Econom Imprimir

Introduccin a la Econometra
PRES ENTACION
La econometra como disciplina que forma parte de las matemticas aplicadas, al utilizar conceptos
matemticos y estadsticos en la economa, ha resultado de gran utilidad para estos profesionistas en
el estudio que suelen hacer sobre el comportamiento actual y futuro de los fenmenos econmicos,
as como para identificar y cuantificar las relaciones estructurales que stos mantienen entre s, al
igual que para expresar matemticamente sus teoras y para verificarlas con el instrumental que les
proporciona la estadstica.
As, este trabajo integra en forma sistematizada los conocimientos bsicos sobre esta disciplina; de
manera didctica describe los conceptos tericos y la aplicacin de las tcnicas mediante las cuales
es posible:
1.
Realizar el anlisis estructural de las relaciones entre variables independientes y

dependientes;
2.
Estimar a partir de informacin histrica la evolucin futura de ciertas variables;
3. Hacer planeacin micro y macroeconmica; y

4.
Evaluar la aplicacin de polticas fiscales, de ingreso, monetarias, etc.
Como se indic, dichas tcnicas se aplican en la presentacin matemtica y en la verificacin de

cierta teora econmica, ya que mediante el anlisis funcional se establecen las relaciones entre un
fenmeno y las causas que hipotticamente lo determinan, relaciones que posteriormente se
comprueban, preferentemente, mediante el uso de los mtodos de la estadstica inferencial. Una vez
que se comprueba que existen estas relaciones, se puede decir que se est en condiciones de estimar
el comportamiento futuro del fenmeno.
Pro fesor Genaro S nchez Barajas
Este acervo de conocimientos es de gran utilidad para el ejercicio profesional de los economistas,
que pueden constatar la veracidad y comportamiento futuro
econmicas. Debido a ello he puesto gran cuidado en la
de las variables micro y macro

elaboracin de este libro, en su
presentacin y exposicin didctica, en la descripcin de su alcance, de sus limitaciones y, por

consiguiente, en el uso concreto que tiene en determinadas situaciones.
Con este enfoque estimo que esta obra debe ser parte de la bibliografa bsica que deben consultar
los estudiantes y profesionales de la economa. Pienso que su consulta le permitira a los primeros
aprender los conceptos fundamentales de la econometra y, a los segundos, ratificar, refrescar y
enriquecer los conocimientos suficientes para hacerlos competitivos en el mundo globalizado que
nos ha tocado vivir, donde la constante es el cambio y la competencia entre las personas.
Idealmente est escrito para autodidactas, sera una gran satisfaccin alcanzar este objetivo; si no
lo logro, pido disculpas y prometo perseverar en el mismo en un futuro prximo.
Finalmente, aprovecho para agradecer a los profesores Alberto Reyes de la Rosa y Ekatherina
Peregrina, que participaron activamente en la captura, presentacin y revisin meticulosa de los
ejemplos numricos, en particular al profesor Alberto Reyes de la Rosa por la incorporacin de
materiales interesantes de otros autores y por su participacin en la interpretacin de los resultados y
en el anlisis de congruencia que deben guardar entre si los conceptos, as como en el diseo de
casos en los que se ilustra la aplicacin de los conocimientos economtricos bsicos. La anterior ha
permitido que el libro cuente con un mejor formato, que su lectura garantice la transmisin correcta
del conocimiento, que se exponga con sencillez y sin perder el rigor tcnico, es decir, que sea til
para el ejercicio docente, profesional y de investigacin.
Doctor Genaro Snchez Barajas
I. INTRODUCCIN A LA ECONOMETRA
I.1 Definicin
Econometra es la disciplina que en el mbito econmico mide las relaciones que existen entre un
fenmeno bajo estudio y las variables que lo explican. La medicin se hace con el instrumental
matemtico y las relaciones se verifican, generalmente, con las tcnicas de la estadstica inferencial.
El fenmeno econmico se estudia a travs de la observacin y su comportamiento, se registra
preferentemente con datos cuantitativos (en ocasiones con cualitativos, expresados a travs de
variables llamadas categricas, dicotmicas, ficticios o dummy). La matemtica permite expresar su
comportamiento a travs de ecuaciones que pretenden describir determinada teora econmica,
misma que en turno permite a la estadstica indicar si es o no verdica. As, una vez que se expresa la
teora econmica en forma uniecuacional o multiecuacional, la estadstica proporciona los mtodos
para corroborar s se prueba o no con rigor tcnico.
1
I.2 Propsito
Con base en la definicin, puede decirse que la econometra tiene tres propsitos fundamentales:
1. Hacer el anlisis estructural de las relaciones econmicas.
2. Predecir a partir de valores observados o histricos de ciertas variables econmicas, su evolucin
futura.
3. Evaluar la aplicacin de polticas microeconmicas (a nivel de empresa) y/o macroeconmicas (a
nivel de los grandes agregados de un pas).
1.3. Evol u ci n y perspec ti vas de l a econ om et ra
Algunos estudiosos como G.S. M addala (1996:2) comentan que en opinin de Stigler en 1699 se
identifica a Charles Devenant como pionero en el rea, puesto que hizo y public ese ao el primer
programa de demanda emprica; otros consideran que su origen est en los trabajos realizados en
dicho siglo XVII por Sir William Petty, quien escribi en 1676 y luego public en 1690 su obra la
aritmtica poltica o ms recientemente, en 1758, con la Tableau conomique elaborada por el
clebre mdico francs Francois Quesney. En opinin de Julin Prez (1998) han existido las
siguientes etapas evolutivas:
i). Etapa I: Antecedentes, que comprende desde las primeras expresiones econmicas a travs de las
matemticas, hasta 1914.
ii). Etapa II. Desarrollos iniciales; abarca desde la publicacin de H. M oore de Economic Cycles:
Their law and causes, obra que muchos especialistas catalogan como el primer trabajo economtrico
formal, digamos hasta 1930.
iii). Etapa III. Formalizacin. Se le llama as porque el 29 de diciembre de 1930 se fund la
Econometric Society en la ciudad norteamericana de Cleveland, a iniciativa de Charles Roos Ragnar
Frisc y Irving Fisher; esta etapa llega hasta 1950.
iv). Etapa IV. Extensin, va desde la publicacin de la monografa nmero diez de la Cowles
Comissin, en la cual se presentan las normas bsicas de la investigacin economtrica, etapa que se
prolong hasta 1979.
v. Etapa V. Diversidad de enfoques, la cual se inicia con la publicacin del Time Series Anlisis de
Box & Jenkins, que brinda un nuevo enfoque ( modelos univariantes de series temporales,
conocidos como modelos ARIMA ) para explicar mejor ( ya que los distintos modelos clsicos
empezaron a fallar sistemticamente en sus predicciones ) el comportamiento y relacin de las
variables econmicas en un sistema econmico internacional agobiado por la crisis petrolera, el
abandono del patrn oro y el cambio del flujo financiero que ocasionaron altos niveles de inflacin y
desempleo en economas completamente desestabilizadas.
Seala Julin Prez que en este contexto surgieron mltiples crticas a la modelizacin tradicional,
representada por los grandes modelos macroeconmicos de ecuaciones simultneas, que sirvieron
como incentivo para el desarrollo de contrastes nuevos, especificaciones alternativas, y tcnicas
nuevas para abordar el anlisis econmico aplicado. Esta diversidad de planteamientos constituye el
segundo de los factores diferenciadores que delimitan esta ltima etapa de la historia economtrica.
En los umbrales del siglo XXI, el instrumental terico sobre anlisis economtrico ha sido
fortalecido por un desarrollo exponencial de las tecnologas informticas, las cuales han aportado
poderosas herramientas computacionales que han permitido el uso de sistemas de resolucin muy
complejos en periodos muy cortos. Asimismo, los lenguajes de programacin amigables han
facilitado a los investigadores la posibilidad de generar sus propias herramientas de computo, lo que
ha diversificado enormemente las posibilidades de aplicacin terica.
Finalmente es interesante indicar que dentro de la econometra moderna, en opinin de los
profesores Luis M iguel Galindo y Horacio Cataln ( 2003) en la actualidad se analizan
profusamente las propiedades estadsticas de las series utilizadas en el anlisis econmico, mediante
el estudio de los temas de cointegracin y de races unitarias, cuyo origen se localiza en los modelos
ARIM A y en el concepto de regresin esprea ( Granger & Newbold, 1974), as como tambin la
relacin entre la estructura temporal de las series de tiempo ( dinmica de corto plazo) y la presencia
de un mecanismo de correccin de errores que captura las relaciones de largo plazo ( Davidson,
Hendry, Srba y Yeo, 1978).
Estos son los conocimientos frontera en el nuevo estado del arte economtrico, mismas bases que
norman el contenido del curso sobre introduccin a la econometra.
1.4 Los mod el os mac roe con mi cos m s con oci dos
1.4.1. Norteamericanos,
Se dice que en 1998 apareci publicado al mismo tiempo que se inaugur un sitio en Internet
gratuito con la versin electrnica, el MM E para la economa de EEUU con el nombre de U S
M odel, de Ray Fair, profesor de la universidad de Yale. Entre otras aplicaciones, es til como
simulador al contener informacin para crear escenarios en sectores claves como: los hogares, las
empresas, el sector financiero, el sector gobierno federal, el sector gobierno local, y el sector
externo.
1.4.2. Los espaoles

Destacan el modelo Wharton Universidad Autnoma de M adrid, (WUAM ), que existe desde 1981.
Tambin, el M odelo de investigacin y simulacin de la economa espaola (M OISSES) y, el que se
public en 1994, intitulado: M odelo de Aproximacin Trimestral, M AT.
1.4.3. Los de M xico
Cronolgicamente el que primero se conoci fue el M odelo UNAM de Ibarra ( Ibarra, 1970), le
siguieron el modelo de Clavijo ( 1976), el modelo de planeacin hacendaria ( 1979), el modelo de
Ruffat, versin modificada del modelo de Beltrn ( 1981), el modelo Galileo ( 1983), el modelo
MODEM del CIDE (1984), el modelo Aspe-Jarques (1985), el modelo Amiela-Huerta (1985), el
modelo Ricardo Lago ( 1991) y el modelo Eudoxio ( 1995).
1.5. Con ceptos b si cos
Al ser la econometra la disciplina que expresa una teora econmica a travs de las matemticas y
de verificarse con mtodos estadsticos, es conveniente sealar que la expresin matemtica adopta
la forma de modelos.
Al respecto, un modelo es una representacin simplificada de la realidad expresada a travs de
smbolos matemticos ( Jos Hernndez, 1992:17). Cuando el modelo se relaciona con la economa,
se habla de modelos econmicos, que son representaciones simplificadas de cierto conjunto de
relaciones econmicas. Dentro de estos destacan los modelos economtricos, que se definen como
modelos econmicos que contienen las especificaciones necesarias para su aplicacin emprica, es
decir los modelos economtricos constituyen el marco dentro del cual se desenvuelven las
investigaciones economtricas. Para su formulacin se requiere metodolgicamente de las siguientes
etapas de trabajo:
1.- Evolucin de la teora o hiptesis.
2.- Especificaciones: es la exposicin de la teora econmica con smbolos matemticos, es decir, la
definicin del modelo economtrico dirigido a probar la teora econmica.
3. Estimacin: la determinacin del valor numrico de los parmetros del modelo.
4.- Verificacin: Es la aceptacin o el rechazo de la teora econmica mediante el mtodo de
pruebas de hiptesis estadsticas.
5.- Prediccin: Se evalan relaciones estructurales y futuros resultados con base en el modelo
establecido.
6.- Utilizacin del modelo para fines de control, formulacin o evaluacin de polticas.
1.- ES PECI FI CACI ON
Ursicino Carrascal ( 2001) seala que el proceso de construccin de un modelo economtrico se
inicia con la especificacin de la relacin a estimar y la formulacin de un conjunto de hiptesis.
Este procedimiento inicial que requiere selecciones entre distintas alternativas puede incurrir, sin
embargo en errores. Por ello es conveniente someter al modelo elaborado y estimado a diversas
pruebas estadsticas que permitan comprobar su validez y calidad antes de utilizarlo en el trabajo
emprico. De ah que se diga que un modelo se especifica cuando se definen las siguientes:
a)Variables:
Endgenas: son las que explican el modelo y cuyo valor se determina dentro del mismo.
Exgenas: son aquellas cuyos valores no los determina el modelo, son independientes, por
consiguiente, influyen en el mismo pero no son influenciadas por el resto de las variables del
modelo.
Retardadas: son aquellas cuyos valores corresponden a momentos, aos o periodos de tiempo
pasado que influyen en las variables endgenas del presente; pueden ser endgenas o exgenas.
Predeterminadas: son variables exgenas mas endgenas retardadas.
Ficticias: Se usan para hacer anlisis con variables cualitativas.
Perturbacin aleatoria: Es una variable aleatoria cuya inclusin se debe al hecho de que las
relaciones econmicas no se cumplen exactamente. Dicha inclusin, que confiere a los modelos el
carcter estocstico, se justifica por las siguientes razones no excluyentes:
1.- Resumen de la influencia conjunta de las variables exgenas, que, por tener poca importancia, no
son incluidas en el modelo de forma independiente.
2.- Recogen los errores de medida en la observacin de las variables.
3.- Recogen la aleatoriedad inherente al comportamiento humano.
Dicotmicas (ficticias, dummy y categricas) son las variables cualitativas del modelo, expresan
atributos, genero, raza, idioma etc.
b).- Parmetros:
Son coeficientes que acompaan a las variables en el modelo. Son magnitudes que permanecen
constantes dentro de un fenmeno concreto y que, por esta razn, reciben el nombre de parmetros
estructurales. En la teora econmica suelen tener ciertas restricciones para que sta se cumpla,
por ejemplo el signo para indicar que se cumple o no cierta relacin entre las variables dependiente e
independiente.
c) Ecua ciones .
Son relaciones matemticas con las que se trata de expresar la forma en que aparecen relacionadas
las variables y los parmetros que componen el modelo. M atemticamente se clasifican as:
Lineales: Cuando la forma funcional es lineal.
No lineales: Cuando la ecuacin es de cualquier otro tipo.
Desde el punto de vista econmico, las ecuaciones se clasifican en :
De comportamiento: Recogen las acciones de los sujetos econmicos.
Institucionales: Describen los efectos de orden jurdico, social y de la poltica econmica sobre el
fenmeno en estudio.
Estructurales: Describen la composicin del fenmeno bajo estudio.
Identidad: Son las ecuaciones que expresan relaciones contables o identidades entre magnitudes
econmicas.
d).- D at os :
Los datos de las variables pueden corresponder a valores de una variable en el tiempo: series de
tiempo, o a valores para diferentes individuos, grupos u objetos en un momento dado, llamados de
corte transversal y que generalmente provienen de las encuestas.
e).- Clas ifi cac in o t ip o de modelos :
Pueden clasificarse de diversas maneras, las ms comunes son:
i). Por el nmero de ecuaciones, es decir, pueden ser uniecuacionales o multiecuacionales, todo
depende del nmero de ecuaciones con que se constituyan.
ii). Por la forma de sus ecuaciones, pueden ser lineales cuando sus ecuaciones lo son, no lineales si
alguna no lo es.
iii). Por la relacin entre el nmero de ecuaciones y el nmero de variables endgenas, se dice que
es completo cuando coincide el nmero de ambas; es incompleto, cuando difiere dicho nmero.
iv). Por el momento del tiempo a que se refieren sus valores: son estticos o dinmicos. En el primer
caso todas lasa variables estn referidas al mismo instante de tiempo; en el segundo, cuando dentro
del modelo se incorpora alguna variable retardada.
2.- ES TIMAC I N
C O ND IC IO N ES TC N IC AS PAR A LA C O NS TRUC C I N Y O PER AC I N D E
MO D ELO S
Mode l o li ne al s i mple : un ie cu aci on al
1.- Pre s e n taci n :
Como s eala el p rofes or J os H ernndez A lons o ( op . cit ., 33), la relac in
econmi ca ms s enc ill a es la que s e es t ablec e ent re dos variabl es X eY med iant e
una ecua cin l inea l E ST RU CT U RA L como la s i gui ent e:
Yi = + X i + i
D onde:
Yi : v ariab le end gena, e xp licad a o dep endient e;

