Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Econometría 1erc 2023 - Clase 1 - Presentación y Repaso Estadística
Econometría 1erc 2023 - Clase 1 - Presentación y Repaso Estadística
Docente:
Julio Fabris (Ingeniero Civil UBA – Posgrado en Economía UTDT -
Doctor en Economía – UBA)
Colaboradores:
1era Parte Segunda Parte
Breno Nunes Chas Kevin Corfield
Franco Lopez Juan Carlos Sandoval
Juan Pablo Rodriguez
Trabajos Prácticos
Nicolás Sidicaro
Parciales:
1er Parcial: 18 de mayo
2do Parcial: 22 de junio
Recuperatorios: 29 de junio
E k X k E X k R
E X Y E X E Y
Si X e Y son independientes
E X Y E X E Y
Pero E X / Y E X / E Y
Var k X k 2 Var X
Si X e Y son independientes
Var X Y Var X Y Var X Var Y
Cov(X,Y) XY E [( X X )(Y Y )]
Propiedades
Cov a b X , c d Y b d Cov X , Y
Si X e Y son independientes
Cov X , Y 0 pero X indep.Y Cov X , Y 0
Si X = Y Cov X , X Var X
E X X
3
Momento de tercer orden:
E X X
4
Momento de cuarto orden:
P( 2 X 2 ) 0.95
Propiedades: a) Si U k
2
U k y U2 2 k
b) Si U1 k1 y U 2 k 2 W U1 U2 (2k1k 2)
2 2
X XX
Z
N (0,1) pero
t
S
tn1
N N
O sea surge de reemplazar la varianza desconocida por la varianza
estimada. Eso dispersa la distribución del estadístico estandarizado.
Student era el seudónimo de Willam Gosset estadístico que trabajaba en la cervecería
Guiness e inventó la distribución para facilitar las pruebas de calidad de la cerveza.
Dada una muestra {X1 , X 2 ,..., X N } aleatoria tomada de una distribución que
depende de un parámetro , un estimador ˆ de dicho parámetro es una
regla que asigna a cada posible realización de la muestra un valor de .
Insesgamiento
Eficiencia
Consistencia
Eficiencia asintótica
Normalidad asintótica
E [ˆ]
Si no, decimos que el estimador es SESGADO., y su sesgo se calcula como:
sesgo(ˆ) E [ˆ]
Para entender la propiedad se requiere el experimento mental de imaginar
infinitas muestras del mismo tamaño tomadas de la población y representar
la distribución de probabilidad de ˆ , denominada su distribución en el
muestreo.
N
N
E ˆ X E X E (1/ N ) X i 1/ N E X i 1/ N E X 1 X 2 ... X N
i 1 i 1
1/ N E X 1 E X 2 ... E X N (1/ N )( X X ... X ) (1/ N )( N X ) X
Propiedades utilizadas: E k X k E X y E X Y E X E Y
ECM E ˆ
2
Se puede demostrar que:
ECM E ˆ Var (ˆ) Sesgo(ˆ)
2 2
Es una forma de cuantificar el “trade off” entre varianza y sesgo.
Ejemplo: Si ˆ1 es un estimador sesgado del peso medio de los contenedores que
llegan al puerto, con varianza Var (ˆ1 ) = 4 t2 y sesgo conocido de 2 t, y ˆ 2 es un
estimador insesgado de la misma media con Var (ˆ2 ) = 9 t2 ¿Cuál es preferible?
Consistencia
Eficiencia asintótica
Normalidad asintótica
X
N
N ,
2
N
N
Var ˆ X Var X Var (1/ N ) X i 1/ N 2 Var X i 1/ N 2 Var X i
N N
i 1 i 1 i 1
Eficiencia asintótica
Si ˆN es consistente y su varianza asintótica es menor que la varianza
asintótica de todos los demás estimadores consistentes de se dice que ˆN
es asintóticamente eficiente.
plim( X )