Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Econometría - 04 - 2022 - 1
Econometría - 04 - 2022 - 1
Ingenierı́a Comercial
Universidad del Desarrollo
(Yi − Y )2
P b
2 SCE
r =P 2
=
(Yi − Y ) SCT
• ó también como:
ubi2
P
2 SCR
r =1− P 2
=1−
(Yi − Y ) SCT
Alguna propiedades de r :
1 Puede tener signo positivo o negativo.
2 −1 ≤ r ≤ 1
3 Es simétrico, es decir, el coeficiente de correlación entre Y y X (rYX ) es el mismo entre
X e Y (rXY )
4 Si X y Y son estadı́sticamente independientes1 , el coeficiente de correlación es cero; pero
una correlación igual a cero (r = 0) no necesariamente implica independencia estadı́stica
1
Dudas: revisar en algún libro de estadı́stica
Universidad del Desarrollo Econometrı́a 04 Primer Semestre 2022 6 / 41
Coeficiente de Correlación
Alguna propiedades de r :
5 r es una medida de asociación lineal o dependencia lineal; su uso en la descripción de
relaciones no lineales no tiene significado.
6 Aunque es una medida de asociación lineal entre dos variables, esto no implica
necesariamente alguna relación causa-efecto. Correlación no implica causalidad
El modelo clásico de regresión lineal normal supone que cada ui está normalmente distribuida
con:
• Media: E (ui ) = 0
• Varianza: E [ui − E (ui )]2 = E (ui2 ) = σ 2
• cov (ui , uj ) : E {[ui − E (ui )][uj − E (uj )]} = E (ui uj ) = 0 con i 6= j
ui ∼ N(0, σ 2 )
ui ∼ NID(0, σ 2 )
Algunas razones:
1 Influencia del error, ui . Esperamos que la influencia de estas variables sea pequeña y en el
mejor de los casos aleatoria.
2 Teorema central del lı́mite: Si existe un gran número de variables aleatorias independientes
con idéntica distribución, entonces, con pocas excepciones, la distribución de su suma
tiende a ser normal a medida que se incrementa al infinito el número de tales variables.
3 Una variante del teorema del lı́mite central establece que, aunque el número de variables
no sea muy grande, o si estas variables no son estrictamente independientes, su suma
puede estar aún normalmente distribuida.
1 Son insesgados
2 Tienen mı́nima varianza
3 Presentan consistencia
4 βb0 está normalmente distribuido
5 βb1 está normalmente distribuido
6 (n − k)(b σ 2 /σ 2 ) está distribuida como la distribución χ2 (ji cuadrada), con (n − k) gl.
7 (βb0 , βb1 ) se distribuyen de manera independiente respecto de σ b2
8 βb0 y βb1 ) tienen mı́nima varianza entre toda clase de estimadores insesgados, lineales o no
lineales (MEI).
Para resumir...
Yi v N(β0 + β1 Xi , σ 2 )
• Además, podemos construir un intervalo alrededor del estimador puntual, por ejemplo, un
intervalo que tenga un 95 % de probabilidad de incluir al verdadero valor del parámetro.
• Esto se conoce como Estimación por intervalos o Intervalos de Confianza
• Siendo más especı́ficos...
• Supongamos que deseamos encontrar que tan “cerca” está βb1 de β1 .
Pr (βb1 − δ ≤ β1 ≤ βb1 + δ) = 1 − α
βb1 − β1
Z=
ee(β1 )
qP
βb1 − β1 xi2
=
σ
• Donde, se tiene Z normal estándar
• Pero, conocemos σ 2 ?
βb1 − β1
t=
ee(βb1 )
qP
βb1 − β1 xi2
=
σ
b
• Donde ee(βb1 ) se refiere al error estándar estimado.
• La variable t sigue la distribución t con (n − k) gl.2
2
Se puede demostrar.
Universidad del Desarrollo Econometrı́a 04 Primer Semestre 2022 22 / 41
Intervalos de Confianza para los Coeficientes de Regresión β0 y β1
Intervalo de Confianza para β1
Pr (−tα/2 ≤ t ≤ tα/2 ) = 1 − α
• Nos podemos dar cuenta que los intervalos de confianza para los betas, en ambos casos la
amplitud del intervalo de confianza es proporcional al error estándar del estimados.
• Mientras más grande sea el error estándar, más amplio será el intervalo de confianza.
• Es decir, mientras mayor sera el ee del estimador, mayor será la incertidumbre de estimar
el verdadero valor del parámetro desconocido.
• Es por esto, la importancia del ee de un estimados, que suele describirse como una
medida de la precisión del estimador3
3
Con que precisión mide el estimador al verdadero parámetro poblacional
Universidad del Desarrollo Econometrı́a 04 Primer Semestre 2022 26 / 41
Intervalo de Confianza para σ 2
βb1 − β1
t=
ee(βb1 )
qP
βb1 − β1 xi2
=
σ
b
• Esta sigue una distribución t con n − k gl.
Universidad del Desarrollo Econometrı́a 04 Primer Semestre 2022 30 / 41
Hipótesis nula “cero” y regla práctica
βb1
|t| = > tα/2
ee(βb1 )
H0 : β1 = β2 = ...βk = 0
H1 : Al menos un βk 6= 0
Yb = −0, 83 + 0, 7775Xi
Yb = −0, 83 + 0, 7775Xi
Universidad del Desarrollo Econometrı́a 04 Primer Semestre 2022 39 / 41
Ejercicio
En una determinada empresa, se observaron los siguientes datos mensuales (medidos en
millones de pesos) correspondientes al año 2016:
Meses Ventas Publicidad
Enero 120.3 25.2
Febrero 125.2 26.6
Marzo 140.2 34.1
Abril 130.9 28.3
Mayo 131.3 28.6
Junio 130.2 28.3
Julio 132.1 29.4
Agosto 133.4 29.5
Septiembre 133.7 30.2
Octubre 132.4 29.5
Noviembre 129.8 27.9
Diciembre 140.9 35.2
Universidad del Desarrollo Econometrı́a 04 Primer Semestre 2022 40 / 41
Ejercicio