X i : variab le e x gena, e xp licat iva o indep endient e;
i : p ert urbacin aleat oria o e xp licac in de los ef ect os que no e xp lica X i s obre Yi ;
y : p armet ros des conocidos cuy o valor es neces ario det erm inar ( es t imar ).
El pr ops ito d e l a e conomet ra es es t imar va lores es t ruct urales ( d e y ) a p art ir
de una s eri e de obs erv acion es o dat os mues t rales de l as variab les Yi , X i con i=
1,2,3,......,n, mediant e la s olucin de un s is t ema de ecuaciones normal es , que
p ermit e calcu lar las in c gnit as del s is t ema, es de cir, conocer los va lores de los
p armet ros p rop ues t os p or la relac in Y= f(X ).
D icho modelo (U rs ic ino, 2001) s e funda ment a en el cu mpl i mi en to de l as si gu i en tes
h i ptesi s o su pu es tos cl si cos:
1. Imp lcit as en l a es p ecifi cac in de la ecu acin del mode lo es t l a line alid ad
de la re lac in y la cons t ancia de los p armet ros .
2. N o exis t en rela ciones l inea les e xa ct as ent re las variabl es e xp licat ivas o
regr es oras , adem s de que es t as no s on variabl es ale at orias .
3. Exis t e linea lidad e xact a ent re l as variab les s olo cuando la var iabl e
indep endient e es t a elevada a la p ot encia 1 (G ujarat i, 1990:32) y s e excluy en
2
t rminos como x , x 2 ent re ot ros . D e las dos int erp ret aciones de line alid ad
la de los p armet ros es la ms imp ort ant e en la t eora de la regr es in y
s ignif ica qu e los p armet ros es t n elevados a l a p rimera p ot encia.
4. Las p ert urbaciones aleat orias s on variables (aleat orias o es t ocs t icas )
indep endient es e igu alm ent e dis t ribuidas normales de med ia cero y ciert a
varianz a.
5. N o exis t e aut ocorrelacin (s on indep endient es ) ent re s i las p ert urbaciones
aleat orias . i
6. T odas las p ert urbaciones aleat orias t ienen i gual vari anz a, i.e., h ay
homocedas t icid ad, de l as i .
7. Exis t e cero covari anz a (cov) ent re la v ariab le e xp licat iva (X i ) y la vari able o
p ert urbacin aleat oria ( i ), es decir, no es t n correlacion adas , de maner a
que s u s ignific anci a en la variab le dep endient e (Yi )es s ep arada y adit iva.
Cuando X e i es t n correlac ionadas (p os it iva o ne gat iva ment e) es dif ci l
ais lar l a inf luenci a ind ividua l de X i y de i s obre Yi (G ujarat i, 1990 :59).
Es t a hip t es is 7 s e cump le cuando Yi no es una variable ale at oria (ver
hip t es is 2), en cuy o cas o Cov(X i , i )= 0.
A l res p ect o, conviene r ecordar que un a p ert urbacin a leat oria o var iabl e
es t ocs t ica es aquella que t oma cu alqui er valor en un con junt o de nmeros
p os it ivos o negat ivos , con una p robabilid ad dada.
U p roces o es t ocs t ico es aquel que gener a res ult ados en un exp erim ent o, cada uno
de ellos con una p robabilidad de ocurr enci a. En econo ma p uede s er la p roduccin
diaria de t ornillos , de ladril los ; el in gres o de las p ers onas en un mes , et c. donde
cada uno de ellos t oma una p robabil idad de o currenc ia.
Es p eranz a mat emt ica o valor es p erado es el valor medio o p romedio de una
p oblacin (que p ueden s er los res ult ados es t ocs t icos que gener a el e xp eriment o).
A s , en el lanz am ient o de un dado que t ien e 6 car as : 1,2,3,4,5, y 6, s i hacemos e l

exp erim ent o de l anz ar el dado una v ez , genera un p roces o es t ocs t ico, cuy a
variabl e a leat oria s er aque lla que t ome los v alores d e l as car as : 1,2,3,4,5, y 6 y
cuy a p robabilidad de ocurren cia de c/u s er P = 1/6, lu e go s i X = c ara o res ult ado
p os ible; E= (Es p eranz a mat emt ica); P (P robabil idad)
1
1
1
1
1
1
E ( x i ) = (1) + ( 2) + (3) + (4) + (5) + (6)
6
6
6
6
6
6
1 2 3 4 5 6 21
E( xi ) = + + + + + =
= 3.5
6 6 6 6 6 6 6
E(xi)= 3.5 que aunque no e xis t e, aun as es e l valor es p erado en el e xp erim ent o.
8. El mode lo es t bien es p ecifi cado.
En economet ra la re lac in line al s imp le ent re dos variables s e denomina m odelo
lineal s im pl e, M LS.
La es t ima cin p unt ual de los p armet ros p oblaciona les y s e h ace p or el m todo
de m nim os cuadr ados que minimiz a la s uma de los cuadrados de los res iduos ,
2
i
y que garant iz a ciert as pr opiedad es es t ads t icas de los es t imadores a y b, de
los p armet ros y , que as e guran la conf iabi lidad del p roces o de inferen cia ( a
p art ir de una mues t ra s e es t iman o infieren los valores de los est imadores de los
p armet ros ). Se s up one que las pro pi e dade s de l os e s ti madore s as obt enidos s on:
que s on linea les , ins es gados , p t imos , s uficient es , cons is t ent es y eficient es .
A s , la ecuac in de re gres in, que t oma va lores de una mu es t ra de valores de Yi e
X i es :
= a+ bX + ei
donde:
a es es t imador de
b es es t imador de
es es t imador de Y
ei es el es t imador de i
El mt odo de mnimos cuadr ados , bas ado en los mnimos cuadrados ordin arios ,
M CO , minimiz a
2
i
p ues t o que ei i = Yi - i = Yi -a-bX i . A p licando las condic iones
de mini miz acin, s e d educe el s is t ema de ecu acion es normal es :
y = na + b x
xy = a x + b x
(1)
2
(2)
cuy a res olucin p ermit e obt ener los valores de las inc gn it as a y b
10
2. Re pre s e n tati vi dad de l mode l o des cri pti vo

En es t ads t ica des cr ip t iva s e ut iliz an dos medid as de dis p ers in p ara conoc er e l
grado d e ap roxi mac in ( cap acid ad des crip t iva ) de la ecua cin de r e gres in
= a+ bX + ei, ( que p roviene de una mues t ra) de los valores de los p armet ros y
.U na es la v arianz a de los res iduos , med ida d e dis p ers in abs oluta, y ot ra es el
coefic ient e de det erm inac in, med ida de d is p ers in r elativ a.
2.2 C on fi abili dad de l os e s ti madore s de l os parme tros
La es t imacin p unt ual de los p armet ros estru ctu ral e s del modelo : y , dada p or
a y b, resp ect ivament e, que p rovienen de un a mues t ra, s e s up one que s on dos
valores numri cos que p uedan p rovienen de mues t ras dist int as disp onibles dent ro
del marco mu es t ral y cuy o nm er o, de st as lt imas , dep ende de s u s eleccin de
acuerdo con la ap lic acin de l mt odo con o s in reemp laz o. As s egn la mues t ra
ut iliz ada, es el valor que s e obt ien e p ara a y b. P ara t ener una idea de las
os cilac iones que p ueden p roducirs e en s us valor es al p as ars e de una mues t ra u ot ra,
s e calcu lan l as varianz as de es t os dos es t imadores : a y b.
3.- Verificacin de la teora econmica
P ara ello s e re aliz a l a p rueba de hip t es is s obre la s ignific acin es t ads t ica de los
p armet ros , en cuy o clcu lo int ervienen s u vari anz as y ot ras medidas es t ads t icas
que s e p res ent arn y us arn en la medid a que s e vay a avanz ando en el curs o de
economet ra.
4.- Pre di cci n
U na vez obt enida la ecua cin de r e gres in, qu e s e ha v erifi cado l a c alid ad de s us
es t imadores y comp robado que des cribe ap rop iadament e la t eor a econ mic a, e l
inves t igador es t en condic iones de vis ua liz ar el fut uro ( hac er p laneac in)
ap licando el mod elo uni ecua ciona l ( o mult iecua ciona l ) en la p roy eccin de los
valores , di gamos nec es arios p ara cons t ruir es cenarios econmi cos fut uros de s u
int ers . H e aqu el us o y alcan ce de los conoci mient os bs icos de l a econo met ra.
11
I I . CON CEPTO S Y EJERCI CO S PARA REFRES CAR O ACTU ALI ZAR LO S

2 y 3
CO N O CIM I EN TOS NECESARIOS PARA CONSTRUIR MODELOS
I I .1Con ju n tos y n meros real e s
D efi ni ci n de con jun to: de manera s enc ill a diremos que un con junt o es un grup o
de objet os ; digamos , p odemos decir que los nmeros p ares ent re 3 y 15 es un
conjunt o, los cua les s on 4,6,8,10,12,14, donde a c ada uno de es t os nmeros s e l e
llam a mi embro o e lem ent o del conjunt o.
U n conjunt o s e es p ecific a lis t ando s us mie mbros , en cualqu ier ord en, dent ro d e
llaves . E l conjunt o ant erior s e p one as : { 4,6,8,10,12,14} , mis mo que p odemos
ident ificar con la let ra A . A s , decimos p or ejemp lo que un con junt o A es un
s ubconjunt o de un conjunt o B t odos los element os de A t ambin s on element os
de B. Si A = { 6,8,10} y B = { 4,6,8,10,12,14} , ent onces A es un s ubconjunt o de B.
A hora bien, ciert os conjunt os de nmeros t ienen nombres es p ecial es . Los nmeros
1,2,3,4,5, ....,et c. forman el con ju n to de l os e n te ros pos i ti vos o n me ros
n atu rale s = { 1,2,3,} .
Los p unt os s usp ens ivos indican qu e l a l is t a de ele ment os no t ienen f in, aun cu ando
s abemos cual es s on los ele ment os del con junt o. P or ot ra p art e, los ent eros
p os it ivos junt o con el cero y los ent eros negat ivos 1,-2,-3,-4.... forman el
conjunt o de los ent eros = { -4,-3,-2,1,0,1,2,3,4,.} .
Igua lment e, e l conjunt o de los nm er os r acionales , cons is t e en nm eros como 1/2 y
1/8, que s e p ueden es cr ibir como una raz n ( coc ient e ) de dos ent eros , es decir, un
nmero ra ciona l es aquel que p uede es cribirs e co mo p /q, donde p y q s on ent eros y
q 0 y a que no s e p uede div idir ent re cero. Los n meros 17/19, -3 /8 y 5/-3 s on
raciona les ; e l ent ero 3 es rac ional y a que 3 = 3/1. T odos los ent eros s on racionales .
Los nmeros racion ales s e p ueden rep res ent ar mediant e nm eros de ci mal e s
con me n su rabl e s ( con un nmero definido de cifras ), t al es como 3/4= 0.75 y 3/2 =
1.5 o mediant e de ci male s i n con me n su rabl e s pe ri di cos ( con un grup o de dgit os
que s e rep it en indefinidament e), t ales como 2/3= 0.66666...., -4/11 = 0.3636....., y
digamos 2/15 = 0.13333.....,
T ambin, los nmeros que s e rep res ent an mediant e de ci male s i n con me ns u rabl e s
n o pe ri di cos s e l l aman n me ros i rraci on ale s . U n nmero irracional no s e p uede
es cribir como un ent ero dividido ent re ot ro ent ero. Los nmeros = 3.1416 y 2
s on irraciona les .
Los dos , tan to l os n me ros raci on ale s como l os n me ros i rraci on ale s forman e l
con ju n to de l os n me ros re ale s . Est os nmeros p ueden rep res ent ars e mediant e
pu n tos e n u n a re cta y se l es ll aman coorde n adas . Ejemp lo:
12
-3
-1.5
-2
-1
1/2
0
I I .2 Ecu aci on es
S i gni fi cado: una ecuacin es un p lant eamient o que s eala que dos expr es iones s on
iguales : Cada una de las expr es iones s e llam a lado o m iem br o y est n s ep aradas
p or el s igno de i gu aldad (= ).
Ejemp los de ecu acion es :
a).- x+ 2= 3 ;
b).- y /y -5= 7 ; c).- w = 7-z
2
; d).- x + 3x+ 2= 0
Vemos qu e cad a e cuac in cont ien e cuando menos un a vari abl e , donde s t a s e
rep res ent a genera lment e ( p ero no neces ari ament e ) p or las let ras finales de l
alfabet o l at ino y s e de fi n e como aqu ell a l it eral qu e p uede t omar cua lquier va lor
dent ro de un dominio o ran go qu e s e es p ecfic a p reviament e.
D ecimos que las ecua ciones a) y b) s on ecu acion es en las var iabl es x y y,
res p ect ivament e. La e cuac in c) s e da en l as variab les w y z : En l a ecu acin a)
x+ 2= 3, s e les l lam a con s tan te s a los nmeros 2y 3 p or que s u valor es fijo.
Es imp ort ant e decir que una ecua cin s iem pr e debe es tar defin ida; es decir, nunc a
s e p ermit e que una vari able t en ga un va lor p ara e l cu al cualqu ier expr es in d e l a
ecuac in res ult a indefin ida. A s , en e l c as o de la ecua cin y /(y -5)= 7, la y no p uede
s er 5 p or que p rovocara que e l denom inador fuer a 0.
P or ot ra p art e, s e entiende por re s ol ve r u n a e cu aci n , el encont rar t odos los
valores de s us variables p ara los cuales la ecuac in s e verific a; a es t os valores los
llam amos s ol u ci one s de l a e cu aci n y decimos que la s at is facen.
Cuando una let ra rep res ent a un nmero o cant idad des conocida en una ecua cin s e
le deno mina i n cgn i ta. A s , en las ecu acin a).- x+ 2= 3, la vari able x es l a
inc gnit a; s lo el v alor 1 p ara x s at is face l a ecua cin. A es t a s olucin s e le l lam a
ra z y cmo es una s ola s olucin es cribi mos [1]. En c) w = 7-z es una ecuacin con
dos inc gnit as : w y z . U na s oluc in es e l p ar de v alores : w = 4 y z = 3; no obs t ant e,
2
exis t e una cant idad infin it a de s olu ciones ; i gual ment e, en d). X + 3 x+ 2= 0, la r az o
2
s olucin es 2 p or que al s us t it uir x p or -2 s e verif ica la ecu acin : (-2) + 3(-2)+ 2
=0
D erivado de lo ant erior ( con bas e en las s olu ciones encont radas ) t ambi n
p odemos decir que una e cuac in es un conjunt o de res t riccion es i mp ues t as a
cualqui era de las vari ables que la int e gran.
13
F inalment e, es conven ient e dec ir que una e cuac in debe res olv ers e p ara las
inc gnit as ; di chas s oluc iones s on los v alores encont rados p ara las v ariab les que, a l
s us t it uirlos en lugar de l a inc gn it a, s at is facen la ecua cin.
Ecu aci n l i ne al
Una ecuacin lineal en la variable x puede escribirse as:
Ax+b=0
Donde a y b son constantes y a 0.
Tambin se le denomina de primer grado por que el exponente o mayor potencia de la variable x es
uno.
Ecuacin cuadrtica
U na ecuacin cuadr tica en la v ar iable x podem os es cr ibir la de la s iguient e
m aner a:
2
ax +bx + c=0.
D onde a,b y c s on cons t ant es y a 0.

