Taller 1

Juana Valentina Firacative Pineda

Grupo A

Estadística y probabilidad

Econometría

14/02/2021
1. Considere el experimento que consiste en el lanzamiento de dos dados.
2. Descargue los precios del petróleo WTI y la TRM entre los años 2005:M1 a 2017:M12. En Excel, Dato
importante, se toma el dato del ultimo mes de cada año, para facilidad de análisis general.
a. Grafique las dos series

Año WTI
2017 54 WTI (West Texas Intermediate)
2016 34 120
2015 49
2014 93 100
2013 98 80
2012 94
2011 95 60
2010 80
40
2009 62
2008 100 20
2007 72
2006 66 0
2017201620152014201320122011201020092008200720062005
2005 56

Año TRM (Aprox)

2017 2250
2016 2250
2015 2000
2014 2250
2013 2030
2012 2020
2011 1980
2010 1830
2009 1970
2008 2370
2007 3380
2006 3000
2005 3000
30330

B. Grafique TRM vs WTI

WTI TRM (Aprox)

WTI vs TRM
2017 54 2250
105 4000
2016 34 2250 100
95
90 3500
2015 49 2000 85
80 3000
2014 93 2250 75
70
65 2500
2013 98 2030 60
55 2000
2012 94 2020 50
45
40 1500
2011 95 1980 35
30 1000
2010 80 1830 25
20
15 500
2009 62 1970 10
5
2008 100 2370 0 0
2007 72 3380
2006 66 3000
WTI TRM (Aprox)
2005 56 3000

C. La varianza de cada variable, explique sus resultados,

 Año WTI Muestra: 73,3076923 Varianza=
1 2017 54 372,786982
2 2016 34 1545,09467
3 2015 49 590,863905
4 2014 93 387,786982
5 2013 98 609,710059
6 2012 94 428,171598
7 2011 95 470,556213
8 2010 80 44,7869822
9 2009 62 127,863905
10 2008 100 712,47929
11 2007 72 1,71005917
12 2006 66 53,4023669
13 2005 56 299,556213
953 SUMA 5644,76923
Varianza= 470,397 470,397436

Se halla la varianza con la formula =VAR.S(D56:D68), Por lo que nos da este resultado, igual que al hacerlo
manual, tendríamos que tener una hipótesis nula o alternativa para identificar el resultado, a simple vista
vemos gran dispersión.
Año TRM (Aprox) Muestra: 2333,07692 Varianza=
1 2017 2250 6901,77515
2 2016 2250 6901,77515
3 2015 2000 110940,237
4 2014 2250 6901,77515
5 2013 2030 91855,6213
6 2012 2020 98017,1598
7 2011 1980 124663,314
8 2010 1830 253086,391
9 2009 1970 131824,852
10 2008 2370 1363,31361
11 2007 3380 1096047,93
12 2006 3000 444786,391
13 2005 3000 444786,391
30330 SUMA 2818076,92
Varianza= 234839,744 234839,744

Se halla la varianza con la formula =VAR.S(D75:D87) Por lo que nos da este resultado, igual que al hacerlo
manual, tendríamos que tener una hipótesis nula o alternativa para identificar el resultado, a simple vista
vemos poca dispersión.
D. La covarianza. Explique
WTI TRM (Aprox)
Vemos que como la covarianza es negativa, quiere
2017 54 2250 COV -2027,10059
2016 34 2250
decir que una variable tiende a incrementarse
2015 49 2000 mientras la otra disminuye, vemos que la TRM desde
2014 93 2250 el 2009, tendió a incrementarse hasta el 2017,
2013 98 2030 mientras que el WTI tienda a disminuir.
2012 94 2020
2011 95 1980
Se usa la formula =COVAR(D95:D107;E95:E107)
2010 80 1830 Recordemos que la covarianza, forma conjunta
2009 62 1970
respecto a sus medias.
2008 100 2370
2007 72 3380 Nos permite saber cómo se comporta una variable en
2006 66 3000 función de lo que hace otra variable.
2005 56 3000

E. ¿Qué valor espera para la correlación? Explique

Teniendo en cuenta que las dos graficas están muy separadas al momento de graficar con solo una serie, Se
espera para la correlación un valor -1 < P < 0, lo que esto implica es que las dos variables se correlacionan en
sentido inverso. A valores altos de una de ellas le suelen corresponder valores bajos de la otra y viceversa.

WTI vs TRM con solo 1 serie

4000
3500
3000
2500
2000
1500
1000
500
0
2017 2016 2015 2014 2013 2012 2011 2010 2009 2008 2007 2006 2005

WTI TRM (Aprox)

F. Encuentre la correlación.

WTI TRM (Aprox)

2017 54 2250 Corr -0,20893882
2016 34 2250
2015 49 2000
2014 93 2250
2013 98 2030
2012 94 2020
2011 95 1980
2010 80 1830
2009 62 1970
2008 100 2370
2007 72 3380
2006 66 3000
2005 56 3000

Usando la formula =COEF.DE.CORREL(J95:J107;K95:K107)

 3. Suponga 𝑋~𝑁(5,4), encuentre

Indeterminado, debido a que no existe un numero menor a 4 y mayor a 6

 0.3829

4. Considere que Z~N(0,1)

a. Grafique en RStudio e inserte la gráfica.

b. Halle el valor crítico con un nivel de significancia del 1% como probabilidad a una cola,
Probabilidad en la cola derecha = 0,01
Probabilidad complementaria = 0,99
Probabilidad a dos colas = 0,02
 Z*= 2.326348

c. Halle el valor crítico con un nivel de significancia del 1% como probabilidad a dos colas,

Probabilidad en la cola derecha = 0,005

Probabilidad complementaria = 0,995
Probabilidad a dos colas = 0,01
Z*= 2.575829

0, 05% 0, 05%

-2.575829 2.575829
 5. Suponga que el nivel de significancia es del 50%. ¿Cuánto es el valor crítico?

Distribución normal estándar

Probabilidad en la cola derecha = 0,5
Probabilidad complementaria = 0,5
Valor crítico = 0
6. Considere una distribución chi-cuadrado, 𝜒42 .

A. Grafique y halle el valor crítico con nivel de significancia de 5%

Z*= 9.487729
B. Grafique y halle el valor crítico, tal que la probabilidad a la izquierda sea del 10%

Z*= 1.063623
7. Suponga una distribución t-student con los mismos grados de libertad del punto anterior.

a. Grafique en RStudio e inserte la gráfica.

b. Halle el valor crítico con un nivel de significancia del 1% como probabilidad a una cola,

Z *= 3.746947
C. Halle el valor crítico con un nivel de significancia del 1% como probabilidad a dos colas,

Z*= 4.604095

8. Para una distribución F, halle el valor critico. Grafique

P(F_7,5>F_crítico )=0.95

Valor crítico = 4,87587

 9. Para un nivel de confianza del 90%, halle el intervalo de confianza para una muestra de 20 datos,
varianza de 2, y media de 5. (Utilice distribución Z)

10. Para el conjunto de datos siguiente, halle el intervalo de confianza para la media con un nivel de
significancia del 5%.

-2,27

-0,03

http://acipet.com/nuevobem/model/archs/2016/HISTORICO%20y%20CORRELACIONES%20TRM,%20BRENT,%2
0WTI.pdf