Docente: Elias Castro Salazar

Asignatura: Métodos Cuantitativos Aplicados I

Trabajo final
Testeo de hipótesis

Identificación

Nombre: Carla Daniela Galindo Fecha: 30/01/2020

Puntaje: / 38 Nota (60% de exigencia):

Instrucciones generales

Dispone hasta el día jueves a las 23:59 horas para cargar sus resultados en plataforma. Utilice el mismo
formato en el cual está escrito este documento para responder las preguntas planteadas. Para el desarrollo
de los ejercicios de cálculo, puede desarrollarlos escritos en formato digital o puede adjuntar, dentro del
mismo documento, fotografías o escaner de su desarrollo en lapiz pasta negro o azul (excluyente). No se
permiten copias de trabajos, en dicho caso, todas las entregas iguales serán evaluadas con calificación 1.0.
Los resultados estarán disponibles el día viernes antes del medio día en plataforma.

1. Robust estimation of systematic risk using the t distribution in the chilean stock markets

1.1 El paper indica, dentro de sus primeros párrafos, que el parámetro 𝛽 se estima usualmente a
través del método de los Mínimos Cuadrados Ordinarios (MCO), el cual coincide con el
estimador de máxima verosimulitus (máximum likelihood estimator, MLE) bajo una suposición
de normalidad. Explique por qué debe realizarse esta suposición de normalidad. Nota: Quizas
quiera investigar los métodos descritos anteriormente. (4 ptos.):

Esta suposición de normalidad se debe realizar debido a que el cálculo de beta es complejo y
delicado y esto conlleva a que existan distintos factores que pueden arruinar este ejercicio ya
se los valores atípicos, los puntos de apalancamiento y los errores brutos que son valores que
salen de la tendencia estos pueden cuásar una gran variación de los datos obtenidos. Es por
eso que se deben desarrollar los cálculos utilizando el mínimo cuadrado ordinario (MCO) con
este se llega a simplificar este proceso con lo cual solo se toman una bese de la constante que
más se acerque al criterio MCO con este paso se eliminan las diferencias de las coordenadas o
residuos entre los valores restantes con esto se pueden aplicar distintas pruebas para
encontrar resultados específicos.

1.2 El paper indica también que, para los procesos de inferencia, se supone que los retornos
accionarios de los mercados siguen una distribución normal (Elton & Gruber, 1995; Cambell
et al., 1997), sin embargo, los métodos de cálculo (regresión por MCO) son muy sensibles a los
valores atípicos, que se dan especialmente en los mercados latinoamericanos. ¿Qué
recomendaría usted para el preprocesamiento de los datos y eliminar la influencia de los
valores atípicos? (4 ptos.)

Existen diferentes maneras de solucionar el preprocesamiento de datos y eliminar la influencia de

los valores atípicos una forma de realizar dicho proceso es el realizar una detección y tratamiento
de datos faltantes y atípico en estos casos los datos faltantes se eliminan de la muestra general
otra forma igual de sustentable seria a través del método de observación extrema en el cual los
valores atípicos pierden gran parte de su influencia dentro de los datos obtenidos
 Docente: Elias Castro Salazar
Asignatura: Métodos Cuantitativos Aplicados I

1.3 Extraiga toda la información posible de los gráficos de la figura 1. Del paper (Scatterplot de los
rendimientos de mercado de las empresas Concha y Toro & Copec v/s los rendimientos del
IPSA). (4 ptos.):

Concha y Toro e IPSA:

1. Se puede observar el grado de correlación que tienen esta empresa con el índice
en este caso es positiva, pero a la vez muy débil ya que mayormente no se refleja
en Concha y Toro cuando el IPSA tiene un aumento, si no que aumenta en menor
manera
2. En la grafica no se encuentra en gran medida valores atípicos ya que por lo
general todos se concentran en gran medida donde se encuentra la tendencia
Copec e IPSA:

1. La correlación que existe entre la empresa Copec e IPSA es positiva y fuerte esto se puede
distinguir gracias a como Copec aumenta en medida que el IPSA aumenta, con esto su
crecimiento es a la par.
2. En esta grafica la mayor observación que se puede realizar es que cuenta con una gran
cantidad de valores atípicos ya que en muchos momentos los puntos registrados sobrepasan
en gran medida la línea de tendencia

1.4 Comente las conclusiones e indique que puede aprender de ellas. (4 ptos.):

Al leer las conclusiones se puede determinar la importancia de la distribución t, ya que esta

proporciona una ampliación robusta de la normalidad para el modelo estadístico de conjuntos de
datos. Esta es muy importante ya que logra una inferencia estadística robusta, además la
metodología presentada demuestra que esta se puede implementar en cualquier software
estadístico que permita la reponderación interactiva.
En otro punto se dio a conocer que esta información se obtuvo de un estudio empírico el cual
proporciono evidencia sobre la robustez del estimador de la máxima probabilidad de riesgo.
 Docente: Elias Castro Salazar
Asignatura: Métodos Cuantitativos Aplicados I

