Beruflich Dokumente
Kultur Dokumente
Solucionario - Práctica 1
𝜕 ln 𝑌𝑖
=𝛽
𝜕𝑋𝑖
𝜕𝑌𝑖 Δ𝑌𝑖
𝑌𝑖 𝑌𝑖
⟹ =𝛽 ≅ =𝛽 (1. 𝑏. 1)
𝜕𝑋𝑖 Δ𝑋𝑖
Δ𝑌𝑖
𝑌𝑖 × 100
= 𝛽 × 100
Δ𝑋𝑖
Δ%𝑌𝑖
= 𝛽 × 100
Δ𝑋𝑖
𝜕𝑦 cambio absoluto en Y
⟹ 𝜕𝑙𝑛𝑥 = = cambio relativo en X
∑Et = nβ1 + β2 ∑R i
b)
∑Et R i = β1 ∑R i + β2 ∑R2i
c)
Reemplazando los valores en las anteriores ecuaciones:
(× 50) … 70 = 10β1 + 500β2
d)
845 = 5650β2
Resolviendo el sistema de ecuaciones obtenemos los valores de:
β2 = 0.1496
β1 = −0.4779
e)
Et = −0.4779 + 0.1496R i + εi
Grupo 5: Arévalo Rufasto Isabel Milagros; Aquino Orihuela, Liliana Paola; Huaira
Pérez, Jazmín Kennia; Limaco Ochoa, George Mijael; Pérez lavado, Jardith
Quelina.
Se sabe que :
𝐸𝑖 = 𝐸̂𝑖 + 𝑒
V ( Ei ) V ( Eˆi ) V (e)
10 10 10
2 2
∑(𝐸𝑖 − 𝐸 ̅ )2 = ∑(𝐸𝑖 − 𝐸̂𝑖 ) + ∑(𝐸̂𝑖 − 𝐸̅ )
𝑖=1 𝑖=1 𝑖=1
𝐸1
′ … 𝐸10 ]1×10
𝑒 𝑒 = [𝐸1 [ ⋮ ]
𝐸10 10×1
𝐸1
1 … 1
− [𝛽̂1 𝛽̂2 ]1×2 [𝑅 ] [ ⋮ ]
1 … 𝑅10 2×10
𝐸10 10×1
10
10 ∑ 𝐸𝑖
𝑒 ′ 𝑒 = ∑ 𝐸𝑖 2 − [𝛽̂1 𝛽̂2 ]1×2
𝑖=1
10
𝑖=1
∑ 𝐸𝑖 𝑅𝑖
[ 𝑖=1 ]2×1
−54 169 70
𝑒 ′ 𝑒 = 622 − [ ][ ]
113 1130 4345
139301
𝑒 ′ 𝑒 = 622 − [ ]
226
1271
𝑒 ′𝑒 =
226
𝑒 ′ 𝑒 = 5.623893805
𝑺𝑪𝑬= 𝟓. 𝟔𝟐𝟑𝟖𝟗𝟑𝟖𝟎𝟓
Hallamos la varianza total SCT:
10 10
∑(𝐸𝑖 − 𝐸 ̅ )2 = ∑ 𝐸𝑖 2 − 𝑛𝐸̅ 2
𝑖=1 𝑖=1
𝑆𝐶𝑇 = 622 − 10(7)2
𝑺𝑪𝑻 = 𝟏𝟑𝟐
Hallamos la varianza explicada SCR:
𝑆𝐶𝑇 = 𝑆𝐶𝑅 + 𝑆𝐶𝐸
𝑆𝐶𝑅 = 𝑆𝐶𝑇 − 𝑆𝐶𝐸
𝑆𝐶𝑅 = 132 − 5.623893805
𝑺𝑪𝑹 = 𝟏𝟐𝟔. 𝟑𝟕𝟔𝟏𝟎𝟔𝟐
Grupo8: Alarcón Alvarez, Dévora Mabel; Cañari Maza, Edith Lucía; Espinoza Vega,
Whinny Daise; Paúcar Ramírez, Ibeth del Rosario; Pichihua Tenorio, Flor María
𝑆𝑅𝐶
𝑅2 = 1 −
𝑆𝑇𝐶
5.6238938
𝑅2 = 1 −
132
∴ 𝑅 2 = 0.9573948
Grupo 7: Nuñez Díaz, Irving Adolfo; Panduro Chávez, Raúl Mesias; Álvarez Tovar,
Christian Manuel; Coello Martínez, Adrián Manuel; Cámac Yaya, Manuel Jesús
(delegado
e) Estime la varianza de las perturbaciones.
