Econometría II - examen (SOLUCION)
|
|
- María Jesús Villalobos Santos
- hace 5 años
- Vistas:
Transcripción
1 Econometría II - examen (SOLUCION) 4 de septiembre de 2006 Nombre y Apellidos: ID: Grupo: Lea cuidadosamente cada pregunta Responda muy claramente dentro del espacio asignado El valor de cada pregunta se indica entre corchetes Tiempo límite: 80 minutos Total de puntos: 100 BUENA SUERTE 1
2 Pregunta 1 [30 puntos] Considera el siguiente modelo de una serie temporal X t = Z t θz t 1, (1) donde Z t es un ruido blanco con media cero y varianza σz 2 t a) Para qué valores del parámetro θ es el proceso estacionario? El proceso es estacionario para cualquier valor (finito?) del parámetro θ b) Para qué valores del parámetro θ es el proceso invertible? Cuando θ < 1, el proceso es invertible c) Escriba la representación AR( ) del proceso X t 1 1 θl X t = Z t, (1 + θl + θ 2 L 2 + )X t = Z t, X t = (θl + θ 2 L 2 + )X t + Z t, X t = θx t 1 θ 2 X t 2 + Z t d) Suponga que conoce el verdadero valor del parámetro θ Calcule la mejor predicción en media cuadrática de X t+1, X t+2 y X t+8 realizada en t 2
3 X t+1 = Z t+1 θz t, ˆX t (1) = E(X t+1 X t, X t 1, ) = θz t 1 = θ 1 θl X t = θ(1 + θl + θ 2 L 2 + )X t = θx t θ 2 X t 1 θ 3 X t 2 X t+2 = Z t+2 θz t+1, ˆX t (2) = E(X t+2 X t, X t 1, ) = 0 X t+8 = Z t+8 θz t+7, ˆX t (8) = E(X t+8 X t, X t 1, ) = 0 e) Calcule la varianza del error de predicción en los tres casos anteriores e t (1) = X t+1 ˆX t (1) = Z t+1, Var(e t (1)) = σz 2 t e t (2) = X t+2 ˆX t (2) = Z t+2 θz t+1, Var(e t (2)) = (1 + θ 2 )σz 2 t e t (8) = X t+8 ˆX t (8) = Z t+8 θz t+7, Var(e t (8)) = (1 + θ 2 )σz 2 t 3
4 Pregunta 2 [30 puntos] Considera el siguiente modelo: y t = 0,25y t 2 + 3x t + 1,5z t 2 + ε t, (2) donde ε t N(0, σ 2 ) a) Escribe el modelo con el operador de retardo Es este modelo estable? (1 0,25L 2 )y t = 3x t + 1,5L 2 z t + ε t Las raíces características son λ 1 = 0,5 y λ 2 = 0,5, las dos están dentro del círculo de unidad, y entonces el modelo es estable b) Cuál es el multiplicador de impacto de la variable x t y cuáles son los multiplicadores de los retardos 1, 2 y 3 de esta variable? D x (L) = B x(l) C x (L) = 3 1 0,25L 2 = 3 (1 + 0,25L2 + 0,0625L 4 + ) Entonces δ 0 = 3, δ 1 = 0, δ 2 = 0,75 y δ 3 = 0 c) Cuál es el multiplicador total de la variable x t? D x (1) = B x(1) C x (1) = 3 1 0,25 = 4 d) Cuál es entonces el retardo mediano de la variable x t? Y cuál es según tu intuición (y sin hacer más cálculos) el retardo mediano de la variable z t? 4
5 El retardo mediano de x t es 0 ya que el multiplicador de impacto es 3 y el multiplicador total es 4 El retardo mediano de la variable z t es 2 porque los efectos de z t sobre y t son exactamente proporcionales pero ocurren dos períodos más tarde que los efectos de x t sobre y t e) Cuáles son los retardos medios de las variable x t y z t? Comenta sobre la intuición del resultado D x(1) D x (1) = B x(1) B x (1) C x(1) C x (1) = 0 3 0,5 1 0,25 = 2 3, D z(1) D z (1) = B z(1) B z (1) C z(1) C z (1) = 3,0 1,5 0,5 1 0,25 = 8 3 Las variables x t y z t son variables exógenas La variable x t afecta la variable y t inmediatamente mientras que la variable z t tiene efectos exactamente proporcionales pero dos períodos más tarde Por eso, el retardo medio de z t es dos períodos mayor que el retardo medio de la variable x t Pregunta 3 [40 puntos] Una de las versiones de la teoría de las expectativas de la estructura temporal de los tipos de interés mantiene que el tipo de interés a largo plazo es igual a una media de las predicciones futuras de los tipos de interés a corto plazo, más un término I(0) En concreto si denotamos por Rk t el tipo de interés a k periodos hacia adelante, por R1 t el tipo de interés a corto plazo (un período hacia adelante) y por e t el término I(0), entonces la teoría anteriormente descrita lo que dice es que Rk t = 1 k R1 t+i t + e t, (3) k donde R1 t+i t es la predicción hecha en t del valor de R1 en el período t + i Suponga que R1 t siga un proceso paseo aleatorio, es decir, R1 t = R1 t 1 + a t, donde a t es iid con media cero y varianza uno a) Calcule R1 t+i t = E[R1 t+i R1 t, R1 t 1, ] para i = 1, 2,, k 5
