ECONOMETRÍA I CONCRECIÓN

Preguntas tipo examen

1. Cuál es la función que denota únicamente que el valor esperado de la distribución Y dada
Xi está relacionada funcionalmente con Xi.
a. Función de expectativa condicional o Función de Regresión Poblacional
2. Como son Conocidos β1 y β2
a. Coeficientes de Regresión; Intersección; Coeficiente de la Pendiente
𝑌
3. Como es conocida esta función 𝐸 (𝑋) = 𝑓(𝑋)
a. Función de Regresión Lineal Poblacional
4. ¿Cuál es la diferencia entre la Función Poblacional y la Función Muestral de regresión?,
¿Se trata de distintos nombres para la misma función?
a. La función muestral es solo una aproximación de la verdadera FP
5. ¿Qué papel desempeña el término error estocástico u1 en el análisis de regresión
¿Cuál es la diferencia entre el término error estocástico y el error residual u1?
a. Es un sustituto para todas aquellas variables que son omitidas del modelo pero
que, colectivamente, afectan a Y.
6. ¿Por qué es necesario el análisis de regresión? ¿Por qué no utilizar simplemente el valor
medio de la variable regresada como su mejor valor?
a.
7. ¿Qué se quiere dar a entender como un modelo de regresión lineal?
a. La esperanza condicional de Y es una función lineal de Xi es una función lineal de
los parámetros
8. Si dos variables aleatorias se distribuyen t-student, entonces
a.
9. Cuáles son los tres métodos para aprender de la población
a. Estimación, intervalo de confianza y test de hipótesis

INTRODUCCIÓN

10. Cuáles son las estructuras de datos más importantes:

a. Corte transversal; series de tiempo; combinación de ; datos de corte transversal,
datos de panel o longitudinales
11. Ejemplos de datos de corte transversal
a. Encuesta Integrada de Hogares; Análisis Micro
12. Ejemplos de Series de Tiempo
a. Índices de Precios al Consumidor y el Producto Interno Bruto, que se miden con
frecuencia trimestral, anual, etc. Se le indexa el subíndice t. Análisis Macro
13. Ejemplos de combinación de Datos de corte transversal
a. serie de ingresos promedios de las ciudades correspondientes al área
metropolitana, de la EIH.
14. Ejemplo de Datos de Panel o Longitudinales
a. Conjunto de datos macroeconómicos (PIB, PIB per cápita, inflación, etc.) de un
grupo de países a lo largo de un periodo de 10 años.
CLASE NRO. 2
15. Qué es una matriz
a. Es una colección de números ordenados de forma abierta en un arreglo
rectangular, generalmente ordenados convenientemente para el propósito que
se necesite. En general, vamos a decir que las matrices contienen información, y
esa información se ordena en los diferentes elementos.
16. Matrices Típicas con características
a. Vector (una de sus dimensiones = 1; Escalar (1x1); Cuadrada (n=m)
17.
 CLASE NRO. 3

