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 - microecconometria

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

Teoría económica - revisión de supuestos, conceptos

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
no hay variables aleatorios

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)

distribuciones conocidas, como la distribución
normal
• 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 el azar, lanzar una moneral

– Continua @rnd , rnormal

• Proceso estocástico: aquel conjunto de variables

aleatorias que pueden ser identificables por espacio o
tiempo.
-> Las barras muestran las probabilidades de ocurrencia

𝐹 𝑋𝑖 = 𝑝𝑗 ,𝑗=1,2 , … ,𝑘 ,

-> Eje de las abscisas var. aleatoria x = { 0; 1; 2 }, en el caso discreto

Var. aleatoria, caso continuo
En este caso no es un valor en concreto, como es continuo, es en función a un área

𝐹(𝑋) = 𝑃(𝑋 ≤ 𝑥)
𝑃 𝑎 < 𝑋 ≤ 𝑏 = 𝐹 𝑏 − 𝐹(𝑎)

Area
Conjunto de variables aleatorias
• Posición: mínimo, máximo, cuantiles. 10 -> deciles
100 -> percentiles

• Centralización: media, mediana, moda.

promedio valor con mayor frecuencia
es el dato central
• Dispersión: varianza, desviación estándar, coeficiente
de variación. mayor varianza, es
lejanía del promedio
raiz cuadrada de la varianza

ventaja: no tiene unidades de medida,

• Forma: asimetría, curtosis.

en cambio la varianza y la desv. estándar
si tiene.
Para comparar entre unidades distintas se
necesita el coef. variacion.

¿Cómo analizarlo gráficamente?

DISTRIBUCIÓN SIMÉTRICA -> moda = mediana = promedio

DISTRIBUCIÓN ASIMÉTRICA -> A la derecha

-> A la izquierda

(+)
Asimetría a la izquierda ( - )
• 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.
no necesariamente de variables aleatorias

• Clasificación:

– Respecto de la media (centrales)

– Respecto de un valor determinado
– Respecto del origen (cero)
 H -> x
H -> un valor determinado
• Expresión general: H=0

𝑛
𝑖=0(𝑋𝑖 − 𝐻)𝑘
𝑀𝑘 =
𝑛
# momentos

• 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
Primer momento respecto de la media Primer momento respecto del origen, y
siempre vale 0. esto es el promedio.

𝑛
𝑖=0(𝑋𝑖 − 𝑋)2
𝑀2 =
𝑛
Segundo momento respecto de la media,
y esto es la varianza.
 • Covarianza: medida de dependencia lineal entre dos
variables aleatorias. Puede ser positiva, negativa o nula.
-> Es un indicador absoluto

Para el caso continuo,

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
En el caso más conocido,
-- -- *Si es negativa (-), el comportamiento
(Xi - X) . (Yi-Y)
------------------------ es inverso, una sube y la otra baja.
n
*Cuando hay dependencia lineal +, es que hay correspondencia entre los comportamientos de los datos.
Cuando un conjunto de datos se incrementa, el otro también corresponde un incremento.
 • Correlación: medida de relación lineal entre dos
variables aleatorias. Puede ser positiva, negativa o nula.
No tiene unidades de medida.
-> Es un indicador relativo

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

−1 ≤ 𝐶𝑜𝑟𝑟(𝑋, 𝑌) ≤ 1

Podemos hablar en términos incluso porcentuales

Cov =0
¿Qué ocurre con variables independientes? Coef. Rela. = 0
¿Qué es una correlación espuria?
Correlacion Espuria -> Una relación espuria es una relación matemática en la cual dos acontecimientos
no tienen conexión lógica
 1 𝑋−𝜇 2
𝑓(𝑋) = exp − , −∞ < 𝑋 < ∞,
𝜎 2𝜋 2𝜎 2
Parámetros de distribución : media y varianza
𝜇=𝐸 𝑋 𝜎 2 = 𝑉𝑎𝑟(𝑋)
Es simétrica,
Los valores con más frecuencia están en la parte central
|
|
| 𝑋~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇, 𝜎 2 )
|
| 𝑎𝑋 + 𝑏 ~ 𝑁𝑜𝑟𝑚𝑎𝑙(𝑎𝜇 + 𝑏, 𝑎2 𝜎 2 )
|
|
|
|
|
|
|
|
Caso especial, si se le retira el valor esperado y si se divide entre la des. vest, llegamos a la distr.
normal estándar

1 𝑍2
∅ 𝑍 = exp − , −∞ < 𝑍 < ∞
2𝜋 2

𝜇=0 𝜎2 = 1

𝑋 − 𝜇 /𝜎~𝑁𝑜𝑟𝑚𝑎𝑙(0,1)
 𝑛

𝑋= 𝑍𝑖2 𝑋~𝜒𝑛2
𝑖=1
Suma de las distribuciones normal estandar al cuadrado

k -> grados de libertad

𝐸 𝑋 =𝑛
𝑉 𝑋 = 2𝑛
 𝑍 𝑇~𝑡𝑘
𝑇=
𝑋/𝑘
k -> grados de libertad

E(X)=0

V(X)= 𝑘/(𝑘 − 2)
 𝑋1
𝑋1 ~𝑥𝑘21
𝑘
𝐹= 1 𝐹~𝐹𝑘1 , 𝑘2
𝑋2 𝑋2 ~𝑥𝑘22
𝑘2
k -> grados de libertad