Examen Final - Semana 8 - INV - PRIMER BLOQUE-ECONOMETRIA - (GRUPO1) PDF

11/5/2020 Examen final - Semana 8: INV/PRIMER BLOQUE-ECONOMETRIA-[GRUPO1]
Examen final - Semana 8
Fecha de entrega 12 de mayo en 23:55 Puntos 80 Preguntas 20

Disponible 9 de mayo en 0:00 - 12 de mayo en 23:55 4 días Límite de tiempo 90 minutos
Intentos permitidos 2
Instrucciones
https://poli.instructure.com/courses/13290/quizzes/47155 1/13
Volver a realizar el examen
Historial de intentos
Intento Hora Puntaje

MÁS RECIENTE Intento 1 82 minutos 60 de 80
 Las respuestas correctas estarán disponibles del 13 de mayo en 23:55 al 14 de mayo en 23:55.
Puntaje para este intento: 60 de 80

Entregado el 11 de mayo en 20:19
Este intento tuvo una duración de 82 minutos.
Incorrecto Pregunta 1 0 / 4 pts
Después de estimar el modelo yt =b1 +b2 xt +b3 yt-1+ et, usted desea
comprobar la existencia de autocorrelación.
En este caso una prueba adecuada será:
La Prueba de Durbin-Watson
La Prueba de Breuch-Pagan
La h de Durbin
Ninguna de las anteriores
Pregunta 2 4 / 4 pts
Considere el siguiente modelo de regresión : Y_t=β_2 LnX_2i+β_3

〖LnX〗_3i+β_4 〖LnX〗_4i+ei, donde, e cumple los supuestos
habituales. Se puede afirmar que el modelo es :
Lineal en los parámetros y en las variables
No lineal en los parámetros y lineal en las variables
Lineal en los parámetros y no lineal en las variables
Cuando decimos que una series es fuertemente dependiente, se quiere decir que:
a)Su varianza no depende del tiempo
a)Es una serie I(0) o integrada de orden cero
a)Posee memoria limitada de su comportamiento pasado en el sentido

que efectos aleatorios son transitorios y van decreciendo o perdiendo
fuerza en el tiempo.
a)El pasado de la serie está muy relacionado con el presente por lo cual
un pequeño cambio genera efectos permanentes y duraderos en la serie.
Siempre que las series de tiempo que se utilicen sean débilmente

dependientes, los procedimientos usuales de inferencia de MCO serán
validos bajo supuestos más débiles que aquellos del modelo lineal clásico.
Por desgracia, varias series de tiempo económicas no pueden
caracterizarse por una dependencia débil. El uso de series de tiempo con
dependencia fuerte en el análisis de regresión no plantea ningún problema,
pero los procedimientos de inferencia usuales son muy sensibles a la
violación de estos supuestos cuando los datos no son débilmente
dependientes, a continuación se dan algunos ejemplos de series de tiempo
altamente persistentes (o fuertemente dependientes) y se muestra como
pueden transformarse para utilizarlas en el análisis de regresión.
Una de las características de la R-Cuadrada Ajustada es:
a)Ajusta y minimiza la varianza de los estimadores de MCO
a)aumenta cuando el tamaño de muestra es pequeño
a)Impone una sanción a la adición de más variables independientes a un

modelo
Ajusta mejor en los modelos de regresión lineal cuando la variable

dependiente es dicotómica
Asuma un modelo de regresión del tipo salario = B0 + B1*genero + u,

donde género es una variable binaria que toma el valor de 1 para
hombres y 0 para mujeres, de acuerdo a lo anterior podemos afirmar:
El salario promedio de los hombres es el mismo que el de las mujeres si

