Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. una pequeña empresa contrata a un consultor para predecir el valor de las ventas semanales
de su producto si su publicidad semanal aumenta a $ 750 por semana. El consultor toma un
registro de cuánto gasta la empresa en publicidad por semana y las ventas semanales
correspondientes en los últimos seis meses. El consultor escribe: "En los últimos seis meses, el
gasto semanal promedio en publicidad ha sido de $ 500 y las ventas semanales promedio han
sido de $ 10,000. Basado en el resultado de una regresión lineal simple, predigo que las ventas
serán de $ 12,000 si se gastan $ 750 por semana en publicidad."
a. ¿Cuál es la regresión simple estimada utilizada por el consultor para hacer esta predicción?
Lo que significa que cada 250 en publicidad, se aumentan en 2000 las ventas semanales
2000
250
=8
-----------------------------------------------------------------
Ventas=6000+8(publicidad)
Ventas=6000+8(500) Ventas=6000+8(750)
Ventas=10000 Ventas=12000
b. Dibuje el gráfico de la línea de regresión estimada. Localice los valores promedio semanales
en el gráfico.
ventas con respecto a publisidad (con ajuste mínimo-cuadrático)
13000
Y = 6,00e+003 + 8,00X
12000
11000
10000
ventas
9000
8000
7000
6000
0 100 200 300 400 500 600 700
publisidad
2. Usted tiene los resultados de una regresión lineal simple basada en datos a nivel estatal y el
Distrito de Columbia, un total de N = 51 observaciones.
σ2 = 2.04672 b2=0.00098
̂
∑ 𝑒̂ 2
σ2 =
̂
𝑛−2
∑ 𝑒̂ 2
2.04672 = 51−2
∑ 𝑒̂ 2 = 49(2.04672) = 100.28928
(b) La varianza estimada de b2 es 0.00098. ¿Cuál es el error estándar de b2? ¿Cuál es el valor de
̂) 2?
es el valor de Σ(xi-𝒙
σ2 = 2.04672
̂
error estándar de b2
𝒆𝒔 = √0.00098 = 0,031305
̂) 2?
¿Cuál es el valor de es el valor de Σ(xi-𝒙
𝜎2
Var(b2)=
∑(𝑥1−𝑥̅ )2
𝟐,𝟎𝟒𝟔𝟕𝟐
∑(𝑥1 − 𝑥̅ )2 = = 2088,4898
𝟎,𝟎𝟎𝟎𝟗𝟖
(c) Suponga que la variable dependiente "yi" = el ingreso promedio del estado (en miles de
dólares) de hombres de 18 años o más y "xi", el porcentaje de hombres de 18 años o más que se
graduaron de la escuela secundaria. Si b2 = 0.18, interprete este resultado.
Por lo que el valor b2 = 0.18 sugiere que un 1% en el porcentaje de hombres de 18 años o más que
se hayan graduado de la escuela secundaria conducirá a un aumento en el ingreso promedio de los
hombres de 18 años o más.
B1 =yi - xi (0,18)
3. El archivo br2.dat contiene datos sobre 1080 casas vendidas en Baton Rouge, Louisiana,
durante mediados de 2005. Los datos incluyen el precio de venta, el tamaño de la casa en pies
cuadrados, su edad, si tiene una piscina o chimenea o está en el paseo marítimo. También se
incluye una variable indicadora TRADICIONAL que indica si el estilo de la casa es tradicional o no.
Variable Las descripciones se encuentran en el archivo br2.def.
(a) Trace el precio de la casa contra el tamaño de la casa para casas con estilo tradicional.
price con respecto a sqft (con ajuste mínimo-cuadrático)
1,1e+006
Y = -2,84e+004 + 73,8X
1e+006
900000
800000
700000
600000
price
500000
400000
300000
200000
100000
0
1000 2000 3000 4000 5000 6000 7000
sqft
(b) Para las casas de estilo tradicional estimar el modelo de regresión lineal PRECIO = 𝜷1 + 𝜷2
SQFT + e. Interpreta las estimaciones. Dibuja un boceto de la línea ajustada.