2. Resuelva los siguientes ejercicios

2.1 En una investigación sobre los negocios pequeños que tienen un sitio en la web se encontró que
la cantidad promedio que se gasta en un sitio es de $11500/año. Dada una muestra de 70
negocios y una distribución estándar 𝜎 = $5000, ¿Cuál es el margen de error? Use un 99% de
confianza. ¿Qué recomendaría si el estudio requiere un margen de error de $100? (3 ptos.)

R: Datos

X=11.500
N= 70
σ=$5000
N.C=99%
Z=2,58

𝑍 ∗ 𝜎/√𝑛 = 2,58 ∗ 5.000/√70 =1.541,8449

R: El margen de error es de 1.541,8449.

2,58 ∗ 5000/√𝑥=100
5000
2,58 ∗ − 100 = 0
√𝑥
129 500
∗ − 100 = 0
50 √𝑥
645000
− 100 = 0
50√𝑥
12900−100√𝑥
=0
√𝑥
12900 − 100√𝑥 = 0
−100√𝑥 = −12900
√𝑥 = 129
X=16.641
2,58 ∗ 5.000/√16.641=100

R: Para obtener un margen de error de 100 se debe aumentar el tamaño de la

muestra a 16.641
 Docente: Elias Castro Salazar
Asignatura: Métodos Cuantitativos Aplicados I

2.2 Para el siguiente set de datos:

7.0 3.2 1.4 5.4 8.5

2.5 2.5 1.9 5.4 1.6
1.0 2.1 8.5 4.3 6.2
1.5 1.2 2.7 3.8 2.0
1.2 2.6 4.0 2.6 0.6

a. ¿Cuál es la estimación puntual de la media poblacional de la muestra? (3 ptos.)

N= 25
Sumatoria =83,7
Promedio=83,7/25 = 3,348
R: el promedio de la muestra es de 3,348 y la estimación puntual de la media de
la población es de 2,287

b. Suponga que la población tiene una distribución normal, calcule un intervalo de confianza
de 95% para la media poblacional del set de datos. (3 ptos.)

R: Datos

Promedio=3,348
Z=1,96
N=25
σ=13,5338
x=2,287
x ̅±t*x/√n = 3,348±2,068*2,287/√25= (2,4018-4,294)

R: el intervalo de confianza para la muestra se encuentra entre (2,4018-4,294)

 Docente: Elias Castro Salazar
Asignatura: Métodos Cuantitativos Aplicados I

2.3 El sueldo mensual inicial de egresados de una carrera universitaria se espera que oscile entre
$450000 y $500000. Suponga que se quiere dar un intervalo de confianza de 95% para estimar
la media poblacional de los salarios iniciales. Utilice un criterio visto en clases para estimar la
desviación estándar poblacional, y utilice este valor para encontrar el tamaño de la muestra si
desea obtener un margen de error de $10000. (4 ptos.)

𝜇[45.000;500.000]
𝑁. 𝐶 = 95%
E= 10.000

𝐸 = √𝑧 ∗
𝜎2
𝑛
/( ) 2

𝑛 = (𝑧 2 ∗ 𝜎 2 )/𝐸 2
𝑀𝐴𝑋 − 𝑀𝐼𝑁
𝜎=
4
500000 − 450000
𝜎= = 12.500
4
1,962 ∗ 125002
𝑛= = 6,0025 = 𝟔
100002

R: Para que el margen de error sea de 10.000 la desviación estándar debe tener como
valor 12.500 y el número de población debe ser de 6 aprox.

2.4 Considere la prueba de hipótesis siguiente:

𝐻0 : 𝜇 ≥ 15
𝐻𝑎 < 15
En una muestra de 50, la media muestral fue 14.15. La desviación estándar poblacional es 3.
a. Calcule el estadístico de prueba. (3 ptos.)

Z=(x-μ) /(σ/√n) = z= (14,15-15)/(3/√50)= -2,0037

b. ¿Cuál es el valor-p? (3 ptos.)

R: Z-2,0037 = 0.0228 = 1-0,0228 -P= P(-|z0| < z < |z0|) = 0.95482045

c. Use 𝛼 = 0.01. ¿Cuál es su conclusión respecto a la hipótesis nula? (3 ptos.)

α=1-0.01=0,990= 2,33

|-2,0037|> 2,33

2,0037<2,33

R: No existe evidencia suficiente para rechazar h0