Quiz
Economet. Oct PAr1
This quiz has a time limit, so it opens in the usual player.
Questions in this quiz (50)
1Este método de estimación suele ser más intuitivo y matemáticamente más sencillo.
A que método hace referencia el siguiente concepto general.- AMáxima Verosimilitud
- BMCO
- CMínima Verosimilitud
- DMáximos Cuadrados Ordinarios
2El método de mínimos cuadrados presenta propiedades estadísticas muy atractivas que lo han convertido en uno de los más eficaces y populares del análisis de regresión.
Cual fue el autor de este método:- ACarl Friedrich Gauss
- BGujarati
- CJhon Maynard Keynes
- DJhon Arrow
3Se pueden emplear en la función de regresión para poder analizar eficazmente datos estadísticos la función de regresión muestral.
A que hace referencia la siguiente formula:
Yi = B1+B2Xi+ ui- AFRP de una variable
- BFRP de tres variables
- CFRP de cuatro variables
- DFRP de dos variables
4Para poder determinar la FMR primero hay que establecer una ecuación que sea el paso inicial para poder realizar el respectivo desarrollo.
A que hace referencia esta fórmula:
- AMuestra que los uˆi (los residuos) son simplemente las diferencias entre los valores observados y los estimados de Y.
- BMuestra que los uˆi (los residuos) son simplemente las diferencias entre los valores observados y los estimados de X.
- CNo muestra que los uˆi (los residuos) son simplemente las diferencias entre los valores observados y los estimados de Y.
- DMuestra que los uˆi (los residuos) son simplemente las similitudes entre los valores observados y los estimados de Y.
5Propiedades numéricas son las que se mantienen como consecuencia del uso de mínimos cuadrados ordinarios, sin considerar la forma como se generaron los datos
Seleccione las propiedades estadísticas de los estimadores MCO.- ALos estimadores de MCO se expresan únicamente en términos de las cantidades (es decir, X y Y) observables (es decir, muestras). Por consiguiente, se calculan con facilidad.
- BLos estimadores de MCO se expresan diversamente en términos de las cantidades (es decir, X y Y) observables (es decir, muestras). Por consiguiente, se calculan con facilidad.
- CSon estimadores puntuales: dada la muestra, cada estimador proporciona un solo valor (puntual) del parámetro poblacional pertinente.
- DSon estimadores impuntuales: dada la muestra, cada estimador proporciona un solo valor (puntual) del parámetro poblacional pertinente.
6El modelo econométrico es empírico (práctico, basado en la experiencia y en la observación de los hechos), no determinista (teórico, totalmente predecible en un momento dado si fuera posible conocer todos los datos).
¿Cuál es el estimador que se expresa en términos de las cantidades?- AMáxima verosimilitud
- BMínimos cuadrados ordinarios
- CEstimadores por intervalos
- DMínima verosimilitud
7Una vez obtenidos los estimadores de MCO de los datos de la muestra, se obtiene sin problemas la línea de regresión muestral.
Seleccione la serie de pasos para obtener la línea de regresión muestral.- A1.Pasa a través de las medias muéstrales de Y y X.
2.- El valor medio de Y estimada Yˆi es igual al valor medio de Y real.
3.- El valor medio de los residuos uˆ1 es cero.
4.- Los residuos uˆi no están correlacionados con el valor pronosticado de Yi
5.- Los residuos uˆi no están correlacionados con Xi; es decir, ˆu i Xi = 0. - B1.El valor medio de Y estimada Yˆi es igual al valor medio de Y real.
2.- El valor medio de los residuos uˆ1 es cero.
3.- Los residuos uˆi no están correlacionados con el valor pronosticado de Yi
4.- Los residuos uˆi no están correlacionados con Xi; es decir, ˆu i Xi _ 0.
5.-Pasa a través de las medias muéstrales de Y y X. - C1.El valor medio de Y estimada Yˆi es igual al valor medio de Y real.
2.- Los residuos uˆi no están correlacionados con el valor pronosticado de Yi
3.- El valor medio de los residuos uˆ1 es cero.
4.- Los residuos uˆi no están correlacionados con Xi; es decir, ˆu i Xi _ 0.
5.-Pasa a través de las medias muéstrales de Y y X.
- A1.Pasa a través de las medias muéstrales de Y y X.
