Formulario

Econometra

Ultima
actualizaci
on: January 12, 2016
Estadstica
MediaP
n
Xi
X = i=1
n

fk (x) =

AA1 = A1 A = I

Coeficiente de correlaci
on
S
rxy = Sxxy
Sy
Probabilidad
Probabilidad
Rb
P (a < Z < b) = a f (u) du
Funci
on de densidad normal
(z)2
2 2

Estandarizaci
on X N , 2
X
Z = N (0, 1)


N , 2
X
n
N (0, 1)

1
x(k/2)1 ex/2
2k/2 (k/2)

AB
P 26= BA
xi = x T x
Diferenciacion matricial aTk1 xk1
(aT x)
=a
x

Regresi
on Simple

Covarianza




P
Sxy = n1
Xi X Yi Y

(A + B) = AT + BT

Distribucion Fisher
Diferenciacion matricial xTk1 Akk xk1
d +d
(d +d )
(d1 /d2 )2 [ 1 2 2 ] d1 1
12 2
2
v [1 + d1 n/d2 ]
(d1 /2) (d2 /2) x
(xT Ax)
= 2Ax
x
Fd1 ,d2

Rango
R = max {xi } min {xi }

Z=

=A

Distribucion 2

Varianza muestral
P
2
(Xi X )
Sx2 =
N 1

T T

Varianza poblacional
P
2
(Xi X )
2 =
N

1
e
2 2

Algebra
de Matrices

(AB) = BT AT

Estandarizacion Student
tn1;1 2
t = X
S
x

k
i=1 xi wi
P
k
i=1 wi

f (z) =

Distribucion t de Student
 (k+1)

2
2
( k+1 )
fk (x) = k 2k 1 + xk
(2)
(n) = (n 1)!

MediaP
ponderada
X=

Otras distribuciones

Estadgrafos
0
Prueba de diferencia de medias poblacional
Y 1 X
X 1 X 2 (1 2 )
r
Z=
N (0, 1)
1
2
2
1
2
Pn
)
n1 + n2
i=1 (Xi X )(Yi Y )
= Cov(X,Y
Pn
2
V ar(X)
i=1 (Xi X )
Prueba de diferencia de medias muestral
h i
2
(1 2 )
r2

V
ar
1 = Pn
T = X 1 X

t
2
n2;1
2
2
2
X
(
S1
S2
i X )
i=1
n1 + n2
 
Pn
2
0 = P i=1 Xi 2 2
V
ar

Prueba varianza de una poblacion norn n

X
X
(
)
i
i=1
mal


 
(n1)S 2
ar 1
2n1
Cov 0 , 1 = XV
2
Prueba comparar varianzas dos pobla-R2 = SCR = 1
SCT
ciones
2
P 2
SX

2 Fnx 1,ny 1
SY

2 = n2
Normalidad
h 2
JB = n A6 +

(K3)2
24

22

SCE
SCT

Prueba
de correlacion
r
s n2
E=
tn2
2
1rs

Predicci
on una variable
Valor esperado

 
2
(X0 X )
V ar Y0 = 2 n1 + P
2
(Xi X )
Y0 (0 +1 X0 )
E= q
tn2
V ar (Y0 )
Valor Puntual




2
(X0 X )
1
2

V ar Y0 Y0 = 1 + n + P
2
(Xi X )

E = eeYY0 YY0 tn2

( 0 0)

Regresi
on M
ultiple
= XT X
b

1

XT Y

e = (I M) Y
V ar (
e) = 2 (I M)
2 =

P 2
i
nk1

e = [I M] e
2 = 1 1 R2
R

n1
nk1

R2 = RY2 2,1 1 RY2 1 + RY2 1
rY 1.2 =

q rY 1 rY 2 r12
2
(1rY2 1 )(1r12
)

2
R1j.no
=

Ej2
Ej2 +nk1

 


= 2 XT X 1
V arCov b
Valoresperado

h

1 T i
V ar Y0 =
2 x0 XT X
x0
Valorpuntual 
h

1 T i
V ar Y0 Y0 =
2 1 + x 0 XT X
x0

Datos atpicos e influyentes

Proyecci
on y datos reales:
= MY
Y
Matriz M:

1 T
T
M
X
P=X X X
m
=
k
+
1
ii
i
0 mii 1
[I M] X = 0
[I
M] M = 0
P
n
j=1 mij = 1, i = 1, . . . , n
Varianza perturbaciones:
V ar (
i ) = 2 (1 mii )
Residuales estandarizados:
i,est = 2 i

(1mii )

