1

1. En la siguiente tabla se presenta informacin sobre el producto real, el insumo trabajo y el

insumo de capital real en el sector manufacturero:
Ao

Producto bruto real

Y
8911.4
10873.2
11132.5
12086.5
12767.5
16347.1
19542.7
21075.9
23052.0
26128.2
29563.7
33376.6
38354.3
46868.3
54308.0

1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972

Insumo trabajo
X2
281.5
284.4
289.0
375.8
375.2
402.5
478.0
553.4
616.7
695.7
790.3
816.0
848.4
873.1
999.2

Insumo capital real

X3
120753
122242
125263
128539
131427
134267
139038
146450
153714
164783
176864
188146
205841
221748
239715

a) Ajstese el siguiente modelo a la informacin anterior

Y = B1 + B2X2 + B3X3
b) Calcule el R y el R ajustado
c) Calcule los coeficientes de correlacin parcial
d) Qu variable explica mejor el comportamiento de Y?
A o
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
S uma
P romedio

Y
8.911,40
10.873,20
11.132,50
12.086,50
12.767,50
16.347,10
19.542,70
21.075,90
23.052,00
26.128,20
29.563,70
33.376,60
38.354,30
46.868,30
54.308,00
364.387, 90
24.292,53

X
2
281,50
284,40
289,00
375,80
375,20
402,50
478,00
553,40
616,70
695,70
790,30
816,00
848,40
873,10
999,20
8.679,20
578,61

X
3
120.753,00
122.242,00
125.263,00
128.539,00
131.427,00
134.267,00
139.038,00
146.450,00
153.714,00
164.783,00
176.864,00
188.146,00
205.841,00
221.748,00
239.715,00
2.398.790,00
159.919,33

y
-15.381, 13
-13.419, 33
-13.160, 03
-12.206, 03
-11.525, 03
- 7.945,43
- 4.749,83
- 3.216,63
- 1.240,53
1.835,67
5.271,17
9.084,07
14.061, 77
22.575, 77
30.015, 47

x2
-297,11
-294,21
-289,61
-202,81
-203,41
-176,11
-100,61
-25,21
38,09
117,09
211,69
237,39
269,79
294,49
420,59

x3
-39.166, 33
-37.677, 33
-34.656, 33
-31.380, 33
-28.492, 33
-25.652, 33
-20.881, 33
-13.469, 33
-6.205,33
4.863,67
16.944, 67
28.226, 67
45.921, 67
61.828, 67
79.795, 67

y ^2
236. 579.057,54
180. 078.328,19
173. 186.301,87
148. 987.086,99
132. 826.239,67
63. 129.804,92
22. 560.853,36
10. 346.687,11
1.538.906 ,41
3.369.696 ,59
27. 785.268,31
82. 520.388,33
197. 733.469,28
509. 665.541,60
900. 928.639,42
2. 691.236.269,57

x 2^2
88.276,33
86.561,49
83.875,88
41.133,25
41.376,98
31.015,91
10.123,04
635,71
1.450,59
13.709,29
44.811,24
56.352,43
72.784,85
86.722,40
176. 893,14
835. 722,54

x3^2
1. 534.001.666, 78
1. 419.581.447, 11
1. 201.061.440, 11
984.725.320,11
811.813.058,78
658.042.205,44
436.030.081,78
181.422.940,44
38.506.161,78
23.655.253,44
287.121.728,44
796.744.711,11
2. 108.799.469, 44
3. 822.784.021, 78
6. 367.348.418, 78
20.671.637.925,33

y *x 2
4.569.937,81
3.948.144,83
3.811.319,19
2.475.544,96
2.344.344,09
1.399.295,58
477.895,89
81.101,88
-47.247,53
214.932,87
1.115.837,11
2.156.437,89
3.793.678,96
6.648.264,24
12.624.107,88
45.613.595,64

y *x 3
602.422. 334,07
505.604. 443,93
456.078. 270,84
383.029. 185,48
328.374. 901,46
203.818. 733,33
99.182. 713,90
43.325. 816,78
7. 697.881,48
8. 928.103,20
89.318. 275,08
256.413. 109,96
645.740. 067,76
1.395.829.964, 17
2.395.104.704, 95
7.420.868.506, 37

x 2* x3
11.636. 839,85
11.085. 173,83
10.036. 936,22
6.364.350,00
5.795.720,50
4.517.717,93
2.100.940,55
339.606,79
-236.340, 46
569.470,52
3.586.960,00
6.700.634,31
12.389. 053,38
18.207. 717,95
33.560. 993,46
126.655.774,83

