda y otra con deuda e inversión, y ver si los coeficientes varían dramáti-
camente. Si no lo hacen, el problema no sería serio. En el caso contrario, se reco-
mendaría solo usar una de las variables y buscar otras que puedan explicar a la
variable endógena.
169
Estadísticas y Econometría Financiera
n) Utilice el RESET, test propuesto por Ramsey, para verificar si la forma funcional del
modelo es la adecuada.
Como se puede apreciar, no se puede rechazar la hipótesis nula que la forma funcio-
nal lineal es la adecuada.
8) Se cuenta con datos anuales correspondientes al ingreso neto, ingreso financiero (por
intereses) y las provisiones por pérdidas, desde el año 1934 al año 2009, las mismas que
fueron obtenidas de la página de internet de la Federal Deposit Insurance Corporation
(FDIC) de los Estados Unidos (http://www2.fdic.gov/hsob/hsobRpt.asp). Los datos
presentan valores agregados de todos los bancos comerciales en ese país expresados en
miles de US dólares. El archivo Excel que contiene esta información es IngresoNeto_
IngresoInteres_Provisiones.xlsx. Para todas las pruebas de hipótesis se asume que el ni-
vel de significancia estadístico es igual al 5%.
El documento de EViews que contiene esta información se llama “capitulo11_pre-
gunta8_ ingresoneto_ingresointeres_provisiones.wf1”.
170
miles de US dólares. El archivo Excel que contiene esta información hipótesis
es se asume que e
IngresoNeto_IngresoInteres_Provisiones.xlsx. Para todas las pruebas de
hipótesis se asume que el nivel de significancia estadístico es igual al 5% El documento de EVie
11 Prueba "capitulo11_pregunta8_ in
El documento de EViews que capítulo
contiene esta de los supuestos
información se delllama
modelo de MCO
"capitulo11_pregunta8_ ingresoneto_ingresointeres_provisiones.wf1".
a) Use EViews, realice la
a) UseEViews,
a) Use EViews,realice
realice lala siguiente regresión: 𝑦𝑦𝑖𝑖 = 𝛼𝛼 + 𝛽𝛽1 × 𝑥𝑥1,𝑖𝑖 + 𝛽𝛽2 × 𝑥𝑥2,𝑖𝑖 + 𝜀𝜀𝑖𝑖 .
siguiente regresión:
𝜀𝜀𝑖𝑖 .
b) Realice la prueba de Wald para probar si el coeficiente relacionado con las provisio-
nes es igual a -1.
171
Estadísticas y Econometría Financiera
c) De acuerdo a la prueba F-test (análisis de varianza), ¿se puede afirmar que existe
una relación lineal entre la variable endógena y las variables exógenas? Utilice el p-
valor de la prueba.
El p-valor de la prueba es igual a 0,000001. Por lo tanto, se puede afirmar que
existe una relación lineal entre la variable endógena y las variables exógenas.
d) ¿Se puede estar seguro que E(ε) = 0?
Mientras el intercepto sea considerado, este supuesto siempre será satisfecho.
e) Presente el gráfico de los errores (residual plot). ¿Puede observar algún indicio de
heterocedasticidad?
En este caso se presenta el gráfico de los errores, ya que la tabla es bastante grande.
Como se puede apreciar existe bastante evidencia de problemas de heterocedastici-
dad.
172
capítulo 11 Prueba de los supuestos del modelo de MCO
173
Estadísticas y Econometría Financiera
h) Compare sus resultados con la regresión original, ¿pasa algo con los
valores de los coeficientes estimados?
h) Compare sus resultados con la regresión original, ¿pasa algo con los valores de los
coeficientes estimados?
Se puede observar que los coeficientes no cambian y que lo que si
cambia
Se puedeson los valores
observar quedeloslos errores estándar,
coeficientes los queydecrecen.
no cambian que lo que si cambia son los
valores de los errores estándar, los que decrecen.
i) De acuerdo al test de Durbin-Watson, ¿existe autocorrelación de primer
orden
i) De en los al
acuerdo errores?
test de Durbin-Watson, ¿existe autocorrelación de primer orden en
los errores?