Distancia de Cook:
(
h )2 mhh
Dh = (k+1)
2 (1m

Prueba falta de ajuste:

CMf da
E = CMpuro
Fdk1;nd;1

2


P P
2 + P ni Yi Yij
i
j Yij Yi
i
SCEpuro + SCEf da

DFBETAS:
h
i
DF BET ASjh = jh j(h) /S

, j = 1, . . . , k h
Fracci
on Shapiro
h 3 i - Wilk:
i
F RAi = n+81
4

Multicolinealidad
Factor de Inflacion de la Varianza
1
V IFj = 1R
2

2i = 0 + 1 Yi + i
E = Raux n 21;0,95

Respuesta Cualitativa

Pp

Pp

2i = 0 + k=1 k xk + t=1 t x2t

Pp1
Pp1
+ i=1 i x1 xi+1 + j=2 j x2 xj+1
Pp1
+ + s=p1 xp1 xs+1
E = Raux n 2p(p+3)
;0,95

Tolerancia:
1
= (1 Rj )
T OLi = V IF
i
Cp de Mallows
SCE
Cp = 2 p (n 2p)
Prueba

de Park:


ln 2i = ln 2 + ln (Xi ) + i
Prueba de Glejser:
|
i | = 0 + 1 1X + i
i

|
i | = p0 + 1 Xi + i
|
i | = 0 + 1 Xi2 + i
|
i | = 0 + 1Xi + i
|
i | = 0 + 1 Xi + i
|
i | = 0 + 1 X1i + i

Prueba de rachas:
r = 2N+NN + 1
+ N N )
r2 = (2N+ NN2)(2N
h(N 1)
i
IC95% (r) = r Z1 0,05

Prueba de Goldfeld-Quandt:
SCE1 /( nc
2 k )
E = SCE / nc
2 ( 2 k )

Prueba dePChow, caso dos variables:

Csum = i SCEi
Cdif = SCET Csum
C
/(k+1)
E = Csumdif
/(n2(k+1))

Prueba de Breusch-Pagan:
2
pi = i2
pi = 1 + 2 Z2i + . . . + m Zmi + i
E = SCR
2m1
2

Prueba de Breusch-Godfrey:
t =
1 +
2 Xt + 1 t1 + 2 t2 +
+ p tp
2
(n p) Raux
2p

Prueba de While II:

Incorporacion de no linealidades:
T SCRX )/p
E = (SCR
SCET /(nkp) Fp;nkp;1

Heterocedasticidad
2
hh )

Prueba de While I:

Prueba de Barlett:
Pk (ni .1) 2
S 2 = i=1 (nk)
Si
Pk
n = i=1 ni
Pk
n k = i=1 (ni

1)
E = (n k) ln S 2


Pk
i=1 (ni 1) ln Si2 2k1;1
Error estandar robusto:
 
V ar 1 =

(Xi X ) (i )2
P
2 2
(Xi X )

Autocorrelaci
on
AR (1):

MLP:
E [Yi |Xi ] = 0 + 1 Xi = Pi
V ar (i ) = Pi (1 Pi )
Probit:
2
f (Xb) = (Xb) = 12 eZ(Xb)i
R Zi (Xb) 1 A2
e
F (Xb) =
dA
2
Logit:
f (Xb) =

eZi 
2

1+e

Zi

eZi

F (Xb) =

(1+eZi )
Zi = 0 + 1 Xi

Intro. Series de Tiempo

Medias m
oviles pron
osticos:
[Ytq1 +Ytq2 ++Yt1 +Yt ]
M A (q) =
q
Pr
ECM = 1r t=1 2t
DAM =

1
r

Pr

t=1

|
t |

Yt Yt1
=
0 (1 ) +
Suavizamiento Exponencial:
1 (X1t X1t1 )
+

+ Y = Y + (1 ) Y
t+1
t
t
k (Xkt Xkt1 ) + t
1 < < 1
V ar (t ) =

12

Cov (t , ts ) = s 1
2
s
r (t , ts ) =

Suavizamiento Exponencial Doble:

Yt = Yt + (1 ) Yt1
t = Yt + (1 ) Y

Y

t1

0t = Yt + Yt Y
t



Yt Yt
1t =
1

Prueba Durbin
- Watson i
h
Pt=T
t t1
DW = 2 1 Pt=2
T
t )2
t=1 (
DW = 2 (1 )

Holtz - Winter:
Lt = Yt + (1 ) [Lt1 + Tt1 ]
Tt = [Lt Lt1 ] + (1 ) Tt1