𝐸 ′ 𝐸 − 𝛽̂ ′ (𝑅′ 𝐸)
𝑉(𝜀𝑖 ) = 𝜎̂𝜀2 = 𝑆𝑒2 =
𝑛−𝑘
𝑑𝑜𝑛𝑑𝑒: 𝑛 = 10 𝑦 𝑘 = 2
10
𝐸 𝐸 = ∑ 𝐸𝑖2 = 622
′
𝑖=1
10
∑ 𝐸𝑖
𝑖=1 70
𝑅′𝐸 = 10 = [ ]
4,345
∑ 𝑅𝑖 𝐸𝑖
[ 𝑖=1 ]
𝛽̂ ′ = [𝛽
̂1 ̂2 ] = [−0.4778 0.1495]
𝛽
70
𝛽̂ ′ (𝑅′ 𝐸) = [−0.4778 0.1495] [ ] = [616.1315]
4,345
622 − 616.1315
𝑆𝑒2 = = 0.7335
10 − 2
Ho : 2 = 0
H1 : 0 0
como /t/ > /t8/2/; es decir, como /13,41/ > /2,306/ se rechaza la
hipótesis nula.
0,0255 0,025
Grupo 11: Colqui Segama, Sally Jasmin; Beraun Tapia, Jose Carlos; Herbas Pariona,
Percy; Perez Condor, Enrique.
𝑅 50
𝜀𝐸⁄ = 𝛽2 𝑥 = 𝛽2 𝑥
𝑅 𝐸 7
*Si: 𝜀𝐸⁄ = 1
𝑅
𝛽2 𝑥50
1 =
7
𝛽2 = 0.14
*H0: 𝜷𝟐 = 𝟎. 𝟏𝟒
*H1: 𝜷𝟐 > 𝟎. 𝟏𝟒
β̂2 − β 20 0.1496−0.14
t= ̂ ̂β 2
= = 0.8610
𝜎 0.01115
Regla de decisión:
n = tamaño de la muestra→ 10
𝛼
* Aplicamos en la tabla T de Student. 𝑡𝑛−2 = 𝑡80.05 = 1.860
Gráfica de decisión:
ei2 (Y Y )
i
2
Se 2 i 1
y Sy 2 i 1
entonces:
nk n 1
n n n
ei2 n (Yi Y )2 (Y Y )
i
2
n
1 i 1
ei2 19 y Sy 2 i 1
5 i 1
(Yi Y )2 100
19 i 1 n 1 20 i 1
SCE e 2
i
19
R2 1 1 n
i 1
1 0.81
(Y Y )
SCT 2 100
i
i 1
Grupo 15: Carlos Javier Encalada Encalada; Cesar Daniel TavaraAquije
1. Planteamiento de la hipótesis
𝐻0 = El modelo no es significativo
𝐻1 = El modelo sí es significativo
2. Prueba F
(𝑛 − 𝑘) ∙ 𝑅 2
𝐹=
(𝑘 − 1)(1 − 𝑅 2 )
(21 − 2) ∙ 0.81
𝐹=
(2 − 1)(1 − 0.81)
𝐹 = 81
3. Hallando el valor de F
𝐹(𝑘,𝑛−𝑘)1−𝛼
Grupo 17: Felix Escalante, YdaniaRosemery; García Cusis, Natalia; Mendoza Caballero,
Víctor Manuel; Pacara Yupanqui, María del Rosario; Reyes Quispe, Manuel Alberto.
∑ 𝑒𝑖2 ∑ 𝑒𝑖2
𝑆𝑒2 = 0.5 ˄ 𝑆𝑒2 = 𝜎̂𝜀2 = → 0.5 = ∴ ∑ 𝑒𝑖2 = 8.5
𝑛−𝑘 21 − 4
Ahora hallamos el valor necesario:
∑(𝑦𝑖 − 𝑦̅)2
𝑆𝑦2 = → 𝐶𝑜𝑚𝑜: 𝑆𝑦2 = 5 → ∑(𝑦𝑖 − 𝑦̅)2 = 5 ∗ (21 − 1) ∴ ∑(𝑦𝑖 − 𝑦̅)2 = 100
𝑛−1
𝑛−1 21 − 1
𝑅̅ 2 = 1 − ( ) (1 − 𝑅2 ) → 1 − ( ) (1 − 0.915) ∴ 𝑅̅2 = 0.9
𝑛−𝑘 21 − 4
Con este resultado es sencillo observar que al ser nuestro indicador ajustado mayor que
el indicador anterior este nuevo modelo, con nuevas variables agregadas, es mejor que
el anterior.
Ahora nos compete conocer si estas variables agregadas son significativas o no. Para
esto tomaremos nuevamente las pruebas de hipótesis pero esta vez para las variables
agregadas y consideraremos la distribución t.
