Professional Documents
Culture Documents
con E-VIEWS
Aplicado a la Investigaci
on Econ
omica
www.giddea.com
administracion@giddea.com
Indice general
1. Introducci
on a la Econometra
1.1. Concepto y Objetivo . . . . . . . . . . . . . . . . . . . . . . .
1.1.1. Que es la Econometra? . . . . . . . . . . . . . . . . .
1.1.2. Objetivo de la Econometra . . . . . . . . . . . . . . .
1.2. Metodologa de la Econometra . . . . . . . . . . . . . . . . .
1.3. Origen y evolucion de la econometra . . . . . . . . . . . . . .
1.3.1. Etapa pre-econometrica . . . . . . . . . . . . . . . . .
1.3.2. Etapa de nacimiento de la Econometra (1900-1930) . .
1.3.3. Etapa de aportaciones basicas (1930-1945) . . . . . . .
1.3.4. Etapa de desarrollo de la Econometra moderna (19451975) . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.5. Crisis de los setenta y aportaciones recientes a la Econometra . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. Repaso Algebraico
2.1. Algebra de Matrices . . . . . . . . . . . . .
2.1.1. Tipos de Matrices . . . . . . . . . . .
2.1.2. Operaciones con matrices . . . . . .
2.1.3. Vector Canonico . . . . . . . . . . .
2.1.4. Relacion entre matrices y sumatorias
2.1.5. Matriz de desvos . . . . . . . . . . .
2.1.6. Geometra de matrices . . . . . . . .
2.1.7. Rango de una matriz . . . . . . . . .
2.1.8. Determinante . . . . . . . . . . . . .
2.1.9. Sistema de Ecuaciones Lineales . . .
2.1.10. Inversa de una matriz . . . . . . . .
2.1.11. Matrices Particionadas . . . . . . . .
2.1.12. Producto Kronecker . . . . . . . . .
2.1.13. Raices y vectores caractersticos . .
2.1.14. Diagonalizacion y descomposicion de
2.1.15. Derivadas y Matrices . . . . . . . . .
3
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
una matriz
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5
5
5
7
8
12
13
14
16
. 18
. 19
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
21
21
21
22
23
24
25
27
29
31
33
35
37
40
41
43
48
INDICE GENERAL
3. Repaso Estadstico
3.1. Sumatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Probabilidades y Variables Aleatorias . . . . . . . . . . . . . . .
3.2.1. Probabilidades . . . . . . . . . . . . . . . . . . . . . . .
3.2.2. Variables Aleatorias . . . . . . . . . . . . . . . . . . . . .
3.3. Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . .
3.4. Distribuciones Importantes. . . . . . . . . . . . . . . . . . . . .
3.4.1. Distribuciones Discretas. . . . . . . . . . . . . . . . . . .
3.4.2. Distribuciones Continuas. . . . . . . . . . . . . . . . . .
3.4.3. Teorema del lmite central y teora de los grandes n
umeros
51
51
51
51
55
61
68
68
68
68
www.giddea.com
administracion@giddea.com
Sesi
on 1
Introducci
on a la Econometra
1.1.
Concepto y Objetivo
1.1.1.
Qu
e es la Econometra?
1. Introducci
on a la Econometra
la teora y la observacion, relacionados mediante metodos apropiados de
inferencia)) .
Valavanis (1959):
((El objetivo de la econometra es expresar las teoras economicas bajo
una forma matematica a fin de verificarlas por metodos estadsticos y
medir el impacto de una variable sobre otra, as como predecir acontecimientos futuros y dar consejos de poltica economica ante resultados
deseables)).
Goldberger (1964) 3 :
((La Econometra puede ser definida como la Ciencia social en la cual las
herramientas de la Teora Economica, las Matematicas y la Inferencia
Estadstica son aplicadas al analisis de los fenomenos economicos)) (p.
1).
Klein (1962) 4 :
((El principal objetivo de la Econometra es dar contenido emprico al
razonamiento a priori de la Economa)).
Malinvaud (1966):
((El arte del econometra consiste en encontrar el conjunto de supuestos
que sean suficientemente especficos y realistas, de tal forma que le permitan aprovechar de la mejor manera los datos que tiene a su disposicion))
(p. 514).
Griliches e Intriligator (1984):
((La Econometra es la aplicacion de las Matematicas y los metodos estadsticos al analisis de los datos economicos)) (p. xi).
Judge, Hill et al. (1988, p. 1)
A. S. Goldberger. Econometrc history: John Wiley and Sons, Nueva York, 1964, p. 1.
Klein, Lawrence R. Econometric Analysis for Public Policy. Ames. Iowa: Iowa State
College Press, 1958.
5
Fabiola Potrillo. Introduccion a la Econometra.2006. La autora resalta la definicion de
Econometra que ofrecen Judge, Hill et al. (1988, p. 1) , como una definicion suficientemente
completa.
4
www.giddea.com
administracion@giddea.com
1.1.2.
Objetivo de la Econometra
www.giddea.com
administracion@giddea.com
1. Introducci
on a la Econometra
El eje central de la investigacion econometrica, acorde a lo planteado por
Samuelson7 , vendra a ser el planteamiento de una tabla de datos. Realizar esta tarea es su primer objetivo. Esta tabla de datos, debera contener
unidades de observacion, variables y datos, estos u
ltimos, precisamente,
luego del proceso de observacion y recoleccion de datos. Las unidades,
las variables y los datos dan origen a ecuaciones, funciones o modelos
que describen una situacion actual que es de interes para el investigador
o le permiten realizar predicciones. Estos son los objetivos principales de
una investigacion econometrica, brindar la posibilidad de describir una
situacion economica en particular, para verificar teoras o comprobar
empricamente las mismas; y una vez realizada esa descripcion, tambien
ser utilizado para predecir o realizar pronosticos sobre dicha situacion.
Seg
un Christ 8 : ((El objetivo de la Econometra es la produccion de proposiciones cuantitativas que expliquen o describan las variaciones de variables ya observadas, o que pronostiquen o predigan las variaciones aun
no observadas, o que hagan ambas cosas a la vez.))
1.2.
Metodologa de la Econometra
www.giddea.com
administracion@giddea.com
econometricos)). Estos
se definen como aquellos modelos economicos que
contienen el conjunto de hipotesis necesarias para su aplicacion emprica. De esta forma, los modelos econometricos constituyen, en suma, el
instrumento que permite conectar y confrontar teora y realidad.
Ahora bien, el esquema representado en la Figura 1, transmite cierta imagen de proceso terminal, con un principio y un fin, cuando la realidad de
la practica econometrica es diferente, lo que ha levantado importantes
crticas, principalmente, desde los a
nos setenta. Siguiendo a Maddala 12 ,
estas crticas se resumen en las siguientes cuestiones:
11
www.giddea.com
administracion@giddea.com
10
1. Introducci
on a la Econometra
En primer lugar, la no existencia de un flujo de realimentacion desde
los resultados que proporciona la aplicacion del analisis econometrico hacia las teoras economicas. La Econometra no solo sirve para
contrastar las teoras economicas, sino que tambien proporciona resultados valiosos para el desarrollo de la teora a partir de las progresivas confrontaciones de esta con la realidad, como muestra la
Figura 1.2(ver Figura 1.2 1.2) .
