Econometría - Lissete Rivera Casavantes

ECONOMETRÍA REP ASO - Variables \u2192 Discreto - Función de masa de probabilidad fxlx ) \u2192 fxlx ) = pr ( X - - x ) \u2192 Ej \u2192 Pr LXE 3) = P ( x = 1) t p ( x = 2) t P ( x = 3) \u2713 \u2192 Continua \u2192 Función de densidad de probabilidad fyly ) \u2192 Pr ( XE x ) = FÉ , fxlx - - i ) ° Parám e t ro s \u2192 Discreta \u2192 Continua \u2192 Discreta \u2192 continua \u2192 Dispersión de los datos sobre la media o . \u2192 Grado de variación conjunto entre LX , y ) . varia b l e s dep \u2192 Fuerza y dirección de una relació n entre dos varia b l e s . Variables dep Es la nov estandarizada . Media - T endencia central de los datos \u2192 EPLXIN Py anaquilera@fen.uchile. cl Operaciones básicas \u2192 t ; - ¡ I ; * , ^ Objetos \u2192 se definen con una flecha la - ) \u2192 Tipos \u2192 Numérico \u2192 a c- 9 ( classes ) \u2192 character \u2192 a c- " hola " \u2192 lógico \u2192 a c- TRUE Funciones útiles \u2192 Promedio \u2192 mear ly ) \u2192 b c- FALSE \u2192 Máximo \u2192 Max ly ) \u2192 Mínimo \u2192 Min l ) \u2192 Paso de un tipo a otro \u2192 b c- " 2 " \u2192 suma los elementos \u2192 sum lx , y , w ) [ c- as . numericlb ) \u2192 Multiplica \u2192 prodlx , y , w ) \u2192 Raíz \u2192 sqrt L ) vect o re s \u2192 c ( " a " , " b " , " c " ) } Deben ser todos los valore s del mismo tipo . - logaritmo n \u2192 loql ) \u2192 cl 1,2 , 3) \u2192 Tr a n s f o r m a n a entero \u2192 as . integren \u2192 largo \u2192 nnqlhl ) secuencias \u2192 seq 1 1 :S ) \u2192 Desviación estancar \u2192 sdc ) iguales geq (g) } \u2192 varian z a \u2192 var , y seq 11, 5 ) \u2192 covarianza \u2192 nov ( v , w ) \u2192 seq 11,5 , 1) \u2192 secuencia del 1 al b de 1 en 1 \u2192 vecto r ceros \u2192 nvmeric lwanto , 0 quiero ) \u2192 Repetir \u2192 Rep 16, 6 ) Data frame \u2192 Ej : mesa - c ( " E " , " F " , " M " , " A " , " M " , " J " , " J " ) ( TA B L A ) producto 1 c- el 0,3 , 6,9 , 7, 8 , 10 ) Importar Bases de dato \u2192 setwd ( " ubicación archivo " ) producto 2 c- c 11,2 , 3,4 , S , 9,6 , 4) \u2192 CSV \u2192 Datos no vienen en columna , productos c- el 2 , 4,4 , 2,3 , 2,5 ) \u2192 pools \u2190 read . csv ( " pods . csv " , header = TRUE , sep = " - " ) venta ) C- data . frame ( mel , productos , productor , productos ) View ( venta s ) Instalar paquetes \u2192 install . packaqel l " " l \u2192 library I ) \u2192 para abrirlo Estructura lstr ) \u2192 muestra la estructura de un objeto en R . \u2192 read - Xlsxl " " , n de hoja ) \u2192 str cuentas ) V. ES T AN D AR IZAD A a- o o " Yi = xii- N Ox \u2022 Tr a n s . lin eal \u2192 YNN ( N - - a puxtb ; 02=220 × 2 ) \u2022 suma Nor males in dep - Wu N IN ' Nxt Ny ; 02=0 × 2 t vi , ' ) } Me da una V. no r ma l \u2022 Pr o medio de va r i a b l e s no r ma l es iid \u2192 Tu NI N - - Ny ; O ' = ) \u2022 I ndep fr e n t e a un va l o r nul o de no v \u2192 lo vlx , 43=0 \u2192 I ndepl xv IN IN X ; 0 × 2 ) ; YNNI NY ; vi , ' ) ) PROBABI LI D AD E S MARG I NALES IN V 4= 1 4=2 4=3 T a- P. M G de que p 8=0 0, 1 1 0, 1 8 0, 1 4 0, 4 3 x. o 0, 4 3 es la pr o ba bilida d de que el pr ec io del cob r e sea ba j o . X = 1 0,0 6 0, 1 9 0, 3 2 0, 5 7 T " M ¥ 4 9 " T 0, 1 7 0, 3 7 0, 4 6 1 " P. M Y ? q 9 u t P. M q q a q u l P. M 9 d e q u e Y = 3 E P. M q l y o x ) = 1 ¡ con d i ci ón PROBABI LI D AD CO NDICIO NAD A t eor ema de Ba y es - PI K - xily - yl- Plx - xi.HN Ply - - y ) \u2192 con d i ci ón Prl 4=318--1 ) = PLX =p , y =3 ) PH " ) ) " " " " " " " " " ° " " " " " " " " " " " " " " " " " " " PL Y IX - - I ) = 0, 5 6 In v 14=1 ) ( 4=2 ) y =3 ) E PLX xil y - - y ) = 1 PLI NVI X :O ) 0, 2 6 0, 4 2 0, 3 3 PLI NVI X - - I ) 0, 1 1 0, 3 3 0156 ESPERANZA CONDICIONADA EIYIX ) = É , yi . P ( Y = yil X = x ) Esperanza del plan de inversión siendo que el precio es alto \u2192 El y = yil X = 1) = 0,11 t 10, 33 - 2) + ( 0,56 . 