Estimación MCO, MCI en Modelos de Ecuaciones Simultáneas
|
|
- Bernardo Jiménez Ponce
- hace 6 años
- Vistas:
Transcripción
1 Estimación MCO, MCI en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013
2 Contents 1 Estimación MCO de la Forma Estructural 2 3 4
3 Estimador MCO de la FE Consideremos la -ésima ecuación estructural del Modelo de Ecuaciones Simultáneas y = Y β TxG G x1 o de forma más compacta y = Z + X γ TxK K x1 δ Tx(G +K )(G +K )x1 [ β donde Z = [Y X ] δ = γ + u + u ] El estimador MCO de δ se define como: u (0,σ 2 I T) u (0,σ 2 I T ) ˆδ MCO = (Z Z ) 1 Z y = δ +(Z Z ) 1 Z u
4 Sesgo de simultaneidad: Inconsistencia de MCO En general, al incluir la matriz de regresores Z a variables endógenas Y que son regresores estocásticos: No son independientes de u ˆδ MCO no lineal y sesgado, siendo desconocida su distribución exacta para muestras finitas En general E(Y u ) 0 plimˆδ MCO δ Inconsistencia ( ) Teorema: Dado que plim 1 T X U = 0 y plim ( 1 T X X ) = M ( ) matriz (KxK) finita y definida positiva, si plim 1 T Y u 0 entonces plimˆδ MCO δ por lo que el estimador MCO de δ no es consistente
5 Forma Reducida (FR): donde Π y t = Πx t +v t t = 1,,T v t NID(0,Ω) GxK = B 1 Γ y v t = B 1 u t y Ω = B 1 Σ(B 1 ) Utilizando la notación anterior también podemos expresar la Forma Reducida como: Y = X Π + V TxG TxK KxG TxG donde Π = Γ (B ) 1, y V = U(B ) 1 UD Si escribimos todas las ecuaciones de la Forma Reducida de la forma: Y TxG El estimador MCO de Π es = X TxK Π KxG + V TxG ˆΠ MCO = (X X) 1 X Y
6 Considerando la ecuación -ésima de la Forma Reducida: y = X TxK π Kx1 +v donde π = [ π 1 π 2 π K ] Podemos obtener cada columna de ˆΠ de la estimación MCO ecuación por ecuación: ˆπ MCO = (X X) 1 X y siendo la columna -ésima de ˆΠ MCO = [ˆπ MCO 1 ˆπ G MCO ] Teorema: Dado que plim ( 1 T X U ) = 0 para y plim ( 1 T X X ) = M matriz (KxK) finita y definida positiva, el estimador MCO de Π es consistente
7 Forma Reducida como un SURE y 1 y 2 y G = X X X π 1 π 2 π G + v 1 v 2 v G y G donde v (0,(Ω I T )) E(vv ) = (Ω I T ) = = (I G X) Ψ GKx1 GTxGK + v G w1 2I T w 12 I T w 1G I T w 12 I T w2 2I T w 2G I T w G1 I T w G2 I T w G I T
8 equivalente a MCO La Forma Reducida no restringida es un sistema de ecuaciones aparentemente no relacionadas (SURE) donde en cada ecuación tenemos la misma matriz de datos de las variables exógenas Por esa razón, estimar el sistema por un método que tenga en cuenta la matriz de varianzas y covarianzas del vector de perturbaciones, como es MCG(F), no aporta nada en términos de eficiencia ya que es idéntico a estimar por MCO cada ecuación por separado ˆΨ MCG = ((I G X) (Ω ) 1 ( I T ) 1 (I G X) (I G X) (Ω ) I T ) 1 y = = ( (Ω 1 ) 1 ( X X) (Ω 1 ) ( X )y = I G (X X) 1 X ) y = ˆΨ MCO
9 Es un método de estimación con información limitada Se estima una ecuación aislada de la Forma Estructural No se utiliza la especificación concreta del resto de ecuaciones La información de la matriz de varianzas y covarianzas del vector de perturbaciones no se utiliza Está indicado cuando la ecuación está exactamente identificada Es un método de estimación por Variables Instrumentales
10 Este método consiste en: 1) Estimar la matriz de coeficientes de la forma reducida Π por MCO ecuación por ecuación, y = X TxK π Kx1 +v ˆπ MCO = (X X) 1 X y = 1,,G ˆΠ MCO = (X X) 1 X Y ˆΠ MCO = [ˆπ MCO 1 ˆπ G MCO ], donde ˆπ MCO las columnas de ˆΠ MCO = 1,G son
11 2) Obtener las estimaciones de los coeficientes estructurales de la ecuación de interés, B y Γ, a partir del sistema de ecuaciones que relaciona Π con B y Γ Las relaciones entre los coeficientes estructurales de esa ecuación y los coeficientes de la forma reducida vienen dados por Π B = Γ Π 1 β 0 = [ γ 0 ]