El estadístico de DW = 0,593802
El estadístico de DW = 0,593802
En el problema que se está analizando, el número de regresores (sin
En el problema que se está analizando, el número de regresores (sin incluir el inter-
incluir el intercepto) es 2 y el número de observaciones es igual a 76. En
cepto)
la tablaes de
2 ylos
el número
valores de
de observaciones
esta prueba no es se
igual a 76.exactamente
tienen En la tabla de loslos valores de
esta prueba
valores que no se tienen exactamente
corresponden a 76. Sololossevalores
cuentaqueconcorresponden
valores quea 76. Solo se
corresponden
cuenta a 75.que
con valores Secorresponden
utilizará este a número, que será
75. Se utilizará esteuna buena que será una
número,
aproximación de los valores deseados. En este caso: DW L es igual a
buena
1,571 aproximación
y DW S es igual de los valoresConstruyendo
a 1,680. deseados. En lasestezonas
caso: DW L es se
críticas igual a 1,571 y
DW S es igual a 1,680. Construyendo las zonas críticas se tendrán:
tendrán:
En este
En estecaso
casoelelestadístico
estadísticocae
cae
en en la zona
la zona enque
en la la que el DW
el DW indica
indica la
la presencia de au-
presencia de autocorrelación positiva.
tocorrelación positiva.
j) j) Realice
Realice eleltest
testdedeBreusch-Godfrey
Breusch-Godfreyde
deorden
orden5 5(5(5rezagos).
rezagos). Interprete
Interprete sus
resultados.
sus resultados.
Como se puede observar a continuación, de acuerdo a este test se puede rechazar la
hipótesis
Como senula de no
puede autocorrelación
observar de orden
a continuación, de 5. Por lo atanto,
acuerdo este se tienen
test se claramente
puede rechazar la hipótesis nula de no autocorrelación
problemas de autocorrelación de los errores. de orden 5. Por
lo tanto, se tienen claramente problemas de autocorrelación de los
errores.
174
capítulo 11 Prueba de los supuestos del modelo de MCO
Se puede observar que los coeficientes no cambian y que los que sí cambian son los
valores de los errores estándar, que decrecen aún más.
l) Verifique la normalidad de los errores usando el test de Jarque-Bera. Interprete sus
resultados.
175
Estadísticas y Econometría Financiera
En este caso, la correlación entre las variables no es tan alta como en las preguntas
anteriores. Sin embargo es aún posible tener problemas de multicolinealidad.
n) Utilice el test RESET propuesto por Ramsey para verificar si la forma funcional del
modelo es la adecuada.
176
capítulo 11 Prueba de los supuestos del modelo de MCO
Como se puede apreciar, se rechaza la hipótesis nula que la forma funcional lineal
es la adecuada. Por lo tanto, se deben probar modelos adicionales. Una sugerencia
seria correr el modelo aumentando la regresión inicial con los regresores al cua-
drado. En la siguiente figura se presenta el caso en que se ha incluido el cuadrado
de los ingresos financieros.
177
Estadísticas y Econometría Financiera
178
capítulo 11 Prueba de los supuestos del modelo de MCO
Como se puede apreciar los coeficientes asociados a las dummies son significativas,
lo que sustenta nuestra conclusión de la pregunta anterior. Para asegurarse de esto
se verá si todos los coeficientes relacionados con las variables dummies son cero.
