ECONOMETRIA I

TRABAJO Nº 1

CAPITULO # 2

2.8 ¿Qué significan las siguientes expresiones?

4

∑X 1−1 2−1 3−1 4−1 0 1 2 3

i−1
= X +X +X +X =X + X + X + X
aº i =1

6
6
∑ aY a ∑ Y i =a( Y 2 +Y 3+Y 4+Y 5+Y 6 )
,a es una constante i =2
i
bº i =2 =
2

∑ (2 X i +3 Y i)
cº i =1 = ( 2 1+3 Y 1 )+( 2 2+3 Y 2 )
X X
3 2

∑ ∑ Xi Y ( + 2+
1 3 )(Y 1 +Y 2 )
=
j
X X X
dº i =1 j=1

∑ ( i+ 4
) = ( 1+ 4 )+( 2+ 4 )+( 3+ 4 )+( 4 + 4 )=26
eº i=1

fº- ∑ = 3 +3 +3 =39
1 2 3
i
3i =1

10

∑
2 = 2( 10)=20
gº i=1

3
∑ ( 4 X2−3 ) 2 2 2
hº i =1
= (4 (1) −3)+(4 (2) −3 )+(4 (3) −3 )=47

2.9 Represente las siguientes expresiones con la notación ∑ :

aº
X
Página
1
 ECONOMETRIA I
TRABAJO Nº 1

1+ X X5 = 5

2+ 3+ 4+
∑i =1X
i
X X

∑ iX i
1+2 2+3 3+ 4 4+ 5 X5
bº
i =1
X X X X
=
K
2 2 2 2 2 2 ∑ ( X21+Y 12 )
cº ( X 1 +Y 1)+( X 2 +Y 2)+. .. . .. ..+( X K +Y K ) i =1

2.10 Se puede demostrar que la suma del os “n” primeros números positivos es:
n

∑K n(n+1)
2
=
i =1

Utilice la fórmula anterior para calcular:

500
500( 500+1)
∑ =125250
k= 2
aº i =1

100
100 9
100( 100+1) 9(9+1 )
∑ k = ∑ K −∑ K 2
−
2
=5005
=
bº i=10 K=1 1

100 100 100 (100+ 1) 9 ( 9 + 1 )

9
∑ 3 k= 3( ∑ K −∑ k ) 2
−
2
)=15015
=3 (
i=10 k=1 k =1
cº

2.11 Se puede demostrar que la suma de los cuadrados de los primeros “n” números
positivos es:
n
n ( n + 1 )( 2 n+
∑ k 2= 1)
K =1

Página
2
 ECONOMETRIA I
TRABAJO Nº 1

Utilizando esta fórmula, calcule:

10

∑k 10(10+ 1)(2∗10+1 )
=385
6
2
=
aº K =1

20 20 20(20+1 )(2∗20+1 ) 9( 9+1 )( 9∗2+ 1)

∑ k2=( ∑ K 2− ∑ K
9
− =2585
)=
2

bº K =10 K=1 K=1 6 6

19 19(19+1)( 19∗2+1) 10( 10+1)(10∗2+1)
∑ ∑ K 2− ∑ K 2 )=
19 10
k 2 =( − =2085
cº K =11 K K =1 6 6
=1

10 10

∑ 4k=4(
2
K 2 )=4( 12+22+32+ 42+52+ 62+72+82 +92+ 102 )=1540
dº K =1
∑
K
=1

2.12 Una v.a tiene la siguiente FDP:

X F(X)
0 b
1 2b
2 3b
3 4b
4 5b

a º ¿Qué valor tiene b?¿Por qué?

1
1=b+ 2b +3 b+4 b+5 b→b= =0 . 067
15

X f(X) F(X)
0 b 1/15
1 2b 2/15

Página
3
 ECONOMETRIA I
TRABAJO Nº 1
2 3b 3/15
3 4b 4/15
4 5b 5/15

b º ¿Calcule P(X ¿ 2) ; pro( X≤3 ); prob(≤X≤3 )

1 2 3
prob( X≤2 )⟶ f ( X =0 )+ f ( X=1)+ f ( X =2) ⟶ + + =0. 4
15 15 15
1 2 3 4
prob( X≤3 )⟶ + + + =0 . 6666666667
15 15 15 15
3 4
prob( 2≤X ≤3) ⟶ + =0 . 46666666667
15 15

