Anda di halaman 1dari 69

Econometra I

con E-VIEWS
Aplicado a la Investigaci
on Econ
omica

Juan Carlos Abanto Orihuela


7 de agosto de 2014

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

Indice general
1. Introducci
on a la Econometra
1.1. Concepto y Objetivo . . . . . . . . . . . . . . . . . . . . . . .
1.1.1. Que es la Econometra? . . . . . . . . . . . . . . . . .
1.1.2. Objetivo de la Econometra . . . . . . . . . . . . . . .
1.2. Metodologa de la Econometra . . . . . . . . . . . . . . . . .
1.3. Origen y evolucion de la econometra . . . . . . . . . . . . . .
1.3.1. Etapa pre-econometrica . . . . . . . . . . . . . . . . .
1.3.2. Etapa de nacimiento de la Econometra (1900-1930) . .
1.3.3. Etapa de aportaciones basicas (1930-1945) . . . . . . .
1.3.4. Etapa de desarrollo de la Econometra moderna (19451975) . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.5. Crisis de los setenta y aportaciones recientes a la Econometra . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. Repaso Algebraico
2.1. Algebra de Matrices . . . . . . . . . . . . .
2.1.1. Tipos de Matrices . . . . . . . . . . .
2.1.2. Operaciones con matrices . . . . . .
2.1.3. Vector Canonico . . . . . . . . . . .
2.1.4. Relacion entre matrices y sumatorias
2.1.5. Matriz de desvos . . . . . . . . . . .
2.1.6. Geometra de matrices . . . . . . . .
2.1.7. Rango de una matriz . . . . . . . . .
2.1.8. Determinante . . . . . . . . . . . . .
2.1.9. Sistema de Ecuaciones Lineales . . .
2.1.10. Inversa de una matriz . . . . . . . .
2.1.11. Matrices Particionadas . . . . . . . .
2.1.12. Producto Kronecker . . . . . . . . .
2.1.13. Raices y vectores caractersticos . .
2.1.14. Diagonalizacion y descomposicion de
2.1.15. Derivadas y Matrices . . . . . . . . .
3

. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
una matriz
. . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

5
5
5
7
8
12
13
14
16

. 18
. 19

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

21
21
21
22
23
24
25
27
29
31
33
35
37
40
41
43
48

INDICE GENERAL

3. Repaso Estadstico
3.1. Sumatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Probabilidades y Variables Aleatorias . . . . . . . . . . . . . . .
3.2.1. Probabilidades . . . . . . . . . . . . . . . . . . . . . . .
3.2.2. Variables Aleatorias . . . . . . . . . . . . . . . . . . . . .
3.3. Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . .
3.4. Distribuciones Importantes. . . . . . . . . . . . . . . . . . . . .
3.4.1. Distribuciones Discretas. . . . . . . . . . . . . . . . . . .
3.4.2. Distribuciones Continuas. . . . . . . . . . . . . . . . . .
3.4.3. Teorema del lmite central y teora de los grandes n
umeros

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

51
51
51
51
55
61
68
68
68
68

www.giddea.com
administracion@giddea.com

Sesi
on 1
Introducci
on a la Econometra
1.1.

Concepto y Objetivo

1.1.1.

Qu
e es la Econometra?

El concepto de Econometra ha ido hallandose entre las m


ultiples interpretaciones en el bagaje de la literatura economica; estas han ido variando desde
algunas ciertamente complejas hasta otras relativamente sencillas. A continuacion, algunas de las definiciones mas trascendentes:
Frisch (1933a)

((La Econometra implica la mutua penetracion de Teora Economica


Cuantitativa y Observacion Estadstica)) (p. 1).
(([...] no es lo mismo que la Estadstica Economica. Tampoco es identica
a lo que llamamos Teora Economica General, [...]. Tampoco, debera ser
tomada como sinonimo de la aplicacion de las Matematicas a la economa.
La experiencia ha demostrado que cada uno de esos tres puntos de vista,
el de la Estadstica, el de la Teora Economica y el de las Matematicas, es
una condicion necesaria pero no suficiente por s misma para el entendimiento real de las relaciones cuantitativas en la vida economica moderna.
Es la unificacion de las tres, una herramienta de analisis potente. Es esta
unificacion la que constituye la Econometra)) (p. 2).
Samuelson, Koopmans y Stone (1954) 2 :
(([...] la Econometra puede ser definida como el analisis cuantitativo de
los fenomenos economicos reales, basado en el desarrollo simultaneo de
1

Aunque Berndt (1991, p. iii) se


nala que el termino Econometra parece que fue utilizado
por primera vez por Ciompa (1910), Schumpeter (1982, p. 252, nota 2) indica que, como tal,
el termino ((Econometra )) se debe al profesor Frisch.
2
P.A. Samuelson, T. C. Koopmans y J. R. N. Stone. Report of the evaluative comitee for
Econometrica, en Econometrica, vol. 22, n
um. 2, abril de 1954, pp. 141-146.

1. Introducci
on a la Econometra
la teora y la observacion, relacionados mediante metodos apropiados de
inferencia)) .
Valavanis (1959):
((El objetivo de la econometra es expresar las teoras economicas bajo
una forma matematica a fin de verificarlas por metodos estadsticos y
medir el impacto de una variable sobre otra, as como predecir acontecimientos futuros y dar consejos de poltica economica ante resultados
deseables)).
Goldberger (1964) 3 :
((La Econometra puede ser definida como la Ciencia social en la cual las
herramientas de la Teora Economica, las Matematicas y la Inferencia
Estadstica son aplicadas al analisis de los fenomenos economicos)) (p.
1).
Klein (1962) 4 :
((El principal objetivo de la Econometra es dar contenido emprico al
razonamiento a priori de la Economa)).
Malinvaud (1966):
((El arte del econometra consiste en encontrar el conjunto de supuestos
que sean suficientemente especficos y realistas, de tal forma que le permitan aprovechar de la mejor manera los datos que tiene a su disposicion))
(p. 514).
Griliches e Intriligator (1984):
((La Econometra es la aplicacion de las Matematicas y los metodos estadsticos al analisis de los datos economicos)) (p. xi).
Judge, Hill et al. (1988, p. 1)

((La Econometra, utilizando Teora Economica, Economa Matematica


e Inferencia Estadstica como fundamentos analticos y los datos como
fuente de informacion, proporciona a la Ciencia Economica una base
para:
1. Modificar, refinar o posiblemente refutar las conclusiones contenidas
en el cuerpo de conocimientos, conocido como Teora Economica; y
3

A. S. Goldberger. Econometrc history: John Wiley and Sons, Nueva York, 1964, p. 1.
Klein, Lawrence R. Econometric Analysis for Public Policy. Ames. Iowa: Iowa State
College Press, 1958.
5
Fabiola Potrillo. Introduccion a la Econometra.2006. La autora resalta la definicion de
Econometra que ofrecen Judge, Hill et al. (1988, p. 1) , como una definicion suficientemente
completa.
4

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

1.1. Concepto y Objetivo

2. Conseguir signos, magnitudes y proposiciones fiables acerca de los


coeficientes de las variables en las relaciones economicas, de modo
que esta informacion pueda servir de base para la toma de decisiones
y la eleccion)).
Gujarati (1990, p. 2):
((La Econometra es una amalgama de Teora Economica, Economa Matematica, Estadstica Economica y Estadstica Matematica. Sin embargo,
es una disciplina que merece ser estudiada separadamente [...]. La Econometra proporciona el contenido emprico a la mayora de las teoras
economicas; a la vez, se interesa primordialmente por la verificacion
emprica de la teora economica.)).
David F. Hendry 6 , un reputado econometrista de la Universidad de
Oxford (1993):
(( [...] la teora econometrica es el estudio de los procesos de generacion
de datos, de las tecnicas para analizar datos economicos, de los metodos de estimacion de las magnitudes numericas de los parametros con
valores desconocidos y de los procedimientos para contrastar hipotesis
economicas; juega en las disciplinas basicamente no experimentales un
papel analogo al de la teora estadstica en las ciencias experimentales
inexactas[...])).
Maddala (1996):
((La Econometra es la aplicacion de metodos estadsticos y matematicos
al analisis de datos economicos con el proposito de dar contenido emprico
a las teoras economicas y verificarlas o refutarlas)) (p. 1).
Se puede observar, de forma permanente en las definiciones extradas, la
necesidad de la inclusion tanto de una base teorica como el de una base emprica. Sin embargo, aun cuando la Econometra es una disciplina desarrollada por
y para las teoras economicas dominantes, sus planteamientos son de validez
general, para las matematicas, fsica, qumica, y otras, si se satisfacen las condiciones y supuestos sobre los cuales se construyen.

1.1.2.

Objetivo de la Econometra

Schumpeter (1933) destaca en el primer n


umero de Econometrica su
proposito cientfico, encaminado a la construccion de la Teora Economica
del futuro mediante la incorporacion de los metodos cuantitativos en el
analisis de los fenomenos economicos. Bajo este planteamiento sintetico
de teora y realidad, la modelizacion econometrica constituye la u
nica va
existente para abordar el estudio riguroso de los fenomenos economicos.
6

David F. Hendry. Econometrics. Alchemy or science?: Blackwell Pub


ushers, Oxford,
1993.
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

1. Introducci
on a la Econometra
El eje central de la investigacion econometrica, acorde a lo planteado por
Samuelson7 , vendra a ser el planteamiento de una tabla de datos. Realizar esta tarea es su primer objetivo. Esta tabla de datos, debera contener
unidades de observacion, variables y datos, estos u
ltimos, precisamente,
luego del proceso de observacion y recoleccion de datos. Las unidades,
las variables y los datos dan origen a ecuaciones, funciones o modelos
que describen una situacion actual que es de interes para el investigador
o le permiten realizar predicciones. Estos son los objetivos principales de
una investigacion econometrica, brindar la posibilidad de describir una
situacion economica en particular, para verificar teoras o comprobar
empricamente las mismas; y una vez realizada esa descripcion, tambien
ser utilizado para predecir o realizar pronosticos sobre dicha situacion.
Seg
un Christ 8 : ((El objetivo de la Econometra es la produccion de proposiciones cuantitativas que expliquen o describan las variaciones de variables ya observadas, o que pronostiquen o predigan las variaciones aun
no observadas, o que hagan ambas cosas a la vez.))

1.2.

Metodologa de la Econometra

En el marco del concepto de Metodologa Moderna9 como un conjunto de


reglas para la evaluacion de las teoras ya elaboradas, que nos permita concluir
si estas son cientficamente aceptables o no lo son, es posible delimitar el lugar
que ocupa la Econometra dentro del programa global de investigacion de la
Economa10 .
1. Procedimiento econometrico general
En el esquema propuesto por Intriligator (1978) (ver Figura 3.2.2) , ilustra el papel y el lugar que desempe
na la Econometra en la combinacion
de las teoras y los hechos economicos, facilitando un lenguaje de entendimiento entre los extremos de la deduccion y la induccion. As, el analisis
econometrico se materializara normalmente en la estimacion de un modelo econometrico. Este modelo debe ser el resultado de un proceso que
7
Samuelson, en su obra P. Curso de economa moderna. Editorial Aguilar 1972. p. 903.
, expresa que la investigaci
on, la instruccion p
ublica y el pleno empleo pueden acelerar el
desarrollo econ
omico de un pas. Pero, refiriendose concretamente a la investigacion, observa
que esta es la medida que suscita menos controversias entre las destinadas a acelerar el
crecimiento.
8
Christ, C. Modelos y metodos econometricos. Cowles Foundation for research in Economics at Yale University. 1966. p. 28.
9
Seg
un Imre Lakatos. Metodologa de los Programas de Investigacion Cientfica. 1978
10
Siguiendo la estructura propuesta por Fabiola Potrillo. Introduccion a la Econometra.2006

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

1.2. Metodologa de la Econometra

combine teora y hechos mediante la utilizacion de tecnicas econometricas.


