Definicin de Regresin: Trara del estudio de la dependencia de la variable dependiente, con respecto a una o ms variables (las variables explicativas),

con el objetivo de estimar o predecir la media o valor promedio poblacional de primera en trminos de los valores conocidos o fijos (en muestras repetidas) de las ultimas.

Tambien se puede decir que la regresin estadstica o regresin a la media es la tendencia de una medicin extrema a presentarse ms cercana a la media en una segunda medicin. Donde la regresin se utiliza para predecir una medida basndonos en el conocimiento de otra.

Teniendo claro esto se puede decir que un modelo clsico de regresin lineal se fundamenta en la prediccin estadstica bajo una

estimacin y una prueba de hiptesis , teniendo como base unos supuestos, ya que por medio de estos no solo se calcula el valor de 1, 2 y ^2 si no tambien poder observar que estas estimasiones satisfasgan la varianza, el insesgo entre otros supuestos que adquieren este modelo, donde su fin ultimo es saber si los valores q arrojan 1 y 2 se acercan a la realidad o cuanto se acercan.

Definicin de Causacin: Es la demostracin de cmo una variable influye (o produce un efecto) sobre otra variable o grupo de variables. Al igual se puede decir que la teora de la causacin, accin por la que el efecto se sigue de la causa.

Definicin de Correlacin: En probabilidad y estadstica, la correlacin indica la fuerza y la direccin de una relacin lineal y proporcionalidad entre dos variables estadsticas. Se considera que dos variables cuantitativas estn correlacionadas cuando los valores de una de

ellas varan sistemticamente con respecto a los valores homnimos de la otra: si tenemos dos variables (A y B) existe correlacin si al aumentar los valores de A lo hacen tambin los de B y viceversa. La correlacin entre dos variables no implica, por s misma, ninguna relacin de causalidad.

Tomando en cuentas que la correlacin es la relacin estadstica entre antes y despus. En un alto porcentaje de ejemplos, existe una correlacin, cuando existiendo la transformacin A, la transformacin B sigue existiendo despus. Lo mismo es vlido para dos partes del universo (estructuras en vez de transformaciones). Tambin es vlido para una parte y una transformacin o para una transformacin y una parte.

Definicin de Relaciones Estadsticas: Las Relaciones estadsticas o tambin conocida como prueba de hiptesis permite generalizar los resultados que encontramos en una muestra para luego hacer referencia o nfasis en la poblacin es decir el resultado que se obtenga tiene que ser extrado de la muestra y que este tenga sustentabilidad lo cual si queremos generalizar el hallazgo en la poblacin debemos estar seguros de que la evidencia brindada por la muestra es lo suficientemente fuerte como para lograr hacer una declaracin ms general que incluya a toda la poblacin de estudio.

Definicin

de

Relaciones

Determinsticas:

Las

relaciones

determinsticas o modelo determinista es un modelo matemtico donde las mismas entradas producirn invariablemente las mismas salidas, no contemplndose la existencia del azar ni el principio de incertidumbre. Est estrechamente relacionado con la creacin de entornos simulados a travs de simuladores para el estudio de situaciones hipotticas, o para crear sistemas de gestin que permitan disminuir la incertidumbre. Los modelos

deterministas slo pueden ser adecuados para sistemas deterministas, para sistemas azarosos y caticos los modelos deterministas no pueden predecir adecuadamente la mayor parte de sus caractersticas. La inclusin de mayor complejidad en las relaciones con una cantidad mayor de variables y elementos ajenos al modelo determinstico har posible que ste se aproxime a un modelo probabilstico o de enfoque estocstico.