12 3) Utilizando la estimación de Π se obtienen resolver el sistema de K ecuaciones: 1 (X X) 1 X Y ˆβ MCI = 0 ˆβ MCI [ ˆγ MCI 0 y ˆγ MCI En total son K ecuaciones con (G +K ) incógnitas Si la ecuación no está identificada bien porque no se satistace la condición necesaria K < G K < G +K lo que implicaría menos ecuaciones que incógnitas, o no se satisface la de rango aún satisfaciéndose la de orden, no se podría resolver de forma única el sistema de ecuaciones Habría infinitas soluciones ] de
13 Si la ecuación está exactamente identificada y se satisface la condición de rango el sistema tiene una única solución para ˆβ MCI y ˆγ MCI La condición necesaria para la identificación exacta es K = G K = G +K En este caso, el número de ecuaciones y de incógnitas es el mismo Si la ecuación está sobreidentificada, y se satisface la condición de rango, entonces hay más ecuaciones que incógnitas K > G K > G +K Esto implica que obtenemos distintas estimaciones para los mismos parámetros estructurales
14 MCI como Estimador de Variables Instrumentales Sea la ecuación que queremos estimar donde Z = y = Z δ Tx(G +K )(G +K )x1 Y TxG X δ = TxK + u [ β γ ] u (0,σ 2 I T) La matriz de instrumentos a utilizar es X = (X X ) ya que las variables exógenas están incorreladas con u y, están correladas con las variables endógenas Son buenos instrumentos
15 Si está exactamente identificada K = G por lo que la matriz (X Z ) es una matriz cuadrada, ya que K = G +K, y podemos obtener el estimador de Variables Instrumentales de δ como ˆδ VI = (X Z ) 1 X y Este estimador es la solución al sistema de ecuaciones (X Y ) ˆβ VI + (X X ) ˆγ VI = X y (X Y ) ˆβ VI + (X X ) ˆγ VI = X y Este es el mismo sistema de ecuaciones del que es solución el estimador ˆβ MCI y ˆγ MCI
Estimación 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 detallesEstimación MC3E, MVIC en Modelos de Ecuaciones Simultáneas
Estimación MC3E, MVIC en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contenidos 1 Información Completa 2 3 Información Completa Un método de información completa considera
Más detallesInferencia y Especificación en Modelos de Ecuaciones Simultáneas
Inferencia y Especificación en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contenidos 1 Inferencia con estimadores de información limitada Contrastes de restricciones con
Más detallesPrácticas Tema 6. Modelos de ecuaciones simultáneas
Prácticas Tema 6. Modelos de ecuaciones simultáneas Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 6.1- La oferta agregada de determinado producto agrícola (QS)
Más detallesModelos de ecuaciones simultáneas
CAPíULO 13 Modelos de ecuaciones simultáneas Hasta ahora hemos estudiado el modelo lineal general uniecuacional, que relaciona una variable dependiente con una combinación lineal de varias variables independientes
Más detallesMODELOS DE ECUACIONES SIMULTANEAS
Universidad de Murcia Workshop Grupo de computación paralela 15 de Diciembre de 2010 1 Modelos de Ecuaciones Simultáneas. 2 3 4 Conceptos previos. La regresión lineal es un método matemático que modeliza
Más detallesEstimación de ecuaciones estructurales
Estimación de ecuaciones estructurales Consideremos la oferta de mano de obra de las trabajadoras casadas que ya forman parte del mercado laboral. Escribimos el salario ofrecido en función de las horas
Más detallesEconometria de Datos en Paneles
Universidad de San Andres Agosto de 2011 Porque paneles? Ejemplo (Cronwell y Trumbull): Determinantes del crimen y = g(i), y = crimen, I = variables de justicia criminal. Corte transversal: (y i, I i )
Más detallesT6. Modelos multiecuacionales