El punto de partida lo constituye la ((realidad economica)), esto es, el
proceso generador de datos - al que habitualmente se denomina ((sistema
economico)), integrado por los ((hechos economicos)) , junto con sus relaciones entre s y con los entes externos referidos al campo que se pretende
investigar. Estos hechos por su naturaleza podran ser de tipo cuantitativo, cualitativo o de tipo mixto, pero para que puedan ser utilizados en el
enfoque econometrico deberan expresarse en forma numerica. As, esta
expresion cuantitativa - numerica de los hechos constituyen los ((datos
economicos)), como el reflejo del mundo real y componente emprico del
proceso de estimacion ((base emprica)) 11 .
Dada la complejidad del mundo real, se plantea que el economista debe comenzar efectuando una abstraccion del mismo, ante un sistema o
problema concreto, a partir de la cual se formulan las ((teoras economicas)), expresadas generalmente mediante ((modelos)) de tipo general, que
conllevan una serie de implicaciones o predicciones y tratan de dar explicaciones de alg
un elemento del sistema. A su vez, dado que el grado
de aceptacion de las teoras es evaluada mediante la ((confrontacion)) de
sus implicaciones o hipotesis con la base emprica, es crucial el papel de
la Econometra, ya que trata de suministrar las tecnicas necesarias para
llevar a cabo la mencionada confrontacion. Las hipotesis a verificar - o
confrontar con los hechos - se sit
uan en el seno de los ((modelos economicos)), pero la Econometra no trabaja con ellos directamente, sino hay
que concretarlos y darles forma, es decir con los denominados ((modelos

econometricos)). Estos
se definen como aquellos modelos economicos que
contienen el conjunto de hipotesis necesarias para su aplicacion emprica. De esta forma, los modelos econometricos constituyen, en suma, el
instrumento que permite conectar y confrontar teora y realidad.
Ahora bien, el esquema representado en la Figura 1, transmite cierta imagen de proceso terminal, con un principio y un fin, cuando la realidad de
la practica econometrica es diferente, lo que ha levantado importantes
crticas, principalmente, desde los a
nos setenta. Siguiendo a Maddala 12 ,
estas crticas se resumen en las siguientes cuestiones:
11

En ocasiones los datos no podr


an utilizarse de forma directa y deberan sufrir un tratamiento antes de formar parte del modelo. Entre estos tratamientos y en el caso de series
temporales se encontraran los cambios de base, interpolacion, extrapolacion, ajustes estacionales, mezcla, etc. Con los datos depurados y la especificacion se podra iniciar la estimacion
del modelo con los metodos econometricos. Jose Vicens Otero. ECONOMETRIA Y CONS EMPIRICA. CONCEPTO E HISTORIA. 1998
TRASTACION
12
Seg
un MADDALA, G.S. (1996.) en Introduccion a la Econometra
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

10

1. Introducci
on a la Econometra
En primer lugar, la no existencia de un flujo de realimentacion desde
los resultados que proporciona la aplicacion del analisis econometrico hacia las teoras economicas. La Econometra no solo sirve para
contrastar las teoras economicas, sino que tambien proporciona resultados valiosos para el desarrollo de la teora a partir de las progresivas confrontaciones de esta con la realidad, como muestra la
Figura 1.2(ver Figura 1.2 1.2) .
Por otra parte, se ha objetado que la contrastacion de hipotesis no
debera limitarse a las hipotesis derivadas del modelo economico
original, ya que estas dependen de la especificacion adoptada en
el modelo econometrico. Por tanto, sera necesario realizar ademas
pruebas sobre la especificacion del modelo para contrastar su validez
y, en caso necesario, abordar la reformulacion del mismo seg
un el
diagnostico, en aras de un creciente refinamiento de la modelizacion
econometrica.

Figura 1.1: Principales elementos que integra la Econometra y sus aplicaciones


- Adapatado de Intriligator (1978)
2. Etapas del procedimiento econometrico general
El procedimiento econometrico generalmente empleado conlleva las siguientes etapas:
(i) Formulacion del modelo econometrico basado en el modelo economico subyacente, de manera que sea verificable empricamente, pudiendo
adoptar diversas formas funcionales;
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

1.2. Metodologa de la Econometra

11

Figura 1.2: Adaptado de Maddala (1996)


(ii) Estimacion de sus parametros desconocidos a partir de los datos;
(iii) Contrastacion de hipotesis mediante metodos econometricos de inferencia; y
(iv) Uso de los resultados del modelo con fines analticos, predictivos o
de evaluacion de polticas, tanto economicas como empresariales.
3. Etapa de especificacion del modelo
La ((especificacion)) constituye la primera etapa del analisis econometrico
y consiste en concretar y dar forma al modelo economico. En esta fase,
que puede contener elementos subjetivos del investigador, se identifican
tres aspectos basicos:
(i) Formulacion de la relacion planteada mediante una forma funcional
explcita (lineal, etc.).
(ii) Identificacion de las variables que intervienen en el modelo y de los
datos economicos que permiten medir dichas variables.
(iii) Acotacion de la realidad a la que seran aplicables los resultados.
En ocasiones, la especificacion del modelo viene restringida por la propia
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

12

1. Introducci
on a la Econometra
disposicion de datos o por los resultados obtenidos previamente en la
evaluacion y el diagnostico del modelo. De este modo, se debera seguir
un proceso de realimentacion desde estos resultados a la especificacion
del modelo econometrico.

4. Etapa de estimacion de los parametros del modelo


Se determinara la magnitud estimada de los parametros desconocidos
del modelo, requiriendo de datos empricos, historicos sobre el fenomeno
economico bajo estudio. Es decir, observaciones de las variables que intervienen en el modelo, as como la utilizacion de metodos apropiados de
estimacion y de inferencia.
5. Etapa de validacion del modelo
La aplicacion de la inferencia estadstica a los datos recolectados permite abordar la validacion del modelo o ((contrastacion)) de hipotesis, tanto
relacionadas con la especificacion del modelo como con otros aspectos
de interes en la confrontacion de las teoras con la realidad economica. Dicha contrastacion debe realizarse a partir de criterios previamente
establecidos de rechazo o no de las hipotesis objeto de analisis.
6. Etapa de explotacion del modelo
Si el modelo supera la etapa de ((validacion)), puede ser empleado basicamente para los siguientes fines:
Analisis y descripcion estructural del modelo. Es decir, mediante el
analisis y la descripcion de la relacion existente entre las variables
(signo y magnitud de los parametros), se permite verificar teoras o
comprobar empricamente las mismas.
Prediccion de la variable de interes condicionada a los valores de las
variables explicativas (de la variable endogena).

1.3.

Origen y evoluci
on de la econometra

El origen de Econometra como disciplina cientfica es muy discutible. Con


respecto a ello existen dos tendencias: Una de ellas sit
ua sus inicios con los
trabajos de Economa Matematica de Th
unen, Cournot, Edgeworth, Jevons,
Walras, Pareto, Wicksell. Y, la otra tendencia considera a estos autores precursores de la Econometra, argumentando que su estilo de hacer Economa no
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

1.3. Origen y evoluci


on de la econometra

13

es en esencia cuantitativo13 .
As, el nacimiento de la Econometra como disciplina cientfica tuvo sus
antecedentes en el siglo XVII con el surgimiento de la economa cuantitativa
14
. De esta manera, cabe mencionar las etapas en la evolucion de esta disciplina:
. Etapa pre econometrica, que se extiende hasta finales del siglo XIX.
. Etapa de nacimiento de la Econometra, que abarca el primer tercio del siglo
XX.
. Etapa de aportaciones basicas, que se desarrolla entre 1930 y 1945.
. Etapa de desarrollo de la Econometra moderna, que concluye con la crisis
de los setenta etapa crtica y de aportaciones recientes a la Econometra.
A continuacion se presentan las caractersticas mas relevantes de cada una de
las etapas mencionadas.

1.3.1.

Etapa pre-econom
etrica

En la etapa pre-econometrica, los desarrollos de la Estadstica y la Economa sentaron las bases que posteriormente serviran de fundamento para el
nacimiento de la Econometra. Sus inicios se sit
uan entre los siglos el siglo XVI
y XVII con el nacimiento de la economa cuantitativa y este con los trabajos
denominados Polticos-Aritmeticos por parte de Gregory King, Charles Davenant y especialmente William Petty.
Davenant utiliza las figuras para sus deducciones y define la aritmetica
poltica como el arte de razonar con figuras sobre cuestiones relacionadas con
el gobierno. Petty y King son los pioneros en una aproximacion teorica- cuantitativa a la economa y demuestran su preocupacion por la medicion estadstica
de los hechos economicos. Siendo especficos, Gregory King se centro en el estudio de la agricultura y el analisis de las relaciones entre la oferta de cereales
y el precio. King no solamente efectuo una recogida y analisis de los datos,
sino que incluso llego a aproximarse a una regresion entre cambios de precio
y cambios de cantidades, lo que podra calificarse de primicia econometrica 15 .
Basicamente, estos primeros trabajos de Economa Cuantitativa trataban de
encontrar leyes de comportamiento economico analogas a las que se observaban en las ciencias naturales, especialmente en la Fsica, intentando aplicar sus
13

ver Akerman, 1933


ver Morgan, 1990
15
ley de King, vease Creedy 1986
14

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

14

1. Introducci
on a la Econometra

mismos metodos y con una filosofa claramente determinista. Para poder aligerar de determinismo el enfoque de la ciencia economica, tuvo que esperarse
a los siglos XVIII y XIX ya que es aqu en donde la Estadstica y la Economa
evolucionaron notablemente (aportan los conceptos de incertidumbre y probabilidad necesarios para la comprension de los fenomenos economicos).
De esta manera, en el ambito del pensamiento economico destacan las aportaciones de autores como Francois Quesnay (1758), cuyo Tableau Economique constituye un analisis emprico del principio de interdependencia general
de los elementos esenciales que intervienen en un sistema economico, Antoine
A. Cournot (1838), cuya interpretacion funcional de la oferta y la demanda abrio una de las lneas de investigacion mas fecundas en el ambito de la
Economa Aplicada Cuantitativa, y asimismo Clement Juglar (1862), por sus
estudios empricos acerca de las regularidades temporales de los ciclos economicos.
Por otra parte, en el campo de la Estadstica han sido esenciales los trabajos de Thomas Bayes (1702-1861) sobre la teora de la probabilidad y el
analisis estadstico, con la formulacion del polivalente teorema de Bayes, Karl
F. Gauss (1777-1855), por el desarrollo de la distribucion estadstica normal y
el tratamiento estadstico riguroso del metodo de estimacion mnimo-cuadratico aplicado al analisis de regresion, y William S. Gosset (1876-1937), a quien se
debe la especificacion de la distribucion t de Student, entre otras aportaciones.
Asimismo, destacan en este periodo las contribuciones de Andrei A Markov
(1856-1922) y Karl Pearson (1857-1936) al desarrollo de la teora de la probabilidad y al analisis de la correlacion estadstica, respectivamente. Por u
ltimo,
a Ronald A. Fisher (1890-1962) se debe el desarrollo de metodos de estimacion adecuados para muestras peque
nas, el descubrimiento de la distribucion
de numerosos estadsticos muestrales y la invencion del analisis de la varianza
y del enfoque de maxima-verosimilitud, por lo que es considerado uno de los
pioneros de la Estadstica moderna.
Este enorme progreso de los metodos estadsticos, permitio aplicar el analisis de regresion y la contratacion de hipotesis a los modelos economicos, ya en
los inicios del siglo XX.

