UNIVERSIDAD CATLICA DE CUENCA

UNIDAD ACADMICA DE ECONOMA, FINANZAS Y

MERCADOTECNIA
FACULTAD DE ECONOMA
MATERIA:
ECONOMETRA
CATEDRTICO:
ECO. FERNANDO VERA

REALIZADO POR:
CARLOS MENDOZA
AO:
CUARTO AO DE ECONOMA
FECHA:
06 DE NOBIEMBRE DE 2014

2.1 Cul es la funcin de esperanza condicional o funcin de regresin

poblacional?
E (Y /Xi) = (Xi)
Es el valor esperado de la distribucin de y dada en xi se relaciona funcionalmente
con xi en otras palabras dice como la media o respuesta promedio de y varia con x
2.2 Cul es la diferencia entre la funcin de regresin poblacional y la
funcin de regresin muestral? Se trata de distintos nombres para la
misma funcin?
No trata de la misma funcin. La diferencia es que la FRP es un concepto idealizado,
pues en la prctica pocas veces se tiene acceso al total de la poblacin de inters.
Por lo general se cuenta con solo con una muestra de observaciones de la
poblacin, en consecuencia se utiliza la funcin de regresin muestral estocstica
(FRM) para estimar la FRP
2.3 Qu papel desempea el trmino de error estocstico

ui

en el

anlisis de regresin? Cul es la diferencia entre el trmino de error

estocstico y el residual

i ?

Ui= es un trmino que sustituye o representa a todas las variables omitidas o

ignoradas que pueden afectar a y pero que no se incluyen o no pueden incluirse en
el modelo de regresin

i= denota el termino residual (muestral) conceptualmente i es

anlogo a ui y se considera una estimacin de ui, que se introduce en
la FRM por las mismas razones que se introdujo ui en la FRP.
2.4. Por qu es necesario el anlisis de regresin? Por qu no tan slo
utilizar el valor medio de la variable regresada como su mejor valor?
El anlisis de la regresin, la idea es estimar la FRP; es decir estimar los valores no
conocidos de B1 Y B2 como base en la observacin de Y y X
No se utiliza solo las medias por que se estara condicionando mis datos, y va a ser
ms susceptible de errores.
2.5. Qu se quiere dar a entender con modelo de regresin lineal?
Modelo de regresin lineal nos quiere decir que un modelo es lineal en los
parmetros o pueden transformarse para que lo sean.
En el anlisis de regresin, el objetivo es utilizar los datos para trazar una lnea que
representen mejor la relacin entre las dos variables. Al momento que se traza la
lnea recta me permitir analizar los puntos que estn por encima y por debajo de
mi media.

2.6. Determine si los siguientes modelos son lineales en los parmetros,

en las variables o en ambos. Cules de estos modelos son de regresin
lineal?
Modelo
a)

i= 1+ 2

Ttulo descriptivo

( X1 )+U
i

Recproco

b)

Y i= 1 + 2 ln X i +U i

Semilogartmico

c)

ln Y i= 1 + 2 X i +U i

Semilogartmico inverso

d)

ln Y i=ln 1 + 2 ln X i+U i

e)

ln Y i= 1 + 2

( X1 )+U

Logaritmo o doble logaritmo

Logaritmo recproco

Nota: In = logaritmo natural (es decir, logaritmo base e); u, es el termino de

perturbacin estocstica. Estudiaremos estos modelos en el captulo 6.
a) Si es lineal en los parmetros, no en las variables. No es un modelo de
regresin lineal
a) Si es lineal en los parmetros y en las variables. Es un modelo de regresin
lineal
b) Si es lineal en los parmetros y en las variables. Es un modelo de regresin
lineal
c) Si es lineal en los parmetros y en las variables.es un modelo de regresin
lineal
d) Si es lineal en los parmetros y no en las variables. No es un modelo de
regresin lineal
2.7. Son modelos de regresin lineal los siguientes? Por qu?
a)

Y i=e +

b)

Y i=

c)

ln Y i= 1 + 2

d)

Y i= 1 + ( 0.751 ) e

e)

Y i= 1 + 2 X i +U i

X i +Ui

1
1+ e

1 + 2 X i +U i

( X1 )+U

2( Xi 2)

+U i

Respuesta:
a) Es lineal en los parmetros y en las variables, por lo tanto si es un
modelo de regresin lineal
b) No es lineal en los parmetros ni en las variables, lo tanto no es un
modelo de regresin lineal.
c) Es lineal en los parmetros, pero no es las variables, por lo tanto no
es un modelo de regresin lineal.
d) No es lineal en los parmetros, por lo tanto no es un modelo de
regresin lineal
e) El parmetro B2 esta elevado a una potencia mayor que cero, por lo
tanto no es un modelo de regresin lineal.
2.8. Qu se entiende por un modelo de regresin intrnsecamente lineal?
Si en el ejercicio 2.7d) 2 valiera 0.8, sera un modelo de regresin lineal
o no lineal?

Los modelos inherente o intrnsecamente lineal, son aquellos que con una
transformacin adecuada puede convertirse en modelos de regresin lineales en los
parmetros. Pero si dichos modelos no pueden linealizarse en los parmetros se les
conoce como modelos de regresin intrnsecamente no lineales.
0.8 ( X i 2)

Y i= 1 + ( 0.751 ) e

+U i

2.9. Considere los siguientes modelos no estocsticos (es decir, modelos

sin el trmino de error estocstico). Son lineales estos modelos de
regresin? De no serlo, sera posible, con manipulaciones algebraicas
apropiadas, convertirlos en modelos lineales?
a)

Y i=

1
1+ 2 X i

b)

Y i=

Xi
1+ 2 X i

c)

Y i=

1
1+ exp (1 2 X i )