En palabras, (3.2.5) postula que las perturbaciones ui y uj no están correlacionadas.

Técnicamente, éste es el sup

correlación serial, o no autocorrelación. Esto significa que dado Xi, las desviaciones de dos valores cualesquiera
valores promedio no muestran patrones como los de la fi gura 3.6a) y b). En la fi gura 3.6a) se ve que las u están
positivamente, pues a una u positiva sigue una u positiva, o a una u negativa sigue una u negativa. En la fi gura 3.6
correlacionadas negativamente, pues a una u positiva sigue una u negativa y viceversa.

Si las perturbaciones (desviaciones) siguen patrones sistemáticos, como los que de las figuras 3.6a) y b), hay corr
autocorrelación, y lo que requiere el supuesto 5 es que dichas correlaciones estén ausentes. La figura 3.6c) mues
un patrón sistemático para las u, lo que indica cero correlación.
 parametros siempre lineales

das. Técnicamente, éste es el supuesto de no

nes de dos valores cualesquiera de Y de sus
fi gura 3.6a) se ve que las u están correlacionadas
ue una u negativa. En la fi gura 3.6b), las u están
eversa.

de las figuras 3.6a) y b), hay correlación serial o

én ausentes. La figura 3.6c) muestra que no hay

relacion positiva si hay relacion de los errorees existe autocorrelacion +

si los errorres estan en el 2 y 4 to cuadrante autocorrelacion negativa

no hay autocorrelacion

Los errores esten dispewrsos

 Autocorrelación:
¿qué pasa si los términos de error están correlacionados?

LAS PERTURBACIONES ESTAN CORRELACIONADAS

•valores están relacionados en momentos diferentes en el tiempo.

•Un valor positivo (o negativo) de genera una sucesión de valores positivos (o negativos). Esto es autocorrelación positiva.

•Autocorrelación también puede manifestarse por la alternancia de signos en la sucesión de valores. Entonces se llama autocorrelació

En este capítulo el lector encontrará similitudes en muchos aspectos con el anterior sobre heteroscedasticidad,
pues, en presencia tanto de autocorrelación como de heteroscedasticidad,
los estimadores de MCO usuales, a pesar de ser lineales, insesgados y tener distribución
asintóticamente normal (es decir, en muestras grandes),1 dejan de tener varianza mínima
entre todos los estimadores lineales insesgados. En resumen, no son efi cientes en relación
con los demás estimadores lineales e insesgados. Dicho de otro modo, es posible que no sean
los mejores estimadores lineales insesgados (MELI). Como resultado, las pruebas usuales t,
F y χ2 pueden no ser válidas.

En forma
similar, si tratamos con información de corte transversal que implica la regresión del gasto de
consumo familiar sobre el ingreso familiar, no esperaremos que el efecto de un incremento en el
ingreso de una familia sobre su gasto de consumo incida en el gasto de consumo de otra.
Sin embargo, si existe tal dependencia, hay autocorrelación.

1 CAUSAS DE LA AUTOCORRELACION:

1 Inercia presentan ciclos (económicos).

2 Sesgo de especifi cación:
3 Sesgo de especifi cación:
4 Fenómeno de la telaraña
5 Rezagos
6 “Manipulación” de datos
7 Transformación de datos
caso de variables excluidas
forma funcional incorrecta
LA VARIABLE REACCIONA EN FUNCION DE LA OTRA VARIBLE PERO D
EL CONSUMO ACTUAL DEPENDERA DEL CONSUMO ANTERIOR
SOLO ES MODIFICACION DE DATOS O SUMAS Y PROMEDIOS, SE LO
las famosas primeras diferencias

2 Estimador MELI en presencia de autocorrelación

 En resumen, con autocorrelación, el estimador de MCG dado en (12.3.1) es MELI y la varianza
mínima está dada
Consecuencias de utilizar MCO en presencia
3 de autocorrelación

Como en la heteroscedasticidad, en presencia de autocorrelación los estimadores continúan

siendo lineales e insesgados, al igual que consistentes, y están distribuidos de forma asintóticamente
normal, pero dejan de ser efi cientes (es decir, no tienen varianza mínima).