Y 1 2 * X 2 3 * X 3

X Y X X Y X X

X X X X
2

12..3

13.2

45.613.595,64 * 20.671.637.925,33 7.420.868.506,73 * 12

835.722,54 * 20.671.637.925,33 126.655.774,8

X Y X X Y X

X X X X
3

2
2

X3

7.420.868.506,73 * 835.722,54 45.613.595,64 *126.655.7

835.722,54 * 20.671.637.925,33 126.655.774,83

1.2.3 24.292,53 2,4406 * 578,61 0,3440 * 159.919,33 32131,875

Y 32.131,875 2,4406 * X 2 i 0,344 * X 3i
b)

R2

2 X 2 i Y 3 X 3i Y

2,4406 * 45.613.595,64 0,344 * 7.420.868.506,73

0,98991
2.691.236.270,57

n 1
n k

R 2 ajustado 1 1 r

1 1 0,98991 *

14
0,01176
12

c)

r12

YX

Y
*
X

YX

Y * X
X *X

X * X

45.613.595,64
2.691.236.270,57 * 835.722,54

r13

7.420.868.506,73
2.691.236.270,57 * 20.671.637.925,33

126.655.774,83
835.722,54 * 20.671.637.925,33

r23

r12.3

r12 r13 * r23

1 r 1 r

1 r 1 r

1 r 1 r

13

r13.2

1 0,9949 1 0,9636
2

r13 r12 * r23

2

1 0,9618 1 0,9636

23

r23 r12 * r13

2

0,9949 0,9618 * 0,9636

2

0,9636 0,9618 * 0,9949

1 0,9618 1 0,9949
2

= 0,9949

=0,9636

0,9618 0,9949 * 0,9636

23

12

r23.1

=0,9618

0,1155
0,9306

0,2428

12
13
d)
Como r13.2 r12.3, entonces la variable X3i explica mejor el modelo

2. (Resolver mediante Matrices) La tabla siguiente da el rendimiento de maz por acre, Y

resultante del uso de varias cantidades de fertilizantes, X1, e insecticidas, X2, ambas en libras
por acre de 1971 a 1986.
Ao
1971
1972
1973
1974
1975

Y
40
44
46
48
52

X1
6
10
12
14
16

X2
4
4
5
7
9

3
1976
1977
1978
1979
1980
Suma
a)
b)
c)
d)

58
60
68
74
80
570

18
22
24
26
32
180

12
14
20
21
24
120

Ajuste los datos a un modelo de regresin lineal

Calcule el R y el R ajustado
Calcule los coeficientes de correlacin parcial
Qu variable explica mejor el comportamiento de Y?

a)

Y 1 2 * X 2 3 * X 3
1 6

1 10

1
1
X
1

1
1

1
1

12
14
16
18
22
24
26
32

4
5

7
9
12

14
20

21
24

10

X * X 180
120

*X

1944

570

X *Y 11216
7740

1
X t * X * X t * Y

,177
,16* X 1,109 * X
1,3634 Y 031
,98 00
,65
3

2
0,177
0,032
0,033
0,16
0,033 0,0366

R2

2684

120

2684

Y t * Y 34124

180
3816

31,98

0,65
1,109

2
2
t X t Y nY
34116,329 10 57

0,991
2
2
24124 10 57
Y tY nY

R 2 ajustado 1 1 r

n 1
n k

1 0,0083665 *

9
0,98924
7

b)
c)