18. Si hablamos de obtener el valor más razonable de una característica desconocida de una
distribución poblacional, como por ejemplo, su media. Nos referimos a
a. Estimación
19. Emplean los datos de la muestra para construir un intervalo o rango para una
característica poblacional desconocida.
a. Intervalos de confianza
20. Consisten en formular una hipótesis específica acerca de la población y, empleando la
evidencia de la muestra, decidir si es o no es cierta.
a. Test de Hipótesis
21. Cuáles son las propiedades de los estimadores independiente del tamaño
a. Insesgamiento y eficiencia
22. Cuáles son las propiedades de los estimadores válidas solo asintóticamente.
a. Consistencia y Normalidad Asintótica
23. Si un estimador es insesgado, entonces su distribución de probabilidad tiene un valor
esperado igual al
a. Parámetro que se está estimando.
24. Cuál es la manera de comparar estimadores que no son insesgados?
a. Mediante el error cuadrático Medio
25. Para saber si un estimador es consistente no es suficiente saber que el sesgo y la varianza
tiendan a cero cuando n aumenta, sino que la condición suficiente es que el Error
Cuadrático Medio tienda a cero cuando n aumenta
a. La afirmación es falsa, por cuanto una condición es suficiente para la
consistencia es que el sesgo y la varianza tiendan a cero a medida que el tamaño
muestral aumenta indefinidamente
26. A medida que n crece la FDP de Wn se concentra alrededor de θ
a. Consistencia de un Estimador
27. Cuál es una condición necesaria de los estimadores
a. La Consistencia
28. Si Wn no es un estimador consistente de Ө, entonces se dice que es
a. inconsistente.
29. Si dos variables (X e Y) poseen un coeficiente de correlación lineal muy próximo a cero
a. Debemos concluir que no existe relación lineal, pero puede haber una alta
relación no lineal.
30. El método máxima verosimilitud
a. Escoge el de valor de θ que hace que la probabilidad de los datos sea la
mayor posible
31. Cuales son algunos métodos de estimación que, en general, entregan estimadores con las
propiedades deseables de Insesgamiento, consistencia y eficiencia.
a. Métodos de momentos; Máxima verosimilitud; Mínimos cuadrados
32. El Método de Momento
a. El método consiste, primero, en probar que Ө guarda una cierta relación con
𝐸(𝑌), 𝐸(𝑌 2 ) u otras formas similares; se estima Ө a partir de la relación probada
con el momento muestral
33. Cuál de estas afirmaciones es correcta
a. Todo intervalo de confianza se construye a partir del estimador del parámetro
en cuestión, una medida del poder estadístico del intervalo, y el error estándar o
desviación estándar muestral de la variable aleatoria.
34. Error de tipo II: “no rechazar” Ho cuando en realidad es falsa.
35. Error de tipo I: rechazar la cuando es verdadera
36. Que error es más grave de cometer
a. Error tipo II
37. De qué depende el p-valor
 a. De la hipótesis alternativa

CLASE NRO. 4

38. Son aquellas que asignan una probabilidad positiva a lo más a un número infinito contable
de valores. A qué nos referimos
a. Variables Aleatorias Discretas
39. ¿Por qué puede ser caracterizada una variable aleatoria discreta?
a. Por su distribución de Probabilidad
40. Cuáles son las medidas de resumen de Mayor interés de una FDP
a. Medidas de tendencia central; Medidas de Dispersión; Medidas de asociación
entre variables aleatorias
41. Cuales son medidas de tendencia central
a. MEDIA; MEDIANA
42. Medidas de Dispersión
a. La Varianza; la desviación estándar
43. Cuáles son las medidas de asociación básica
a. Correlación y la covarianza
44. Es una medida de asociación extendible a relaciones no lineales entre variables aleatorias.
a. Esperanza condicional
45. Mide el grado de dependencia lineal entre dos variables aleatoria
a. La covarianza
46. Cuál es la distribución que se obtiene directamente de variables independientes e
idénticamente distribuidas en forma normal.
a. Chi cuadrado
47. La distribución t hereda sus grados de libertad de la distribución…
a. Chi Cuadrado
CLASE NRO. 5

48. Cuál es la diferencia entre û y u

a. El residuo, û, es una estimación del término de error, u, y es la diferencia entre la
línea ajustada (función de regresión muestral) y los puntos de la muestra.
49. ¿Cuál es Intuitivamente la función del Método MCO?
a. Ajusta una línea a través de cada punto muestral tal que la suma de los cuadrados
residuales es tan pequeño como sea posible
50. La línea de regresión MCO siempre pasa a través de……
a. La media de la muestra
51. ¿Cómo podemos saber que tan bien se ajusta nuestra línea de regresión a los datos de la
muestra?
a. Podemos calcular la proporción de la suma de cuadrados totales (SST) que es
explicado por el modelo, llamándolo R-cuadrado de la regresión
52. Cuáles son los cuatro supuesto que confirman que el MCO sea insesgado
a. Sea lineal en los parámetros; Se puede usar una muestra aleatoria de tamaño n; E
(u/x)=0; Variabilidad en las Xi.
53. Qué se debe recordar en cuanto a los parámetros
a. Es una descripción del estimador – en una muestra determinada podemos estar
“cerca” o “lejos” del verdadero parámetro.
54. ¿Cuál es la condición para la Homoscedasticidad?
𝑢
a. 𝑉𝑎𝑟 (𝑋𝑖 ) = 𝝈²
𝑖
55. ¿Cuál es la condición para la Heteroscedasticidad?
𝑢
a. 𝑉𝑎𝑟 (𝑋𝑖 ) = 𝝈𝒊 ²
𝑖