U5 Covarianza

Determina la relación
positiva o negativa de
Econometría Financiera dls variable
Unidad:
Covarianza
Docente: Máximo Pasache Ramos

Logro
El alumno comprende desde el uso de la covarianza y varianza
como medida del riesgo financiero que asume el empresario.
Importancia
Es importante esta unidad porque en ella se podrá comprobar
la eficiencia de los estimadores del modelo y realizar
pronósticos válidos con la regresión lineal múltiple
Contenido general
• Varianza de errores.
• Covarianza entre B1 y B2
• Estimador de mínimos cuadrado desviación estándar.
• Consistencia de estimadores
Varianza de Errores
Error o Residuo
Viene a ser la diferencia entre el valor observado de la
variable dependiente y el valor estimado.
Se pueden presentar errores positivos o negativos.
Variable dependiente
Variable
𝜀 =𝑌−𝑌 dependiente
predicha
Residuo
Varianza de Errores
(Homocedasticidad)
Uno de los supuestos de la Regresión Lineal Múltiple es
que las varianza de los errores debe ser constante, es
decir Homocedástica.
Var(ui) = σ2
Fuente: https://es.wikipedia.org/wiki/Homocedasticidad
Definición de Heterocedasticidad
En un Modelo de Regresión Lineal, se presenta

heteroscedasticidad cuando las varianzas de Yi (la que
es igual a ui) son diferentes a medida que se
incrementa la variable independiente X.
HETERO = Diferente
CEDASTICIDAD = Dispersión.
Simbólicamente:
E(u2i) = σ2i (Heterocedasticidad)
E(u2i) = σ2 (Homocedasticidad)
Definición de Heterocedasticidad
Fuente: https://es.wikipedia.org/wiki/Homocedasticidad
En la gráfica se observa que la varianza (σ2i) de ui (=

varianza condicionales de Yi) no son constantes.
Ejemplo: si se tratara de una RLS, donde Y representa

el ahorro y X el ingreso; a medida que el ingreso
aumenta el ahorro en promedio también aumenta.
Formas de Detectar
Heterocedasticidad
• Naturaleza del
Métodos Informales: Problema
• Método Gráfico
• Prueba de Park
Métodos Formales: • Prueba de
Goldfeld Quant
• Prueba de White
Covarianza entre B1 y B2
Varianza y Covarianza
Varianza: Medida de dispersión de una variable.

𝒏
𝑵
𝒊=𝟏(𝒙𝒊 − 𝒙)𝟐 − 𝒙)𝟐
𝒊=𝟏(𝒙𝒊
𝑽𝒂𝒓(𝒙) = 𝑽𝒂𝒓(𝒙) =
𝑵 𝒏−𝟏
Covarianza: Medida de dispersión conjunta de dos

variables.
𝑵 𝒏
𝒊=𝟏 𝒙𝒊 − 𝒙 𝒚𝒊 − 𝒚 𝒊=𝟏 𝒙𝒊 − 𝒙 𝒚𝒊 − 𝒚
𝑪𝒐𝒗 𝒙, 𝒚 = 𝑪𝒐𝒗 𝒙, 𝒚 =
𝑵 𝒏−𝟏
Parámetro Estimadores
La Covarianza en una Muestra
Para una muestra la dispersión de puntos entre dos

variables puede presentar estas relaciones:
𝑦 𝑦 𝑦
𝑥 𝑥 𝑥
Problema: Depende de nivel medida de la variable, por

tanto no es fácil de interpretar
Covarianza entre Estimadores
Para obtener la covarianza entre estimadores de la

regresión lineal se tiene:
𝐶𝑜𝑣(𝛽1 , 𝛽2 ) = 𝐶𝑜𝑣(𝑦 − 𝛽2 𝑥, 𝛽2 ) = 𝑥𝐶𝑜𝑣 𝑦, 𝛽2 − 𝑥𝑉𝑎𝑟(𝛽2 )=

2
𝛿𝑢 2
𝛿𝑢
=0−𝑥 𝑛 (𝑥 −𝑥)2 =-𝑥 𝑛 (𝑥 −𝑥)2
𝑖=1 𝑖 𝑖=1 𝑖
Esto indica, entre otras cosas, que el signo de la

covarianza entre B1 y B2 es el opuesto al signo de la
media muestral de la variable X.
Covarianza entre Estimadores
Supongamos que dicha media fuese positiva, y también

que el error de estimación de 𝛽 B22 fuese asimismo
positivo, es decir, que hubiésemos estimado (sin
𝛽2 superior al teórico.
saberlo), un valor B2
Su producto por la media de X generaría, en promedio,
una contribución positiva del error de estimación a la
explicación de la variable Y :
𝑦 = 𝛽1 + 𝛽2 𝑥 + 𝑢 = 𝛽1 − 𝛽2 𝑥 + 𝛽1 − 𝛽1 + 𝛽2 − 𝛽2 𝑥
donde en el corchete de la derecha, el segundo

sumando está teniendo una contribución positiva. Para
𝛽11 estaría por debajo de su valor
compensarlo MCO de B1
𝛽1 > B1
verdadero: B1 𝛽1
Estimador de mínimos cuadrado Desviación
Estándar
Desviación Estándar del Estimador
Una propiedad deseable de un estimador es que sea preciso,

es decir que la función de densidad se encuentre lo más
concentrada posible en torno al valor medio. Una mediad de
esta precisión la suministra la varianza o desviación estándar
del estimador.
𝛽2 es la siguiente:
La varianza del estimador B2
Denominando S𝑆2𝑥2x a la varianza muestral de X, es decir:

Desviación Estándar del Estimador
𝛽2 se puede expresar del siguiente modo:

La varianza de B2
Para demostrar eficiencia en los parámetros se requiere que

no exista mucha dispersión entre los valores de los
parámetros. Quiere decir que la desviación estándar sea
pequeña (que tienda a cero)
Consistencia de estimadores
Estimación: Parámetro y
Estadístico
PARÁMETRO:
Es cualquier característica de una población que sea medible.
Un parámetro es una medida que se calcula para describir
una característica de una población completa. Se denota “θ”.
ESTADÍSTICO:
Es una medida que se calcula para describir una característica
a partir de solo una muestra. Se denota “ ”.
Concepto y Tipos de Estimación
Se llama estimación al conjunto de técnicas que

permiten dar un valor aproximado de un parámetro de
una población a partir de los datos proporcionados por
una muestra.
Tipos:
ESTIMACIÓN PUNTUAL
ESTIMACIÓN POR
INTERVALOS
Características de un Buen Estimador
a) Estimador Insesgado
Si tenemos un gran número de muestras de tamaño n y obtenemos el valor del estimador en cada una de ellas,
sería deseable que la media de todas estas estimaciones coincidiera con el valor de μ.
𝑬 𝜽 =𝜽
b) Estimador eficiente (Varianza Mínima)

Se dice que los estimadores son eficientes cuando generan una distribución muestral con el mínimo error
estándar, es decir, entre dos estimadores insesgados de un parámetro dado es más eficiente el de menor
varianza.
c) Estimador Consistente
Un estimador se dice consistente cuando su valor tiende hacia el verdadero valor del parámetro a medida que
aumenta el tamaño de la muestra. Es decir, la probabilidad de que la estimación sea el verdadero valor del
parámetro tiende a 1.
𝒍𝒊𝒎𝒏→∞ 𝜽 = 𝜽
d) Estimador Suficiente
Se dice de un estimador que es suficiente cuando es capaz de extraer de los datos toda la información
importante sobre el parámetro. Utiliza tanta información de la muestra que ningún otro estimador puede extraer
información adicional sobre el parámetro de la población.
Conclusiones
La varianza de los errores debe ser constante para los diferentes valores de la
variable independiente, para tener la certeza de buenos estimadores.
VideoElla media
signo de la covarianza entre los estimadores B y B es el opuesto al signo de
muestral de la variable X.
1 2
ImagenLa desviación estándar de los parámetros o estimadores de las diferentes

muestras de la población deben ser de un valor pequeño (que tienda a cero)
docente
para que demuestre eficiencia.
Se deben cumplir las características de los estimadores para demostrar su
consistencia y obtener eficiencia en los pronósticos de la regresión lineal.
Gracias
Docente: Máximo Pasache Ramos

U5 Covarianza

Cargado por

Copyright:

Formatos disponibles

U5 Covarianza

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

U5 Covarianza

Cargado por

Copyright:

Formatos disponibles

Determina la relación

Econometría Financiera dls variable

Docente: Máximo Pasache Ramos

• Estimador de mínimos cuadrado desviación estándar.

En un Modelo de Regresión Lineal, se presenta

E(u2i) = σ2i (Heterocedasticidad)

En la gráfica se observa que la varianza (σ2i) de ui (=

Ejemplo: si se tratara de una RLS, donde Y representa

Varianza: Medida de dispersión de una variable.

Covarianza: Medida de dispersión conjunta de dos

Para una muestra la dispersión de puntos entre dos

Problema: Depende de nivel medida de la variable, por

Para obtener la covarianza entre estimadores de la

𝐶𝑜𝑣(𝛽1 , 𝛽2 ) = 𝐶𝑜𝑣(𝑦 − 𝛽2 𝑥, 𝛽2 ) = 𝑥𝐶𝑜𝑣 𝑦, 𝛽2 − 𝑥𝑉𝑎𝑟(𝛽2 )=

Esto indica, entre otras cosas, que el signo de la

Supongamos que dicha media fuese positiva, y también

donde en el corchete de la derecha, el segundo

Una propiedad deseable de un estimador es que sea preciso,

Denominando S𝑆2𝑥2x a la varianza muestral de X, es decir:

𝛽2 se puede expresar del siguiente modo:

Para demostrar eficiencia en los parámetros se requiere que

Se llama estimación al conjunto de técnicas que

b) Estimador eficiente (Varianza Mínima)

ImagenLa desviación estándar de los parámetros o estimadores de las diferentes

También podría gustarte