Responder las siguientes preguntas:

1. ¿Qué es la auto correlación?

La auto correlación o dependencia secuencial es una característica que consiste en que,
elementos cercanos en el espacio o en el tiempo se parecen más entre sí que con respecto a
elementos más lejanos, solamente por el hecho de estar cerca.
2. ¿Cuáles son las causas de la correlación serial?

 La omisión de variables relevantes en el modelo que estén correlacionadas a lo largo del

tiempo.
 La existencia de ciclos o de tendencia en la variable endógena no explicados por las
variables exógenas del modelo.
 La especificación una relación lineal entre las variables cuando la verdadera relación es
no lineal (mala especificación de la forma funcional).
 La existencia de una relación dinámica y no estocástica entre las variables.

3. Explique el fenómeno de la telaraña.

Es un modelo que representa y explica cómo se alcanza el equilibrio en determinados mercados.

Esto, cuando las decisiones de producción y de consumo están alejadas en el tiempo. Según el
teorema de la telaraña, el mercado se adapta a una determinada modificación o proceso de
reajuste. Es decir, la producción es cambiante o discontinua. Este tipo de situaciones suele
aparecer en mercados de libre competencia. 
4. ¿Qué es un rezago?

La variable rezagada se usa normalmente en análisis de series de tiempo. Se dice que

hay variables que siguen afectando por un periodo prolongado a otra variable. Incluir rezago de
una variable a un modelo es una manera de corregir auto correlación y heterocedasticidad.
5. ¿Qué es la no estacionariedad?
Intuitivamente el concepto se refiere a que las propiedades de la serie no varían con respecto al
tiempo. En otras palabras, significa que su variación (la forma en la que cambia) no cambia en
función del tiempo. Esto tiene una importante implicación a la hora de predecir.

6. ¿Cuáles son los potenciales problemas al manipular datos previos a estimar una regresión?
El análisis de la producción de la empresa ganadera está ligado a la determinación de su
eficiencia. Los modelos econométricos son una herramienta para determinación de la función de
producción de los sistemas productivos y consecuentemente de su eficiencia. Distintos modelos
han sido aplicados en el sector agropecuario, incluyendo modelos lineales y no lineales. La
construcción de un modelo particular, consta de una serie de etapas y está sujeta al cumplimiento
de propiedades estadísticas básicas.
7. ¿Cómo se puede detectar la auto correlación?
La auto correlación es un caso particular del modelo de regresión generalizado que se produce
cuando las perturbaciones del modelo presentan correlaciones entre ellas.

Para detectar la presencia de auto correlación se pueden utilizar métodos gráficos y contrastes de
hipótesis. A través de los contrastes gráficos se intuirá si existe auto correlación cuando existan
comportamientos sistemáticos para los residuos.
8. ¿Por qué se debería utilizar MCG, y no MCO? Explique

El método de MCO usual no sigue esta estrategia y, por consiguiente, no aprovecha la

“información” contenida en la variabilidad desigual de la variable dependiente Y, Pero existe un
método de estimación, conocido como mínimos cuadrados generalizados (MCG), que toma en
cuenta esa información explícitamente y, por consiguiente, es capaz de producir estimadores que
son MELI.
9. Explique en qué consiste el método de las rachas.

El procedimiento Prueba de rachas contrasta si es aleatorio el orden de aparición de dos valores

de una variable. Una racha es una secuencia de observaciones similares. Una muestra con un
número excesivamente grande o excesivamente pequeño de rachas sugiere que la muestra no es
aleatoria.
10. ¿Por qué debe formularse el método de las rachas?
Porque permite verificar la hipótesis nula de que la muestra es aleatoria, es decir, si las sucesivas
observaciones son independientes.  Este contraste se basa en el número de rachas que presenta
una muestra. Una racha se define como una secuencia de valores muéstrales con una
característica común precedida y seguida por valores que no presentan esa característica. 
11. ¿Cuáles son las propiedades de los estimadores según el supuesto de normalidad?
Supuesto ST.1 (Lineal en los parámetros). Supuesto ST.2 (No hay colinealidad perfecta).
Supuesto ST.3 (Media condicional cero). Supuesto ST.4 (Homocedasticidad). Supuesto ST.5
(No hay correlación serial). Supuesto ST.6 (Normalidad).
12. ¿En qué consiste el método de máxima verosimilitud?
El método de máxima verosimilitud dic nos dice que escogeremos como valor estimado del
parámetro aquél que tiene mayor probabilidad de ocurrir según lo que hemos observado, es decir
aquél que es más compatible con los datos observados, siempre suponiendo que es correcto el
modelo matemático postulado.