6 E(R1 t+1 R1 t, R1 t 1, ) = E(R1 t + a t+1 R1 t, R1 t 1, ) = R1 t E(R1 t+2 R1 t, R1 t 1, ) = E(R1 t+1 + a t+2 R1 t, R1 t 1, ) = E(R1 t + a t+1 + a t+2 R1 t, R1 t 1, ) = R1 t Entonces: E(R1 t+k R1 t, R1 t 1, ) = E(R1 t+k 1 + a t+k R1 t, R1 t 1, ) = E(R1 t+k 2 + a t+k 1 + a t+k R1 t, R1 t 1, ) = E(R1 t+k 3 + a t+k 2 + a t+k 1 + a t+k R1 t, R1 t 1, ) = = R1 t R1 t+i t = E(R1 t+i R1 t, R1 t 1, ) = R1 t, i = 1, 2,, k b) Introduzca lo calculado en (a) en la expresión de la ecuación (2) y muestre que Rk t = R1 t + e t Rk t = 1 k = 1 k k R1 t+i t + e t k R1 t + e t = R1 t + e t c) Muestre que Rk t y R1 t están cointegradas Cuál es el vector de cointegración? 6
7 Ahora notamos que R1 t I(1) y que Rk t I(1) Las dos variables están cointegradas porque sabemos que existe una combinación lineal que produce una variable estacionaria: Rk t R1 t = e t I(0) El vector de cointegración es (1, 1) d) Ahora suponga que R1 t = 0,5 R1 t 1 +a t, donde = (1 L) Cómo cambia tu respuesta respecto al apartado anterior? Notamos que R1 t sigue teniendo una raíz unitaria: R1 t = 1,5R1 t 1 0,5R1 t 2 + a t La ecuación característica, λ 2 1,5λ + 0,5 = 0, tiene las raíces λ 1 = 1 y λ 2 = 0,5 Los futuros valores de R1 t se derivan de la siguiente manera: R1 t+i = R1 t+i 1 + 0,5 R1 t+i 1 + a t+i = R1 t+i 2 + 0,5( R1 t+i 1 + R1 t+i 2 ) + a t+i + a t+i 1 = = R1 t + 0,5( R1 t+i 1 + R1 t+i R1 t ) + a t+i + a t+i a t+1 Entonces existe de nuevo una relación de cointegración con el mismo vector de cointegración ya que: Rk t = 1 k R1 t+i t + e t k = R1 t + I(0) e) Ahora suponga que R1 t = 0,5R1 t 1 + a t Cómo cambia tu respuesta con respecto al apartado (c)? Ahora, R1 t I(0) Entonces ya no puede existir una relación de cointegración porque las variables están ahora estacionarias 7
Nombre y Apellidos:... SOLUCIÓN EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2012, Convocatoria extraordinaria)
Nombre y Apellidos:... ID:... Grupo:... Ha realizado evaluación continua?... SOLUCIÓN EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2012, Convocatoria extraordinaria) Lea cuidadosamente cada pregunta. Responda
Más detallesSOLUCIONES EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2013, Convocatoria extraordinaria)
Nombre y Apellidos:... ID:... Grupo:... Ha realizado evaluación continua?... SOLUCIONES EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2013, Convocatoria extraordinaria) Lea cuidadosamente cada pregunta. Responda
Más detallesNombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2011, Convocatoria extraordinaria)
Nombre y Apellidos:... ID:... Grupo:... Ha realizado evaluación continua?... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Junio 2011, Convocatoria extraordinaria) Lea cuidadosamente cada pregunta. Responda muy claramente
Más detallesNombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)
Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Enero 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe que los
Más detallesNombre y Apellidos:... EXAMEN ECONOMETRÍA II (Septiembre 2010)
Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Septiembre 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe
Más detallesSOLUCIONES. Nombre y Apellidos:... ID:... Grupo:... EXAMEN ECONOMETRIA II (31 de Enero 2007)
Nombre y Apellidos:... ID:... Grupo:... EXAMEN ECONOMETRIA II (31 de Enero 2007) SOLUCIONES Lea cuidadosamente cada pregunta. Responda muy claramente dentro del espacio asignado. El valor de cada pregunta
Más detallesat Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2014)
at Nombre y Apellidos:... NIU:... Grupo Reducido:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2014) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas.