1.3.2.

Etapa de nacimiento de la Econometra (19001930)

Rapidamente, los avances de la Estadstica moderna se incorporan al analisis economico y, en esta lnea, constituyen ejemplos destacados las aplicaciones
del analisis de correlacion estadstica que realizan Yule (1895, trabajo dirigido
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

1.3. Origen y evoluci


on de la econometra

15

a la pobreza ) y Hooker(1901, 1905 - dirigido a las relaciones entre tasa de


matrimonio y nivel de prosperidad).
En este contexto, Benini (1907) haba llevado a cabo la primera aplicacion
de la regresion m
ultiple, concretamente, a la estimacion de la demanda de
cafe en funcion de su precio y del precio de un bien complementario. Seguidamente, en 1914, se publica el trabajo de Henry L. Moore Economic Cycles:
Their Law and Cause, en el que este autor presenta una estimacion de las
leyes estadsticas de la demanda de cereales desde planteamientos deterministas. Este trabajo es generalmente considerado el primer estudio de caracter
eminentemente econometrico.
Estos primeros estudios de economa cuantitativa estuvieron enfocados
principalmente a dos grandes areas. El estudio de la demanda y el estudio
de los ciclos. De alguna forma estos estudios previos, caracterizan lo que han
sido y son las dos grandes lneas de investigacion de la economa cuantitativa
aplicada: El analisis de relaciones de causalidad en economa entre las variables
economicas y el analisis de series economicas con el fin de determinar regularidades temporales que aparecen con las fluctuaciones de la actividad economica.
Dos hechos fundamentales marcan el nacimiento de la econometra con los
rasgos basicos con que se caracteriza en la actualidad. La econometra, vinculada al analisis estructural de las relaciones economicas, tambien denominada
tradicional, surge como consecuencia de la constitucion de la Sociedad de
Econometra y los trabajos de la Cowles Commission, en la decada de los a
nos
treinta.
Constituci
on de la sociedad de la econometra
Despues de los intentos sin exito de Irving Fisher en 1912 para organizar
una asociacion para promover la investigacion en economa cuantitativa desde
la Universidad de Yale. Y ante lo que se acontecera en 1929, Ross y Frisch propusieron a Fisher la organizacion de una sociedad internacional que unificara
los puntos de vista estadstico, economico teorico y matematico, para el estudio cuantitativo de los hechos economicos . A pesar del escepticismo de Fisher
debido a las dificultades surgidas en su primer intento, el 29 de diciembre de
1930, en el tercer congreso de la seccion k de la Asociacion Americana para el
avance de la ciencia, se fundo en Cleveland, Ohio, la Sociedad Econometrica27
.El grupo organizador estaba formado por doce americanos y cuatro europeos
e inclua importantes economistas(como Keynes), estadsticos y matematicos.
La sociedad se extendio rapidamente y dos a
nos mas tarde fundo la revista
Econometrica, cuya contribucion fue importante para la difusion de la econometra.
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

16

1. Introducci
on a la Econometra

Por tanto, el objetivo de la Sociedad Econometrica fue crear una Sociedad que motivara el estudio cuantitativo de la economa, pero haciendo mucho
hincapie en la necesidad de que estos estudios se llevaran a cabo por metodos
cientficos ya que los economistas de esta epoca aspiraban a encontrar leyes
(modelos) similares a los que dominaban en las ciencias naturales y vean en la
estadstica y las matematicas las herramientas que les permitiran verificar las
teoras y predecir fenomenos futuros. De manera explcita, la Sociedad Econometrica buscaba promover la union de la capacidad deductiva del analisis
matematico con la capacidad inductiva de la estadstica, mediante la integracion de modelos estadstico-matematicos y el analisis estadstico de los datos
economicos.
Fundaci
on de la Cowles Commission
Una figura importante que contribuyo notablemente al desarrollo de la Sociedad Econometrica fue Alfred Cowles, que en 1931 ofrecio fondos para la
edicion de una revista y para la creacion de una comision de investigacion dentro de la sociedad. As, en el a
no 1932 fue fundada la Cowles commission for
Research in Economics, en Colorado Spring . Cowles Commission tena como
funcion principal centralizar las investigaciones sobre la nueva disciplina. En
1939 se traslado a la Universidad de Chicago, a la que estuvo unida hasta 1955,
fecha en que los directivos de la comision se adscribieron al departamento de
economa de la Universidad de Yale, donde contin
ua con sus actividades actualmente. La comision ha supuesto un motor importantsimo para el desarrollo
de la econometra, especialmente con la publicacion de monografas que recopilaban los avances mas importantes que se haban producido en la materia y
donde participaban los mejores econometras del momento. El objetivo general
de esta institucion es promover la investigacion sobre los principales problemas
de la Economa, con particular referencia a la aplicacion de la Estadstica y
las Matematicas en la solucion de dichos problemas.

1.3.3.

Etapa de aportaciones b
asicas (1930-1945)

A partir de la constitucion de la Econometric Society y de la Cowles Commission, la Econometra inicia una etapa de aportaciones basicas que habra
de ser seguida por un progresivo desarrollo de sus metodos y aplicaciones. Esta
etapa, que concluye con la Segunda Guerra Mundial, se caracteriza por el estudio de los principales problemas econometricos, tales como la identificacion
y estimacion de los modelos de ecuaciones simultaneas, as como los fundamentos metodologicos de esta disciplina.
Jan Tinbergen concluye un ambicioso proyecto para la League of Nations,
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

1.3. Origen y evoluci


on de la econometra

17

en el cual se desarrolla por primera vez un modelo de ecuaciones simultaneas


para una economa completa, que permite efectuar estudios sobre teoras alternativas de los ciclos economicos y estimar las principales elasticidades .
Previamente, Tinbergen (1937) haba planteado y estimado un modelo de 22
ecuaciones aplicado a la economa holandesa, abordando el problema de la
identificacion. Ambos estudios abrieron un nuevo campo en la investigacion
econometrica de gran desarrollo en las siguientes decadas 16 .
Haavelmo (1944) propone adoptar el enfoque probabilstico como fundamentacion metodologica de la Econometra. En este sentido, argumenta que
para la aplicacion del enfoque probabilstico a los datos economicos es necesario considerar las observaciones disponibles como una muestra fruto de la
realizacion de un hipotetico proceso generador de datos. De este modo, al caracterizar dicho proceso mediante una determinada funcion de probabilidad,
resulta posible abordar la contrastacion de hipotesis o realizar inferencia estadstica, sobre la base de la ley de probabilidad postulada a priori. Siendo
el resultado practico mas importante del planteamiento de Trygve Haavelmo:
el enfoque probabilstico proporciona una estructura que permite abordar la
contrastacion de las teoras economicas, marcando un cambio sustancial en la
investigacion econometrica(Morgan).
El mas inmediato y, posiblemente, el mas importante efecto de los trabajos
de Tinbergen y Haavelmo es su influencia en el programa de investigacion de
la Cowles Commission. Jacob Marschak, entonces director de esta fundacion,
decide dedicar todos los recursos de la Cowles al estudio y desarrollo de los
modelos de ecuaciones simultaneas, adoptando el enfoque probabilstico.
En sntesis, el programa de investigacion que la Cowles Commission defiende es una aproximacion cientfica a la Economa, a partir del desarrollo del
enfoque probabilstico y los modelos estructurales 17 . Este metodo, conocido
como metodo de la Cowles, constituye un procedimiento para ofrecer explicaciones causales de los fenomenos economicos. Desde este punto de vista,
la Econometra consistira en el estudio estadstico de las teoras economicas,
que plantean las relaciones fundamentales que se establecen entre los diferentes
agentes en un sistema economico. Dicho estudio, seg
un argumenta Koopmans
(1947), carece de sentido sin la especificacion y estimacion de un modelo estructural adecuado, que permita analizar y controlar la Economa.
Ahora bien, la Segunda Guerra Mundial produce un cambio en los intereses a corto plazo de la Cowles Commission, que interrumpe temporalmente su
programa de investigacion a largo plazo y destina sus esfuerzos, junto con el
16
17

ver Epstein, 1987


ver Malinvaud, 1988

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

18

1. Introducci
on a la Econometra

National Bureau of Economic Research (NBER), al estudio teorico y emprico


de un sistema eficaz de control de precios y salarios.

1.3.4.

Etapa de desarrollo de la Econometra moderna


(1945-1975)

La propuesta de Haavelmo (1944) marca el final del periodo de aportaciones basicas en Econometra y el inicio de su etapa de madurez, que se extiende hasta aproximadamente la primera crisis del petroleo(1973). Esta etapa
de desarrollo de la Econometra moderna se caracteriza por la profundizacion
teorica en los metodos necesarios para solventar algunos de los principales problemas econometricos, como la identificacion y estimacion de los modelos de
ecuaciones simultaneas, la multicolinealidad y las perturbaciones no esfericas.
Ademas de esto, prolifero la investigacion aplicada, resultado de la confluencia
de varios factores, como la disponibilidad de series temporales relativas a las
magnitudes de la Contabilidad Nacional, el desarrollo de la informatica y la
aceptacion generalizada de la teora keynesiana.
En las dos primeras decadas de esta etapa de la Econometra, los econometras centraron sus esfuerzos en profundizar en los aspectos teoricos y metodologicos de esta disciplina, con respecto a los metodos matematicos e inferencia estadstica. En estos a
nos, por tanto, los avances realizados en el campo
de la Econometra aplicada fueron relativamente escasos. De manera contraria en la decada de los sesenta llega la aceptacion general de los modelos
econometricos en la mayora de los pases desarrollados y, especialmente, en
Estados Unidos. As pues, los desarrollos de la econometra emprica en estos
a
nos son numerosos, sus aplicaciones son m
ultiples y se abre un gran mercado que abarca tanto el sector p
ublico como la empresa privada. Los modelos
econometricos son entendidos como un nuevo instrumento u
til y valido para
la planificacion.
El importante desarrollo alcanzado por la Econometra era evidente a principios de los a
nos setenta. En esta decada, se multiplico el n
umero de estudios
publicados de Econometra teorica y aplicada, muchos de ellos producto de
los alumnos que haba tenido esta joven disciplina en la decada precedente. A
diferencia de la etapa anterior, estos estudios se centraron en los problemas de
estimacion e inferencia en ecuaciones aisladas, mas que en los grandes modelos
de ecuaciones simultaneas. Por ejemplo, el modelo de Brookings o el Wharton, fue propuesto fundamentalmente para realizar simulacion y prediccion,
y sufrieron consecuencias producto de la primera crisis del petroleo y el gran
cambio estructural que se derivo de ella. Si bien en los a
nos setenta se siguieron
manteniendo muchos de los grandes modelos macroeconomicos existentes y se
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

1.3. Origen y evoluci


on de la econometra

19

desarrollaron otros nuevos, se redujo en gran medida el interes que despertaron en los econometras en decadas anteriores, que centraron su atencion en
otros modelos de menor dimension y mas directamente relacionados con los
desarrollos de la Teora Economica.

1.3.5.