B0
El salario promedio de las mujeres es B0+B1
El salario promedio para los hombres es B0 superior al de las mujeres
Ninguna de las anteriores es correcta
Se desea analizar si la serie de tasa de interés de los CDT que ofrece un banco
tiene una raíz unitaria por lo cual se obtuvo el siguiente resultado
Al respecto el coeficiente estimado de p es
0.909
0.809
0.996
0.709
Asuma los siguientes datos de ventas en millones de pesos para una empresa:
El pronóstico de ventas para el trimestre 11 empleando el método de los promedios

móviles de orden 3 es:
23.6
20.6
22.6
21.6
Las observaciones aberrantes se pueden dar porque:
La muestra es demasiado grande
El modelo está mal estimado
Se cuentan con muy pocos parámetros
Alguien registró incorrectamente un dato
Si el p-valor de un parámetro particular en una regresión es mayor que el

valor alpha que se ha establecido para evaluar el modelo, significa que:
Se rechaza la hipótesis nula en cuestión, por lo tanto se indica que la

variable explicada no tiene incidencia en la explicativa
Se acepta la hipótesis nula en cuestión, por lo tanto se indica que la

variable explicada tiene incidencia en la explicativa
Se rechaza la hipótesis nula en cuestión, por lo tanto se indica que la

variable explicada tiene incidencia en la explicativa
Se acepta la hipótesis nula en cuestión, por lo tanto se indica que la

variable explicada no tiene incidencia en la explicativa
En un modelo convencional y = β0+β1x + u se dice que “x” es:
La variable independiente
La variable dependiente
El término de error
La constante
Cuando en una distribución, en términos de su curtosis, hay una alta

concentración de datos se conoce como una distribución:
Leptocúrtica
Mesocúrtica
Macrocúrtica
Platicúrtica
Se dice que un estimador es insesgado cuando:
Cuando se hacen estimaciones sobre muestras aleatorias se obtiene

valores muy cercanos al verdadero valor poblacional del parámetro
Los errores en promedio son nulos, es decir que el parámetro estimado es

acertado
No hay especificación errónea en el modelo, al escoger las variables

adecuadas que definen el modelo
Hay invariabilidad de la varianza del error, lo cual indica que el modelo

presenta comportamiento homocedástico.
Un elemento que no hace parte de los 4 patrones básicos de una serie de

tiempo es:
El movimiento estacional
La aleatoriedad
El movimiento cíclico
La tendencia
Asuma que usted tiene la siguiente estimación para aplicar la prueba de raíz unitaria
a la serie de la TRM, los resultados se muestran a continuación:
En este caso podemos decir lo siguiente:
El estadistico t es -2.81 por lo cual se puede rechazar la hipótesis nula de raíz

unitaria y se ene evidencia estadís ca de tendencia lineal

unitaria
El estadistico t es -2.81 por lo cual no se puede rechazar la hipótesis nula de

raíz unitaria

unitaria y no se ene evidencia de tendencia lineal
Asuma los siguientes datos de exportaciones de una empresa
La recta de tendencia usando el método de mínimos cuadrados ordinarios es:
Una manera de transformar una serie de tiempo altamente persistente es:
Aplicar diferencias
Aplicar logaritmo natural
Sustituir la variable
Añadir una tendencia lineal
Se dice que los procesos débilmente dependientes son integrados de orden

cero o I(0). En un sentido práctico, esto significa que no es necesario hacer
nada con esas series antes de utilizarlas en un análisis de regresión: los
promedios de estas secuencias ya satisfacen los teoremas del límite más
comunes. Se dice que los procesos de raíz unitaria, como la caminata
aleatoria (con o sin deriva), son integrados de orden uno, o I(1). Esto
significa que la primera diferencia del proceso es débilmente dependiente (y
a menudo estacionaria). Una serie de tiempo I(1) a menudo se considera un
proceso estacionario en diferencias, aun cuando en cierto modo el nombre
es engañoso respecto al énfasis que se pone en la estacionariedad
después de la diferenciación, en vez de la dependencia débil en las
diferencias.
Aquello que representa factores diferentes a las variables explicativas

que explican a un modelo, pero que aun así afectan a la variable
explicada se conoce como:
Parámetro
Prueba de hipótesis
Coeficiente de correlación
Perturbación
En una regresión simple sin intercepto

el valor esperado de los errores es:
Cero
Diferente de cero
Igual que con intercepto
Un ruido blanco es:
Una serie con varianza constante
Un proceso con una tendencia lineal y un ciclo determinado
Secuencia de valores independientes e idénticamente distribuidos a lo

largo del tiempo
una serie I(0) o integrada de orden cero
Al tomar una muestra aleatoria de personas y luego se descubre que a algunas de

las unidades de la muestra les faltan datos sobre algunas de las variables clave,
este problema se conoce como:
a)Muestreo no Aleatorio
a)Datos atípicos
a)Datos faltantes
a)Muestras Incompletas
Puntaje del examen: 60 de 80