T6. Modelos multiecuacionales Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Los modelos multiecuacionales: SUR y SEM 2 Modelos
Más detallesEl problema de la endogeneidad Variables proxy Variables instrumentales STATA. Endogeneidad. Gabriel Montes-Rojas
Gabriel V. Montes-Rojas El problema de la endogeneidad Una variable es endógena si Cov(x j, error) = 0. Una variable es exógena si Cov(x j, error) = 0. Consideremos el modelo log(wage) = β 0 + β 1 educ
Más detallesMODELOS DE ECUACIONES SIMULTANEAS (MES) Fortino Vela Peón Noviembre, 2011
MODELOS DE ECUACIONES SIMULTANEAS (MES) Fortino Vela Peón fvela@correo.xoc.uam.mx Noviembre, 2011 Introducción Qué es primero el huevo o la gallina? El mundo real tiene efectos de retroalimentación (feedback
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 detallesEstimación de un modelo de ecuaciones simultáneas usando el software econométrico Gretl
Estimación de un modelo de ecuaciones simultáneas usando el software econométrico Gretl Catalina García, María del Mar López y Román Salmerón Departamento de Métodos Cuantitativos para la Economía y la
Más detallesErrores de especificación
CAPíTULO 5 Errores de especificación Estrictamente hablando, un error de especificación es el incumplimiento de cualquiera de los supuestos básicos del modelo lineal general. En un sentido más laxo, esta
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesTema 1. El Modelo de Regresión Lineal con Regresores Aleatorios.
ema El Modelo de Regresión Lineal con Regresores Aleatorios Introducción En este tema vamos a analizar las propiedades del modelo de regresión lineal con regresores aleatorios Suponer que los regresores
Más detallesObligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo
Carta descriptiva Datos de identificación Programa Nombre de la asignatura Tipo de Asignatura Maestría en Economía Aplicada Econometría I Ciclo Primer semestre Obligatoria Optativa Extracurricular Curso
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 detallesMODELOS DE ECUACIONES SIMULTÁNEAS
MODELOS DE ECUACIONES SIMULTÁNEAS Autores: Ángel A. Juan (ajuanp@uoc.edu), Renatas Kizys (rkizys@uoc.edu), Luis María Manzanedo Del Hoyo (lmanzanedo@uoc.edu). ESQUEMA DE CONTENIDOS Inconsistencia de estimadores
Más detallesECONOMETRÍA I. Tema 3: El Modelo de Regresión Lineal Múltiple: estimación
ECONOMETRÍA I Tema 3: El Modelo de Regresión Lineal Múltiple: estimación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 45
Más detallesCOMENTARIOS AL LIBRO ECONOMETRÍA CON APLICACIONES de Eduardo Loría
Hermosillo Sonora, otoño de 2007. COMENTARIOS AL LIBRO ECONOMETRÍA CON APLICACIONES de Eduardo Loría Francisco Cienfuegos Velasco Es un honor para mí presentar el Libro del Dr. Eduardo Loría, presente
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Modelos multivariantes estacionarios: VAR(p). La dependencia temporal. La causalidad en el sentido de Granger. La estimación de los modelos VAR. Profesora:
Más detallesAnálisis de Regresión Múltiple: Estimación
Análisis de Regresión Múltiple: Estimación Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso
Más detallesFormulación matricial del modelo lineal general
Formulación matricial del modelo lineal general Estimadores MCO, propiedades e inferencia usando matrices Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni Formulación matricial del modelo
Más detallesTema 5. Introducción a los modelos de ecuaciones estructurales o modelos causales
Tema 5. Introducción a los modelos de ecuaciones estructurales o modelos causales 5.1 Introducción a los modelos de ecuaciones el planteamiento LISREL. 5.2. Fases en la elaboración de un modelo. 5.2.1.
Más detallesEstimación por el método generalizado de momentos (MGM).
