María Teresa González Valencia

Luis Alejandro Villacorta Devoto

• P.A. Samuelson et al: «…el análisis cuantitativo de
fenómenos económicos reales, basados en el desarrollo
simultáneo de la teoría y la observación, relacionados
mediante métodos apropiados de inferencia.»
• H. Theil: «…la determinación empírica de las leyes
económicas.»
• G. C. Chow: «Arte y ciencia de usar métodos para la
medida de relaciones económicas.»

• Etimológicamente: econo – economía / metría –

medición: Medición de la economía.
• Wooldridge: «La econometría se basa en el desarrollo
de métodos estadísticos que se utilizan para estimar
relaciones económicas, probar teorías económicas y
evaluar e implementar políticas públicas y de negocios.»
• Gujarati: «…la econometría es una amalgama de teoría
económica, economía matemática, estadística económica
y estadística matemática.»
• Greene: «es el campo de la economía concerniente a la
aplicación de la estadística matemática y las
herramientas de la inferencia estadística en la medición
empírica de las relaciones postuladas por la teoría
económica.»
MATEMÁTICA

ESTADÍSTICA ECONOMETRÍA

ECONOMÍA

INFORMÁTICA
• Descubrir relaciones relevantes entre variables y sugerir
teorías.
• Cuantificar fenómenos económicos.
• Aislar fenómenos causales.
• Evaluar teorías e ideas económicas.
• Predecir.
 TEÓRICA

ECONOMETRÍA
PRÁCTICA

CLÁSICA BAYESIANA
• Enfoque clásico: Se asume que los valores aleatorios
de las variables provienen de distribuciones conocidas
con parámetros como la media o varianza. Esto facilita
las pruebas de hipótesis.

• Enfoque bayesiano: No hay supuestos sobre los datos

ni su distribución. Utiliza la muestra para actualizar
distribuciones de probabilidad preconcebidas.
• Econometría teórica: se desarrollan nuevas técnicas y
métodos, y se analizan las consecuencias de su
aplicación cuando no se cumplen los supuestos.

• Econometría práctica: corresponde al uso de las

técnicas y métodos econométricos, y el análisis de datos
(reales o de una simulación).
 Series de tiempo
Según la base de datos Corte transversal
Panel / longitudinal

Lineal
Según la forma
funcional
No lineal
Autorregresivo
Dinámico
Según características Con rezagos
dinámicas
Estático
Simple
Uniecuacional
Según número de Múltiple
ecuaciones
Multiecuacional
 Teoría económica

Modelo econométrico
Especificación
Datos

Estimación del modelo Estimación

Pruebas de hipótesis Validación

Predicción
Utilización
Uso para fines de control o
políticas
• Modelo matemático: Planteo de ecuaciones

𝑛
𝑛𝑥 𝑛 𝑛 − 1 𝑥 2
1+𝑥 =1+ + +⋯
1! 2!
• Modelo estadístico: Incorporación de uno o más
componentes aleatorios

𝐻𝑖 = 𝛼0 + 𝛿𝛼1 +𝜏𝛼2 + 𝜀 , 𝑠𝑖𝑒𝑛𝑑𝑜 𝜀~𝑁(𝑢, 𝜎)

• Inflación
• Tasa de interés
• PIB
• Tipo de cambio
• Desempleo
• Consumo Series de tiempo

• Inversión Corte transversal

• … Panel / longitudinal
• Variable aleatoria: aquella que toma un valor
numérico asociado al resultado de un experimento de
tipo aleatorio.
– Discreta
– Continua

• Proceso estocástico: aquel conjunto de variables

aleatorias que pueden ser identificables por espacio o
tiempo.
𝐹 𝑋𝑖 = 𝑝𝑗 ,𝑗=1,2 , … ,𝑘 ,
 𝐹(𝑋) = 𝑃(𝑋 ≤ 𝑥)
𝑃 𝑎 < 𝑋 ≤ 𝑏 = 𝐹 𝑏 − 𝐹(𝑎)
• Posición: mínimo, máximo, cuantiles.