2YY Y

34124 2 * 57 * 570 57

* 10 1364

X
X
YX
YX

2
2

X 3 2X 3 X 3 X 3

2
3

X 2 2 X 2 X 2 X 2 3816 2 *180 *18 10 *18 2 576

2

1944 2 *120 * 120

10

10 * 18 2 504

180
570
570
180 10 * 18 * 57 956
10

10

YX 2 X 2 Y Y X 2 nX 2Y 11216

120
570
570
120 10 * 12 * 57 900
10
10

YX 3 X 3 Y Y X 3 nX 3Y 1740

X 3 X 2 X 3 X 2 X 3 X 2 X 3 nX 2 X 3 2684 18 * 120 12 * 180 10 * 18 * 12 524

956
YX

1634 * 576
Y * X
900
YX
r

1634 * 504
Y * X
X * X 524
r
576 * 504
X * X
2

r12

=0,985

13

= 0,9917

23

r12 r13 * r23

r12.3

1 r 1 r
2

13

r13.2

0,985 0,9917 * 0,9725

1 0,9917 1 0,9725
2

23

r13 r12 * r23

1 r 1 r
2

12

r23.1

=0,9725

23

r23 r12 * r13

1 r 1 r
2

12

13

0,9917 0,985 * 0,9725

1 0,985 1 0,9725
2

0,8407

0,9725 0,985 * 0,9917

1 0,985 1 0,9917
2

0,687

0,1949

d)
Como r13.2 r12.3, entonces la variable X3i explica mejor el modelo

3. Dados los siguientes datos:

_
_
Y = 367,693
X2 = 402,760

_
X3 = 8,0

_
_
(Yi - Y) = 66042,269
( X2i - X2 ) = 84855,096
_
_
_
( X3i - X3 ) = 280,000
( Yi - Y ) ( X2i - X2 ) = 74778,346
_
_
_
_
( Yi - Y ) ( X3i - X3 ) = 4250,900 ( X2i - X2 ) ( X3i - X3 ) = 4796,000
N= 15
a)
b)
c)
d)

Ajuste los datos a un modelo de regresin lineal

Calcule el R y el R ajustado
Calcule los coeficientes de correlacin parcial
Qu variable explica mejor el comportamiento de Y?

a)

Y 1.23 12.3 * X 2i 13.2 * X 3i

Y 1 2 * X 2 3 * X 3

X Y X X Y X X

X X X X
2

12..3

X Y X X Y X X

X X X X
2

13.2

74778,346 * 280 4250,9 * 4796

84855,096 * 280 4796

0,7265

4250,9 * 84855,096 74778,346 * 4796

84855,096 * 280 4796

1.2.3 367,693 0,7265 * 402,76 2,736 * 8 53,19

Y 53,19 0,7265 * X 2i 2,736 * X 3i

b)

R2

2 X 2iY 3 X 3iY 0,7265 * 74778,346 2,736 * 4250,9

0,9987
66042,269
Y 2
R 2 ajustado 1 1 r

n 1
n k

1 1 0,9987 *

c)

r12

YX
Y * X

r13

YX
Y * X
3

74778,346

=0,9989

66042,269 * 84855,096

4250,9
66042,269 * 280

0,9885

14
0,9984
12

2,736

r23

X *X
X * X
2

r12.3

84855,096 * 280

r12 r13 * r23

1 r 1 r
2

13

r13.2

23

r13 r12 * r23

1 r 1 r
2

12

r23.1

=0,9839

4796

23

r23 r12 * r13

1 r 1 r
2

0,9989 0,9885 * 0,9839

1 0,9885 1 0,9839
2

0,9885 0,9989 * 0,9839

1 0,9989 1 0,9839
2

0,9839 0,9989 * 0,9885

1 0,9989 1 0,9885
2

0,97368
0,6780

0,4953

12
13
d)
Como r12.3 r13.2, entonces la variable X2i explica mejor el modelo

Sea Yi = 1 + 2 * Xi2 + 3 * Xi3 + ei, un modelo de regresin lineal mltiple

que describe el comportamiento de los datos que se presentan en la tabla:
Ao
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982

Donde:

a)

Yi

Xi2

Xi3

6
4
3
6
11
9
6
6
7
11
13
10
6

5
6
6
5
9
8
7
6
5
6
7
8
10

5
4
3
3
7
9
7
6
6
6
10
11
8

Yi = Tasa de inflacin (%)

Xi2 = Tasa de desempleo (%)
Xi3 = Tasa de inflacin esperada (%)

Estime el modelo de regresin lineal mltiple. (5 pts)

Desarrollo

1
1

5
6
6
5

5
4
3

6
4

1 9
7

9
1 8
X 1 7
7

6
1 6
1 5
6

1 6
6

1 7 10
1 8 11

1 10 8
13 87 85
87 607 598
85 598 631
MODELO:

b)

11

9
Y 6

6
7

11

13
10

6
1

98 3.10980
677 0.2774
705 0.96130

Yi = 3.1098 0.2774 * Xi2 + 0.9613 * Xi3

Realice la prueba de significancia individual para el parmetro 2, con un nivel

de confianza del 95%. (7 pts)

Desarrollo
2 =

846 794.6452 = 5.1355

(13 3)

9.90570 1.5853 0.16800

Var () = 1.5853 0.38120 0.1477

0.16800 0.1477 0.12550
2 = 0.61743
Prueba de hiptesis:
H0: 2 = 0
H1: 2 0

Var (2) = 0.381214665979

tcalculado =
Como

c)