Estimación por MCO tomando en cuenta la autocorrelación

^β2 no es asintóticamente efi ciente
El mensaje es: para establecer intervalos de confi anza y probar hipótesis, debe utilizarse
MCG y no MCO, aunque los estimadores derivados de este último sean insesgados y consisten

Estimación por MCO ignorando la autocorrelación

1. Es probable que la varianza de los residuos ˆσ 2 _x0002_ ˆu 2t /(n − 2) subestime la verdad

2. Como resultado, es probable que se sobreestime R2
3.
es Aunque
probableσ2que
no conduzcan
esté subestimada, var( ˆ β2)
a conclusiones puede subestimar
erróneas var(cancia
sobre la signifi ˆ β2)AR1
estadística de los
coefi cientes de regresión estimados.

Relación entre salarios y productividad en el sector

de negocios de Estados Unidos, 1960-2005
¿cómo detectarla y corregirla?

La tabla 12.4 proporciona información sobre índices de remuneración real por hora Y (RCOMPB) y
producción por hora X (PRODB) en el sector de negocios de la economía de Estados Unidos de
1960 a 2005; la base de los índices es 1992 _x0002_ 100.

Table 12.4 test para detectar autocorrelacion durbin

 Year Y X dwstat
1960 60.8 48.9
1961 62.5 50.6
1962 64.6 52.9
1963 66.1 55.0
1964 67.7 56.8
1965 69.1 58.8
1966 71.7 61.2
1967 73.5 62.5
1968 76.2 64.7
1969 77.3 65.0
1970 78.8 66.3
1971 80.2 69.0
1972 82.6 71.2
1973 84.3 73.4
1974 83.3 72.3
1975 84.1 74.8
1976 86.4 77.1
1977 87.6 78.5
1978 89.1 79.3
1979 89.3 79.3
1980 89.1 79.2
1981 89.3 80.8
1982 90.4 80.1
1983 90.3 83.0
1984 90.7 85.2
1985 92.0 87.1
1986 94.9 89.7
1987 95.2 90.1
1988 96.5 91.5
1989 95.0 92.4
1990 96.2 94.4
1991 97.4 95.9
1992 100.0 100.0
1993 99.7 100.4
1994 99.0 101.3
1995 98.7 101.5
1996 99.4 104.5
1997 100.5 106.5
1998 105.2 109.5
1999 108.0 112.8
2000 112.0 116.1
2001 113.5 119.1
2002 115.7 124.0
2003 117.7 128.7
2004 119.0 132.7
2005 120.2 135.7
s autocorrelación positiva.

s. Entonces se llama autocorrelación negativa.

consecuencia de la autocorrelacion los parametros no son meli

los beta ya no son meli

las varianzas ya no son minimas

eteroscedasticidad,

vif se acrca a 1

vif mucho menor para el modelo si pasa mas de 50 hay multyiclinealidad

Heterocedasticidad
pasar los datos en sus diferencias(3r grado) cambia los datos a logaritmos en baase 10 o natural
eliminar observaciones

se genera un “impulso” en ellas,

DE LA OTRA VARIBLE PERO DE SU PRECIO ANTERIOR (EJM: LOS AGRICULTORES CON EL PRECIO Y LA OFERTA)
L CONSUMO ANTERIOR
UMAS Y PROMEDIOS, SE LOGRA UNA SUAVIzACION
ELI y la varianza

res continúan
orma asintóticamente

ipótesis, debe utilizarse

o sean insesgados y consistentes.

minimos cuadrados generalizados

minimos cuadrados ordinarios

/(n − 2) subestime la verdadera σ2.

ar( ˆ β2)AR1
fi cancia estadística de los

hora Y (RCOMPB) y
ados Unidos de

ectar autocorrelacion durbin watson ho no hay autocorrelacion de 1er orden

 h1 hay autocorrelacion de 1er orden4

tabla de autocorrelacion rechazor h0 evidencia de acina de indecision

0 dl du
este no indecision se puede trabajar el m
x
n de 1er orden
1er orden4

no rechaceh0 oho0 zona de indecision rechacze h0 evidencia de autorrelacion negativa