Por otra parte, se ha objetado que la contrastacion de hipotesis no
debera limitarse a las hipotesis derivadas del modelo economico
original, ya que estas dependen de la especificacion adoptada en
el modelo econometrico. Por tanto, sera necesario realizar ademas
pruebas sobre la especificacion del modelo para contrastar su validez
y, en caso necesario, abordar la reformulacion del mismo seg
un el
diagnostico, en aras de un creciente refinamiento de la modelizacion
econometrica.
www.giddea.com
administracion@giddea.com
11
www.giddea.com
administracion@giddea.com
12
1. Introducci
on a la Econometra
disposicion de datos o por los resultados obtenidos previamente en la
evaluacion y el diagnostico del modelo. De este modo, se debera seguir
un proceso de realimentacion desde estos resultados a la especificacion
del modelo econometrico.
1.3.
Origen y evoluci
on de la econometra
www.giddea.com
administracion@giddea.com
13
es en esencia cuantitativo13 .
As, el nacimiento de la Econometra como disciplina cientfica tuvo sus
antecedentes en el siglo XVII con el surgimiento de la economa cuantitativa
14
. De esta manera, cabe mencionar las etapas en la evolucion de esta disciplina:
. Etapa pre econometrica, que se extiende hasta finales del siglo XIX.
. Etapa de nacimiento de la Econometra, que abarca el primer tercio del siglo
XX.
. Etapa de aportaciones basicas, que se desarrolla entre 1930 y 1945.
. Etapa de desarrollo de la Econometra moderna, que concluye con la crisis
de los setenta etapa crtica y de aportaciones recientes a la Econometra.
A continuacion se presentan las caractersticas mas relevantes de cada una de
las etapas mencionadas.
1.3.1.
Etapa pre-econom
etrica
En la etapa pre-econometrica, los desarrollos de la Estadstica y la Economa sentaron las bases que posteriormente serviran de fundamento para el
nacimiento de la Econometra. Sus inicios se sit
uan entre los siglos el siglo XVI
y XVII con el nacimiento de la economa cuantitativa y este con los trabajos
denominados Polticos-Aritmeticos por parte de Gregory King, Charles Davenant y especialmente William Petty.
Davenant utiliza las figuras para sus deducciones y define la aritmetica
poltica como el arte de razonar con figuras sobre cuestiones relacionadas con
el gobierno. Petty y King son los pioneros en una aproximacion teorica- cuantitativa a la economa y demuestran su preocupacion por la medicion estadstica
de los hechos economicos. Siendo especficos, Gregory King se centro en el estudio de la agricultura y el analisis de las relaciones entre la oferta de cereales
y el precio. King no solamente efectuo una recogida y analisis de los datos,
sino que incluso llego a aproximarse a una regresion entre cambios de precio
y cambios de cantidades, lo que podra calificarse de primicia econometrica 15 .
Basicamente, estos primeros trabajos de Economa Cuantitativa trataban de
encontrar leyes de comportamiento economico analogas a las que se observaban en las ciencias naturales, especialmente en la Fsica, intentando aplicar sus
13
www.giddea.com
administracion@giddea.com
14
1. Introducci
on a la Econometra
mismos metodos y con una filosofa claramente determinista. Para poder aligerar de determinismo el enfoque de la ciencia economica, tuvo que esperarse
a los siglos XVIII y XIX ya que es aqu en donde la Estadstica y la Economa
evolucionaron notablemente (aportan los conceptos de incertidumbre y probabilidad necesarios para la comprension de los fenomenos economicos).
De esta manera, en el ambito del pensamiento economico destacan las aportaciones de autores como Francois Quesnay (1758), cuyo Tableau Economique constituye un analisis emprico del principio de interdependencia general
de los elementos esenciales que intervienen en un sistema economico, Antoine
A. Cournot (1838), cuya interpretacion funcional de la oferta y la demanda abrio una de las lneas de investigacion mas fecundas en el ambito de la
Economa Aplicada Cuantitativa, y asimismo Clement Juglar (1862), por sus
estudios empricos acerca de las regularidades temporales de los ciclos economicos.
Por otra parte, en el campo de la Estadstica han sido esenciales los trabajos de Thomas Bayes (1702-1861) sobre la teora de la probabilidad y el
analisis estadstico, con la formulacion del polivalente teorema de Bayes, Karl
F. Gauss (1777-1855), por el desarrollo de la distribucion estadstica normal y
el tratamiento estadstico riguroso del metodo de estimacion mnimo-cuadratico aplicado al analisis de regresion, y William S. Gosset (1876-1937), a quien se
debe la especificacion de la distribucion t de Student, entre otras aportaciones.
Asimismo, destacan en este periodo las contribuciones de Andrei A Markov
(1856-1922) y Karl Pearson (1857-1936) al desarrollo de la teora de la probabilidad y al analisis de la correlacion estadstica, respectivamente. Por u
ltimo,
a Ronald A. Fisher (1890-1962) se debe el desarrollo de metodos de estimacion adecuados para muestras peque
nas, el descubrimiento de la distribucion
de numerosos estadsticos muestrales y la invencion del analisis de la varianza
y del enfoque de maxima-verosimilitud, por lo que es considerado uno de los
pioneros de la Estadstica moderna.
Este enorme progreso de los metodos estadsticos, permitio aplicar el analisis de regresion y la contratacion de hipotesis a los modelos economicos, ya en
los inicios del siglo XX.
1.3.2.
Rapidamente, los avances de la Estadstica moderna se incorporan al analisis economico y, en esta lnea, constituyen ejemplos destacados las aplicaciones
del analisis de correlacion estadstica que realizan Yule (1895, trabajo dirigido
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
15
www.giddea.com
administracion@giddea.com
16
1. Introducci
on a la Econometra
Por tanto, el objetivo de la Sociedad Econometrica fue crear una Sociedad que motivara el estudio cuantitativo de la economa, pero haciendo mucho
hincapie en la necesidad de que estos estudios se llevaran a cabo por metodos
cientficos ya que los economistas de esta epoca aspiraban a encontrar leyes
(modelos) similares a los que dominaban en las ciencias naturales y vean en la
estadstica y las matematicas las herramientas que les permitiran verificar las
teoras y predecir fenomenos futuros. De manera explcita, la Sociedad Econometrica buscaba promover la union de la capacidad deductiva del analisis
matematico con la capacidad inductiva de la estadstica, mediante la integracion de modelos estadstico-matematicos y el analisis estadstico de los datos
economicos.