Más detallesMacroeconometría ( ) Examen final
Macroeconometría (2004 2005) Examen final Nikolas Müller-Plantenberg * 15 de junio de 2005 Nombre: Apellido: NIF: Instrucciones Por favor, no leer las preguntas antes de que la profesora lo indique. Hay
Más detallesProcesos Integrados. Si (Y t ) no es estacionario pero la serie (Z t ) de las primeras diferencias. Z t = Y t = Y t Y t 1,
Capítulo 5 Procesos Integrados Un proceso no estacionario puede no ser estable en la media, en la varianza o en las autocorrelaciones. Por ejemplo, las series 3, 5-13, 19, 29-31, 35-37, y 39 del Capítulo
Más detallesEconometría II. Hoja de Problemas 1
Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli
Más detallesEconometría 2. Modelos no estacionarios y contrastes de raíz unitaria = 0 8. (0 4) 1 +, (0 2 ), y valores críticos
Econometría 2 Modelos no estacionarios y contrastes de raíz unitaria 1. Cuál de las siguientes afirmaciones es verdadera? (a) Un proceso I(1) es un camino aleatorio; (b) Un camino aleatorio es un ruido
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos ARMA
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos ARMA Definición: Ruido blanco. Se dice que el proceso {ɛ t } es ruido blanco ( white noise ) si: E(ɛ t ) = 0 Var(ɛ t ) = E(ɛ 2 t ) = σ 2 Para todo
Más detallesMacroeconometría (Primavera 2005) Examen de prueba
Macroeconometría (Primavera 2005) Examen de prueba Nikolas Müller-Plantenberg * 26 de mayo de 2005 Nombre: Apellido: NIF (sólo examen final): Instrucciones Por favor, no leer las preguntas antes de que
Más detallesTÉCNICAS ECONOMÉTRICAS PARA PROYECCIONES DE INGRESOS UTLIZANDO EVIEWS. Sesión n 5: Análisis de Series de Tiempo y Estacionariedad
TÉCNICAS ECONOMÉTRICAS PARA PROYECCIONES DE INGRESOS UTLIZANDO EVIEWS Sesión n 5: Análisis de Series de Tiempo y Estacionariedad Patrick Grady Globa Economics Ltd. Análisis de Series de Tiempo Introducción
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos econométricos dinámicos uniecuacionales
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos econométricos dinámicos uniecuacionales Introducción: Hemos estudiado modelos de tipo: y t = φ 0 + p i=1 φ iy t i + q j=0 θ jɛ t j y t = β x t +
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Procesos autorregresivos Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es un resumen/modificación de la documentación
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Modelos con variables cointegradas. Regresiones espurias. Cointegración. Contrastes de cointegración Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es
Más detallesMODELOS DE SERIES DE TIEMPO 1. Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros.
MODELOS DE SERIES DE TIEMPO 1 Introducción Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros. Originalmente tuvieron como objetivo hacer predicciones. Descomposición
Más detallesSesión 3 Análisis de series de tiempo multiecuacional. 8. Cointegración y modelos de corrección de errores
Banco Central de Reserva del Perú 55º Curso de Extensión Universitaria Sesión 3 Análisis de series de tiempo multiecuacional 8. Cointegración y modelos de corrección de errores 8.. Cuándo podemos hablar
Más detallesMacroeconometría Ejercicios
Ejercicios Nikolas A. Müller-Plantenberg Marzo junio 2006 1 Ecuaciones en diferencias 1. (a) Deriva las formulas de Euler: cos θ = eiθ + e iθ, 2 sin θ = eiθ e iθ. 2i (b) Deriva la siguiente ecuación: e
Más detallesCRONOGRAMA DE LA ASIGNATURA TRABAJO DEL ALUMNO DURANTE LA SEMANA. Elegir el proyecto empírico que se va a realizar durante el curso.