2 4-du 4-dL 4
no hay autocorrelacio indecision se puede trabaj este no
x
cion negativa
 si tiene heterocredasticidad 'para q sea un mod

5to supuesto
TIME Y X1 X2 X3
1 612.650024 20.8055553 40.2759209 78.9942017
2 615.75 21.2380943 52.9147987 18.6098995
3 616.299988 21 54.609932 71.7130966
4 616.299988 20.6000004 42.7184448 22.4298992
5 616.299988 20.0082169 20.5338802 24.6093998
6 616.450012 18.0277786 80.1232605 14.6379004
7 617.349976 20.2519608 49.4131432 24.2141991
8 618.050049 16.977869 85.5397186 11.2016001
9 618.300049 16.5098038 58.9073639 8.55109978
10 619.799988 22.7040234 77.0058136 21.2824001
11 620.299988 19.9111118 49.8139877 23.4375
12 620.5 18.333334 40.6818199 34.7727013
13 621.400024 22.6190472 16.2105255 21.6494999
14 621.75 19.4482765 45.0748634 18.9111004
15 622.050049 25.0526314 39.0756302 43.8558998
16 622.599976 20.6754379 76.6652527 16.8010006
17 623.099976 18.6823521 40.4911842 22.4071999
18 623.200012 22.8455296 73.7202301 17.0014992
19 623.450012 19.2666664 70.0115356 15.0711002
20 623.599976 19.25 55.9622154 16.2928009
21 624.150024 20.545454 11.0619469 14.4989004
22 624.550049 20.606966 80.4200897 35.5625
23 624.950012 21.0726814 63.1303558 15.3198996
24 625.299988 21.5358143 65.1218567 29.7639008
25 625.849976 19.9039993 53.4164009 12.6920004
26 626.099976 21.1940689 49.8230705 17.4426003
27 626.800049 21.8653545 35.4653702 19.1516991
28 626.900024 18.3296452 56.1255264 28.8472996
29 627.099976 16.2285709 32.3943672 14.5270004
30 627.25 19.1785717 65.5121002 19.5716991
31 627.299988 20.2773666 53.0554428 23.7959995
32 628.25 22.9861374 49.6425324 12.5064001
33 628.400024 20.4444447 45.108696 22.2826004
34 628.550049 19.8208466 30.3204594 33.908001
35 628.650024 23.2052231 52.2431259 21.4986
36 628.75 19.2669678 36.8013153 24.6595001
37 629.800049 23.3018875 30.2833996 8.21829987
38 630.349976 21.1882858 49.8645668 17.4531002
39 630.400024 20.8717957 13.7592135 19.7789002
40 630.549988 19.0174942 28.8637047 39.2183991
41 630.549988 21.9193802 52.8047867 22.1578007
42 631.050049 20.1012383 44.0850601 36.9450989
43 631.400024 21.476511 35.25 27.2614002
44 631.849976 20.0657883 37.4944611 13.9884996
45 631.900024 20.3750954 50.3905907 7.49749994
46 631.950012 22.4464817 31.0725784 18.5480995
47 632 22.8952389 18.2612324 20.9274006
48 632.200012 20.4979706 34.7002068 28.3425007
49 632.25 20 33.2889481 43.4976006
50 632.449951 22.2565804 33.4877091 15.4595003
51 632.849976 21.5643635 38.1587524 11.2897997
52 632.950012 19.4773712 36.9294624 25.9211006
53 633.049988 17.6700211 32.9894905 58.7522011
54 633.150024 21.9475613 58.2166557 10.9113998
55 633.650024 21.7833939 17.0036469 14.9768
56 633.900024 19.1399994 17.6593533 27.1681995
57 634 18.1104965 7.3215375 46.8881989
58 634.050049 20.6824246 31.1981564 17.7026005
59 634.099976 22.6236076 16.617445 25.5592995
60 634.099976 21.786499 58.0810356 26.8414002
61 634.150024 18.5829315 55.8925438 22.9277
62 634.199951 21.545454 5.48523235 19.8311997
63 634.400024 21.1528912 14.4291935 21.2588005