8Si restamos Y = B1+B2X de la Y= B1+B2 X1 + u1 la ecuación de la el resultado donde yi y xi, de acuerdo con lo convenido, representan desviaciones de los valores respectivos de sus medias (muéstrales). ¿cómo se conoce a esta fórmula?

- AForma de desviación
- BForma de correlación
- CForma de estimación
- DForma de auto desviación
9El modelo de Gauss, modelo clásico o estándar de regresión lineal (MCRL), es el cimiento de la mayor parte de la teoría econométrica.
Cuál de estos supuestos pertenece al teorema de Gauss Markov- AModelo lineal en los parámetros.
- BMedia nula y exogeneidad estricta
- CHomocedasticidad
- DTodas las anteriores
10La inferencia estadística es el conjunto de métodos y técnicas que permiten inducir, a partir de la información empírica proporcionada por una muestra, cual es el comportamiento de una determinada población con un riesgo de error medible en términos de probabilidad y consta de dos ramas.
Cuáles son estas ramas en las que se divide.- AEstimación y Prueba de hipótesis
- BVarianza y Estimación
- CHipótesis y Varianza
- DRegresión Lineal y Estimación
11Decimos que son estimadores y que sus valores cambiarán de muestra en muestra. ¿Cómo se les denomina?
- AVariables estimadas
- BVariables proyectadas
- CVariables aleatorias
- DVariables estadísticas.
12El modelo clásico de regresión lineal normal puede dar solución a algo que los otros modelos.
A que se refiere:- AEl MCRLN hace suposiciones respecto a la naturaleza probabilística de ui.
- BQue trabaja con más variables.
- CEs más precisa que los otros modelos.
- DEngloba un amplio número de variables.
13En el contexto de regresión se supone, por lo general, que las u tienen la distribución de probabilidad normal. Si a los supuestos del modelo clásico de regresión lineal (MCRL) se añade el supuesto de normalidad para ui
Que se obtiene de esto?- AObtenemos el MCO
- BObtenemos el modelo clásico de regresión lineal normal (MCRLN).
- CObtenemos el modelo clásico de regresión lineal.
- DObtenemos el modelo de mínimos cuadrados.
14El modelo clásico de regresión lineal normal supone que cada ui está normalmente distribuida con algunos supuestos.
Estos supuestos se expresan de manera más compacta como:- A

- B

- C

- D

- A
15Teorema central del límite (TCL)
¿Que nos demuestra este teorema?- ADemuestra que si existe un gran número de variables aleatorias dependientes con idéntica distribución.
- BDemuestra la variación de las variables estimadas.
- CDemuestra la diferencia entre las variables estimadas y la correlación de las variables.
- DDemuestra que, si existe un gran número de variables aleatorias independientes con idéntica distribución, entonces, con pocas excepciones, la distribución de su suma tiende a ser normal a medida que se incrementa al infinito el número de tales variables
16La distribución normal es una distribución comparativamente sencilla y requiere sólo dos parámetros.
Cuáles son?- ALa media y la varianza
- BLa estimación y la media
- CLa media y las correlaciones
- DLas correlaciones y la hipótesis
17Si trabajamos con una muestra finita o pequeña, la suposición de normalidad desempeña un papel relevante.
¿Cuántos datos u observaciones se necesitan para que se cumpla el papel relevante de la muestra?- A100 datos o mas
- B300 datos o menos
- C200 datos o mas
- D100 datos o menos
18Propiedades de los estimadores de MCO
según el supuesto de normalidad.Seleccione la respuesta correcta.- ASon insesgados.
- BTienen varianza mínima.
- CPresentan consistencia
- DTodas las anteriores
19Existe un método de estimación puntual con algunas propiedades teóricamente más fuertes que las del método de MCO.
¿Cómo se llama este método?- Amétodo de máxima verosimilitud (MV)
- Bmétodo de los mínimos cuadrados ordinarios
- Cmodelo clásico de regresión lineal
- Dmodelo clásico de regresión lineal normal.
20A pesar de la tendencia de los padres de estatura alta a procrear hijos altos y los padres de estatura baja, hijos bajos, la estatura promedio de los niños de padres de una estatura determinada tendía a desplazarse.
Quien acuño el término de regresión.- AFrancis Galton
- BFrancis Quesnay
- CMilton Friedman
- DAlfred Marshall
21El análisis de regresión es el estudio de la dependencia de una variable dependiente respecto de una o más variables explicativas
El objetivo que persigue es:- AEstimar o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras no repetidas) de las segundas.