1 1 Características de los datos económicos de series temporales. Procesos estocásticos y series temporales. Estacionareidad y ergodicidad. Función de autocorrelación simple (FAC) y parcial (PAC). (Marcar
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesModelos ARCH y GARCH
Modelos y Roberto Cruz Oropesa Francisco Javier Rivera Miguel Ángel Sánchez Adán Uribe Bravo Diciembre 9, 2013 Series de Tiempo y Series Finacieras Series Financieras Hechos estilizados. Sea p t el precio
Más detallesTema1. Modelo Lineal General.
Tema1. Modelo Lineal General. 1. Si X = (X 1, X 2, X 3, X 4 ) t tiene distribución normal con vector de medias µ = (2, 1, 1, 3) t y matriz de covarianzas 1 0 1 1 V = 0 2 1 1 1 1 3 0 1 1 0 2 Halla: a) La
Más detallesMás Allá del Modelo de Regresión Lineal. Dante A. Urbina
Más Allá del Modelo de Regresión Lineal Dante A. Urbina CONTENIDOS 1. Modelos de Regresión No Lineales 2. Modelos de Respuesta Cualitativa 3. Datos de Panel 4. Modelos Autorregresivos y de Rezagos 5. Modelos
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 34 Álgebra matricial y vectores aleatorios Una matriz es un arreglo
Más detallesCálculo numérico. Sistemas de ecuaciones lineales.
José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2010. Las raíces de x 2 bx + c = 0. r = b ± b 2 4c 2 b = 3.6778, c = 0.0020798 r 1 = 3.67723441190... r 2 = 0.00056558809...
Más detallesMACROECONOMETRÍA. Tema 2: Series temporales. Segundo Cuatrimestre (curso 2006/07), Depto. de Economía, UC3M. Profesor: Genaro Sucarrat
MACROECONOMETRÍA Tema 2: Series temporales Segundo Cuatrimestre (curso 2006/07), Depto. de Economía, UC3M Profesor: Genaro Sucarrat (Coordinador: Juan J. Dolado) Conceptos fundamentales: Esperanzas condicionales
Más detallesECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007
ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007 Hoja de ejercicios 3 PARTE A) Marque con una X la respuesta o respuestas correctas A.1. En el gabinete de estudios de una empresa de inversión en activos
Más detallesTema 2: Modelos probabilísticos de series
Tema 2: Modelos probabilísticos de Tema 2: Modelos probabilísticos de 1 2 3 4 5 6 Definición Un proceso estocástico con conjunto de índices T es una colección de variables aleatorias {X t } t T sobre (Ω,
Más detallesEconometría dinámica y financiera
Econometría dinámica y financiera Introducción a la econometría financiera. Modelos ARCH Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Introducción Los modelos que hemos visto son lineales
Más detallesANÁLISIS DE LAS SERIES DE TIEMPO - NIVEL II
ANÁLISIS DE LAS SERIES DE TIEMPO - NIVEL II Introducción: Este curso está orientado a formar una base en el análisis de las series temporales que brindará las bases para desenvolverse con gran calidad
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detalles1. Control de Mínima Varianza
. Control de Mínima Varianza. CONTROL DE MÍNIMA VARIANZA..... PLANTEO DEL PROBLEMA..... CRITERIO DE OPTIMIZACIÓN...5.3. PREDICCIÓN ÓPTIMA...8.3.. Forma intuitiva...8... Caso General...0.3.. Cálculo del
Más detallesIdentificación mediante el método de los mínimos cuadrados
Ingeniería de Control Identificación mediante el método de los mínimos cuadrados Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos relevantes aprendidos previamente:
Más detallesMODELOS DE SERIES TEMPORALES EN FINANZAS (I): MODELOS ARIMA
MODELOS DE SERIES TEMPORALES EN FINANZAS (I): MODELOS ARIMA Modelización Económica II Referencias: Mills y Markellos (2008) "The Econometric Modelling of Financial Time Series", Cambridge University Press.
