DAEP- ECONOMETRÍA (2022-II)

CONTROL DE LECTURA 02 (Grupo K)

(En mayúsculas) Apellidos: ___________________________________, Nombre: ________________

Instrucciones:
(i) LEA cuidadosamente las instrucciones y cada pregunta. Marque con una (V) ó (F) en el caso de
aseveraciones verdaderas ó falsas, respectivamente.
(ii) Tienen solo 9 minutos para resolver el CONTROL Y ENVIARLO en PDF (novoa880@gmail.com). Si
se toman hasta 11 minutos, son 3 puntos menos. Más de 10 minutos, ESTRICTAMENTE ya no se da por
recibido. Asimismo, si no envía el documento en formato PDF tendrá 2 puntos menos en la evaluación final
del CONTROL.

IMPORTANTE considerar que: (1) Cada pregunta tiene un valor de 03 puntos; (2) pero cada respuesta
incorrecta “resta” 01 punto; (3) EN caso de una ASEVERACIÓN FALSA, re-escríbala CORRECTAMENTE
(puede hacerlo en el espacio debajo de cada pregunta) —si no lo hace la respuesta solo equivale a la MITAD
del puntaje de cada pregunta).

Con respecto al Modelo bivariado: 𝒀𝒊 = 𝜷𝟎 + 𝜷𝟏 𝑿𝒊 + 𝝁𝒊 (1)

1- ( ) El término de error de un modelo de regresión lineal general representa, entre otras cosas, la
influencia de la o aquellas variables regresoras que no se incluyen de forma explícita en el modelo.
También puede representar errores de medición en el proceso de recolección de datos.

2. ( ) El método de Mínimos Cuadrados Ordinarios es aplicable en modelos que son lineales en las
variables, independientemente que lo sean, o no, en los parámetros de la Función de Regresión
Poblacional.

3- ( ) En el modelo (1) La varianza del estimador de la pendiente V(𝛽̂1 ) aumenta a medida que la
varianza del error aumenta y disminuye a medida que haya más variación muestral en la variable
independiente (X).

4- ( ) En un modelo de regresión multivariado, aunque las variables regresoras sean estocásticas,

los resultados estadísticos de la regresión lineal basada en el caso de Var. regresoras estándar (o
fijas) también son válidos en tanto se cumplan ciertas condiciones: la más importante es que la Var.
regresora X y el término de error 𝜇𝑖 sean independientes.

5- ( ) En la línea de regresión ajustada 𝑌̂𝑖 los residuos 𝜇̂ no beben estar correlacionados con la
variable regresora; es decir ∑ 𝜇̂ 𝑖 𝑋𝑖 = 0; sin embargo tales residuos 𝜇̂ si pueden estar correlacionados
con 𝑌̂𝑖 , es decir ∑ 𝜇̂ 𝑖 𝑌̂𝑖 ≠ 0.

6- ( ) La no existencia de autocorrelación implica que:

(i) Cov(𝜇𝑖 , 𝜇𝑖 ) = 0, si X no es estocástica
(ii) Cov(𝜇𝑖 , 𝜇𝑖 /𝑋𝑖 , 𝑋𝑗 ) = 0, si X es estocástica

7- ( ) Con respecto al modelo (1), si en una prueba de hipótesis, rechazamos la Ho: 𝛽1 = 0; la

conclusión es que el variable regresora ayuda a explicar significativamente las variaciones en la
variable respuesta.