- BEstimar 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.
- CEstimar o predecir la media o valor promedio muestral de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las segundas.
- DEstimar o predecir la media o valor promedio poblacional de la segunda en términos de los valores variables (en muestras repetidas) de las segundas.
22En un ejemplo práctico, lo que interesa es predecir la estatura promedio de los hijos a partir de la estatura de sus padres.
Si esto, corresponde a un diagrama de dispersión, para su determinación se necesitara una línea recta.- ARecta Oblicua
- BRecta semántica
- CRecta de regresión
- DRecta con dispersión
23A un economista quizá le interese estudiar la dependencia del consumo personal respecto del ingreso personal neto disponible, después de Impuestos.
Con un análisis de este tipo, en el diagrama de dispersión, se calcula:- ALa propensión marginal decreciente
- BLa propensión marginal a producir
- CLa propensión promedio de la demanda
- DLa propensión marginal a consumir
24En el análisis de regresión interesa lo que se conoce como dependencia estadística entre variables, no así la funcional o determinista, propia de la física clásica.
En las relaciones estadísticas, analizamos- AVariables aleatorias o estocásticas
- BVariables explicativas o independientes
- CVariables dependientes
- DVariables de aquilatacion
25A pesar de que el análisis de regresión tiene que ver con la dependencia de una variable respecto de otras variables, esto no implica causalidad necesariamente.
En otras palabras Kendall y Stuart manifiestan:- A“Una relación estadística, por más fuerte y sugerente que sea, siempre podrá establecer una conexión causal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”.
- B"Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión causal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”.
- C“Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión informal: nuestras ideas de causalidad deben provenir de estadísticas externas y, en último término, de una u otra teoría”.
- D“Una relación estadística, por más fuerte y sugerente que sea, nunca podrá establecer una conexión informal: nuestras ideas de causalidad deben provenir de estadísticas internas y, en último término, de una u otra teoría”.
26Se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes.
En el análisis de correlación, el objetivo principal es:- AMedir la fuerza o el grado de asociación no lineal entre dos variables
- BMedir la relación inversa entre dos variables
- CMedir la fuerza o el grado de asociación lineal entre dos variables
- DMedir la fuerza o el grado de competitividad entre dos variables
27Si se estudia la dependencia de una variable respecto de más de una variable explicativa, como el rendimiento de un cultivo, la lluvia, la temperatura, el sol y los fertilizantes
A qué tipo de análisis se refiere- Aanálisis de regresión múltiple
- Banálisis de regresión simple
- Canálisis de regresión aleatorio
- Danálisis de regresión transversales
28El éxito de todo análisis econométrico depende a final de cuentas de la disponibilidad de los datos recopilados.
Hay tres tipos de datos disponibles para el análisis empírico:- Aseries de tiempo, series explicativas e información combinada
- Bseries de tiempo, series transversales e información múltiples
- Cseries de tiempo, series transversales
- Dseries de tiempo, series transversales e información combinada (combinación de series de tiempo y transversales).
29Los datos recopilados por estas organizaciones pueden ser de naturaleza experimental o no experimental.
En los datos experimentales, frecuentes en las ciencias naturales, el investigador suele….- Arecabar los datos con algunos factores constantes y evaluar el efecto de otros en un fenómeno.
- Brecabar los datos con algunos factores constantes y evaluar el efecto de otros en un fenómeno dado.
- Crecabar los datos con algunos factores constantes y evaluar el efecto de un fenómeno dado.
- Drecabar los datos con algunos factores y evaluar el efecto de otros en un fenómeno dado.
30La línea de regresión poblacional.
Desde el punto de vista geométrico, una curva de regresión poblacional.- AEs tan sólo el lugar geométrico de las medias condicionales de la variable dependiente para los valores fijos de las variables explicativas.
- BEs tan sólo el lugar geométrico de las medias condicionales de la variable independiente para los valores fijos de las variables explicativas.
- CEs tan sólo el lugar geométrico de las medias condicionales de la variable dependiente para los valores variables de las variables explicativas.
- DEs tan sólo el lugar geométrico de las medias condicionales de la variable dependiente para los valores fijos de las variables dependientes.