64 634.549988 16.6333332 22.8456917 40.3670006
65 634.700012 21.1443825 38.7833366 40.5526009
66 634.900024 19.7818184 64.2463226 14.1543999
67 634.949951 18.9837284 25.225565 15.7601004
68 635.049988 17.6676674 5.38243628 8.67210007
69 635.199951 17.7549915 6.07902765 28.9157009
70 635.450012 15.272727 0 23.4568005
71 635.599976 14 0 21.7646999
72 635.599976 20.5961342 34.8891792 13.9911003
73 635.75 16.3116875 13.0573244 29.9363003
74 635.950012 21.1279621 36.0251236 22.2222004
75 636.099976 17.4880123 34.6534653 32.0867996
76 636.5 17.8867931 28.6919823 21.5189991
77 636.599976 19.3067589 1.79533219 29.4468002
78 636.699951 20.8923073 30.6332855 14.7903004
79 636.900024 21.2868385 59.0334549 25.3794003
80 636.950012 20.1955986 13.5593224 21.0433006
81 637 24.9500008 5.01001978 23.6994
82 637.099976 18.130434 0.95923263 19.9041004
83 637.349976 20 0.66666669 48.3443985
84 637.650024 18.7295094 38.5120354 16.8160992
 85 637.949951 18.25 0 25.3425007
86 637.950012 18.992569 17.173914 10.5931997
87 638 19.8876419 9.88700581 10.2777996
88 638.200012 19.3789482 19.3916359 25.2579994
89 638.300049 20.4625855 36.4893608 26.9015999
90 638.300049 22.2915726 39.3999977 18.7999992
91 638.349976 20.7047386 28.6776218 10.6912003
92 638.549988 19.0600529 13.6986303 13.6985998
93 638.700012 20.2324696 11.3498364 26.4965
94 639.25 19.6901226 3.44262314 8.52460003
95 639.300049 20.3625393 15.4302673 21.2625008
96 639.349976 19.7542229 17.9737835 19.1296997
97 639.5 19.3797665 22.7177334 6.84070015
98 639.75 22.9235096 18.436245 20.5237007
99 639.799988 19.3733978 16.1717148 52.2198982
100 639.849976 19.1551552 2.02212882 25.8297997
101 639.900024 21.2999992 9.62441349 3.99060011
102 640.099976 18.3035717 41.4634132 18.5366001
103 640.150024 21.0792561 9.8990345 28.1753006
104 640.5 18.7912083 16.081871 11.3959999
105 640.75 19.6266174 43.4949379 12.2791004
106 640.900024 19.5901642 8.7866106 15.6118002
107 641.099976 20.871872 39.0243874 11.9285002
108 641.449951 21.1150017 53.8903046 28.7199993
109 641.449951 20.0845203 41.1332932 17.4202004
110 641.549988 19.9104881 1.38328528 47.2621994
111 641.800049 17.812851 35.4430389 20.6751003
112 642.199951 18.1333332 8.63970566 20.5505009
113 642.200012 19.2222118 15.3497744 15.2812004
114 642.400024 18.6607151 19.8564587 10.6964998
115 642.75 19.6000004 3.06122446 19.6891003
116 643.049988 19.2838421 9.87318802 14.4139996
117 643.199951 22.818182 16.0956173 11.3221998
118 643.25 18.8092194 43.4989777 20.9666004
119 643.400024 21.3736324 45.0379524 34.5942001
120 643.400024 20.0204086 18.1957188 24.4151001
121 643.5 21.4986153 15.4876947 6.49119997
122 643.5 15.4285717 0.92592591 9.41699982
123 643.699951 22.3999996 7.58928585 7.14289999
124 643.700012 20.1270866 29.0858383 16.4023991
125 644.199951 19.0379753 0.13297872 11.7104998
126 644.200012 17.3421574 50.8576317 7.48750019
127 644.400024 17.0186329 11.4963503 7.66419983
128 644.450012 20.7999992 13.4615393 32.3810005
129 644.450012 21.1538467 4.72727251 12.7272997
130 644.5 18.458334 21.4446945 14.2212