0.2774 0 = 0.4493
5.1355
tcalculado < ttabla

t(10;5%) = 1.812

Acepto H0: el parmetro no es significativo

Construya la tabla ANOVA. (7 pts)

Desarrollo
SCR = 794.6452 13 * 7.53852 = 55.8759
SCT = 846 13 * 7.53852 = 107.2308
SCE = 846 794.6452 = 51.3548
ANOVA
F. de Variacin
Deb. regresin
Deb. errores
TOTAL

d)

S.C.
55.8759
51.3548
107.2308

g.l.
2
10
12

S.M.C
27.9380
5.1355

Realice la prueba de significancia global del modelo. (5 pts)

Desarrollo
H0: 2 = 3 = 0
H1: 2 3 0
Fcalculado = 27.9380 = 5.4402
5.1355
Como
e)

Fcalculado > Ftabla

F(2;10;5%) = 4.10

Rechazo H0: modelo significativo

Calcule un intervalo de confianza para la varianza del modelo e interprete su

valor. (5 pts)

Desarrollo
X2(10;0.025) = 20.4831
X2(10;0.975) = 3.24697
I.C: (13 3) * 5.1355 2 (13 3) * 5.1355
20.4831
3.24697
I.C:

2.5072

15.8162

Pr (2.5072

15.8162) = 95%

Si afirmamos que el valor de 2 verdadero caer dentro de los lmites de este

intervalo, acertaremos el 95% de las veces.

f)

Obtenga el valor de R2 e interprete correctamente su significado. (3 pts)

Desarrollo
R2 =

55.8759
107.2308

= 0.5211 = 52.11%

El 52.11% de la variabilidad del modelo es explicado por la regresin.

g)

Sean los modelos:

1) Yi = 1 + 2 * Xi2 + ei
2) Yi = 1 + 2 * Xi3 + ei
3) Yi = 1 + 2 * Xi2 + 3 * Xi3 + ei
Cul es el modelo que mejor explica el comportamiento de la tasa de
inflacin en los E.E.U.U.? (10 pts)

Desarrollo
Es el 3), ya que incluye un mayor nmero de variables para explicar el
comportamiento de la tasa de inflacin, independiente de los valores obtenidos del
coeficiente de correlacin para cada uno de los modelos.

h)

Interprete los valores de los coeficientes de pendiente del modelo dado. (3pts)

Desarrollo
2: Representa el porcentaje de disminucin de la tasa de inflacin cuando la tasa
de desempleo aumenta en 1%, manteniendo constante la tasa de inflacin
esperada.
2: Representa el porcentaje de aumento de la tasa de inflacin cuando la tasa de
inflacin esperada aumenta en un punto porcentual, manteniendo constante la
tasa de desempleo.

Dada la funcin de produccin (X) en funcin del trabajo (L) y del capital (K)
de la forma:
X = A * L * K

10

Con los datos:

X
100
110
120
130
140
150

L
20
25
50
40
45
48

K
30
32
25
40
50
53

a) Ajuste los datos a un modelo de regresin lineal mltiple. (3 pts)

Desarrollo
X = A * L * K
/ ln
ln X = ln A + ln L + ln K
Sea:

Yi = ln X
Xi2 = ln L
Xi3 = ln K

1 = ln A
2 =
3 =
Yi
4.6052
4.7005
4.7875
4.8675
4.9416
5.0106

Xi2
2.9957
3.2189
3.9120
3.6889
3.8067
3.8712

Yi = 1 + 2 * Xi2 + 3 * Xi3 + ei
b) Estime el modelo de produccin. (5 pts)
Desarrollo

1 3.00 3.40
1 3.22 3.47

1 3.91 3.22

1 3.69 3.69
1 3.81 3.91

1 3.87 3.97

4.61
4.70

4.79
Y

4.87
4.94

5.01

Xi3
3.4012
3.4657
3.2189
3.6889
3.9120
3.9703

11

6
21.5 21.66
21.5 77.77 77.84
21.66 77.84 78.63

MODELO:

28.92 2.91
103.87 0.25
104.58 0.28

Yi = 2.91 + 0.25 * Xi2 + 0.28 * Xi3

A = e2.91 = 18.36

X = 18.36 * L0.25 * K0.28

c) Obtenga la elasticidad parcial del trabajo detallando sus clculos. (7 pts)

