Notas de Clase

Conceptos estadsticos
Prof. Juan Luis Ordaz Daz
Revisin de Conceptos Estadsticos
Dado que en Econometra nos interesa conocer empricamente cmo se relacionan dos o
ms variables, es necesario emplear algunos conceptos estadsticos que nos son tiles en
ese sentido. En esta seccin se presentan los conceptos que se utilizarn a lo largo del
curso.
Operadores de sumatoria y de Producto
Para simplificar algunos desarrollos matemticos, en econometra se utiliza la suma de
nmeros. La letra griega (sigma) se emplea para indicar la sumatoria. Por ejemplo,
supongamos que X representa al ingreso familiar e Y al consumo familiar. Utilizando la
notacin de subndices podemos escribir:
Ingreso familiar Consumo familiar
N
X
X
X
X

3
2
1
N
Y
Y
Y
Y

3
2
1
Donde cada valor, representa una de las N observaciones del ingreso y el consumo,
respectivamente.
Por simplificacin, supongamos que tenemos 6 observaciones (N=6) para cada una de
las variables (ingreso y consumo), que se expresan en la tabla siguiente:
X Y
2
4
6
8
9
10
1
2
3
4
5
6
El ingreso familiar total (
N
X X X + + + ...
2 1
) se puede expresar como:
N
N
i
i
X X X X + + +

...
2 1
1
en el caso general, y
39 10 9 8 6 4 2 ...
6 2 1
6
1
+ + + + + + + +

X X X X
i
i
en el ejemplo
Algunas de las propiedades ms importantes del operador sumatoria son las siguientes:
1
Notas de Clase
Conceptos estadsticos
Prof. Juan Luis Ordaz Daz
i)
Nk k
N
k i

, donde k es una constante. Si k=2, tenemos

12 2 6 2
6

k i
ii)

N
i
i
N
i
i
X k kX
1 1
. As
78 39 2 10 2 9 2 8 2 6 2 4 2 2 2
6
1
+ + + + +

i
i
X k
iii)


+ +
N
i
i
N
i
i
N
i
i i
Y X Y X
1 1 1
) (
=
Aplicando la frmula anterior a nuestro ejemplo:
(2+1)+(4+2)+(6+3)+(8+4)+(9+5)+(10+6)= (2+4+6+8+9+10)+(1+2+3+4+5+6)=60
Las tres propiedades anteriores se pueden aplicar para obtener resultados relativos a
medias, varianzas y covarianzas de variables aleatorias (ms adelante se explicar qu
es una variable aleatoria).
Media: La media o promedio de la variable X se define como

N
i
i
X
N
X
1
1

5 . 6 ) 39 (
6
1

(en el ejemplo)
Suma de desviaciones de observaciones sobre una variable alrededor de su media:
La suma de desviaciones de observaciones sobre una variable alrededor de su media es
cero y para la variable X, se define como
X N X X X
N
i
i
N
i
i


1 1
) (
(por las propiedades i) y iii).
As
0 5 . 6 6 39 ) 5 . 6 (
6
1

i
i
X
(en el ejemplo)
Varianza de una variable: La varianza nos da una medida de qu tan dispersos estn
los datos alrededor de la media.

2
1
) (
1
) ( X X
N
X Var
N
i
i
[ ]
2 2 2 2 2 2 2
6
1
) 5 . 6 10 ( ) 5 . 6 9 ( ) 5 . 6 8 ( ) 5 . 6 6 ( ) 5 . 6 4 ( ) 5 . 6 2 (
6
1
) 5 . 6 (
6
1
+ + + + +

i
i
X
92 . 7
6
5 . 47
) 25 . 12 25 . 12 25 . 6 25 . 0 25 . 6 25 . 20 (
6
1
+ + + + +
(en el ejemplo)
Covarianza: La covarianza nos da una medida de asociacin lineal entre las variables.

N
i
i i
Y Y X X
N
Y X Cov
1
) )( (
1
) , (
2
Notas de Clase
Conceptos estadsticos
Prof. Juan Luis Ordaz Daz
=
75 . 4
6
) 5 . 2 )( 5 . 3 ( ) 5 . 1 )( 5 . 2 ( ) 5 . 0 )( 5 . 1 ( ) 5 . 0 )( 5 . 0 ( ) 5 . 1 )( 5 . 2 ( ) 5 . 2 )( 5 . 4 (

1
]
1

+ + + + +

(en el ejemplo)
El valor de la covarianza depende de las unidades en que se mida. Ello puede dificultar
comparar la covarianza entre variables distintas. Para solucionar este problema se
emplea el coeficiente de correlacin.
Coeficiente de Correlacin: El coeficiente de correlacin es tambin una medida del
grado de asociacin lineal entre 2 o ms variables. Tiene las caractersticas siguientes:
1. Su frmula es:
) ( ) (
) , (
) , (
Y VAR X VAR
Y X COV
Y X
2.
1 ) , ( 1 Y X
3. Una correlacin positiva indica que las variables se mueven en la misma
direccin. Una correlacin negativa indica que las variables se mueven en
direccin opuesta. Una correlacin cercana a cero indica escasa asociacin lineal
entre las variables.
En nuestro ejemplo:
75 . 4 ) , ( Y X COV
92 . 2 ) (
92 . 7 ) (