es de s egundo gr ado dado que el e xp onent e m xi mo de l a vari able x es dos .
En ge n e ral pode mos de ci r qu e , por e je mpl o:
3x + 4 = 0, es una e cuacin line al de p rimer gr ado;
2
X + X + 12 = 0, es un a ecua cin cuadrt ic a de s e gundo gr ado cuy a curva s e l lam a
p arbola.
3
X = 0, es una ecuacin cb ica d e t ercer grado ; y
X
X n = 0, es una ecuacin d e grado e-n s imo.
I I .2. 1. S ol u ci n de ecu aci on es
Dado que por definicin todas las ecuaciones expresan una igualdad del lado izquierdo con el lado
derecho, todas las operaciones en uno de los lados, tambin deben realizarse del otro lado para que
se mantenga la igualdad. Cualquier nmero puede sumarse o sustraerse de un lado de la ecuacin,
siempre y cuando el mismo nmero sea agregado o restado del otro lado.
Simultneamente ambos lados pueden multiplicarse o dividirse por el mismo nmero, ser elevados
a la misma potencia o sacarles la raz cuadrada a ambos lados. Cuando se resuelven las ecuaciones
se debe tener cuidado con la remocin de los parntesis y de las fracciones.
14
S ol u ci n de ecu aci on es l in eal es

a).- s i t enemos 3-5( 2X 1 ) ( X 3 ) = 43 10X 2
2
2
res olvemos
3 5 ( 2X 5X 3 ) = 43 10X
2
2
3 10X + 25X + 15 = 43 10X
25X = 25
X = 1
b).- Sea
5X 6 = 3X , s i s umamos -3X en los dos lados

5X 6 + ( -3X ) = 3X+ (-3X )
2X 6 = 0
X = 3
c).- D igamos que 2( p + 4 ) = 7p + 2

2p + 8 = 7p + 2
2p = 7p + 2 8
-7p + 2p = -6
-5p = - 6
p = -6/-5
p = 6/5
d).- Si deci mos que la ecuac in S = P + P rt es la frmula p ara el valor S de una
a nua l
s imp le ( r ) durant e un p eriodo
invers in de un cap it al P a un a t as a de int ers
de ( t ) aos , ent onces , s i queremos conocer el c ap it al, des p ejamos P as :
S = P + P rt
S = P ( 1 + rt )
P = S / 1 + rt
S ol u ci n de u n a ecu aci n cu adrti ca ( 3 )
La grf ica o curva d e l a fun cin cuadrt ic a Y = f (X ) = a x2 + b x + c = 0 s e
denomina p arbol a, mis m a que t iene las s i guient es car act ers t icas .
1.2.3.4.-
Cuando a es may or que 0, la curva abr e hac ia arr iba;

Cuando a es menor qu e 0, la curva abr e hac ia ab ajo;
El vrt ice es ( - b/2a, f ( - b/ 2 a ) )
La ordenada en el or i gen ( int erc ep cin ) Y ) es c.
15
Vrtice
x
x
a>0
a<0
Vrtice
El p unt o en que la p arbola Y = ax2 + bx + c int ercep t a el eje Y, es el de la

ordenada en el ori gen y s e obt iene cuando damos a x el va lor de 0. O s ea que las
coordenadas de la int erc ep cin con el eje Y, s on ( 0, c ).
2
2
As, si la ecuacin cuadrtica es Y = f ( x ) =ax +bx+c sustituyendo en, -x 4x +12, vemos que a =
-1, b = -4 y c = 12. Puesto que a es menor que 0, la parbola abre hacia abajo. La coordenada X
del vrtice es b / 2a = -(-4) / 2 (- 1) = -2 . La coordenada Y es f( -2) = - (-2)2 4 ( - 2 ) + 12 = 16.
As, el vrtice o punto ms alto de la parbola es (-2, 16 ). Como c = 12, la ordenada en el origen
(x= 0) es 12.
2
Para determinar las abscisas en el origen, se iguala Y a 0, es decir Y = -x -4x +12 y con ello
determinamos el valor de x :
2
0 = -x - 4x + 12
2
0 = - ( x + 4x 12 )
0 = - ( x+ 6 ) ( x 2 )
luego entonces X1 = -6; tambin, X2 = 2

As tenemos el vrtice en ( -2, 16), las intercepciones en ( -6,0 ) y ( 2, 0 ). Como el punto de
intercepcin al eje Y es ( 0, 12 ) denominado ordenada en el origen, est a dos unidades a la
derecha del vrtice, ( -2, 16 ), existe un punto a la izquierda del mismo con igual ordenada ( -4, 12 ),
con el que se obtiene la simetra con respecto al vrtice.
16
Vrtice (-2,16)
15
(-4,12)
(0,12)
12
simetra
9
6
3
(-6,0)
(2,0)
0
-7
-6
-5
-4
-3
-2
-1
x
2
S ol u ci n de ecu aci on es cu adrti cas u san do l a frmu l a cu adrti ca

2
En la ecuacin ax
frmula es:
+ bx + c = 0, donde a,b y c son constantes y a diferente de cero, entonces la
X = -b b 4ac / 2a
exponente.
; nota, la b dentro del radical es al cuadrado, no pude poner el
a).- Resolver 4x2 - 17x + 15 = 0

luego X = - (-17)
aqu tenemos: a = 4; b = -17 y c = 15
( 17 ) al cuadrado 4(4)(15)
las races son : X1 = 17+7 / 8 = 24 / 8 = 3

b).-
As,
2
3x - 5x = 2
2 5x 2 = 0
3x
X=5
Luego X1
/ 2(4) = 17
49 / 8
X2 = 17 7 / 8 = 10/8 = 5/4
a = 3, b = -5 y c = -2
25+24 / 6 = 5
49 / 6 = 5 + 7 / 6
5+7/6 = 2 y X2 = 5-7/2 = -2/6 = -1/3
17
Sistema de ecuaciones o ecuaciones simultneas

Cuando una situacin se describe en forma matemtica, en ocasiones se expresa por medio de un
conjunto de ecuaciones. Al respecto, es importante decir que un conjunto de ecuaciones simultneas
se puede resolver normalmente con lgebra si el nmero de ecuaciones es igual al nmero de
variables. As para resolver dos variables se requieren dos ecuaciones; generalizando, resolver para
n variables, significa que se requieren n ecuaciones. Sin embargo en ocasiones aun cuando el
nmero de ecuaciones es igual al nmero de variables no se encuentra su solucin. Lo anterior se
ilustra con los siguientes ejemplos:
Sistema de Ecuaciones Lineales
i).- inconsistente : x-y = 2 ..............(1) el sistema es inconsistente por que es igual a 2 o 5 pero no
x-y = 5 ..............( 2)
ii).- Dependiente : 2x + 3y = 6 ......( 1 )
6x + 9y = 18 .....( 2 ) hay una relacin o dependencia de 1 a 3 de la ecuacin
uno a la dos, o viceversa.
iii).- Independientes y consistentes:
x + y = 5 ................( 1 )
x y = 1 ...............( 2 )
Solo tienen solucin los sistemas de ecuaciones que son ambas : independientes y consistentes, cuya
solucin puede ser por los mtodos de 1.- eliminacin ; 2.- sustitucin y 3.- determinantes.
1.- Por eliminacin de una variable por adicin o sustitucin
5x + 2y = -5
...........( 1 )
-3x +4 y = 29 ................( 2 )
si multiplicamos ( ) por 2 :
10 x + 4 y = - 10
.............. ( 1 ) por 2
-3x + 4y = 29
..................( 2 )
solucin 13 x + 0 = - 39
x = -3
Comprobacin:
Sustituimos ( - 3 ) por X en ( 1) y tenemos
5 ( -3 ) + 2y = - 5
-15 + 2y = -5
y=5
18
respuesta X = -3 ; Y = 5
2.- Por sustitucin de una variable
Ejemplo: 3x 4y = 5
X + 7y = 10
.................( 1 )
....................( 2 )
D e la segunda ecuacin x = 10 7y, luego sustituyendo ( 10 7y ) por x en ( 1 ) tenemos:

3(10-7y) 4y = 5............( 1 )
30 21y 4y = 5
30 25y = 5
30 5 = 25y
25 = 25y
y=1
sustituimos 1 por y en ( 1 ):
3x 4(1) = 5
x= 3
respuesta x = 3 ; y = 1
3.- Por determinantes
Referencias: sabemos que una matriz se define como un arreglo rectangular de nmeros y que una
matriz cuadrada es aquella en que el nmero de renglones es igual al nmero de columnas :
A cada matriz cuadrada A corresponde un slo valor conocido como su determinante A .
3.1.- Tipos de determinantes.
Determinante de segundo orden, se define como :
A =
a11 a12
= a11a22 a12a21
a21 a22
vemos que el valor de A

4
1
est dado por la diferencia de dos productos cruzados. Con nmeros
5
= 4(3) 5(1) = 7
3
determinante de tercer orden, se define en trminos de determinante de segundo orden

a11 a12 a13
A = a21 a 22 a 23
a31 a32 a33
19
A =
a11
a22 a 23
a32 a33
- a12
a21 a22
a21 a 23
+ a13
a31 a33
a31 a32
ejemplo:
1 5 3
0 5
2
A =
2 0 5 = 1
-5
1 2
4
4 1 2
A
5
2
+ 3
2 0
41
= ( 0-5 ) 5 ( -4+20 ) + 3 ( 2 0) = -5+20 - 100 + 6 - 0 = -105 + 26
A = - 79
En general decimos que un determinante de orden n se define en trminos del determinante de orden
(n-1).
Ejemplos:
Resuelva el siguiente sistema de ecuaciones simultneas para X e Y .
3x 4y = 5
x +7y = 10
X=
5
10
4
3 4
entre
= 35 ( -40 )/ 21 ( -4) = 75 / 25 = 3
7
1
7
X=3
Para Y =
3 5
3 14
entre
= 30 5 / 21- (-4 ) = 25/ 25
1 10
1
7
20
Y= 1
Regla de Cramer
Al mtodo de resolver un par de ecuaciones lineales de dos incgnitas se puede extender al caso
general de una ecuacin con n incgnitas . Si A x = h
La solucin es X1 = A1 entre A
Donde A es el determinante base o determinante de la matriz coeficiente A , y A1 representa el

determinante de la matriz coeficiente A con el coeficiente de X1 reemplazado por la columna de las
constantes h1 , h2 , h3........, hn.
X2 = A2 entre A y en general Xj = Aj entre A
Observe que cuando la matriz A es singular, es decir, A = 0 no se puede usar la Regla de Cramer.
Ejemplo, encuentre los valores de las tres incgnitas (X, Y, Z ) de las siguientes ecuaciones usando
la Regla de Cramer:
x + y +z = 6
5x y +27 = 9
3z +6y 5z = 0
los ponemos en notacin matricial
1 1 1
5 1 2
3 6 5
x
6
y = 9
z
0
6 1 1
1 1 1
X = 9 1 2 entre 5 1 2
0 6 5
3 6 5
= 57/57 = 1
21
1 6 1
1 1 1
Y = 5 9 2 entre 5 1 2 = 114/57 = 2
3 0 5
3 6 5
1 1 6
1 1 1
Z = 5 1 9 entre 5 1 2 = 171/57 = 3
3 6 0
3 6 5
Sistema no lineal, tambin llamado solucin de ecuaciones simultneas cuando al menos una de
las ecuaciones es cuadrtica.
Un sistema de ecuaciones simultneas de un tipo ms complejo se puede resolver usando el mtodo
de sustitucin, ejemplo:
2
X + 4y = 20 ...............(1)
2x = 8
.............(2)
Sustituya ( 8+2x) por y en (2) en la primera ecuacin:

2
X + 4(8+2x) = 20 ............(1)
2
X + 32 + 8x = 20
2
X + 8x +12 = 0
( x+ 6 ) ( x+ 2 ) = 0
obtenemos ya sea x = -6 o x= -2
Si x = -6, la segunda ecuacin se convierte en :
Y -2(-6) = 8 ...........(2)
Y +12 = 8
Y = -4
Cuando x = -2, la segunda ecuacin se convierte en :
Y -2(-2) = 8 ..............(2)
Y +4 = 8
Y =4
22
Respuesta: hay dos soluciones: ya sea x = -6 con y = -4 o tambin: x = -2, y = 4.

