Professional Documents
Culture Documents
6HPLQDULR 7DOOHU
6HPLQDULR 7DOOHU
6XPDWRULD
Q L
+ [2 + ... + [
=1
6XPDWRULD 0~OWLSOHV
=1
=1
+ [ 2 + ... + [ )
=1
=1
=1
+ ... + ( [1 + [2 + ... + [ )
3URGXFWRV
Q L
.[2 ...[
=1
6HPLQDULR 7DOOHU
.- El conjunto de todos los resultados posibles de un experimento aleatorio, o del azar, se denomina la poblacin o espacio muestral.
(VSDFLR PXHVWUDO
.- es un subconjunto del espacio muestral. Se dice que los eventos son mutuamente excluyentes si la ocurrencia de uno impide la ocurrencia de otro.
(YHQWR
6HPLQDULR 7DOOHU
3UREDELOLGDG
= 3 (H ) =
L
Donde:
0 3 1
L
=1
en que HL es uno de los posibles resultados del experimento, QL es el nmero de veces que H ocurre, y Q es el nmero de veces que se realiza el experimento.
L
( % ) = 3 ( $ ) + 3 (% )
3 $
( % ) = 3 ( $).3 (% )
5
6HPLQDULR 7DOOHU
9DULDEOHV $OHDWRULDV
Una variable aleatoria es aquella que toma valores de acuerdo a una distribucin de probabilidad
6HPLQDULR 7DOOHU
.- El valor esperado de una variable discreta X, denotado por E(X), se define de la siguiente manera:
(
(;) =
[ S
L
([ )
L
.- Sea X una variable aleatoria y sea E(X)= La distribucin o dispersin de los valores de X alrededor del valor esperado puede ser medido por la varianza, la cual se define como:
9DULDQ]D
var( ; ) = 2 = ( ( ; )2 =
[
( [ )2 .S ( [ )
L L L
=
L
( [ [ )2
L
1
7
6HPLQDULR 7DOOHU
&RYDULDQ]D
.- Sean X y Y dos variables aleatorias con medias , respectivamente. Entonces la covarianza entre las dos variables se define como:
&RHILFLHQWH GH FRUUHODFLyQ
como:
As definido, es una medida de la asocicacin lineal entre dos variables y se encuentra entre -1 y +1.
6HPLQDULR 7DOOHU
=U
6HPLQDULR 7DOOHU
y desviacin estndar
si su
([) =
1 2
]
1 [ 2
la ventaja de
Propiedades importantes: si hacemos la transformacin en funcin de Z, se tiene que que la media de = 0 y la varianza 2 = 1 esta distribucin normal tambin se conoce como N(0,1).
]
]
6HPLQDULR 7DOOHU
10
'LVWULEXFLyQ 1RUPDO
6HPLQDULR 7DOOHU
11
Sean X1,X2,..., Xn, n variables aleatorias independientes, las cuales tienen la misma funcin de distribucin de probabilidad con media = y varianza = 2 . Sea (o sea, la media muestral). Entonces, a medida que n Q aumenta indefinidamente ( es decir, Q )
;
2 1 , ; Q
_
Para que en una muestra tenga una distribucin normal, como mnimo n deber ser mayor o igual 30.
6HPLQDULR 7DOOHU
12
( 2 )
Densidad
2
6HPLQDULR 7DOOHU
13
'LVWULEXFLyQ W GH VWXGHQW
Se define como:
W
V Q
La definicin (que se muestra) permite entender que la forma de t sea similar a la curva normal, slo que un poco mas extendida ya que al usar s en lugar se introduce mayor incertidumbre. Adems, la distribucin Normal es una sola, pero la forma de funcin de Student vara con los grados de libertad. Para un tamao muestral n pequeo son muy distintas, pero para n>=50 son practicamente idnticas; por eso t solo se ocupa para muestras con menos de 50 observaciones.