Para eso se emplea el test de Wald. Los resultados de esta prueba son los siguientes:
179
C a pí t ulo
12
Modelos de series
de tiempo
181
Estadísticas y Econometría Financiera
j =1 m
Box Pierce
m
) ((Q)n= ˆ j ) 71 ( 100 0,89) ( 100 0, 49) ( 100 0, 07)
2 2 2 2
Box Pierce(Q) ( n ˆ j )2 ( 10
Box(−QPierce 103, j 1
j 1
m
n+2 Box Pier
Ljung − Box(Q) = ∑Box × ( n ρˆ )
n − j Pierce(Q)
j =1
2
103,71
j
m
n2 Ljung Box(Q)
Ljung Box(Q) n j (
j 1
n ˆ j )2
182
100 2 2 1
100 2 100 2 100 2 Ljung Box(Q
) ( 100 0,89)
Ljung Box(Q
) 2
( 100 0,89)
2
( 100 0, 49) ( 100 0, 07)
2
100 1 1
100 1 100 2 100 3
capítulo 12 Modelos de series de tiempo
Ljung − Box(Q) =
107,12
183
Estadísticas y Econometría Financiera
19) Si tiene un proceso en el que las autocorrelaciones son iguales a cero después de 2 reza-
gos y donde las autocorrelaciones parciales decaen asintóticamente, ¿qué modelo univa-
riado de series de tiempo podría ser el adecuado?
El modelo más adecuado es MA(2).
20) Sitiene un proceso en el que las autocorrelaciones y las autocorrelaciones parciales de-
caen asintóticamente, ¿qué modelo univariado de series de tiempo podría ser el ade-
cuado?
ARMA(p,q), donde p y q se tienen que determinar usando algún criterio de informa-
ción.
21) ¿Qué se entiende por parsimonia?
En modelos de series de tiempo la idea de parsimonia se refiere a que siempre se prefe-
rirá un modelo con un menor número de rezagos si la influencia marginal de incluir
rezagos adicionales en el modelo es baja.
22) Si se tiene un pronóstico cuyo MAPE es menor que 1, ¿puede afirmar que estos pronós-
ticos son mejores que los pronósticos de un modelo de camino aleatorio?
Correcto.
23) En términos de la descomposición de los errores de predicción, ¿se desea que el compo-
nente de correlación sea el que es mayor?, ¿por qué?
Porque se desea que los pronósticos sean insesgados y eficientes. Por lo que se espera
que los componentes del insesgamiento y de la varianza sean bastante bajos.
24) Se tiene información presentada en la hoja de Excel peaje_2007_2008.xlsx. Este ar-
chivo contiene los ingresos mensuales en miles de US dólares por concepto de cobro de
peaje de una empresa dedicada a la administración de carreteras. Los datos correspon-
den a los años 2007 al 2008 (24 observaciones). Con base en estos datos y asumiendo
un nivel de significancia estadístico del 5%, responder usando EViews (sugerencia: di-
ferencie dos veces la serie para hacerla estacionaria y poder estimar el modelo).
El archivo de EViews que contiene la solución de este problema se llama: “capitulo12_
problema24_ peaje_2007_2008.wf1”
184
capítulo 12 Modelos de series de tiempo
a) Grafique la serie:
185
Estadísticas y Econometría Financiera
d) Determine el modelo de series de tiempo que mejor se ajuste a la serie de los retor-
nos. Use el método gráfico y los criterios de información.
Por el método gráfico parece que la serie es una serie de ruido blanco. Se utilizan
los criterios de información y el modelo que mejor se acomoda a los datos de acuerdo
al AIC es ARMA(5,1). La siguiente tabla presenta los resultados.
AR ↓ / MA → 1 2 3 4 5
1 AIC -2,399937 -2,144301 -3,036256 -3,097501 -2,262856
BIC -2,367553 -1,945345 -2,787560 -2,799066 -1,914681
2 AIC -2,351186 -2,286551 -2,105357 -1,838040 -2,730849
BIC -2,152040 -2,037618 -1,806637 -1,489534 -2,332556
3 AIC -2,238808 -2,739238 -2,713945 -2,643450 -2,662308
BIC -1,990272 -2,440994 -2,365994 -2,245792 -2,214942
4 AIC -2,444835 -2,696527 -2,035197 -3,002999 -2,874146
BIC -2,148045 -2,350271 -1,639476 -2,557813 -2,379495
5 AIC -3,382618 -3,165640 -1,831467 -2,977382 -1,335567
BIC -3,039530 -2,773540 -1,390355 -2,487256 -0,796429
186
capítulo 12 Modelos de series de tiempo
f) Determine la calidad de los pronósticos con base en los criterios de evaluación pre-
sentados.