2
Ejemplo 2: resolver el sistema X -2x + y -7 = 0 ........(1)
3x y
+ 1 = 0 ............(2)
despejando y en la segunda ecuacin obtenemos :

y = 3x + 1 .........................(3)
sustituyendo en la (1) y simplificando:
2
X - 2x + ( 3x +1 ) -7 = 0
X2 + x -6 = 0
(x + 3 ) (x 2 ) = 0
se obtiene X = -3 o bien X = 2
de la ecuacin (3), cuando x = -3, tenemos y = -8 ; tambin, cuando x )= 2, y = 7.
(2 y 3)
II.3 El Concepto de una Funcin
Como sealan E. Haeussler y R.S. Paul, el matemtico G.W. Leibniz en el siglo XVII introdujo el
concepto de Funcin dentro del vocabulario matemtico; una funcin es un tipo especial de relacin
de entrada y salida, o dicho en otras palabras: insumo y producto.
Definicin: una funcin es una regla que asigna a cada nmero de entrada exactamente un nmero
de salida. El conjunto de todos los nmeros de entrada a los cuales se aplica la regla se le llama
dominio de la funcin. Al conjunto de todos los nmeros de salida se le llama mbito o
contradominio.
Ejemplo, al invertir dinero a una tasa de inters, el inters I, (salida), depende del tiempo t ( entrada )
en que se invierte el dinero. Para expresar esta dependencia decimos: I es funcin de t . As,
supongamos que $ 100.00 producen inters simple a una tasa anual del 6%; escribimos:
I= 100(i)t
I= 100(0.06)t .............(1)
D onde I s e exp res a en p es os y t en aos . Si t = 1/2, obt enemos :
I= 100(0.06)1/2...............(2)
En este caso, en (2) se asigna a la entrada t el valor y a la salida 3. En (1) se define la regla: el
multiplicar t por 100(0.06). Dicha en otra forma t I, tambin: t 100(0.06)t.
23
De lo anterior observamos que el nmero de entrada t no puede ser negativo porque (-) no tiene
sentido. Luego entonces el dominio consiste en todos los nmeros no negativos, t 0. En la ecuacin
(2), cuando la entrada es , la salida es 3, es decir, es la parte del mbito o contradominio.
A la variable t que representa nmeros de entrada para una funcin se le llama variable
independiente y a la variable I que representa nmeros de salida se le denomina dependiente, pues
su valor depende del valor de la variable independiente; decimos que la segunda es funcin de la
primera, en otras palabras, la salida es funcin de la entrada.
Por costumbre se usa la letra f para represent ar reglas de funciones, pero si lo deseamos, podemos usar otras letras. En el
caso anterior es cribimos I=f(t).
Debe comentarse que f(t) no significa f multiplicado por t, sino que f(t) significa la salida que corresponde a t.
Lo anterior lo podemos generalizar diciendo que grficamente lo expresamos de la siguiente manera; digamos si
2
f(x)= x y si recordamos que una funcin es una correspondencia medi ante la cual se asigna exactamente un nmero de
salida en el contradominio a solo uno de los nmeros de la entrada del dominio, tenemos:
1=f(1)
4=f(2)
x 2 =f(x)
I I .3:1.- Fu n ci on es espe ci al es
Funcin cons tan te:
U na funcin cons t ant e de la forma k(x)= c, en donde c es una cons t ant e, s e
denomina funcin cons tante.
Ejem plo: j( x)=3, el dom in io de j s on todos los nm er os r eales .
3 :
las func iones cons t ant es p ert enecen a
Como dic en E.F . H aeus s ler y R. S. P aul
una clas e ms amp lia de funcion es , denominadas funciones polinom ial es . En
gen eral d eci mos que una func in de l a s i guient e form a:
n
n- 1
1
F (x)= C n X + C n - 1 X + ........+ C 1 X + C 0 , donde n es un nmero ent ero no negat ivo y
Cn, C n - 1 ,......, C 0 s on const ant es con Cn 0 s e llaman funcin p olinomi al en ( x). A
24
n s e le l lam a grado de l a fu n ci n y a cada C i, coe fic ient e. Lu e go f( x) = 4X 2 6X +

3 es una funcin p olinomi al de s e gundo gr ado con co efic ient e ini cia l 4; t ambi n :
H (x) = 2-3X es una fun cin d e p rimer grado. En es t e cas o s e d ice que l a p rimera es
una funcin cuadr tica y la s e gunda, funcin linea l.
Con bas e en lo ant erior es que p odemos decir qu e en una ecua cin s e es t able ce un a
relac in p art icular ent re dos o m s e xp res iones al gebrai cas . L as ecu acion es p ueden
cont ener cualqu ier n mero de v ariab les . Con l a t erminolo ga mat emt ic a s e e xp res a
como Y=f(X).
Se dic e que Y es funcin de X , es decir e l valor de Y dep ende del va lor que t ome
X ; cuando s u valor dep ende de ms de una v ariab le es cr ibimos : Y = f(x, z , h ).
En es t e cas o el va lor de Y dep ende del v alor que t omen las vari ables ( x, z , h).
Como p uede obs ervars e, lo ant erior p uede formal iz ars e y genera liz ars e p ara ms
variabl es que ll amar emos e xp licat ivas o ind ep endient es .
I I .3:2.- Fu n ci on es expon en ci al es y l ogartmi ca s
I I .3.2.1.- Fu n ci on es expon en ci al es
Es t as s e caract eriz an p or cont ener una cons t ant e (b) el evada a un e xp onent e
x
variabl e ( x), es dec ir, f(x) = b , donde b es may or que 0 y t ambin b es 1 , x es
x
cualqui er nm ero re al; t ambi n de cimos qu e cu ando es may or que 1, l a curv a Y= b
as ciende de iz quierd a a dere cha, en ot ras p alabras , al aument ar x t ambin lo hac e
y. Cuando 0 b 1 , ent onces , en es e c as o la curva de Y= b x d es ciend e de iz quierd a
a derecha, s e obs erva un comp ort amient o dist int o de la variable y al del cas o
ant erior, es dec ir, al aum ent ar x, el v alor de la v ariab le y dis minuy e y t oma valores
cercanos a 0.
U n ejemp lo t p ico del us o de una funcin exp onencia l es s u ap licacin a los
int eres es que gan a un cap it al invert ido durant e ciert o nm ero de aos a una t as a d e
( 3)
cuando: el int ers que
int ers det erminada. H abl amos de i n te rs compu e s to
p ercibe una s uma de dinero inv ert ida ( cap it al o mont o esp ecial ) s e reinvi ert e, de
manera que es t e int ers t ambi n gan a int ers . Es dec ir, e l int ers s e com pone o
conviert e en c ap it al y , p or ello, hay int ers s obre int ers .
P or ejemp lo s up ngas e que s e inviert en $ 100dlares ( o cualquier ot ra unidad
monet aria ) a la t as a de l 5% co mp ues t o anualment e. A l final del p rimer ao, e l
valor de l a invers in es el c ap it al original ( $ 100) ms el int ers generado p or es t e
[100( 0.05) ] = 100 + 100(0.05) = $105.00
Es t a es la cant idad s obre la que s e genera int ers p ara el s egundo ao. A l final del
s egundo p eriodo anual, el va lor de la invers in es el cap it al que s e t ena al fina l
25
del p rimer ao, ( $105 ms el int ers p roducido p or es a cant idad

105+ 105(0.05) = $110.25.
[105(0.05)]
A s , el cap it al s e incre ment a en 5% cada ao. Los $110.25 rep res ent an el cap it al
original, m s t odo el i n te r s acu mul ado; s e le den omin a mon to acu mul ado o
mon to compu e s to. La diferencia ent re el mont o comp ues t o y el cap it al origina l s e
denomina i n ter s compu e sto .A s , el int ers co mp ues t o aqu es 110.25 100.00=
10.25 .
En t rminos m s genera les , s i s e invi ert e un cap it al P a una t as a de 100r p or cient o
comp ues t o anualment e ( p or ejemp lo, al 5%r es ( 0.05), el mont o comp ues t o
des p us de un ao s er P + P r o bien P ( 1 + r ) . A l final del s egundo ao, e l
mont o comp ues t o es
2
P (1+ r) + P [(1 + r) ] = P (1+ r) + [1 + r] = P (1+ r)
3
Es ta op eracin cont ina. D es p us de t res aos , e l mont o co mp ues t o es P (1+ r) . En
gen eral, e l mon to compu es to S de un cap it al P al final de n aos , a la t as a de r
2
.........(1)
comp ues t a anualment e, es t dado p or S = P ( 1+ r )
P or cons iderar imp ort ant e dist inguir las ecua ciones de int ers comp ues t o de las de
( 2)
ca lcula mos s t e lt imo, cuando el dinero es
i n te r s si mple , diremos que
invert ido a int ers s imp le, los p agos de int ers s on hechos cada a o sob re l a
i n versi n ori gi n al . P or cons igu ient e s i P p es os s on invert idos a una t as a de r p or
t
aos , el valor d e la invers in, A, al f inal d el p eriodo, s er:
A = P + P rt
Ejemp lo:
Calcul e el valor d e una invers in de $ 500.00 des p us 3 aos s i el int ers s imp le s e
p aga anua lment e a un a t as a anual d el 5%.
A = P + P rt
A = 500 + ( 500*5/100*3)
A = 575 p es os
I I .4 Fu n ci on es Expl ci tas e I mpl ci tas.

Cualquier fun cin que es de la for ma Y=f(X) es cono cido co mo una func in
exp lc it a de Y. Claram ent e s e ve que el valor de Y dep ende del valor de X , y
decimos que mi ent ras que X es una var iabl e ind ep endient e, Y es una var iabl e
dep endient e.
26
En ciert os cas os no s e dis t ingue con cl aridad la re lac in funcion al ent re las
2
2
variabl es dep endient e e indep endient e. P or ejemp lo, 2x + 3xy + y = 0, es una funcin
de la form a f( x, y )= 0 conocindos e como un a funcin imp lcit a.
En ocas iones una funcin e xp lcit a p uede, p ero no s iemp re, derivars e de funciones
2
imp lcit as s imp les , p or eje mp lo, la funcin imp lc it a 2 x + 3y 8 = 0, p roduce dos
funciones e xp lcit as :
Y =
8 2X2
X =
3
3Y
2
I I .5 El Ran go o domi ni o de u n a Vari abl e

P ara much as funcion es de la for ma Y = f(X) la v ariab le indep endient e X p uede
t ener cualqui er valor ne gat ivo, c ero o p os it ivo. En t ales cas os decimos que el r an go
o dominio de l a variab le X es el con junto de todos los nm er os enter os . Ejemp los
de es t e t ip o de funciones s on:
Y = 3x
2
Y = 2x - 5
3
2
Y = x - 3x + 3x - 1
En ot ros cas os des eamos lim it ar el ran go d e l a var iabl e ind ep endient e. P or e jemp lo
la funcin Y = X .
Si Y es un nmero real X debe t ener un valor p os it ivo. En est e cas o X s e limit a al
rango d e nmeros p os it ivos . El rango o do minio es t det erminado cu ando X > 0.
Si el movi mient o de l a var iabl e indep endient e s e res t ringe a c iert o ran go, ent onces
s e deben fij ar los l mit es s up eriores e inferiores de l ran go.
A s , s i nos int eres an t odos los valores de x ent re x= a, y x= b, el ran go es a< x< b o
hablando ms es t rict ament e a x b donde x p uede s er i gual a cua lquier a de los
lmit es o es t os cont enida a el los .
En funciones a l gebra icas s e s up one que las var iabl e es cont inua cu ando p uede
dividirs e o fra ccion ars e, y es dis cret a cuando no s e p uede dividir o fr acc ionars e.
I I . 6 Si metra
La s imet ra forma p art e del anlis is s obre el comp ort amient o grfico de las
ecuac iones . A s p or ejemp lo:
2
1.- Si t enemos la e cuac in Y= X y s i le damos va lores a X de 1,0 y 1, obt enemos
p ara Y los va lores 1,0 y 1, res p ect ivament e. S i graf ica mos es t os valores
obs ervamos que la p art e o p orcin que es t del lado iz quierdo d el eje de las y es
el es p ejo o ima gen s obre s obre e l ej e y de la p art e que s e halla a l lado dere cho
del m is mo, y vicevers a. Con lit era les dir emos que s i ( X 0 ,Y0 ) es cua lquier p unt o en
la curva, ent onces el p unt o ( -X 0 ,Y0 ) t ambin es t en la curva, p or lo que decimos
que es una cu r va s i m tri ca con re s pe cto al e je y.
27
y = x2 y = x2
y
9
7
5
3
1
x
-3
-2
-1 0
-1
D efi ni ci n : U na curva es s imt rica con resp ect o al eje y

la curva cuando (X 0 ,Y0 ) t amb in qued a.
(-X 0 ,Y0 ) queda en
2.- D e manera comp lem ent aria p odemos decir que s i t enemos la e cuac in X = Y2
p odemos p robar la s imet ra con res p ect o al eje x, dando valores a Y, di gamos : 1,0 y 1, en cuy o c as o X t oma los valor es 1,0 y 1, que a l graf icar los obt enemos un a
curva en la que v emos qu e a cad a p unt o en ell a, con coorden adas (X 0 ,- Y0 )
corres p onde ot ro p unt o en la mis ma curva con coordenad as (X 0 , Y0 ).
y
x = y2
2
1
0
x
0
-1
-2
Lue go ent onces dec imos que una curv a es s imt ric a con res p ect o al eje d e las x
( X 0 , - Y0 ) es t en la curva cuando ( X 0 , Y0 ) t amb in lo es t .