3) = 2,45 ley de esperanzas iteradas \u2192 ELEL YIXJ ] \u2022 EL Y J = § , LY I X - - xit.fr /X =Xi ) Valor esperado de el plan de inversiones de CODELCO \u2192 EL Y J = EIEL YIXD { o EL YIX - - xi ) - PIX = xi ) % , El Y yt HO ) . PIX :O) t § , El 4=41 X - - 1) = ( 0,2 6 t 10, 422 ) t 10, 33 - 3) ] . 0,43 t ( ( 0,11 t 10, 33 - 2) t ( 0,56 . 3) ) - 0,17 = 0,87 7 t 1,402 2 = 2,28 VA R I A B L E S CONJUNT AS si son independientes \u2192 fxy IX. 4) = PIX :X , Y - - y ) = fxlx ) fyly ) = PLX . - x ) - PIY = y ) \u2192 Var IYIX ) = Varly ) \u2192 lov IX. 4) = 0 ( XL Y ) } Esto no indica que necesariamente sean varia b l e s indep . \u2192 lorlx , 4) = O ES TIMADOR \u2192 Herramienta estadística que busca aproximar un parámetro de interés \u2192 El más eficiente en el que tiene la menor varian z a Insesqado \u2192 te define al estimador ( Ó ) insertado del parámetro poblacional de interés cuando E (G) = O ksqo \u2192 Diferencia entre el valor esperado del estimador Ó y el verda d e ro parámetro \u2192 S = EIÓ ) - O Estimador in sesgado \u2192 sesgo = O \u2192 Al momento de evaluar el error cuadrático medio del error no contienen componente por sesgo \u2192 MSE = EIIÓ - O ) ' ) MIE = Var IÓ ) t Sesgo ? MSEI = Var IÓ ) y Al ser un alumno cualquiera si es un e) timador \u2192 Ó , = x , \u2192 E Ión ) = El = N \u2192 El Óz ) = ioo ) = tz ( ELX , ) t E IX. oo ) ) = tz N t N = 12, 121N ) = N É f ( Xatxb ct Xd ) = tq ( E l Xa ) t Elxb ) t Elxc ) t Elxd ) ) = tq ( Nnt Nmt Nnt Nm ) = ¥ MN ) = N } NO ! CONVERGENCIA EN PROBABILID AD Media muestra / Í \u2192 Estimador que representa el promedio de una muestra , prov enientes de una población con media µ y varian z a O ? Es timador consistente \u2192 A medida que aumenta el tamaño de la muestra comienza a converger en probabilidad al verda d e ro valor de la media poblacional ley de los grandes números \u2192 A medida que se tiene una muestra cada vez mayor , la probabilidad del error será cada vez más chico \u2022 condiciones de conver gencia T eoría de conver gencia \u2192 Distribución no normal conocida - Análisis eipeujiw de conver gencia de distribuciones específicas \u2192 Distribución no normal de / conocida TEOREMA DEL LÍMITE CENTRAL \u2022 n > 30 \u2022 ~ Nin . ;) } TEORÍA DE CONVERGENCIA Ny = Ñ ± ¥ 0 , fpa Dist (2-1 × 121) INTERV ALO DE CONFIANZA \u2022 sobre la media ( dos colas ) \u2192 Rango de datos el cual indica que l n - an ) de cada n muestra , contengan el verda d e ro valor de la media \u2192 Propiedades \u2192 Es una medida de rango , no de hipótesis ( int . de confianza ) \u2192 Depende de la selección muestral de datos \u2192 Depende de n y del nivel de significancia (d) \u2192 confianza = 1- significancia \u2192 criterios recomendados I \u2192 Recha zo Á 1 1 | 4/2 l l ' Xlz , N \u2192 Hipótesis \u2192 Nula ( Ho ) \u2192 Condición de status quo ( =) \u2192 Alternativa IH , ) \u2192 Busca probar más allá de una duda razonable \u2192 # \u2192 s o a 1 2 \u2192 Tipos de error \u2192 1 \u2192 Rechaz a r Ho siendo que es correcta \u2192 Pl X ¥ T I X = T ) \u2192 a \u2192 Ace p t a r Ho siendo que es incorrecta \u2192 p ( X = T I XFT ) . \u2192 T = Í - N ¥ \u2192 Plan de acción \u2192 VA L O R - P \u2192 Ma y or ni v el de signif ic a nc ia al que se r ec haza Ho \u2192 si \u2192 V alor pa x \u2192 re c h a zo Ho \u2192 va l o r p sx \u2192 no re c h a zo Ho REGRESIÓN LINEAL \u2192 Obj etiv o ) \u2192 Pr edic c ió n \u2192 Mediant e una es tima c ió n es ta dís tic a en el va l o r de la va r i a b l e r espues ta en ba se a los va l o r e s individuales de cad a una de las va r i a b l e s indep \u2192 In f e r e n ci a cau s al \u2192 Cu an t ificar es ta dís tic a ment e los ef ec t os de la va r i a b l e r espues ta fr e n t e a cam b i o , en las va r i a b l e s indep . \u2192 Princ ipios \u2192 cau s ali d ad \u2192 ef ec t o cau s al \u2192 De t e r m i n aci ón del com p or t am i e n t o fr e n t e a la inf o que le entr ega n las va r i a b l e s indep . hr s . es tudio hr s . de es tudio uso ce lu lar Nota , uso ce lu lar ¥ no ta s Ap o y o psic o l ó gic o u u \u2192 Yi = Bo t Be ' Xi t Ui De t e cci ón - cu an t ificación del E. cau s al \u2192 Con dicion es \u2192 Fo r mula c ió n lin eal \u2192 P os ib ilid ad de que tlvi ) = O \u2192 E ( Vitti ) = O \u2192 El er r or el in dep de las v. indep . \u2192 Dat os de la mues tra obt en idos mediant e iid \u2192 Dat os ex t r e m o s so n po c o pr o ba bl es \u2192 In f e r e n ci a y pr edic c ió n \u2192 De t e r m i n ar cu ar t o af e c t a una va r i a b l e r espues ta a la inf or mac ión pr o v enient e de las va r i a b l e s indep \u2192 cu an t i fi car las sensibil ida des ( inf er enc ia ) com o pa r a pr o no s tic a r va l o r e s ( pr edic c ió n ) h . de es tudio = 2 no ta s USO ce lu lar = O glhe 2 , Ce ls o ) U \u2192 lekris Pa r i bv s \u2192 Medir el com p or t am i e n t o de la va r i a b l e r espues ta al manipular el va l o r de una va r i a b l e indep en pa r tic ul a r mant eniendo con s t an t e el va l o r de otras va r i a b l e s indep . \u2192 Mien tras \u2466 va r i a b l e , con t r olo más fa c i l ev i t a r el sesgo \u2192 Cau s alidad \u2192 Ef e c t o de cas u ali d ad \u2192 lo op u es t o al pr inc ipio de cas u ali d ad \u2192 El acop lamie n t o de dos va r i a b l e s no au g u ra un sentido viable . \u2192 El an ális is t eórico debe ha c er sentido . Modelo Ve r d a d e r o \u2192 Dat os P ob laci on ale s \u2192 set de n da t os que desc riben a una p ob laci ón \u2192 T ipos de va r i a b l e s \u2192 Lo s da t o s Yi t { Y , , Ya , . . . , yn } r eflej an los da t o s de la va r i a b l e dep lr ta ) \u2192 LO I da t o s Xij E { X. , , Xiz , . . . , Xin } su con ju n t o det er mina el va l o r de las dep , ba j o un pr inc ipio de cau s ali d ad , el er r or \u2192 El er r or Uj t { Ue , Uz , . . . , UN } " \u2192 Lo r i n ri te ' i . r \u2192 Ti p o de in f o \u2192 los da t os de Yi so n obs erv ables \u2192 El con ju n t o de da t os Xij el Obser v a bl e y se tiene inf o so br e el \u2192 El er r or l Uj ) no el obs erv able \u2192 For mula c ión \u2192 Yi = Bo t Br Xii t Bz Xizt . . ' t Bn , Xim t Ui ii. { 1 . . - n } Yi \u2192 v. rt a Bo \u2192 In t e r ce p t o o con s t an t e Bj \u2192 coe fi ci e n t e lin eal p ob laci on al at a viad o a la va r i a b l e Xij \u2192 V ariables in dep Vi \u2192 Er r or \u2192 No es po sibl e con t ar con t odos los da t os po bla c io na les \u2192 se ex i g e \u2192 ke n pq / - Ke n \u2192 no ha y er r or n { va r i a b l e , | \u2192 K s n \u2192 ¥ vi µ va r i a b l e ale at oria pq depende de y \u2192 y ¡ = But B1 Xi t Ui ] y y De _ po bla c io n . I a nnueiir Yi = b. o tb , Xi t Úi \u2192 M dilo de pr edic c ió n y er r or es tima do - r esiduo \u2192 iyi bo + b , :X ; Ü ; yi - ¡ i

Econometría - Lissete Rivera Casavantes

Otros

Outros

Otros

Continuar navegando

Materiales relacionados

Otros materiales