1. Los estimadores de los parámetros β1 y β2 en el modelo lineal particionado son los mínimos cuadrados ordinarios, dado que X1'X2=0 y por lo tanto los estimadores son independientes.
2. Se pide analizar diversos conceptos estadísticos como la media, varianza, correlación y significancia estadística aplicados a variables aleatorias y modelos de regresión.
3. Se solicita realizar pruebas estadísticas F y t y analizar criterios de información como R2 para interpretar un modelo de regres
0 calificaciones0% encontró este documento útil (0 votos)
237 vistas2 páginas
1. Los estimadores de los parámetros β1 y β2 en el modelo lineal particionado son los mínimos cuadrados ordinarios, dado que X1'X2=0 y por lo tanto los estimadores son independientes.
2. Se pide analizar diversos conceptos estadísticos como la media, varianza, correlación y significancia estadística aplicados a variables aleatorias y modelos de regresión.
3. Se solicita realizar pruebas estadísticas F y t y analizar criterios de información como R2 para interpretar un modelo de regres
1. Los estimadores de los parámetros β1 y β2 en el modelo lineal particionado son los mínimos cuadrados ordinarios, dado que X1'X2=0 y por lo tanto los estimadores son independientes.
2. Se pide analizar diversos conceptos estadísticos como la media, varianza, correlación y significancia estadística aplicados a variables aleatorias y modelos de regresión.
3. Se solicita realizar pruebas estadísticas F y t y analizar criterios de información como R2 para interpretar un modelo de regres
1. Los estimadores de los parámetros β1 y β2 en el modelo lineal particionado son los mínimos cuadrados ordinarios, dado que X1'X2=0 y por lo tanto los estimadores son independientes.
2. Se pide analizar diversos conceptos estadísticos como la media, varianza, correlación y significancia estadística aplicados a variables aleatorias y modelos de regresión.
3. Se solicita realizar pruebas estadísticas F y t y analizar criterios de información como R2 para interpretar un modelo de regres
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 2
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERIA ECONÓMICA,
ESTADÍSTICA Y CIENCIAS SOCIALES ESCUELA PROFESIONAL DE ING. ECONÓMICA
Examen Parcial de Econometría I
Profesor: MSc. Ing. Raúl Martínez
1) Suponga el siguiente modelo lineal particionado (4 ptos):
Y=X1 β1+X2 β2+u
Donde Y, X1 y X2 son tres matrices de observaciones de las variables dependientes
e independientes, respectivamente.
Cómo son los estimadores sabiendo que: X1' X2=0. Desarrolle.
2) Sea 𝑥 una variable aleatoria con media 𝑢 y varianza 𝜎 2 (4 ptos)
a) Definida z como 𝑥−𝑢 𝑧=𝑥− 𝜎 Encontrar E(z) y var(z)
b) Si b es una constante diferente de 𝑢, demostrar que:
𝐸(𝑥 − 𝑢)2 < 𝐸(𝑥 − 𝑏)2
c) Sea y otra variable aleatoria y sean a y b constantes arbitrarias; demostrar que
el coeficiente de correlación entre x e y (𝑟𝑥,𝑦 ) es el mismo que el definido entre 𝑥 + 𝑎 e 𝑦 + 𝑏 (𝑟𝑥+𝑎,𝑦+𝑏 ).
d) Suponga una variable aleatoria y que se define así:
𝑦=𝑥+𝑎
Demostrar que el coeficiente de correlación entre x e y es igual a la unidad.
3) Sea 𝑋1 , 𝑋2 , … , 𝑋𝑇 una muestra aleatoria de tamaño T. el momento muestral respecto
al origen de orden h-ésimo lo escribimos: (4 ptos) 𝑇 1 𝑚ℎ = ∑ 𝑋𝑖ℎ 𝑇 𝑖=1 Y el correspondiente momento poblacional, que suponemos finito para todo h:
𝜇ℎ = 𝐸𝑋𝑖ℎ 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 = 1, … , 𝑇 Se pide: a) Demostrar que 𝑚ℎ es un estimador consistente de 𝜇ℎ . b) Obtener la distribución asintótica de 𝑚ℎ
4) Se ha estimado el siguiente modelo con T=100: (4 ptos)
Yt = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝛽4 𝑋4𝑡 + 𝜇𝑡
Obteniendo un coeficiente de determinación de 0.95. Este mismo modelo se ha
vuelto a estimar eliminando en esta ocasión la variable X4, obteniéndose un coeficiente de determinación de 0.94. Con los datos suministrados y sabiendo que la varianza de Y es igual a 50 000, ¿es el coeficiente de la variable X4 significativamente distinto de cero en el primer modelo estimado? Justifique la respuesta mediante la realización de un contraste. 0.05 (𝐹1,96 = 3.94)