En lo que se refiere al MAPE, si este es menor que 1 (o 100%), significa que el mo-
delo que se está utilizando es mejor que el modelo de caminos aleatorios. En este
ejemplo, ese es el caso, el MAPE es igual al 40,44138%. Asimismo, el coeficiente
de desigualdad de Theil es significativamente menor que 1, lo que significa que el
modelo utilizado es mejor que el modelo de caminos aleatorios.
g) Grafique los datos pronosticados con los datos reales.
187
Estadísticas y Econometría Financiera
25) Se cuenta con datos anuales correspondientes al ingreso neto de los bancos de los Esta-
dos Unidos, desde el año 1980 al año 2009. Estos datos han sido obtenidos de la página
de internet de la Federal Deposit Insurance Corporation (FDIC) de los Estados Unidos
(http://www2.fdic.gov/hsob/hsobRpt.asp). Los datos presentan valores agregados de
todos los bancos comerciales en ese país expresados en miles de US dólares. El archivo
Excel que contiene esta información es Bancos_IngresoNeto_1980_2009.xlsx. Con
base en estos datos y asumiendo un nivel de significancia estadístico del 5%, responda
usando EViews:
El archivo de EViews que contiene la solución de este problema se llama: “capitulo12_
problema25_ Bancos_IngresoNeto_1980_2009.wf1”
a) Grafique la serie.
188
capítulo 12 Modelos de series de tiempo
AR ↓ / MA → 1 2 3
1 AIC 3,793366 3,746353 3,816016
BIC 3,888523 3,889089 4,006331
2 AIC 3,908946 3,668110 3,453164
BIC 4,052928 3,860085 3,693134
3 AIC 3,862707 3,784971 3,616057
BIC 4,056260 4,026912 3,906387
189
Estadísticas y Econometría Financiera
190
capítulo 12 Modelos de series de tiempo
d) Determine el modelo de series de tiempo que mejor se ajuste a la serie de los retor-
nos. Use el método gráfico y los criterios de información.
AR ↓ / MA → 1 2 3 4 5
1 AIC -5.520749 -5.527939 -5.524351 -5.521641 -5.519519
BIC -5.495538 -5.494325 -5.482333 -5.471220 -5.460694
2 AIC -5.526833 -5.522938 -5.531490 -5.531424 -5.585655
BIC -5.493168 -5.480856 -5.480992 -5.472509 -5.518324
3 AIC -5.522276 -5.542327 -5.599040 -5.574010 -5.592924
BIC -5.480130 -5.491752 -5.540036 -5.506576 -5.517061
4 AIC -5.531202 -5.541879 -5.594016 -5.589944 -5.615341
BIC -5.480549 -5.482785 -5.526480 -5.513965 -5.530920
5 AIC -5.524775 -5.520783 -5.590047 -5.586177 -5.615525
BIC -5.465589 -5.453143 -5.513952 -5.501627 -5.522520
191
Estadísticas y Econometría Financiera
Se pronosticarán los retornos de los últimos dos meses del 2010 (desde la observa-
ción 455 a la observación 504). El resultado del pronóstico se muestra a continua-
ción:
192
capítulo 12 Modelos de series de tiempo
193
C a pí t ulo
13
Modelos para la
volatilidad condicional:
Los modelos de heteroscedasticidad
condicional autorregresiva
195
Estadísticas y Econometría Financiera
rianzas condicionales sean también grandes. Asimismo, si ut-1 fue pequeña, por el mo-
delo la varianza condicional, en el período t, t+1, etc., también será pequeña.
3) Explique la condición de estacionariedad del modelo ARCH.
La varianza incondicional del modelo ARCH está dada por:
ω
σ 2 E=
= ( µt2 ) q
(14)
1 − ∑α j
j =1
Para ver la forma en que se arriba a esta ecuación se recomienda ver las ecuaciones (94)
a (98) del capítulo 13.
7) ¿Puede el modelo GARCH modelar la asimetría de los movimientos de la volatilidad?