Estimación por el método generalizado de momentos (MGM). Siga J.Muro(27/10/2003) 1 Método generalizado de momentos (MGM). Intuición. Principio MGM. Obtención de estimadores MGM. Propiedades de los estimadores.
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesModelos Lineales para Datos en Paneles. Walter Sosa Escudero. Banco Central de Chile
Modelos Lineales para Datos en Paneles Walter Sosa Escudero. Banco Central de Chile. 2006. - 1 - Datos en paneles Una base de datos en panel contiene informacion para varios individuos (empresas, paises,
Más detallesTema 4. El Modelo de Regresión Lineal con Series Temporales.
Tema 4. El Modelo de Regresión Lineal con Series Temporales. En este tema, estudiaremos en detalle la estimación e inferencia del modelo de regresión con datos de series temporales. Dadas las diferencias
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS CC SOCIALES CAPÍTULO 2 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesSistemas Lineales y Matrices
Profesores Hernán Giraldo y Omar Saldarriaga Instituto de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Ejemplo Solución de sistemas de ecuaciones lineales, usaremos este
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesEconometría III Examen. 29 de Marzo de 2012
Econometría III Examen. 29 de Marzo de 2012 El examen consta de 20 preguntas de respuesta múltiple. El tiempo máximo es 1:10 minutos. nota: no se pueden hacer preguntas durante el examen a no ser que sean
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales ALBERTO VIGNERON TENORIO Dpto. de Matemáticas Universidad de Cádiz Índice general 1. Sistemas de ecuaciones lineales 1 1.1. Sistemas de ecuaciones lineales. Definiciones..........
Más detallesRegresión Lineal Múltiple
Universidad Nacional Agraria La Molina 2011-2 Efectos de Diagnósticos de Dos predictores X 1 y X 2 son exactamente colineales si existe una relación lineal tal que C 1 X 1 + C 2 X 2 = C 0 para algunas
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos VAR
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos VAR Introducción modelos VAR Hasta ahora hemos estudiado modelos uniecuacionales Ahora vamos a estudiar un modelo multiecuacional que se llama Vector
Más detallesDefinición Una hipótesis es una afirmación acerca de un parámetro.
Capítulo 8 Prueba de hipótesis Existen dos áreas de interés en el proceso de inferencia estadística: la estimación puntual y las pruebas de hipótesis. En este capítulo se presentan algunos métodos para
Más detallesTEMA 2: Propiedades de los estimadores MCO
TEMA 2: Propiedades de los estimadores MCO Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 2: Pdades de los estimadores MCO Curso
Más detallesCAPITULO IV MODELOS MULTIECUACIONALES
CAPITULO IV MODELOS MULTIECUACIONALES 1. INTRODUCCIÓN En el modelo básico de regresión y para cualquier punto muestral t tenemos: y = β x + β x + + β x + u t 1 1t 2 2 t... k kt t expresándolo en matrices
Más detallesMÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.
MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción
Más detallesUNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA
UNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA LICENCIATURA: ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CURSO: CUARTO
Más detallesSistemas de ecuaciones lineales dependientes de un parámetro
Vamos a hacer uso del Teorema de Rouché-Frobenius para resolver sistemas de ecuaciones lineales de primer grado. En particular, dedicaremos este artículo a resolver sistemas de ecuaciones lineales que
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 detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesProblemas de VC para EDVC elaborados por C. Mora, Tema 4
Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,
Más detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES Profesores Omar Darío Saldarriaga Ortíz Ivan Darío Gómez Hernán Giraldo 2009 Definición Una matriz es un arreglo rectangular de números reales en m filas y n a 11 a 1n columnas
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesSistemas de dos ecuaciones lineales de primer grado con dos incógnitas
Un sistema de dos ecuaciones lineales de primer grado con dos incógnitas tiene la siguiente forma Ax + By + C = 0 A x + B y + C (1) = 0 Ya sabemos que una ecuación lineal de primer grado con dos incógnitas
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Más detallesModelo clásico de regresión lineal normal (MCRLN)
Capítulo 4 Modelo clásico de regresión lineal normal (MCRLN) La llamada teoría clásica de la inferencia estadística consta de dos ramas, a saber: estimación y pruebas de hipótesis. Hasta el momento hemos
Más detallesTEMA VI: EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE
ESADÍSICA II EMA VI: EL MODELO DE REGRESIÓN LINEAL MÚLIPLE VI.1.- Introducción. VI..- Hipótesis básicas del modelo de regresión lineal múltiple. VI.3.- El estimador mínimo cuadrático ordinario del modelo
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
Más detallesEl Modelo de Regresión Simple
El Modelo de Regresión Simple Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía Industrial Universidad Carlos III de Madrid Curso 2007/08 C Velasco
Más detallesSolución de sistemas lineales
Solución de sistemas lineales Felipe Osorio http://www.ies.ucv.cl/fosorio Instituto de Estadística Pontificia Universidad Católica de Valparaíso Marzo 31, 2015 1 / 12 Solución de sistemas lineales El problema
Más detallesVariables Dependientes Limitadas
Variables Dependientes Limitadas Muestras Truncadas y Censuradas: revisión En algunos casos las variables dependientes pueden estar limitadas en su rango. Ejemplos típicos son las limitaciones por la forma
Más detalles2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo.
