Dllo pronsticos

Pba-Hipotesis
ECONOMETRIA
Apndices: A B C D E
Enfoques
Modelo clsico de regresin lineal normal (MCRLN)

prueba-hip
Prueba de hipostes para la pendiente y la coordena al origen. Si el estadstico de pruba es mayor
que el valor crtico de la taba, entonces se rechasa la hipostesi nula. De lo contrario se acepta la
hipotesis nula.
Hacer un mtodo para cada
cada valar crtico .

estadstico y cada

compararlo con

Indice
A
Operadores sumatoria y productoria

Probabilidad y variables aleatorias:

Indice

FUNCIONES DE DENSIDAD DISCRETA Y CONTINUAS

Funcin de densidad continua:
La funcin que caracteriza las variables continuas es aquella funcin f positiva e integrable en los reales, tal
que acumulada desde hasta un punto x, nos proporciona el valor de la funcin de distribucin en x,

F(x). Recibe el nombre de funcin de densidad de la variable aleatoria continua:

https://www.youtube.com/watch?v=gDmdm2BlDIY
https://www.youtube.com/watch?v=RLfeCcL_VRE

Indice
Enfoques y conceptos
Proceso estocstico es un concepto matemtico que sirve para caracterizar una sucesin de variables aleatorias
que evolucionan en funcin de otra variable, generalmente el tiempo.
Existen cinco (seis) enfoques de los pronsticos econmicos basados en series de tiempo:
1) mtodos de suavizamiento exponencial
2) modelos de regresin uniecuacionales
3) modelos de regresin de ecuaciones simultneas,
4) modelos autorregresivos integrados de promedios mviles (ARIMA)
5) modelos de vectores autorregresivos (VAR).
6) REDES NEURONALES
suavizamiento exponencial

4. ARIMA
Autorregresivos
Un modelo AR (autorregresivo) como aquel en el que la variable endgena de un perodo t es explicada por
las observaciones de ella misma correspondientes a perodos anteriores (parte sistemtica) ms un trmino de
error ruido blanco (innovacin). se abrevian con la palabra AR tras la que se indica el orden del modelo:
AR(1), AR(2),....etc. El orden del modelo expresa el nmero de observaciones retrasadas de la series temporal
analizada que intervienen en la ecuacin:AR(1) Y t = 0 + 1 Y t -1 + a t ,
AR(p) Y t = 0 + 1 Y t -1 + 2 Y t -2 + ......+ p Y t - p + a t

RESTINCIONES
Proceso anticipante. La correlacin entre variables se reduce en forma directamente proporcional la
lejana con el tiempo. La suma de la magnitud de los coeficientes asten limitadas en valor
absoluto
Indice
Operador y polinomio de retardos:
El operador retardo Lp aplicado al valor Yt de una determinada serie devuelve el valor de esa serie retardado
p observaciones, es decir LpYt=Yt-p Un polinomio de retardos de orden p p(L) se compone de una
sucesin
de
p
operadores
de
retardos
con
sus
respectivos
coeficientes:
p (L) = 1 - 1 L - 2 L2 - ...... - p L p , El polinomio de retardos permite abreviar la expresin de un modelo
AR(p) escribindose: p (L) Y t = 0 + a t , las caractersticas del polinomio de retardo permiten analizar la
estacionariedad
Indice

Modelo de medias mviles MA(q)

Aquel que explica el valor de una determinada variable en un perodo t en funcin de un trmino independiente
y una sucesin de trminos de error, de innovaciones correspondientes a perodos precedentes,
convenientemente ponderados: Y t = + a t + 1 a t -1 + 2 a t - 2 + ....+ q a t - q ,que de nuevo puede abreviarse
utilizando el polinomio de retardos (como en el caso de los modelos AR): Y t = q (L) a t +

Indice

4.

Modelo clsico de regresin lineal normal

(MCRLN)
La llamada teora clsica de la inferencia estadstica consta de dos ramas, a saber: estimacin
y pruebas de hiptesis.
4.1 Distribucin de probabilidad de las perturbaciones i,

Indice
promedios simple

Indice