Prueba
Páginas: 2 (496 palabras)
Publicado: 21 de junio de 2011
4. Respuestas:
a) En el caso de un modelo que presenta un valor de d de Durbin Watson de 2,06 se observa que la prueba no es concluyente a 95%. Dato: número de observaciones: 9, número deparámetros: 3.
d: 2,06
n: 9
K: 3
K’: 2
α: 5%
dl: 0,629
du: 1,699
u-dl: 3,371
u-du: 2,301
Existe evidencia estadística de NO autocorrelación serial respecto al enunciado es falso.
b) Uncoeficiente de correlación de rango de -0,7 indica heterocedasticidad, cuando n es 12.
rs: -0,7
n: 12
ttabla: 2,23
| tcrs|:
| tc| > |ttabla|
| -3,099| > |2,23|
Se rechaza Ho, existeevidencia de heterocedasticidad.
c) Un parámetro insesgado debe tener mínima varianza, según Gauss.
Mejor estimador lineal insesgado (MELI)
Según Gauss, es decir que los parámetros estimados ison los mejores estimadores de los βi, significa que en la clase de posibles estimadores de βi no habrá ninguno de menor varianza que aquel obtenido por MCO denominado i. Para que esto se cumpladebe cumplir con el conjunto de atributos de Gauss-Markov.
1. Es lineal, es decir, función lineal de una variable aleatoria, tal como la variable dependiente Y en el modelo de regresión.
2. EsINSESGADO, es decir, su valor promedio o esperado, E ( i), es igual al valor verdadero, βi.
3. Tiene varianza mínima dentro de la clase de todos los estimadores lineales insesgados; un estimadorinsesgado con varianza minima es conocida como un estimador eficiente.
En el contexto de regresión puede probarse que los estimadores MCO son MELI. Ésta es la clave del famoso teorema Gauss-Markov, elcual se puede enunciar de la siguiente forma:
Teorema Gauss-Markov: dados los supuestos del modelo clásico de regresión lineal, los estimadores de mínimos cuadrados, dentro de la clase de estimadoreslineales insesgados, tienen varianza minima, es decir, son MELI.
El teorema de Gauss-Markov no hace ninguna suposición respecto a la distribución de probabilidad de la variable aleatoria y por...
a) En el caso de un modelo que presenta un valor de d de Durbin Watson de 2,06 se observa que la prueba no es concluyente a 95%. Dato: número de observaciones: 9, número deparámetros: 3.
d: 2,06
n: 9
K: 3
K’: 2
α: 5%
dl: 0,629
du: 1,699
u-dl: 3,371
u-du: 2,301
Existe evidencia estadística de NO autocorrelación serial respecto al enunciado es falso.
b) Uncoeficiente de correlación de rango de -0,7 indica heterocedasticidad, cuando n es 12.
rs: -0,7
n: 12
ttabla: 2,23
| tcrs|:
| tc| > |ttabla|
| -3,099| > |2,23|
Se rechaza Ho, existeevidencia de heterocedasticidad.
c) Un parámetro insesgado debe tener mínima varianza, según Gauss.
Mejor estimador lineal insesgado (MELI)
Según Gauss, es decir que los parámetros estimados ison los mejores estimadores de los βi, significa que en la clase de posibles estimadores de βi no habrá ninguno de menor varianza que aquel obtenido por MCO denominado i. Para que esto se cumpladebe cumplir con el conjunto de atributos de Gauss-Markov.
1. Es lineal, es decir, función lineal de una variable aleatoria, tal como la variable dependiente Y en el modelo de regresión.
2. EsINSESGADO, es decir, su valor promedio o esperado, E ( i), es igual al valor verdadero, βi.
3. Tiene varianza mínima dentro de la clase de todos los estimadores lineales insesgados; un estimadorinsesgado con varianza minima es conocida como un estimador eficiente.
En el contexto de regresión puede probarse que los estimadores MCO son MELI. Ésta es la clave del famoso teorema Gauss-Markov, elcual se puede enunciar de la siguiente forma:
Teorema Gauss-Markov: dados los supuestos del modelo clásico de regresión lineal, los estimadores de mínimos cuadrados, dentro de la clase de estimadoreslineales insesgados, tienen varianza minima, es decir, son MELI.
El teorema de Gauss-Markov no hace ninguna suposición respecto a la distribución de probabilidad de la variable aleatoria y por...
Leer documento completo
Regístrate para leer el documento completo.