trabajo

A. Brevemente Defina:
1. Modelo Económico: Los modelos son, en general, representaciones ideales o simplificadas, que ayudan a la comprensión de sistemas reales más complejos; es decir es una simplificación de la realidad. Ejemplo: El modelo de frontera de posibilidades de producción siendo el supuesto “Un país produce dos bienes, y si se quiere aumentar la cantidad producida de un bien habráque disminuir la cantidad producida del otro”.
2. Regresión: El análisis de regresión trata del estudio de la dependencia de una variable (variable dependiente) respecto de una o más variables (variables explicativas) con el objetivo de estimar o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las segundas.
3.Correlación: El objetivo principal es medir la fuerza o el grado de asociación lineal entre dos variables. El coeficiente de correlación, mide esta fuerza de asociación (lineal).




Gráfica 1: La relación de la primera grafica es perfectamente lineal igual por lo tanto el coeficiente de correlación es igual 1.
Grafica 2: La relación de la segunda grafica es lineal por lo tanto elcoeficiente de correlación es negativo igual a -1.
Grafica 3: En la tercera grafica No hay relación lineal sino cuadrática, por lo tanto el coeficiente de correlación es igual a 0.
Grafica 4: En la cuarta grafica No hay relación lineal, por lo tanto el coeficiente de correlación es negativo cercano a -1.
Grafica 5: En la quinta grafica los puntos se relacionan pero no de forma lineal, por lo tanto elcoeficiente de correlación es igual a cero.
Grafica 6: En la sexta grafica No hay relación lineal, por lo tanto el coeficiente de correlación es positivo cercana a 1.

4. Diferencia entre relaciones estadísticas Vs relaciones determinísticas.

DIFERENCIA RELACIONES
ESTADISTICA
DETERMINISTA
Se analizan, variables aleatorias o estocásticas, es decir, variables con distribuciones deprobabilidad.
También se manejan variables, pero no son aleatorias o estocásticas.
Las variables explicativas, no permiten predecir en forma exacta debido a los errores propios de la medición de estas variables y a otra serie de factores que en conjunto afectan pero que individualmente son difíciles de identificar.
Implican relaciones como la ley de la gravedad de Newton, la cual establece que todapartícula en el universo atrae a cualquier otra partícula con una fuerza directamente proporcional al producto de sus masas e inversamente proporcional al cuadrado de la distancia entre ellas.


5. Diferencia entre Regresión Vs Causalidad.

DIFERENCIAS
REGRESIÓN
CAUSALIDAD
Dependencia de una variable respecto de otras variables.
Debe provenir de estadísticas externas y, en último término,de una u otra teoría.
Una relación estadística por sí misma no puede, por lógica, implicar causalidad.
Para aducir causalidad se debe acudir a consideraciones a priori o teóricas.


6. Serie de Tiempo: Es un conjunto de observaciones sobre los valores de una variable en diferentes momentos; se puede recopilar en intervalos regulares como lo son: Diarios, Semanales, Mensuales, Trimestrales,etc.


Ejemplo 1.
Comportamiento mensual del Euro sobre el peso colombiano.








Tomado de Portafolio.com




Ejemplo 2.
Ventas anuales de la empresa MARYSAN CONFECCIONES de 2005-2015, en millones de pesos.



VENTAS MARYSAN
AÑO
TOTAL
2005
30000
2006
40000
2007
50000
2008
55000
2009
70000
2010
82000
2011
95000
2012
104000
2013
120000
2014
1700002015
210000


Ejemplo 3.
Accidentes semestrales en trabajos agrícolas en Colombia.










7. Datos de corte transversal: Datos de una o más variables recopilados en el mismo punto del tiempo.
Ejemplo 1.
Población económicamente activa en el año de 2005

Ejemplo 2.
Desempleo en países suramericanos en el año de 2000.






8. Datos Combinados: Estos datos son los que...