Fundaci
on de la Cowles Commission
Una figura importante que contribuyo notablemente al desarrollo de la Sociedad Econometrica fue Alfred Cowles, que en 1931 ofrecio fondos para la
edicion de una revista y para la creacion de una comision de investigacion dentro de la sociedad. As, en el a
no 1932 fue fundada la Cowles commission for
Research in Economics, en Colorado Spring . Cowles Commission tena como
funcion principal centralizar las investigaciones sobre la nueva disciplina. En
1939 se traslado a la Universidad de Chicago, a la que estuvo unida hasta 1955,
fecha en que los directivos de la comision se adscribieron al departamento de
economa de la Universidad de Yale, donde contin
ua con sus actividades actualmente. La comision ha supuesto un motor importantsimo para el desarrollo
de la econometra, especialmente con la publicacion de monografas que recopilaban los avances mas importantes que se haban producido en la materia y
donde participaban los mejores econometras del momento. El objetivo general
de esta institucion es promover la investigacion sobre los principales problemas
de la Economa, con particular referencia a la aplicacion de la Estadstica y
las Matematicas en la solucion de dichos problemas.
1.3.3.
Etapa de aportaciones b
asicas (1930-1945)
A partir de la constitucion de la Econometric Society y de la Cowles Commission, la Econometra inicia una etapa de aportaciones basicas que habra
de ser seguida por un progresivo desarrollo de sus metodos y aplicaciones. Esta
etapa, que concluye con la Segunda Guerra Mundial, se caracteriza por el estudio de los principales problemas econometricos, tales como la identificacion
y estimacion de los modelos de ecuaciones simultaneas, as como los fundamentos metodologicos de esta disciplina.
Jan Tinbergen concluye un ambicioso proyecto para la League of Nations,
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
17
www.giddea.com
administracion@giddea.com
18
1. Introducci
on a la Econometra
1.3.4.
La propuesta de Haavelmo (1944) marca el final del periodo de aportaciones basicas en Econometra y el inicio de su etapa de madurez, que se extiende hasta aproximadamente la primera crisis del petroleo(1973). Esta etapa
de desarrollo de la Econometra moderna se caracteriza por la profundizacion
teorica en los metodos necesarios para solventar algunos de los principales problemas econometricos, como la identificacion y estimacion de los modelos de
ecuaciones simultaneas, la multicolinealidad y las perturbaciones no esfericas.
Ademas de esto, prolifero la investigacion aplicada, resultado de la confluencia
de varios factores, como la disponibilidad de series temporales relativas a las
magnitudes de la Contabilidad Nacional, el desarrollo de la informatica y la
aceptacion generalizada de la teora keynesiana.
En las dos primeras decadas de esta etapa de la Econometra, los econometras centraron sus esfuerzos en profundizar en los aspectos teoricos y metodologicos de esta disciplina, con respecto a los metodos matematicos e inferencia estadstica. En estos a
nos, por tanto, los avances realizados en el campo
de la Econometra aplicada fueron relativamente escasos. De manera contraria en la decada de los sesenta llega la aceptacion general de los modelos
econometricos en la mayora de los pases desarrollados y, especialmente, en
Estados Unidos. As pues, los desarrollos de la econometra emprica en estos
a
nos son numerosos, sus aplicaciones son m
ultiples y se abre un gran mercado que abarca tanto el sector p
ublico como la empresa privada. Los modelos
econometricos son entendidos como un nuevo instrumento u
til y valido para
la planificacion.
El importante desarrollo alcanzado por la Econometra era evidente a principios de los a
nos setenta. En esta decada, se multiplico el n
umero de estudios
publicados de Econometra teorica y aplicada, muchos de ellos producto de
los alumnos que haba tenido esta joven disciplina en la decada precedente. A
diferencia de la etapa anterior, estos estudios se centraron en los problemas de
estimacion e inferencia en ecuaciones aisladas, mas que en los grandes modelos
de ecuaciones simultaneas. Por ejemplo, el modelo de Brookings o el Wharton, fue propuesto fundamentalmente para realizar simulacion y prediccion,
y sufrieron consecuencias producto de la primera crisis del petroleo y el gran
cambio estructural que se derivo de ella. Si bien en los a
nos setenta se siguieron
manteniendo muchos de los grandes modelos macroeconomicos existentes y se
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
19
desarrollaron otros nuevos, se redujo en gran medida el interes que despertaron en los econometras en decadas anteriores, que centraron su atencion en
otros modelos de menor dimension y mas directamente relacionados con los
desarrollos de la Teora Economica.
1.3.5.
www.giddea.com
administracion@giddea.com
20
1. Introducci
on a la Econometra
18
www.giddea.com
administracion@giddea.com
Sesi
on 2
Repaso Algebraico
2.1.
Algebra de Matrices
Una matriz Amn , es un arreglo rectangular de m n elementos dispuestos en m filas y n columnas. Dichos elementos se denotan por Aik con
i = 1 , 2 , . . . , m ; j = 1 , 2 , . . . , n. El primer ndice denota la fila y el
segundo la columna de la matriz A.
Amn = [aij ] = [Amn ]ij
2.1.1.
Tipos de Matrices
. Cuadrada
Una matriz es cuadrada si m = n. En este caso A es una matriz cuadrada
de orden n.
Ann = [aij ]
. SimEtrica
Sea la matriz cuadrada Ann = [aij ] Ann = [aij ], A es simEtrica si, y solo
si, A = A0
Ann aij = aji
. Diagonal
La matriz cuadrada Ann = [aij ] es:
DIAGON AL aij = 0 , i 6= j y i , aij 6= 0 , 1 i n
. Escalar
La matriz diagonal Ann es ESCALAR, si sus elementos son iguales
Diagonal aii = a
. Identidad
La matriz Ann es la matriz IDENTIDAD: Ann es Escalar a = 1
21
22
2. Repaso Algebraico
. Triangular
La matriz cuadrada Ann es :
(
T.superior
Ann
T.inf erior
aij = 0 i > j
aij = 0 i < j
. Idempotente
La matriz cuadrada Ann = [aij ] es idempotente A2 = A
2.1.2.
. Igualdad
Las matrices Amn = [aij ] Bmn = [bij ] son iguales aij = bij
i, j; 1 i m, 1 j n
. Transpuesta
Sean las matrices Amn = [aij ] y Bnm = [bij ]. Diremos que B es la
TRANSPUESTA de A bij = aji 1 i m , 1 j n , i , j
y denotamos B = A0
Si A = A0 (A0 )0 = A A es una matriz simEtrica
. Suma
Amn + Bmn = Cmn aij + bij = cij , 1 i m , 1 j n
A+0=A
A+B=B+A
A+(B+C)=(A+B)+C
( A + B ) = A + B
. MultiplicaciOn
El producto de Amn = [aij ] por Bnp = [bij ] se define del siguiente modo:
Amn Bnp = Cmp = [cij ] / cij =
n
X
aik bkj , 1 i m , 1 j p
n
X
ai b i
www.giddea.com
administracion@giddea.com
23
Producto externo
a1n , bn1 a 0 b 0
Producto de matrices
Ann Bnk
a11 a12
a21 a22
= C = ..
..
.
.
an1 an2
a01 b1
a0 b 1
2
..
.
a01 b2
a02 b2
..
.
. . . a1n
b11 b12
. . . a01 bk
c11 c12
0
. . . a2 bk c21 c22
.. = ..
..
..
.
. .
.
. . . a0n bk
cn1 cn2
A B = C = [Cij ]
. . . b1k
. . . b2k
=
. . . ..
.
. . . bnk
. . . c1k
. . . c2k
.
