5.1. Establezca si las siguientes afirmaciones son verdaderas, falsas o inciertas. Sea preciso.
a) La prueba t de significancia estudiada en este capítulo requiere que las distribuciones
muestrales de los estimadores βˆ1 y βˆ2 sigan una distribución normal. Verdadero, la prueba t de
significancia se basa en la normalidad puesto que los estimadores son lineales
b) Aunque el término de perturbación en el MCRL no esté normalmente distribuido, los
estimadores de MCO continúan siendo insesgados. Verdadero, la media de MCO es 0 lo que dice
que no tiene sesgo, por lo cual sus estimadores son imparciales y no necesitan supuestos para
ser insesgados
c) Si no hay intercepto en el modelo de regresión, las ui(uˆi) estimadas no sumarán cero.
Verdadero
d) El valor p y el tamaño de un estadístico de prueba tienen el mismo significado. Verdadero, el
valor p es el nivel de significancia mas bajo posible para rechazarse una hipótesis nula, al igual
que un estadístico, así como, un estadístico se usa para calcular el valor p siendo este mismo
resultado
e) En un modelo de regresión que contenga el intercepto, la suma de los residuos es siempre cero.
Verdadero el valore medio de los residuos es igual a cero
f) Si no se rechaza una hipótesis nula, es verdadera. Falso, ya que no se tiene cierta seguridad en
esa respuesta
g) Entre mayor sea el valor de σ2, mayor será la varianza de βˆ2 dada en (3.3.1). Falso es una
relación inversa mientras menor sea σ2 menor será la varianza
h) Las medias condicional e incondicional de una variable aleatoria significan lo mismo. Falso, la
media condicional depende de los datos de la muestra, mientras que la media incondicional es el
valor esperado respecto una distribución de probabilidad condicional
i) En una FRP de dos variables, si el coeficiente de la pendiente β2 es cero, el intercepto β1 se
estima por la media muestral Y¯. Verdadero
j) La varianza condicional, var(Yi| Xi) σ2, y la varianza incondicional de Y, var(Yi|Xi )σ2 Y , serían la
misma si X no tuviera influencia en Y. Verdadero, si la variable x no afecta a la variable Y se
convierte en valor esperado incondicional, por lo que su varianza es la misma
5.2. Construya la tabla ANOVA como la de la tabla 5.4 para el modelo de regresión dado en
(3.7.2) y pruebe la hipótesis de que no existe relación entre el gasto en alimentos y el gasto total
en India
Grados de Suma de Promedio de Estadístico f Valor crítico
libertad cuadrados cuadrados
Regresión 1 139022.82 139022.82 31.1 8.45E-07
Residuos 53 236893.61 4469.69
Total 54 375916.43
Ho: B2=0
Ha: B2≠0
F =139023\4470=31.1
Estadísticamente β2≠0 con un nivel de significancia del 5%, por lo cual se rechaza la hipótesis
nula(H0) en favor de Ha. Además, se aprecia que el valor de “F”, estadísticamente es casi cero
5.3. Consulte la regresión de la demanda de teléfonos celulares de la ecuación (3.7.3).
a) ¿El coeficiente estimado del intercepto es significativo en el nivel de significancia de 5%? ¿Qué
hipótesis nula está probando?
El error estándar del coeficiente es: 14.4773\6.1523 = 2.353 que viene a ser el valor de “t” a un 5%
de significancia entonces, H0: = B1, se rechaza la hipótesis nula.
b) ¿El coeficiente estimado de la pendiente es significativo en el nivel de significancia de 5%? ¿En
qué hipótesis nula se basa?
0.0022\0.00032 = valor de “t” = 6.875 a un 5% de significancia, entonces, H0: = B2, se rechaza la
hipótesis nula
c)Establezca un intervalo de confianza a 95% para el verdadero coeficiente de la pendiente.
El coeficiente de la pendiente = 0.0022
Error estimado = 0.00032
Valor de “t” por debajo de alfa es 5% y los grados de libertad = 34-2 =32
2.03 B2∓t * u 0.0022 + 2.03*0.00032 & 0.0022 - 2.03*0.00032
De esta manera se concluye que el coeficiente de la pendiente se encuentra dentro de 0.0015504 y
0.0028496 con el 95% de confianza
d) ¿Cuál es el valor pronosticado de la media de los teléfonos celulares demandados si el ingreso
per cápita es de 9 000 dólares? ¿Cuál es el intervalo de confianza a 95% para el valor
pronosticado? De acuerdo con la regresión: Y^ i = 14.4773 + 0.0022Xi, reemplazamos 9,000 en Xi
14.4773 + 0.0022(9,000) = 34.2773
5.5. Lo que se conoce como la línea característica del análisis de inversión moderno es
sencillamente la línea de regresión obtenida del siguiente modelo: rit = αi + βirmt + ut
donde rit = la tasa de rendimiento del i-ésimo valor en el tiempo
t rmt = la tasa de rendimiento del portafolio del mercado en el tiempo
t ut = término de perturbación estocástica
En este modelo, βi se conoce como coeficiente beta del i-ésimo valor, una medida del riesgo del
mercado (o sistemático) de un valor.