131 644.549988 19.1408215 12.3536806 37.2268982
132 644.699951 19.4076576 30.1488838 7.17880011
133 644.950012 19.568964 15.8590298 18.0617008
134 645.099976 21.5011997 43.75 12.3990002
135 645.25 17.5294113 0 19.4631004
136 645.549988 16.430172 0 19.1303997
137 645.550049 19.7965393 16.6522121 17.4761009
138 645.599976 17.1861343 3.22033906 37.4367981
139 645.75 17.6158943 0 25
140 645.75 20.1253719 48.5245895 7.27589989
141 646 22.166666 0.75187969 11.1940002
142 646.200012 19.9615383 1.92678237 16.7630005
143 646.349976 19.0394516 13.5135126 7.58930016
144 646.400024 15.2243595 0 26.6422997
145 646.5 21.1447506 16.7146053 26.1676006
146 646.549988 19.6438999 5.94353628 10.2525997
147 646.700012 21.0486889 36.1743774 10.3094997
148 646.900024 20.1754379 44.9718666 13.0430002
149 646.949951 21.391304 16.6666679 9.7560997
150 647.049988 20.0083256 15.1872397 26.6268005
151 647.25 20.2913723 34.3377991 13.2271996
152 647.299988 17.666666 0 25.3668995
153 647.599976 18.2205505 13.0674 10.1787996
154 647.599976 20.2710018 4.27807474 6.68450022
155 648 20.198946 39.5946312 11.2216997
156 648.200012 21.3842449 21.6683731 10.0227003
157 648.25 20.9736843 3.26223326 7.02629995
158 648.349976 20 7.85714293 3.57139993
159 648.700012 17.1532841 39.5744667 6.80849981
160 648.949951 22.3497715 10.1278029 23.1975002
161 649.150024 22.1700707 27.5217915 8.15149975
162 649.300049 18.181818 14 3.22580004
163 649.5 18.9571438 8.84200001 41.7733994
164 649.699951 19.7453308 6.4058466 17.9750996
165 649.849976 16.4262295 2.39520979 20.6348991
166 650.449951 16.6253967 5.95744705 31.3304997
167 650.549988 16.3817673 8.173913 26.4347992
168 650.599976 20.0741577 15.4589367 5.54129982
169 650.650024 17.9954433 0 21.9958992
170 650.900024 19.391304 0 1.75440002
171 650.900024 16.4285717 0 13.5417004
172 651.150024 16.7294865 31.8245831 14.7094002
173 651.200012 24.4134522 12.8009167 8.3682003
174 651.349976 18.2641506 0 28.0991993
175 651.400024 18.9550419 3.84615398 16.5394001
176 651.450012 21.0389614 2.46913576 13.0031004
177 651.800049 20.7407398 10.7142859 7.85710001
178 651.849976 18.1000004 0 25.4144001
179 651.900024 19.8461533 1.93798447 9.25930023
180 652 21.6000004 4.62962961 3.66969991
181 652.099976 22.442421 5.25059652 13.9534998
182 652.099976 23.0143757 27.5403824 7.6230998
183 652.299988 17.7489185 14.9825783 3.79310012
184 652.300049 18.2866402 47.8793755 7.17959976
185 652.349976 19.2654419 0 20.3360996
186 652.400024 22.666666 1.76470602 10.5881996
187 652.400024 19.294117 0 33.5365982
188 652.5 17.363636 0 29.2383003
189 652.849976 19.8214283 7.28910732 4.34070015
190 653.099976 20.4337788 17.0280037 12.8725996
191 653.400024 21.0372086 10.4355516 5.7519002
192 653.5 19.9246235 2.26986122 4.41359997
193 653.549988 19.0098572 28.2479134 5.48269987
194 653.550049 23.8222218 8.76865673 5.59700012
195 653.699951 19.3690853 7.49185658 5.53749991
196 653.799988 19.8285713 9.79827118 18.4438
197 653.849976 15.2588549 12.5 29.1667004
198 653.949951 17.1612911 0 10.5066004