3.- Cuando t enemos Y= X 3 y le damos valor es a X de 1,0 y 1, obt enemos p ara Y
los valores de 1, 0 y 1
y
8
6
4
2
(1,1)
0
-2
(-1,-1) -1
-2
-4
-6
-8 S nchez Barajas
Pro fesor Genaro
28
en es t e cas o s e dice que la curva es s imt ric a con res p ect o al origenp orque s i el
p unt o ( X ,Y ) es t en la curva, ve mos que el p unt o con coordenadas ( -X , -Y )
t ambin lo es t ; en cons ecu enci a, el s e gment o de rect a qu e une los p unt os (X ,Y) y
( -X ,-Y) es bis ecado p or el ori gen.
D efinic in: una curva es s im t rica con res p ect o al origen el p unt o (-X ,-Y)
es t en la curva cuando e l p unt o (X ,Y) t ambin lo es t .
I I .7 Rectas, Pa rbol as y S i st ema s
I I .7.1 Rectas
Se p ueden rep res ent ar en forma convenient e muchas rela ciones ent re cant idades
mediant e re ct as . U na caract ers t ica d e una r ect a es s u incl inac in. P or eje mp lo en
el s i guient e di a gram a la re ct a L 1 t iene una may or inclina cin que la re ct a L 2 , el lo
s ignif ica qu e L 1 t iene may or inclin acin con res p ect o al eje hor iz ont al
y 300
L1
250
200
150
100
50
0
L2
0
P ara medir la incl inac in de un a rect a s e ut il iz a el con cep t o de Pe n di en te . A s s i

t enemos los p unt os (2, 1) y (4, 5) p odemos t raz ar la rect a L.
Y 10
9
8
7
6
5
4
3
2
1
0
0
Se obs erv a que la coordenad a x au ment a de 2 a 4 y la coorden ada Y au ment o 1 a 5.

La t as a p romedio de vari acin d e Y con res p ect o a x es l a raz n:
29
5 1 4
Cambio en Y
cambio vertical
=
=
= =2
Cambio en X cambio horizontal 4 2 2
El l o n di ca qu e para ca da au me n to u n i tari o e n X s e ti en e un au me n to de 2
u n i dade s en Y. Por e l l o l a re cta as cie n de de i z qui e rda a de re ch a. S e di ce qu e l a
pe n di e n te de l a re cta es 2.
D e fi ni ci n : Sean (X 1 y Y1 ) y (X 2 y Y2 ) dos p unt os s obre una rect a en donde X 1 =
X 2 , la p endient e de la re ct a es el nm ero dado p or:
Y Y1
cambiovertical
m= 2
(1)
=
X 2 X1
cambio horizontal
N o s e define la p endient e de una rect a vert ical, p ues X 1 = X 2
denominador en (1) es cero.
Y 150
t al que el
(x 2, y 2)
100
(x1 , y1)
50
0
X
0
0,5
1,5
D onde x1 = x2
P ara una re ct a horiz ont al, dos p unt os cualquiera t iene Y1 = Y2 , p or lo que e l
numerador en (1) es cero; y deci mos que m = 0
Y
(x1,y1 )
150
(x2 ,Y2 )
100
50
X
0
0
Y1 = Y2
Con bas e en lo ant es e xp ues t o p odemos res umir dici endo que :
30
FO RMAS D E EC U AC IO N ES D E R EC TAS
Y-Y1 = m(X -X 1 )
Y= mX + b
A x+ By + C= 0
X=0
Y= b
F orma p unt o- p endient e

F orma p endient e-int ercep cinY
F orma line al gen eral
Rect a vert ical
Rect a horiz ont al
I I .7.1.1Ejerci ci os:
1.- Encont rar la ecuac in de la re ct a que t iene p endient e 2 y p as a p or (1,-3).

Sabe mos que m= 2 y que (X 1 , Y1 )= (1,-3), ut iliz ando la forma p unt o-p endient e,
es cribimos Y-(-3)= 2(X -1), res olviendo t enemos :
Y+ 3= 2X -2, lue go ll e gamos a la forma line al gen eral 2X - Y-5= 0.
2.- H allar la ecua cin d e l a re ct a que p as a p or los p unt os (-3,8) y (4,-2). A qu
t enemos que m= -2-8/4-(-3)= -10/7
s i t omamos las coordenad as del p rimer p unt o (-3.8) como (X 1 ,Y1 ) en la form a
p unt o-p endient e, es cribi mos Y-8= -10/7 [ X ( 3) ], hac iendo op erac iones t endremos
lo s igu ient e:
Y-8= -10/7(X + 3)
7Y-56= -10X -30
o bien 10X + 7Y+ 26= 0
A hora, s i es co gemos las coord enadas d el s e gundo p unt o (4,-2) como (X 1 , Y1 )
t ambin ll e gamos a l mis mo r es ult ado.
3.- Cuando t enemos e l p unt o (0,b) decimos que un a re ct a cort a el ej e Y y s e
denomina i n te rce pci n Y; as imis mo indic amos que b es l a ordenad a en e l ori gen.
y
y = mx+b
pendiente m
(0,b)
x
Si conoc emos la p endient e (m) y la ordenada en el ori gen (b) de una rect a, la
ecuac in es : Y -b= m(X -0),
31
Si des p ejamos Y t enemos Y= mX + b, l lam ada forma p endiet e-int erc ep cin y .
Ejempl o econ mi co:

Sea X = q = cant idad ;
Y = p = p recio
lue go s i
(2, 4)= (q 1 , , p 1 )
(6, 1)= (q 2 , p 2 )
t enemos que m= 1 4 = 3 = 3
6 2
p
10
(2, 4 )
(6, 1)
q
0
-5
-5
10
15
ello s i gnif ica qu e p or cada aum ent o unit ario en q, ocas ion a una dis m inucin d e
en P .
En res umen p odemos decir qu e una re ct a:
1.2.3.4.-
T iene
T iene
T iene
T iene
p endient e
p endient e
p endient e
p endient e
cero, cuando la re ct a es horiz ont al;

indefinid a, cuando la re ct a es vert ical ;
p os it iva, cuando la r ect a as ci ende de iz quierda a d erecha.
negat iva, cuando la re ct a des ciend e de iz quierd a a dere cha.
La ecu acin d e una re ct a con p endient e 3 y ordenada en el or i gen -4 es :

Y = mx + b
Y = 3x + (-4)
Y = 3x - 4
Aplica ciones :
U n fabricant e dis p one de 100 kilos de mat erial con e l que p uede p roducir dos
p roduct os , A y B, que requieren de 4 y 2 kilos de mat erial p or unidad,
res p ect ivament e. Si X y Y denot an A y B, ent onces t odos los niveles de p roduccin
es t n dados p or los cambios de X y Y que s at is facen la ecu acin :
4x + 2y = 100 en donde x, y 0.
D es p ejando Y, s e obt ien e la forma p endient e-ordenada en el or i gen Y = -2 x + 50
donde m= -2 indic ando l a t as a d e var iac in d el n ivel de p roduccin de B con
res p ect o al nivel de p roduccin de A , as s i fabricamos una unidad ms de A , s e
32
requieren 4 kilos ms de mat eria l, lo que d ara p or res ult ado 4/2= 2 un idades menos
de B. P or cons i gui ent e al aument ar X en una unid ad, Y dis m inuy e en 2 unid ades .
P ara t raz ar s u grfica de Y= -2 x+ 50 p uede ut iliz ar la int ercep cin y (0, 50) y s i
cuando x= 10, y = 30, t enemos :
p
50
(0, 50)
40
30
(10, 30)
20
10
q
0
0
Us o de l a s u matori a
10
15
Como s e us ar mu cho, s ab emos que con p rop iedad s e es crib e
donde i= 1,2,...n,
i= 1
y que n = t amao de la mues t ra; s in e mbar go, en lo s uces ivo y p or mot ivos
p rct icos s imp lement e s e es cribir , s in que s e olvid e s u rep res ent at ividad
ap rop iada.
33
I I I . I LU S TRACI N D E LA CO NS TRU CCI N D E M OD ELO S APLI CAN D O LO S

CO N CEPTO S BS I COS EXPU ES TO S : M ED I AN TE EL AN LI S I S D E
REG RES I N Y CO RRELACI N ( 5 ) ,
Co n ba se e n lo s co n c ept o s y sup ue sto s b sic o s a nt e s ex p ue sto s, ah or a e st a mo s e n

c o n dic ion e s de in ic ia r su a p lic a c i n a l m bito e c o no m tr ic o, e s de c ir , lo s ut iliz a r e mo s
p a r a e xp r e sa r y de sa r ro lla r la t er m ino lo ga y m t o do s de e st a disc ip lin a a p lic a da a la
c ie n c ia e co n m ic a, me dia nt e la co n st r uc c i n de m o de lo s. .
E m p e za r e mo s c on la a p lic a c i n de l c o nc e pto de f un c i n en e l m bito de la r e gr e si n y
c o r r e lac in .
Re gre s i n es la es t imacin de una v ariab le d ep endient e, con una ecua cin p or e l

mt odo de mni mos cuadrados . L a ecu acin s e d enomin a de re gr es in: Y = f(x).
La co rre l aci n es la det erminacin del grado d e rela cin que e xis t e ent re dos
variabl es p or medio del co efic ient e de corr ela cin (r).
I I I .1 M odel o Li n eal Si mpl e.M LS
( 1 5)
La re gres in y correlacin s on s imp les cuando s olament e s e manejan dos variab les
y es mlt ip le cuando s e man eja ms de dos vari ables .
La e cuac in de re gres in p uede corres p onder a dif erent es formas fun ciona les
(linea l, cuadr t ica, e xp onenci al, lo gart mic a) et c.
La s e le cci n de l a forma fun ci on al ade cu ada se obti en e u ti liz an do el di agrama
de di s pe rs i n :
Y
Es t o nos ndica la dis t ribucin qu e t ienen las v ariab les , s i t ien en l a form a ant erior,
inmedi at ament e s e ve que el a jus t e o ecuac in a m anej ar es lin eal.
P ero s i t iene la s iguient e forma, ent onces la ecu acin a man ejar es cuadr t ica o de
s egundo grado.
34
El mt odo de es t imacin de Y var iabl e dep endient e, a p art ir de X variable

indep endient e, s e denomina mnimos cuadrados , p orque es t demos t rado que la
s uma de las diferen cias ent re los valores rea les y los obs ervados es un mnimo, es
decir:
Y = a + bX
valores rea les
Valores
observados
Las e cu aci on es n ormale s s e obtie ne n as :

Si def inimos Q como un mni mo, t enemos
35
Q = (Yi a bX i ) hacemos
2
Q
= 0 2(Yi a bX i )( 1) = 0
a
2 (Yi a + bX i )(1) = 0
2 (Yi a + b X i )( 1) = 0
2 Yi + 2 a + 2b X i = 0
dividimos ent re dos y hacemos
= na + b X i
s i dividimos ent re n
Y = a + bX
A hora
Q
= 0 2 (Yi a bX i )( X i )
b
(2Y 2a 2bX )( X )
2 Y X + 2 a X + 2b X
i
=0
dividimos ent re 2 y hacemos
Y X
i
= a X i + b X 2
A s las ecuac iones norma les p ara hall ar a y b s on:
Y = na + b X
X Y = a X + b X
i
(1)
2
i
(2)
A hora bien, en el c as o de l a corre lac in los va lores del coefi cient e os c ilan ent re 0,
1 y -1. Cuando r t iende a cero, s e dice qu e hay una nula re lac in o corre lac in
ent re X y Y.
Cuando r t iende a uno, s e dice que hay una fuert e relacin o correla cin ent re X y
Y, t al que X es una buena variable e xp licat iva de Y. Es decir, p odemos exp licar e l
comp ort amient o de Y bas ndonos en el comp ort amient o de X . En est e cas o s e dice
que a med ida que aument a X , Y t amb in lo h ace.
G rficam ent e:
36
y=f(x)
Igua lment e cuando r t iende a -1, t ambin hay una fuert e correlacin relac in
ent re X y Y, p or lo que la p rimera s irve p ara exp licar det erminar ade cuada ment e
los cambios en Y. P ero en es t e cas o a med ida que X au ment a Y d is minuy e.
G rficam ent e:
Ttulo del
eje
y=f(x)
Ttulo del eje
Ejemp lo del cl culo de l coef icient e de correl acin r. Se d es ea es t imar el grado d e

relac in que e xis t e ent re la cir cula cin mon et aria y el nive l gener al de p recios .
xy
r=
x y
,
,2
Aos
x
n
donde x , = x x , y y , = y y
,2
C ir cu la ci n
M o n et ar ia
( X)
100 .0
112 .3
145 .0
179 .8
276 .9
364 .4
1 178 .4
199 8
199 9
200 0
200 1
200 2
200 3
T otal
x=
N iv el Gr al .
d e Pr e cio s
( Y)
100 .0
103 .4
107 .3
127 .7
164 .0
202 .4
804 .80
117840
.
= 196.40
6
x, = x x
y, = y y
- 96.4
- 84.1
- 51.4
- 16.6
80. 5
168 .0
y=
- 34.1 3
- 30.7 3
- 26.8 3
- 6.43
29. 87
68. 27
x * y
( x ) 2
329 0.4 5
258 4.6 7
137 9.2 3
106 .79
240 4.2 7
114 68. 80
212 34. 22
929 2.9 6
707 2.8 1
264 1.9 6
275 .56
648 0.2 5
282 24. 00
539 87. 54
( y, ) 2
116 5.0 8
944 .54
720 .03
41. 39
892 .02
466 0.3 4
842 3.3 9
804.80
= 134.13
6
37
x y
x y'
,
r=
,2
21234.22
= .9957
(53987.54 ) (8423.3933)
r=
2
P or lo t ant o r= .9957 lo cua l s i gnif ica que hay una gr an re lac in o correl acin ent re
X (circula cin monet aria), y Y (niv el genera l de p recios ), a medid a que au ment a X ,
aument a Y t al que s i gr afic amos los dat os ant eriores obt enemos una curva con
p endient e p os it iva.
G rficam ent e:
Y=f(x)
Ttulo del eje
1996
1998
2000
2002
2004
Ttulo del ej e
La forma funcion al Y=f(x) p uede t ener la for ma func ional cuadr t ica cuy a e cuac in
es : Y=a+bx+ cx 2 , e xp onencia l Y= ab x et c. En cu alqui er cas o, s e l e ll ama ecuac in
de re gres in y los valores de los p armet ros s e det erminan con las ecuac iones
normales . El n me ro de e cu aci one s n ormal es vi e ne dado por e l n me ro de
parme tros a de te rmi n ar. En el cas o de la ecuacin line al los p armet ros a
det erminar s on a y b luego s e nec es it an dos ecua ciones norm ales l as cua les
s on:
y = na + b x
xy = a x + b x
(1)
2
(2)
En cas o de Y= a+ b x+ c x2 , las e cuac iones s on:
y = na + b x + c x
xy = a x + b x + c x
x y = a x + b x + c x
2
(1)
(2)
4
(3)
38
En el c as o de un p olinomio:
Y=a +bx+cz +dQ
ent onces neces it amos 4 ecu acion es :
y = na + b x + c z + d Q
xy = a x + b x + c xz + d Qx
zy = a z + b xz + c z + d Qz
Qy = a Q + b xQ + c zQ + d Q
(1)
(2)
(3)
2
(4)
Ejemp lo adi ciona l:

A o ( x)
Pr o d u cci n d e T r ig o ( y)
1
2
3
4
5
6
T o t al
x2
1
3
2
6
7
4
23
y2
1
4
9
16
25
36
91
1
9
4
36
49
16
115
x *y
1
6
6
24
35
24
96
y
1.6
2.5
3.4
4.3
5.2
6.1
23. 0
e = y y
- 0.6
0.5
- 1.4
1.7
1.8
- 2.1
0.0
DIAGRAMA DE DISPERSION
Existe una relacin de caracter lineal.
Y
X
0
10
20
30
La ecua cin de re gres in a man ejar s er : Y= a+ b x. P ara encont rar a y b us amos las
ecuac iones norma les :
Y = N a+b X
2
YX =a X+b X
Sus t it uy endo:
23 = 6a + 21b
96 = 21a + 91b
39
a = 96-91b/21 = 23-21b/6 = 576-546b = 483-441b = 93 = 105b de donde :

93
b=
= 0.8857 , s us t it uy endo en
105
b x + n a = y que es i gual a (0.8857)*21+ 6a = 23 quedando
6a= 23-18.5997= 4.4003
a = 4.4003/6 = 0.7333 as a = 0.7333
lue go la ecua cin de r e gres in s er Y = 0.7333+ 0.8857X .
Con ello p odemos es t imar c alcu lar los valor es de Y en funcin de las var iac iones
de X .
S i de se amos e s ti mar Y , e n ton ces si s abe mos que X re pre s e n ta l os a os :
Y 1
Y 2
Y 3
Y 4
Y 5
Y 6
=0.8857(1)
=0.8857(2)
=0.8857(3)
=0.8857(4)
=0.8857(5)
=0.8857(6)
+
+
+
+
+
+
0.7333=1.6
0.7333=2.5
0.7333=3.4
0.7333=4.3
0.7333=5.2
0.7333=6.1
Como es t o es una es t imacin p odemos cal cular el error es t ndar de la ( es t imacin).
( y y )
n2
e = y y
-0.6190
0.4952
-1.3905
1.7238
1.8381
-2.0476
0.0000
(13.1047 ) =
62
3.2761
e 2 = ( y y )
0.3832
0.2453
1.9334
2.9715
3.3786
4.1927
13.1047
x 21
.
x = i = = 35
6
n
40
lue go
( y y )
=
n2
x , = xi x
r=
-2.83
-0.83
-1.83
2.17
3.17
0.17
,2
x ' y'
(x ')2
7.0833
1.2500
0.9167
1.0833
4.7500
0.4167
15.5000
6.25
2.25
0.25
0.25
2.25
6.25
17.50
y , = yi y
-2.5
-1.5
-0.5
0.5
1.5
2.5
x y
x y
Y =
= 3.2761
23
= 3. 83
6
( y' )2
8.0278
0.6944
3.3611
4.6944
10.0278
0.0278
26.8333
15.50
15.50
=r=
= 0.7152
(17.50) (26.8333)
21.6698
P or lo t ant o r= 0.7152 que es e l coef ici ent e de correl acin a p art ir del cua l
calcu lamos e l coef ici ent e de det ermin acin R 2 = (.7152) 2 = 0.5116.
6
La frmul a de S. Sh ao es :
El coef ici ent e de det ermin acin

R
e
=1
y
2
2
,R
D on de : 2 yx =
y
=
y
( y y )
n
( y y)
=
R2y x=1
2
2
, R2 =
R2y x=1
2 yx
2y
Varianza exp licada

Varianza total
13.1048
= 2.1841
6
26.8333
= 4.4722
n
2.1841
= 1 0.4884 = 0.5116
4.4722
D e aqu en ad elant e us are mos R 2 y x , p ara calcu lar r y x = coefici ent e de corre lac in.
41
I I I .1.1 O tros M todos d e Es ti maci n

I I I .1.1.1 M todo de M omen tos para O bt en er l os Par met ro s a y b
Si con el m t odo de mni mos cuadrados Yi = a + bX i ent onces ei = res iduos =
variabl e al eat oria, t al que ei = Yi Yi = Yi a bX i ,lue go las dos ecuac iones
normales p ara obt ener a y b s e obt ienen con bas e en algun as de las hip t es is
1
p lant eadas ;
as
recordando
que
E (e i ) = e i = e i = 0
y
que
n
1
cov( xi , e i ) = 0 = X i ei = X i ei = 0
n
A s : i) ei = 0 (Yi a bX i ) = 0
(1)
ii)
xe
i
=0
(Yi a bX i ) = 0
(2)
Sabi endo que a = na , las ecua ciones (1) y (2) t ambin s e p ueden es crib ir de l a
s igui ent e maner a:
Yi = na + b X i .............................(1)
X Y
i
= a X i + b X i2 ....................(2)
Su s olucin p ermit e obt ener los valor es de a y b, cuy o valor es id nt ico al obt enido
con el mt odo de mn imos cuadr ados . S i quere mos s imp lificar la obt encin de a y b
res olvamos s imult ne ament e l as ecua ciones (1) y (2). A s :
n X iYi X i Yi
b=
2
2
n X i ( X i )
a = Yi bX i
T ambin s i hacemos x i = X i X i e y i = Yi Yi t enemos b =
x y
x
i
2
i
; el p armet ro a s e
obt iene i gual, es decir a = Yi bX i .

I I I .1.1.2 M todo de Parti ci paci n de l os Resi du os para O bten er l os Parme tro s a
y b, as como el Coefi ci en te de D et er mi n aci n .
Como s eala el p rofes or G .S. M addala (1996:79) s i en las ecuaciones norma les
s us t it uimos el valor de a de l a ecua cin (1) en l a ecua cin (2), a p art ir de la
ecuac in en que Yi = a + bX = a + bX , t enemos que
Y X = X (Y bX ) + b X
Y X = nX (Y bX ) + b X
i
2
i
......................(3)
2
i
Con es as referenc ias , ahora s e d efinen las s i guient es S `s

S YY = (Yi Yi ) 2 = Yi 2 nYi 2
S XY = ( X i X i )(Yi Yi ) = X iYi nX iYi

42
as como S XX = ( X i X i ) 2 = X i2 nX 12
La ecu acin (3) s e p uede denot ar co mo bSX X = SX Y obt enindos e b =
S XY
as como
S XX
a = Y bX
A hora bien p ara obt ener el coeficient e de det ermina cin (r 2 ), recordemos que los
res iduos es t imados s on ei = Yi a bX i , mis mos que s at is facen ei = 0 y X i ei = 0
Si denot amos l a s uma de cuadrados res idu ales con R S S donde
RSS = (Yi a bX i )2
= Yi Yi b( X i X i )
= (Yi Yi )2 + b 2 ( X i X i )2 + 2b (Yi Yi )(X i X i )
= S YY + b 2 S XX 2bS XY
S
S2
P ues t o que b = XY , s e t iene RSS = SYY XY = SYY bS XY
S XX
S XX
Si e xp res amos SY Y como T SS= Suma de Cuadrados T ot al, t ambin a bSX Y con ES S
como la s um a de cu adrados e xp licad a, dec imos que:
T SS =
ES S +
RSS.
(T ot al)= (Exp licada)(res idu al)
2
= coefici ent e de det erm inac in de X en Y =
A hora s i denot amos con rXY
ESS
y
TSS
RSS
2
2
decimos que rXY
exp lica el efe ct o de X en Y y que 1 rXY
es la
TSS
p rop orcin no e xp licad a p or X , o en ot ras p alabras , s t e lt imo ind ica l a
p rop orcin del efect o de ot ras variab les en Y, dis t int as a X . D erivado de lo ant erior
2
S XY
bS
2
2
rxy t ambin s e obt iene as : rXY =
= XY
S XX SYY
SYY
2
1 rXY
=
En es t a forma ahor a s e cuent a con nuevas frmu las p ara obt ener el coefi cient e d e
det erminac in.
II I.1.1.2 O tros M todos de Es ti maci n :
Exis t en ot ros como el de M xima Veros im ilit ud, M nimos Cuadrados de P rimera y
Se gunda Et ap a, et c. cuy a ilus t racin no s e hace en es t e libro.
43
Practi ca N me ro I
Nombre del alumno:_____________________________________________________________
1. Indique que s i gnif ica y p ara que s irve:
a) El an lis is de re gr es in s imp le;
Se us a p ara p robar hip t es is s obre la relacin ent re una variab le dep endient e Y, y
una vari able indep endient e, X , y p ara p rons t ico, que cont ras t a con el an lis is d e
regr es in mlt ip le en e l que hay ms de una v ariab le ind ep endient e.
b) El an lis is de re gr es in lin eal
Sup one que hay una relac in lin eal ent re X y Y.
c) El dia gr ama d e dis p ers in.
Su fin es det erm inar p or ins p eccin ocular la re lac in funcion al ent re X y Y.
2. Es t ablez ca la r ela cin genera l ent re e l cons umo Y, y el in gres o d is p onible X ,
con:
a) F orma line al e xact a o det ermin is t ica;
Yi = a + bX i
b) F orma es t ocs t ica;
Yi = a + bX i + ei
c) P or qu s e s up one que l a m ay ora de los va lores obs ervados de Y no
caen e xact ament e s obre una lne a rect a?
P orqu hay ot ras variables exp lic at ivas omit idas que t ambin t ienen efect o en Y;
p or errores de medicin d e Yi y p or la aleat oried ad inher ent e a la conduct a
humana.
3.
Con el mt odo de m nimos cuadrados ord inarios , p ara es t imar los va lores
p oblacionales de y con los valor es mues t rales de a y b di ga:
a) P orqu s e us a s t e mt odo?
D a la ln ea re ct a p t ima que minim iz a las difer enci as de Yi con Yi

b) Q u pr opiedades t ienen los es t imador es a y b?
P roduce es t imadores con p rop iedades de ins es gabil idad, efic ienc ia, s ufi cien cia y
cons is t encia.
c) P or qu s e miden v ert ical ment e las des vi acion es ?
P orque t rat amos de exp licar movim ient os en Yi que s e miden en el eje v ert ical.
44
d) P orqu no s imp lem ent e s e t oman l a s uma de las des vi acion es s in

elevar las al cuadrado ?
P or que s u s uma es igu al c ero.
e) P orqu no t omars e la s uma d e las des vi acion es abs olut as ?
P or que s u s uma no es un mnimo.
4.
i)Es t ablez ca la diferen cia ent re a y b p or un lado, y y p or el ot ro; en

una p oblacin infin ita, y s on los p armet ros de la ln ea d e re gres in
verdadera p ero des conoc ida en t ant o que a y b s on los p armet ros d e l a lne a
de re gres in es t imad a conoc ida.
ii) Es t ablez ca l a difer enci a ent re i y ei , es decir que s i gnif ica i y ei ?
i es el t rmino de p ert urbacin aleat orio, error es t ocs t ico en la relacin

verdadera p ero des conocid a en una p oblacin infinit a ent re X i y Yi , mient ras que
ei = Yi Yi
iii) Es criba las ecu acion es p ara las r ela ciones verdad eras en el univers o y
es t imadas con la mues t ra ent re X e Y.
P ara la verd adera : Yi = + X i + i
P ara la es t imad a: Yi = a + bX i + ei
5.
Con los s iguient es dat os a)hallar los valores de a y b; b)rep res ent ar
grf ica ment e la l nea de r e gres in y mos t rar las des viaciones de cada Yi de l
corres p ondient e Yi . Int erp rt elas .
a) P ara hal lar a y b t enemos :
45
XiYi
Ao Y=Consumo X=Ingreso
1
102
114
11,628
2
106
118
12,508
3
108
126
13,608
4
110
130
14,300
5
122
136
16,592
6
124
140
17,360
7
128
148
18,944
8
130
156
20,280
9
142
160
22,720
10
148
164
24,272
11
150
170
25,500
12
154
178
27,412
Suma
1,524
1,740 225,124
Media
127
145
Xi
12,996
13,924
15,876
16,900
18,496
19,600
21,904
24,336
25,600
26,896
28,900
31,684
257,112
n = 12, Yi = 1,524,Y = 127, X i = 1,740, X = 145, X i Yi = 225,124, X i2 = 257,12

b=
n X iYi X i Yi
n X ( X i )
2
i
(12)(225,14) 1,740)(1,524) 49,728

= 0.86
=
57,744
(12)(257,112) (1,740) 2
a = Yi bX i = 127-(0.86*145)= 127-124.70= 2.30

Lue go la ecua cin de r e gres in: Yi = 2.30 + 0.86 X i
b)P ara ello obt ene mos 2 p unt os cuales quiera s obre la l nea d e re gres in, d i gamos
Cuando X i = 114, Yi = 2.30+ (0.86*114)= 100.34
Cuando X i = 178, Yi = 2.30+ (0.86*178)= 155.38
160
CONSUMO Y
Y = 2. 30 + 0. 86 X i
140
120
100
100
120
140
160
180
INGRESO X
Coment arios :__________________________________________________________

_____________________________________________________________________
46
I I I .2 Regresi n y Cor rel aci n n o Li n eal , Cu adrti ca o Parabl i ca 7

