Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIÓN A
LA ECONOMETRÍA
Objetivo:
Proporcionar al estudiante los conceptos y procedimientos básicos relacionados con la construcción de
modelos econométricos para describir de manera simplificada el funcionamiento de la realidad
económica.
Econometría - Definición
Interpreta
Ciencia
Explica
Predice
Econometría - Definición
Estadística Inferencias
Modelo econométrico- Definición
Variables
• Característica o cualidad que puede fluctuar y cuya variación es
susceptible a adoptar diferentes valores, los cuales pueden medirse u
observarse.
Ecuaciones
• Igualdad o expresión matemáticas que establece o describe las
relaciones de dependencia entre dos o más variables.
Parámetros
• Magnitudes de ponderación de cada variable explicativa, miden el
efecto de estas variables sobre la variable dependiente.
Clasificación de las variables
Modelo econométrico
Modelo macroeconómico
Modelo microeconómico
Modelo aleatorio
Modelo determinista
Modelo uniecuacional
Modelo multiecuacional
Modelo lineal
Clasificación de los modelos
Modelo no lineal
Tipos de modelos
Modelo estático
Modelo Dinámico
Modelo abierto
Modelo cerrado
Proceso para la formulación de un
modelo econométrico
Predecir
Definir
lasel
Verificar
Seleccionar problema
elvariables
modelo relevantes
Recolectar
Estructurar el
Establecer la forma datos
modelo
funcional
Probabilidad - Concepto
0 ≤ 𝑃 ≤1
𝑃 ( 𝐴 ) =0
𝑃 ( 𝐴 ) =1
𝑁 ° 𝑑𝑒𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃 ( 𝐴)=
𝑁 ° 𝑑𝑒𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
Conceptos relacionados
▪ Variable aleatoria
▪ Distribución de probabilidad
Conceptos relacionados
▪ Probabilidad de un suceso
▪ Probabilidad acumulada
Probabilidad Condicional
𝑃 ( 𝐴 ∩ 𝐵) 𝑃 ( 𝐵∩ 𝐴)
𝑃 ( 𝐴|𝐵 )= 𝑃 ( 𝐵| 𝐴 )=
𝑃 ( 𝐵) 𝑃 ( 𝐴)
Probabilidad Condicional
Ej: Se realizó una encuesta sobre consuno de Coca Cola a una muestra de
150 personas jóvenes, los resultados se muestran en la siguiente tabla:
Consume Coca No consume Total
cola Coca Cola
Hombres 10 20 30
Mujeres 90 30 120
Total 100 50 150
▪ Calcule la probabilidad de que la persona seleccionada sea mujer y
consuma coca cola.
▪ Calcule la probabilidad de que la persona seleccionada sea hombre y
no consuma coca cola.
▪ Solución: 𝑁 ° 𝑑𝑒𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃 ( 𝐴)=
– A: Consume 𝑁 ° 𝑑𝑒𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
– B: Género
𝑃 ( 𝐴 ∩ 𝐵) 𝑃 ( 𝐵∩ 𝐴 )
𝑃 ( 𝐴|𝐵 )= 𝑃 ( 𝐵| 𝐴 )=
𝑃 ( 𝐵) 𝑃 ( 𝐴)
120 4
𝑃 ( 𝐵=𝑀𝑢𝑗𝑒𝑟 ) = = =0,8
150 5
90 3
𝑃 ( 𝐴 ∩ 𝐵 )= = =0,6
150 5
0,6
𝑃 ( 𝐵| 𝐴 )= =0,75
0,8
▪ Solución: 𝑁 ° 𝑑𝑒𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃 ( 𝐴)=
– A: Consume 𝑁 ° 𝑑𝑒𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
– B: Género
𝑃 ( 𝐴 ∩ 𝐵) 𝑃 ( 𝐵∩ 𝐴 )
𝑃 ( 𝐴|𝐵 )= 𝑃 ( 𝐵| 𝐴 )=
𝑃 ( 𝐵) 𝑃 ( 𝐴)
30 1
𝑃 ( 𝐵 = 𝐻𝑜𝑚𝑏𝑟𝑒 ) = = =0,2
150 5
20 2
𝑃 ( 𝐴 ∩ 𝐵 )= = =0,133
150 15
0,133
𝑃 ( 𝐵| 𝐴 )= =0,667
0,2
Un taller sabe que por término medio acuden: por la mañana tres
automóviles con problemas eléctricos, ocho con problemas mecánicos y
tres con problemas de chapa, y por la tarde dos con problemas eléctricos,
tres con problemas mecánicos y uno con problemas de chapa. Se pide:
▪ Ordenar en una tabla los datos anteriores.
▪ Calcular el porcentaje de vehículos que acuden al taller por la tarde.
▪ Calcular el porcentaje de vehículos que acuden al taller por problemas
mecánicos.
▪ Calcular la probabilidad de que un automóvil con problemas eléctricos
acuda por la mañana.
Solución:
▪ Ordenar en una tabla los datos anteriores.