..
. ..
. . . cnk
cij = ai 0 bj
A B 6= B A
(
Sistema de Ecuaciones
C = Ab =
Combinacion lineal
2.1.3.
Vector Can
onico
www.giddea.com
administracion@giddea.com
24
2. Repaso Algebraico
2.1.4.
Relaci
on entre matrices y sumatorias
0
( xx ) =
N
X
xi x0i
1
1
i = ..
.
1
N
X
x1
x2
x = ..
.
xi = x1 + x2 + xN = i0 x
xN
N
X
a = na
1
N
X
xi = i0 x = i0 ai = ai0 i = an
i0 i = n
1 ...
.. . .
0
i i = .
.
1 ...
PN
xi
i0 x
= 1
= x
n
n
EJEMPLO:
c11 c12
c21 c22
..
..
.
.
cn1 cn2
1
..
.
1
i0 x = nx
a11 a12 . . . a1n
b11 b12
. . . c1n
. . . b1n
. . . b2n
.
..
. ..
. . . bnn
c11 c12
a11 a12 b11 b12
a11 b11 + a12 b21 a11 b12 + a12 b22
=
=
c21 c22
a21 a22 b21 b22
a21 b11 + a22 b21 a21 b12 + a22 b22
c11
a11
a
= b11
+ b21 12
c21
a21
a22
www.giddea.com
administracion@giddea.com
25
c21 c22 = a21 b11 b21 + a22 b12 b22
n
X
Xi = i0 X
1
N
X
Xi Yi
1
0
X X = [X 0 X]ik
X 0X =
N
X
Xi Xi0 ; n = N o f ilas
x11
x12
Donde Xi es la f ila i esima de X = ..
.
XX =
2
X
x1k
x11
x21
X1 =
, X2 =
x12
x22
X =
x11 x12
x21 x22
x11 x21
x12 x22
x11 x12
x211 + x221
x11 x12 + x21 x22
=
x21 x22
x12 x11 + x22 x21
x212 + x222
Xi Xi0
X1 X10
X2 X20
x11
x
x11 x12 + 21 x21 x22
x12
x22
2
x211
x11 x12
x21
x21 x22
+
x21 x11 x212
x22 x21
x222
x211 + x221
x11 x12 + x21 x22
x12 x11 + x22 x21
x212 + x222
2.1.5.
Matriz de desvos
M 0X = X 0
M 0 A = A0
www.giddea.com
administracion@giddea.com
26
2. Repaso Algebraico
x1
x1 x
x2 x 2 x
M 0 X = M 0 .. = ..
. .
xk
xk x
0
Mnn
Ank = M 0 a1 a2 . . . ak = a1 a1 a2 a2 . . . ak ak
M 0 = I n1 ii0
0
M22
1 1 1
1 0
1 n1 n1
=
=
n1 1 n1
0 1
n 1 1
1 21 21
(n = 2) =
12 1 12
..
.
0
Mnn
x1 Pnxi
x1 x
x1
1 n1 n1 . . . n1
x 2 x xi x 2 x
1 1 1
2
n
n
n
= ..
= ..
.. .. =
.
.
.
.
.
.
. .
.P .
1
1
xk x
... 1 n
xn
n
xn nxi
1. Propiedades
M 0i = 0
Prueba
1
i
1 0
ii )i = i ii0 i = i n = i i = 0n1
n
n
n
Pn
0
1 (xi x) = i M0 X
M 0 i = (I
M 0 es Simetrica e Idempotente
Prueba
- Simetrica (M 0 )0 = M 0
(M 0 )0 = (I
ii0 0
(ii0 )0
ii0
) = I0
= I
= M0
n
n
n
- Idempotente M 0 M 0 = M 0
(M 0 )(M 0 )0 = (I
ii0
ii0 ii0 ii0 ii0
ii0 ii0 ii0
ii0
)(I ) = I +
= I + = M 0
n
n
n n
n
n n n
www.giddea.com
administracion@giddea.com
1 (xi
2.1.6.
x)2 =
27
Pn
1
Geometra de matrices
. Espacio vectorial:
Conjunto cerrado de vectores definido por:
(i) Multiplicacion por un escalar (si se multiplica por un escalar, el resultado pertenece al conjunto)
(ii) Aditividad (si se suman los vectores, el resultado pertenece al conjunto)
1
0
a =
, b =
; a , b <2
0
1
c = 2
a + b =
2
; c <2
1
www.giddea.com
administracion@giddea.com
28
2. Repaso Algebraico
a1
b
c
, 1 , 1
a2
b2
c2
c1
1 a1
2 b1
a1
b
=
+
= 1
+ 2 1
c2
1 a2
2 b2
a2
b2
! i 6= 0 1 =
a2 c 1 b 1 c 2
a1 c 2 b 1 c 2
, 2 =
a1 b 2 b 1 a2
a1 b 2 b 1 a2
a1 b2 b1 a2 6= 0
a1 b2 6= b1 a2
a1
b1
6=
a2
b2
. Vectores linealmente dependientes
Un conjunto de vectores es linealmente dependiente si cualquiera de sus
vectores puede ser escrito como combinacion lineal de los demas:
c1
a1
b
= 1
+ 2 1
c2
a2
b2
a1
b1
si a, b son tal que
6
=
a2
b2
a1
b
c
, 1 , 1 son L.D
a2
b2
c2
EJEMPLO:
Xnn
i x1 x2 . . . xn
1 i + 1 x1 + . . . + n xn = 0 no puede ocurrir
Un grupo de vectores es LI (Linelamente Independiente) si la solucion
de alpha1 a1 + 2 x2 + . . . + n xn = 0 es:
1 = 2 = . . . = n = 0 unica y trivial
. Base de un espacio vectorial
Va a etar determinado por un conjunto de vectores L.I. Si k vectores son
base de un espacio vectorial de dimension k, si se le agrega un vector
mas, los k + 1 vectores seran linealmente dependientes.
. Sub espacio vectorial
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
29
2.1.7.
1 5 2
A = 2 6 8
7 1 8
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica
www.giddea.com
administracion@giddea.com
30
2. Repaso Algebraico
1
5
B =
6
3
1
2
5
4
=
6
1
3
1
3
5
+
5 , 6= 0 que sean soluciOn
4
2
4
1
1
. Rango de filas
El espacio generado por el rango filas es el mismo generado por el rango
columnas.
. Rango corto
Rang(Ann ) = n0 < n
. Resultados
Rang(AB) = min {Rang(A) , Rang(B)}
. Corolario
Amn , Bnn , Rang(B) = n
Rang(AB) = Rang(A)
EJEMPLO:
AB = C
a11 a12
b11
c
,
= 11
a21 a22
b12
c12
a11 a12
b11 b12
c11 c12
,
=
a21 a22
b12 b22
c12 c22
a11 b11 + a12 b21 a11 b12 + a12 b22
c11 c12
=
a21 b21 + a22 b22 a21 b12 + a22 b22
c12 c22
a11
a12
a11
a12
c11 c12
b11
+ b21
b12
+ b22
=
a21
a22
a21
a22
c12 c22
Donde cada columna de C es combinacion lineal de las columnas de A
1 b12
b11
Si
=
b21
2 b22
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
31
EJEMPLO 1: Y = X +
EJEMPLO 2: Trampa de dummys
Rang(X43 ) = 3 < 3
N 0 de columnas X no tiene rango completo por columnas.