Más detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL
ESCUELA SUPERIOR POLITECNICA DEL LITORAL PRIMER TÉRMINO 2017 ECONOMETRÍA II EXAMEN FINAL Profesor: Gonzalo E. Sánchez Yo,, al firmar este compromiso, reconozco que el presente examen está diseñado para
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Metodología Box-Jenkins Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es un resumen/modificación de la documentación elaborada
Más detallesLADE y DER-LADE. Primer evaluación parcial
ECONOMETRÍA II CURSO 2007 LADE y DER-LADE Primer evaluación parcial 1. Considere la variable y t para el proceso y t = c + φ y t 1 + a t, donde a t es un ruido blanco. Suponga para φ los valores φ = 0.3
Más detallesPráctica 5: cointegración
Práctica 5: cointegración Los datos provienen de: http://www.econ.kuleuven.ac.be/gme/ Para leer más sobre este ejemplo, ver Marno Verbeek, A guide to Modern Econometrics (sections 8.5, 9.3). En esta práctica,
Más detalles5. Estimación del Modelo y Resultados
5. Estimación del Modelo y Resultados 5.1. Forma reducida del modelo Como no se tienen datos sobre la tasa natural de desempleo, es necesario hacer una forma reducida del modelo para poder estimarlo utilizando
Más detallesLista de problemas de álgebra, 2016
Instituto Politécnico Nacional Escuela Superior de Física y Matemáticas Posgrado en Ciencias Físicomatemáticas Línea de Matemáticas Lista de problemas de álgebra 2016 Egor Maximenko: En mi opinión cualquier
Más detallesSeries de Tiempo. Pablo Flores. Universidad Iberoamericana 1 de noviembre de 2016
Series de Tiempo Pablo Flores Universidad Iberoamericana paflores@bcie.org 1 de noviembre de 2016 Pablo Flores (UNIBE) Short title 1 de noviembre de 2016 1 / 12 Sumario Definición. Ejemplos Pablo Flores
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detalles2. Sistemas de ecuaciones lineales
2 Sistemas de ecuaciones lineales 2 Ejercicios resueltos Ejercicio 2 Estudiar el número de condición de Frobenius de la matriz a b A a + ε b Solución: El determinante de A es A ab + ba + ε b ε Si b 0 y
Más detallesSOLUCIÓN: 3er EXAMEN PARCIAL DE MATEMÁTICAS. El valor de los reactivos 1 al 7 es de 1 punto; el reactivo 8 es 8 puntos y 5 puntos el reactivo 9.
SOLUCIÓN: 3er EXAMEN PARCIAL DE MATEMÁTICAS El valor de los reactivos 1 al 7 es de 1 punto; el reactivo 8 es 8 puntos y 5 puntos el reactivo 9. 1. Explique qué significa la estacionariedad débil Un proceso
Más detallesLa idea de estos modelos es que los valores actuales de la serie X t dependen de los p valores
Capítulo 4 Procesos ARMA 4.1. Modelos Autoregresivos La idea de estos modelos es que los valores actuales de la serie X t dependen de los p valores previos: X t 1,..., X t p. Definición 4.1 Un modelo autoregresivo
Más detallesTécnicas de Predicción Solución Examen Final
Técnicas de Predicción Solución Examen Final Administración y Dirección de Empresas 23 de Junio, 2008 Prof. Antoni Espasa Secciones 3h Nota: Todas las respuestas deben ser adecuadamente razonadas. Respuestas
Más detallesTEMA 4 Modelos discretos elementales. Ecuaciones en diferencias
TEMA 4 Modelos discretos elementales. Ecuaciones en diferencias Chelo Ferreira González Avicenna (980-1037) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y
Más detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más detallesPart III. Modelos Box-Jenkins. Series de Tiempo. Germán Aneiros Pérez. Introducción. Procesos ARMA: Procesos ARIMA:
Part III Modelos Box-Jenkins Bibliografía Bibliografía Brockwell, P.J. y Davis, R.A. (2002). Introduction to Time Series and Forecasting. 2 a edición. Springer. Cowpertwait, P.S.P. y Metcalfe, A.V. (2009).