Página
4
 X
2.13 La siguiente tabla ofrece Y 1 2 3 ∑f(Y) la distribución de
probabilidad conjunta, f(X, Y)
1 de dos
0.03variables
0.06 0.06 0.15
aleatorias X E Y 2 0.02 0.04 0.04 0.10
3 0.09 0.18 0.18 0.45
4 0.06 0.12 0.12 0.30
∑f(X 0.20 0.4 0.40 1
) 0

f(Y)
f(X) 0.20 0.40 0.40
0.15
a º Calcule las saber, distribuciones marginales (es decir ,no condicionadas )de X e Y , a
0.10
f(X) Y f(Y).
0.45
0.30

b Calcule la FDP condicionada ,f(X/Y) Y f(Y/X)

• f(X/Y)
0 .03
f ( X=1 ; Y =1 )= =0. 15
0 .20
0 .02
f ( X=1 ; Y =2 )= =0. 10
0 .20
 0 .09
f ( X=1 ; Y =2 )= =0. 45
0 .20
0 .06
f ( X=1 ; Y =2 )= =0 .30
0 .20

• f(Y/X)
0 .03
f (Y =1 ; X=1 )= =0. 20
0 .15
0 .06
f (Y =1 ; X=2 )= =0 . 40
0 .15
0 . 06
f (Y =1 ; X=3 )= =0 . 40
0 . 15

2.14 De 100 personas ,50 son demócratas ,40 republicanas, y 10 independientes .se sabe que los
porcentajes de personas de estas tres categorías que leen el Wall street journal son el 30,60, y
40 por ciento, respectivamente .Si se observa a una de estas personas leyendo el periódico,
¿Qué probabilidad hay que sea republicana?

LEEN NO LEEN

Democratas=50 ( 30 % )=15 35

100 Re publicanos=40 (60 % )=24 16

Independientes=10 ( 40 % )=4 6

100 43 57
• P(A)=Probabilidad de que al elegir una persona sea, demócrata, republicano
e independiente:
 • Probabilidad de que la persona que está leyendo el Wall street journal, sea
republicano es:
0 . 40( 0 .60 )
prob( republicana )= =0 .5581395349=0 .56
0 . 43
2.15 Sea A el suceso de que una persona viva en la ciudad de nueva york .Sea P(A)=0.5 sea B el suceso
de que una persona no viva en la ciudad de nueva york, pero que trabaje en dicha ciudad .sea P
(B)=0.4
¿Cuál es la probabilidad de que la persona viva o no viva en la ciudad pero trabaje en ella?

• A= Una persona viva en Nueva York

o
• B= Que no viva en Nueva York, pero que trabaje ahí.
o

2.16 A partir de una muestra aleatoria de 500 mujeres casadas, la siguiente tabla muestra la FPM
conjunta de su situación laboral respecto a la existencia o no de niños en la familia.

n=500

Hijos y situación laboral de las mujeres en Estados Unidos

f(X) Trabaja fuera No trabaja total

de casa fuera de
casa
Tiene hijos 0.2 0.3 0.5

No tiene hijos 0.4 0.1 0.5

total 0.6 0.4 1.0

 a º ¿Son los niños y el trabajar fuera de casa mutuamente excluyente?

No vemos claramente tiene una probabilidad de 0.20

bº ¿Son trabajar fuera de casa y los niños sucesos independientes?

En la tabla vemos que en las distribución marginal de X e Y están relacionados , es decir son
dependientes. La condición para que sea independientes es que las probabilidades
marginales sean iguales.

2.17 La X
siguiente tabla Debajo del umbral Encima del
ofrece la
Y
de pobreza umbral de
pobreza
Blanco 0.08 0.67 0.75
Negro 0.03 0.09 0.12
hispano 0.03 0.10 0.13
TOTAL 0.14 0.86 1.00
probabilidad conjunta de X e Y, donde X represente la situación de pobreza de una persona (por
debajo o por encima del umbral de pobreza definido por el gobierno estadounidense), e Y representas
la raza de la persona (blanco, negro y todos los hispanos).

Pobreza en Estados Unidos, 2002

aº Calcule f ( X / Y =blanco ), f ( X /Y =negro) yf ( X /Y =hispano) ,

 Donde X representa la línea por debajo del umbral de pobreza. ¿Qué conclusiones generales
puede extraer de estos cálculos?
0 . 08
f ( X / Y =BLANCO )= =0 .10
• 0 .75
0 . 03
f ( X / Y =NEGRO )= =0 . 25
• 0 . 12
0. 03
f ( X / Y =HISPANO )= =0 . 23
• 0. 13
bº ¿Son la raza y la situación de pobreza variables independientes ¿¿Cómo lo sabe?

Son dependientes , ya que sus probabilidades tanto de X, como de Y son diferentes entre sí.

