Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
Lineal
Según la forma
funcional
No lineal
Autorregresivo
Dinámico
Según características Con rezagos
dinámicas
Estático
Simple
Uniecuacional
Según número de Múltiple
ecuaciones
Multiecuacional
TRABAJO
Modelo econométrico
Especificación
Datos
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
𝐹 𝑋𝑖 = 𝑝𝑗 ,𝑗=1,2 , … ,𝑘 ,
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
(+)
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:
𝑛
𝑖=0(𝑋𝑖 − 𝐻)𝑘
𝑀𝑘 =
𝑛
# momentos
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
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
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
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