TT TS ANALISIS DE MODELOS MATEMATICOS PARA LA PROYECCION Y CORRELACION DE SERIES CRONOLOGICAS DE ESTUDIOS, PROYECTOS Y TRABAJOS DE INVESTIGACION ME. Ing. Luis Mila Lestaunau RESUMEN leo estudios, proyectos y trabajos de Investgacin raquleren de medeles matemstioas que optim un|e trayectona de la curva que se obtenga do una muestra hstriea oda un eenjunto Go datos Obtenides en el terrenoo ene labortorio afin do quo se adacten aus variables alas mises. ABSTRACT ‘The studies, projects and rescerch works require of mathematical models that optimize the tajec- ‘or ofthe curve that is obtained of a histonal sample or af a group of data obtained in the land or iniaboratoy. INTRODUCCION Cuando se quer reazar estudes de demands, mersimente en la prctca se encvenira cue ‘sien reladones eno dos o més variables. Se desea ffecuonternents expresar esta elcin ‘medeante una ceuacien metematea que gue las Yorebies: para elo ns sive de ayaa la oolee ‘nde datos que muestan os comespondents ‘aloes do la Yacbes consideradae, Por ejomplo, supsngase X 0 ¥ denotaratura y pose, respectiamente. de. hombres, Jvenes. Ettonees una muestra de N inaviduas dara las ues Ho 5 Xe nas Koy a pos correspon: enton Yo y proceso sigionts os reprosentar tee puntos (4473), 08, Yona) 9m un sstoma de coor ‘enadas rectangulres. I conjnto de puntos ‘ecuantos co lama dlagrma de dispersén, (Con ef mencionado agra es posible repre: ‘semtar una curva que se aprenime alos datos y ‘8 denomina curva de aproximacién. En a figura (a) se puede ver que tes datos 20 ‘aproximen a ura lea recta, por lo tanto se dee ‘que ene las variables existe ura relacon tk ‘eal. En la figura (b) so nota que exist cer felaciGn entre as variables, pore to no os I eal “Ouandose quiere reaizar estudio, ‘encuentra relaciones entre oso mas variables, soSt ffii 7 a 2IP2i ALTERNATIVAS DE MODELOS MATEMATICOS DE APROXIMACION TIPO CURVA QUE MAS SE EMPLEAN PARA DETERMINAR TENDENCIAS HISTORICAS ) yeatbr @ ysatbrtex? @ yaall+i* =abé @ year 5 a. rE 41. Modio de ecusciones de cunas de aprox rmacion ‘A contnueiin se anotan varios tipes comunes {e curves ce eproximactén y sus ecuaciones {as teres disttaa Xe ¥ represortan 13s coretantes. Las variables X 9 Y so conooon 2 ‘menodo como las veriales ncopendientes ¥ (func neat (furcién parables) (furcién exponenciat) (tuncionpotencia) ureién logistic) ependlents, respectivemente, aunque pus ‘emintereambiarea. Estee eousciones se loman polinomiates. de emer, segunco, Yrcer y cuarto yn grados Fespestvamert, las cuales so Taman funco- es neaes,cusdratea etbleaycustica. o ip b,x Linea recta y=a,tax+ar Pardbola cua cundriica © yea taxtaxe +a cuneate @ y=ataatax’ tax! tax" Cunacuirica ©) YEG) FO XH tennnx” — Curva de grado n 2.1 pos de models rctcos Para dena qué curva debord usarse, 65 de ‘on wtilcad ebtane ls cagramas de disper ‘6n oe las variates ranstormadas, para nota 40 e816 forma do ia ourva 1 1 ny OS ery 2) Yoab! 0 logY =loga+(logb)x ©) Y=a:* o log =Woga+blogx ) Yrabesg ©) Yeatte (©) Y=" 0 o @ Fie wes 9) ¥ =a, +a,(logs)+ a, (log x)" ipsa (core exponncil) curva geometca ‘cua expenancil modieada ‘curva goomética mosicada curve da Gompertz curva de Gompertz modiicada cura logistioa4. Linea Recta. 5 la-mas senolia de las ourvas de aprox: na eouacién puode esorbise: Y= Dados dos puntos cualquiera i) y (KY) 2 Jane, las constants 29 yas pueden ser de teminadse La ecuacién dels nea restart puodo esorbrce: eae eee oye (ess X) 0 YK =meX-X) Donde: y, -y,pendlente e la nea y represer- = 12-3. fa el eamevo de ¥ aviado por el X.