ACTIVIDAD UNIDAD #1

PRESENTADO POR:

DAVID MENDEZ FONSECA

CODIGO ESTUDIANTIL

2051920008

ASIGNATURA

ECONOMETRIA BASICA

UNIVERSIDAD DE CARTAGENA

FACULTAD DE CIENCIAS ECONOMICAS

ADMINISTRACION FINANCIERA

CARTAGENA DE INDIAS D.T. Y C

2024
GLOSARIO

1. Econometría: Según Quintana Romero, L. & Mendoza González, M. Á.

(2008) la econometría es aquella disciplina la cual combina conceptos de
economía y estadísticas para desarrollar modelos matemáticos y técnicas
cuantitativas utilizadas en el análisis de datos económicos, teniendo como
objetivo fundamental el poder estudiar y cuantificar relaciones y patrones en
datos económicos de esta forma permite que los administradores y analistas
puedan realizar predicciones, evaluar políticas y a su vez comprender mejor
los fenómenos económicos. En otras palabras, podemos definir a la
econometría como una disciplina que se encarga de combinar la teoría
económica, las técnicas estadísticas y los datos empíricos para poder analizar
y comprender los fenómenos económicos.

2. Modelo econométrico: Es una herramienta invaluable para poder

comprender y predecir las relaciones entre variables económicas y esto se da
gracias a la incorporación de técnicas estadísticas y teorías económicas que
permiten a los investigadores analizar y pronosticar el comportamiento de las
variables económicas. De acuerdo con Trívez Bielsa, F. J. (2016) el modelo
econométrico es una representación matemática que es utilizada con datos
económicos para describir, analizar y predecir las relaciones y
comportamientos en el ámbito económico de esta forma permite a los
economistas y analistas tomar decisiones basadas en evidencia empírica.

3. Variables Dependientes e independientes: Son conceptos fundamentales

en estadística y análisis de datos ya que las variables dependientes son el
enfoque del análisis, mientras que las variables independientes son las que
se utilizan para entender cómo cambia la variable dependiente. La relación
entre estas variables se explora y cuantifica mediante técnicas de
econometría con el objetivo de comprender mejor los fenómenos económicos
y tomar decisiones informadas. Mencionadas en Quintana Romero, L. &
Mendoza González, M. Á. (2008).

4. Metodología de la Investigación: La econometría se basa en técnicas

estadísticas avanzadas y se utiliza para proporcionar una base empírica
sólida para la toma de decisiones en el ámbito económico según Trívez
Bielsa, F. J. (2016) la cual menciona en su libro que la metodología de
investigación econométrica es un enfoque sistemático y riguroso que combina
 conceptos de economía y estadísticas para diseñar y llevar a cabo
investigaciones en el campo de la economía. Esta metodología implica la
recopilación de datos económicos relevantes, la formulación de modelos
econométricos, la estimación de parámetros, la realización de pruebas de
hipótesis y la interpretación de resultados. Definición: La metodología de la
investigación en econometría comprende los procedimientos y técnicas
utilizados para recopilar, analizar y presentar datos, así como para desarrollar
y probar modelos econométricos. Referencia Bibliográfica: Creswell, J. W.
(2014). "Research Design: Qalitative, Quantitative, and Mixed Methods
Approaches." Sage Publications.

5. Estimación de los parámetros: Los parámetros estimados son esenciales

para obtener valores numéricos que describan las relaciones entre variables
y también ayuda a la realización de análisis y pronósticos ya que la estimación
de parámetros implica ajustar el modelo econométrico a datos empíricos
mediante técnicas estadísticas, como el método de mínimos cuadrados, para
encontrar los valores óptimos de los parámetros que mejor se ajusten a los
datos observados. En Trívez Bielsa, F. J. (2016). La estimación de
parámetros en econometría se refiere al proceso de calcular los valores
numéricos desconocidos que representan relaciones o efectos dentro de un
modelo econométrico.

6. Modelos de regresión lineal: En Quintana Romero, L. & Mendoza

González, M. Á. (2008) explican que los modelos de regresión lineal en
econometría son herramientas matemáticas que se utilizan para analizar y
cuantificar la relación entre una variable dependiente y una o más variables
independientes, podemos decir que son una herramienta fundamental para
analizar datos su fortaleza se centra más que todo en la capacidad que tiene
para describir y predecir relaciones lineales entre variables. Definición: Los
modelos de regresión lineal describen la relación lineal entre una variable
dependiente y una o más variables independientes. Referencia
Bibliográfica: Greene, W. H. (2012). "Econometric Analysis." Pearson.

