Professional Documents
Culture Documents
Econometría - 01 - 2022 - 1
Econometría - 01 - 2022 - 1
Ingenierı́a Comercial
Universidad del Desarrollo
• Tipos de Estadı́stica:
• Estadı́stica Descriptiva: Métodos para organizar, resumir y presentar datos de
manera informativa.
• Inferencia Estadı́stica: Métodos que se emplean para determinar una propiedad de
una población con base en la información de una muestra de ella.
• Números pares de 2 a N:
N
X
2k
k=1
• Números impares de 1 a N:
N
X
2k − 1
k=1
n
P
1 k = nk, donde k es constante.
i=1
Pn n
P
2 kxi = k xi .
i=1 i=1
Pn n
P
3 (a + bxi ) = na + b xi , donde a y b son constantes.
i=1 i=1
Pn n
P Pn
4 (xi + yi ) = xi + yi
i=1 i=1 i=1
3
P
Ejemplo: Calcular (4i − 2)
i=1
Es la proporción de veces que un evento A ocurra en ensayos repetidos. Se denota por P(A) y
se lee como la probabilidad de que ocurra el evento A.
Propiedades:
• 0 ≤ P(A) ≤ 1, para todo A.
n
•
P
P(Ai ) = 1, donde i indica puntos muestrales.
i=1
Ejemplos:
• ¿Cuál es la probabilidad de que al primer lanzamiento de un dado le salga un número 3?
• Una moneda es lanzada dos veces. ¿Cuál es la probabilidad que al menos salga una cara?
• La economı́a está interesada en ciertos fenómenos que desde el punto de vista estadı́stico
reciben el nombre genérico de variables.
• Las variables son magnitudes que pueden adoptar diferentes valores en distintos puntos de
observación.
• En el plano macroeconómico algunos ejemplos de estas variables son el Producto Interno
Bruto, las exportaciones y el tipo de cambio real.
• En el plano microeconómico, tenemos variables como, el precio de los bienes, el ingreso y el
consumo de las familias.
Es una variable cuyo valor está determinado por el resultado de un experimento aleatorio
(asumen un valor con alguna probabilidad asociada). Una v.a. puede ser discreta o continua.
• Discreta: Conjunto finito de valores reales. Ejemplo: 1; 3; 4; 10.
• Continua: Recorrido es un intervalo de la recta real o la recta real completa. Ejemplo:
(0,1).
Ejemplo: Clasificar las siguientes v.a.: Salario, número de esperas en el Hospital, tasa de
interés, PIB, número de autos rojos en concepción.
• Una variable aleatoria puede ser representada formalmente a través de una distribución
de probabilidad.
• Una distribución de probabilidad es una representación matemática de una determinada
variable aleatoria.
F (x) = P(X ≤ xi )
La FDP debe cumplir con algunas condiciones para que sea una distribución de probabilidad:
f (x, y ) = P(X = x; Y = y )
f (x, y )
f (x|y ) =
fy (y )
f (x, y )
f (y |x) =
fx (x)
Esperanza:
La esperanza de una v.a. X ; denotada por E (X ); es el valor promedio que se espera de un
experimento aleatorio cuando este se repite un elevado número de veces (primer momento
respecto al origen).
n
X
E (X ) = xi f (xi ), si X es discreta,
Zi=1∞
E (X ) = xf (x)dx, si X es continua.
−∞
Varianza:
Es la dispersión promedio de los valores de una v.a. X con respecto a su Esperanza (segundo
momento con respecto a la media).
n
X
V (X ) = σX2 = (xi − µ)2 f (xi ) = E (X − µ)2
i=1
= E (X ) − [E (X )]2
2
Esperanza:
1 E (b) = b, donde b es constante.
2 E (aX + b) = aE (X ) + b, con a, b constantes.
3 E (XY ) = E (X )E (Y ), sólo si X e Y son independientes (Cov = 0)
Varianza:
1 Var (b) = 0
2 Var (aX ) = a2 Var (X )
3 Var (X ± Y ) = Var (X ) + Var (Y ), si X e Y son independientes.
• Esperanza Condicional:
n
X
E (X |Y = y ) = xi f (xi |Y = y ), si X es discreta,
Zi=1∞
E (X |Y = y ) = xf (x|Y = y )dx, si X es continua.
−∞
• En los casos en que la variable aleatoria se distribuye normal pero con media µ y varianza σ 2 ,
se puede estandarizar la distribución de la siguiente forma:
xi − µ
z= (2)
σ
• La FDP de una normal estándar es:
2
1 z
f (z) = √ exp − (3)
2π 2
4 Distribución t-Student: Es la división entre una variable normal estándar (z1 ) y la raı́z
de una variable chi-cuadrado (z2 ) (Su uso corresponde a casos donde es posible aplicar la
distribución normal, pero bajo la restricción que se desconoce el valor de la verdadera
varianza poblacional, σ 2 ).
z1
t=p , donde k son los grados de libertad.
(z2 /k)
z1 /k1
F =
z1 /k2
θb = θ(X
b 1 , X2 , . . . , Xn )
donde el signo sobre la variable denota que se trata de un estimador del parámetro
poblacional. El estimador es una variable aleatoria que depende de la muestra observada. Un
valor especı́fico se le denomina valor estimado.
• Insesgamiento:
E θb = θ.
Un problema especial surge cuando se quiere seleccionar entre estimadores que no son
insesgados.
• Existen situaciones en que no se pueden obtener estimadores insesgados.
• Pueden existir estimadores sesgados con varianza menor que los insesgados.
• Existe un criterio que consiste en elegir aquel estimador que posea un menor Error
Cuadrático Medio (ECM), el cual se define como:
2 2
ECM θb = E θb − θ = E θb − E θb + E θb − θ
2
= E θb − E θb + 2 θb − E θb E θb − θ
2
+ E θ −θ
b
2 h i
= E θ − E θb
b + 2E (θb − E θb )(E θb − θ)
2
+E E θ −θb
2
= E θ − E θb
b + 2(E θb − θ)E (θb − E θb )
2
+ E E θb − θ
2 2
= E θ−E θ
b b +E E θ −θ b
2
= Var θb + sesgo θb (4)
Existen dos condiciones suficientes, pero no necesarias, para que el estimador sea
consistente (se deben cumplir ambas):
• lı́m E θb = θ (Insesgamiento asintótico)
n→∞
• lı́m var θb = 0
n→∞
Otra forma de abordar el problema es realizar lo que se conoce como prueba de hipótesis
puntual.
• Existen ocasiones en que por alguna razón se cree que el estimador debe tener un valor
especı́fico.
• En las pruebas de hipótesis, se contrasta alguna determinada creencia respecto del valor
del parámetro poblacional, a lo cual se le denomina hipótesis, con una creencia alternativa.
• ¿Qué es una hipótesis?
• Hipótesis: Afirmación relativa a un parámetro de la población sujeta a verificación.
• Existen dos errores que se pueden cometer al realizar una prueba de hipótesis:
• Error de tipo I: Corresponde al error de rechazar la hipótesis nula cuando ésta es verdadera.
• Error de tipo II: Corresponde al error de aceptar la hipótesis nula, siendo esta falsa.
• La probabilidad de cometer el error de tipo I se denota por α y se conoce con el nombre
de nivel de significación, mientras que 1 − α se conoce como el nivel de confianza.
• La probabilidad de cometer el error tipo II, se denota por β, y 1 − β se conoce con el
nombre de potencia.
• Solo puede reducirse uno de ellos a costa de aumentar el otro.
• Los valores más comúnmente usados para α son 1 % y 5 %.
H0 : β = 0
H1 : β 6= 0