1

FEBRERO 2023
TALLER 1 ECONOMETRIA I
Programa de Economía. Universidad Libre. Seccional Cali.
Prof. Alberto Gómez.

1. La siguiente inversión presenta en los próximos 3 años dar los siguientes VPI de acuerdo a
los escenarios del comportamiento de la economía. La inversión inicial es de 500 millones y
el costo de capital es del 20%. Todos los flujos y tasas están en términos reales.

Escenario P1 F1 P2 F2 P3 F3
1 0,10 550 0,10 275 0,10 -350
2 0,20 620 0,25 580 0,25 500
3 0,40 780 0,30 850 0,30 1000
4 0,20 900 0,25 1100 0,25 1274
5 0,10 1050 0,10 1300 0,10 1427

a. Medir la Media y Varianza de los flujos de caja para cada año.

b. Encontrar la media y varianza del valor presente neto.
c. Hallar la probabilidad acumulada de que el proyecto cubra el monto de la inversión
inicial

2.Resolver la Var (X1 + X2 + …+ Xn).

n
3. El valor presente de un flujo de caja de un proyecto es: ∑ Fi /(1+k )i donde Fi es el flujo
i=1
para el período “i”, k es una tasa constante de costo de capital. Hallar el valor esperado y la
varianza del valor presente.

4. Definir los supuestos de los MCO en términos de sumatorias y de valores esperados.

5. Demostrar que la E(Ui2) es igual a la varianza de los residuos.

6. Demostrar que la E(UiUj) es igual a la covarianza de los residuos

n
7. Demostrar que cov (XiUi) = (1/n-1)* [∑ XiUi]
i=1

8. Dado que hay un x̅ para cada muestra, hallar la var(x̅)

9. Demostrar que:
a. var(y̅) = (σ2y/n).
b. Cov (Yi, y̅) = 0.
c. E(s2y) = σ2y. (La media de la varianza muestral es igual a la varianza poblacional).

10. Para Yi = βo + Ui. (Regresión sin variable independiente). Hallar:

a. Fórmula del estimador βo
b. Hallar la varianza de βo.
 2

c. Demostrar βo es insesgado.
d. Demostrar βo es consistente.

11.Yi = α + β Xi hallar:
a. la fórmula del estimador de alfa.
b. la fórmula del estimador de beta
c. demostrar si beta es insesgado
d. la varianza de alfa
e. la varianza de beta
f. Si beta es consistente.

12. Demostrar que la multiplicación entre el Beta sombrero derivado de Y = f(X) y el beta
sombrero derivado de X = f(Y), es igual a R2.

13. Gujarati. Demostrar que la varianza de los residuos para una regresión lineal
Yi = α + β Xi, es igual a σ2u = ∑Ui2/(n-1).

14. Gujarati. Problema 3.9. Dados los siguientes modelos:

Modelo 1: Yi = β1 + β2 Xi + Ui
Modelo 2: Yi = α1 + α2(Xi – x̅) + Ui
a. Encuentre los estimadores α1 y β1 ¿Son idénticos? ¿Son sus varianzas idénticas?
b. Encuentre los estimadores α2 y β2 ¿Son idénticos? ¿Son sus varianzas idénticas?
c. ¿Cuál es el mejor modelo?

15. Para:
a. Log(Yi) = ^
β0 + ^
β 1 ( Xi ) +U i
~ ~
b. Log(CYi) = β 0 +¿ β 1 ( Xi ) + Ui
~ ~
Muestre que β 1= β^1 y que β 0=log(C)+ ^
β 0.

16. Demuestre que el R2 es igual al cuadrado del coeficiente de correlación muestral entre y i
y^y i. Es decir, compruebe que: R2=[corr ( y i , ^
y i ) ]2

17.Yi = α + β Xi, sabiendo que (Xi, Yi) no tienen distribución normal estándar.
a. Convertirlas en variables con distribución normal (Xi*, Yi*).
b. Hallar valor esperado y varianza de Xi* y de Yi*.

18.Construir la fórmula del R2 a partir del gráfico de la varianza total de “Y”.

19. Fórmulas y conceptos de

a. Asimetría
b. Curtosis
c. Prueba de distribución normal: Jarque-Bera.
3