Con base en 240 tasas de rendimiento mensuales para el periodo 1956-1976, Fogler y Ganapathy
obtuvieron la siguiente línea característica para las acciones de IBM en relación con el índice de
portafolio del mercado elaborado en la Universidad de Chicago:* rˆit = 0.7264 + 1.0598rmt r 2 =
0.4710 ee = (0.3001) (0.0728) gl = 238 F1.238 = 211.896
a) Se dice que un valor cuyo coeficiente beta es mayor que uno es un valor volátil o
agresivo. ¿Fueron las acciones de IBM valores volátiles en el periodo que se estudia? En este
caso el coeficiente de beta para las acciones IBM es 1.0598 esto quiere decir que el valor de
volatilidad o agresividad en comparación con el mercado se experimentaron cambios en
comparación con el índice de portafolio elaborado por la Universidad de Chicago
b) ¿Es el coeficiente del intercepto significativamente diferente de cero? Si lo es, ¿cuál es su
interpretación práctica? Para este caso si es diferente de 0 por lo que se rechaza la hipótesis nula y
es estadísticamente significativa
5.8. Considere el siguiente resultado de una regresión: donde Y tasa de participación de la fuerza
laboral (TPFL) de las mujeres en 1972 y X TPFL de las mujeres en 1968. Los resultados de la
regresión se obtuvieron de una muestra de 19 ciudades de Estados Unidos.
a) ¿Cómo interpreta esta regresión?
Hay una asociación positiva entre la participación de fuerza laboral y el TPFL
b) Pruebe la hipótesis H0: β2 =1 contra H1: β2 > 1. ¿Qué prueba utilizaría? ¿Por qué? ¿Cuáles son
los supuestos subyacentes de la(s) prueba(s) que eligió?
Se usaría una prueba t para encontrar el valor y saber si la hipótesis nula entra en el rango, siendo
las otras opciones obtener el valor p o el análisis anova.
d)¿Cómo probaría la hipótesis de que el término de error en la regresión sobre la población está
normalmente distribuido? Muestre los cálculos necesarios.
Se necesitan los valores de las desviaciones en su parcela y obtener el gráfico de probabilidad
normal o para calcular el valor de la prueba Jarque-Bera.
5.11. Consulte el ejercicio 1.7.
a) Grafique los datos sobre impresiones en el eje vertical y el gasto publicitario en el horizontal.
¿Qué tipo de relación observa? Es la relación entre las dos variables son no linealmente, a medida
que aumenta el gasto en publicidad, aumenta el de publicidad, aumenta el numero de
impresiones, pero gradualmente disminuyen.
Ejercicio 5.11
200
150
100
50
0
0 20 40 60 80 100 120
b) ¿Sería apropiado ajustar un modelo de regresión de dos variables a los datos? ¿Por qué? Si la
respuesta es negativa, ¿qué tipo de modelo de regresión se ajustaría a los datos? ¿Cuenta con las
herramientas necesarias para ajustar dicho modelo? Seria inapropiado ajustar un modelo de
regresión lineal bivariado a los datos, pero podría ser Yi=B1+B2+B3X22i+ui donde Y son las
impresiones retenidas y X2 el gasto publicitario. Aun que para todo esto seguiría siendo lineal en
los parámetros.
c) Suponga que no se grafican los datos y que sólo ajusta el modelo de regresión con dos
variables a los datos. Obtenga los resultados usuales de la regresión. Guarde dichos resultados
para revisar después este problema.
Yi= 22.163+ 0.3631 Xi
ee (7.089) (0.0971)
r2=0.424
5.12. Consulte el ejercicio 1.1.
a) Grafique el índice de precios al consumidor (IPC) estadounidense en relación con el
canadiense. ¿Qué revela la gráfica?
Muestra que las tasas de inflación en los dos países se mueven juntas
Ejercicio 5.12
200
180
160
140
120
100
80
60
40
20
0
60 80 100 120 140 160 180 200 220