. Propiedades de rango
Rang(Ank ) = Rang(A0nk ) {n, k} Rang(AB) min{Rang(A), Rang(B)}
Rang(Ank ) = Rang(A0kn ) = Rang(A0kn A) = Rang(Ann A0 ) Si k < n ,
A es de dimension k
EJEMPLO: Modelo de Regresion Lineal
Rang(Xnk ) = k
Donde X tiene rango completo por columnas
Rang(X 0 X) = k
2.1.8.
Determinante
. Notacion
Sea Ann |A|, det (A)
. Proposicion
det(A)6= 0 si la matriz tiene rango completo
. Menor de una matriz
Sea Ann = [aij ]
Definamos la matriz Aij como la matriz que se obtiene al eliminar la fila i,
columna j de la matriz original
Aij = menori, j
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica
www.giddea.com
administracion@giddea.com
32
2. Repaso Algebraico
n
X
(i+j)
aij (1)
|Aij | =
n
X
aij cij
|A| =
n
X
n
X
aij cij
1
EJEMPLO: A = 0
1
2 0
1 1
0 1
1 1
menor(1, 1) = 1 = |
|, cof(1, 1) = (1)(1+1) menor(1, 1)
0 1
0 1
menor(1, 2) = 1 = |
| , cof(1, 2) = (1)(1+2) menor(1, 2)
1
1
0 1
menor(1, 3) = 1 = |
| , cof(1, 3) = (1)(1+3) menor(1, 3)
1 0
n
X
|A| =
aij cof (i + j)
j=1
Qn
1
aij
www.giddea.com
administracion@giddea.com
33
1
6
1 2
b1
1
1 = 1 1 3 b2 + 1
2
0
0 0
b3
2
X 0e = 0
Figura 2.5:
2.1.9.
x1
0
a11 a12 . . . a1k
a21 a22 . . . a2k x2 0
Ank Bk1 = 0n1 ..
.. . .
.. .. = ..
.
. . . .
.
an1 an2 . . . ank
xk
0
En que casos existe solucion no trivial para estas ecuaciones?
www.giddea.com
administracion@giddea.com
34
2. Repaso Algebraico
x1
X =
x2
Rang(A) = 1 < 2 = k
AX = 0
x1 + 2x2 = 0
X tiene infinitas soluciones a parte la trivial.
3.
1 1
x1
0
A =
:=
1 1 x2
0
x1 + x2 = 0
x1 x2 = 0
Lo que serIa imposible a menos que (x1 , x1 ) = (0, 0)
Ann Xn1 = bn1
Tipos de Sistemas de Ecuaciones
1. Homogeneas AX = 0
2. No Homogeneas AX = b , b 6= 0
. Sistemas de Ecuaciones Homogeneas
Ann Xn1 = 0
Para que exista solucion (x 6= 0) el Rang(A) < n
Si existe una solucion, entonces es posible escribir una columna como
combinacion lineal de los otros
a1 a2 . . . an x1 x2 . . . xn = 0
a1 x 1 + a2 x 2 + . . . + an x n = 0
1
ak =
(a1 x1 + a2 x2 + . . . + an xn )
xk
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
35
Si
Rang(Ann ) < n |A| = 0
2.1.10.
www.giddea.com
administracion@giddea.com
36
2. Repaso Algebraico
(CA)B = CAB
IB = C(AB)
B = CI
B=C
Por lo tanto, AX = b = A1 AX = A1 b = X = A1 b
Calculo de la inversa:
a
a
A = 11 12
a21 a22
1
1
a11 a12
=
|A| a21 a22
Cji
, Cji = (1)j+i |Aji |
|A|
1
1
(matriz C)0 =
Adjunta(A)
|A|
|A|
Caso particular:
1 0
0 2
D = ..
..
.
.
0 0
1
1
D1 = .
..
0
0
1
2
..
.
0
...
...
..
.
0
0
..
.
. . . n
...
...
...
...
0
0
..
.
1
n
Propiedades:
. |A1 | =
1
|A|
. (A1 )1 = A
. (A1 )0 = (A0 )1
. Si A es simetrica (A0 = A), entonces A1 es simetrica.
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
37
. Si |A| =
6 0, |B| =
6 0, |A| =
6 0 entonces:
(AB)1 = B 1 A1
(ABC)1 = C 1 B 1 A1
EJEMPLO:
Condicion de primer orden del problema MCO.
Min (y xb)0 (y xb)
x0 y = (x0 x)b
(x0 x)1 (x0 y) = (x0 x)1 (x0 x)b
b = (x0 x)1 x0 y, es unica condicion ya que
(x0 x)1 6= 0
|x0 x| =
6 0
Rang(x0 x) es completo
Rang(xnxk ) es completo por columna = k
las columnas de xnxk son linealmente independientes.
2.1.11.
Matrices Particionadas
A =
Ar1
Ars
Pr
i=1
mi = m y
A11 A12
B11 B12
M=
A21 A22
B21 B22
A11 A12
N=
A21 A22
B11 B12
A11 B11 + A12 B21 A11 B12 + A12 B22
=
B21 B22
A21 B11 + A22 B21 A21 B12 + A22 B22
www.giddea.com
administracion@giddea.com
38
2. Repaso Algebraico
Casos frecuentes:
.
0
0
A1
0
A1 A2 = A1 A2 A1 A2
A2
1
1
A1 =
1
2
0
1 1
A1 =
2 0
2
0
1
3
1 2
1 3
.
A11 0
0 A22
0
0
0
0
A11 0
A11 A11
A11 0
A11 0
=
=
0
0
0 A22
0 A22
0
A22 A22
0 A22
EJEMPLO:
y = x +
y = i x 2 x3
1
2
. . . xk 3 +
..
.
k
y = i1 + 2 x2 + 3 x3 + . . . + k xk +
y = X1
1
2
3
.
..
X2
k1 +
k +1
1
..
.
k
www.giddea.com
administracion@giddea.com
39
B1
y = X1 X 2
+
B2
Donde: X1 es de orden k1 , X2 es de orden k k1
Determinantes de matrices:
A11 0
= |A11 ||A22 |
0 A22
A11 A12
A21 A22
Inversa:
A11 A12
A21 A22
1
1
A11 (I + A12 F2 A21 A1
11 ) A11 A12 F2
=
1
F2 A21 A11
F2
1
Donde: F2 = (A22 A21 A11
A12 )1
y1
1 x1
1
y2 1 x2 2
1
+ ..
.. = .. ..
