Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Guía de ejercicios
1
e) Realizar una vez más el mismo análisis, pero entre las variables Y
y W = Z 2.
Y i = β0 + β1 Xi + u i , ui ∼ N (0, 4) i = 1, . . . , 10.
En particular:
1
En el vocabulario del análisis de regresión, α es la ordenada al origen (o intercept) y
β la pendiente de la recta de regresión poblacional.
2
a) Estimar por MC β0 y β1 , así como sus varianzas (notar que σ 2 =
4). Dar la distribución de cada uno y usarlas para obtener sendos
pivotes.
b) Calcular el vector de residuos y verificar que
X X
ûi = 0 y ûi xi = 0.
a) Probar que Pn
2 û2i
i=1
σ̂ =
n−2
es un estimador insesgado de σ 2 (suponiendo homoscedasticidad).
b) Hallar estimadores de Var(β̂0,M C ) y Var(β̂1,M C ) reemplazando σ 2
por la estimación σ̂ 2 .
c) Estimar σ 2 , Var(β̂0,M C ) y Var(β̂1,M C ) para el modelo del punto 2
usando los datos del punto 1.
Y = β0 + β1 X + u,
3
con E(u) = 0 y Var(u) = σ 2 , se puede hablar de la esperanza de
Y fijado un valor x para X, que notamos E(Y|X=x ); es inmediato
probar (hacerlo) que
E(Y|X=x ) = β0 + β1 x.
SCNE
R2 = 1 − .
SCT
4
7. En base a los datos del punto 1 hallar en cada caso las estimaciones por
mínimos cuadrados de los parámetros βi para cada uno de los siguientes
modelos:
Yi = β + ui , i = 1, ..., n
Yi = β0 + β1 Xi + ui , i = 1, ..., n
Yi = βXi + ui , i = 1, ..., n
Yi = β0 + β1 Xi + β2 Zi + ui , i = 1, ..., n
Yi = β0 + β1 Xi + β2 Zi2 + ui , i = 1, ..., n
Yi = AXiβ1 vi , i = 1, ..., n, (A = eβ0 ), (vi = eui )