CURSO DE ECONOMETRA.

SEGUNDA PARTE

PASOS PARA UN ANLISIS ECONOMTRICO.

Para la realizacin efectiva de un anlisis economtrico es necesario efectuar una secuencia
de pasos de manera que se construya un modelo adecuado de prediccin, dicha secuencia
esta ligada a la experiencia y a las preferencias de los investigadores, en ningn momento
representa una norma que se tenga que seguir al pie de la letra, adems es posible
simultanear algunas actividades:
Secuencia de pasos en econometra
1. Planteamiento terico del modelo economtrico (formulacin de hiptesis; o
relaciones funcionales)
2. Supuestos del modelo y formulacin de hiptesis.
3. Construccin de la forma matemtica del modelo terico e identificacin de
las principales variables y relaciones funcionales de las mismas.
4. Elaboracin funcional del modelo economtrico.
5. Identificar la informacin necesaria para realizar el modelo economtrico.
6. Recoleccin de datos de la serie y comparacin grfica de las observaciones.
7. Estimacin de los coeficientes del modelo economtrico.
8. Validez del modelo mediante la aplicacin de pruebas estadsticas.
9. Pronstico.
10. Toma de decisiones y diseo de polticas o acciones preventivas o
correctivas, basadas en el modelo.

Paso 1. Planteamiento terico del modelo economtrico

La primera etapa consiste en seleccionar un modelo econmico, para ello es necesario
adoptar un enfoque de teora econmica, por ejemplo bajo los supuestos de la teora clsica,
neoclsica, keynesiana o estructuralista, todo depende del modelo que se estudie, esto con
el objeto de facilitar la identificacin de las relaciones de las variables y el establecimiento
de los supuestos, y de igual manera sirve como base para explicar las proyecciones y

justificar la toma de decisiones y polticas derivadas de los resultados del modelo

economtrico.
Esta primer parte no es ms que tomar una hiptesis de teora econmica que relacione una
variable dependiente a una o ms variables independientes.
Ejemplo: en la medida que se aumenta el precio de un bien y/o servicio determinado y
manteniendo todo lo dems constante, las cantidades demandadas de las mismas sern
menores

Paso 2.Supuestos del modelo y formulacin de hiptesis

A partir de esa seleccin se procede a conocer todos los lmites o alcances del modelo y por
lo tanto se determinan los supuestos con los que el modelo adquiere validez terica.
Ejemplo: se trata de un bien normal, en un mercado de competencia perfecta y no se tiene
sustituto.
En cualquier caso se parte de una hiptesis de teora econmica, la cual se busca demostrar
mediante procedimientos estadstico, indistintamente que modelo se desee comprobar se
parte de una afirmacin de relacin entre variables representada mediante una ecuacin
matemtica.
Este punto es importante por cuanto la hiptesis ser la referencia con la que se busca
demostrar la investigacin, en caso que se encuentre informacin confiable que mediante la
ecuacin de regresin calculada se compruebe la relacin de las variables, se esta en
posicin de avalar o aceptar la hiptesis y por tanto el estudio se vuelve una herramienta de
anlisis que facilita la explicacin de un fenmeno.

Paso 3.Construccin de la forma matemtica del modelo terico e identificacin de las

principales variables y relaciones funcionales de las mismas.
Conociendo con exactitud las relaciones funcionales de la teora, los supuestos en los que el
modelo tiene validez se pasa a determinar la forma matemtica de dicho modelo
Ejemplo D=a-bP
Donde:
D:
Cantidades demandas (variable dependiente)
a:
Demanda Autnoma (Intercepto)
b:
Elasticidad precio de la demanda (Pendiente de la recta)
P:
Precio (variable independiente)

Es posible que el investigador determine que existen otras variables como gustos y
preferencias, edad, etnia, etc. Sin embargo el modelo se puede ajustar a esas variables
siempre y cuando se posea la informacin para determinar la relacin y sobre todo de
registros estadsticos numricos que permitan el clculo del modelo economtrico.

Paso 4.Elaboracin funcional del modelo economtrico

A partir de ello se puede trabajar con esa ecuacin para adecuarla a su forma regresiva,
es decir a plantearlo de manera que los datos se adecuen de manera natural a un promedio y
se Ajusten a una tendencia, para ello se requiere expresar el modelo en trminos
funcionales de Mnimos Cuadrados Ordenados, dicho mtodo se plantear ms adelante.

Paso 5.Identificar la informacin necesaria para realizar el modelo economtrico.