Crisis de los setenta y aportaciones recientes a la


Econometra

Las crisis producidas por la elevacion de los precios energeticos configura


el nuevo escenario mundial de la decada de los setenta, afectando de forma
directa al planteamiento y pensamiento economico general, y en consecuencia, al desarrollo posterior de la econometra ya que este contexto puso de
manifiesto las limitaciones de los grandes modelos macroeconomicos a la hora de proporcionar herramientas u
tiles para el dise
no de polticas economicas,
precisamente cuando mas se necesitaban. De esta manera, Lucas (1976) y Malinvaud (1981), entre otros autores, apuntan que con las crisis del petroleo la
investigacion econometrica quedo cuestionada al no poder desarrollar un objetivo esencial: proveer al poltico economico de estimaciones acuradas sobre
las trayectorias temporales de las principales variables economicas de interes,
correspondientes a las distintas alternativas polticas.
Ahora bien, la crtica no colapso el avance de la econometra sino sirvio de
base para una reaccion de la econometra hacia la incorporacion mas intensa
de datos y relaciones microeconomicas, dando lugar a la llamada microeconometra.
Entre los principales desarrollos alcanzados en el area de la microeconometra cabe se
nalar los siguientes:

. Modelos con variable dependiente cualitativa. Se rompe el planteamiento


tradicional dado a las variables discretas en econometra, normalmente explicativas de tipo ficticio, y se desarrollan los modelos logit y probit.
. Modelos con datos de panel. Se plantea el uso conjunto de datos historicos
y de corte transversal, obtenidos normalmente desde un panel fijo en el
tiempo. La consecuencia inmediata es la necesidad de variar los parametros
entre agentes economicos y/o el tiempo, y de aqu sus conexiones con la
modelizacion con parametros cambiantes.
. Modelos experimentales. La experimentacion en economa y la disposicion
de datos de esta naturaleza, siempre ha supuesto una ambicion para los
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

20

1. Introducci
on a la Econometra

economistas. Esta posibilidad se abre en el contexto microeconometrico, al


poder simular condiciones que a nivel macro sera imposible.
. Modelos de micro-macro simulacion. En los que se combinan los tradicionales modelos macroeconomicos con modelos empresariales, estableciendo
interconexiones entre ellos al objeto de determinar las repercusiones que
producen en el mundo micro (empresarial) las decisiones macros y viceversa. Asimismo se busca un proceso de convergencia con una solucion u
nica
para el bloque macroeconomico y los modelos de empresa.
Tras el fracaso de los grandes modelos macroeconometricos como instrumentos u
tiles de prediccion en este periodo de rapidos cambios economicos,
surgen como alternativas diversas tecnicas especializadas de analisis de series temporales, entre las que cabe destacar el analisis espectral, los modelos
Box-Jenkins (ARIMA), la metodologa de vectores autorregresivos (VAR) y la
cointegracion 18 .
Finalmente, la Econometra ha protagonizado un enorme progreso, tanto
desde el punto de vista teorico como emprico. Este importante progreso ha
favorecido el desarrollo de distintos enfoques metodologicos, especialmente en
las u
ltimas dos decadas, que han permitido avanzar en nuevas lneas de la investigacion econometrica y, por tanto, ampliar nuestro conocimiento sobre los
fenomenos economicos.

18

ver Granger y Newbold, 1974

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

Sesi
on 2
Repaso Algebraico
2.1.

Algebra de Matrices

Una matriz Amn , es un arreglo rectangular de m n elementos dispuestos en m filas y n columnas. Dichos elementos se denotan por Aik con
i = 1 , 2 , . . . , m ; j = 1 , 2 , . . . , n. El primer ndice denota la fila y el
segundo la columna de la matriz A.
Amn = [aij ] = [Amn ]ij

2.1.1.

Tipos de Matrices

. Cuadrada
Una matriz es cuadrada si m = n. En este caso A es una matriz cuadrada
de orden n.
Ann = [aij ]
. SimEtrica
Sea la matriz cuadrada Ann = [aij ] Ann = [aij ], A es simEtrica si, y solo
si, A = A0
Ann aij = aji
. Diagonal
La matriz cuadrada Ann = [aij ] es:
DIAGON AL aij = 0 , i 6= j y i , aij 6= 0 , 1 i n
. Escalar
La matriz diagonal Ann es ESCALAR, si sus elementos son iguales
Diagonal aii = a
. Identidad
La matriz Ann es la matriz IDENTIDAD: Ann es Escalar a = 1

21

22

2. Repaso Algebraico
. Triangular
La matriz cuadrada Ann es :
(
T.superior
Ann
T.inf erior

aij = 0 i > j
aij = 0 i < j

. Idempotente
La matriz cuadrada Ann = [aij ] es idempotente A2 = A

2.1.2.

Operaciones con matrices

. Igualdad
Las matrices Amn = [aij ] Bmn = [bij ] son iguales aij = bij
i, j; 1 i m, 1 j n
. Transpuesta
Sean las matrices Amn = [aij ] y Bnm = [bij ]. Diremos que B es la
TRANSPUESTA de A bij = aji 1 i m , 1 j n , i , j
y denotamos B = A0
Si A = A0 (A0 )0 = A A es una matriz simEtrica
. Suma
Amn + Bmn = Cmn aij + bij = cij , 1 i m , 1 j n
A+0=A
A+B=B+A
A+(B+C)=(A+B)+C
( A + B ) = A + B
. MultiplicaciOn
El producto de Amn = [aij ] por Bnp = [bij ] se define del siguiente modo:
Amn Bnp = Cmp = [cij ] / cij =

n
X

aik bkj , 1 i m , 1 j p

Sean Amn , Bnp , Cpm tr(ABC) = tr(CBA) = tr(BCA)


Donde la traza (tr) de una matriz cuadrada es la suma de los elementos
de su diagonal principal.
Producto interno
a1n , bn1 ab = a1 b1 + a2 b2 + . . . + an bn =

n
X

ai b i

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

23

Producto externo
a1n , bn1 a 0 b 0
Producto de matrices

Ann Bnk

a11 a12
a21 a22

= C = ..
..
.
.
an1 an2

a01 b1
a0 b 1
2
..
.

a01 b2
a02 b2
..
.

a0n b1 a0n bn2

. . . a1n
b11 b12

. . . a2n b21 b22


.
..
. . . ..
. ..
.
. . . ann
bn1 bn2


. . . a01 bk
c11 c12
0

. . . a2 bk c21 c22
.. = ..
..
..
.
. .
.
. . . a0n bk
cn1 cn2

A B = C = [Cij ]

. . . b1k
. . . b2k

=
. . . ..
.
. . . bnk

. . . c1k
. . . c2k

.
..
. ..
. . . cnk

cij = ai 0 bj

A B 6= B A
(
Sistema de Ecuaciones
C = Ab =
Combinacion lineal

Cada columna de C es una combinacion lineal de las columnas

de A con ponderadores igual a las columnas de B (El n


umero
C = AB =

de combinaciones lineales es igual al n


umero de columnas de B).

Cada fila de C es una combinacion lineal de las filas de B.

2.1.3.

Vector Can
onico

Sea ek un vector canonico de orden kx1,






0
1
0
0
0
1
0
0



.
0
0
1
.



.
e1 = 0 , e2 = 0 , e3 = 0 , . . . ek =



1
..
..
..

.
.
.
0
..
0
0
0
.
Dada la matriz Ank A ek = ak
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

24

2. Repaso Algebraico

2.1.4.

Relaci
on entre matrices y sumatorias
0

( xx ) =

N
X

xi x0i


1
1

i = ..
.
1

N
X

x1
x2

x = ..
.

xi = x1 + x2 + xN = i0 x

xN
N
X

a = na

1
N
X

xi = i0 x = i0 ai = ai0 i = an

i0 i = n

1 ...
.. . .
0
i i = .
.
1 ...
PN
xi
i0 x
= 1
= x
n
n
EJEMPLO:

c11 c12
c21 c22

..
..
.
.
cn1 cn2

1
..
.
1
i0 x = nx


a11 a12 . . . a1n
b11 b12
. . . c1n

. . . c2n a21 a22 . . . a2n b21 b22


.. . .
. .
..
. = .
..
. .. ..
. .. ..
.
.
. . . cnn
an1 an2 . . . ann
bn1 bn2



a11
a1n
c11
c22
a21
a2n



.. = b12 .. + . . . + bn2 ..
.
.
.
cnn
an1
ann

. . . b1n
. . . b2n

.
..
. ..
. . . bnn


 

 

c11 c12
a11 a12 b11 b12
a11 b11 + a12 b21 a11 b12 + a12 b22
=
=
c21 c22
a21 a22 b21 b22
a21 b11 + a22 b21 a21 b12 + a22 b22



 
 
c11
a11
a
= b11
+ b21 12
c21
a21
a22

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

25






c21 c22 = a21 b11 b21 + a22 b12 b22
n
X

Xi = i0 X

1
N
X

Xi Yi

1
0

X X = [X 0 X]ik
X 0X =

N
X

Xi Xi0 ; n = N o f ilas

x11
x12

Donde Xi es la f ila i esima de X = ..
.


XX =

2
X

x1k
 
 
x11
x21
X1 =
, X2 =
x12
x22

X =

x11 x12
x21 x22

x11 x21
x12 x22





x11 x12
x211 + x221
x11 x12 + x21 x22
=
x21 x22
x12 x11 + x22 x21
x212 + x222

Xi Xi0

X1 X10

X2 X20


 


x11 
x 
x11 x12 + 21 x21 x22
x12
x22

  2

x211
x11 x12
x21
x21 x22
+
x21 x11 x212
x22 x21
x222


x211 + x221
x11 x12 + x21 x22
x12 x11 + x22 x21
x212 + x222

2.1.5.

Matriz de desvos
M 0X = X 0
M 0 A = A0

Donde M 0 es la matriz que desva la informacion del vector X o de la matriz


A respecto de su media.
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

26

2. Repaso Algebraico

x1
x1 x
x2 x 2 x

M 0 X = M 0 .. = ..
. .
xk
xk x
 


0
Mnn
Ank = M 0 a1 a2 . . . ak = a1 a1 a2 a2 . . . ak ak


M 0 = I n1 ii0
0
M22




 

1 1 1
1 0
1 n1 n1
=

=
n1 1 n1
0 1
n 1 1


1 21 21
(n = 2) =
12 1 12
..
.