2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2.1 Formas cuadráticas. Expresión matricial y analítica. Expresiones diagonales. Definición 2.1 (Expresión matricial) Una
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detalles1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA
1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces
Más detallesSISTEMAS DE ECUACIONES LINEALES
1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables
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 detallesModelos elección discreta y variable dependiente limitada
Modelos elección discreta y variable dependiente limitada Profesor: Graciela Sanroman Facultad de Ciencias Económicas y Administración Año 2010 Modelos multinomiales Los modelos multinomiales son aquellos
Más detallesÁlgebra II Primer Cuatrimestre 2016
Álgebra II Primer Cuatrimestre 2016 Práctica 3: Anillos Ejemplos construcciones 1. Probar que los siguientes conjuntos son anillos con las operaciones indicadas. Decidir en cada caso si son conmutativos,
Más detallesMateria: Matemática de 5to Tema: Método de Cramer. Marco Teórico
Materia: Matemática de 5to Tema: Método de Cramer Marco Teórico El determinante se define de una manera aparentemente arbitraria, sin embargo, cuando se mira a la solución general de una matriz, el razonamiento
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II DISTRITO ÚNICO DE ANDALUCÍA
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II DISTRITO ÚNICO DE ANDALUCÍA CONTENIDOS Y OBJETIVOS MÍNIMOS PARA EL CURSO 2007/08. 1. INTRODUCCIÓN A LOS CONTENIDOS. ( Decreto 208/2002. B.O.J.A. de 20.08.02
Más detallesEJERCICIOS DE DETERMINANTES
EJERCICIOS DE 1) Si m n = 5, cuál es el valor de cada uno de estos determinantes? Justifica las p q respuestas: 2) Resuelve las siguientes ecuaciones: 3) Calcula el valor de estos determinantes: 4) Halla
Más detalles11 Secuencias, Series y Probabilidad
Programa Inmersión, Verano 06 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 300 y MATE 303 Clase #0: lunes, 7 de junio de 06. Secuencias, Series y Probabilidad. Continuación:
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesSistema de ecuaciones Parte II
Regla de Cramer Sistema de ecuaciones Parte II La regla de Cramer sirve para resolver sistemas de ecuaciones lineales. Se aplica a sistemas que cumplan las dos condiciones siguientes: El número de ecuaciones
Más detallesFiltrado e identificación de parámetros mediante métodos bayesianos
Filtrado e identificación de parámetros mediante métodos bayesianos Guillermo La Mura a, Eduardo Serrano b,d, Ricardo Sirne c a Escuela de Ciencia y Tecnología - UNSAM b Centro de Matemática Aplicada -
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesEl haz de planos paralelos queda determinado por un vector normal, n A, B,
HAZ DE PLANOS HAZ DE PLANOS PARALELOS Dado un plano, por ejemplo, π :3x4y2z1 cuyo vector normal es n 3, 4, 2, cualquier otro plano que tenga el mismo vector normal será un plano paralelo a. El plano π
Más detallesJUNIO Opción A
Junio 010 (Prueba Específica) JUNIO 010 Opción A 1.- Discute y resuelve según los distintos valores del parámetro a el siguiente sistema de ecuaciones: a x + a y + az 1 x + a y + z 0.- Una panadería se
Más detallesSOLUCIÓN A LA ECUACIÓN EN DIFERENCIAS FINITAS. Hernández Cruz G. Berenice.
