Universidad Santo Toms

Facultad de Economa y Negocios - Ingeniera Comercial

Catedra Econometra
Profesor: Alejandro Puente
Ayudantes: Sebastin Egaa Fernando Varas
AYUDANTA N2
COMENTES
1. Teniendo la siguiente ecuacin:
y= 1 + 2 x +u
Siendo esta una ecuacin definida como modelo de regresin simple. Nombre dos posibles
nombres para la variable y y dos para la variable x .
Respuesta:
y
Variable dependiente
Variable Explicada
Respuesta
Endgena
Regresada

x
Variable Independiente
Variable explicativa
Estimulo
Exgena
Regresora

2. En el caso de la relacin de variables entre las ventas y el marketing. Por qu no tiene

sentido que el aumento de las ventas conlleva a una mayor inversin en marketing?
Respuesta. En este caso, la relacin correcta corresponde a que la inversin en Marketing,
debera tener un efecto en las ventas de una empresa. Esto puede explicarse por el hecho de
que asumiendo una situacin de anlisis cientfico, lo que puede ser manejado por una
empresa son los montos a ser invertidos y no los montos vendidos. Despus se puede
analizar cul es el grado de efectividad de dicha inversin en Marketing.
MATEMTICOS
I. Distribucin de Probabilidad
1. Encontrar el rea bajo la curva normal estndar en los siguientes casos:

a. Entre: z 1
P (1 z 1 ) =0,342=0,68
b. Entre: z 2
P (2 z 2 ) =(0,34 +0,14)2=0,96
P (1 z 2 )
c.
P (1 z 2 ) =0,34+0,48=0,82
Los % dentro de la campana son las aproximaciones de las probabilidades en
la tabla.
Uso de la Tabla de Probabilidad.
P (1 z 2 ) =P ( z 2 ) P (z 1)
o
P ( z 2 )=0,5+0,4772=0,9772
o
P ( z 1 )= ? No hay datos negativos en las tablas

P ( z 1 )=P ( z 1 )=1P ( z 1 ) =10,8413=0,1587

P (1 z 2 ) =P ( z 2 ) P ( z 1 )
0,97720,1587
0,8185 0,82

2. Las horas que duermen los 160 alumnos de econometra durante el perodo de
solemnes sigue una distribucin normal, N (10 , 4) Cul es la probabilidad de
que un alumno escogido al azar duerma entre 8 y 14 horas durante el perodo de
solemnes?
810
1410
=1 ; z14 hrs .=
=2 N ( 0,1 )
Estandarizar los datos: z 8 hrs. =
2
2
a. Calcular usando la aproximacin de la curva.
P ( 8 x 14 )=P (1 z 2 )=P ( z 2 )P ( z 1 ) =[ 0,98 ] 0,16=0,82
b. Calcular usando la Tabla de Probabilidad para la Distribucin Normal.
P (1 z 2 )=P ( z 2 )P ( z 1 ) =( 10,0228 ) 0,1587=0,8185
c. Calcular usando la Tabla de Probabilidad Acumulada para la Distribucin
Normal.
P (1 z 2 )=P ( z 2 )P ( z 1 ) =0,97720,1587=0,8185
II. P-value
1. Determinar si los siguientes p-valor caen en la zona de rechazo segn los
sucesivos niveles de significancia, marcando con una X cuando NO rechazo
H 0 y con un O cuando se rechaza la hiptesis nula:

Pvalor
1%
5%
10%
0,047
X
O
O
0,085
X
X
O
0,11
X
X
X
0,0011
O
O
O
o P-valor o nivel de significancia exacto, es el valor mnimo de
significancia al cual se puede rechazar la hiptesis nula.
o Regla: Pvalue> : No rechazo H 0
III. R
1. Matrices
a. Crear un vector con los siguientes datos: 3, 6, 9.
> vector <- c(3,6,9) # Vector es una matriz simple, 1x3 o 3x1
> vector
[1] 3 6 9
b. Crear una Matriz A de 3x3 con datos consecutivos.
> A <- matrix(seq(9),nrow=3,ncol=3) #seq() : secuencia de nmero
>A
[,1] [,2] [,3]
[1,] 1 4 7
[2,] 2 5 8
[3,] 3 6 9

c. Crear una Matriz B de 3x3 con datos aleatorios entre 0 y 1.

> B <- matrix(rnorm(9),nrow=3,ncol=3) #rnorm() : crea numeros aleatorios
>B
[,1]
[,2]
[,3]
[1,] 0.24590430 1.9801858 0.8817148
[2,] -0.59753479 0.7911595 -0.9703264
[3,] -0.09361482 -0.9231588 1.4351092
d. Trasponer la Matriz A
> a <- t(A)
>a
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
[3,] 7 8 9
e. Crear la Matriz inversa de B.
> b <- solve(B)
>b
[,1]
[,2]
[,3]
[1,] 0.09629542 -1.46903229 -1.0524257
[2,] 0.38109277 0.17497854 -0.1158301
[3,] 0.25142603 0.01673028 0.5536497
f. Sumar la Matriz A y B.
> suma <- A+B
> suma
[,1] [,2]
[,3]
[1,] 1.245904 5.980186 7.881715
[2,] 1.402465 5.791160 7.029674
[3,] 2.906385 5.076841 10.435109
g. Multiplicar la Matriz A con el Vector.
>multiplicacion<- A%*%vector
>multiplicacion
[,1]
[1,] 90
[2,] 108
[3,] 126

h. Crear una Submatriz de 2x2 desde la Matriz A.

>submatriz<- A[1:2,1:2] # Posicion de los valores
>submatriz
[,1] [,2]
[1,] 1 4
[2,] 2 5
i. Calcular la dimensin de la Matriz A.
>dim(A)
[1] 3 3
2. Otros comandos.
a. Crear un vector con n veces un nmero.
> uno <- rep(1,3) # rep(numero,veces)
> uno
[1] 1 11
b. Pegar Columnas.
>unoB<- cbind(uno,B)
>unoB
uno
[1,] 1 0.24590430 1.9801858 0.8817148
[2,] 1 -0.59753479 0.7911595 -0.9703264
[3,] 1 -0.09361482 -0.9231588 1.4351092
c. Pegar Filas.
> B1 <- rbind(uno,B)
> B1
[,1]
[,2]
[,3]
uno 1.00000000 1.0000000 1.0000000
0.24590430 1.9801858 0.8817148
-0.59753479 0.7911595 -0.9703264
-0.09361482 -0.9231588 1.4351092
d. Condicionar la eleccin de datos de un vector.
>conditional<- vector[vector>=6]
>conditional
[1] 6 9
e. Sumar los datos de las columnas de la Matriz A.
>sum.col<- colSums(A)
>sum.col
[1] 6 15 24