Y VAR
X VAR
Por tanto
989 . 0
80 . 4
75 . 4
92 . 2 * 75 . 4
75 . 4
) , ( Y X
que indica una fuerte asociacin
lineal entre las variables X e Y. Dicha relacin es directa.
Variables aleatorias
Una variable aleatoria es aquella que toma valores distintos, cada una con una
probabilidad menor o igual a 1. Las variables aleatorias pueden ser discretas o
continuas. Las primeras solo pueden tomar nmeros especficos de valores reales. Las
continuas pueden tomar cualquier valor de los nmeros reales. Las variables que hemos
analizado has ahora (consumo, e ingreso) son variables aleatorias discretas. As en
Econometra trabajamos con este tipo de variables.
Valores Esperados
El valor esperado de una variable aleatoria discreta X, denotado por E(X), se define de
la forma siguiente:
3
Notas de Clase
Conceptos estadsticos
Prof. Juan Luis Ordaz Daz

N
i
i i
X P X E
1
) (
Donde
i
P
es la probabilidad de ocurrencia de
i
X
. Continuando con nuestro ejemplo
de la variable aleatoria X, cuyos valores se encuentran en el cuadro siguiente:
X
2
4
6
8
9
10
Dado que X se compone de 6 observaciones, la probabilidad de cada una es
6
1
. Por
tanto E(X)=
5 . 6
6
10 9 8 6 4 2 1
1

+ + + + +

N
i
i
X
N
que es el valor de la media de X. As
el valor esperado de una variable aleatoria discreta es igual a su media.
Algunos resultados del valor esperado
Sea X e Y dos variables aleatoria;
a
y b dos constantes.
El valor esperado de una constante es la constante misma. Si b es una constante
E(b)= b. Ejemplo
b
b
b
b
b
E(b) =
b
b b b b b

+ + +
4
4
4
E(X+Y)=E(X)+E(Y)

b X aE b aX E + + ) ( ) (
Si X e Y son independientes:
) ( ) ( ) ( Y E X E XY E
[ ] ) ( ) (
2 2 2
X E a aX E
4
Notas de Clase
Conceptos estadsticos
Prof. Juan Luis Ordaz Daz
[ ]
2
) ( ) ( X E X E X Var
) ( ) (
2
X Var a b aX Var +
Demostracin:
[ ] [ ] [ ]
2 2 2
) ( ) ( ) ( ) ( X aE aX E b X aE b aX E b aX E b aX E b aX Var + + + +
Factorizando se obtiene:
[ ] [ ]
2 2 2
) ( ( )) ( ( ) ( X E X a E X E X a E b aX Var +
Sacando a
2
a del operador esperanza:
[ ]
2 2
) ( ( ) ( X E X E a b aX Var +
As ) ( ) (
2
X Var a b aX Var + , ya que [ ]
2
) ( ) ( X E X E X Var .

[ ] ) ( )( ( ( ) , ( Y E Y X E X E Y X Cov

) , ( 2 ) ( ) ( ) ( Y X Cov Y Var X Var Y X Var + + +

Cuando X e Y son independientes
0 ) , ( Y X Cov
Estimacin
Las medias, varianzas y covarianzas pueden medirse con exactitud slo si conocemos
casi todos los resultados posibles, es decir, la poblacin. Sin embargo, la mayora de las
veces slo vamos a contar con una muestra de la poblacin. Con la informacin de la
muestra tenemos que hacer inferencia sobre la poblacin, para ello empleamos a los
estimadores, que son reglas, frmulas o mtodos, que nos dicen cmo estimar un
parmetro poblacional, con base en la informacin suministrada por la muestra
disponible.
Por ejemplo un estimador de la media poblacional es el siguiente:

N
i
i
X
N
X
1
1
Propiedades deseables de los estimadores
Ausencia de Sesgo: Para que un estimador sea insesgado, la distribucin del estimador
debe tener al parmetro como su valor medio. As, X es un estimador insesgado de la
media poblacional (
x

), si la media o el valor esperado de X es igual al valor

verdadero.
Por ejemplo:
5
Notas de Clase
Conceptos estadsticos
Prof. Juan Luis Ordaz Daz
X X
N
i
X
N
i
i
N
i
i
N
i
i
N
N N
X E
N
X E
N
X
N
X E
,
_

1 1
) (
1 1 1
) (
1 1 1 1

As

N
i
i
X
N
X
1
1
es un estimador insesgado.
Eficiencia: La eficiencia nos indica que la dispersin del estimador alrededor del
parmetro verdadero es la menor posible. As

ser un estimador insesgado eficiente

de

, si para un tamao muestral dado, la varianza de

es menor que la varianza de

cualquier otro estimador insesgado.
Consistencia: En estimador consistente es aquel que a medida que se incrementa el
tamao muestral, es estimador se acerca al valor verdadero.
6