No, pero existen varias modificaciones del modelo GARCH que permiten capturar
esta asimetría: los modelos TARCH, EGARCH y el modelo de componentes ARCH,
son ejemplos de modelos que pueden capturar asimetrías.
196
capítulo 13 Modelos para la volatilidad condicional
8) Explique el concepto del efecto de apalancamiento y las posibles causas del mismo.
El efecto de apalancamiento se refiere al hecho que cuando el precio de las acciones cae,
el ratio de apalancamiento, definido como los pasivos divididos por el capital social de
la empresa, crece. Desde el punto de vista de los accionistas, este incremento implica
que los flujos de caja futuros son más inciertos, por lo que su reacción frente a caídas en
los precios de las acciones, movimientos adversos, será mucho más acentuada que en el
caso de observarse movimientos al alza de los precios.
9) Utilice internet y busque los datos diarios que correspondan a los años 2000 al 2010
del índice financiero de NASDAQ (sugerencia: buscar en Yahoo Finance). Con base en
estos datos y asumiendo un nivel de significancia estadístico del 5%, responda usando
EViews:
Los datos de este ejercicio se encuentran en “Nasdaq_2000_2010.xlsx” y la solución
del problema en “capitulo13_problema9_ Nasdaq_2000_2010.wf1”.
a) Grafique la serie de los retornos.
197
Estadísticas y Econometría Financiera
198
capítulo 13 Modelos para la volatilidad condicional
199
Estadísticas y Econometría Financiera
f) Determine la calidad de los pronósticos con base en los criterios de evaluación pre-
sentados en el capítulo 12.
La primera parte del gráfico presenta los pronósticos de la media condicional y la
segunda parte a la volatilidad condicional. En el caso de la varianza condicional se
puede advertir que esta estuvo debajo del promedio de la varianza incondicional,
por lo que se observa que en el tiempo estos pronósticos tienden a ese promedio de
largo plazo (de ahí la pendiente positiva de esa recta). Asimismo se puede apreciar
que el MAPE y el índice de Theil son menores que 100% y 1, respectivamente.
Esto significa que los pronósticos del modelo son mejores que los pronósticos del
modelo de camino aleatorio.
g) Realice el pronóstico de la volatilidad condicional de los últimos 20 días de la mues-
tra. Use el método estático.
200
capítulo 13 Modelos para la volatilidad condicional
201
Estadísticas y Econometría Financiera
f) Determine la calidad de los pronósticos con base en los criterios de evaluación pre-
sentados en el capítulo 12.
La primera parte del gráfico presenta los pronósticos de la media condicional y la
segunda parte al de la volatilidad condicional. En el caso, de la varianza condicio-
nal, se puede advertir que esta estuvo debajo del promedio de la varianza incondi-
cional, por lo que se observa que en el tiempo estos pronósticos tienden a ese
promedio de largo plazo (de ahí la pendiente positiva de esa recta). Asimismo se
puede apreciar que el MAPE y el índice de Theil son menores que 100% y 1, res-
pectivamente. Esto significa que los pronósticos del modelo son mejores que los
pronósticos del modelo de camino aleatorio.
11) Utilice los datos recolectados en la pregunta 9 y realice lo siguiente:
La solución del problema en “capitulo13_problema11_ Nasdaq_2000_2010.wf1”.
a) Use EViews, modele la media condicional como un modelo AR(1) y la varianza
condicional como un modelo EGARCH(1,1).
202
capítulo 13 Modelos para la volatilidad condicional
1 Nótese, que este coeficiente corresponde a C(4), tal como se puede apreciar en la siguiente ecuación presentada en la misma ventana
de resultados de EViews: LOG(GARCH) = C(3) + C(4)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(5)*RESID(-1)/@SQRT(GARCH(-1))
+ C(6)*LOG(GARCH(-1)).
203
Estadísticas y Econometría Financiera
f) Determine la calidad de los pronósticos con base en los criterios de evaluación pre-
sentados en el capítulo 20.