• Centralización: media, mediana, moda.

• Dispersión: varianza, desviación estándar, coeficiente

de variación.

• Forma: asimetría, curtosis.

¿Cómo analizarlo gráficamente?

• Coeficiente de asimetría de Pearson:

𝜇𝑥 − 𝑀𝑜
𝐴𝑝 =
𝜎𝑥

• Coeficiente de curtosis:

𝑛
𝑖=0(𝑋𝑖 − 0)4
𝐾𝑢 =
𝑛𝜎 4
• Momento: Valor numérico de una función aplicada a la
distribución de una variable aleatoria.

• Clasificación:

– Respecto de la media (centrales)

– Respecto de un valor determinado
– Respecto del origen (cero)
• Expresión general:

𝑛
𝑖=0(𝑋𝑖 − 𝐻)𝑘
𝑀𝑘 =
𝑛

• Donde el valor de H depende de la clasificación

• Casos de interés:

𝑛 𝑛
𝑖=0(𝑋𝑖 − 𝑋)1 𝑖=0(𝑋𝑖 − 0)1
𝑀1 = 𝑀1 =
𝑛 𝑛

𝑛
𝑖=0(𝑋𝑖 − 𝑋)2
𝑀2 =
𝑛
• Covarianza: medida de dependencia lineal entre dos
variables aleatorias. Puede ser positiva, negativa o nula.

𝐶𝑜𝑣(𝑋, 𝑌) ≡ 𝐸[ 𝑋 − 𝜇𝑋 𝑌 − 𝜇𝑌 ]

𝐶𝑜𝑣 𝑋, 𝑌 = 𝐸[ 𝑋 − 𝜇𝑋 𝑌 − 𝜇𝑌 = 𝐸 𝑋 − 𝜇𝑋 𝑌
= 𝐸 𝑋 𝑌 − 𝜇𝑌 = 𝐸 𝑋𝑌 − 𝜇𝑋 𝜇𝑌
• Correlación: medida de relación lineal entre dos
variables aleatorias. Puede ser positiva, negativa o nula.
No tiene unidades de medida.

𝐶𝑜𝑣 𝑋, 𝑌 𝜎𝑋𝑌
𝐶𝑜𝑟𝑟 𝑋, 𝑌 ≡ =
𝑠𝑑 𝑋 ∙ 𝑠𝑑 𝑌 𝜎𝑋 𝜎𝑌

−1 ≤ 𝐶𝑜𝑟𝑟(𝑋, 𝑌) ≤ 1

¿Qué ocurre con variables independientes?

¿Qué es una correlación espuria?
 1 𝑋−𝜇 2
𝑓(𝑋) = exp − , −∞ < 𝑋 < ∞,
𝜎 2𝜋 2𝜎 2

𝜇=𝐸 𝑋 𝜎 2 = 𝑉𝑎𝑟(𝑋)

𝑋~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇, 𝜎 2 )
𝑎𝑋 + 𝑏 ~ 𝑁𝑜𝑟𝑚𝑎𝑙(𝑎𝜇 + 𝑏, 𝑎2 𝜎 2 )
 1 𝑍2
∅ 𝑍 = exp − , −∞ < 𝑍 < ∞
2𝜋 2

𝜇=0 𝜎2 = 1

𝑋 − 𝜇 /𝜎~𝑁𝑜𝑟𝑚𝑎𝑙(0,1)
 𝑛

𝑋= 𝑍𝑖2 𝑋~𝜒𝑛2
𝑖=1

𝐸 𝑋 =𝑛
𝑉 𝑋 = 2𝑛
 𝑍 𝑇~𝑡𝑘
𝑇=
𝑋/𝑘

E(X)=0

V(X)= 𝑘/(𝑘 − 2)
 𝑋1
𝑋1 ~𝑥𝑘21
𝑘
𝐹= 1 𝐹~𝐹𝑘1 , 𝑘2
𝑋2 𝑋2 ~𝑥𝑘22
𝑘2