31La función de esperanza condicional (FEC), función de regresión poblacional (FRP) o regresión poblacional (RP).
Simbólicamente- AE(Y | Xi ) _ f (Yi )
- BE(Y | Xi ) _ f (Xi )
- CE(Y | Yi ) _ f (Xi )
- DE(Y | Xi ) _ f (YXi )
32β1 y β2 son parámetros no conocidos pero fijos
Que se denominan- Acoeficientes de regresión
- Bcoeficientes de intersección y dependiente
- Ccoeficientes independientes
- Dcoeficientes lineales.
33La relación sobre todo con modelos lineales en la estimación de FRP
El primer significado de linealidad en las variables- AEs aquel en que la esperanza condicional de X es una función lineal de Xi
- BEs aquel en que la esperanza condicional de Y es una función lineal de Yi
- CEs aquel en que la esperanza condicional de x es una función lineal de Yi
- DEs aquel en que la esperanza condicional de Y es una función lineal de Xi
34La linealidad se presenta cuando la esperanza condicional de Y, E(Y | Xi), es una función lineal de los parámetros, los β; puede ser o no lineal en la variable X.
Es un modelo de regresión lineal en el parámetro- AE(Y | Xi ) _ β1 + β2X2i
- BE(Y | Yi ) _ β1 + β2X2i
- CE(Y | Xi ) _ β1 + β2Y2i
- DE(Y | Xi ) _ β1 + β2X1i
35La linealidad en los parámetros es pertinente para el desarrollo de la teoría de regresión
Mencione las dos interpretaciones de linealidad- AModelo de regresión lineal (en el parámetro) y modelo de regresión no lineal (en el parámetro)
- BModelo de ascenso no lineal y modelo de regresión lineal
- CModelo Semántico y modelo potencial
- DModelo de regresión lineal (sin el parámetro) y modelo de regresión no lineal
36A medida que aumenta el ingreso familiar, el consumo familiar, en promedio, también aumenta.
¿Qué sucede con el consumo de una familia en relación con su nivel de ingreso fijo?- AEl consumo de una familia en particular no necesariamente disminuye a medida que lo hace el nivel de ingreso
- BEl consumo de una familia en particular no necesariamente aumenta a medida que lo hace el nivel de ingreso
- CEl consumo de una familia en particular necesariamente aumenta a medida que lo hace el nivel de ingreso
- DEl consumo de una familia no necesariamente es promedio a medida que lo hace el nivel de ingreso
37Es una variable aleatoria no observable que adopta valores positivos o negativos.
Técnicamente, ui se conoce- AMargen de aceptación
- BMargen de error
- CDesviación estándar
- DPerturbación estocástica o término de error estocástico.
38¿Por qué no se crea un modelo de regresión múltiple con tantas variables como sea posible?
Las razones son:- AVaguedad de la teoría, falta de disponibilidad de datos
- BVariables centrales y variables periféricas, aleatoriedad intrínseca en el comportamiento humano, variables representantes (proxy) inadecuadas.
- CPrincipio de parsimonia, forma funcional incorrecta
- DTodas las anteriores
39Conocido también como estadístico (muestral), no es más que una regla, fórmula o método para estimar el parámetro poblacional a partir de la información suministrada por la muestra disponible.
Este concepto de aleatoriedad, pertenece a:- AEstimador
- BEstimacion
- CPertubacion
- DRegresion
40 La regla básica de 2T
Señala que:- ASi el número de grados de libertad es 20 o más, y si α, el nivel de significancia, se fi ja en 0.05, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 2 en valor absoluto.
- BSi el número de grados de libertad es 69 o más, y si α, el nivel de significancia, se fi ja en 0.10, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 6 en valor absoluto.
- CSi el número de grados de libertad es 10 o más, y si α, el nivel de significancia, se fi ja en 0.70, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 4 en valor absoluto.
- DSi el número de grados de libertad es 80 o más, y si α, el nivel de significancia, se fi ja en 0.30, se rechaza la hipótesis nula β2 _ 0 si el valor de t [ _ β ˆ 2/ee (β ˆ 2)] es superior a 7 en valor absoluto.
41Si, con base en una prueba de significancia, por ejemplo, la prueba t, decidimos “aceptar” la hipótesis nula,
Todo lo que se afirma es que- ACon base en la evidencia dada por la muestra, existe razón para aceptarla; no se sostiene que la hipótesis nula sea falsa con absoluta certeza.
