Elaboracin de un modelo

modelo
Representacin de la realidad de una forma ms simple. (ecuacin de comportamiento)

Regresin

Empleo = , ,

+1*k1+2*k2+..+e

+1X1+2X2

=10+0.5X1+0.5X2

Rendimiento acadmico=(horas de estudio ;nivel de ingreso )

dato 1 2 3

Rendimiento acadmico 10 12 12.5 Y=+ 1X1+ 2X2 Y=+ 1X1+ 2X2+ e

Horas de estudio 0 2 2

Nivel de ingreso 500 700 900

MODELO ECONOMICO Modelo economtrico

=6+0.5+X1+0.005*X2

Regresin

 8.5

X1
0 2

X2
500 700 900

10.5 11.5

2 2.5

Error (Y-)

1.5 1.5 1

Explica el comportamiento promedio

Correlacin

Correlacin vi variada Correlacin multivariado o parcial

X e Y son dos variables aleatorias

Y=(X)=b0+b1X
X=(X)=a0+a1X

aY + bX=0

Tiene que a ver una relacin entre a y b no lineal AB

ESTIMACIN DE LOS PARMETROS DE UNA REGRESIN LINEAL

Tratar de identificar de un resumen de un poblacin
Existen diferentes mtodos: 1. Mnimos cuadrados ordinarios (MCO) 2. Mtodo de mxima verosimilitud 3. Mnimos cuadrados generalizados (MCG) 4. Mtodo general de momento

Si las variables tienen una distribucin normal y los errores obtenidos Tiene una distribucin normal entonces el mejor mtodo es (MCO)

Supuestos de MCO: Supuestos I. muestral E( e ) =0 E(e2 ) =0 E(ei , ej ) = 0 Funcin de regresin poblacional caso vi variado fija

Y = (x)
Endgena dependiente

explicativa independiente Exgena

Explicativa

Y=+ 1X + e Parmetros son obtenidos de una poblacin x 5 8 9 4 Y 10 15 19 9

E(y/x)=E(+ 1X+ e/X) E(y/x)= + 1X+ 0

1. Existe una nica funcin para la poblacin 2. 1 y son los parmetros y son constantes 3. E(e/X ) porque no se cuanto es el error. El promedio del errores es cero. 4. X es fija 5. La varianza E(e2/X )= 2e es por esta caracterstica que se dice que MCO es el mejor porque reduce al mnimo la varianza. e: es una variable estocstica es una serie totalmente independiente y no afecta a tu variable X. 6. E(e*x/X ) = 0 e x ; e : es un ruido blanco (impredesible) Auto correlacin arrastrar errores del pasado . 7. E(ei* ej /x) =0 8. E(et*et-1 / x ) = 0

Funcin de regresin maestral:

Y=+ 1X1 + e

Distribucin muestra N = 4 n= 3 C43 = 4!/ 1!*3!= 4 Muestras 1. X1 * X2 * X3 2. X1 * X2 * X4 3. X1 * X3 * X4 4. X1 * X3 * X4

R1=R1 + 1 R1X R2=R2 + 1 R2X R3=R3+ 1 R3X R4=R4 + 1 R4X

1 Muestra Y X

2 Muestra Y Y1=5 Y2=8 Y4=4 X X1=10 X2=15 X4=9

Y1 = 5 X1=16 Y2 = 8 X2=15 Y3 = 9 X3=19

3 Muestra Y Y1=1 Y3=9 Y4=4 X X1=10 X3=19 X4=9

4 Muestra Y Y2=8 Y3=9 Y4=4 X X2=15 X3=19 X4=9

GRAFICAS DE LAS MUESTRAS

1 Muestra Y
10 9 8 7 6 5 4 3 2 Y

Linear (Y)

1
0 0 5 10 15 20

2 Muestra Y
9 8

5 Y 4 Linear (Y)

0 0 2 4 6 8 10 12 14 16

3 Muestra Y
10 9 8 7 6 5 4 3 2 1 0 0 2 4 6 8 10 12 14 16 18 20 Y Linear (Y)

4 Muestra

Y
10 9 8 7 6 5 4 3 2 1 0 0 2 4 6 8 10 12 14 16 18 20 Y Linear (Y)

LO PROMETIDO ES DEUDA Y MAS VALE TARDE QUE NUNCA ESPERO K LES GUSTE RACIAS.