2.18 La FDP de una variable aleatoria continua X es como sigue

f ( X )=c (4 x−2 x2 ) 0≤x≤2

=0 en casos contrario

•
•

aº Para que esta expresión sea una función de densidad correcta.¿ qué valor debe tener c?

b º calcule P(1<X<2)

cº calcule P(X 2)=0

La probabilidad se calcula dentro de una área.

 CAPITULO # 3

3,8 Respecto al problema 2.12

X F(X) X f(X) F(X)

0 b 0 b 1/15
1 2b
2 3b 1 2b 2/15
3 4b
4 5b 2 3b 3/15
3 4b 4/15
4 5b 5/15

a° Calcule el valor esperado de X.

b° ¿Cuál es la varianza y la desviación estándar de X?

• Varianza

• Des. Estand.

c° ¿Cuál es el coeficiente de variación de X?

d° Calcule los valores de asimetría y curtosis de X

• Asimetría

ASIMETRICA NEGATIVA

• Curtosis

LEPTOCURTICA
3.9 Posibles tasas de rendimiento a un año de determinada inversión:

Tasa de rendimiento X% f(X)

-20 0.10
-10 0.15
10 0.45
25 0.25
30 0.05
TOTAL 1.00

a° ¿Cuál es la tasa de inversión esperada?

b° Calcule la varianza y desviación estándar de la tasa de rendimiento

• Varianza

• Des. E stand.

c° Calcule los coeficientes de asimetría y curtosis

 • Asimetría

ASIMETRICA NEGATIVA

• Curtosis

LEPTOCURTICA

d° Calcule la función de distribución acumulada (FDA) y la probabilidad de que la tasa de

rendimiento sea del 10% o menos.

• FDA

• Probabilidad de que la tasa de rendimiento sea 10% o menos

o

3.10 La siguiente tabla muestra la PDP conjunta de las variables aleatorias X e Y, donde X=tasa de
rendimiento esperada primer año (%) de la inversión A, e Y= tasa de rendimiento esperado del primer año
(%) de la inversión B.

X= tasa de rendimiento esperado del año 1 (%) de la inversión

A. Y= tasa de rendimiento esperado del año 1 (%) de la

inversión B.

TASA DE INVERSIONES DE DOS INVERSIONES

Y(%) X (%) TOTAL

-10 0 20 30
20 0.27 0.08 0.16 0.00 O.51
50 0.00 0.04 0.10 0.35 0.49
TOTAL 0.27 0.12 0.26 0.35 1.00

a° Calcule las distribuciones marginales de X e Y

 f(Y)
O.51
f(X) 0.27 0.12 0.26 0.35 0.49

b° Calcule la tasa de rendimiento de la inversión B

c° Calcule la distribución condicionada de y dado que x= 20

d° ¿Son X e Y variables aleatorias independientes? ¿Cómo lo sabe?

No son independientes ya que sus distribuciones marginales son diferentes tanto apara X como para
Y.

3.11 Se le dice que E(X)=8 y var(X)= 4 ¿Cuáles son los valores esperados y varianzas de las
siguientes expresiones?
 •

SOLUCION:

a°

b°

C°

d°

e°

Es la tasa de inversión de las dos variables para el primer año.

3.12. De las fórmulas 3.32 y 3.33. Sea X la tasa de rendimiento de un valor, por ejemplo de IBM, e Y la tasa
de rendimiento de otro, ejemplo, General Foods. Sea
¿Cuál es la varianza de (X+y) en este caso? ¿Es menor o mayor que var(X) +
var (Y)? en este caso ¿es mejor invertir en partes iguales en los titulos(es decir, diversificar) que invertir en
uno de los titulos únicamente? Este problema es, en esencia, la teoría de cartera de finanzas.

X= tasa de rendimiento (IBM)

Y= tasa de rendimiento (General Motors)

• Sea:
o =16
o =9
o

Cuál es la :

➢ Según los resultados es menor

➢ Es mejor invertir en partes iguales en los dos titulos.

3.13 La tabla 3-6 ofrece datos sobre el número de nuevas empresas (Y) y el número de quiebras (X) en
Estados Unidos entre 1984 y 1995.
 N° de nuevas empresas (Y) y el N°de quiebras (X) en Estados Unidos entre

1984 y 1995.

AÑO Y X
1984 634.991 52.078
1985 664.235 57.253
1986 702.738 61.616
1987 685.572 61.111
1988 685.095 57.097
1989 676.565 50.361
1990 647.366 60.747
1991 628.604 88.140
1992 666.800 97.069
1993 706.537 86.133
1994 741.778 71.558
1995 766.988 71.128

a° ¿Cuál es el valor medio de nuevas empresas? ¿Y la varianza?

b° ¿Cuál es el valor medio de quiebras? ¿Y la varianza?

c° ¿Cuál es la covarianza entre Y e X? ¿Y el coeficiente de correlación?

