Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 4 vistas

    Demostración

    Cargado por

    Verónica Patricia Calderón Moscoso

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Demostración

    Cargado por

    Verónica Patricia Calderón Moscoso
    4 vistas3 páginas

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    4 vistas3 páginas

    Demostración

    Cargado por

    Verónica Patricia Calderón Moscoso

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 3

    1.

    Suponga que tiene el siguiente modelo:


    Y i=β∗lnX i +ui

    β
    Y i= +u
    Xi i

    β
    Y i= +u
    lnX i i

    β
    Y i= 3
    +ui
    Xi

    Estimador de MCO de .
    Min u2
    ui=Y i−β∗ln X i
    2 2
    ui❑=(Y ¿ ¿ i−β∗ln X i) ¿

    ∑ u 2i =∑ ( Y i− β∗ln X i )2

    VARIABLE: (Y, X, X3, Z) Es cualquier fenómeno observable que se puede


    registrar anotando en unidades que todos comprenden. Ejemplo: mm de lluvia, kg
    que pesa una persona, Bs/mes que percibe una persona por salario, tipo de cambio
    Bs./dólar, exportaciones, millones de dólares; inflación, %; etc. En general, las
    variables son datos que se pueden obtener mediante encuestas o mediante
    instituciones oficiales (BCB, INE, UDAPE, FMI, BM, etc.)
    ESTIMADOR O UN PARÁMETRO: (0, 1, 2, etc.) Son valores que se calculan
    (no son datos) mediante uno de los 2 métodos: MCO, MV. Y sus valores numéricos
    indican de qué manera se relacionan las variables.

    ∂ ∑ u2i ∂ ∑ ( Y i−β∗ln X i )
    2

    =
    ∂β ∂β
    2 ∑ ( Y i−β∗ln X i ) ln X i❑=0
    ∑ ( Y i∗ln X i−β∗( ln X i )2 )=0
    ∑ Y i∗ln X i −β∗∑ ( ln X i )2=0
    ∑ Y i∗ln X i =β∗∑ ( ln X i )2
    ∑ Y i∗ln X i = ^β
    ∑ ( ln X i )2

    Estimador de MV de .
    Primero:

    [ { } ]
    −1 2
    ∗(Y i −β∗ln X i )
    2
    1 σ
    2

    f ( Y )= ∗e
    σ∗√ 2 π

    Segundo:

    [ { ][
    }∗ { ][
    }∗ { ] [
    } ∗…∗
    −1 2 −1 2 −1 2
    ∗(Y i −β∗ln X 1 ) ∗( Y i − β∗ln X 2) ∗( Y i − β∗ln X 3)
    2 2 2
    1 σ
    2
    1 σ
    2
    1 σ
    2
    1
    F (Y )= ∗e ∗e ∗e
    σ∗√ 2 π σ∗√ 2 π σ∗√ 2 π σ∗√ 2 π

    [( { }
    ]
    n
    −1
    2 ∑( i

    )
    2
    n ∗ Y −β∗ln X i )
    FV = 1 2 σ i=1
    ∗e
    σ∗√ 2 π

    Tercero:

    [( {
    ]
    }
    n
    −1
    2 ∑( i

    )
    2
    n ∗ Y −β∗ln X i )
    ln FV = ln 1 2 σ i=1
    ∗e
    σ∗√ 2 π

    ( )
    n n
    1
    1
    − 2 ∗∑ ( Y i −β∗ln X i ) ∗ln ⁡(e)
    2
    ¿ ln
    σ∗√ 2 π 2 σ i=1
    lnFV =n∗¿
    n
    ∂ lnFV −2
    = 2∗∑ ( Y i−β∗ln X i ) ∗( −ln X i ) =0
    ❑

    ∂β 2 σ i=1
    n
    ¿∑ ¿¿
    i=1

    n n
    ¿−∑ Y i∗ln X i + β∗∑ ( ln X i ) =0
    2

    i=1 i=1

    n n
    β∗∑ ( ln X i ) =∑ Y i∗ln X i
    2

    i=1 i=1

    ∑ Y i∗ln X i
    ^β= i=1
    n

    ∑ ( ln X i )2
    i=1

    También podría gustarte