UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA, LEON

FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES

DEPARTAMENTO DE ADMINISTRACION DE EMPRESAS

 CARRERA: ADMINISTRACION DE EMPRESAS.

 AÑO: 3
 GRUPO: 1
 MODALIDAD: Regular

 COMPONENTE CURRICULAR: Econometría

 ELABORADO POR:
 Joseph Alexander Rivas Mayorga

 DOCENTE: Yader Avilés.

Martes, de mayo, del 2021

¡A LA LIBERTAD POR LA UNIVERSIDAD!
5.1. Establézcase las siguientes afirmaciones son verdaderas, falsas o inciertas. sea preciso.

a) La prueba de t Se ve significancia estudiada en este capítulo requiere que las distribuciones

muéstrales de los estibadores βˆ 1 y βˆ 2 sigan una distribución normal.
Verdadero. La prueba “t" de significancia se basa en variables con distribución normal, en este
sentido, el error se distribuye normalmente en MCRL (modelo clásico de regresión lineal) y las
combinaciones lineales de este parámetro también.
b) Aunque el término de perturbación en el MCRL no está el normalmente distribuido los
estibadores de MC a continúa siendo en insesgados.
Verdadero. Una de las propiedades de los MCO (Mínimos Cuadrados Ordinarios) es que su media
es cero, es decir que no tienen sesgo, por lo cual sus estimadores son imparciales y no requieren
supuestos para establecer insesgamiento.
c) Si no hay intercepto en el modelo de regresión, las ui=uˆi estimadas no sumaran cero.
Verdadero
d) El valor p y el tamaño de un estadístico de prueba tienen el mismo significado.
Verdadero. El p-valor es el nivel de significancia más bajo al cual puede rechazarse una hipótesis
nula. Así mismo, un estadístico de prueba se utiliza para calcular el valor de p-valor, en este
sentido, su tamaño o resultado es el p-valor.
e) En un modelo de regresión que contenga el intercepto, la suma de los residuos es siempre
cero.
Verdadero. El valor medio de los residuos es cero.
f) Si no se rechaza una hipótesis nula es verdadera.
Falso. Si con base en la evidencia dada por la muestra, no existe razón para rechazar la Ho, no se
sostiene que la hipótesis nula sea verdadera con certeza.
g) Entre mayor sea el valor de σ2, mayor será la varianza de βˆ 2 dada en (3.3.1).
Falso. Entre mas grande sea el numerador (σ2) con relación al denominador, menor será el
resultado de la operación (varianza).
h) Las medias condicional e incondicional de una variable aleatoria significan lo mismo.
Falso. La media condicional depende de los datos de la muestra (condicionada), mientras que la
media incondicional es el valor esperado respecto de una distribución de probabilidad condicional.
i) En una FRP (Función de Regresión Poblacional) de dos variables, si el coeficiente de la
pendiente es cero, el intercepto se estima por la media muestral Y.
Verdadero.
j) La varianza condicional, var(Yi|Xi)= σ2 , y la varianza incondicional de Y, var(Y)= σ2 Y, serian
la misma si X no tuviera influencia en Y.
Verdadero. Si los valores de una variable “Y" dependen de una variable condicional “X" se conoce
como valor esperado condicional, en esta medida, si la variable “X" no afecta a la variable “Y", se
convertiría en un valor esperado incondicional, por lo cual su varianza seria la misma.

5.5. Lo que se conoce como la línea característica del análisis de inversión moderno es
sencillamente la línea de regresión obtenida del siguiente modelo:
ru = αi + βirmt + ut
Donde ru= la tasa de rendimiento del i-ésimo valor en el tiempo
rmt= la tasa de rendimiento del portafolio del mercado en el tiempo
ut =término de perturbación estocástica
En este modelo, βi se conoce como coeficiente beta del i-ésimo valor, una medida del riesgo del
mercado (o sistemático) de un valor.*
Con base en 240 tasas de rendimiento mensuales para el periodo 1956-1976, Fogler y Ganapathy
obtuvieron la siguiente línea característica para las acciones de IBM en relación con el índice de
portafolio del mercado elaborado en la Universidad de Chicago.

a) Se dice que un valor cuyo coeficiente beta es mayor que uno es un valor volátil o agresivo.
¿Fueron las acciones de IBM valores volátiles en el periodo que se estudia?
Teniendo en la información, mediante la regresión para el modelo financiero se obtiene que Beta
estimado es 0.0728 por lo tanto los valores de IBM no fueron volátiles en el tiempo de estudio.
b) ¿Es el coeficiente del intercepto significativamente diferente de cero? Si lo es, ¿cuál es su
interpretación práctica?
El coeficiente de intercepto, variable dependiente es diferente de cero, toma el valor de 255.08
ru = 0.7264 + 1.0598 (240 tasas) = 255.08

5.8. Considere el siguiente resultado de una regresión:

Yi = 0.2033+0.6560Xt
ee = (0.0976) (0.1961)
r2 = 0.397
SCR = 0.0544
SCE = 0.0358
Donde Y= tasa de participación de la fuerza laboral (TPFL) de las mujeres en 1972 y X= TPFL de
las mujeres en 1968. Los resultados de la regresión se obtuvieron de una muestra de 19 ciudades
de Estados Unidos.

a) ¿Cómo interpreta esta regresión?