0
Mnn

x1 Pnxi
x1 x
x1
1 n1 n1 . . . n1
x 2 x xi x 2 x
1 1 1

2
n
n
n
= ..
= ..
.. .. =
.
.
.
.
.
.
. .
.P .
1
1
xk x
... 1 n
xn
n
xn nxi

1. Propiedades
M 0i = 0
Prueba
1
i
1 0
ii )i = i ii0 i = i n = i i = 0n1
n
n
n
Pn
0
1 (xi x) = i M0 X
M 0 i = (I

M 0 es Simetrica e Idempotente
Prueba
- Simetrica (M 0 )0 = M 0
(M 0 )0 = (I

ii0 0
(ii0 )0
ii0
) = I0
= I
= M0
n
n
n

- Idempotente M 0 M 0 = M 0
(M 0 )(M 0 )0 = (I

ii0
ii0 ii0 ii0 ii0
ii0 ii0 ii0
ii0
)(I ) = I +
= I + = M 0
n
n
n n
n
n n n

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices


Pn

1 (xi

2.1.6.

x)2 =

27

Pn
1

x2i nx2 = (M0 X)0 (M0 X) = X 0 M0 X

Geometra de matrices

. Espacio vectorial:
Conjunto cerrado de vectores definido por:
(i) Multiplicacion por un escalar (si se multiplica por un escalar, el resultado pertenece al conjunto)
(ii) Aditividad (si se suman los vectores, el resultado pertenece al conjunto)

Figura 2.1: Espacio vectorial


. Vectores base
Conjunto de vectores de un espacio vectorial, que a traves de la multiplicacion por un escalar y adicion, es posible generar otro vector del mismo
espacio vectorial.
EJEMPLO:
 
 

1
0

a =
, b =
; a , b <2
0
1

c = 2
a + b =

 
2
; c <2
1

Figura 2.2: Vectores base


Considerando a los vectores a,b,c como un sistema de ecuaciones:

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

28

2. Repaso Algebraico

     
a1
b
c
, 1 , 1
a2
b2
c2
 




 
 
c1
1 a1
2 b1
a1
b
=
+
= 1
+ 2 1
c2
1 a2
2 b2
a2
b2
! i 6= 0 1 =

a2 c 1 b 1 c 2
a1 c 2 b 1 c 2
, 2 =
a1 b 2 b 1 a2
a1 b 2 b 1 a2

a1 b2 b1 a2 6= 0
a1 b2 6= b1 a2
a1
b1
6=
a2
b2
. Vectores linealmente dependientes
Un conjunto de vectores es linealmente dependiente si cualquiera de sus
vectores puede ser escrito como combinacion lineal de los demas:

 
 
 
c1
a1
b
= 1
+ 2 1
c2
a2
b2
a1
b1
si a, b son tal que
6
=
a2
b2

     
a1
b
c

, 1 , 1 son L.D
a2
b2
c2

EJEMPLO:

Xnn



i x1 x2 . . . xn

1 i + 1 x1 + . . . + n xn = 0 no puede ocurrir
Un grupo de vectores es LI (Linelamente Independiente) si la solucion
de alpha1 a1 + 2 x2 + . . . + n xn = 0 es:
1 = 2 = . . . = n = 0 unica y trivial
. Base de un espacio vectorial
Va a etar determinado por un conjunto de vectores L.I. Si k vectores son
base de un espacio vectorial de dimension k, si se le agrega un vector
mas, los k + 1 vectores seran linealmente dependientes.
. Sub espacio vectorial
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

29

Figura 2.3: Sub espacio vectorial


. Vectores generadores
Sea E un conjunto de vectores e1 , e2 , . . . , en . El conjunto de todas las
combinaciones lineales de e1 , e2 , . . . , en se denomina espacio vectorial generado por E (spaned space)
. Sub espacio



a1
b1
c1
a = a2 , b = b2 <3 c = c2 <3
0
0
0
Espacio F, donde F es un plano (sub espacio en <3 ), F no es <2 dado que
<2 es un espacio generado por 2 vectores base <2 no es un subespacio de
<3
Las dimensiones se asocian a las coordenadas.
Si F a un espacio de 3 dimensiones pero se sabe que existe una
dimension igual a cero F solo tiene 2 dimensiones.

2.1.7.

Rango de una matriz

El espacio columna de una matriz es el espacio generado por las columnas


L.I de la matriz.
La dimension del espacio vectorial es el N o de columnas L.I
EJEMPLO:

1 5 2
A = 2 6 8
7 1 8
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

R(A) = 2 como mAximo

www.giddea.com
administracion@giddea.com

30

2. Repaso Algebraico

1
5
B =
6
3


1
2
5
4
=
6
1
3
1

3
5

R(B) = 3 como mAximo


5
4

3
5

+
5 , 6= 0 que sean soluciOn
4
2
4
1
1

. Rango de filas
El espacio generado por el rango filas es el mismo generado por el rango
columnas.
. Rango corto
Rang(Ann ) = n0 < n
. Resultados
Rang(AB) = min {Rang(A) , Rang(B)}
. Corolario
Amn , Bnn , Rang(B) = n
Rang(AB) = Rang(A)
EJEMPLO:
AB = C

  
 
a11 a12
b11
c
,
= 11
a21 a22
b12
c12

 



a11 a12
b11 b12
c11 c12
,
=
a21 a22
b12 b22
c12 c22




a11 b11 + a12 b21 a11 b12 + a12 b22
c11 c12
=
a21 b21 + a22 b22 a21 b12 + a22 b22
c12 c22
  
 
 
 


a11
a12
a11
a12
c11 c12
b11
+ b21
b12
+ b22
=
a21
a22
a21
a22
c12 c22
Donde cada columna de C es combinacion lineal de las columnas de A
 
 
1 b12
b11
Si
=
b21
2 b22
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

31

La segunda columna de C es un multiplo de la primera columna de C


Rang(A) = 2 Rang(B) = 1 Rang(AB) = Rang(C) = 1

Rang(A) = Rang(A0 A) = Rang(AA0 )

EJEMPLO 1: Y = X +
EJEMPLO 2: Trampa de dummys
Rang(X43 ) = 3 < 3
N 0 de columnas X no tiene rango completo por columnas.
. Propiedades de rango
Rang(Ank ) = Rang(A0nk ) {n, k} Rang(AB) min{Rang(A), Rang(B)}
Rang(Ank ) = Rang(A0kn ) = Rang(A0kn A) = Rang(Ann A0 ) Si k < n ,
A es de dimension k
EJEMPLO: Modelo de Regresion Lineal
Rang(Xnk ) = k
Donde X tiene rango completo por columnas
Rang(X 0 X) = k

2.1.8.

Determinante

. Notacion
Sea Ann |A|, det (A)
. Proposicion
det(A)6= 0 si la matriz tiene rango completo
. Menor de una matriz
Sea Ann = [aij ]
Definamos la matriz Aij como la matriz que se obtiene al eliminar la fila i,
columna j de la matriz original
Aij = menori, j
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

32

2. Repaso Algebraico

Figura 2.4: Menor de una matriz


. Cofactor
Sea Ann , el cofactor (i,j) de A sera igual a cij
cij = (1)(i+j) |Aij |
donde Aij = menori, j
El determinante de Ann se puede obtener usando una expresiOn del cofactor, fila-columna
|A| =

n
X

(i+j)

aij (1)

|Aij | =

n
X

aij cij

|A| =

n
X

aij (1)(i+j) |Aij | =

n
X

aij cij

1
EJEMPLO: A = 0
1

2 0
1 1
0 1 
1 1
menor(1, 1) = 1 = |
|, cof(1, 1) = (1)(1+1) menor(1, 1)
0 1 
0 1
menor(1, 2) = 1 = |
| , cof(1, 2) = (1)(1+2) menor(1, 2)
1
1


0 1
menor(1, 3) = 1 = |
| , cof(1, 3) = (1)(1+3) menor(1, 3)
1 0
n
X
|A| =
aij cof (i + j)
j=1

|A33 | + ai1 cof (i + 1) + ai2 cof (i + 2) + ai3 cof (i + 3)


. Propiedades
a) Matriz Diagonal |Dnn | =
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

Qn
1

aij
www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

33

b) Sea Bnn , |A| 6= 0 , c R


|CB| = C n |B|
c) Sea Ann , Bnn |AB| = |A||B|
d ) |A| = |A0 |
. AplicaciOn MCO
Expresar un vector yn como combinaciOn lineal de vectores de la matriz
Xnk
a) y col(Xnk )
donde col(Xnk )es el espacio generado por las columnas de X, donde
cada columna tiene n componentes.
La dimension de un espacio = N 0 col LI = N 0 vectores LI = k
Es posible encontrar un b : y = Xb
b) Si y
/ col(Xnk )
y = Xb+e



1
6
1 2
b1
1
1 = 1 1 3 b2 + 1
2
0
0 0
b3
2
X 0e = 0

Figura 2.5:

2.1.9.

Sistema de Ecuaciones Lineales


x1
0
a11 a12 . . . a1k
a21 a22 . . . a2k x2 0


Ank Bk1 = 0n1 ..
.. . .
.. .. = ..
.
. . . .
.
an1 an2 . . . ank
xk
0
En que casos existe solucion no trivial para estas ecuaciones?

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

34

2. Repaso Algebraico

! X 6= 0 cuando Rang(A) < k A no tiene rango completo por columnas


EJEMPLO:
1.
A = [1] AX = 0

A tiene rango completo

X = [x] X = 0 X = 0 y la solucion es trivial


2.
A = [1, 2]

 
x1
X =
x2

Rang(A) = 1 < 2 = k

AX = 0
x1 + 2x2 = 0
X tiene infinitas soluciones a parte la trivial.
3.


 
 
1 1
x1
0
A =
:=
1 1 x2
0

Rang(A) = 2 6< < 2 = k

x1 + x2 = 0
x1 x2 = 0
Lo que serIa imposible a menos que (x1 , x1 ) = (0, 0)
Ann Xn1 = bn1
Tipos de Sistemas de Ecuaciones
1. Homogeneas AX = 0
2. No Homogeneas AX = b , b 6= 0
. Sistemas de Ecuaciones Homogeneas
Ann Xn1 = 0
Para que exista solucion (x 6= 0) el Rang(A) < n
Si existe una solucion, entonces es posible escribir una columna como
combinacion lineal de los otros



a1 a2 . . . an x1 x2 . . . xn = 0
a1 x 1 + a2 x 2 + . . . + an x n = 0
1
ak =
(a1 x1 + a2 x2 + . . . + an xn )
xk
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

35

Si
Rang(Ann ) < n |A| = 0

. Sistemas de Ecuaciones no Homogeneas


Ann Xn1 = bn1 b 6= 0
Si (x 6= 0) es solucion, b es escogido arbitrariamente a partir de una
combinacion lineal de las columnas de A.
Cual es la solucion de A que asegura que se tiene solucion? Dado que
bn1 ,
X 6= 0 existe si las columnas de A generan todo el espacio <n
Si las columnas de A son base de <n
Si las columnas de A son L.I
|A| =
6 0

2.1.10.

Inversa de una matriz

Definicion: Sea Anxn . La inversa de A es una matriz Bnxn


BA = In = B = A1
Si,
BA = I
AB = I
= B = A1
Tenemos: Si A1 A = I = AA1 = I ,
Demostracion: AA1 = I = AA1 A = AI
AA1 A = IA = A
AA1 AA1 = AA1 = I
AA1 = I
o nica:
Si la inversa existe, es A
Por contradiccin asumamos que A tiene 2 inversas B y C.
= CAB = CAB
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

36

2. Repaso Algebraico
(CA)B = CAB
IB = C(AB)
B = CI
B=C
Por lo tanto, AX = b = A1 AX = A1 b = X = A1 b
Calculo de la inversa:

a
a
A = 11 12
a21 a22
1



1
a11 a12
=
|A| a21 a22

Si A es singular |A| = 0 = A1 no existe.


Forma general:
Sea Anxn = [aixj ]
A1 = [aixj ]0 , aixj =
A1 =

Cji
, Cji = (1)j+i |Aji |
|A|

1
1
(matriz C)0 =
Adjunta(A)
|A|
|A|

Caso particular:

1 0
0 2

D = ..
..
.
.
0 0

1
1

D1 = .
..
0

0
1
2

..
.
0

...
...
..
.

0
0
..
.

. . . n
...
...
...
...

0
0

..
.

1
n

Propiedades:
. |A1 | =

1
|A|

. (A1 )1 = A
. (A1 )0 = (A0 )1
. Si A es simetrica (A0 = A), entonces A1 es simetrica.
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

37

. Si |A| =
6 0, |B| =
6 0, |A| =
6 0 entonces:
(AB)1 = B 1 A1
(ABC)1 = C 1 B 1 A1
EJEMPLO:
Condicion de primer orden del problema MCO.
Min (y xb)0 (y xb)
x0 y = (x0 x)b
(x0 x)1 (x0 y) = (x0 x)1 (x0 x)b
b = (x0 x)1 x0 y, es unica condicion ya que
(x0 x)1 6= 0
|x0 x| =
6 0
Rang(x0 x) es completo
Rang(xnxk ) es completo por columna = k
las columnas de xnxk son linealmente independientes.