La primera parte del gráfico presenta los pronósticos de la media condicional y la
segunda parte a la de la volatilidad condicional. En el caso de la varianza condicio-
nal, se puede advertir que esta estuvo debajo del promedio de la varianza incondi-
cional, por lo que se observa que en el tiempo estos pronósticos tienden a ese
promedio de largo plazo (de ahí la pendiente positiva de esa recta). Asimismo se
puede apreciar que el MAPE y el índice de Theil son menores que 100% y 1, res-
pectivamente. Esto significa que los pronósticos del modelo son mejores que los
pronósticos del modelo de camino aleatorio.
g) Grafique la curva de impacto de las noticias usando los resultados de este modelo.
204
capítulo 13 Modelos para la volatilidad condicional
205
Estadísticas y Econometría Financiera
206
capítulo 13 Modelos para la volatilidad condicional
f) Determine la calidad de los pronósticos con base en los criterios de evaluación pre-
sentados en el capítulo 12.
La primera parte del gráfico presenta los pronósticos de la media condicional y la
segunda parte de la volatilidad condicional. En el caso de la varianza condicional,
se puede advertir que esta estuvo debajo del promedio de la varianza incondicional,
por lo que se observa que en el tiempo estos pronósticos tienden a ese promedio de
largo plazo (de ahí la pendiente positiva de esa recta). Asimismo se puede apreciar
que el MAPE y el índice de Theil son menores que 100% y 1, respectivamente.
Esto significa que los pronósticos del modelo son mejores que los pronósticos del
modelo de camino aleatorio.
207
C a pí t ulo
14
209
Estadísticas y Econometría Financiera
3. ¿Es correcto diferenciar una serie no estacionaria en tendencia para convertirla en esta-
cionaria? Justifique su respuesta.
No, porque al hacer esto se introducirá un proceso MA no invertible. Para observar
esto, en detalle, se recomienda examinar las ecuaciones (4) y (5) de este capítulo.
4. ¿Qué es una serie I(1)?
Una serie I(1) es una serie no estacionaria que para ser convertida en una serie estacio-
naria necesita ser diferenciada 1 vez.
5. ¿Cuál es la idea de la prueba aumentada de Dickey-Fuller?
La idea fundamental de la prueba aumentada de Dickey-Fuller es que para detectar la
presencia de raíces unitarias, la ecuación de las hipótesis debe considerar rezagos de la
variable endógena que permita que los errores sea no autocorrelacionados.
6. ¿Cuál es la diferencia entre la prueba de Dickey-Fuller y la prueba aumentada de
Dickey-Fuller?
El estadístico de DF presentado en la ecuación (6) o su equivalente en la ecuación (16)
asume que los errores son no autocorrelacionados. Sin embargo, en la práctica este su-
puesto puede no cumplirse. Es por esto que DF modificaron el test original de tal ma-
nera de hacer que los errores sean efectivamente no correlacionados. La idea es bastante
simple: para evitar que los errores sean autocorrelacionados se aumenta en la ecuación
(6) (o (16)) p-rezagos de la serie de la siguiente manera:
p
∆yt = λ × yt −1 + ∑ δ i × ∆yt −i + ut
i =1
7. Escriba cual sería la ecuación de un modelo VAR(2) tri-variado. ¿Cuál sería el número
de variables a estimar?
y1,t α1 β1,1 β1,2 β1,3 y1,t −1 γ 1,1 γ 1,2 γ 1,3 y1,t − 2 u1,t
y2,t =α 2 + β 2,1 β 2,2 β 2,3 × y2,t −1 + γ 2,1 γ 2,2 γ 2,3 × y2,t −2 + u2,t
y3,t α 3 β3,1 β3,2 β3,3 y3,t −1 γ 3,1 γ 3,2 γ 3,3 y3,t − 2 u3,t
210
capítulo 14 Modelos de Series de Tiempo Multivariados y el Concepto de Cointegración
8. ¿Por qué un modelo que trabaja con series en diferencias solo puede capturar las relacio-
nes de corto plazo entre las variables?