. . . 2
.
yn
1 xn
n
1
y= i x
+
2
1
0
1
0
0
1 0
i
x
=
(X
X)
X
y
=
y
[i
x]
[i
x]
2
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica
www.giddea.com
administracion@giddea.com
40
2. Repaso Algebraico
0 1
1 0
1
i
i
=
y
0
i x
0
x
2
x
1 0
1 0
0
0
0
ii ix
ii ix
iy
1
= 0
0
0
0
0
xi xx
xi xx
xy
2
Si me interesa encontrar solo 2
1
2 = F2 = (A22 A21 A1
11 A12 )
0
F2 = (x M0 x)1
0
0
2 = (x M0 x)1 x y
0
0
0
= (x M0 M0 x)1 x y
P 0
xy
= P
(xi x)2
2.1.12.
Producto Kronecker
. (A B) = A B
www.giddea.com
administracion@giddea.com
2.1.13.
41
Ecuacion caracteristica:
Ac = c
(A I)c = 0, siAc = 0
si |A I| , !c 6= 0 una solucion.
observaciones:
ci cj = 0
. Sea:
Matriz caracteristica:
c = c1 c2 . . . ck
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica
www.giddea.com
administracion@giddea.com
42
2. Repaso Algebraico
Matriz diagonal asociada a A:
1 0
0 2
= ..
..
.
.
0 0
...
...
..
.
0
0
..
.
. . . k
Ac1 = 1 c1
Ac2 = 2 c2
Ac = c =
..
.
. = ..
Ac = c
k
A c1 c2 . . . ck = c1 c2
k k
1 0
0 2
. . . ck ..
..
.
.
0 0
...
...
...
0
0
..
.
. . . k
Ac1 Ac2 . . . Ack = 1 c1 2 c2 . . . k ck
. Adicionalmente:
Se sabe que
0
ci cj = 0 (por ortogonalidad)
0
ci ci = 1 (norma)
luego:
0
0
c1
c1 c1
0
.
0
0
c
0
c
c
2 2 .
2
. . . ck = .. c1 c2 . . . ck = ..
..
.
.
.
0
ck
0
0
.
0
0
c c = c1 c2 . . . ck c1 c2
Teorema:
Rango de una matriz simetrica es igual al numero de raices caracteristicas o
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
43
1 0
0 2
..
..
.
.
0 0
...
...
..
.
0
0
..
.
. . . k
Teorema:
Rango de una matriz no cuadrada Anxk es igual al ] 6= 0 que contiene
A Akxk
0
Si
0
Rang(Anxk ) = Rang(A A) = k
max 1/2
)|
min
si |A| = 0 algun = 0
si max >> min 0 |A| 0 (cuasi multicolineal)
En la practica > 20 (multicolinealidad).
2.1.14.
= x Ax (diagonalizacion)
Ac = c
0
0
0
c Ac = c c , si A es simetrica y c c = I
0
c Ac =
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica
www.giddea.com
administracion@giddea.com
44
2. Repaso Algebraico
Descomposicion Espectral: A = cc
Observaciones:
Si Anxn no es simetrica, entonces:
= c Ac
0
A = c Ac1
Si Anxn es simetrica, entonces:
Rang(nxn ) = Rang(A)
0
1
0
..
.
0
0 ... 0
2 . . . 0
.. . .
..
. .
.
0 . . . k
Teorema:
0
Si Rang(Anxk ) = Rang(A A) = k
Traza:
Propiedades:
Pn
. T r(Anxn ) =
. Tr(CA) = CT r(A).
0
. T r(A ) = T r(A).
. T r(A + B) = T r(A) + T r(B).
. T r(K) = K.
. T r(AB) = T r(BA).
. T r(ABC) = T r(BCA) = T r(CAB).
0
. T r(a a) = a a = T r(aa )
www.giddea.com
administracion@giddea.com
45
Teorema:
T r(Anxn ) = 1 + 2 + . . . + n
0
= C AC
0
T r() = T r(ACC )
T r() = T r(A)
X
X
T r() =
aij =
xi = T r()
Determinante:
Sea Anxn simetrica |Anxn | = 1 2 3 . . . n
0
= C AC
0
|| = |C AC|
0
|| = |C ||A||C|
0
|| = |C ||C||A|
0
|| = |C C||A|
|| = |A| = i
De aqui se puede afirmar que Anxn es singular |A = 0| al menos un
lambdai = 0
www.giddea.com
administracion@giddea.com
46
2. Repaso Algebraico
Potencia de una matriz:
.
0
AA = A2 = (CC )(CC )
0
AA = A2 = (CC CC )
0
AA = A2 = (C2 C )
.
A0 = I
. Si A es no singular (|A| =
6 0) y i = 0 i, la potencia puede ser un
numero negativo.
.
0
A1 = (CC )1
A1 = C
0
0 1
1 C 1
Luego, si C 1 = C , C C = I
A1 = (C 1 )1 1 C 1
0
A = C1 C , solo cuando i 6= 0
Teorema:
Si A1 existe, entonces:
. Las raices caracteristicas de A1 son 1
(de la matriz original).
i
. Los vectores caracteristicos son los mismos que los de A.
Teorema:
Sea Anxn una matriz simetrica, ademas |A| =
6 0
0
k
k 0
Luego: si A = CC ,entonces A = C C , k n
umero enteros.
www.giddea.com
administracion@giddea.com
47
Independencia Lineal:
v1 a1 + v2 a2 6= 0 a1 , a2 6= 0
Dependencia Lineal:
v1 a1 + v2 a2 = 0
a2
v2
v1 =
a1
Caso usual: A es definida positiva.
1. Anxn positiva semidefinida |A| =
6 0, |A| 0
No se cumple lo contrario
Contraejemplo:
1 0
0 2
donde: 1 = 1 , 2 = 2 por lo que A seria negativa semidefinida.
Ademas: |A| = 2 > 0
2. A p.d A1 p.d
0
A = cc (descomposicion espectral) para i > 0 i = 1 . . . n
0
A1 = c1 c
3.
1 0
I=
0 1
Donde: i = 1, i = 1 . . . n
Por lo tanto: I es p.d
4. Sea: Anxk , n > k Rang(Anxk ) = k
0
. A A es p.d
0
. AA es p.s.d
0
www.giddea.com
administracion@giddea.com
48
2. Repaso Algebraico
0
5. Si A es p.d y |B| =
6 0 B AB es p.d
0
x 6= 0 X (B AB )X > 0
x 6= 0
0
. P
Anxn , simetrica e indempotente, ademas Rang(A) = 5, , x, x Ax =
5 2
1 yi .
x 6= 0,
0
x Ax = x cc x
0
x Ax = (c x) (c x)
0
x Ax = y y =
n
X
i yi2
j
X
(yi )2
EJEMPLO:
mco = (x0 x)1 x0 y
mcg = (x0 1 x)1 x0 1 y, donde 1 es p.d y simetrica.
v(mco ) v(mcg ) > 0
2.1.15.
Derivadas y Matrices
a x
=a
x
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
49
Ax
0 Ax
=A,
=A
x
x0
x Ax
0
= Ax + A x
x
0
si A = A
0
x Ax
= 2Ax
x
Vector Gradiente:
Sea: F (x1 , x2 , . . . , xn )
F
x1
F
F
x
Fx =
= .2
x
..
F
xn
Matriz Hessiana:
F
x1
F
x2
2F
=
=
=
.
xx
x0 x
x0 ..
F
xn
2F
x1 x1
..
.
..