199 654.099976 21.8133335 31.204155 24.0219994
200 654.199951 19.0747128 1.3691932 12.1271
201 654.199951 25.7851238 9.61538506 10.4294004
202 654.299988 18.2126141 0 34.1894989
203 654.599976 18.1660633 24.2572899 11.3589001
204 654.849976 16.9729729 9.55414009 1.8987
205 654.849976 21.5008736 5.92532444 8.54199982
206 654.900024 20.6000004 0.97087377 5.82520008
207 655.049988 16.9902916 18.2857132 14.8570995
208 655.050049 20.7795448 4.98434877 7.52689982
209 655.050049 15.5124664 4.28571463 8.69569969
210 655.199951 19.8850575 3.35260105 3.08419991
211 655.300049 21.3988228 32.7074966 7.49660015
212 655.349976 20.4975128 9.46601963 8.73789978
213 655.349976 19.3637581 6.26078749 12.6785002
214 655.400024 17.6595745 13.2530127 9.03610039
215 655.549988 21.0179558 3.16913533 11.1264
216 655.699951 19.0556488 16.9911499 6.7256999
217 655.799988 22.5384617 0.85324234 7.5085001
218 655.849976 21.107872 6.6495657 7.06389999
219 656.400024 20.0513535 0.11641444 16.4144001
220 656.5 14.2017632 0 8.27589989
221 656.550049 18.4768677 6.93374443 3.8520999
222 656.650024 18.635416 9.55841255 2.9625001
223 656.700012 20.9459457 0.90322578 24.9032002
224 656.800049 21.0854816 1.15830112 12.9886999
225 656.800049 18.6928806 40.108017 9.77079964
226 657 20.8680782 16.6632118 18.9319
227 657 19.8255768 21.9553585 7.80579996
228 657.150024 19.75 8.86075974 6.32910013
229 657.400024 19.5 0.85470092 8.40340042
230 657.5 18.3908043 0 16.0919991
231 657.550049 18.7867641 3.91389418 27.4853993
232 657.650024 19.7701798 11.9494591 3.61010003
233 657.75 19.333334 3.99274039 15.2343998
234 657.799988 21.4639168 22.9394817 8.31890011
235 657.900024 23.0849228 2.48563004 2.51670003
236 658 21.0629921 9.87149525 5.3737998
237 658.349976 18.6868687 0.54054058 6.50409985
238 658.599976 20.7702351 8.95663166 3.53049994
239 658.799988 19.3055553 6.47481966 0.71939999
240 659.050049 20.132803 20.7254314 9.01580048
241 659.150024 20.6696358 0.18726592 12.8276997
242 659.349976 22.2815533 13.9869289 4.03950024
243 659.400024 20.6002712 8.74172115 10.2598
244 659.400024 20.8273392 20.0345421 1.5
245 659.799988 19.2249241 1.38339925 10.4847002
246 659.900024 17.6547699 2.06270623 18.2971993
247 660.050049 17 28.5714302 4
248 660.099976 16.4977284 0.16949153 7.79659987
249 660.199951 19.782608 13.7362642 13.9194002
250 660.299988 22.3021584 0 7.46269989
251 660.75 17.7307701 0.21691975 14.4708004
252 660.949951 20.4483604 3.12103939 9.83790016
253 661.349976 20.3716946 47.3684235 7.24139977
254 661.450012 20.1647873 22.7096787 2.88170004
255 661.599976 21.6153774 29.1207409 10.1976996
256 661.599976 20.5614281 4.43262434 6.89659977
257 661.849976 19.9555111 4.81421661 12.2952004
258 661.849976 21.1838703 5.24920464 3.37199998
259 661.849976 18.8104229 1.89944136 17.5531998
260 661.900024 20.5783825 8.66293335 10.5342999
261 661.900024 18.3246079 10.4761906 0
262 661.950012 18.8206272 1.24223602 16.5279007
263 662.400024 20.8163261 0 20.3922005
264 662.400024 20 9.375 11.25
265 662.450012 19.681818 1.38568139 9.33609962
