UNIVERSIDAD NACIONAL DE HUANCAVELICA

ECONOMÌA

INTEGRANTES:
 MUÑOZ ESTRADA, DARWIN ELVIRO
 ORDOÑES SINCHE, YHOEL IVAN
 PARI TAIPE, WILFREDO

RESOLUCION DE CAPITULO 2
Gujarati

2.1. ¿Cuál es la función de esperanza condicional o función de regresión

poblacional?

La función de regresión poblacional o conocido también como esperanza condicional se determina de la

siguiente ecuación de regresión poblacional.

O también es conocido como esperanza condicional se dice de la siguiente formula:

Dónde: β1 es el intercepto de la ecuación, es decir, un cualquier número, la β2

Es la pendiente de la ecuación, es decir, es la constante que muestra el margen de cambio de la ecuación de
regresión lineal, mientas las variables como X y Y muestran una relación entre ambas, estas variables es
conocido también como la variable dependiente (Y) y la variable independiente (X), esto es, cuando la
variable independiente tiene cambios también la variable dependiente tendrá cambios.

2.2. ¿Cuál es la diferencia entre la función de regresión poblacional y la función de

regresión muestra? ¿Se trata de distintos nombres para la misma función?

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:

Esta ecuación tiene por grafica lo siguiente:

 UNIVERSIDAD NACIONAL DE HUANCAVELICA
ECONOMÌA
También se le conoce como el valor regresada a la variable (Y) y a la variable (X) se le conoce como la
variable regresara, en ese sentido no hablaríamos de relación y mucho menos de la variable (X) nuestro
calculo en la econometría seria vago sin sentido, es decir, que la variable (Y) siempre va depender de la
variable (X). Además no habría sentido para hacer una ecuación de esa magnitud ni mucho menos hacer
una regresión.

2.5. ¿Qué se quiere dar a entender con modelo 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

2.7. ¿Son modelos de regresión lineal los siguientes? ¿Por qué?

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.

No es lineal en los parámetros ni en las variables, lo tanto no es un modelo de regresión lineal.

 UNIVERSIDAD NACIONAL DE HUANCAVELICA
ECONOMÌA

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.

𝑌𝑖 = 𝛽1 + (0.75 − 𝛽1 )𝑒 −0.8(𝑋𝑖 −2) + 𝑈𝑖

Un modelo que se puede hacer lineal en los parámetros se llama un modelo de regresión lineal intrínsecamente,
como modelo (a) anterior. Si β2 es 0,8 en el modelo (d) de la pregunta 2.7, se convierte en un modelo de
regresión lineal, que puede calcular fácilmente.
2.9. Considere los siguientes modelos no estocásticos (es decir, modelos sin el
término de error estocástico). ¿Son lineales estos modelos de regresión? De no
serlo, ¿sería posible, con manipulaciones algebraicas apropiadas, convertirlos en
modelos 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:

Entonces el modelo se convierte en un modelo de regresión lineal

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.

2.10. Considere el diagrama de dispersión de la fi gura 2.8 junto con la línea de

regresión. ¿Qué conclusión general deduce de este diagrama? ¿La línea de
regresión del diagrama es una línea de regresión poblacional o una línea de
regresión maestral?
Este diagrama de dispersión muestra que más países orientados a la exportación, en promedio, tienen un
mayor crecimiento de los salarios reales que los países menos orientados a la exportación. Es por ello que
muchos países en desarrollo han seguido una política de crecimiento impulsado por las exportaciones. La
sketches línea de regresión en el diagrama es una línea de regresión de la muestra, ya que se basa en una
muestra de 50 países en desarrollo
 UNIVERSIDAD NACIONAL DE HUANCAVELICA
ECONOMÌA
2.11. Del diagrama de dispersión de la fi gura 2.9, ¿qué conclusiones generales
deduce? ¿En qué teoría económica se basa este diagrama de dispersión? (Pista:
busque cualquier libro de texto de economía internacional y estudie el modelo de
comercio Heckscher-Ohlin).
Este diagrama de dispersión se basa en la teoría de la ventaja comparativa de David Ricardo y la ventaja
absoluta de Adán Smith. Los distintos países tienen diferentes dotaciones de factor esto hace que existe un
comercio entre países, así existen países con abundancia relativa de capital y otros con abundancia relativa
de trabajo.
Normalmente los países más ricos en capital exportaran bienes intensivos en capital donde los trabajadores
son más capacitados y la tierra son escasos y las exportaciones tienen más valor agregado, en cambio los
países ricos en factor trabajo exportaran bienes intensivos en trabajo ( se utiliza más trabajo que capital
para producirlo) es decir existe tierra abundante y los trabajadores son menos capacitados generalmente son
exportadores de materia primas.

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

2.13. ¿La línea de regresión de la figura I.3, en la Introducción, es la FRP o la FRM?

¿Por qué? ¿Cómo se interpretarían los puntos alrededor de la línea de regresión?
Además del PIB, ¿qué otros factores, o variables, determinarían el consumo
personal?
Es la función de la regresión maestral por que se basa en una muestra observada entre 1960 2005 es decir
solo abarca un periodo. Los puntos alrededor de la línea de regresión son datos reales y la distancia entre
eses puntos y la línea de regresión representa el residuo maestral.
Además el PBI. Otros factores que determinan el consumo personal son: ingresos, la tasa de interés, renta
absoluta, el ahorro.