- BCon base en la evidencia dada por la muestra, no existe razón para rechazarla; no se sostiene que la hipótesis alternativa sea verdadera con absoluta certeza.
- CCon base en la evidencia dada por la muestra, no existe razón para aceptarla; no se sostiene que la hipótesis alternativa sea verdadera con absoluta certeza.
- DCon base en la evidencia dada por la muestra, no existe razón para rechazarla; no se sostiene que la hipótesis nula sea verdadera con absoluta certeza.
42Construya un intervalo de confianza para β2 a 100(1 − α)%
LA Regla de decisión nos indica- ASi el β2 en H1 se encuentra dentro de este intervalo de confianza, no rechace H1, pero si está fuera del intervalo, rechace H1.
- BSi el β2 en H1 se encuentra fuera de este intervalo de confianza, no rechace H0, pero si está fuera del intervalo, rechace H1.
- CSi el β2 en H0 se encuentra dentro de este intervalo de confianza, no rechace H0, pero si está fuera del intervalo, rechace H0.
- DSi el β2 en H1 se encuentra dentro de este intervalo de confianza, no acepte H1, pero si está fuera del intervalo, acepte H1.
43En la hipótesis estadística.
Se denomina simple cuando:- AEspecifica los valores precisos de los parámetros de una función de densidad de probabilidad.
- BEspecifica los valores inciertos de los parámetros de una función de densidad de probabilidad.
- CEspecifica los valores imprecisos de los parámetros de una función de concentración de probabilidad.
- DNo especifica los valores precisos de los parámetros de una función de densidad de probabilidad.
44UNA O VARIAS variables explicativas son una combinación lineal aproximada de otra(s)
Se refiere a:- AMulticolinealidad aproximada
- BMulticolinealidad exacta
- CMulticolinealidad continua
- DMulticolinealidad dispersa
45La implicación que produce la multicolinealidad aproximada
¿Qué problemas genera en la estimación?- ACuanta mayor relación lineal entre X1 y el resto mayor varianza de β1. Estimación imprecisa e intervalos de confianza muy pequeñas.
- BCuanta mayor relación lineal entre X0 y el resto mayor varianza de β0. Estimación imprecisa e intervalos de confianza muy pequeñas.
- CCuanta mayor relación lineal entre X1 y el resto mayor varianza de β1. Estimación imprecisa e intervalos de confianza muy grandes.
- DCuanta mayor relación lineal entre X0 y el resto mayor varianza de β0. Estimación imprecisa e intervalos de confianza muy grandes.
46En esta sección estudiamos el análisis de regresión desde el punto de vista del análisis de varianza, y nos introduciremos en una forma complementaria de mirar el problema de la inferencia estadística. cómo se denominan estos componentes.

- Aanálisis de varianza
- Banálisis de factores
- Canálisis de estimación.
- Danálisis de varianza.
47Para “predecir” o “pronosticar” el salario promedio futuro Y correspondiente a algún nivel dado de escolaridad X. Ahora, hay dos clases de predicciones.
Señale la opción correcta:- APredicción individual y predicción muestral
- BPredicción múltiple y predicción media
- CPredicción media y predicción múltiple
- DPredicción media y predicción individual.
48En el método clásico de la prueba de hipótesis.
A la probabilidad se la conoce como valor p. Con que otro nombre se le conoce.- ANivel estimado
- BNivel clasico
- CNivel observado
- DNivel probabilistico
49La predicción del valor de la media condicional de Y correspondiente a un valor escogido X, por ejemplo, X0, que es el punto sobre la línea de regresión poblacional misma.
a que predicción hace referencia la siguiente formula.
- APredicción media.
- BPredicción individual.
- CPredicción múltiple.
- DPredicción de la varianza.
50La hipótesis del ingreso permanente de Milton Friedman.
Afirma que:- AQue el consumo permanente es proporcional al ingreso permanente.
- BQue el consumo estático es proporcional al ingreso estático
- CEl consumo no permanente es proporcional al ingreso permanente.
- DEl consumo inversamente proporcional al ingreso.
Information
- Description
- COMP OCT Quiz on Economet. Oct PAr1, created by Pepe Alex on 06/10/2018.
- Author
- Pepe Alex
- Language
- Español
- Views
- 0
- Tags
- Rating
- No ratings yet Rate this quiz