Академический Документы
Профессиональный Документы
Культура Документы
ECONOMÌA
INTEGRANTES:
MUÑOZ ESTRADA, DARWIN ELVIRO
ORDOÑES SINCHE, YHOEL IVAN
PARI TAIPE, WILFREDO
RESOLUCION DE CAPITULO 2
Gujarati
Para un entendimiento mejor definamos la regresión poblacional: esta toma en cuenta a un conjunto
universal de datos, es decir, en estadística su razón de ser es la población y la muestra, en la estadística la
población es el conjunto de datos ya sea de variables como mujeres, varones, o también pueden haber datos
económicos como los datos de PBI, la tasa de inflación etc. La econometría es exactamente lo que indica
cundo menciona la ecuación de regresión poblacional, es preciso decir que estos datos en realidad son
inconcebibles, es decir, que exactamente no se conoce con precisión, lo que podemos hacer es acercarnos o
aproximarnos a esta respuesta, para eso utilizamos una parte de la población para poderlos analizar esa
parte que tomamos de la población se llama “muestra” pues la función de regresión muestra se determina
como sigue:
En realidad parece lo mismo pero podemos apreciar que lleva una gorra encima de las variables eso indica
que es un estimador de la función de regresión poblacional, es decir, que hallaremos estas variables para
poder aproximarnos a la respuesta que expresa la regresión poblacional.
Por lo tanto son funciones distintas para poder calcular las expresiones poblacionales.
UNIVERSIDAD NACIONAL DE HUANCAVELICA
ECONOMÌA
2.3. ¿Qué papel desempeña el término de error estocástico ui en el análisis de
regresión? ¿Cuál es la diferencia entre el término de error estocástico y el residual
ûi?
Para un entendimiento mejor recordemos el término de cetiris paribus que por concepto se define
“manteniendo constante los demás constantes” es decir que en el tiempo no varía, este supuesto nos permite
analizar en el tiempo, ya que en ciencias económicas a cada momento va cambiando los valores de las
variables. El termino estocástico ui Entonces al suponer en un momento que el término estocástico no varía
entonces se mantendría como constante a la cual la asignamos el valor de cero, así.
Luego de este supuesto nuestra ecuación de regresión lineal queda determinado de la siguiente forma:
En la que vemos una relación entre la variable dependiente y la variable independiente y la pendiente indica
que por esa cantidad será afectada la variación de variable independiente y luego la variable dependiente.
Pues en econometría se toma en cuente una variable muy importante que es llamado error estocástico (ui) y
exactamente mide todo las variables que no se toma en cuenta por la variable X, es decir, que el error
estocástico está relacionado con la variable X.
En realidad el residual (ûi) se encuentra en la ecuación muestra, es decir, el residual es un estimador del
error estocástico.
2.4. ¿Por qué es necesario el análisis de regresión? ¿Por qué no tan sólo utilizar el
valor medio de la variable regresada como su mejor valor?
El modelo re regresión lineal es exactamente lo que nos muestra la relación entre variables, es decir, la
variable Y depende de la variable X esto se muestra en la siguiente ecuación de regresión lineal:
Con el modelo de regresión lineal quiere dar a entender la dependencia de, entre variables. Para demostrar
esas dependencias o no se demuestra con la varianza, la covarianza, la correlación, coeficiente de
determinación, además tenemos la suma total de cuadrados, la suma de cuadrados de los residuos, la suma
de residual no explicada, además de eso tenemos la R- cuadrada, y la (r) minúscula.
Además de eso el objetivo de la regresión lineal es hallar un promedio el diagrama de dispersión, en la que
debemos estimar mediante la función de regresión muestral, un resultado aproximado hacia la población,
pero en realidad un resultado exacto no se conoce de la población por eso mismo es una estimación.
Así como en la figura se muestra:
2.6. Determine si los siguientes modelos son lineales en los parámetros, en las
variables o en ambos. ¿Cuáles de estos modelos son de regresión lineal?
En estas preguntas se precia que las incisos (a), (b), (c), (d) y (e) son de expresión lineal.
UNIVERSIDAD NACIONAL DE HUANCAVELICA
ECONOMÌA
Solución:
Al hacer unos movimientos algebraicos obtenemos que logaritmo natural es:
Al tomar el logaritmo natural, nos encontramos con que los parámetros y las variables, por lo tanto si es
un modelo de regresión lineal que también al hacer movimientos algebraicos se convierte en un modelo de
regresión lineal
Solución:
Otra vez aplicando logaritmo natural nos da el resultado como se muestra en seguida.
Solución:
Es lineal en los parámetros, pero no es las variables, por lo tanto no es un modelo de regresión lineal.
Solución:
No es lineal en los parámetros, por lo tanto no es un modelo de regresión lineal
Solución:
El parámetro esta elevado a una potencia mayor que cero, por lo tanto no es un modelo de
regresión lineal.
2.8. ¿Qué se entiende por un modelo de regresión intrínsecamente lineal? Si en el
ejercicio 2.7d) β2 valiera 0.8, ¿sería un modelo de regresión lineal o no lineal?
Solución:
Los modelos inherente o intrínsecamente lineal, son aquellos que con una transformación adecuada puede
convertirse en modelos de regresión lineales en los parámetros. Pero si dichos modelos no pueden linealizarse
en los parámetros se les conoce como modelos de regresión intrínsecamente no lineales.
Solución:
Transformando el modelo resulta como:
Haciendo unas manipulaciones algebraicas, entonces el modelo lo convierte en un modelo de regresión lineal
UNIVERSIDAD NACIONAL DE HUANCAVELICA
ECONOMÌA
Solución:
Al hacer unas manipulaciones algebraicas el modelo resulta como:
Solución:
Algunas manipulaciones algebraicas hacen que el modelo se convierta en el modelo de regresión lineal como
vemos en seguida. La transformación hace que sea un modelo de regresión lineal
Por lo tanto todos los modelos originales o modelos iniciales son modelos intrínsecamente lineales.
2.12. ¿Qué revela el diagrama de dispersión de la fi gura 2.10? Con base en dicho
diagrama, ¿se puede decir que las leyes del salario mínimo propician el bienestar
económico?
La figura muestra una relación negativa entre el PBI per cápita y el salario mínimo mientras más alto es el
salario mínimo meno es el PBI per cápita, esto claramente es perjudicial para un país en vías de desarrollo,
ya que el PBI per cápita no está repartido equitativamente entre toda la población, si no que existe muchos
factores adicionales como: la inflación desigualdad social acumulación de riqueza y sobre todo de los precios
de la canasta básica, etc.
UNIVERSIDAD NACIONAL DE HUANCAVELICA
ECONOMÌA