Más detallesEconometría 1. Karoll GOMEZ Segundo semestre 2017
Econometría 1 Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 II. El modelo de regresión lineal Esperanza condicional I Ejemplo: La distribución de los salarios
Más detalles0pWRGRVGH(UURUGH3UHGLFFLyQ3(0
0pWRGRVGH(UURUGH3UHGLFFLyQ3(0 Se selecciona una estructura de modelo 0, con modelos particulares 0 parametrizados con un S vector de parámetros θ ' R 0 { 0 } 0 = θ ' 0 Se disponen para la estimación de
Más detallesTema 4 - Introducción
Tema 4 - Introducción 1 Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Cómo obtener estimadores? Tema
Más detallesDepartamento de Matemática Aplicada a las T.I.C. SOLUCIONES
Departamento de Matemática Aplicada a las T.I.C. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EAMEN FINAL Otoño 25-6 FECHA: 5 de Enero de 26 Fecha publicación notas: 22 de Enero de 26 Fecha revisión
Más detallesOptimización bajo Incertidumbre. 0. Revisión. Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR
Optimización bajo Incertidumbre 0. Revisión Carlos Testuri Germán Ferrari Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR 2003-17 Contenido 1 Revisión Probabilidad
Más detallesEconometría 1. Karoll GOMEZ Segundo semestre 2017
Econometría 1 Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 II. El modelo de regresión lineal Esperanza condicional I Ejemplo: La distribución de los salarios
Más detallesTEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES. Variable aleatoria (Real)
TEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES Grado Ing Telemática (UC3M) Teoría de la Comunicación Variable Aleatoria / 26 Variable aleatoria (Real) Función que asigna un valor
Más detallesPROFESOR: LUIS E. NIETO BARAJAS. Ejercicios de clase
Ejercicios de clase EJERCICIO 1. Problema de decisión. Un estudiante debe decidir entre repasar con mucho detalle una de las dos partes de un curso, o repasar con menos detalle las dos partes, antes del
Más detallesSERIES DE TIEMPO. Definición 2 : Es una sucesión de observaciones generadas por un proceso estocástico indizado con relación al tiempo.
SERIES DE TIEMPO 1 Serie de Tiempo En los capítulos anteriores mostramos que el análisis de regresión con datos de series de tiempo viola el supuestos de exogeneidad estricta. En este capítulo pretendemos
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detalles1. Diseño Óptimo en Función de Transferencia. 1. Diseño Óptimo en Función de Transferencia 1
. Diseño Óptimo en Función de Transferencia. Diseño Óptimo en Función de Transferencia.. Planteo del Problema.. Criterio de Optimización 3.. Predicción Óptima 4... Forma intuitiva 5... Caso General 5..3.
Más detallesUNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL
1. Definiciones básicas. UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL I. Sistemas homogéneos y subespacios de R n. (a) Para el sistema
Más detallesExamen de Admisión a la Maestría / Doctorado 24 de Junio de 2016
Examen de Admisión a la Maestría / Doctorado 4 de Junio de 6 Nombre: Instrucciones: En cada reactivo seleccione la respuesta correcta encerrando en un círculo la letra correspondiente. Puede hacer cálculos
Más detallesSoluciones a los ejercicios del examen final C =. 1 0
Universidade de Vigo Departamento de Matemática Aplicada II E T S E de Minas Álgebra Lineal Curso 205/6 de enero de 206 Soluciones a los ejercicios del examen final Se considera el subespacio U {X M 2
Más detallesIntroducción a la Econometría
1Econometría Introducción a la Econometría -Que es la econometría - Por que una disciplina aparte? -Metodología de la econometría Planeamiento de la teoría o hipótesis Especificación del modelo matemático
Más detallesTópicos en Series de Tiempo
Tópicos en Series de Tiempo Autor: Grisel M. Britos Directora: Dra. Silvia María Ojeda Córdoba, Diciembre de 2012 Agradecimientos A mi familia por la paciencia, la comprensión y tanto que me han dado
Más detallesN01/510/H(1)S. Nombre MATEMÁTICAS NIVEL SUPERIOR PRUEBA 1. Número. Viernes 9 de noviembre de 2001 (tarde) 2 horas INSTRUCCIONES PARA LOS ALUMNOS
INTERNATIONAL BACCALAUREATE BACCALAURÉAT INTERNATIONAL BACHILLERATO INTERNACIONAL N01/510/H(1)S MATEMÁTICAS NIVEL SUPERIOR PRUEBA 1 Viernes 9 de noviembre de 2001 (tarde) Nombre Número 2 horas INSTRUCCIONES
Más detallesClase 3B: Modelo RBC en Dynare
Macrodinámica I Junio - Agosto 2015 Bosquejo de la clase I 1 2 3 El modelo El modelo en Función Impulso Respuesta (IRFs) Que es? Que es? es un pre-procesador y colección de rutinas de Matlab, el cual resuelve,
Más detallesTema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2.