2.1.11.

Matrices Particionadas

Ps Sean A M( mxn), m1 , . . . , mr n1 , . . . , ns Naturales con


j=1 nj = n. La matriz A puede representarse como:
     
A11   A1s

A =      
Ar1

Ars

Pr

i=1

mi = m y

Donde Aij Mmij xnj


Se dice que A esta particionada en rs bloques por: (m1 , . . . , mr ; n1 , . . . , ns )
Suma y Multiplicacion:
Las submatrices deben de tener las misma dimension

 

A11 A12
B11 B12
M=

A21 A22
B21 B22


A11 A12
N=
A21 A22


 

B11 B12
A11 B11 + A12 B21 A11 B12 + A12 B22
=
B21 B22
A21 B11 + A22 B21 A21 B12 + A22 B22

Donde A11 tiene igual ] de columnas que ] de filas de B11


Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

38

2. Repaso Algebraico
Casos frecuentes:
.

 0
  0

A1 
0 
A1 A2 = A1 A2 A1 A2
A2


1
1

A1 =
1
2


0
1 1
A1 =
2 0


2
0 

1
3


1 2
1 3

.


A11 0
0 A22

0 



  0
  0
0
A11 0
A11 A11
A11 0
A11 0
=
=
0
0
0 A22
0 A22
0
A22 A22
0 A22

EJEMPLO:
y = x +


y = i x 2 x3


1
2



. . . xk 3 +
..
.
k

y = i1 + 2 x2 + 3 x3 + . . . + k xk +


y = X1


1
2

3

.
 ..

X2
k1 +

k +1
1

..
.
k

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

39

 

 B1
y = X1 X 2
+
B2
Donde: X1 es de orden k1 , X2 es de orden k k1
Determinantes de matrices:



A11 0
= |A11 ||A22 |
0 A22


A11 A12
A21 A22

= |A22 ||A11 A12 A1


22 A21 |
= |A11 ||A22 A21 A1
11 A12 |

Inversa:

A11 A12
A21 A22

1

1
A11 (I + A12 F2 A21 A1
11 ) A11 A12 F2
=
1
F2 A21 A11
F2

1
Donde: F2 = (A22 A21 A11
A12 )1

EJEMPLO: Desviacion respecto a la media.


Yi = 1 + 2 Xi + , donde i = 1, n


y1
1 x1
1
y2 1 x2   2

1

+ ..
.. = .. ..
. . . 2
.
yn
1 xn
n
 

 1
y= i x
+
2
 

1 
0
1
0
0
1 0
i
x
=
(X
X)
X
y
=
y
[i
x]
[i
x]
2
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

40

2. Repaso Algebraico

   0 1
1  0 


1
i
i
=
y
0
i x
0

x
2
x
1  0
1  0 
   0
0
0
ii ix
ii ix
iy
1
= 0
0
0
0
0

xi xx
xi xx
xy
2
Si me interesa encontrar solo 2
1
2 = F2 = (A22 A21 A1
11 A12 )
0

F2 = (x x x i(i i)1 i x)1


0
0 1 0
F2 = (x x x i i x)1
n

1
0
ii
0
F2 = x (I )x
n
0

F2 = (x M0 x)1
0
0
2 = (x M0 x)1 x y
0
0
0
= (x M0 M0 x)1 x y
P 0
xy
= P
(xi x)2

2.1.12.

Producto Kronecker

Se llama producto de Kronecker, denotado con , a una operacion sobre


dos matrices de tamano arbitrario que da como resultado una matriz bloque.
Sea Anxn y Bpxq entonces el producto de Kronecker AB es la matriz
bloque mp nq

a11 B a12 B . . . a1m B


..
..
a22 B . . .
.
.
AB = .
.
..
.
..
..
..
.
an1 B an2 B . . . anm B nxm
Propiedades:
. (A B)1 = A1 B 1
. Sea Amxm , Bnxn matrices |A B| = |A|n |B|m
0

. (A B) = A B

. T r(A B) = T r(A)T r(B)


. (A B)(C D) = AC BD
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

2.1.13.

41

Raices y vectores caractersticos

Sea el sistema de ecuaciones: Ac = c. Si !c = 0 tal que Ac = c para


algun es raz caracteristica o valor propio y c, vector caracteristico.
solucion: 1 cnx1
P
0
normalizar c c = 1 equivalente a (ci 2 )1/2 = 1 : norma euclideana.
necesitamos (n 1) vectores c

Ecuacion caracteristica:
Ac = c
(A I)c = 0, siAc = 0
si |A I| , !c 6= 0 una solucion.
observaciones:

. Las raices no son reales necesariamente.


. Si A es simetrica los ceros () son reales.
0

. Los s pueden ser iguales.


0

Vector caracteristico: (A I)c = 0, donde c es u


nico, si c c = 1
Resultados Generales:
. Akxk es simetrica, tiene k vectores caracteristicas, sin embargo los
1 , 2 , . . . , k pueden ser iguales.
. Los vectores caracteristicos son ortogonales.
sea:
ci asociado a i
cj asociado a j
Entonces:
0

ci cj = 0
. Sea:
Matriz caracteristica:


c = c1 c2 . . . ck
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

42

2. Repaso Algebraico
Matriz diagonal asociada a A:

1 0
0 2

= ..
..
.
.
0 0

...
...
..
.

0
0

..
.

. . . k

Luego el conjunto de soluciones para Ac = c


Donde

Ac1 = 1 c1

Ac2 = 2 c2
Ac = c =
..
.

. = ..

Ac = c
k


 
A c1 c2 . . . ck = c1 c2

k k

1 0

 0 2
. . . ck ..
..
.
.
0 0

...
...
...

0
0

..
.

. . . k


 

Ac1 Ac2 . . . Ack = 1 c1 2 c2 . . . k ck

. Adicionalmente:
Se sabe que
0

ci cj = 0 (por ortogonalidad)
0
ci ci = 1 (norma)
luego:

0
0
c1
c1 c1
0
.
0
0




c
0
c
c
2 2 .
2

. . . ck = .. c1 c2 . . . ck = ..
..
.
.
.
0
ck
0
0
.


0 
0
c c = c1 c2 . . . ck c1 c2

Teorema:
Rango de una matriz simetrica es igual al numero de raices caracteristicas o
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

43

valores propios diferentes de cero.

1 0
0 2

..
..
.
.
0 0

...
...
..
.

0
0

..
.

. . . k

Teorema:
Rango de una matriz no cuadrada Anxk es igual al ] 6= 0 que contiene
A Akxk
0

Si
0

Rang(Anxk ) = Rang(A A) = k

EJEMPLO: Analisis de Multicolinealidad


Condicion de numero de una matriz:


1 x1 . . . xk
donde xi es combinacion lineal de algun otro vector.
0
(x x)1 no existe.
0
|x x| = 0
correlacion entre dos columnas:
= |(

max 1/2
)|
min

si |A| = 0 algun = 0
si max >> min 0 |A| 0 (cuasi multicolineal)
En la practica > 20 (multicolinealidad).

2.1.14.

Diagonalizacion y descomposicion de una matriz

= x Ax (diagonalizacion)
Ac = c
0
0
0
c Ac = c c , si A es simetrica y c c = I
0
c Ac =
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

44

2. Repaso Algebraico
Descomposicion Espectral: A = cc
Observaciones:
Si Anxn no es simetrica, entonces:

= c Ac
0

A = c Ac1
Si Anxn es simetrica, entonces:
Rang(nxn ) = Rang(A)
0

Rang(c Ac) = Rang(A)


Teorema:
Rango de una matriz simetrica es
valores propios diferentes de cero.

1
0

..
.
0

igual al numero de raices caracteristicas o

0 ... 0
2 . . . 0

.. . .
..
. .
.
0 . . . k

Teorema:
0

El rango de una matriz no cuadrada Anxk es igual al ] 6= 0 que tiene A Akxk


0

Si Rang(Anxk ) = Rang(A A) = k
Traza:
Propiedades:
Pn

. T r(Anxn ) =

aij , Donde A es simetrica.

. Tr(CA) = CT r(A).
0

. T r(A ) = T r(A).
. T r(A + B) = T r(A) + T r(B).
. T r(K) = K.
. T r(AB) = T r(BA).
. T r(ABC) = T r(BCA) = T r(CAB).
0

. T r(a a) = a a = T r(aa )

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

45

Teorema:
T r(Anxn ) = 1 + 2 + . . . + n
0

= C AC
0

T r() = T r(C AC)


0

T r() = T r(ACC )
T r() = T r(A)
X
X
T r() =
aij =
xi = T r()
Determinante:
Sea Anxn simetrica |Anxn | = 1 2 3 . . . n
0

= C AC
0

|| = |C AC|
0

|| = |C ||A||C|
0

|| = |C ||C||A|
0

|| = |C C||A|
|| = |A| = i
De aqui se puede afirmar que Anxn es singular |A = 0| al menos un
lambdai = 0

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

46

2. Repaso Algebraico
Potencia de una matriz:
.
0

AA = A2 = (CC )(CC )
0

AA = A2 = (CC CC )
0

AA = A2 = (C2 C )

.
A0 = I
. Si A es no singular (|A| =
6 0) y i = 0 i, la potencia puede ser un
numero negativo.
.
0

A1 = (CC )1
A1 = C
0

0 1

1 C 1

Luego, si C 1 = C , C C = I
A1 = (C 1 )1 1 C 1
0

A = C1 C , solo cuando i 6= 0

Teorema:
Si A1 existe, entonces:
. Las raices caracteristicas de A1 son 1
(de la matriz original).
i
. Los vectores caracteristicos son los mismos que los de A.

Teorema:
Sea Anxn una matriz simetrica, ademas |A| =
6 0
0
k
k 0
Luego: si A = CC ,entonces A = C C , k n
umero enteros.

Raiz cuadrada de una matriz:


0
Si i > 0 A1/2 = C1/2 C
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

47

Independencia Lineal:
v1 a1 + v2 a2 6= 0 a1 , a2 6= 0
Dependencia Lineal:
v1 a1 + v2 a2 = 0
a2
v2
v1 =
a1
Caso usual: A es definida positiva.
1. Anxn positiva semidefinida |A| =
6 0, |A| 0
No se cumple lo contrario
Contraejemplo:


1 0
0 2
donde: 1 = 1 , 2 = 2 por lo que A seria negativa semidefinida.
Ademas: |A| = 2 > 0
2. A p.d A1 p.d
0
A = cc (descomposicion espectral) para i > 0 i = 1 . . . n
0
A1 = c1 c
3.

1 0
I=
0 1

Donde: i = 1, i = 1 . . . n
Por lo tanto: I es p.d
4. Sea: Anxk , n > k Rang(Anxk ) = k
0

. A A es p.d
0

. AA es p.s.d
0

. Se desea demostrar que x 6= 0, x APAx > 0


0
0
0
0
x 6= 0 xPA Ax = (Ax) Ax = =
i 2 > 0
0
2
x 6= 0
i = = 0 si = 0
P 2
0
0
= Ax 6= 0 Rang(Anxk ) = K x A Ax =
i > 0 por lo tanto,
0
A A es p.d

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

48

2. Repaso Algebraico
0

5. Si A es p.d y |B| =
6 0 B AB es p.d
0

x 6= 0 X (B AB )X > 0
x 6= 0
0

X B ABX = (BX) A(BX)


0

A > 0 6= 0 , ademas:BX 6= 0 , |B| =


6 0
0
Se cumple: si A es p.d 6= 0, A > 0
Formas cuadraticas idempotentes:
. Anxn simetrica e indempotente siempre es p.s.d
i = 1 xi = 0 A p.s.d por los menos sera p.d solo en el caso de Inxn
0

. P
Anxn , simetrica e indempotente, ademas Rang(A) = 5, , x, x Ax =
5 2
1 yi .
x 6= 0,
0

x Ax = x cc x
0

x Ax = (c x) (c x)
0

x Ax = y y =

n
X

i yi2

j
X

(yi )2

Donde: T r(A) = j, hay (n j) ceros.