-----------------------------------------------------------------
1e+006
900000
800000
700000
600000
price
500000
400000
300000
200000
100000
0
1000 2000 3000 4000 5000 6000 7000
sqft
Conclusión:
Se observa en la figura que existe una relación directa fuerte entre la variable precio y tamaño de
las casas, es decir conforme aumenta el tamaño de las casas también lo hace el precio, pero
también se observa que existen datos muy alejados.
la pendiente de 73, 772 sugiere que el precio esperado de la casa aumenta en aproximadamente
$73,77 por cada pie cuadrado adicional del tamaño de la casa. el término de intercepción es
-28 408 que se interpretaría como el precio en dólares de una casa tradicional de cero pies
cuadrados. Pero un valor negativo no tiene sentido y por eso no hay datos en la región de cero
pies cuadrados.
(c) Para las casas de estilo tradicional, estimar el modelo de regresión cuadrática
PRECIO = α1 + α2 𝐒𝐐𝐅𝐓 𝟐 + e.
Calcule el efecto marginal de un adicional pies cuadrados de área habitable en una casa con
2000 pies cuadrados de espacio habitable. Calcule la elasticidad de PRICE con respecto a SQFT
para una casa con 2000 pies cuadrados de espacio habitable. Grafica la línea ajustada. En el
gráfico, dibuja la línea que es tangente a la curva para una casa de 2000 pies cuadrados.
coeficiente Desv. típica Estadístico t valor p
--------------------------------------------------------+p---------
2. efecto marginal
dprice
dsqf t
= 2x 0, 0120632 SQFT=
dprice
=0,0241264 SQFT
dsqf t
=48,2528
Precio=116962,8
2000
E=116962 (48,2528)= 0,8251 es inelástica la demanda para 2000 sqtf
4. Grafica la línea ajustada
1e+006
900000
800000
700000
600000
price
500000
400000
300000
200000
100000
0
0 1e+007 2e+007 3e+007 4e+007 5e+007
sq_sqft
(d) Para las regresiones en (b) y (c) calcule los mínimos cuadrados residuales y trace ellos contra
SQFT. ¿Alguno de nuestros supuestos parece violado?
b.
500000
400000
300000
residuo
200000
100000
-100000
-200000
-300000
1000 2000 3000 4000 5000 6000 7000
sqft
c.
300000
200000
100000
residuo
-100000
-200000
-300000
-400000
0 1e+007 2e+007 3e+007 4e+007 5e+007
sq_sqft
el supuesto de homocedasticidad var (e | x) = 𝜎 2 podría ser violado porque los residuos más
grandes para las casas más grandes implican que la propagación o variación de los errores es
mayor a medida que aumentan los pies cuadrados. o, en otras palabras, no existe una variación
constante del término de error para todos los tamaños de vivienda.
(e) Una base para elegir entre estas dos especificaciones es qué tan bien están los datos Ajuste
por el modelo. Compare la suma de los residuos cuadrados (SSE) de los modelos en (b) y (c).
¿Qué modelo tiene un SSE más bajo? ¿Cómo tener un SSE más bajo indica un modelo de "mejor
ajuste"?
𝑆𝑆𝐸2 <𝑆𝑆𝐸1
El modelo SSE que mas se ajusta es el c por que es el que menor Suma de residuos cuadrados.
(f) Para las casas de estilo tradicional, estimar el modelo de regresión lineal lineal Ln (PRICE) = y1
+ y2 SQFT + e. Interpreta las estimaciones. Grafica la línea ajustada, y dibuje la línea tangente a
la curva para una casa con 2000 pies cuadrados de sala de estar.
--------------------------------------------------------------
sqft
1200000
1000000
800000
600000
400000
200000
0
0 1000 2000 3000 4000 5000 6000 7000 8000
rj - rf = 𝛽𝑗 (r m -r f)
Como tal, los valores de beta menor que 1 indican que la acción es "defensiva" ya que su variación
es menos que el del mercado. una beta mayor que 1 indica una "acción agresiva". Los inversores
suelen querer una estimación de la beta de una acción antes de comprarla. El modelo capm que se
muestra arriba es el "modelo económico" en este caso. el "modelo econométrico" en este caso. el
"modelo econométrico" se obtiene al incluir una intersección en el modelo (aunque la teoría dice
que debería ser cero) y un término de error,
a) Explique por qué el modelo econométrico anterior es un modelo de regresión simple como los
discutidos en este capítulo.