Se escribe nuevamente la ecuación (49) del capítulo en la que cada variable ha sido di-
ferenciada:
∆yt= α + β1 × ∆yt −1 + β 2 × ∆yt − 2 + ... + β k × ∆yt − k + ut
Si existe una relación de largo plazo, también conocida como equilibrio o situación es-
tacionaria, todas las variables no variarán con el tiempo, es decir que:
y y=
= t yt −1
211
Estadísticas y Econometría Financiera
que hace que estas sean integradas de orden cero (I(0)), es decir, que si existe un vector
de cointegración de tal manera que la serie resultante sea estacionaria o I(0). Matemáti-
camente,
k
∑δ × y
i
i i ∼ I (0)
El último término es el que captura la relación de largo plazo de las variables en caso
que se encuentre uno o más vectores de cointegración.
Es justamente en este último término en el que el test de Johansen se basa. La prueba
analiza los valores propios de la matriz Γ y su rango. Se conoce que el rango de una
matriz es igual al número de valores propios diferentes de cero.
En el caso de tener variables estacionarias se puede demostrar que la matriz Γ tendría
rango completo, es decir, que el número de valores propios diferentes de cero sería exac-
tamente igual al número de variables en el sistema, que en este caso se ha llamado “r”.
En el caso que se tenga variables I(1), el rango necesariamente será menor r, lo que a su
vez significa que el número de valores propios también será menor que r.
Se debe de recordar que a cada valor propio le corresponde un vector propio. En el caso
de la prueba de Johansen, estos vectores propios corresponden a los vectores de cointe-
gración que se están buscando. Como se mencionó anteriormente, el número máximo
de vectores de cointegración es igual a r – 1.
Existen dos test para detectar la presencia de vectores de cointegración: el test de la
traza y el test de la máxima verosimilitud. Para una detallada explicación de ambos se
recomienda leer la sección 4.2.2 de este capítulo.
14. Busque en Yahoo Finance tres series financieras. Busque datos diarios que correspon-
dan a los dos últimos años. Con base en estos datos, replicar paso por paso el ejemplo
presentado en la sección 5 de este capítulo. Esté seguro de hacer lo siguiente:
Los datos corresponden a tres índices bursátiles: SP500, BOVESPA (Brasil) y MER-
VAL (Argentina). Los datos se encuentran en “sp500_Ibovespa_MerVal_2009_2010.
xlsx”. La solución de este problema se encuentra en el archivo EViews “capitulo14_pro-
blema14_ sp500_Ibovespa_MerVal_2009_2010.wf1”.
212
capítulo 14 Modelos de Series de Tiempo Multivariados y el Concepto de Cointegración
213
Estadísticas y Econometría Financiera
b) Mediante el uso de las funciones de autocorrelación ¿podría decir que las series son
no estacionarias?
No. Si se observan las funciones de autocorrelación se puede afirmar que las funcio-
nes no son estacionarias. Esto se puede apreciar al ver que las funciones de autocorre-
lación decrecen bastante lentamente, tal como se presenta en el siguiente gráfico que
corresponde al índice brasileño. Lo mimo se puede apreciar para los otros índices.
c) Utilice la prueba aumentada de Dickey-Fuller para probar que las series tienen raíz
unitaria.
test Bvsp Merv SP
ADF-test -2,428521 -0,725734 -1,287791
Valor crítico (5%) -2,867645 -2,867645 -2,867645
Conclusión Raíz unitaria Raíz unitaria Raíz unitaria
d) Verifique que las series son I(1), es decir, verifique si las series en diferencias son es-
tacionarias.
test Bvsp Merv SP
ADF-test -22,48426 -23,71090 -9,849522
Valor crítico (5%) -2,867645 -2,867645 -2,867645
Conclusión Estacionario Estacionario Estacionario
214
capítulo 14 Modelos de Series de Tiempo Multivariados y el Concepto de Cointegración
e) Trabaje con las series estacionarias, construya los modelos del tipo ARMA(p,q) que
mejor se ajusten a cada serie. Recuerde utilizar los criterios de información para de-
cidir el número óptimo de rezagos del modelo. Pronostique los últimos 5 días de las
series y compare sus resultados con los datos reales.