EJEMPLO:
mco = (x0 x)1 x0 y
mcg = (x0 1 x)1 x0 1 y, donde 1 es p.d y simetrica.
v(mco ) v(mcg ) > 0

2.1.15.

Derivadas y Matrices

Formulas: Sean Anxn , xnx1 , anx1


.

a x
=a
x
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

2.1. Algebra de Matrices

49

Ax
0 Ax
=A,
=A
x
x0

x Ax
0
= Ax + A x
x
0

si A = A
0

x Ax
= 2Ax
x
Vector Gradiente:
Sea: F (x1 , x2 , . . . , xn )

F
x1

F
F
x
Fx =
= .2
x
..
F
xn

Matriz Hessiana:
F
x1
F
x2

2F

=
=
=

.
xx
x0 x
x0 ..
F
xn

2F
x1 x1

..
.
..
.

2F
x1 x2

..
.
..
.

...
...

2F
x1 xn

...

2F
x2n

..
.

Teorema: Rango de una producto


Sea Amxn cualquier matriz y Bmxm , Cnxn tal que |B| 6= 0, |c| 6= 0
Rang(BAC) = Rang(A)

Rang(BAC) = Rang [(BA)C] = Rang(BA)


Recordar: Rang(AB) = Ran(B) = n
0

Rang(BA) = Rang(A B ) = Rang(A ) = Rang(A)

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

50

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

2. Repaso Algebraico

www.giddea.com
administracion@giddea.com

Sesi
on 3
Repaso Estadstico
3.1.

Sumatorias

La sumatoria o la operacion de suma, es un operador matematico que permite representar sumas de muchos sumandos, n o incluso infinitos sumandos.
Se expresa con la letra griega sigma ( ), y se define como:
n
X

xi = xm + xm+1 + xm+2 + + xn

i=m

Propiedades:
P
C f (n) = C tn=s f (n), donde C es una constante.
P
P
f (n) tn=s g(n) = tn=s [f (n) g(n)].
.
P
P
P
.
Xi Yi 6= Xi Yi .
P 2
P
.
Xi 6= ( Xi )2

Pt

n=s
Pt
n=s

. X=

3.2.
3.2.1.

Pn

i=1

Xi fi

. Donde fi son las frecuencias de cada Xi

Probabilidades y Variables Aleatorias


Probabilidades

La probabilidad de un evento es la razon entre el n


umero de casos (sucesos)
favorables y el n
umero total de casos posibles. Siempre que todos los casos sean
igualmente posibles.
Sea: N () = n, el numero de elementos del espacio muestral (n
umero total
de sucesos) y N (A) = nA , es el n
umero de elementos del evento A (o n
umero
51

52

3. Repaso Estadstico

de sucesos favorables); la probabilidad del evento A, denotado por P [A] es


la razon de N(A) a N(), o sea:
P [A] =

N (A)
n(A)
numero de casos f avorables
=
=
N ()
n
numero de casos posibles

Axiomas
. 0 P (A) 1 (la probabilidad de un evento cualquiera A esta comprendido entre 0 y 1.
. P () = 1
. Si A1 , A2 , A3 , . . . es una secuencia numerable de eventos mutuamente
excluyentes definidos en , entonces P [A1 A2 A3 . . .] = P [A1 ] +
P [B1 ] + . . .
Propiedades
. si es el evento imposible, entonces P[] = 0
. Para cada evento A, se cumple que: P (Ac ) = 1 P (A)
. Si A B entonces P(A) P(B)
. P(A B)= P(A) + P(B) - P(A B)
. P(A B C )= P(A) + P(B) + P(C) - P(A B) - P(A C) - P(C
B) + P(A B C)
Probabilidad condicional
Sea A y B dos eventos en un espacio muestral . La probabilidad condicional de B dado A es el n
umero P(B/A) que se define por:
si P (A) > 0
P (B/A) =

P (A B)
P (A)

NOTAS:
. Si P (A) = 0, se define P (B/A) = 0
. Observe que (A B) A luego, cada vez que se calcula P (B/A)
estamos realmente calculando P(B) con respecto al espacio muestral
reducido A. Por esto, P(B/A) se interpreta tambien como la actualizacion de P(B) cuando el evento A ha ocurrido.
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

3.2. Probabilidades y Variables Aleatorias

53

. En particular si A y B son dos eventos de un espacio muestral finito


equiprobable , la probabilidad condicional de B dado A se calcula por.
si ]A > 0
P (B/A) =

]P (A B)
]P (A)

. Si (A B) = , entonces, P (B/A) = 0
. Si (A B), entonces, P(B/A)= P(A/A)=1
. Si B A, entonces, P(B/A)=

P (B)
P (A)

Teorema de Bayes
1. Particion de un espacio muestral.
Se dice que la coleccion de eventos B1 , B2 , B3 , . . . , Bk del espacio
muestral representa una particion del espacio muestral , si cumple las siguientes condiciones:(ver grafico 3,1)
. Bi Bj , i6= j, i, j = 1, 2, 3, . . . , k (Los eventos B1 , B2 , B3 , . . ., Bk
son mutuamente excluyentes)
S
. ki=1 Bi = (Los eventos B1 , B2 , B3 , . . ., Bk son colectivamente
exhaustivos)
. P [Bi ] 0, i = 1, 2, 3, . . . , k

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

54

3. Repaso Estadstico

Figura 3.1: Particion del espacio muestral


2. Teorema de probabilidad total
Sea B1 , B2 , B3 , . . . , Bk una particion del espacio muestral , entonces para cualquier evento A en , se cumple:
P [A] =

k
X

P [Bi ]P [A/Bi ] = P [B1 ]P [A/B1 ] + P [B2 ]P [A/B2 ] + . . . +

i=1

P [Bk ]P [A/k2 ]

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

3.2. Probabilidades y Variables Aleatorias

55

Figura 3.2: Relacion entre el evento A en y la particion de


3. Teorema de Bayes
Si los eventos B1 , B2 , B3 , . . . , Bk forman una particion del espacio
muestral y para cualquier evento A de , tal que P (A) > 0 se
tiene que:
P (Ai /B) =

3.2.2.

P (A) x P (B/Ai )
, para cada i = 1, 2, . . . , k
P (B)

Variables Aleatorias

Una variable estadstica es una caracteristica (cualitativa o cuantitativa)


que se mide u observa en una poblacion. si la poblacion es aleatoria y la caracterstica es cuantitativa, entonces, la variable estadstica es denominada
variable aleatoria. Por lo tanto, la variable aleatoria es un concepto particular
del concepto general que es la variable esdstica. Finalmente la variable aleatoria es una variable estadstica cuantitativa definida en un espacio muestral
.
Clasificacion:
Las variables aleatorias son variables cuantitativas, por lo tanto, se clasifican en discretas y continuas.
Variable aleatoria discreta
La variable aleatoria discreta es aquella entre cuyos valores posibles no
admite otros. Su rango es un conjunto finito o infinito numerable de
valores. Si la variable aleatoria X es discreta, su rango se expresara en
general por:
Rx = {x1 , x2 , x3 , . . . , xk , . . .}
1. Funcion de probabilidad de una variable aleatoria discreta.

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

56

3. Repaso Estadstico
Sea X una variable aleatoria discreta. Se denomina funcion de probabilidad de x a la funcion f(x) definidia por f (x) = P [X = x] en
todo x n
umero real y que satisface las siguientes condiciones:
i) P
f(x) 0 x <
ii) xi x f (xi ) = 1
La condicion ii) se desarrolla como:
k
X

f (xi ) = 1, cuando Rx = {x1 , x2 , x3 , . . . , xk } es f inito.

i=1

f (xi ) = 1, cuando Rx = {x1 , x2 , x3 , . . . , etc} es f inito

i=1

NOTAS:
. Si A Rx , entonces, la probabilidad de A es el n
umero:
X
X
P (A) =
P [X = xi ] =
f (xi )
xi A

xi A

. La funcion de probabilidad de una variable aleatoria X se representa usualmente en una tabla(ver grafico ). Tambien se representa graficamente, esta grafica consiste de segmentos verticales
continuos o punteados de longitud proporcional a la probabilidad
respectiva en cada valor xi de la variable (ver grafico ).

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

3.2. Probabilidades y Variables Aleatorias

57

Figura 3.3: Representacion tabular de la distribucion de probabilidad

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

58

3. Repaso Estadstico
2. Funcion de distribucion de una variable aleatoria discreta.
La funcion de distribucion es llamanda tambien funcion de distribucion acumulativa ya que se consideran eventos de la forma:
[X x] y su probabilidad inducida P [X x]
La funcion de distribucion acumulativa de probabilidades de la variable aleatoria discreta X, cuya funcion de probabilidad de f(x), se
define en todos los n
umeros reales por:
X
X
F (x) = P [X x] =
P [X = k] =
f (k), para < x < .
kx

kx

EJEMPLO:
Sea x la variable aleatoria que se define como el n
umero de caras obtenidas
al lanzar un moneda 4 veces.
a) Obtenga y grafique la funcion de distribucion acumulativa F(x).
b) Aplicando la funcion F(x), calcule la probabilidad P [0 < X < 2].
Solucion:
a)La districion de probabilidades de la variable aleatoria X se resume en la
siguiente tabla:

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

3.2. Probabilidades y Variables Aleatorias

59

Figura 3.4: Relacion entre el evento A en y la particion de


La funcion de distribucion acumulativa, se define para todo n
umero real
como sigue:
Si x < 0, entonces, F (x) = 0
Si 0 x < 1, entonces, F (x) = F (0) = f (0) = 1/16
Si 1 x < 2, entonces, F (x) = F (1) = f (0) + f (1) = 1/16 + 4/16 = 5/16
Si 2 x < 3, entonces, F (x) = F (2) = f (0) + f (1) + f (2) = 11/16
Si 3 x < 4, entonces, F (x) = F (3) = f (0) + f (1) + f (2) + f (3) = 15/16
Si x 4, entonces, F (x) = F (4) = f (0) + f (1) + f (2) + f (3) + f (4) = 1
Por tanto, la funcion de distribucion acumulativa esta dada por:

Econometria I con Eviews


Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

60

3. Repaso Estadstico

La grafica de esta funcion de distribucion acumulativa es la figura( ), que


describe una forma de escalera con saltos en los valores de x=0,1,2,3,4 (Ojiva
discreta).

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

3.3. Variables aleatorias

61

b) P [0 < X 2] = P [X 2] P [x 0] = F (2) F (0) = 11/16 1/6 =


10/16.

3.3.