Para cada uno tendremos los siguientes resultados: Evaluando solo para las dos nuevas
variables adicionadas (X2 y X3)
𝛽̂𝑖
𝑇=
𝑆𝛽̂𝑖
De esta manera el valor de nuestra distribución t con (n-k) grados de libertad en nuestra
tabla será t(21-4) = t(17) = 2.110. Esto nos demostrará entonces que nuestros valores se
encontrarán dentro de la zona de aceptación lo que concluye que nuestras variables
adicionadas no son significativas.
2. Suponga que usted es la máxima autoridad monetaria de su país, en donde
se tiene las siguientes observaciones históricas expresadas en miles de
millones de unidades monetarias.
A)
𝑅𝑁 = 14.00426 + 0.421783𝑀
𝑅 2 = 0.927125
𝑆𝑒 2 = 0.2479912 = 0.061499
𝐻0 : 𝛽2 = 0
𝐻1 : 𝛽1 ≠ 0
𝑅2
𝑘−1
𝐹= 1−𝑅2
𝑛−𝑘
0.9271252298
1
𝐹= 1−0.9271252298
8
𝐹 = 101.7773152
El valor hallado es mucho mayor al valor en tabla por lo que la hipótesis nula se
rechaza; es decir, el modelo es significativo.
Grupo26: Justo Cornejo Juan Pablo; Morales Ortiz Renzo; Morillo Torres
Milagros, Vera Pérez Carlos Alberto
c) Si usted controla la oferta de dinero y desea conseguir que la renta
nacional en 1993 sea de 20,000 millones de unidades monetarias, a qué
nivel fijaría la cantidad de dinero? Construya un intervalo de predicción
de la renta en tales condiciones con una confianza del 95%
*En mi modelo:
Sabiendo que:
Renta = Y
Cantidad de dinero = X
Renta = Ŷ= 20
𝒀 = 𝜷𝟏 + 𝜷𝟐 𝑿
*Reemplazando los datos:
𝑿 = 𝟏𝟒. 𝟐𝟏𝟓𝟐𝟐𝟗𝟎𝟔
̂ ± 𝒕 𝜶 √𝑿𝑽
𝑳=𝒀 ̂ )𝑿
̀ (𝜷
𝟏−
𝟐
̂) :
*Hallando 𝑽(𝜷
∑𝟏𝟎
𝒊=𝟏 𝒆𝒊
𝟐
̂ ) = 𝑺𝟐𝒆 (𝐗̀ 𝐗)−𝟏 =
𝑽(𝜷 (𝐗̀ 𝐗)−𝟏
𝒏−𝒌
𝟎. 𝟒𝟗𝟏𝟗𝟗𝟓𝟕𝟗 𝟐. 𝟑𝟕𝟏𝟓𝟖𝟗𝟑𝟔 −𝟎. 𝟐𝟓𝟒𝟎𝟗𝟐𝟕𝟕
̂) =
𝑽(𝜷 [ ]
𝟖 −𝟎. 𝟐𝟓𝟒𝟎𝟗𝟐𝟕𝟕 𝟎. 𝟎𝟐𝟖𝟒𝟐𝟐𝟎𝟏
̂ ) = [ 𝟎. 𝟏𝟒𝟓𝟖𝟓𝟏𝟓
𝑽(𝜷
−𝟎. 𝟎𝟏𝟓𝟔𝟐𝟔𝟓𝟕𝟐
]
−𝟎. 𝟎𝟏𝟓𝟔𝟐𝟔𝟓𝟕 𝟎. 𝟎𝟎𝟏𝟕𝟒𝟕𝟗𝟑𝟗
*Hallando 𝑺𝟐(𝒚̂𝒊) :
̂ )𝑿
𝑺𝟐(𝒚̂𝒊) = 𝐗̀ 𝑽(𝜷
*Reemplazando los datos:
𝑺(𝒚̂ ) = 𝟎. 𝟐𝟑𝟒𝟎𝟕𝟔𝟏𝟕𝟔
𝒊
̂ ± 𝒕 ∝ 𝑺(𝒚̂ )
𝐋=𝐘 𝟏− 𝒊
𝟐
*Límite inferior
̂ − 𝒕 ∝ 𝑺(𝒚̂ )
𝐋𝐢 = 𝐘 𝟏− 𝒊
𝟐
𝐋𝐢 = 𝟏𝟗. 𝟒𝟔𝟎𝟐𝟐𝟎𝟑
*Límite superior
̂ + 𝒕 ∝ 𝑺(𝒚̂ )
𝐋𝐬 = 𝐘 𝟏− 𝒊
𝟐
𝐋𝐬 = 𝟐𝟎. 𝟓𝟑𝟗𝟕𝟕𝟗𝟕
Grupo 29: Delgado Aragon, Rodrigo ; Ibañez Campos, Marcia; Nolasco Saldarriaga,
Karen Danitza; Pampas Ogosi, Liliana Elizabeth; Querhuayo Huamaní, Jessica