6HPLQDULR 7DOOHU
14
'LVWULEXFLyQ W VWXGHQW
6HPLQDULR 7DOOHU
15
,1)(5(1&,$ (67$',67,&$
6HPLQDULR 7DOOHU
16
(VWLPDGRU HILFLHQWH
6HPLQDULR 7DOOHU
17
(VWLPDGRU &RQVLVWHQWH
6HPLQDULR 7DOOHU
18
6HPLQDULR 7DOOHU
19
,QWHUYDORV GH FRQILDQ]D
6HPLQDULR 7DOOHU
20
,QWHUYDOR GH FRQILDQ]D
6HPLQDULR 7DOOHU
21
6HPLQDULR 7DOOHU
22
6HPLQDULR 7DOOHU
23
(OHPHQWRV GH PRGHODFLyQ
Para los economistas que inventaron el trmino, la econometra es aquella parte de Ciencia Econmica que se dedica a la determinacin emprica de las frmulas econmicas. En los ltimos aos se ha llegado a entender a la econometra como un conjunto de tcnicas para formular y validar modelos probabilsticos. Un modelo es una representacin formal y simplificad de un fenmeno real, que procura abstraer sus caractersticas ms relevantes para facilitar o posibilitar su anlisis. Un modelo sirve: Como laboratorio, para conocer y entender mejor el fenmeno, sus caractersticas, comportamiento e interacciones con otros fenmenos. Para probar y buscar soluciones a problemas del fenmeno de inters y tambin para interpolar y expandir situaciones relacionadas con el mismo.
6HPLQDULR 7DOOHU
24
5HSUHVHQWDFLyQ GH XQ PRGHOR
6HPLQDULR 7DOOHU
25
Si W es el fenmeno a modelar, es primeramente necesario conocer lo ms fondo posible; esto es, realizar un proceso de observacin cuidadoso e identificar las variables relevantes en el comportamiento del fenmeno. Revisar los postulados tericos existentes acerca del fenmeno (todo modelo debe tener un respaldo al menos hipottico); formular hiptesis ms all de la teora existente si sta parece dbil, o si se estima necesario por lo comprobado empricamente. Desechar las variables que se consideren poco relevantes o que dependan en forma causal de alguna(s) otra(s); establecer relaciones entre variables de acuerdo a las hiptesis planteadas en el paso anterior. Probar, con datos empricos, las hiptesis y relaciones planteadas; esto corresponde a la validacin del modelo.
6HPLQDULR 7DOOHU
26
6HPLQDULR 7DOOHU
27
Vaguedad de la teora No disponible de informacin Variables centrales vs Variables perifricas.- variables globales explican parte del fenmeno (solo familia, sin considerar nmero de hijos, sexo, etc.) Aleatoriedad intrnseca en el comportamiento humano. Variables prximas inadecuadas.- variables pueden estar mal medidas, entonces se trabaja con datos aproximadas. Principio de parsimona.- modelos ms sencillos y que el resto sea explicado por la perturbacin. Forma funcional incorrecta.- no se conoce a priori la forma funcional.
Por estas razones, las perturbaciones estocsticas asumen un papel extremadamente crtico en el anlisis de regresiones.
6HPLQDULR 7DOOHU
28
$MXVWH GH &XUYDV
6HPLQDULR 7DOOHU
29
= 0LQLPR
(
<
< )
=1
6HPLQDULR 7DOOHU
30
6HPLQDULR 7DOOHU
31
En general, dadas esta situacin es prcticamente intratable para hacerlo manejable se requieren hiptesis acerca de regularidades en la poblacin.
6HPLQDULR 7DOOHU
32
,JXDOGDG GH YDULDQ]D
Las distribuciones de probabilidad tienen la misma varianza, para todos los niveles de experimentos Xi
= ( (< ) se encuentran en Las medias una lnea recta que se conoce como recta de regresin verdadera
6HPLQDULR 7DOOHU
33
6HPLQDULR 7DOOHU
34
(VWLPDFLyQ GH
[
6HPLQDULR 7DOOHU
;
35
6HPLQDULR 7DOOHU
36
Dentro de la clase de estimadores lineales e insesgados de , el estimador de mnimos cuadrados, tiene la menor varianza ( el mas eficiente) y similarmente es el estimador de menor varianza de
6HPLQDULR 7DOOHU
37
'LVWULEXFLyQ GH
A medida que aumente el tamao de muestra la distribucin tiende a una curva normal, por la generalizacin del Teorema del Lmite Central.
6HPLQDULR 7DOOHU
38
6HPLQDULR 7DOOHU
39
6HPLQDULR 7DOOHU
40
6HPLQDULR 7DOOHU
41
&RHILFLHQWH GH GHWHUPLQDFLyQ
6HPLQDULR 7DOOHU
42