7. Mínimos cuadrados ordinarios: En econometría es un método poderoso y

ampliamente utilizado en estadística y econometría para ajustar una línea o
superficie a un conjunto de datos, propuestos por Gauss en el siglo XIX los
cuales se caracterizan por ser esenciales en la regresión y el análisis de datos.
Estos coeficientes estimados se utilizan para cuantificar la relación lineal entre
las variables independientes y la variable dependiente en el modelo de
regresión lineal y permiten hacer predicciones y análisis en econometría.
Trívez Bielsa, F. J. (2016).
 Estimación de los Mínimos Cuadrados Ordinarios de los Parámetros: La
estimación de los mínimos cuadrados ordinarios implica encontrar los valores
de los parámetros que minimizan la suma de los cuadrados de las diferencias
entre los valores observados y los predichos por el modelo.
Propiedades de los Estimadores MCO de los Parámetros de Posición:
Los estimadores MCO de los parámetros de posición tienen propiedades
deseables, como ser no sesgados y eficientes, lo que significa que
proporcionan estimaciones precisas y confiables.
Mínimos Cuadrados Ordinarios a través de la Dispersión: Los mínimos
cuadrados ordinarios también pueden entenderse a través de la minimización
de la dispersión, lo que garantiza que el modelo ajustado sea representativo
de la relación subyacente entre las variables.
Predicción: La predicción implica utilizar el modelo ajustado para estimar
valores futuros de la variable dependiente. La precisión de las predicciones
se evalúa considerando la dispersión de los errores de predicción.
Simulación de Variables: La simulación de variables futuras permite evaluar
escenarios hipotéticos y entender cómo las variaciones en las variables
independientes pueden afectar las predicciones del modelo.

8. Covarianza: Según Romero Ramos, E. (2016) La covarianza es una medida

estadística que cuantifica la relación lineal entre dos variables aleatorias en
un conjunto de datos. Representa cómo dos variables se mueven juntas en
relación con sus medias respectivas lo que quiere decir que describe la
relación lineal entre dos variables ayudándonos a comprender como dos
variables cambian juntas ya sea que se de en la misma dirección o direcciones
opuestas.

9. Varianza: Según Romero Ramos, E. (2016) una varianza baja indica que los
valores tienden a estar más cerca de la media, lo que sugiere una menor
variabilidad. Podemos decir, que la varianza es una medida estadística que
indica cuánto se dispersan o varían los valores de una variable en un conjunto
de datos en relación con su media o promedio. En otras palabras, la varianza
mide la variabilidad de los datos alrededor de la media. Una varianza alta
indica que los valores están dispersos y alejados de la media, lo que sugiere
una mayor variabilidad en los datos.

10. Dispersión: De acuerdo con Romero Ramos, E. (2016). La dispersión se

refiere a la medida de cuán dispersos o extendidos están los valores de una
variable en un conjunto de datos. Es una medida importante ya que describe
la variabilidad o distribución de los datos alrededor de un valor central, como
la media o la mediana, proporcionando información sobre la amplitud y la
 uniformidad de los datos lo que es fundamental para poder comprender la
consistencia de los valores en un conjunto de datos. Es una medida de la
variabilidad de los datos y cuantifica cuán alejados están los valores
individuales de la variable con respecto a una medida central, como la media.

11. Datos de Panel: Es una herramienta invaluable en econometría que permite

analizar la variación tanto entre individuos como a lo largo del tiempo lo que
quiere decir que son aquellos datos los cuales se combinan en una dimensión
temporal con otra transversal. De acuerdo con Romero Ramos, E Los datos
de panel nos ofrecen información sobre una variable para diferentes
elementos a lo largo del tiempo.

PREGUNTAS OBLIGATORIAS Y RESPUESTAS.

1. ¿Por qué la varianza es un tema importante en la econometría?

R/ La varianza desempeña un papel fundamental en la evaluación de la
precisión, la inferencia estadística y el control de calidad de los modelos
econométricos, gracia a ella podemos evaluar la presión de los modelos ya que
proporciona una medida de la dispersión de los modelos econométricos, también
es esencial para calcular estadísticas de prueba y determinar la significancia
estadística de los resultados, por ultimo podemos decir que aporta mucho en el
control de calidad del modelo gracia a su información precisa.

2. ¿Por qué la desviación estándar se utiliza a menudo más que la

varianza?
R/ Hemos conocido que la desviación estándar se utiliza a menudo más que la
varianza porque su interpretación es más intuitiva ya que vemos que la
desviación estándar es la raíz cuadrada de la varianza, lo que la hace más fácil
de interpretar en términos de la escala de los datos originales, también otro punto
a destacar es que es su consistencia en otras medidas ya que facilita la
comparación entre diferentes conjuntos de datos, la desviación estándar se
utiliza a diferencia de la varianza tiene mayor sensibilidad a la variabilidad.
Referencias bibliográficas
 Trívez Bielsa, F. J. (2016). Introducción a la econometría. Difusora
Larousse - Ediciones Pirámide.
https://elibro.unicartagenaproxy.elogim.com/es/lc/unicartagena/titulos/49156
 Quintana Romero, L. & Mendoza González, M. Á. (2008). Econometría
básica: modelos y aplicaciones a la economía mexicana. Plaza y Valdés,
S.A. de C.V.
https://elibro.unicartagenaproxy.elogim.com/es/lc/unicartagena/titulos/75942
 Romero Ramos, E. (2016). Estadística para todos: análisis de datos:
estadística descriptiva, teoría de la probabilidad e inferencia. Difusora
Larousse - Ediciones Pirámide.
https://elibro.unicartagenaproxy.elogim.com/es/lc/unicartagena/titulos/49136