Tema 3 - Introducción 1 Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2. Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores
Más detallesAnálisis Univariante mediante la metodología Box-Jenkins Análisis de la incertidumbre asociada a los modelos ARMA
Análisis Univariante mediante la metodología Box-Jenkins Análisis de la incertidumbre asociada a los modelos ARMA Técnicas en Predicción Administración y Dirección de Empresas Departamento de Estadísitica
Más detallesMATE 4031: Álgebra Lineal [ 4 + 6i 4i (a) Encuentre el polinomio característico de cada una de ellas.
Solución Asignación 9. Universidad de Puerto Rico, Río Piedras Facultad de Ciencias Naturales Departamento de Matemáticas San Juan, Puerto Rico MATE 43: Álgebra Lineal. Considere las siguientes matrices
Más detallesProblemas de Geometría Analítica del Espacio
1) Dados los vectores u(4, 4, 8), v( 2,, 5), w(3, 5, 8) y a(22,, 11). Hallar los valores de x, y, z que verifican la combinación lineal a = x u + y v + z w. 2) Dados los vectores a( 5, 19, n) y b( h, 3,
Más detallesTendencias y ciclos en las variables macroeconómicas
. Tendencias y ciclos en las variables macroeconómicas Rafael Doménech Temas de Análisis Macroeconómico. Tema 2 1/30 Introducción Necesitamos una estimación que permita extraer el comportamiento tendencial
Más detallesNotas de clase Economía Internacional. Determinación de la cuenta corriente Parte de mayo 2009
Notas de clase Economía Internacional Determinación de la cuenta corriente Parte 2 20 de mayo 2009 1. Dinámica comparativa (Análisis de shocks a la CC El problema de optimización dado por (5 se puede resolver
Más detallesUniversidad Carlos III de Madrid. Economía Aplicada. Mayo 2017 Duración del Examen: 2 horas
Universidad Carlos III de Madrid Economía Aplicada Mayo 2017 Duración del Examen: 2 horas Tipo: 1 NID Nombre Grupo NO SEPARE LAS HOJAS DEL EXAMEN. NO ABRA EL EXAMEN ANTES DE QUE SE LE INDIQUE QUE LO PUEDE
Más detallesUNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. INSTITUTO DE CIENCIAS BASICAS.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. INSTITUTO DE CIENCIAS BASICAS. Cálculo III, Examen Final. Semestre Primavera 1 Tiempo: 11 min. Problema 1 [1,5 puntos] La curvatura de una trayectoria
Más detallesAUTOVALORES Y AUTOVECTORES
12 de Julio de 2011 AUTOVALORES Y AUTOVECTORES (Clase 01) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Valores y vectores propios 2.
Más detallesEJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos
ECONOMETRÍA APLICADA EJERCICIO T APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta A B C En Blanco Pregunta 5 A B C En Blanco Pregunta
Más detallesMulticolinealidad Introducción. Uno de los supuestos básicos del modelo lineal general. y = Xβ + u
CAPíTULO 6 Multicolinealidad 6.1. Introducción Uno de los supuestos básicos del modelo lineal general y = Xβ + u establece que las variables explicativas son linealmente independientes, es decir, la igualdad
Más detallesLA MODELACIÓN DEL PRECIO MENSUAL DE LA ELECTRICIDAD EN COLOMBIA: ELEMENTOS ECONOMÉTRICOS. Elkin Castaño V.