Desarrollo
X = A * L * K
EL,X = dX * L
dL X
dX = A * L- 1 * K
dL
dX = * A * L * K = * X
dL
L
L
EL,X = * X * L = = 1/4
L
X

En un modelo economtrico realizado por el Gobierno la funcin de produccin

entre Y (PIB), L (trabajo), K (capital) desde 1985 hasta 2004 se obtuvo la siguiente
informacin:
Ln( PIB) 1,6524 0,3397 Ln( L) 0,846 Ln( K )
t
(-2,7259)
(1,8295)
P-Value
(0,0144)
(0,0849)
1 R 2 0,0136
COV ( 2 , 3 ) 0,0972

(9,0625)
(0,0000)

5%
a) Probar el significancia de 2 , 3
b) Pruebe que la elasticidad parcial del trabajo es mayor que 0,8
c) Pruebe la hiptesis de rendimientos crecientes a escala.
d) Pruebe la significancia global del modelo.

12

e) Que implica que P-Value de LN (K ) sea igual a 0,0000

H 0 : 2 3 1
Ttabla T17; 0,975 2,11

H 0 : 2 3 1
Tobs

2 3 2 3 HN

var 2 2 cov( 2 , 3 ) var 3

F 2;17; 0,95 3,59

Pauta
a)

H 0 : 2 0
H1 : 2 0
Tobs 1,8295
Ttabla T 7;0,975 2,11

Zona de Rechazo
Zona de Rechazo

Tobs = 1,8295
Ttabla = - 2,11

Ttabla =

2,11

Tobs >T tabla >Tobs Se acepta H0 el parmetro 2 no es significativo

y el 3 se hace el mismo esquema. 3 si es significativa por este esquema y a travs del

P-Value.

13

b) Probar que la elasticidad parcial de trabajo es mayor igual que 0,8

H 0 : 2 0,8 ; H 0 : 2 0,8
H1 : 2 0,8 ; H1 : 2 0,8

2 2 HN

var 2
Necesito sacar var 2 del poblacional ya que Tobs es del parmetro poblacional
Tobs

Tobs

2 2 HN 0,3397 0

1,8295
var 2
var 2

despejando var 2
var 2 0,18567915 var 2 0,034477
Como la hiptesis nula Ho: 2=0,8
2 HN 0,3397 0,8
Tobs 2

2,479
0,18567915
var 2

Zona de Rechazo

- 2,479

Ttabla = - 2,11

Ttabla =

2,11

test de una cola dado el B1

Tobs < T tabla Se Rechaza H0 el parmetro B2 es menor que 0,8
c) Rendimientos crecientes a escala

14

H 0 : 2 3 1
H 0 : 2 3 1
Tobs

2 3 2 3 HN

var 2 2 cov( 2 , 3 ) var 3

falta sacar var 3
Tobs

3 3 HN 0,846 0

9,0625
var 3
var 3

var 3 0,093352 var 3 0,0087146

Tobs

(0,3397 0,846) 1
0,034477 2 0,0972 0,0087146

Tobs 0,369281

Zona de Rechazo
Zona de Rechazo

Tobs = 0,369281 T
=
tabla

Tobs >T tabla >Tobs No se Rechaza

d) Test de significancia global

R2
0,9864
2
Fobs K 12
616,5
0,0136
1 R
17
nK
F 2;17; 0,95 3,59

2,11

H0 no existen rendimientos crecientes a escala.

15

Zona de Rechazo

Ftabla = 3,59

Fobs = 616,5

Por lo tanto se rechaza Ho el modelo global es significativo

e) 3 pib , K 0,846
El PIB depende del capital, ya que es la variable mas significativa, mi produccin
es intensiva en capital
PMgK
0,846
PMeK

La siguiente tabla presenta datos sobre produccin y costo de un bien a corto plazo

Para verificar si la informacin anterior sugiere curvas de costo marginal y costo medio en
forma de U, tpicas a corto plazo podemos utilizar el siguiente modelo:
Yi = Xi+Xi2+Ui
Donde Yi es el costo total, Xi = Producto. La variable explicartoria X 2 se obtiene a partir de
Xi.
a) Estime la funcin de costos.
b) Qu representa estimado?

16

c)
d)
e)
f)
g)
h)

Cuanto vale el costo marginal y variable medio?.

Cul es la curva de oferta de la empresa?.
Cul es su lmite de validez?.
Qu pasa si el precio es $100? Obtiene utilidades?
Construya la tabla Anova.
Con = 5% el modelo es significativo.