Introduccin a la Econometra
1.1
Propsito y denicin
1.2
Metodologa de la econometra
1.3
Tipos de econometra
2
2.1
2.2
2.2.1
Continuas
2.3
2.3.1
Utilizando una frmula que exprese las probabilidades mediante una funcin
P [X = x] : Dicha funcin debe cumplir ciertas propiedades
1. P [X = x] 0
X
2.
P [X = x] = 1 la suma de todas las probabilidades
2.4
Valor esperado de una variable aleatoria discreta (medida de tendencia central poblacional)
Se utiliza como medida de localizacin del centro de la distribucin y su frmula viene dada por la suma de cada valor multiplicado por su probabilidad
En otras palabras, se calcula el promedio de los valores que puede tomar la
variable aleatoria donde cada valor est ponderado por la que probabilidad de
que la variable tome dicho valor, de tal forma que los valores que tienen ms
probabilidadPde ocurrir tendrn mayor ponderacin.
E [X] = x
PP [X = x]
E [g(X)] =
g(x)P [X = x]
Propiedades
E [a + bX] = a + bE [X]
2.5
V ar(X) = E X 2
[E (X)]
Propiedades
V ar(a + bX) = b2 X
Si X y Y son variables aleatorias independientes,
V ar(X + Y ) = V ar(X) + V ar(Y )
V ar(X Y ) = V ar(X) + V ar(Y )
Si X y Y son va independientes y a y b son constantes,
V ar(aX + bY ) = a2 V ar(X) + b2 V ar(Y )
2.6
La funcin de densidad se usa para caracterizar la distribucin de probabilidad. Gracamente la funcin de densidad corresponde a la forma limite del
histograma de frecuencias relativas.
2.6.1
Utilizando una frmula que exprese las probabilidades mediante una funcin
f (x) Dicha funcin debe cumplir ciertas propiedades
1. f (x) 0
Z
2.
f (x) = 1 la integral de todas las probabilidades
Podemos representar gracamente la funcin de probabilidad discreta mediante las grcas de sus densidades
Por otro lado, a veces es importante denir la funcin de distribucin acumulada de probabilidad denida como la probabilidad de que la variable aleatoria
tome valores menores o iguales a un valor jo.x
F (x) = P [X x]
y la obtenemos integrando la funcin de densidad para todos los valores de
la variable aleatoria que sean menores o iguales que un valor jo
2.7
Valor esperado de una variable aleatoria continua (medida de tendencia central poblacional)
E [g(X)] =
Z1
g(x) f (x) dx
Propiedades
E [a + bX] = a + bE [X]
2.8
h
V ar(X) = E (x
Propiedades
E [X])
= E X2
[E (X)]
V ar(a + bX) = b2 X
Si X y Y son variables aleatorias independientes,
V ar(X + Y ) = V ar(X) + V ar(Y )
V ar(X Y ) = V ar(X) + V ar(Y )
Si X y Y son va independientes y a y b son constantes,
V ar(aX + bY ) = a2 V ar(X) + b2 V ar(Y )
Sirven para saber si una variable inuye sobre la otra. Para saber si existe una
relacin, positiva o negativa entre dos variables.
3.1
Diagrama de dispersin
Una primer forma para saber cual es la relacin entre dos variables es obteniendo el diagrama de dispersin. En el eje horizontal ponemos la variable
independiente y en el vertical la variable dependiente.
3.2
Covarianza
Cov (X; Y ) =
Z1 Z1
(X
x)
f (x; y) dxdy
1 1
Propiedades
Cov (a + bX; c + dY ) = bdCov (X; Y )
Si X y Y son independientes, su covarianza es cero
Varianzas de 2 variables correlacionadas
V ar(X + Y ) = V ar(X) + V ar(Y ) + 2Cov (X; Y )
V ar(X Y )!
= V ar(X) + V ar(Y ) 2Cov (X; Y )
n
n
X
X
XX
V ar
Xi =
V ar(Xi ) + 2
Cov (Xi ; Xj )
i=1
3.3
i=1
i<j
Coeciente de correlacin
Mide el grado de asociacin existente entre dos variables sin ser afectada por
las unidades. Sus valores van desde -1 a 1. En esta medida tanto el signo como
la magnitud nos da informacin.
Cov(X; Y )
= Corr(X; Y ) =
x y
3.4
3.4.1
varianza
1.66
6.63
2
2
Y = aX1 + bX2
donde a y b son constantes, entonces Y
N a 1 + b 2 ; a2 21 + b2 22
Si X y Y estn distribuidas normalmente de manera conjunta, son independientes si y slo si la covarianza entre ellas [es decir, cov(X,Y )] es cero.