SOLUCIÓN A LA ECUACIÓN EN DIFERENCIAS FINITAS Hernández Cruz G. Berenice. SOLUCIÓN A LA ECUACIÓN EN DIFERENCIAS FINITAS La solución de diferencias finitas es ocupada en los análisis numéricos, por ejemplo:
Más detallesEscuela de Verano de Macroeconomía
Escuela de Verano de Macroeconomía José L. Torres Universidad de Málaga 21-25 junio 2010 José L. Torres (Universidad de Málaga) Escuela de Verano de Macroeconomía 21-25 junio 2010 1 / 27 Programa del curso
Más detallesSistem as de ecuaciones lineales
Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a
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 detallesCapítulo 21. SISTEMAS DE RELACIONES LINEALES SIMULTANEAS
Capítulo 21. SISTEMAS DE RELACIONES LINEALES SIMULTANEAS 21.1. ESPECIFICACIÓN DE MODELOS MULTIECUACIONALES... 904 21.2. CONSISTENCIA E INDEPENDENCIA DE HIPÓTESIS... 908 21.3 IDENTIFICACIÓN... 919 21.4
Más detallesModelos lineales generalizados
GoBack Modelos lineales Guillermo Ayala Gallego Universidad de Valencia 20 de enero de 2009 1 / 57 Verosimilitud de Ajuste de un GLM mediante Fisher Scoring Method s de un modelo lineal generalizado Identifica
Más detallesUNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA
UNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA LICENCIATURA: DERECHO Y ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesEJERCICIO 1. Max Z = 6 x x 2 s.r. (1) 4 x x 2 12 (2) 2 x x 2 16 (3) 2 x 1 6 x 1, x 2 0
Considere el Programa Lineal siguiente: EJERCICIO Max Z 6 x + 9 x 2 s.r. () 4 x + 6 x 2 2 (2) 2 x + 8 x 2 6 (3) 2 x 6 x, x 2 0 (.a) 3 2 0 2 3 4 5 6 7 8 El Problema tiene una Región Factible delimitada
Más detallesIntroducción a la Identificación de sistemas
Ingeniería de Control Introducción a la Identificación de sistemas Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Modelos deterministas
Más detallesCAPÍTULO 7 EL MODELO CON PERTURBACIONES NO ESFERICAS. ESTIMACION POR MINIMOS CUADRADOS GENERALIZADOS
Fichero: capitulo 7 CAPÍTULO 7 EL MODELO CON PERTURBACIONES NO ESFERICAS. ESTIMACION POR MINIMOS CUADRADOS GENERALIZADOS. MATRIZ DE COVARIANZAS DE LAS PERTURBACIONES NO ESCALAR. HETEROCEDASTICIDAD Y AUTOCORRELACION
Más detallesTema 3.1: Modelo lineal general: hipótesis y estimación. Universidad Complutense de Madrid 2013
ema 3.1: Modelo lineal general: hipótesis y estimación Universidad Complutense de Madrid 2013 Introducción El objetivo es especificar y estimar un Modelo Lineal General (MLG) en donde una variable de interés
Más detallesMODELOS DE ECUACIONES MÚLTIPLES MODELOS VAR Y COINTEGRACIÓN
MODELOS DE ECUACIONES MÚLTIPLES MODELOS VAR Y COINTEGRACIÓN Por: Wbaldo Londoño Asesor Doctor: Gabriel Agudelo Viana UNIVERSIDAD EAFIT Departamento de Ciencias Básicas Maestría en Matemáticas Aplicadas
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 detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesGUIÓN TEMA 2. PROPIEDADES DE LOS ESTIMADORES MCO 2.1 PROPIEDADES ESTADÍSTICAS DEL ES- TIMADOR MCO DE.
ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 011/1 GUIÓN TEMA. PROPIEDADES DE LOS ESTIMADORES MCO Bibliografía apartados.1,. y.3: Greene, 6.6.1, 6.6.3
Más detallesMATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).
1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden
Más detallesMatrices y determinantes. Sistemas de ecuaciones lineales
Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo
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 detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detalles