—%, correspondiente cambo de X. 2. Método do minimos evacrades Pata no emir una afrmacin Invi en a anstrucién de recs, paréboias u otras cur ‘es de aproximacin, en el juste a colecrones de cates conveniontecbtarer una defincén ‘ella “mejor recta de ajuste, “6 la mejor pars boade guste" etc. or lamp para Hogar a una defncén conse. ramos en a gure (6) ls punts reprosentativos Gols dates dados (1), YS). Para ln valor dado de % por slemplo Xe fabs una Cerecia ene e valor Ys yl valor de le cura mo se ve en la figura (0, se denota esta eo 6s pequefo el aluste 6s bueno, ses ede of ajuste es male. ang ANALISIS DE LAS ECUACIONES Se conctuye, de todas las curves 60 proxima- ‘86n @ un sorte de datos puntuaes, fa curva ‘ue tene la propiedad de que: DPD} +.4D2 ‘29 minim, se gonece gone fa melor curva de ‘ate. 3. Recta por mines cunerades a ecta de aproxmacién por mimes, cusdra- es de corunto ce pum 7, 12 Oy ‘Yona eouacén: Y=a,40,x donde as constantes ay ya: se determina me ante al sistema de ecusciones. efectuando operaciones: DABY _ a (2X\BX) N N age? © ‘NEX? (EX)Reomplazando axon la ecuacin (2) marcenen) @ Mutipicando los paréntesisydespejando 2 N(EX*)EY)~EYVEX)? -NEXEXY) + EXELL) NINEX? - Xx)? Nex"}@n)-GNexy —NeENery)+ xa _ v[NEx?- 2x)" leen-enexr)_ [vex? =x" Portotant EXYEXY) ex)? RELACIONES NO LINEALES las reacones no neles pueden redustse 2 ‘ouas a rlaiones inesies mediante una ae sy ‘snc transferee das aad. xy 4 Modelo de Pardtoiss de mrmes cvscracos. ar La paréooa de eproximacién do minmos cuss 0 Ty dros ala sont de patos (Ki) Ys) Oe ‘tenets eouaecn: lex Y=aj+a,X4a,X? lnx? conde tas constants Se determinan resoMen- oles ecuaciones We EY =a) +a,2X +a,2X* o bi DAY = ajEX +a 2X? +a,2K gy aot INV aa IX +g +axt soreaando lo eouselones forma mati wx oy zx? BxY zx rx? ax"! la |= |zxr qT ee me om le) [ey . .oMendo la matveos soparadamento, poral métado de es cofactores. ee] pee me) me | eae Bax me De i eel al ee sg! eel | PRE zr4 x forte} jaeior)-f ox fee aniee f= =n fa") Pty anf ae) enka) = Na): anf} )-too) een) fery) 2c leer) err) = =erbe fer) rfc) texte leven) x)extor’ toe F oy Caletano Ds IN xy = =x}| al as spa er Sele Ba, Bel, 2 sx? ex?y xx4 § x’ -sfoxiex'}-fxoJocr- afar fe fanaa iexy)- or} /= exr)ox!)-efox fx) (eve) eta) bx galoulando Da x Ecorse ene 2 ex xxy | ope me ma aN Oy fax? oxy lex? =x? Ex" Nf x)-tsof-sxtsxe trate evs) tee |= =n) xf) tafe tax) {qu ol omplco de modelos muticcuacionaos 03 ‘una necestdad Inevitable que surge @ medica ‘Ue [a teoria econémica quere aberear un ma Yor campo de estudo es dec que se haga més enor. La estimacién do medal unieeuacio- alos compltos ya estaba resueta pol Est tea ieai 29s we eda "Se consideran ‘modelos de regresion en los ‘cuales le variable ependiente o de respuesta pueden ser en si ‘misma de naturaieza destoma, 160" En esto caso se suponen & variables ondége- fas 0) K proceterminadas (2). Suponemes, ‘Bdomds, que ro exsten on el ode relaciones Contabie fon 2050 ce eit pueden eliminarss ‘reviaente} fo que equvale decir que en todas fas ecuaciones hay que incur una pertrbecion ‘leatora porns razones economética, Por tanto el modelo puede escrise, on su for ‘ma més gonoral de a forma sguonts: Bude toot BcYert My to Mul =F Bead toot Baader + Yea tet Yea a para t=2.2. en donde se supone una muestra de T obsona- ‘ones que pueden ser temporaes o atemporaes. Ennotectin matical detalada se tone BaP TS raeFu |[Zu] [ee Bor -Boo | We, Ze] lee. pare t=4.2,..T acide! Bu Bao Toa B r 4 Ber Boe Yor Yon Jn &y _ ae ° Ya ea, sistema (1) se puede eset en noxacién ma tiles condensado: By +0, ara t= 42a T Para que el sistema sea compieto debe veri |Blxo ® MODELOS DE REGRESION CON LA VARIABLE DEPENDIENTE DICOTOMA. LOS MODELGS MIP, LOGIT, PROBIT Y TOBIT En este caso se supone implctaments que la vanable dependents ¥ era cuanttata, mian- ‘Was que la variables explcativas pueden sor ‘uanbtativas y cuslatvas 0 una mezcia de las ‘os. Se consideran modelos de regresion en os ‘utles [a vriable dependiene 0 de respuesta ‘ueden ser en si misma de neturaleza cicto- fra, tomando valor de 160. 