Para “dlsp”: De acuerdo al AIC ARMA(5,4) y de acuerdo al BIC ARAMA(4,4). Se
trabajará con el modelo más parsimonioso (ARMA(4,4)).
AR ↓ / MA → 1 2 3 4 5
1 AIC -5,640196 -5,636160 -5,641248 -5,649873 -5,655802
BIC -5,613074 -5,599997 -5,596045 -5,595630 -5,592518
2 AIC -5,635459 -5,686999 -5,690338 -5,684624 -5,677278
BIC -5,599236 -5,641721 -5,636005 -5,621235 -5,604833
3 AIC -5,651064 -5,689304 -5,692775 -5,681323 -5,690067
BIC -5,605710 -5,634880 -5,629280 -5,608757 -5,608431
4 AIC -5,662446 -5,703839 -5,699836 -5,747463 -5,748205
BIC -5,607931 -5,640239 -5,627149 -5,665691 -5,657346
5 AIC -5,661646 -5,694845 -5,696271 -5,696542 -5,692208
BIC -5,597939 -5,622037 -5,614361 -5,605531 -5,592096
AR ↓ / MA → 1 2 3 4 5
1 AIC -5,407608 -5,403325 -5,405012 -5,398710 -5,397972
BIC -5,380486 -5,367162 -5,359809 -5,344466 -5,334688
2 AIC -5,401775 -5,402939 -5,402178 -5,446759 -5,410423
BIC -5,365552 -5,357661 -5,347844 -5,383370 -5,337979
3 AIC -5,410465 -5,465383 -5,453382 -5,449086 -5,447370
BIC -5,365112 -5,410959 -5,389887 -5,376520 -5,365734
4 AIC -5,405294 -5,423263 -5,461819 -5,476032 -5,433330
BIC -5,350779 -5,359662 -5,389132 -5,394259 -5,342471
5 AIC -5,400365 -5,437204 -5,436806 -5,494032 -5,492650
BIC -5,336657 -5,364395 -5,354896 -5,403021 -5,392538
215
Estadísticas y Econometría Financiera
AR ↓ / MA → 1 2 3 4 5
1 AIC -5,558336 -5,555816 -5,551614 -5,549396 -5,548579
BIC -5,531215 -5,519654 -5,506411 -5,495153 -5,485295
2 AIC -5,554846 -5,621943 -5,584130 -5,562258 -5,588822
BIC -5,518624 -5,576665 -5,529796 -5,498868 -5,516377
3 AIC -5,553002 -5,566523 -5,632194 -5,629649 -5,627098
BIC -5,507648 -5,512099 -5,568699 -5,557083 -5,545461
4 AIC -5,565073 -5,572615 -5,628868 -5,629399 -5,656460
BIC -5,510558 -5,509014 -5,556182 -5,547626 -5,565602
5 AIC -5,558015 -5,607993 -5,623276 -5,653828 -5,653644
BIC -5,494307 -5,535184 -5,541366 -5,562817 -5,553532
216
capítulo 14 Modelos de Series de Tiempo Multivariados y el Concepto de Cointegración
217
Estadísticas y Econometría Financiera
VAR Valor
1 AIC -17,63280
BIC -17,52431
2 AIC -17,62639
BIC -17,43622
3 AIC -17,65014
BIC -17,37802
4 AIC -17,67019
BIC -17,31584
5 AIC -17,66640
BIC -17,22955
218
capítulo 14 Modelos de Series de Tiempo Multivariados y el Concepto de Cointegración
219
Estadísticas y Econometría Financiera
h) Verifique si existe alguna relación de cointegración entre las series mediante el uso
del test de Johansen.
Si se emplean 4 rezagos se obtiene lo siguiente:
220
capítulo 14 Modelos de Series de Tiempo Multivariados y el Concepto de Cointegración
VAR Valor
1 AIC -17,72995
BIC -17,56722
2 AIC -17,75290
BIC -17,50840
3 AIC -17,45913
BIC -17,43258
4 AIC -17,77279
BIC -17,36393
5 AIC -17,78386
BIC -17,29240
221
Estadísticas y Econometría Financiera
222