UNIVERSIDAD PRIVADA DE TACNA

FACULTAD DE CIENCIAS EMPRESARIALES

PRACTICA 01: ECONOMETRIA

1.-Supóngase que está a cargo de una autoridad monetaria central en un país mítico. Se
le dan los siguientes datos históricos sobre la cantidad de dinero e ingreso nacional (
ambos en millones de dólares)

Cantidad Ingreso
Año de dinero nacional

1987 2.0 5.0

1988 2.5 5.5
1989 3.2 6.0
1990 3.6 7.0
1991 3.3 7.2
1992 4.0 7.7
1993 4.2 8.4
1994 4.6 9.0
1995 4.8 9.7
1996 5.0 10.0
1997 6.0 11.0
1998 6.5 12.0

a) Haga una gráfica de estos puntos en un diagrama de dispersión. Luego estime la

regresión del ingreso nacional Y sobre la cantidad de dinero X y haga la gráfica de la
recta en el diagrama de dispersión.
a) ¿Cómo interpreta el intercepto y la pendiente de la recta de regresión ?
b) Si tuviera el control único sobre el suministro de dinero y deseara un nivel de
ingreso nacional de 12.0 en 1997, ¿ en que nivel establecería de dinero? Explique.

2.- Para el ejercicio 1 construya intervalos de confianza del 95% para los parámetros .
¿ puede rechazar la hipótesis nula β 2 = 0 y β2 = 1

3.- Discuta las diferencias en las pruebas estadísticas asociadas con los parámetros de
una regresión cuando:
a) La varianza del error es conocida y no se conoce
b) El tamaño de la muestra es finito menor que 30

4.- Los siguientes datos son los rangos de 10 estudiantes en los exámenes intermedios y
finales de estadística. Calcúlese el coeficiente de rango de correlación de Spearman
e interprétese

________________________________________________________________
 Estudiante
Rango A B C D E F G H I J
___________________________________________________________________
Intermédios 1 3 7 10 9 5 4 8 2 6
Finales 3 2 8 7 9 6 5 10 1 4
___________________________________________________________________

5.- “La resistencia del cemento depende, entre otras cosas, del tiempo de secado del
cemento . En un experimento se obtuvo la resistencia de bloques de cemento con
diferente tiempo de secado los resultados fueron los siguientes

Tiempo Resistencia (kg/cm2)

(días)
1 13'0 13'3 11'8
2 21'9 24'5 24'7
3 29'8 28'0 24'1 24'2 26'2
7 32'4 30'4 34'5 33'1 35'7
28 41'8 42'6 40'3 35'7 37'3

En base a esta muestra,

1. Analizar la posible existencia de una relación entre estas dos variables.

2. ¿Qué conclusiones se deducen del contraste de regresión?

6. “Se llevó a cabo un estudio para determinar la relación entre el número de años de
experiencia y el salario mensual, en miles de pesetas, entre los informáticos de una
región española. Para ello, se tomó una muestra aleatoria de 17 informáticos y se
obtuvieron los siguientes datos

Exper. Salario Exper. Salario Exper. Salario

13 26'1 31 36'4 27 36'0
16 33'2 19 33'8 25 36'5
30 36'1 20 36'5 7 21'4
2 16'5 1 16'9 15 31'0
8 26'4 4 19'8 13 31'4
6 19'1 10 24'6

a) Calcular la regresión lineal de la variable salario frente a años de experiencia.

b) Calcular el coeficiente de correlación lineal y el coeficiente de determinación
c) Estimar la predicción del salario de un informático que tiene 8 años de experiencia.
d) ¿Se observa alguna anomalía en el gráfico de los residuos frente a la variable
regresora.”
 e) Si se utilizase un ajuste cuadrático ¿se obtienen mejores resultados?

7- Los datos de la tabla adjunta son el conjunto clásico de datos del test psicológico de
Strong sobre retención de memoria. Los datos se tomaban de la siguiente manera: un
conjunto de individuos memorizaban una lista de objetos inconexos y pasado un tiempo la
recordaban. La variable p indica el porcentage de retención de memoria en promedio y la
variable t es el tiempo transcurrido. El objetivo del estudio era explicar la variable p en
función de t.

t p t p t p

1 0'84 60 0'54 720 0'36

5 0'71 120 0'47 1440 0'26

15 0'61 240 0'45 2880 0'20
30 0'56 480 0'38 5760 0'16

a) Analizar este conjunto de datos y estudiar la relación de la variable p respecto a t.

b) Estudiar analítica y gráficamente un modelo del tipo p = exp(- t), que sugiere una
pérdida geométrica de la memoria.
c) Estudiar analítica y gráficamente un modelo del tipo log p = 0 + 1t. ¿Qué
interpretación tiene este modelo?, ¿Qué ajuste es mejor?”.

8.- En quince casas de la ciudad de Milton Keynes se observó durante un período de tiempo
la diferencia de temperatura promedio (en grados centígrados) entre la temperatura en la
calle y la temperatura en casa, y el consumo de gas diario en kWh.