266 662.5 19.3901768 35.3421211 5.45389986
267 662.550049 20.9273186 9.64071846 5.29890013
268 662.550049 19.9443665 2.23152018 8.8888998
269 662.650024 20.7910938 0.36640361 3.25999999
270 662.700012 19.2035389 0.57603687 16.5898991
271 662.75 19.0243912 0 13.2039003
272 662.900024 17.6205788 0.85158151 8.07380009
273 663.349976 20.237154 5.52455378 3.125
274 663.449951 19.2937393 0 12.0768995
275 663.5 18.8299809 0 16.1165009
276 663.849976 20.3394928 2.4372232 12.0383997
277 663.849976 19.2289963 20.7667732 9.45119953
278 663.900024 17.891304 2.18712044 13.8518
279 664 19.5188103 13.6261759 2.91610003
280 664 19.084507 13.284133 4.46740007
281 664.150024 19.9354839 1.94174755 4.20709992
282 664.150024 18.8732567 23.0615654 8.61900044
283 664.299988 20.1417847 0.62111801 20.9580994
284 664.400024 23.5563717 3.25551224 4.47219992
285 664.449951 21.4647884 0 10.8107996
286 664.700012 19.1910114 2.22482443 8.48950005
287 664.75 20.1308003 18.5583763 3.33500004
288 664.949951 25.7999992 6.20155048 9.30230045
289 664.950012 18.7777405 18.4574814 2.53839994
290 665.099976 19.1098156 32.0725517 3.70519996
291 665.200012 19.701086 3.96551704 11.8965998
292 665.349976 18.615942 15.3367071 5.48640013
293 665.650024 20.9972115 27.6652279 6.39499998
294 665.900024 20 12.5373144 0.4161
295 665.950012 20.9832516 12.6801748 13.5300999
296 666 21.6426239 6.90804434 1.19679999
297 666.050049 20.0296726 14.9629622 0
298 666.099976 19.8113976 11.2693253 6.01870012
299 666.150024 18 9.72222233 4.16669989
300 666.150024 19.3581085 3.31588125 6.99300003
301 666.449951 20.179121 0.69348127 1.84940004
302 666.550049 21.1198635 5.14112902 3.72979999
303 666.599976 23.3897362 4.96916532 6.39230013
304 666.650024 22.181818 6.96721315 15.5738001
305 666.650024 19.9428272 7.99606514 2.59899998
306 666.699951 17.7882557 0.48192772 10.4118996
307 666.849976 14.7058821 2.5 13.3758001
308 666.849976 19.0407677 3.84131002 6.79850006
309 667.150024 20.8919544 1.32042253 4.04930019
310 667.199951 19.8385067 4.91228056 5.09259987
311 667.450012 19.5219116 0 8.97959995
312 667.450012 20.6862183 0.22238696 2.00149989
313 667.599976 18.181818 0 13.8009005
314 668 18.8922424 17.8540592 7.03700018
315 668.099976 24.8888893 4.46428585 5.35710001
316 668.400024 18.5806446 9.54861164 3.99309993
317 668.599976 18.0400009 3.99113083 8.64750004
318 668.650024 17.7339897 20.666666 2.10179997
319 668.799988 21.454546 7.62711859 8.33329964
320 668.900024 19.9234257 27.4536724 5.98229981
321 668.950012 20.3394203 10.857626 2.60780001
322 669.099976 22.5460758 5.02573395 4.66239977
323 669.300049 21.1034432 14.2361689 5.61339998
324 669.300049 18.1974258 0.23584905 3.53769994
325 669.349976 20.1076813 2.07068896 5.03389978
326 669.349976 19.1598358 8.55614948 17.5531998
327 669.799988 19.545454 0 13.9534998
328 669.849976 20.8888893 4.78723431 6.3829999
329 669.950012 18.3915024 3.96039605 22.1947002
330 670 19.179903 1.57935286 3.00460005
331 670.699951 19.397707 3.59390855 3.8211
332 671.25 21.6782723 8.72622681 2.16350007