Examen Final - Semana 8 - INV - PRIMER BLOQUE-ECONOMETRIA - (GRUPO1) PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Examen Final - Semana 8 - INV - PRIMER BLOQUE-ECONOMETRIA - (GRUPO1) PDF

Cargado por

Copyright:

Formatos disponibles

11/5/2020 Examen final - Semana 8: INV/PRIMER BLOQUE-ECONOMETRIA-[GRUPO1]

Examen final - Semana 8

Fecha de entrega 12 de mayo en 23:55 Puntos 80 Preguntas 20

Volver a realizar el examen

Intento Hora Puntaje

Puntaje para este intento: 60 de 80

Incorrecto Pregunta 1 0 / 4 pts

En este caso una prueba adecuada será:

Ninguna de las anteriores

Considere el siguiente modelo de regresión : Y_t=β_2 LnX_2i+β_3

Ninguna de las anteriores

Lineal en los parámetros y en las variables

No lineal en los parámetros y lineal en las variables

Lineal en los parámetros y no lineal en las variables

a)Su varianza no depende del tiempo

a)Es una serie I(0) o integrada de orden cero

a)Posee memoria limitada de su comportamiento pasado en el sentido

Siempre que las series de tiempo que se utilicen sean débilmente

Incorrecto Pregunta 4 0 / 4 pts

Una de las características de la R-Cuadrada Ajustada es:

a)Ajusta y minimiza la varianza de los estimadores de MCO

a)aumenta cuando el tamaño de muestra es pequeño

a)Impone una sanción a la adición de más variables independientes a un

Ajusta mejor en los modelos de regresión lineal cuando la variable

Asuma un modelo de regresión del tipo salario = B0 + B1*genero + u,

hombres y 0 para mujeres, de acuerdo a lo anterior podemos afirmar:

El salario promedio de los hombres es el mismo que el de las mujeres si

El salario promedio de las mujeres es B0+B1

El salario promedio para los hombres es B0 superior al de las mujeres

Ninguna de las anteriores es correcta

Al respecto el coeficiente estimado de p es

El pronóstico de ventas para el trimestre 11 empleando el método de los promedios

Las observaciones aberrantes se pueden dar porque:

La muestra es demasiado grande

El modelo está mal estimado

Se cuentan con muy pocos parámetros

Alguien registró incorrectamente un dato

Incorrecto Pregunta 9 0 / 4 pts

Si el p-valor de un parámetro particular en una regresión es mayor que el

Se rechaza la hipótesis nula en cuestión, por lo tanto se indica que la

Se acepta la hipótesis nula en cuestión, por lo tanto se indica que la

Se rechaza la hipótesis nula en cuestión, por lo tanto se indica que la

Se acepta la hipótesis nula en cuestión, por lo tanto se indica que la

En un modelo convencional y = β0+β1x + u se dice que “x” es:

Cuando en una distribución, en términos de su curtosis, hay una alta

Se dice que un estimador es insesgado cuando:

Cuando se hacen estimaciones sobre muestras aleatorias se obtiene

Los errores en promedio son nulos, es decir que el parámetro estimado es

No hay especificación errónea en el modelo, al escoger las variables

Hay invariabilidad de la varianza del error, lo cual indica que el modelo

Un elemento que no hace parte de los 4 patrones básicos de una serie de

En este caso podemos decir lo siguiente:

El estadistico t es -2.81 por lo cual se puede rechazar la hipótesis nula de raíz

El estadistico t es -3.41 por lo cual se puede rechazar la hipótesis nula de raíz

El estadistico t es -2.81 por lo cual no se puede rechazar la hipótesis nula de

El estadistico t es -3.41 por lo cual se puede rechazar la hipótesis nula de raíz

Incorrecto Pregunta 15 0 / 4 pts

Asuma los siguientes datos de exportaciones de una empresa

La recta de tendencia usando el método de mínimos cuadrados ordinarios es:

Una manera de transformar una serie de tiempo altamente persistente es:

Aplicar logaritmo natural

Añadir una tendencia lineal

Se dice que los procesos débilmente dependientes son integrados de orden