Variables aleatorias

. Variable aleatoria continua


Si el rango Rx , de una varable aleatoria X es un intervalo sobre la recta
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

62

3. Repaso Estadstico
de los nUmeros reales, se llama variable aleatoria continua.
a) FunciOn de densidad de probabilidad.
Sea X una variable aleatoria continua con rango Rx , donde la masa total de la probabilidad estA repartida de modo continuo sobre
un intervalo de la recta real. La funciOn de densidad de probabilidad asociado a la variable aleatoria , es una funciOn f (x)
integrable que satisface las siguientes condiciones:
1. fR (x) 0 : x <R ( o f (x) > 0 : , x Rx
+
2. Rx f (x)dx = 1 ( o f (x)dx)
b) FunciOn de distribuciOn.
Sea X una variable aleatoria continua con funciOn de densidad f (x).
La funciOn de distribuciOn (o funciOn de distribuciOn acumulada) de la variable aleatoria X, denotado por F (x)00 , se define
por:
Rx
Rx
F (x) = P [X x] = dF (x) = f (x)dx , x < ,
donde dF (x) = f (x)dx
. Momentos poblacionales con respecto al origen
Los momentos deRorden 1, 2, ... con respecto al origen se definen por:
+
r = E(X r ) = xr dF (x) =
(P
r
xRx xi p(x) (si X es v.a discreta)
R +
xr f (x)dx (si X es v.a continua)

. Esperanza matemAtica
La esperanza matemAtica de X, es el momento poblacional con respecto
al origen de orden 1, se llama tambiEn, media de la variable aleatoria,
y suele denotarse por
= E(x)
Sea X una v.aleatoria e Y = H(X) una funciOn de X. El valor esperado
de la funciOn H(X), denotado por E[H(x)]00 , se define por:
(P
xRx H(x)p(x) (si X es discreta)
R +
H(x)f (x)dx (si X es v.a continua)

Propiedades
Si X es una v.aleatoria, a y b constantes:
a) E(a) = a
b) E[aH(X)] = aE[H(X)] = a
c) E[aH(x) + b] = aE[H(x)] + b = a + b

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

3.3. Variables aleatorias

63

d ) E[aH(x) + bG(x)] = aE[H(x)] + bE[G(x)]


. Momentos poblacionales con respecto a la media
Al existir la esperanza matemAtica se una v.a, pueden definirse asimismo
momentos con respecto a dicha esperanza por medio de:
mr = E[(x r )] =
(P
r
xRx (xi ) p(x) (si X es v.a discreta)
R +
(x )r f (x)dx (si X es v.a continua)

El momento m1 es igual a cero para toda v. aleatoria: m1 = E[(x


)] E(x) = 0
. Varianza y desviaciOn de una variable aleatoria
La varianza de X, es el momento poblacional con respecto a la media de
orden 2, suele denotarse por V ar(x) o 2
V ar(x) = 2 = E[(x )2 ]
(P
2
xRx (xi ) p(x) (si X es v.a discreta)
R +
(x )2 f (x)dx (si X es v.a continua)

La desviaciOn tIpica se define como la raIz cuadrada, con signo positivo, de la varianza de la variable aleatoria.
Propiedades de la varianza
Si X es una v.aleatoria con media , a y b constantes:
a) V ar(a) = 0
b) V ar(X) = 2 = E(X 2 ) [E(X)]2 = E(X 2 )
DemostraciOn:
V ar(X) = E[(X )2 ]
= E(X 2 2X + 2 )
= E(X 2 ) 2E(X) + 2 )
= E(X 2 ) 2 , (E(X) = )
c) V ar(aX) = a2 V ar(X)
d ) V ar(aX + b) = a2 V ar(X)
DemostraciOn:
V ar(aX + b) = E[(aX + b)2 ] [E(aX + b)]2
= E([a2 X 2 + 2abX + b2 ])
= a2 E(X 2 ) + 2abE(X) + b2 [a2 [E(X)2 + 2abE(X) + b2 ]
= a2 [E(X 2 ) [E(X)]2 ]
= a2 V ar(X)
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

64

3. Repaso Estadstico
. AsimetrIa y curtosis
AsimetrIa
Se llama asimetrIa o sesgo de una variable aleatoria X a la relaciOn:
Sk =

E[(X )3 ]
3
= 3
3

La medida Sk es positiva, negativa o cero. Si:


Sk > 0 la distribuciOn estA sesgada a la derecha (asimetrIa
positiva)
Sk < 0 la distribuciOn estA sesgada a la izquierda (asimetrIa
negativa)
Sk = 0 la distribuciOn es simEtrica con respecto a la media.
Curtosis
Se llama curtosis o coeficiente de curtosis de una variable aleatoria
X a la relaciOn:
Ck =

E[(X )4 ]
4
= 4
4

. Desigualdad de Chebyshev
Si la variable aleatoria X tiene esperanza matemAtica y varianza 2
finitas, es decir existen:
P [|X | k]

1
, k > 1
k2

. Variables aleatorias bidimensionales


Si es el espacio muestral asociado a un experimento aleatorio , y X
e Y dos funciones, que asigna un nUmero real x = X(), y = Y ()
a cada uno de los elementos ; el par (X,Y) se llama variable
aleatoria bidimensional o vector bidimensional.
a) Variable aleatoria bidimensional discreta
Si los posibles valores de (X,Y) son finitas o infinito numerable,
entonces (X,Y) se llama variable aleatoria bidimensional discreta. Es decir, los posibles valores de (X,Y) se puede representar
por,
(xi , yi ), i = 1, 2, . . . , n ; j = 1, 2, . . . , m con rango RXY . A cada
posible resultado (x,y) de (X,Y), se le asocia un nUmero,
p(x, y) = P [X = x, Y = y]
Econometria I con Eviews
Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

3.3. Variables aleatorias

65

llamado funciOn de probabilidad conjunta, que cumple las siguientes condiciones,


*P
p(x, y) 0 P(x, y)
* (x,y) RXY
p(x, y) = 0
Los valores [(x, y), p(x, y)] para todo (x, y) RXY , se denomina
distribuciOn de probabilidad conjunta.
La funciOn de distribuciOn acumulada de la variable aleatoria bidimensional estA definida por,
F (x, y) = P [X = x, Y = y] =

y
x
X
X

p(u, v)

u= v=

La funciOn de probabilidad individual para X e Y se llaman distribuciones de probabilidad marginal o funciones de probabilidad marginal.
La DistribuciOn Marginal para X, estA dado por,
X
X
pX (x) = P [X = x] =
P [X = x, Y = y] =
yRY |X=x

p(x, y)

yRy |X=x

donde y Ry |X = x es el rango de valores para Y, dado que X = x.


La DistribuciOn Marginal para y, estA dado por,
X
pY (y) = P [Y = y] =
p(x, y)
yRX |X=x

b) Variable aleatoria bidimensional continua


Si los posibles valores de (X,Y) son todos los valores de un conjunto
no numerable del plano Euclediano, entonces (X,Y) se denomina
variable aleatoria bidimensional continua.
. Funcion de densidad de probabilidad condicional
La relaciOn entre dos variables aleatorias puede verse hallando la distribuciOn de cada una de ellas, dado por el valor de la otra.
Recordando, la probabilidad condicional de A dado B:
P [A|B] =

P [A B]
P [B]

tenemos:
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

66

3. Repaso Estadstico
V.a. discretas
a) FunciOn de densidad de probabilidad condicional de v.a discretas
Sean X e Y variables aleatorias discretas. Se define la funciOn
de densidad de probabilidad condicional de X dado Y = y
como sigue:
P [X = x, Y = y]
P [Y = y]

fX|y (x|y) = P [X = x, Y = y] =

y / P [Y = y] > 0
b) FunciOn de distribuciOn condicional de v.a discretas
La funciOn de distribuciOn condicional de X dado Y = y, se
define como:
X
FX|y (x|y) = P [X x, Y = y] =
fX|y (x|y)
kx

y / P [Y = y] > 0
c) Valor esperado condicional de v.a discretas
El valor esperado condicional de X dado Y = y, se define como:
X
xfX|y (x|y) y / P [Y = y] > 0
E(X|Y = y) =
x

EJEMPLO:
La distribuciOn de probabilidad conjunta de las variables aleatorias
X e Y estA dada por la siguiente tabla:

Figura 3.5: Tabla de distribuciOn de probabilidad conjunta

E(X|Y = 1) =

xRx

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

xfX|y (x|y) =

xP [X = x|Y = 1]

xRx

www.giddea.com
administracion@giddea.com

3.3. Variables aleatorias

67

(1)P [X = x|Y = 1] + (1)P [X = x|Y = 1]


1
2
1
(1)( ) + (1)( ) =
3
3
3
Ya que,
P [X = 1|Y = 1] =

P [X = 1|Y = 1]
1/8
1
=
=
P [Y = 1]
3/8
3

y
P [X = 1|Y = 1] =

P [X = 1|Y = 1]
1/4
2
=
=
P [Y = 1]
3/8
3

V.a. continuas
a) FunciOn de densidad de probabilidad condicional para v.a con
fdp conjunta f
Sean X e Y variables aleatorias con funciOn de densidad de
probabilidad conjunta f. Se define la funciOn de densidad de
probabilidad condicional de X dado Y = y como sigue:
fX|y (x|y) =

f (x, y)
fY (y)

y / fY (y) > 0
b) FunciOn de distribuciOn condicional para v.a con fdp conjunta
f
La funciOn de distribuciOn condicional de X dado Y = y, se
define como:
Z x
FX|y (x|y) = P [X x, Y = y] =
fX|y (t|y)dt

y / fY (y) > 0
c) Valor esperado condicional para v.a con fdp conjunta f
El valor esperado condicional de X dado Y = y, se define como:
Z
E(X|Y = y) =
xfX|y (x|y)dx y / fY (y) > 0

. Varianza condicional
Sean X e Y variables aleatorias,la varianza condicional de X dado
Y = y, se define como:
Y |X 2 = E = [(X E(X|y))2 |y]
Econometria I con Eviews
Aplicado a la Investigaci
on Econ
omica

www.giddea.com
administracion@giddea.com

68

3. Repaso Estadstico
. Covarianza y coeficientes de correlaciOn (Pearson, Markowitz, Fisher)
Sean X e Y dos variables aleatorias con media X y Y , respectivamente.
00
La covarianza de X e Y, denotado por Cov(X, Y )00 , X,Y
, se define
por
Cov(X, Y ) = X,Y = E[(X X )(Y Y )] =
Cov(X, Y ) = E(X, Y ) X Y
* Si X e Y son variables aleatorias independientes,
Cov(X, Y ) = 0
V ar(X + Y ) = V ar(X Y ) = V ar(X) + V ar(Y )
*Si X e Y son variables aleatorias con funciOn de probabilidad conjunta
y varianzas finitas, entonces,
V ar(aX + bY ) = a2 V ar(x) + b2 V ar(Y ) + 2abCov(X, Y )
* Coeficiente de correlaciOn de Markowitz
Sean X e Y variables aleatorias con desviaciOn estAndar X y Y respectivamente. El coeficiente de correlaciOn de X e Y, denotado
(X, Y ), se define por,
(X, Y ) =

3.4.

Cov(X, Y )
X Y

Distribuciones Importantes.

3.4.1.

Distribuciones Discretas.

3.4.2.

Distribuciones Continuas.

Distribucion Exponencial
Distribucion Beta
Distribucion Gamma
Distribucion Chi-cuadrado
Distribucion T-student
Distribucion Fisher

3.4.3.

Teorema del lmite central y teora de los grandes


n
umeros

Aproximacion de la chi- cuadrado a la normal

Econometria I con Eviews


Aplicado a la Investigaci
on Economica

www.giddea.com
administracion@giddea.com

Bibliografa
[1] Moya, Rufino - Estadstica Descriptiva.
[2] Moya, Rufino; Saravia, Gregorio. -Probabilidad e Inferencia Estadstica.
[3] Wooldridge, Jeffrey M. - Introduccion a la Econometra.
[4] Gujarati, Damodar - Fundamentos de Econometra

69