GUÍA No1 ECONOMETRÍA

GUÍA No1 ECONOMETRÍA

  Modelos de Regresión Simple

1. La tasa de flujo Y [m3/min] en un dispositivo empleado para medir la calidad del aire depende de la caída de presión X medida en pulgadas de agua a través del filtro del dispositivo. Suponga que para valores de X entre 5 y 20, las dos variables están relacionadas con el modelo de regresión lineal simple con verdadera recta de regresión  Y = -0.12 + 0.095 X.                                                   (a)        ¿Cuál es el cambio esperado en la tasa de flujo asociada con un aumento de 1 pulg en la caída de

                presión?. Explique sus resultados

1. ¿Qué cambio en la tasa de flujo se puede esperar cuando la caída de presión disminuye en 5 pulg ?.
2. ¿Cuál es la tasa de flujo esperada para una caída de presión de 10 pulg ?. ¿Y para una caída de presión de 15 pulg?.
3. Suponga que σ2 = 0.025 y considere una caída de presión 10 ulg. ¿Cuál es la probabilidad de que el valor observado de la tasa de flujo exceda de 0.835 ?. ¿Y de que la tasa de flujo observada exceda de 0.840?.
4. ¿Cuál es la probabilidad de que una observación en la tasa de flujo, cuando la caída de presión sea de 10 pulg, exceda una observación en la tasa de flujo hecha cuando la caída de presión sea de 11pulg?.

1. Suponga que el costo esperado de un lote de producción está relacionado con el tamaño del lote mediante la ecuación  Y = 4000 + 10⋅X. Denote por Y una observación sobre el costo de un lote. Si las variables magnitud y costo están relacionadas por el modelo de regresión lineal simple, ¿podría darse el caso de que P(Y > 6500 / X=100) = 0.05 y P(Y > 6500 / X=200) = 0.10 ?. Explique sus resultados

1. Comente brevemente el significado de cada uno de los siguientes términos:

(a)        Coeficiente de regresión estimado.

1. Error estándar.
2. Estadística t.
3. r2 ( coef. de correlación de Spearman )
4. Suma de cuadrados los  residuos.
5. Error estándar de la regresión.
6. Mejor estimador lineal insesgado.

1. El gerente de una tienda de televisores observa las siguientes ventas en 10 diferentes días. Calcule la regresión de y sobre x donde :

                                      y = número de televisores vendidos                                                                       x = número de representantes de venta                                        

1. Considere el siguiente método de estimación de la pendiente de una recta para prever y conocido x: calcular la media muestral[pic 2], y estimar la pendiente aparente para cada punto [pic 3]. Tome la media de estos valores [pic 4] como estimación de β1. ¿Es este estimador centrado? ¿Es eficiente?. Comente sus diferencias con el estimador de mínimos cuadrados  de β1 .                                                                                 

1. Michigan en 1983 y 1984. Las variables son:                                                                                y =salario (miles de dólares.)                                                                        x = años de experiencia (después de obtener el doctorado.)        

Fuente: R. H. Frank, “Are Workers Paid Their  Marginal Products?”, The American Economic Review, septiembre 1984, tabla1, pag. 560.

...