333 671.299988 19.2888889 0 4.72349977
334 671.599976 20.3492737 0.26406127 3.24799991
335 671.599976 20.9641609 1.44792152 2.92989993
336 671.650024 19.4603901 0.14749262 2.50740004
337 671.699951 19.2857151 0 16.9591007
338 671.75 20.9197941 3.70500636 2.19250011
339 671.900024 20.9002132 0.26852846 2.82969999
340 671.900024 20.5957451 0 2.42600012
341 671.949951 19.375 4.51612902 0.64520001
342 672.049988 19.9512234 2.44479489 2.03279996
343 672.050049 18.8497334 0 4.89510012
344 672.299988 18.1178703 0 7.98759985
345 672.349976 19.1834087 5.40540552 5.59210014
346 672.450012 22 0 2.45099998
347 672.550049 21.5841579 6.42201805 2.2421999
348 672.699951 20.3888893 6.5395093 2.0243001
349 673.049988 16.2931023 14.2857151 2.07249999
350 673.25 18.2777824 3.67879748 1.34210002
351 673.299988 19.3747158 0.50217611 2.04220009
352 673.549988 18.90909 0 9.38969994
353 673.549988 16.4069252 22.6912937 2.90240002
354 673.900024 15.5913973 0 6.20690012
355 674.25 18.7069416 0.14164306 2.59369993
356 675.400024 18.3298531 2.73348522 1.375
357 675.700012 17.9023514 1.68350172 12.2688999
358 676.150024 18.9115658 0 20.8633003
359 676.549988 20.3249664 0.14360938 2.51850009
360 676.599976 20.0245686 0 4.29449987
361 676.849976 24 11.0465117 0.96899998
362 676.949951 17.6078434 0 12.7272997
363 677.25 19.3485336 0 2.35689998
364 677.950012 19.6784649 0.06333122 5.55560017
365 678.050049 18.7286053 0 6.00519991
366 678.400024 15.8823528 0 3.61450005
367 678.799988 20.0549126 15.0598974 2.39590001
368 679.400024 17.9882526 1.47959185 1.94169998
369 679.5 16.9662933 2.64900661 2.64899993
370 679.650024 19.2393742 1.47991538 2.17840004
371 679.75 19.195858 4.46989298 5.1395998
372 679.800049 19.599062 0.3264418 1.04929996
373 680.050049 20.543478 2.53968263 4.23990011
374 680.450012 18.5884838 0.54200542 0
375 681.299988 15.6041861 11.5853663 2.35290003
376 681.299988 15.2930403 11.377245 0.52079999
377 681.599976 17.6553669 0 4
378 681.900024 17.5797615 1.37488544 0.53670001
379 682.150024 22.333334 2.23880601 0.74629998
380 682.450012 18.75 5.33333349 2.6940999
381 682.549988 18.1024094 2.77315593 1.92420006
382 682.650024 20.2564106 0 13.75
383 683.349976 18.8020744 17.7257519 1.42139995
384 683.400024 18.7723045 0 3.99239993
385 684.300049 20.4052105 0 10.0719004
386 684.349976 18.6507931 0.42553189 4.66099977
387 684.800049 20.7070713 6.06707335 2.75230002
388 684.950012 22 10.1275911 1.58229995
389 686.050049 17.6997757 3.37552738 1.79320002
390 686.699951 21.4832897 8.6485424 1.71539998
391 687.549988 16.7010307 12.3456793 13.2530003
392 689.099976 19.5756722 1.58959532 0.4481
393 691.049988 17.2580643 1.49532712 0.08
394 691.349976 17.3752556 10.3855228 0.82609999
395 691.900024 17.3493118 6.13402033 0.41240001
396 693.950012 16.2622852 2.266289 0.84990001
397 694.25 17.7004547 2.47863245 1.5812
398 694.800049 20.1288147 0.89362925 0
399 695.199951 18.2653942 2.42165232 1.70940006
400 695.299988 14.5421362 3.76569033 0
401 696.550049 19.1526108 1.96286476 0.0506
credasticidad 'para q sea un modelo bueno