Ejercicio 3.

Definimos:

Z=x 1+ x 2 y w=x 2 + x 3
n n

∑ ( x1 i− x1 ) +∑ ( x2 i−x 2 )
Z= i=1 i=1
n
n n

∑ ( x1 i− x1 ) ∑ ( x 2i− x2 )
i=1 i=1
Z= +
n n
n n

∑ x1 i n x1 ∑
x2i
nx
i=1 i=1
Z= − + − 2
n n n n

Simplificando las “n”, obtenemos:

Z=x 1−x 1+ x 2−x 2=0

∴ Z=( z−Z )=z

Ahora:
n n

∑ ( x2 i−x 2 ) + ∑ ( x 3 i−x 3 )
i=1 i=1
W=
n
n n

∑ ( x2 i−x 2 ) ∑ ( x3 i− x3 )
i=1
W= + i =1
n n
n n

∑ x2i n x2 ∑
x3 i
nx
i=1 i=1
W= − + − 3
n n n n

Simplificando las “n”, obtenemos:

W =x 2−x 2+ x 3−x 3=0

∴ W =( w−W )=w
 √
n n

∑ ( zw ) 2
∑ (zw ¿)
i =1 i=1
r zw = = ¿

√ ∑ √∑
n n n n
∑z ∑w 2 2
z2 w2
i=1 i=1 i=1 i=1

∑ [ ( x 1+ x 2 ) ( x 2+ x3 ) ¿ ]
i=1
¿ ¿

√∑
n
¿¿¿¿
i=1

n n n

n ∑ (x ¿ ¿ 1 x 3 )+∑ x22 +∑ x 2 x 3
¿ ∑ ( x1 x 2)+ i=1 i=1 i=1
¿

√∑
n
i=1
¿¿¿¿
i=1

Por supuestos del modelo propuesto, sabemos que:

∑ (x ¿ ¿ 1 x 2) ¿=0
i=1

∑ (x ¿ ¿ 1 x 3) ¿ =0 porque las variables no están correlacionadas

∑ (x ¿ ¿ 2 x 3) ¿=0
i=1

Entonces, definimos:

√
n
n
∑ x 2i ∀ xi ⇒ ∑ x i2=s2x (n−1)
i=1
S x= i=1
n−1

Reemplazando en r zw , obtenemos:
n

∑ x 22 i
i=1
r zw =

√ √
n n n n n n

∑ x 1 i+ 2 ∑ ( x 1 x2 ) +∑ x 2 i
2 2
∑ x 2 i +2 ∑ (x ¿ ¿ 2 x 3 )+ ∑ x3 i ¿
2 2

i=1 i=1 i =1 i=1 i=1 i=1

Sabíamos que:
n

∑ (x 1 x 2)=0
i=1
 n

∑ x 2 x3=0
i=1

Entonces, obtenemos:
n

∑ x 22i
i=1
r zw =

√ √
n n n n

∑ x 1 i+∑ x2 i2 2
∑ x2 i +∑ x 3 i
2 2

i=1 i=1 i=1 i=1

2
s x 2 (n−1)
r zw =
√s 2
x1 ( n−1 )+ s 2x 2 (n−1) √ s 2x 2 ( n−1 ) +s 2x 3 (n−1)

Como cada una de las variables tiene la misma desviación estándar:

2
s x (n−1)
r zw = 2
2 s x ( n−1 )

1
r zw =
2

Ejercicio 3.2

Modelo: y= β 0 + β 1 x 1+ β2 x 2+ β 3 x3 + μ

Modelo Estimado: y= β 0 + β 1 x 1+ β2 x 2+ ε
n

∑ r^ i1 y i
i=1
Por MCO obtenemos: b 1= n

∑ r^ 2i 1
i=1

donde:
n n

∑ r^ =∑ (x 1− α^ −^γ x 2)2
2

i=1 i=1

Si aplicamos el MCO en la regresión de x 1 en x 2 obtenemos:

n
∂ ∑ r^ 2 n
i=1
=0 ⇒ ( 2 ) ∑ r^ 1 i x 2=0
∂ ^γ i=1

Si escribimos x 1 en términos de su valor estimado y su residuo:

( 3 ) x 1i= ^x1 i + r^ 1 i

Entonces, obtenemos:
n n

∑ r^ i1 y ∑ r^ i 1( β 0+ β 1 x1 + β 2 x 2 + β 3 x 3 + μ)
i=1
b 1= n
= i=1 n

∑ r^ 2
i1 ∑ r^ 2i 1
i=1 i=1

n n n n n
β 0 ∑ r^ i 1 β 1 ∑ r^ i 1 x1 β 2 ∑ r^ i 1 x 2 β 3 ∑ r^ i1 x 3 ∑ r^ i 1 μi
b 1= ni=1 + i=1 n
+ i=1n
+ i=1n
+ i=1n
∑ r^ 2i 1 ∑ r^ 2i 1 ∑ r^ i21 ∑ r^ 2i 1 ∑ r^ 2i 1
i=1 i=1 i=1 i=1 i=1

Sabemos que:
n

∑ r^ i1 =0 por (1)
i=1

∑ r^ i1 x 2=0 por (2)

Entonces, obtenemos:
n n n
β 1 ∑ r^ i 1 ( ^x1 i + r^ 1 i) β3 ∑ r^ i 1 x 3 ∑ r^ i1 μi
i=1 i=1 i=1
b 1= n
+ n
+ n
∑ r^ 2i 1 ∑ r^ 2i 1 ∑ r^ 2i 1
i=1 i=1 i=1

n n n n
β 1 ∑ r^ i 1 ^x 1 i β1 ∑ r^ i 1 r^ 1i β 3 ∑ r^ i 1 x 3 ∑ r^ i1 μi
b 1= i=1n
+ i=1
n
+ i=1n
+ i=1n
∑ r^ 2i 1 ∑ r^ 2i 1 ∑ r^ 2i1 ∑ r^ 2i 1
i=1 i=1 i=1 i=1
 n

∑ r^ i 1 r^ 1 i
i=1
Como n
=1
∑ r^ 2
i1
i =1

n n n
β 1 ∑ r^ i 1 ^x 1 i β 3 ∑ r^ i 1 x 3 ∑ r^ i 1 μ i
i=1 i=1 i=1
b 1= n
+ β 1+ n
+ n

∑ r^ 2i 1 ∑ r^ 2i 1 ∑ r^ 2i 1
i=1 i=1 i=1

n n n
β 1 ∑ r^ i 1 ( ^x1 i + r^ 1 i) β 3 ∑ r^ i 1 x 3 ∑ r^ i 1 μ i
i=1 i=1
b 1= n
+ β 1+ n
+ i=1n
∑ r^ 2i 1 ∑ r^ 2i 1 ∑ r^ 2i 1
i=1 i=1 i=1

n
β1 ∑ r^ i 1 ( ^x 1i + r^ 1i )
i=1
n =0 ya que no existe correlación entre x 1 y x 2
∑ r^ 2
i1
i=1

Aplicando esperanza:
n n
β 3 ∑ r^ i1 x3 ∑ r^ i 1 E( μ ¿¿ i)
i=1 i=1
E( b¿¿ 1)=E( β 1)+ n
+ n
¿¿
∑ r^ 2
i1 ∑ r^ 2
i1
i=1 i=1

Como E( μi ¿=0
n
β 3 ∑ r^ i 1 x 3 i
i=1
∴ E(b¿¿ 1)=β 1 + n
¿
∑ r^ 2
i1
i=1

como E( b¿¿ 1) ≠ β1 ⇒ b1 ¿es un estimador sesgado de β 1.

La E( b¿¿ 1)=β1 ¿cuando β 3=0 , es decir, cuando x 3 sea una variable irrelevante, o
bien, cuando x 1 y x 3no estén correlacionadas.