Hay una asociación positiva lo que no es sorprendente si tenemos en cuenta el hecho de que
desde la II Guerra Mundial ha habido un incremento constante delas mujeres en el mercado
laboral
b) Pruebe la hipótesis H0:β2 1 contra H1:β2 > 1. ¿Qué prueba utilizaría? ¿Por qué? ¿Cuáles son
los supuestos subyacentes de la(s) prueba(s) que eligió?
Usando un test t de una cola, t = 0.656−1
0.1961
=−1.7542 , para 17 g.l. el valor crítico al 95% para
un contraste unilateral es 1.74. Para este contraste la zona de aceptación estaría a la izquierda de
1.74 y la de rechazo a la derecha de ese valor. Como el valor del estadístico de contraste queda
dentro de la región de aceptación, no se puede rechazar la hipótesis nula
c) Suponga que la TPFL para 1968 fue de 0.58 (o 58%). Con base en los resultados de la regresión
anteriores, ¿cuál es la TPFL media en 1972? Establezca un intervalo de confianza de 95% para la
predicción de la media.
La media es 0.2033 + 0.656 * 0.58 = 0.5838. Para construir el intervalo del 95%, emplearíamos la
fórmula 0.5838 ± 2.11 por (ee. del pronóstico), donde 2.11 es el valor crítico al 95% para una t17.
d) ¿Cómo probaría la hipótesis de que el término de error en la regresión sobre la población está
normalmente distribuido? Muestre los cálculos necesarios.
No es posible contestar a esta cuestión por falta de datos (necesitaríamos la serie de las
discrepancias de la regresión para poder hacerlo).

5.9. La tabla 5.5 proporciona datos sobre el salario promedio de un maestro de escuela pública
(el sueldo anual está en dólares) y el gasto en educación pública por alumno (dólares) para 1985
en los 50 estados y el Distrito de Columbia en Estados Unidos.
A fin de averiguar si existe alguna relación entre el salario del maestro y el gasto por alumno en
las escuelas públicas, se sugirió el siguiente modelo: Sueldo i = β1 + β2 Gasto + ui, donde la
variable Sueldo es el salario del maestro y la variable Gasto significa gasto por alumno.

a) Grafique los datos y trace la línea de regresión.

S AL AR Y

b) Suponga, con base en el inciso a), que decide estimar el modelo de regresión dado antes.
Obtenga las estimaciones de los parámetros, sus errores estándar, r2, la SCR y la SCE.

Y= 12129.37 + 3.3076X (B1 = 12129.37, B2 = 3.3076)

Error estándar (B1) = 1197.4
Error estándar (B2) = 0.312
r^2= 69.68%; las variaciones en el Salario están siendo
explicadas por las variaciones en el Gasto
en un 69.68%.
SCE = 12,172,65
SCR= 5,294,955

c) Interprete la regresión. ¿Tiene sentido económico?

Si el gasto por alumno aumenta en un dólar, el promedio de pago aumenta alrededor de $ 3.31.
Sin embargo, el término del intercepto no tiene ningún sentido económico.
d) Establezca un intervalo de confianza de 95% para β2. ¿Rechazaría la hipótesis de que el
verdadero coeficiente de la pendiente es 3.0?
95% CI
Variable Coeficiente Bajo Alto
C 12129.37 9723.2 14535.54
Gasto 3.307585 2.6811 3.9339

El intervalo al 95% de confianza para β2, este se encuentra entre 3.931 y 2.6842 respectivamente.

e) Obtenga el valor individual pronosticado y la media del Sueldo, si el gasto por alumno es de 5
000 dólares. También establezca intervalos de confianza de 95% para la verdadera media y el
verdadero valor individual del Sueldo, para la cifra correspondiente al gasto.
Se obtiene el mismo valor  Y= 12129.371 + 3.3076(5,000) = 28,667 es el valor pronosticado

f) ¿Cómo probaría la suposición de la normalidad del término de error? Muestre la(s) prueba(s)
utilizada(s).

El test Jarque- Bera es de 2.196, es menor a 5.99, el valor del JB es chico y la probabilidad es de
0.333 el cual es mayor al 0.05 de modo que el Jarque-bera se encuentra en la zona de aceptación
de la hipótesis nula y se puede considerar que los errores siguen una distribución normal.