Cuando se esta seguro del modelo y se tiene la forma economtrica, se pasa a considerar el
lugar donde se puede obtener la informacin, cual es la ms til y la facilidad de
recoleccin de la misma.
Este paso consiste en verificar la existencia y registro de las variables, en muchos de los
casos, no se cuenta con una variable del modelo como tal, por ejemplo para la ecuacin de
produccin el nivel de capital fsico de la economa, que no en todas las economas se
calcula , no obstante por tratarse de anlisis de tendencia, se puede sustituir el nivel de
capital por una representativa de su variacin, que en este caso, puede ser perfectamente el
nivel de inversin, la idea central reside en adecuar la variable del modelo a los datos ms
cercanos con que se cuentan .
Es necesario considerar en ente punto cual de toda la informacin de serie estadstica que
representa mejor a la o las variables estudiadas.
A nivel general se esperara obtener al menos 31 observaciones de cada variable, debido
principalmente a que a partir de ese nmero de observaciones una serie de registros se
adecua al Teorema del Lmite Central, lo que significa que es una serie con curva normal, el
cual es un requisito dentro de la econometra para dar validez estadstica al modelo.
No obstante se sabe que los registros obtenidos de una unidad observacional poblacional
tienden a cumplir los supuestos de la curva normal es decir que se adecua a una curva de
probabilidad de forma de campana que es simtrica alrededor de su valor medio,
aproximadamente el 68% del rea bajo la curva normal se posiciona entre los valores de su

media () y su varianza (), el 95% se ubica entre 2 y alrededor del 99.7% se

encuentra en 3, tal como muestra la grfica.

El supuesto que se trabaja con un modelo en que sus variables se comportan de manera
normal permite garantizar:
1. Una distribucin normal de las perturbaciones estocsticas.
2. Que los estimadores sean insesgados o que no estn influenciados por
variables externas.
3. Tienen una varianza mnima lo que significa una media altamente
representativa.
4. Consistencia, en la media que se aumenta el valor de la muestra o de
observaciones para estimar, los valores proyectados se acercan o igualan los
valores poblacionales reales.
5. Los coeficientes estimados tiene varianza mnima por lo que los parmetros
encontrados por Mnimos cuadrados Ordinarios son los Mejores
Estimadores Insesgados lineal

Paso 6.Recoleccin de datos de la serie y comparacin grfica de las observaciones.

Al tener la certeza de poseer las observaciones necesarias y se cuenta con respaldo y
validez en la recoleccin de las mismas, se pasa a efectuar una comparacin grfica (en el
caso que se plante una variable dependiente y una independiente), utilizando un plano
cartesiano y se observa la existencia de alguna tendencia en el comportamiento de las
observaciones tal como lo muestran las siguientes grficas, los puntos reflejan las
observaciones de una serie de datos, mientras que la lnea que se encuentra al centro es su
tendencia.

En la anterior imagen se aprecia que no existe relacin lineal

Un coeficiente de correlacin cercano a 0

Paso 7.Estimacin de los coeficientes del modelo economtrico.

Habiendo establecido las relaciones de manera grfica con una serie estadstica suficiente y
con la viabilidad matemtica y terica del modelo se procede a la estimacin de los
coeficientes para ello se utiliza el mtodo de Mnimos Cuadrados Ordinarios (MCO) por
medio del cual se obtienen los mejores coeficientes que permiten determinar el
comportamiento de una funcin de economtrica, para un rango determinado, estimando de
esta manera los valores reales a partir de la muestra.
El principal objetivo de una ecuacin de regresin obtenida por Mnimos Cuadrados
Ordinarios es que las desviaciones de los valores observados respecto a los estimados sea el
mnimo posible, es decir, se espera que se encuentren los coeficientes que sean (F(x)
observado F(x)estimado)2 un mnimo, en otras palabras que la sumatoria de las

diferencias del valor real menos el proyectado elevado al cuadrado tienda a cero, de ah el
nombre que el mtodo se le denomine Mnimo Cuadrado Ordinario.

Paso 8.Validez del modelo mediante la aplicacin de pruebas estadsticas.

Para determinar la validez del modelo se debe haber pasado una serie de pruebas de
hiptesis que hacen que el modelo se comporte de cierta manera o que se encuentre en
ciertos parmetros donde existe suficiente probabilidad de ser fiables o buenos estimadores
de los valores reales (dichas pruebas se presentaran ms adelante).