Donde y= rj -rf, 𝛽1=∝ 𝑗 como una constante , 𝛽2= 𝛽j como multiplicador de x = (rm -rf) y el error
e=e
(b) En el archivo de datos capm4.dat hay datos sobre los rendimientos mensuales de seis
empresas (Microsoft, GE, GM, IBM, Disney y Mobil-Exxon), la tasa de rendimiento del mercado
cartera (MKT) y la tasa de rendimiento del activo libre de riesgo (RISKFREE). Los 132 observaciones
cubren enero de 1998 a diciembre de 2008. Estime el CAPM modelo para cada empresa y comente
sobre sus valores beta estimados. ¿Cuál firma parece más agresivo? ¿Qué empresa parece más
defensiva?
disney
--------------------------------------------------------------
GE
coeficiente Desv. típica Estadístico t valor p
--------------------------------------------------------------
GM
-----------------------------------------------------------------
ibm
--------------------------------------------------------------
Microsoft
--------------------------------------------------------------
Xom
-----------------------------------------------------------------
Microsoft
prima_mks =1,31895 es la más “agresiva” por qué es mayor a 1 y porque de las acciones
escogidas es la mayor
Xom
prima_mks =0,413969 la acción xom es la más defensiva por que es menor a uno y la menor
entre las acciones escogidas.
(c) La teoría financiera dice que el parámetro de interceptación 𝜶𝒋 debería ser cero. ¿Esto parece
correcto dadas sus estimaciones? Para las acciones de Microsoft, graficar las línea de regresión
junto con la dispersión de datos.
disney
const −0,00114941
GE
const −0,00116693
GM
const −0,0115500
ibm
const 0,00585126
Microsoft
const 0,00609752
Xom
const 0,00788014
según las estimaciones las constantes todas son aproximadas a 0 por lo que son consistentes con
la teoría.
prima_msft con respecto a prima_mks (con ajuste mínimo-cuadrático)
0,5
Y = 0,00610 + 1,32X
0,4
0,3
0,2
prima_msft
0,1
-0,1
-0,2
-0,3
-0,4
-0,15 -0,1 -0,05 0 0,05
prima_mks
(d) Estime el modelo para cada empresa bajo el supuesto de que ∝j = 0. Haga las estimaciones de
los valores beta ¿cambian mucho?
Disney GE GM IBM
Microsoft xom
----------------------------------------------------------------
comparando una muestra de clases pequeñas y regulares. Se encuentra que los estudiantes en
clases regulares tienen un puntaje total promedio de 918 mientras que los estudiantes en clases
pequeñas tienen un promedio de 918 + 13,9(1) = 931,9. Este es un aumento del 1,50%. Este
resultado sugiere que las clases pequeñas tienen un impacto positivo en el aprendizaje.
(b) Repita la parte (a) usando las variables dependientes READSCORE y MATHSCORE. Hacer
observas alguna diferencia?
Read score
----------------------------------------------------------------
Los estudiantes en las clases regulares alcanzan un puntaje promedio de lectura de 434.733
mientras que los estudiantes en clases pequeñas alcanzan un promedio de 434.733 + 5,8191=
440.551 Este es un aumento del 1,34%. en matemáticas.
MATHSCORE
----------------------------------------------------------------
los estudiantes en las clases regulares alcanzan un puntaje promedio en las clases regulares
alcanzan un puntaje promedio de 483.31 mientras que los estudiantes en clases pequeñas
alcanzan un promedio de 483.31 + 8.08(1) = 491.38988
Este es un aumento del 1,67%. Estos resultados sugieren que las clases pequeñas tienen un
impacto positivo en el resultado de las pruebas de matemáticas y la lectura.
(c) Usar niños que están en una clase de tamaño regular o en una clase de tamaño regular con
un ayudante de maestro, calcule el modelo de regresión que explica la combinación de
estudiantes puntajes de aptitud en función de la presencia de un ayudante de profesor,
TOTALSCORE = y1 + y2 AIDE + e. Interpreta las estimaciones. Basado en esto resultado de la
regresión, ¿qué concluye sobre el efecto en el aprendizaje de agregar un ayudante de profesor al
aula?
(d) Repita la parte (c) usando las variables dependientes READSCORE y MATHSCORE.
TOTALSCORE
---------------------------------------------------------------
los estudiantes en clases regulares sin un maestro logran un promedio total de 918,0, mientras
que los estudiantes en clases regulares con un maestro asistente logran un puntaje total promedio
de 918,356935 Estos resultados muestran que un ayudante de maestro tiene poco impacto en el
resultado de aprendizaje en comparación con el tamaño de la clase.
READSCORE
---------------------------------------------------------------
---------------------------------------------------------------
MATHSCORE=483,310 −0,391477=482,918523