LA MODELACIÓN DEL PRECIO MENSUAL DE LA ELECTRICIDAD EN COLOMBIA: ELEMENTOS ECONOMÉTRICOS Elkin Castaño V. Escuela de Estadística Universidad Nacional de Colombia Departamento de Economía Universidad de
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa
UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 8 de Septiembre de 23 25 puntos Dado el problema lineal máx x + x 2 x 3 sa x + x 2 + x 3 2 2x x 2 x 3 2 x, se pide
Más detalles4.5 Algoritmo RLS (Recursive Least Squares)
4.5 Algoritmo RLS (Recursive Least Squares) Método de mínimos cuadrados (LS) Ecuaciones normales Pseudoinversa Variantes del LS Algoritmo RLS (Recursive Least Squares) Introducción Cálculo recursivo de
Más detallesConceptos básicos sobre Series de Tiempo
Conceptos básicos sobre Series de Tiempo Jorge Hans Alayo Gamarra 27 de junio de 2014 En el presente reporte se presentan los conceptos básicos sobre series de tiempo. 1. Enfoque para modelar series de
Más detallesCurso de Predicción Económica y Empresarial Edición 2004
Curso de Predicción Económica y Empresarial www.uam.es/predysim Edición 24 UNIDAD 4: TÉCNICAS AVANZADAS DE PREDICCIÓN Ejercicio 2: Contraste de cointegración y estimación de un modelo VEC en EViews Solución
Más detallesEconometria con Series Temporales
May 24, 2009 Porque series temporales? Inhabilidad de la economia de producir experimentos controlados para estudiar relaciones causales entre variables. Una alternativa consiste en estudiar estas relaciones
Más detallesSeries de tiempo con aplicaciones: Enfoque temporal
Series de tiempo con aplicaciones: Enfoque temporal Gladys E. Salcedo E. 25o Simposio Internacional de Estadística Agosto 6,7 de 2015 Armenia, Quindío Datos 1: Series igualmente espaciadas Turbiedad 20
Más detallesIDENTIFICACIÓN DE SISTEMAS ESTIMACIÓN ESTOCÁSTICA
IDENTIFICACIÓN DE SISTEMAS ESTIMACIÓN ESTOCÁSTICA Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 Problema de la estima θ(t): magnitud
Más detallesEconometría II LADE/LADE-DERECHO Prof. Esther Ruiz Curso 2007/2008. Práctica 6
Econometría II LADE/LADE-DERECHO Prof. Esther Ruiz Curso 2007/2008 Práctica 6 El objetivo de esta práctica es el análisis de las relaciones dinámicas entre el tipo de interés Overnight (Swaps) a 9 meses
Más detallesCURSO ECONOMETRÍA AVANZADA MULTISOFTWARE
CURSO ECONOMETRÍA AVANZADA MULTISOFTWARE El objetivo de este curso es la presentación de las TÉCNICAS ECONOMÉTRICAS AVANZADAS, tanto clásicas como modernas, y su tratamiento con las herramientas más adecuadas
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
Más detallesModelo de regresión múltiple: estimación, inferencia y predicción Concepto de econometría...
Capítulo1 Capítulo Modelo de regresión múltiple: estimación, inferencia y predicción... 1.1 Conceptos: Los datos en econometría """"""""""""""""""""'" 1.1.1 Concepto de econometría... 1.1. Estructuras
Más detallesUniversidad Carlos III de Madrid Licenciatura en Administración de Empresas Examen de Programación Matemática 19 de Septiembre de 2007 Soluciones
Universidad Carlos III de Madrid Licenciatura en Administración de Empresas Examen de Programación Matemática 9 de Septiembre de 7 Soluciones. ( puntos Tu empresa proporciona automóviles a algunos de sus
Más detallesEstimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas
Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Mínimos Cuadrados en 2 Etapas 2 Mínimos Cuadrados en 2 Etapas El método de Mínimos Cuadrados
Más detallesLA COINTEGRACIÓN EN SERIES DE TIEMPO, UNA APLICACIÓN A LA RELACIÓN ENTRE EL PIB Y EL NIVEL DE EXPORTACIONES EN COLOMBIA
LA COINTEGRACIÓN EN SERIES DE TIEMPO, UNA APLICACIÓN A LA RELACIÓN ENTRE EL PIB Y EL NIVEL DE EXPORTACIONES EN COLOMBIA Rios S. Omar A. Universidad del Valle, Facultad de Ingeniería, Escuela de Estadística
Más detallesCurso: Métodos de Monte Carlo Unidad 2, Sesión 5: Cálculo de intervalos de confianza
Curso: Métodos de Monte Carlo Unidad 2, Sesión 5: Cálculo de intervalos de confianza Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República,
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesEstadística para la Economía y la Gestión IN 3401 Clase 5
Estadística para la Economía y la Gestión IN 3401 Clase 5 Problemas con los Datos 9 de junio de 2010 1 Multicolinealidad Multicolinealidad Exacta y Multicolinealidad Aproximada Detección de Multicolinealidad
Más detalles