Dif. temp Consumo Dif. temp Consumo Dif. temp Consumo

10'3 69'81 13'4 75'32 15'6 86'35
11'4 82'75 13'6 69'81 16'4 110'23
11'5 81'75 15'0 78'54 16'5 106'55
12'5 80'38 15'2 81'29 17'0 85'50
13'1 85'89 15'3 99'20 17'1 90'02

a) Hacer una gráfica de los datos. ¿Existe relación entre estas dos variables?
b) ¿Se puede explicar el consumo de gas por una relación lineal con la diferencia de
temperatura?.
c) Ajustando un polinomio de mayor grado, ¿se obtiene un mayor coeficiente de
determinación?, ¿qué modelo es preferible?”
09.- Considérese el siguiente resultado de una regresión:
Y = 0.20332 + 0.6560X
ee = (0.0976) (0.1961)
2
r = 0.397 SRC = 0.0544 SEC = 0.0358
Donde Y = tasa de participación de la fuerza de trabajo (TPFT) de las mujeres en
1972 y X = TPFT de las mujeres en 1968. Los resultados de la regresión se
obtuvieron de una muestra de19 ciudades de Estados Unidos
a) ¿Cómo se interpretaría esta regresión?
b) Pruébese la hipótesis H0 : β2 = 1, contra H1: β2 >1. ¿Qué prueba se utilizaría?
¿por qué? ¿cuáles son las suposiciones subyacentes de la(s) prueba(s) ?

c) Supóngase que la TPFT para 1968 fue de 0.58 (o 58%). Con base en los
resultados de la regresión dados antes. ¿Cuál es la TPFT media en 1972?
Establézcase un intervalo de confianza del 95% para la predicción de la media.

10.- Dado la siguiente información correspondiente Al salario promedio de un maestro

de escuela pública y el gasto en educación pública por alumno para 1985 en los
30 estados y el Distrito de Columbia en Estados Unidos.

SALARIO PROMEDIO Y GASTO PROMEDIO POR ALUMNO

(DOLARES ) 1995
---------------------------------------------------------------
Salario Gasto Salario Gasto
2338
19583 3346 2 3594
2062
20263 3114 7 2821
2279
20325 3554 5 3366
2157
26800 4642 0 2920
2208
29470 4669 0 2980
2225
26610 4888 0 3731
2094
30678 5710 0 2853
2180
27170 5536 0 2533
2293
25853 4168 4 2729
1844
24500 3547 3 2305
1953
24274 3159 8 2642
 2046
27170 3621 0 3124
2141
30168 3782 9 2752
2516
26525 4247 0 3429
2248
27360 3982 2 3947

A fin de averiguar si existe alguna relación entre el salario del maestro y el gasto
por alumno en las escuelas públicas, se sugirió el siguiente modelo: Sueldo, = β1
+ β2 Gastoi + ui , donde la variable Sueldo es el salario del maestro y la variable
Gasto significa gasto por alumno.
a) Grafíquense los datos y trácese la recta de regresión
b) Supóngase, con base en el inciso a), que se decide estimar el modelo de regresión
dado antes. Obténgase los estimados de los parámetros, sus errores estándar, r2 ,
la SRC y la SEC.
c) Interprétese la regresión. ¿Tiene sentido económico?
d) Establézcase un intervalo de confianza del 95% para B. ¿Se rechazaría la hipótesis
de que el verdadero coeficiente de la pendiente es 3.0?
e) Obténgase el valor individual pronosticado y la media del Sueldo, si el gasto por
alumno es de $ 5 000. También establézcanse intervalos de confianza del 95%
para la verdadera media y el verdadero valor individual del Sueldo, para la cifra
correspondiente al gasto dada antes.

11.- Dado los siguientes datos

IMPACTO DE LOS GASTOS EN PUBLICIDAD ( MILLONES s/.)

EMPRESA IMP. GASTO

Millar live 32.1 50.1

Pepsi 99.6 74.1
Stroh´s 11.7 19.3
Fed´ I Express 21.9 22.9
Burger King 60.8 82.4
Coca Cola 78.6 40.1
Mc.Donal 92.4 185.9
MCI 50.7 26.9
Dit Cola 21.4 20.4
Ford 40.1 166.2
Levís 40.8 27.0
Bud Lite 10.4 45.6
ATT/Brasil 88.9 154.9
Calvin 1 5
Wendy 29.2 49.7
Polaroi 38 26.9
 Shasta 10 5.7
Meow 12.3 7.6
Osacar 23.4 9.2
Crest 71.1 32.4
Kibbles 4.4 6.1

a) Grafíquense los datos sobre impresiones en el eje vertical y el gasto

publicitario en el horizontal. ¿Qué tipo de relación se observa?
b) ¿Sería apropiado ajustar un modelo de regresión de dos variables a los
datos?¿Por qué si o por qué no? Si la respuesta es negativa , ¿Qué tipo de
modelo de regresión se ajustaría a los datos? ¿Se cuenta con las
herramientas necesarias para ajustar dicho modelo?
c) Supónganse que no se grafican los datos y que simplemente se ajusta el
modelo de regresión con dios variables a los datos. Obténganse los
resultados usuales de la regresión. Guárdense dichos resultados para
revisar posteriormente este problema.