Tipo de problema Total
Turno
Eléctrico Mecánico Chapa
Mañana 3 8 3 14
Tarde 2 3 1 6
Total 5 11 4 20
= { 1,2,3,4,5,6 }
Espacio muestral
Resultados posibles 1 2 3 4 5 6
Probabilidades 1/6 1/6 1/6 1/6 1/6 1/6
Distribución de probabilidad acumulada
Espacio muestral
Resultados posibles 1 2 3 4 5 6
Probabilidades 1/6 1/6 1/6 1/6 1/6 1/6
Espacio muestral
Resultados posibles 1 2 3 4 5 6
Probabilidad
acumulada 0,16667 0,33333 0,50 0,66667 0,83333 1,00
Distribución de Bernouilli
0 → 𝐶𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑃
𝑋=¿
1→ 𝐶𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 1 − 𝑃
𝑃 + ( 1− 𝑃 )=1
Distribución de probabilidad de una
variable aleatoria contínua
▪ Distribución de probabilidad
– Es la relación de todos los valores posibles de la
variable aleatoria junto a la probabilidad de que
ocurra cada valor.
▪ Distribución normal
▪ Distribución ji cuadrada
▪ Distribución t de student
▪ Distribución f
Distribución normal
𝑋 −𝜇
𝑍=
𝜎
▪ que también sigue una distribución normal con y , es decir:
Características de la distribución
normal
𝑥−𝜇
𝑡=
𝑠 / √𝑛
Distribución F
𝑋 /𝑚 𝑋 . 𝑛
𝐹= =
𝑌 /𝑛 𝑌 .𝑚
Momentos
𝐸 ( 𝑥 ) =∑ 𝑥 1 .𝑝 𝐸 ( 𝑥 ) =1× 𝑝+ 0 × ( 1 − 𝑝 )= 𝑃
𝐸 ( 𝑥 ) =∑ 𝑥 1 .𝑝
– Para variables de Bernoulli
𝐸 ( 𝑥 ) =1× 𝑝+ 0 × ( 1 − 𝑝 )= 𝑃
Momentos
𝐸 ( 𝑐 . 𝑥 ) =𝑐 . 𝐸 (𝑥 )
𝐸 ( 𝑥+ 𝑦 )= 𝐸 ( 𝑥 )+ 𝐸 ( 𝑦 )
Momentos
∞
( 𝑥 )= ∫
– Para𝑉variables ( 𝑥 − 𝐸 ( 𝑥 ) )2 . 𝑓 ( 𝑥 ) 𝑑𝑥
continuas
−∞
Momentos
▪ Momento 3: Asimetría
𝑆𝑖 𝐶𝑎=0 → 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖 ó 𝑛 𝑆𝑖𝑚 é 𝑡𝑟𝑖𝑐𝑎(𝑛𝑜𝑟𝑚𝑎𝑙 )
𝐸 [ (𝑥 −𝜇 𝑥 ) ]
3
𝐶𝑐= 4
𝑆𝑖 𝐶𝑐 > 3→ 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖 ó 𝑛 𝐿𝑒𝑝𝑡𝑜𝑐 ú 𝑟𝑡𝑖𝑐𝑎
𝜎 𝑥
𝑆𝑖 𝐶𝑐 < 3→ 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖 ó 𝑛 𝑃𝑙𝑎𝑡𝑖𝑐 ú 𝑟𝑡𝑖𝑐𝑎
Ejercicios de repaso de probabilidad
Se lanzan dos dados al aire y se anota la suma de los puntos obtenidos. Se pide:
▪ Describir el espacio muestral
▪ La función de distribución de probabilidad
▪ La función de distribución de probabilidad acumulada
▪ La probabilidad de que el número obtenido sea par
▪ La probabilidad de que el número obtenido sea múltiplo de tres
▪ La probabilidad de que el número obtenido esté en
▪ La probabilidad de que el número obtenido sea impar y mayor que 5
▪ La media, la varianza, coeficientes de asimetría y curtosis
Solución
Resultados (sucesos) 2 3 4 5 6 7 8 9 10 11 12
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Probabilidad
0,028 0,056 0,083 0,111 0,139 0,167 0,139 0,111 0,083 0,056 0,028
Solución
𝑃 ( 𝑋 ≤ 𝑥 𝑖 ) = 𝑥1 + 𝑥 2+ …+ 𝑥 𝑖
Resultados (sucesos) 2 3 4 5 6 7 8 9 10 11 12
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Probabilidad
0,028 0,056 0,083 0,111 0,139 0,167 0,139 0,111 0,083 0,056 0,028
Probabilidad 1/36 3/36 6/36 10/36 15/36 21/36 26/36 30/36 33/36 35/36 36/36
acumulada 0,028 0,083 0,167 0,278 0,417 0,583 0,722 0,833 0,917 0,972 1,000
solución
18 1
𝑃 ( 𝑥= 𝑁 º 𝑝𝑎𝑟 )= = = 0,50
36 2
solución
12 1
𝑃 ( 𝑥= 𝑁 º 𝑝𝑎𝑟 )= = =0,3333
36 3
Solución
▪ Varianza
𝜎 =√ 5,83=2,4145
2
𝑉 ( 𝑋 )= 𝐸( 𝑋 ¿¿ 2)− ( 𝐸 ( 𝑋 ) ) =54,83 − 49=5,83 ¿
Solución
▪ Coeficiente de asimetría
0
𝐶 𝑎= 3
=0
2,4145
Solución
▪ Coeficiente de curtosis
80,50
𝐶𝑐= 4
= 2,3686
2,4145
Tarea
Puntual
Descriptiva Estimación
Estadística
Inferencias Intervalo
Matemática Contraste
Datos
Utilizados
numéricos para
Estimación puntual
Si la muestra es grande: y no se
Si la muestra es grande y se conoce
conoce la desviación estándar
la desviación estándar poblacional
poblacional
Bilateral
Unilateral positivo
Unilateral negativo