Professional Documents
Culture Documents
EJERCICIO 2
^
Suponga que se realiza la siguiente regresin: Yi = 1
^
+ 2
Xi+
^
Ui
donde, yi y xi son desviaciones de sus respectivos valores medios
Cul es su expresin de 1? Cul es su expresin de 2?
DESARROLLO:
DADO: Yi = 1^+2^Xi+u
Yi = (Yi -
Xi = (Xi -
Desviaciones
medias
..Donde:
Y^ - ^ X
^
2
^
1
^
1
X
^
1
Yi =
Restamos:
^
1
^
1
Yi =
^
+ 2
^
Ui
^
2
Xi +
^
Ui
^
2
( Xi -
)+
^
Ui
)=0+
( yi -
)=
yi
Xi +
(yi -
^
2
^
2
( Xi -
^
2
Xi +
^
Ui
Forma de desviaciones
Para la FRM =
^
yi
^
2 Xi
^
1
=0y
^
2
^
yi
xi
^
La expresin del parmetro 1
la sustraccin de
^
La expresin de 2
y Yi .
, se obtiene despejando la FRM obtenida mediante
EJERCICIO 6
EJERCICIO 10
Lo que se conoce como la lnea caracterstica del anlisis de inversin
moderno, es sencillamente la regresin obtenida mediante el siguiente
modelo:
rt = +rmt + ut
Donde:
ee( ) =0.3001
ee ( ) =0.0728
EJERCICIO 14
La tabla proporciona datos sobre el salario promedio de un maestro de
escuela pblica (el sueldo anual esta en dlares) y el gasto en educacin
pblica por alumno (dlares) para 1985 en los 50 estados y el distrito de
Columbia en EEUU.A fin de averiguar si existe alguna relacin entre el
salario del maestro y el gasto por alumno de las escuelas pblicas, se
sugiri el siguiente modelo:
variable independiente
OBSERV
X
GASTO
1
2
3
4
19583
20263
20325
26800
3346
3114
3554
4642
5
6
7
8
9
10
11
12
13
14
15
16
29470
26610
30678
27170
25853
24500
24274
27170
30168
26525
27360
21690
4669
4888
5710
5536
4168
3547
3159
3621
3782
4247
3982
3568
21974
20816
18095
20939
22644
24624
27186
33990
23382
20627
22795
21570
22080
22250
20940
21800
22934
18443
19538
20460
21419
25160
22482
20969
27224
25892
22644
24640
22341
25610
26015
25788
29132
41480
25845
24356.2157
1242167
a) Obtencin de la Grfica:
3155
3059
2967
3285
3914
4517
4349
5020
3594
2821
3366
2920
2980
3731
2853
2533
2729
2305
2642
3124
2752
3429
3947
2509
5440
4042
3402
2829
2297
2932
3705
4123
3608
8349
3366
3688.76471
188127
= 12216.9
2 ESTIMADO = 3.29
Y^ = 12216.9+3.29x
C) Hallar SIGMA^2:
SYY = 873380264.6
Sxy = 183392203.6
SSE=269857900.1
SIGMA^2= 5507304.084
23889.68
EMPRESA DE TELECOMUNICACIONES :
ESTUDIO
N CLIENTES
120
127
148
169
183
293
207
215
220
222
190.4
22
25
27
30
34
38
40
45
50
59
37 Promedio
GRAFICA DE REGRESION
350
300
250
200
150
100
50
0
20
25
30
35
40
45
50
55
60
65
426.89
DES.X
11.80
DES.Y
52.25
R^2= 0.48
r^2
c) Estimacin de parmetros
Para Modelo de regresin Lineal:
1 ESTIMADO
2 ESTIMADO
Y^=
77.04+3.06X
77.04
3.06
definida por
Realizando el cambio de
anterior queda reducida a
la expresin
variable
un modelo lineal:
.
N
BENEFI CLIENTES(L
CIOS
Nx)
120
3.09
127
3.22
148
3.30
169
3.40
183
3.53
293
3.64
207
3.69
215
3.81
220
3.91
222
4.08
190.40
3.57 Promedio
1 ESTIMADO
2 ESTIMADO
Y^=187.71+0
.75LnX
187.71
0.75
Y^=302.983-4111.37(
)
1
x
Y estimado
clientes=
EJERCICIO 18
Grafique los siguientes modelos (para mayor sencillez, se omitieron
los subndices de observacin, i):
2
a) Y = 1 X
, para 2>1, 2=1, 0<2<1..
2 X
b) Y = 1 e
Para 2>0
Para 2<0
Para
el
modelo Y = 1 X
2 X
EJERCICIO 22
viceversa. De esa
r2
= 0.4406
t= (0.26229) (2.807)
Valor p = (0.7984) (0.0186)
^
Yt
ee= (0.265799)
r2
= 0.4406
t= (2.95408)
Valor p = (0.0131)
Donde:
Y = tasa mensual de rendimiento de las acciones comunes de Texaco,
%, y
X= Tasa mensual de rendimiento de mercado, %.
a) Cul es la diferencia entre los dos modelos de regresin?
La diferencia es en que el modelo (1), tiene los dos parmetros
^
estimados, es decir el intercepto 1 y el coeficinete de regresion
^
2
^
2.
r 1
Respectivas
d) Puede comparar los trminos
r2
Por qu?
S, ambos modelos presentan trminos distintos, pero un resultado
igual, ya que sus coeficientes de determinacin, se aproximan a cero,
por lo tanto sus ecuaciones de regresin no son muy confiables.
e) El valor t del coeficiente de la pendiente del modelo con
intercepto cero es aproximadamente 2.95, mientras que con
el intercepto presente tiene un valor aproximado de 2.81?
Puede explicar este resultado?
Los resultados se obtuvieron mediante la divisin del coeficiente de
^
regresin 2 , sobre sus errores estndar respectivos, son valores
t estimados calculados segn la hiptesis nula de que el verdadero
valor poblacional de cada coeficiente de regresin individual es cero.
Los clculos respectivos fueron:
Para modelo (1):
0.75815
0.27009
= 2.81.
0.76214
0.265799
= 2.95.
Valores t.