En es t e cas o el comp ort amient o de Y, como r es ult ado de los c ambios en X , no es
2
linea l, p or lo que l a ecu acin de re gr es in s er: Y= a + bx+ c x y p ara encont rar a, b,
c, las ecu acion es line ales s ern :
y = na + b x + c x
xy = a x + b x + c x
x y = a x + b x + c x
2
(1)
(2)
4
(3)
Ejemp lo: E xis t en 8 vendedores y s e des ea exp licar o es t imar s us volmenes de

vent as en funcin de s u exp eriencia a cumul ada. P ara el lo s e regis t ran s us vent as
(Y), y el nmero de aos de t rabajo (X ).
Y=f(x)
O bs ervar la s i guient e t abla :
Ven d ed o r
A
B
C
D
E
F
G
H
T o t al
Ven t as
( Y)
9
6
4
3
3
5
8
2
40
Exp er i en ci as
en a o s ( X)
6
5
3
1
4
3
6
2
30
X2
36
25
9
1
16
9
36
4
136
X3
216
125
27
1
64
27
216
8
684
X4
1,2 96
625
81
1
256
81
1,2 96
16
3,6 52
X* Y
54
30
12
3
12
15
48
4
178
X2 * Y
324
150
36
3
48
45
288
8
902
Sus t it uy endo los res ult ados de la t abla ant erior en las ecuac iones t enemos lo
s igui ent e:
8a+30b+136c=40
30a+136b+684c=178
136a 684b+3652c=902
Res olviendo el s is t ema de ecuac iones p or el mt odo de cram er, e l res ult ado es :
2
Y=3.5914-0.9127X+0.2842 X . La cual nos p ermit e es t imar las vent as ( Ye ) en
funcin de los aos de e xp erienci a (X) d e los vendedor es .
D e es t a manera y es igu al:
47
Y 1 = 3.5 914- 0.9 12 7( 6) + 0.2 84 2( 6) 2 = 8.34 64
Par a A
Y 2 = 3.5 914- 0.9 12 7( 5) + 0.2 84 2( 5) 2 = 6.13 29
Par a B
Y 3 = 3.5 914- 0.9 12 7( 3) + 0.2 84 2( 3) 2 = 3.41 11
Par a C
Y 4 = 3.59 14- 0 .91 27( 1) + 0.28 42( 1) 2 = 2. 96 29
Par a D
Y 5 = 3.5 914- 0.9 12 7( 4) + 0.2 84 2( 4) 2 = 4.48 78
Par a E
Y 6 = 3.59 14- 0 .91 27( 3) + 0.28 42( 3) 2 = 3. 41 11
Par a F
Y 7 = 3.59 14- 0 .91 27( 6) + 0.28 42( 6) 2 = 8. 34 64
Par a G
Y 8 = 3.59 14- 0 .91 27( 2) + 0.28 42( 2) 2 = 2. 90 28
Par a H
La es t imacin es buena y nos s irve p ara calcul ar las vent as de los vendedores y
t ambin p ara calcular los coefi cient es de correla cin y de det erminacin, p ara es t o
neces it amos hac er los s i guient es c lculos :
y
8.3464
6.1329
3.4111
2.9629
4.4878
3.4111
8.3464
2.9028
40
e = ( y y )
0.6536
-0.1329
0.5889
0.0371
-1.4878
1.5889
-0.3464
-0.9028
0.0
e 2 = ( y y ) 2
0.4272
0.0177
0.3468
0.0014
2.2135
2.5246
0.1200
0.8150
6.4662
(Y Y )
(Y Y )2
4
1
-1
-2
-2
0
3
-3
0
16
1
1
4
4
0
9
9
44
S u s ti tu ye n do l os re s ul tados de l a tabl a an te ri or e n l a si guie n te s e cu aci one s :
yx =
2y =
( y y )2
=
n
6.4662
2
= 0. 8082 lue go y x = 0.8082
8
(Y Y ) = 44 = 5. 5
n
2yx
como: R y x = 1
2y
2
2
P or lo t ant o t enemos que R y x = 1-(.8082/5.5)= .8530, lo cual ndica que el 85.3% de
los camb ios en Y s e d eben a var iac iones en X . D icho en ot ras p alabras e l
2
coefic ient e de det ermina cin r y x , , nos ndica el p orcent aje de cambio que t ien en
48
las vent as como res ult ado de los aos de exp erien cia d e los vendedores . Conoc ido
2
R y x , , p odemos calcular el co efic ient e de corr ela cin r y x .
En es t e cas o:
r yx =
R 2 yx =
0.8530 = .9235
Lo cual rev ela que hay una alt a

correla cin o rela cin p os it iva ent re X y Y, de t al forma que p odemos ut iliz ar a
(X ) aos de e xp erien cia como v ariab le indep endient e o e xp licat iva d e l as vent as
(Y); no s e t iene que recurrir a bus car ot ra variable indep endient e o exp lic at iva de
Y, di ga mos quiz los p recios (Z ).
I I I .3 MO D ELO LI N EAL G EN ERAL O M U LTI PLE ,M LG .
Para con st ru i rse se u sa l a Regre si n y Cor rel aci n M l ti pl e
( 7)
M uchas veces neces it amos e xp licarnos los camb ios de Y en func in de var ias
variabl es . En es t e cas o s e ap lican el an lis is de r e gres in y correla cin m lt ip le.
P or ejemp lo: El c as o ant erior las vent as Y p odemos exp lic arlas no s olam ent e en
funcin de los aos de e xp erienc ia s ino t ambi n en fun cin, di gamos de las
calif ica ciones que obt ien en los vend edores en s us curs os de act ualiz ac in qued ando
la funcin Y=f(X 1 , X 2 ).
Si hac emos que Y= X 1 , t endremos que Y=f(X 1 , X 3 ). D onde X 1 = vent as , X 2 = aos de
exp erien cias ; X 3 = ca lifi cac iones de los vend edores .
En es t e cas o la e cuac in de re gr es in s er: X1 =a+ bX2 +c X3 , y p ara encont rar a, b,
c; nec es it amos res olver e l s i guient e s is t ema de ecua ciones :
Y = na + b X + c X
YX = a X + b X + c X X
YX = a X + b X X + c X
1
(1)
2
1
(2)
2
2
(3)
El co efic ient e de d et ermina cin lo denom inare mos p or: R

cambios en X 1 , , s e deb en a l as varia ciones de X 2 y X 3
Ven d ed o r
A
B
C
D
E
F
G
H
T o t al
Ven t as
( Y)
9
6
4
3
3
5
8
2
40
Exp er i en ci as
en a o s ( X 1 )
6
5
3
1
4
3
6
2
30
C alif ica ci n
( X2 )
3
2
2
1
1
3
3
1
16
Y2
81
36
16
9
9
25
64
4
24
4
X1 2
X2 2
36
9
25
4
9
4
1
1
16
1
9
9
36
9
4
1
136 38
123:
Y* X 1
54
30
12
3
12
15
48
4
178
indic ando que los
Y* X 2
27
12
8
3
3
15
24
2
94
X1 * X2
18
10
6
1
4
9
18
2
68
49
Sus t it uy endo los res ult ados de la t abla ant erior en e l s i s te ma de e cu aci one s
te ne mos :
8a+ 30b+16c= 40
30a+136b+68c=178
16a+ 68b+38c= 94
Res olviendo e l s is t ema p or el mt odo de Cram er nos queda:
Y = 0.4545 + 0.7273X 1 + 1.3636 X 2
P or lo cual p odemos es t imar las vent as :
Y1 = -0.4545+0.7273(6)+1.3636(3)= 8.0000 para A
Y2 = -0.4545+0.7273(5)+1.3636(2)= 5.9091 para B
Y3 = -0.4545+0.7273(3)+1.3636(2)= 4.4545 para C
Y4 = -0.4545+0.7273(1)+1.3636(1)= 1.6364 para D
Y5 = -0.4545+0.7273(4)+1.3636(1)= 3.8182 para E
Y6 = -0.4545+0.7273(3)+1.3636(3)= 5.8182 para F
Y7 = -0.4545+0.7273(6)+1.3636(3)= 8.0000 para G
Y8 = -0.4545+0.7273(2)+1.3636(1)= 2.3636 Para H
Y
8.0000
5.9091
4.4545
1.6364
3.8182
5.8182
8.0000
2.3636
40.0000
(Y Y )
(Y Y )
1.0000
0.0909
-0.4545
1.3636
-0.8182
-0.8182
0.0000
-0.3636
0.0000
1.0000
0.0083
0.2066
1.8595
0.6694
0.6694
0.0000
0.1322
4.5455
(Y Y )
(Y Y )2
4
1
-1
-2
-2
0
3
-3
0.0
16
1
1
4
4
0
9
9
44
En es t e cas o el error es t ndar de es t imac in s er

123 =
(Y Y )
n
4.5455
= 0.5682 p or lo que 2 1 2 3 = 0.5682
8
D e manera s i mil ar el coefi cient e de d et ermina cin:
50
123
2 123
= 1 2
1
0.5682
2
Y Y )2 44
(
2
= .8966
1=
=
= 5.5 lue go t endremos R 123= 1
5.5
8
n
Indicando que el 89.66 % de los camb ios en Y se deben a los cambios de X 1 y X 2 .

Igualment e el coefi cient e d e corr elacin ser :
R123= R 2123 = 0. 8966 =0.9468,
revelando que hay una fu ert e correlacin o relacin p osit iva ent re Y, X 1 , X 2 . Por lo
que p odemos ut ilizar X 1 , X 2 p ara exp licar adecu adament e a Y.
51
I V. BAN D AS O I N TERVALO S D E CO N FI AN ZA.
Se const ruy en p ara asegurar con ciert a p robabilid ad de que los v alores r eal es u
observados se hallen d ent ro de un int ervalo dado.
S i Y = a + bx
Y : es el valor est imado con los p armet ros a y b as como con los cambios que
exp eriment e X. Luego l a banda de conf ianza: Y sb z cuando se manej a l a
p oblacin muest ras gr andes; Y sb t , cuando se manejan mu est ras p equeas.

Donde t y z : p robabilidad fij ada ap riorst icament e.
I V.1 Cal i dad o Bon dad de l os Esti madore s8
Cmo det erminamos si los est imadores a$L yL b$ de los p armet ros p oblacional es a
y b (en el caso de que manej emos una r elacin lineal donde y =a+bx) son los
adecuados o ap rop iados ?; dicho en ot ras p alabras, De qu manera los p rincip ios
est adst icos de est imacin p ueden ap licarse al anlisis de regr esin?
Los valores de a$ y b$ encajan en la nat uraleza de los p romedios o medi as. Es
p osible que nin gn valor de y sea i gu al al de y$ (ningn p unt o observado en el
diagrama de disp ersin cae dent ro de l a l nea de t endenci a calcu lada), p ero los
valores de y$ p ueden est ar cercanos d e los de y . Puest o que se esp era que hay a
errores en t odas las est imacion es, es necesar io med ir la cant idad de error e inferir a
p art ir de ella el gr ado de conf ianza que se p uede at ribuir a los est imadores.
Primero cal cular emos el error est ndar del coeficient e de regr esin, b$ . Est e
concep t o es similar en si gnifi cado al del error est ndar de la medi a descrit o ant es,
cuando usamos la informacin d e l a mu est ra p ara est imar l a media de la p oblacin.
Designar emos el error est ndar del co eficient e de regr esin con Sb$ , su cuadrado
viene dado p or la frmu la:
n y
2
b$
( y )
n xy x y

2
n x2
(n 2) n x 2 ( x )
donde gr ados de lib ert ad i gual a n-k; k es el nmero d e p armet ros.

M s adelant e observaremos que h ay similit ud d e l as lit erales y p or consigu ient e d e
las cant idades ent re p arnt esis de est a frmula con las que se usan p ara calcular a$
y b$ , p or el mt odo de Cramer. Para encont rar S b , simp lement e le sacamos raz a
est a cant idad, as:
52
S
Cont inuando
est imadores,
aleat orios e
dist ribuidos
cant idad
= S 2 b
con el desarro llo del p rocedi mient o p ara verifi car l a calidad d e los
record emos que hemos sup uest o que los errores e = (Y Y ) son
indep endient es. Ahora haremos un sup uest o adicional; que est n
normalment e. As, si la dist ribucin de los error es es normal, l a
$
t = b b
S$
b
sigue l a dist ribucin t con (n-2) grados de l ibert ad.
El nmero d e grados de libert ad es el nmero d e observaciones menos dos deb ido

al nmero de p armet ros muest rales ( a$ y b$) que han sido p reviament e det erminados,
con los dat os de la muest ra, lo cu al si gn ifica en el an lisis de regresin qu e el
nmero de observaciones menos el n mero d e p armet ros calcul ados, con los dat os
de la muest ra y usados ( a$ y b$) p ara obt ener cada Y$ , con s ti tu ye n l os grados de
l i be rtad, cu yo val or s i rve para me jorar l a e s ti maci n de b con b .
Obviament e si t uvir amos n observ acion es y n const ant es, no habra errores
p orque cada valor Y$ sera i gu al al valor r eal Y . En gen eral, en la medid a que sea
menor el nmero de const ant es, may or ser la lib ert ad dejad a a las dif erencias
adicion ales.
As, t es la medid a de la difer enci a ent re el coefi cient e emp rico y el co eficient e
hip ot t ico de la p oblacin, t omando en cuent a la v ariacin de los dat os de l a
muest ra. La t es t il p ara est ablecer l mit es de confi anza y p ara p ruebas de
signif icacin.
El p rocedimi ent o usual es real izar una p rueba de sign ificanci a, es decir, p robar la
signif icacin est adst ica del coefi cient e p oblacional b. Si no hay una relacin
lineal ent re X y Y en l a p oblacin, ent onces b=0. La hip t esis nula a p robar es qu e
b=0, p ara ello se escoge un niv el de si gnif ican cia, usual ment e es del 5% y se
rep resent a con . Si rechazamos l a hip t esis, decimos que el coefi cient e b es
signif icat ivo est adst icament e, y es si gnifi cat ivament e difer ent e de 0. Si acep t amos
la hip t esis nula, ent onces b no es si gnifi cat iva y p robablement e no hay relacin
lineal ent re X y Y en la p oblacin.
53
Ejem plo:
Y
X2
5
-4
-6
-2
5
-15
-8
10
-1
-10
Y=-26
Y2
XY
e = (Y Y )
Y$
10
100
50
25
-4
16
16
16
4
16
-24
36
1
1
-2
4
16
256
80
25
-10
100
150
225
-12
144
96
64
13
169
130
100
5
25
-5
1
-6
36
60
100
X= 17 X 2 =863 XY=551 Y 2 =596
3.3227
-6.6674
-0.9588
-3.0995
7.6042
-10.9489
-12.3761
5.4635
-0.2452
-8.0946
1.6773
2.6674
-5.0412
1.0995
-2.6042
-4.0511
4.3761
4.5365
-0.7548
-1.9054
e2
2.8132
7.1152
25.4141
1.2089
6.7821
16.4112
19.1502
20.5799
0.5698
3.6306
103.6751
Si l a ecu acin d e regresin en la p oblacin es Y=a+b x.