.
2F
x1 x2
..
.
..
.
...
...
2F
x1 xn
...
2F
x2n
..
.
www.giddea.com
administracion@giddea.com
50
2. Repaso Algebraico
www.giddea.com
administracion@giddea.com
Sesi
on 3
Repaso Estadstico
3.1.
Sumatorias
La sumatoria o la operacion de suma, es un operador matematico que permite representar sumas de muchos sumandos, n o incluso infinitos sumandos.
Se expresa con la letra griega sigma ( ), y se define como:
n
X
xi = xm + xm+1 + xm+2 + + xn
i=m
Propiedades:
P
C f (n) = C tn=s f (n), donde C es una constante.
P
P
f (n) tn=s g(n) = tn=s [f (n) g(n)].
.
P
P
P
.
Xi Yi 6= Xi Yi .
P 2
P
.
Xi 6= ( Xi )2
Pt
n=s
Pt
n=s
. X=
3.2.
3.2.1.
Pn
i=1
Xi fi
52
3. Repaso Estadstico
N (A)
n(A)
numero de casos f avorables
=
=
N ()
n
numero de casos posibles
Axiomas
. 0 P (A) 1 (la probabilidad de un evento cualquiera A esta comprendido entre 0 y 1.
. P () = 1
. Si A1 , A2 , A3 , . . . es una secuencia numerable de eventos mutuamente
excluyentes definidos en , entonces P [A1 A2 A3 . . .] = P [A1 ] +
P [B1 ] + . . .
Propiedades
. si es el evento imposible, entonces P[] = 0
. Para cada evento A, se cumple que: P (Ac ) = 1 P (A)
. Si A B entonces P(A) P(B)
. P(A B)= P(A) + P(B) - P(A B)
. P(A B C )= P(A) + P(B) + P(C) - P(A B) - P(A C) - P(C
B) + P(A B C)
Probabilidad condicional
Sea A y B dos eventos en un espacio muestral . La probabilidad condicional de B dado A es el n
umero P(B/A) que se define por:
si P (A) > 0
P (B/A) =
P (A B)
P (A)
NOTAS:
. Si P (A) = 0, se define P (B/A) = 0
. Observe que (A B) A luego, cada vez que se calcula P (B/A)
estamos realmente calculando P(B) con respecto al espacio muestral
reducido A. Por esto, P(B/A) se interpreta tambien como la actualizacion de P(B) cuando el evento A ha ocurrido.
Econometria I con Eviews
Aplicado a la Investigaci
on Economica
www.giddea.com
administracion@giddea.com
53
]P (A B)
]P (A)
. Si (A B) = , entonces, P (B/A) = 0
. Si (A B), entonces, P(B/A)= P(A/A)=1
. Si B A, entonces, P(B/A)=
P (B)
P (A)
Teorema de Bayes
1. Particion de un espacio muestral.
Se dice que la coleccion de eventos B1 , B2 , B3 , . . . , Bk del espacio
muestral representa una particion del espacio muestral , si cumple las siguientes condiciones:(ver grafico 3,1)
. Bi Bj , i6= j, i, j = 1, 2, 3, . . . , k (Los eventos B1 , B2 , B3 , . . ., Bk
son mutuamente excluyentes)
S
. ki=1 Bi = (Los eventos B1 , B2 , B3 , . . ., Bk son colectivamente
exhaustivos)
. P [Bi ] 0, i = 1, 2, 3, . . . , k
www.giddea.com
administracion@giddea.com
54
3. Repaso Estadstico
k
X
i=1
P [Bk ]P [A/k2 ]
www.giddea.com
administracion@giddea.com
55
3.2.2.
P (A) x P (B/Ai )
, para cada i = 1, 2, . . . , k
P (B)
Variables Aleatorias
www.giddea.com
administracion@giddea.com
56
3. Repaso Estadstico
Sea X una variable aleatoria discreta. Se denomina funcion de probabilidad de x a la funcion f(x) definidia por f (x) = P [X = x] en
todo x n
umero real y que satisface las siguientes condiciones:
i) P
f(x) 0 x <
ii) xi x f (xi ) = 1
La condicion ii) se desarrolla como:
k
X
i=1
i=1
NOTAS:
. Si A Rx , entonces, la probabilidad de A es el n
umero:
X
X
P (A) =
P [X = xi ] =
f (xi )
xi A
xi A
. La funcion de probabilidad de una variable aleatoria X se representa usualmente en una tabla(ver grafico ). Tambien se representa graficamente, esta grafica consiste de segmentos verticales
continuos o punteados de longitud proporcional a la probabilidad
respectiva en cada valor xi de la variable (ver grafico ).
www.giddea.com
administracion@giddea.com
57
www.giddea.com
administracion@giddea.com
58
3. Repaso Estadstico
2. Funcion de distribucion de una variable aleatoria discreta.
La funcion de distribucion es llamanda tambien funcion de distribucion acumulativa ya que se consideran eventos de la forma:
[X x] y su probabilidad inducida P [X x]
La funcion de distribucion acumulativa de probabilidades de la variable aleatoria discreta X, cuya funcion de probabilidad de f(x), se
define en todos los n
umeros reales por:
X
X
F (x) = P [X x] =
P [X = k] =
f (k), para < x < .
kx
kx
EJEMPLO:
Sea x la variable aleatoria que se define como el n
umero de caras obtenidas
al lanzar un moneda 4 veces.
a) Obtenga y grafique la funcion de distribucion acumulativa F(x).
b) Aplicando la funcion F(x), calcule la probabilidad P [0 < X < 2].
Solucion:
a)La districion de probabilidades de la variable aleatoria X se resume en la
siguiente tabla:
www.giddea.com
administracion@giddea.com
59
www.giddea.com
administracion@giddea.com
60
3. Repaso Estadstico
www.giddea.com
administracion@giddea.com
61
3.3.
Variables aleatorias
www.giddea.com
administracion@giddea.com
62
3. Repaso Estadstico
de los nUmeros reales, se llama variable aleatoria continua.
a) FunciOn de densidad de probabilidad.
Sea X una variable aleatoria continua con rango Rx , donde la masa total de la probabilidad estA repartida de modo continuo sobre
un intervalo de la recta real. La funciOn de densidad de probabilidad asociado a la variable aleatoria , es una funciOn f (x)
integrable que satisface las siguientes condiciones:
1. fR (x) 0 : x <R ( o f (x) > 0 : , x Rx
+
2. Rx f (x)dx = 1 ( o f (x)dx)
b) FunciOn de distribuciOn.
Sea X una variable aleatoria continua con funciOn de densidad f (x).