Mencione los Supuestos del Mtodo de Mnimos Cuadrados Ordinarios (MCO) La estimacin de mnimos cuadrados ordinarios poseen diversas propiedades para que sea un modelo ideal, los cuales son explicados por el teorema de GaussMarkov el cual establece: Es lineal, es decir funcin lineal de una variable aleatoria, tal como la variable dependiente Y en el modelo de regresin. Es insesgado, su valor promedio o esperado de 2 es igual al verdadero valor de 2. El estimador es eciente o de mnima varianza si no hay ningn otro estimador insesgado que tenga una varianza menor que En general se trata de utilizar estimadores de varianza pequea, pues de este modo la estimaciones ms precisa. En el anlisis de regresin nuestro objetivo no es slo obtener los valores de ^ 1 y ^ 2 sino tambin hacer inferencia sobre los verdaderos 1 y 2. Nos interesa saber que tan cerca estn ^ 1 y ^ 2 de sus contraparte poblacional o que tan cerca esta Y^i de la verdadera E(Y|Xi). La Funcin de regresin poblacional: Yi = 1+2Xi+ui, nos muestra que Yi depende de Xi y ui. As, los supuestos hechos para estas dos variables son fundamentales para lograr una interpretacin vlida de los valores estimados de la regresin. Mientras no se especifique la forma como se generan Xi y ui, no hay forma de hacer inferencia estadstica sobre Yi ni sobre 1 y 2.

 La linealidad en los parmetros Los valores que adquiere la variable independiente (X) son fijos en el muestreo, establecido en el anlisis de regresin = 0 esto quiere decir que el valor de X, la media o el valor esperado del trmino aleatorio de perturbacin es cero. La varianza de es igual para todas las observaciones esto es conocido como homoscedasticidad, en otras palabras se puede decir que las poblaciones Y corresponden a los diversos valores de X, donde la variacin alrededor de la recta de regresin, es la misma para los valores de X y no aumenta ni disminuye conforme X dependiendo que pueda variar. La autocorrelacin esto significa que dado X la desviacin de dos valores cualquieras de Y de su media no muestran patrones, donde no existen autocorrelacin entre las

perturbaciones. La covarianza entre y x es 0 en la cual se establece que la perturbacin u y la variable explicativa X no estn

correlacionadas El nmero de observaciones n debe ser mayor que el nmero de parmetros por estimar. Variabilidad en los valores de X, donde no todo el valor de X en una muestra dada debe ser iguales. Tcnicamente, Var (X) debe ser un nmero positivo finito. No existe un sesgo de especificacin o error en el modelo esto quiere decir que el modelo de regresin est correctamente especificado. No hay multicolinealidad perfecta es decir no existe una relacin perfectamente lineales entre las variables explicativas.

REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA DE LA FUERZA ARMADA UNEFA NUCLEO LARA

Econometra I

Integrantes: -Ramrez Eglys C.I: 18.958.394 -Rosales Maria C.I: 21.296560 Seccin: 6M1-ES Prof. Econ. Samuel Colmenares Asignatura: Econometra I

Barquisimeto, Marzo del 2013

Referencias Bibliogrficas y Electrnicas

Econometria Gujarati Econometra I Profesores:(jose Miguel BenaventeAndrs, OteroJaviera VsquezJulio 2004) http://es.scribd.unccom/doc/43814921/Econometria

Introduccin

Para estudiar la econometra, sus variables y como funciona es necesario primero contar con los conocimientos de los trminos bsicos que intervienen, por lo tanto la econometra se define como la ciencia social en la cual las herramientas de la teora econmica, las matemticas y la inferencia estadstica se aplican al anlisis de los fenmenos econmicos. A partir de esta definicin nace una serie de temas relacionados con esta los cuales debemos tener muy claros para la correcta interpretacin de resultados.

Conclusin

Los trminos estudiados anteriormente nos permiten ir adquiriendo herramientas esenciales para el estudio de los modelos economtricos y la aplicacin de estos, los cuales buscan en esencia una conjuncin entre la teora econmica y la medicin real, con la teora y la tcnica de la inferencia estadstica como puente y nos permiten a su vez el anlisis estructural y entender como, funciona la economa, prediccin de los valores futuros de las variables econmicas, simular con fines de planificacin distintas posibilidades de las variables exgenas, simular con fines de control valores ptimos de variables instrumentales de poltica econmica y de empresa.