La solucin se obt ien e con el mt odo de Cramer:
x * y x* xy
n * x ( x)
2
a$ =
b$ =
xy x * y
n * x ( x )
n*
sust it uy endo los valores en cad a ecu acin nos qued a:

a$ =
(863)( 26) (17)( 551)

(10)(863) (17) 2
(10)(551) (17)( 26) 5952

31805
= 38131
.
b$ =
=
= .7136
8341
8341
(10)(863) (17) 2
Luego la ecuacin de r egresin p ara est imar Y=a+bx ser
$
Y$ = a$ + bx
es decir:
Y$ =-3.8131+0.7136x
Para saber si hay una relacin l ineal ent re X y Y usamos:

n y
2
S 2 b$ =
( y)
n xy x * y

2
2
n x x
( n 2) n x 2 ( x )
donde los gr ados de lib ert ad es i gual a n-k; k es el nmero d e p armet ros.
sust it uy endo:
54
[(10) * (551) (17)( 26)] 2

(10) * (596) (26)
(10)(863) (17) 2 1037
. Lluego
=
=
= 0015
2
66728
8
10
863
17
( ) ( )( )
2
S 2 b$
.
Sb$ = S 2 b$ = 0.0155 = 01245
Ensegu ida se est ablece Ho. b=0 y Ha: b 0 ; dado que n 30 p robamos con t donde
b b 0.7136 0
t =
=
= 5.7317
b
0.1245
S
b
Dado est e valor emp rico d e t , nuest ra t area final es esco ger l a t t erica ( o d e
t ablas como le ll aman ot ros aut ores ) con un nivel de significacin al cual
p robaremos la hip t esis nula de que b=0. Sup ngase que esco gemos el 5% d e
signif icacin, con n-2=10-2=8 grados de libert ad, la t abla indica que t = 2.306,
cuy a int erp ret acin es que p odemos esp erar un valor p osit ivo o negat ivo de b t an
grand e como 2.306 si la hip t esis es ciert a, es decir, s el coefi cient e de l a
p oblacin es cero. Podemos esp erar una diferencia ent re cero y el emp rico b$ , que
es el r esult ado de l a sel eccin aleat oria de la mu est ra, p ero est a diferencia no
p uede ser t an grande como p ara conducir a valor es de t que exced en de 2.306
(p osit ivos o negat ivos).
Ahora bien nuest ra t emp rica es mucho ms grand e que 2.306, p or ello rechazamos
la hip t esis nula que b=0 (que no hay relacin l ineal ent re X y Y en la p oblacin) y
acep t ando la hip t esis alt ernat iva, Ha de que b0. Deci mos que nu est ro coeficient e
de regr esin es signifi cat ivo a un nivel de sign ificacin del 5%. Si la t emp rica
hubiera sido menor que 2.306, d iramos que el coefi cient e d e regresin b$ =0.7136
no sera si gnifi cat ivo. La d iferen cia ent re b$ y cero sera p equea. En est e caso se
dice que hay relacin lineal p orque se rechaz que b=0; en concret o, acep t amos la
bondad o cal idad de las est imaciones, acep t ando Ha.
Grficament e lo ant erior se i lust ra as:
H 0 :b=0
con =5% y n-2=8 grados de lib ert ad t enemos t = 2.306 ;
Ha =b 0
llamado punto crtico para aceptar o rechazar H0
Aceptamos Ha
Aceptamos Ha
Rechazamos Ho
Rechazamos Ho
-2.306
+2.306
t
55
rechazamos H 0 p orque t < t b luego b es dif erent e de cero, h ay una difer enci a
signif icat iva que no p uede at ribuirse ala seleccin al eat oria d e l a mu est ra, s ino a
los v alor es de la v ar iable exgena X expl icando la v ar iable endgena Y.
Por ot ra p art e p ara calcu lar los l mit es o band as de confianza, se p art e del
razonamient o de que al gunos p armet ros
p oblacion ales se p ueden est imar
calcu lando el int ervalo o banda de confianza en t orno al valor del est imador; si el
valor hip ot t ico del p armet ro est a cont enido dent ro del int ervalo, se acep t a la
hip t esis; si no, se rechaza. Ahora bien si el n ivel d e sign ificacin es de 5%, el lo
equival e al error de excluir el valor correct o del p armet ro p oblacional del
int ervalo de confi anza. Por ello l a p robabilidad de inclu irlo en el int ervalo d e
confianza es de 95%. Decir que b$ es significat ivo al 5% de nivel de si gnifi cacin,
es decir que l a p robabilidad es de 95%, que los li mit es de confi anza incluy en o
cont engan el verd adero p armet ro p oblacional.
Los limit es de confianza se p ueden calcular p ara un coeficient e de confi anza del
95% sust it uy endo el valor t erico de t = 2.306 p or el valor emp rico
0.7136 b
tb =
= 5.7317 resolviendo l a ecu acin p ara b obt enemos:
0.1245
a)
0.7136-b=+2.306(0.1245)=0.2871
b=0.7136-0.2871=0.4265 = Lmit e inferior
b)
0.7136-b=-2.306(0.1245)=-0.2871
b=0.7136 + 0.2871=1.0007 = Lmit e sup erior
Int erp ret acin: Los lmit es que co mp renden el coef ici ent e verdad ero de l a
p oblacin (b) a un nivel de p robabilid ad del 95% son: 0.4265 y 1.0007
C omparaci n de S con
b
(Y Y ) = 103.64 = 3.5999
=
2
Sabemos que
n2
10 2
y que Sb$ = 0.1245
Se v e qu e = 3.5999 > Sb = 0.1245 p or que est e lt imo est ima b a p art ir de

t ant o que el p rimero es may or p orque est ima Y a p art ir de Y$ .
b$ ,
V. PRU EBA D E S I G N I FI CACI O N D E (R) 8 .
Coefici ent e de correlacin:

56
en
Se p rueba que r=0 e nd ica qu e X no exp lica a Y.

Se hace con l a frmula
t=
r n2
luego t rabajando con los dat os de la t abla
1 R2
2
ant erior
y
sabiendo
que
n=10;
r=0.897
y
R =0.805
t enemos
0.897(2.37 )
0897
8
.
t=
=
= 574
. .
0.442
1 0805
.
Puest o que con =5% y 8 grados de libert ad la t abl a di ce que t = 2.306
rechazamos la hip t esis que r=0 y decimos que r es signifi cat ivo con =5%; que x
exp lica el 80% d e los cambios en Y, el 20% rest ant e los exp lican ot ras variab les
denot adas p or ei .
De est a p rueba de hip t esis se derivan dos p rop iedades:
1.-A medida que r crece es ms p robable que sea si gnifi cat iva.
2. Est e valor de t =5.74 es igual al d e t =5.74 cuando p robamos b$ p orqu la hip t esis
de que b=0 imp lica la hip t esis que r=0.
VI . PRO PI ED AD ES D E LO S ES TIM AD O RES
La infer enci a que hacemos de una mu est ra sobre una p oblacin est adst ica en ciert o
sent ido p asa a t ravs de la dist ribucin de much as muest ras o de una muest ra ms
grand e, an cuando observamos una sola muest ra de un t amao fijo det erminado.
En ot ras p alabras, la bondad o calidad de un est imador obt enido de una muest ra es
evaluad a p arcialment e en t rminos de lo qu e se esp era que suced era si mu chas
muest ras est uvieran disp onibles o si el t amao de mu est ra p udiera aument arse a
nuest ro ant ojo.
Hay cuat ro p rop iedades que d ebe t ener un buen est imador (o t ambi n l lamado
est adst ica muest ral).
1. In s e s gado . Una p rop iedad deseada en un est imador es que est e sea insesgado.
Un est imador insesgado es aquel que su valor p romedio o esp erado es igu al al valor
verdadero, del p armet ro p oblacional.
Grficament e9 :
57
2. C on si s te n te . Una segunda p rop iedad deseada en un est imador es que est e sea
consist ent e. Una est adst ica consist ent e es la que se acer ca al valor d el p armet ro
p oblacional a medid a que au ment a el t amao de l a muest ra.
Aqu va la grf ica
Vemos que cuando n crece b se acerca a b y que cuando n se acerca al inf init o en
el l mit e, la d ist ribucin de b cae sobre b.
3. Efi ci e n te . Una est adst ica eficient e es aquell a que t iene l a varianza mnima
ent re t odos los est imadores p osibles. En t rminos del grado, mient ras ms
efici ent es es una est adst ica ms p equea es la var ianza de su dist ribucin.
Aqu va la grf ica
4. S u fi ci en te . Una est adst ica o est imador suficient e es aquel que cont ien e t oda
la informacin disp onible de la muest ra que usamos p ara inferir al p armet ro
p oblacional.
Las sigu ient es cuat ro fi guras se resumen en la si gu ient e forma.
58
Al resp ect o es imp ort ant e sealar que en la act ual inv est igacin emp rica en
econom a a menudo debemos cont ent arnos con que los est imadores que p osean una
o ms de est as p rop iedades, pero n o todas el l as. Sup oniendo que hay ms de un
mt odo p ara est imar un p armet ro, un est imador det erminado se consider a sup erior
con resp ect o a ot ras si p osee ms p rop iedades que los ot ros. De gran imp ort ancia
es que sea inses gado y consist ent e8 .
59
Curso de introduccin a la econometra: Facultad de Economa de la UNAM

Dr. Genaro S nchez Barajas : Primer examen parcial.
Nombre del alumnocalif_______
I.-Conteste con un si o un no las siguientes 10 preguntas:
1.- La econometra expresa y mide las relaciones entre Ye X: Si______;No______

2.- Los modelos multiecuacionales son los nicos que se usan: SI____;NO______
3.-La covarianza mide la relacin univoca entre Y e X: SI_______;NO____________
4.- El valor del coeficiente de determinacin entre -1,0 y +1:SI_____;NO__________
5.-La variable dicotmica expresa cuantitativamente un atributo: SI_____;NO______
6.- Una variable retardada es esttica en el tiempo: SI_______;NO___________
7.-La variables aleatoria tambin se llama estocstica: SI_____;NO__________
8.- Todas las perturbaciones aleatorias tienen la misma varianza: SI____;NO_____
9.- El mtodo de mnimos cuadrados no produce la variacin mnima en los estimadores con
respecto a los parmetros que estiman: SI_____:NO____
10.-El diagrama de dispersin ayuda a identificar la forma funcional: SI______;NO____
Cada respuesta cuenta medio punto, es decir, en total 5.0 puntos
II.-Resuelva el siguiente ejercicio e interprete los resultados principales: los coeficientes de la
ecuacin, los de correlacin y determinacin.
Suponga que el consumo (Y) y el ingreso (X) para los ltimos 4 aos (en millones de pesos) son los
siguientes:
Ao
1
2
3
4
(Yi)
3
4
5
8
(Xi)
5
6
8
9
60
Se desea probar la hiptesis de que el consumo en Mxico depende de las variaciones que
experimenta el ingreso, es cierto?
Este ejercicio cuenta cinco puntos, es decir, 5.0
61

Econom Imprimir

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Econom Imprimir

Caricato da

Copyright:

Formati disponibili

Introduccin a la Econometra

Realizar el anlisis estructural de las relaciones entre variables independientes y

Estimar a partir de informacin histrica la evolucin futura de ciertas variables;

3. Hacer planeacin micro y macroeconmica; y

Evaluar la aplicacin de polticas fiscales, de ingreso, monetarias, etc.

Como se indic, dichas tcnicas se aplican en la presentacin matemtica y en la verificacin de

Pro fesor Genaro S nchez Barajas

de las variables micro y macro

presentacin y exposicin didctica, en la descripcin de su alcance, de sus limitaciones y, por

Pro fesor Genaro S nchez Barajas

Pro fesor Genaro S nchez Barajas

Pro fesor Genaro S nchez Barajas

Pro fesor Genaro S nchez Barajas

1.4.2. Los espaoles

Yi : v ariab le end gena, e xp licad a o dep endient e;

Pro fesor Genaro S nchez Barajas

A s , en el lanz am ient o de un dado que t ien e 6 car as : 1,2,3,4,5, y 6, s i hacemos e l

y que garant iz a ciert as pr opiedad es es t ads t icas de los es t imadores a y b, de

p ues t o que ei i = Yi - i = Yi -a-bX i . A p licando las condic iones

de mini miz acin, s e d educe el s is t ema de ecu acion es normal es :

Pro fesor Genaro S nchez Barajas

2. Re pre s e n tati vi dad de l mode l o des cri pti vo

Pro fesor Genaro S nchez Barajas

I I . CON CEPTO S Y EJERCI CO S PARA REFRES CAR O ACTU ALI ZAR LO S

Pro fesor Genaro S nchez Barajas

b).- y /y -5= 7 ; c).- w = 7-z

Pro fesor Genaro S nchez Barajas

D onde a,b y c s on cons t ant es y a 0.

Pro fesor Genaro S nchez Barajas

S ol u ci n de ecu aci on es l in eal es

5X 6 = 3X , s i s umamos -3X en los dos lados

c).- D igamos que 2( p + 4 ) = 7p + 2

Cuando a es may or que 0, la curva abr e hac ia arr iba;

Pro fesor Genaro S nchez Barajas

El p unt o en que la p arbola Y = ax2 + bx + c int ercep t a el eje Y, es el de la

luego entonces X1 = -6; tambin, X2 = 2

Pro fesor Genaro S nchez Barajas

S ol u ci n de ecu aci on es cu adrti cas u san do l a frmu l a cu adrti ca

+ bx + c = 0, donde a,b y c son constantes y a diferente de cero, entonces la

; nota, la b dentro del radical es al cuadrado, no pude poner el

a).- Resolver 4x2 - 17x + 15 = 0

aqu tenemos: a = 4; b = -17 y c = 15

las races son : X1 = 17+7 / 8 = 24 / 8 = 3

5+7/6 = 2 y X2 = 5-7/2 = -2/6 = -1/3

Pro fesor Genaro S nchez Barajas

Sistema de ecuaciones o ecuaciones simultneas

D e la segunda ecuacin x = 10 7y, luego sustituyendo ( 10 7y ) por x en ( 1 ) tenemos:

vemos que el valor de A

est dado por la diferencia de dos productos cruzados. Con nmeros

determinante de tercer orden, se define en trminos de determinante de segundo orden

Pro fesor Genaro S nchez Barajas

= ( 0-5 ) 5 ( -4+20 ) + 3 ( 2 0) = -5+20 - 100 + 6 - 0 = -105 + 26

Resuelva el siguiente sistema de ecuaciones simultneas para X e Y .

Pro fesor Genaro S nchez Barajas

Donde A es el determinante base o determinante de la matriz coeficiente A , y A1 representa el

Pro fesor Genaro S nchez Barajas

Sustituya ( 8+2x) por y en (2) en la primera ecuacin:

Pro fesor Genaro S nchez Barajas

Respuesta: hay dos soluciones: ya sea x = -6 con y = -4 o tambin: x = -2, y = 4.

despejando y en la segunda ecuacin obtenemos :

II.3 El Concepto de una Funcin

Pro fesor Genaro S nchez Barajas

Pro fesor Genaro S nchez Barajas

n s e le l lam a grado de l a fu n ci n y a cada C i, coe fic ient e. Lu e go f( x) = 4X 2 6X +