La funciOn de distribuciOn (o funciOn de distribuciOn acumulada) de la variable aleatoria X, denotado por F (x)00 , se define
por:
Rx
Rx
F (x) = P [X x] = dF (x) = f (x)dx , x < ,
donde dF (x) = f (x)dx
. Momentos poblacionales con respecto al origen
Los momentos deRorden 1, 2, ... con respecto al origen se definen por:
+
r = E(X r ) = xr dF (x) =
(P
r
xRx xi p(x) (si X es v.a discreta)
R +
xr f (x)dx (si X es v.a continua)
. Esperanza matemAtica
La esperanza matemAtica de X, es el momento poblacional con respecto
al origen de orden 1, se llama tambiEn, media de la variable aleatoria,
y suele denotarse por
= E(x)
Sea X una v.aleatoria e Y = H(X) una funciOn de X. El valor esperado
de la funciOn H(X), denotado por E[H(x)]00 , se define por:
(P
xRx H(x)p(x) (si X es discreta)
R +
H(x)f (x)dx (si X es v.a continua)
Propiedades
Si X es una v.aleatoria, a y b constantes:
a) E(a) = a
b) E[aH(X)] = aE[H(X)] = a
c) E[aH(x) + b] = aE[H(x)] + b = a + b
www.giddea.com
administracion@giddea.com
63
La desviaciOn tIpica se define como la raIz cuadrada, con signo positivo, de la varianza de la variable aleatoria.
Propiedades de la varianza
Si X es una v.aleatoria con media , a y b constantes:
a) V ar(a) = 0
b) V ar(X) = 2 = E(X 2 ) [E(X)]2 = E(X 2 )
DemostraciOn:
V ar(X) = E[(X )2 ]
= E(X 2 2X + 2 )
= E(X 2 ) 2E(X) + 2 )
= E(X 2 ) 2 , (E(X) = )
c) V ar(aX) = a2 V ar(X)
d ) V ar(aX + b) = a2 V ar(X)
DemostraciOn:
V ar(aX + b) = E[(aX + b)2 ] [E(aX + b)]2
= E([a2 X 2 + 2abX + b2 ])
= a2 E(X 2 ) + 2abE(X) + b2 [a2 [E(X)2 + 2abE(X) + b2 ]
= a2 [E(X 2 ) [E(X)]2 ]
= a2 V ar(X)
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica
www.giddea.com
administracion@giddea.com
64
3. Repaso Estadstico
. AsimetrIa y curtosis
AsimetrIa
Se llama asimetrIa o sesgo de una variable aleatoria X a la relaciOn:
Sk =
E[(X )3 ]
3
= 3
3
E[(X )4 ]
4
= 4
4
. Desigualdad de Chebyshev
Si la variable aleatoria X tiene esperanza matemAtica y varianza 2
finitas, es decir existen:
P [|X | k]
1
, k > 1
k2
www.giddea.com
administracion@giddea.com
65
y
x
X
X
p(u, v)
u= v=
La funciOn de probabilidad individual para X e Y se llaman distribuciones de probabilidad marginal o funciones de probabilidad marginal.
La DistribuciOn Marginal para X, estA dado por,
X
X
pX (x) = P [X = x] =
P [X = x, Y = y] =
yRY |X=x
p(x, y)
yRy |X=x
P [A B]
P [B]
tenemos:
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica
www.giddea.com
administracion@giddea.com
66
3. Repaso Estadstico
V.a. discretas
a) FunciOn de densidad de probabilidad condicional de v.a discretas
Sean X e Y variables aleatorias discretas. Se define la funciOn
de densidad de probabilidad condicional de X dado Y = y
como sigue:
P [X = x, Y = y]
P [Y = y]
fX|y (x|y) = P [X = x, Y = y] =
y / P [Y = y] > 0
b) FunciOn de distribuciOn condicional de v.a discretas
La funciOn de distribuciOn condicional de X dado Y = y, se
define como:
X
FX|y (x|y) = P [X x, Y = y] =
fX|y (x|y)
kx
y / P [Y = y] > 0
c) Valor esperado condicional de v.a discretas
El valor esperado condicional de X dado Y = y, se define como:
X
xfX|y (x|y) y / P [Y = y] > 0
E(X|Y = y) =
x
EJEMPLO:
La distribuciOn de probabilidad conjunta de las variables aleatorias
X e Y estA dada por la siguiente tabla:
E(X|Y = 1) =
xRx
xfX|y (x|y) =
xP [X = x|Y = 1]
xRx
www.giddea.com
administracion@giddea.com
67
P [X = 1|Y = 1]
1/8
1
=
=
P [Y = 1]
3/8
3
y
P [X = 1|Y = 1] =
P [X = 1|Y = 1]
1/4
2
=
=
P [Y = 1]
3/8
3
V.a. continuas
a) FunciOn de densidad de probabilidad condicional para v.a con
fdp conjunta f
Sean X e Y variables aleatorias con funciOn de densidad de
probabilidad conjunta f. Se define la funciOn de densidad de
probabilidad condicional de X dado Y = y como sigue:
fX|y (x|y) =
f (x, y)
fY (y)
y / fY (y) > 0
b) FunciOn de distribuciOn condicional para v.a con fdp conjunta
f
La funciOn de distribuciOn condicional de X dado Y = y, se
define como:
Z x
FX|y (x|y) = P [X x, Y = y] =
fX|y (t|y)dt
y / fY (y) > 0
c) Valor esperado condicional para v.a con fdp conjunta f
El valor esperado condicional de X dado Y = y, se define como:
Z
E(X|Y = y) =
xfX|y (x|y)dx y / fY (y) > 0
. Varianza condicional
Sean X e Y variables aleatorias,la varianza condicional de X dado
Y = y, se define como:
Y |X 2 = E = [(X E(X|y))2 |y]
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica
www.giddea.com
administracion@giddea.com
68
3. Repaso Estadstico
. Covarianza y coeficientes de correlaciOn (Pearson, Markowitz, Fisher)
Sean X e Y dos variables aleatorias con media X y Y , respectivamente.
00
La covarianza de X e Y, denotado por Cov(X, Y )00 , X,Y
, se define
por
Cov(X, Y ) = X,Y = E[(X X )(Y Y )] =
Cov(X, Y ) = E(X, Y ) X Y
* Si X e Y son variables aleatorias independientes,
Cov(X, Y ) = 0
V ar(X + Y ) = V ar(X Y ) = V ar(X) + V ar(Y )
*Si X e Y son variables aleatorias con funciOn de probabilidad conjunta
y varianzas finitas, entonces,
V ar(aX + bY ) = a2 V ar(x) + b2 V ar(Y ) + 2abCov(X, Y )
* Coeficiente de correlaciOn de Markowitz
Sean X e Y variables aleatorias con desviaciOn estAndar X y Y respectivamente. El coeficiente de correlaciOn de X e Y, denotado
(X, Y ), se define por,
(X, Y ) =
3.4.
Cov(X, Y )
X Y
Distribuciones Importantes.
3.4.1.
Distribuciones Discretas.
3.4.2.
Distribuciones Continuas.
Distribucion Exponencial
Distribucion Beta
Distribucion Gamma
Distribucion Chi-cuadrado
Distribucion T-student
Distribucion Fisher
3.4.3.
www.giddea.com
administracion@giddea.com
Bibliografa
[1] Moya, Rufino - Estadstica Descriptiva.
[2] Moya, Rufino; Saravia, Gregorio. -Probabilidad e Inferencia Estadstica.
[3] Wooldridge, Jeffrey M. - Introduccion a la Econometra.
[4] Gujarati, Damodar - Fundamentos de Econometra
69