1 Variate dopendientecictoma ‘Supongamos que se dasea estudiar a partisipay (on dea uerza laboal de hombres adultos on Ture de a tase de desempleo, de a tase do ‘Seloros promod, del Ingreso famlar, ce la ‘educacin, etc. Una persona o bien ests en la ‘uera labora 6 no lo est Per tanto fa variable \dependiente que es la patsipacidn de lature labora, solamente pueden tener dos valores: 1. ‘lla pereona eat on la fore labora Oi 6 fla noe est. La caracterttioa en esta stuscin os qu la va- rable dependiente es del tipo que produce una respuesta de io no: es decir es ccstoma por haturaleza, Basten cuato enfoques més comunes utlza: 1s para a stimacion de ests mds, 2. Elmodeo tinea de probabiidad (ML) 2 emndlologt 3 ELmadelo probit 4, ELmodelotobt(egpesién cersurada) 2, Modelo lineal de probabiliad (ML) ‘Veamos osigulente madalo simple: = B+ BX, +H, a donde X= ingrese fami sil famiza posoe una casa = Osile familia no poses una casa I modelo (1) expresa la ariae dioétorna Yi ‘ome una funn lineal de as variables expos. ‘vas X se danominan models ineales de pro- babiidad (WLP), puesto que EZX/¥), a esperan- 23 condicional doy dado x, puedo sr intorpre- ‘ado com la probabliad condilonal de que et ‘evento sucede dado x. es der PQ, =UX,)erro os Io usual (para obtonerestiradores in- ‘seegados), se oboe: BUY, 1X,)= B1+ BX, a "R= prcbabilided do que Y... probablidad do que (es dec do que el everto no cura} ‘arable tone a sighient dstibuce: ¥,_ Probabilidad o TR Total Per defrcién do esperaren matomstio, 60 0b sion: BY) =l4- R)+1(R,)=P, » Cunaranco 2) pusdeguar BUY IX, )= B,+ BX, =P, o dec la esperanza corlciona del modelo (1) puode tnterpretarse como la probablldad ‘ndicoral Le probabil P debe encenvarse entre Oy 4 yatione a esticcon OSB /X,)s1 Es doirla esperanza condicional oprobablidad ‘cendionel eabe onoontaree entre Oy 3. 2. Modelo Lot Ropresertcin de la propiedad do Vina an- ‘esmenconed. =e xi) P= EY =1/Xi Tee Oh? Pi probabilisad de posoer una casa ded por (5) rtonces (:P) la probebilded de no poseer =e 6) ” “Torandologantmos uou(itn} 4. Modelo Prob + BX, (8) Para mostrar el modelo Prebit suponemes que ¢l ejempio de rosiedad de vivienda, ta decision fesima famite de poseer una casa 0 de no po- seeria depende de un indice de conveniencla no obeorvable I que e=té deterizado por uns 6 varias varabies expleaves, por empio e Ingreso X, de tal manera que ete mayor se ence I, mayor sor a provabiidad de que ls farmita pocea Wwends. Elndize I se expose T= B,+ BX, Donde x ese ngreso detain fri. Dado el supuesto de nomalidad, la probable {dad I sea menos 0 igual que i puede ser ‘aleteds apart de: » wh. Rent=i)=nlusibartid=L fea p= =i}=Pi gl a pets Oh a0) al ‘Donde tes une variable normal estandarizad, es eer +N, 4 Modelo Tobit En términes matomaics se puede expresare ‘modelo Tobe som0 7 = B,+BXy +p, =SRHSO CLA) 10 en ns dems casos Bonde RHS = lado derecho BIBLIOGRAFIA © Manual oe Econometria ‘do. Kiol La Fence Re ‘aullas ~ Ma: ‘id 1958, = tmrooueen & |e Econometria se Kle Law Fonce R ‘gulag — Mae he 1968. + Funcamertosy posibilidaces {ea Esonome- ‘a do Afonso Garcia Barman ho = Eo. Ail Barcelona 1962, "+ contbuoisn 3 la Teoria de a Potion Eons. mica 6o Gece: a R. Fewel R. Fondo. de. Cul ‘ura Eeond- ca i987. © Pranticaciin y Modeios oo hométeos. e rac rasa Kn Pr de-Magria sora, = Econometria ‘30. Domador Gujarati - Ea. Mo" Graw $i 908,