 •

X
Y 1 2 3 ∑f(Y)
•
1 0.03 0.06 0.06 0.15
2 0.02 0.04 0.04 0.10
3 0.09 0.18 0.18 0.45
4 0.06 0.12 0.12 0.30
d° ¿Son independientes las dos variables?
∑f(X 0.20 0.4 0.40 1
Si son independientes ) 0 ya que son mutuamente
excluyentes, es decir nuevas empresas no son
las un
factor determinante para la quiebra de otras.

e° Si hay correlación entre las dos variables, ¿significa esto que una variable causa a la otra, es decir,
que las nuevas empresas causan las quiebras, o viceversa?

No necesariamente existe causalidad cuando dos variables están correlacionadas.

3.14 Para el problema 2.13 calcule la var(X+Y). ¿Cómo interpretaría esta varianza?
 •

3.15 Respecto a la tabla 1-2 del problema 1.6

INDICE DE PRECIOS (IPC,1982 – 1984*100), INDICE ESTÁNDAR & POOR 500 Y TIPOS DE
INTERES DE LOS BONOS DEL TESORO A TRES MESES (3-m T bill. %)
AÑO IPC(X) S&P 500 (Y) 3-m T bill (Z)
1980 82.4 118.78 11.51
1981 90.9 128.05 14.03
1982 96.5 119.71 10.69
1983 99.6 160.41 8.63
1984 103.9 160.46 9.58
1985 107.6 186.84 7.48
1986 109.6 236.34 5.98
1987 113.6 286.83 5.82
1988 118,3 265.79 6.69
1989 124,0 322.84 8.12
1990 130.7 334.59 7.51
1991 136.2 376.18 5.42
1992 140.3 415.74 3.45
1993 144.5 451.41 3.02
1994 148.2 460.42 4.29
1995 152.4 541.74 5.51
1996 156.9 670.5 5.02
1997 160.5 873.43 5.07
1998 163 1085.5 4.81
1999 166.6 1327.33 4.66
2000 172.2 1427.22 5.85
2001 177.1 1194.18 3.45

a° Calcule la covarianza entre el índice S&P 500 y el IPC y entre los tipos de las Letras del Tesoro a
tres meses y el IPC, ¿Se trata de covarianzas muéstrales o de población?

b° Calcule los coeficientes de correlación entre el índice S&P 500 y el IPC, y entre la Letras del
Tesoro a tres meses y el IPC. A priori, ¿esperaría que estas coeficientes de correlación fueran
positivos o negativos? ¿Por qué?
 •

c° Si existe una relación positiva entre el IPC y las Letras del Tesoro a tres meses, ¿significa que la
inflación, medida por el IPC, es la causa de mayores tipos de las letras?

Si es cierto el IPC influye inversamente a las Letras del Tesoro.

3.16 Respecto a la tabla 1-3 del problema 1.7. Sea el tipo de cambio GM/$ (es decir, el numero de marcos
alemanes por dólar estadounidense) y RPR el cociente entre el IPC estadounidense y el IPC alemán. ¿espera
que la correlación entre el Tc y la RPR sea positiva o negativa? ¿Por qué? ¿Cambiaría su respuesta si
encontrara una correlación entre Tc y (1/RPR)? ¿Por qué?

RPR (IPC EE.UU./ IPC

AÑO GM/$ IPC EE.UU. IPC Alemania ALEMANIA) 1/RPR
1980 1.8175 82.4 86.7 0.950 1.052
1981 2.2632 90.9 92.2 0.986 1.014
1982 2.4281 96.5 97.1 0.994 1.006
1983 2.5539 99.6 100.3 0.993 1.007
1984 2.8455 103 102.7 1.003 0.997
1985 2.942 107.6 104.8 1.027 0.974
1986 2.1705 109.6 104.6 1.048 0.954
1987 1.7981 113.6 104.9 1.083 0.923
1988 1.757 118.3 106.6 1.110 0.901
1989 1.8808 124 109.2 1.136 0.881
1990 1.6166 130.7 112.2 1.165 0.858
1991 1.661 136.2 116.3 1.171 0.854
1992 1.5618 140.3 122.2 1.148 0.871
1993 1.6545 144.5 127.6 1.132 0.883
1994 1.6216 148.2 131.1 1.130 0.885
1995 1.4321 152.4 133.5 1.142 0.876
1996 1.5049 156.9 135.5 1.158 0.864
1997 1.7348 160.5 137.8 1.165 0.859
1998 1.7579 163 139.1 1.172 0.853

Existe una relación inversa entre las variables.

Si cambia la respuesta ya que la relación ya no es inversa sino directa.