Paso 9.Pronstico.
El pronstico consiste en utilizar la ecuacin para establecer con certeza el posible
comportamiento de la variable el cual puede darse en dos tiempos.
1. Dentro del domino o rango de informacin con la que se obtuvieron los
coeficientes
2. Fuera del rango, para observaciones posteriores o anteriores a los del
domino o rango de informacin.
En el primer caso no es necesario ms que sustituir en la ecuacin la o las variables
independientes, por que los coeficientes explican el comportamiento dentro del rango con
que se cuenta la informacin; en este caso se esta tratando de una ecuacin que se puede
llamar de Largo Plazo, para el segundo caso es necesario transformar la ecuacin en un
modelo predictivo de corto plazo en el que se puede con alguna certeza aproximarse a los
valores futuros y para ello se trabaja la serie estadstica en diferencias para obtener de esas
variables los nuevos coeficientes, para el alcance de este curso se tomara la primer forma de
prediccin.
Paso 10.Toma de decisiones y diseo de polticas o acciones preventivas o correctivas,
basadas en el modelo.
Al haber establecido los coeficientes que dan validez al modelo se esta en la posibilidad de
efectuar toma de decisiones y diseo de polticas o acciones preventivas o correctivas,
basadas en el modelo, lo que supone que es una herramienta que facilita la toma de
actividades y acciones, pero a pesar de ese valor estadstico en ningn momento se esta en
la posibilidad de sustituir la experiencia o el conocimiento del comportamiento humano que
es en algunos casos ms confiable que cualquier herramienta estadstica.

CONDICIONES DE LOS MODELOS

Los modelos economtricos suponen que la ecuacin estimada se comporta bajo ciertas
condiciones o requisitos y bajo ciertos parmetros, uno de los principales tiene que ver con
que en los que cada punto observacional utilizado se ajusta al teorema del lmite central y
por tanto se ajusta a la curva normal, de igual manera, la serie estadstica necesaria para
estimar los coeficientes debe estar apoyada en este supuesto y por tanto requiere un
mnimo de 31 datos (este es un valor numrico aproximado en el que una variable
comienza a ajustarse a la curva normal).
Esa es una premisa no obstante se tiene que tomar en cuenta una serie de supuestos que son
necesarios para estimar una ecuacin economtrica con validez estadstica, muchos de ellos
se logran por el simple hecho de efectuar los clculos mediante el mtodo de Mnimos
Cuadrados Ordinarios, los supuestos se mencionan a continuacin.

SUPUESTOS
1. El modelo economtrico es lineal en sus parmetros es decir en sus coeficientes y en sus
variables incluyendo su valor de error estocstico Yi = 1+ 2Xi + i
Esto significa sencillamente que la potencia de cada factor de la ecuacin es igual a 1.
2. Los valores que toma la variable X en un ejercicio de muestreo se mantienen
constantes, es un valor no estocstico o no aleatorio, por ejemplo si consideramos lo niveles
de educacin en grados escolares de la Poblacin Ocupada se tiene que el valor que puede
tomar el nivel de educacin de una persona puede variar desde 0 hasta el nivel mximo 13
o 14 para un ao determinado manteniendo el valor de X que es un promedio inalterable, lo
que importa es el valor medio que toma la variable Y a partir de la X pero el valor de
esta ltima es independiente de ese promedio en Y.
Lo que implica en trminos concretos que los coeficientes estimados estn condicionados al
valor de la o de las variables dependientes.
3. El valor promedio de las variaciones estocsticas i es cero, que significa que la
variacin del valor observado con el estimado a partir de la ecuacin de regresin es
cercano a cero para cada punto utilizado en la proyeccin.
En trminos sencillos lo que pretende este supuesto es que el valor de las variaciones
estocsticas es cero y por lo tanto la ecuacin economtrica se puede representar as:
Yi = 1+ 2Xi + i; i aproximado a cero
Yi = 1+ 2Xi + 0
Yi = 1+ 2Xi

4. Las varianzas de cada error estocstico i deben ser idnticas o en trminos estadsticas
cumplir con el criterio de Homocedasticidad (homo o igual y cedastico o dispersin), es
decir que la varianza de i es igual para cada punto en todas las observaciones.
Si este supuesto se cumple se esta asegurando que el nivel de varianza de las observaciones
es el mismo.

5. No existe correlacin entre los errores estocsticos, lo que significa que al aplicar un
modelo de regresin para perturbaciones i de distintos puntos observados, se obtiene un r
cercano a cero, lo que se busca es que la estimacin de Y no dependa de la variacin
sistemtica de los errores estndar la siguiente grafica muestran la condicin descrita de los
errores estocsticos:

Correlacin serial Negativa, el valor de -i es correspondido con un valor +i y viceversa

Correlacin serial Positiva, el valor de +i es correspondido con un valor +i y viceversa

Correlacin cero de perturbaciones

1. No existe correlacin entre los valores estocsticos y la variable independiente, en
otras palabras que no existe Covarianza entre i y X o que su covarianza es cero,
al correr la variable independiente y el valor de la perturbacin se debera esperar
que es cero, principalmente por que el valor de X es no aleatorio y se asume fijo
para muestras repetidas.
2. El nmero de observaciones debe ser mayor al nmero de parmetros a estimar, no
obstante no se debe olvidar que debemos contar con una serie de al menos 31 datos
para ajustarse al teorema de lmite central, no obstante este criterio varia de
investigador a investigador, muchos economistas apuntan que ms de 20 valores
estadsticos son suficientes, tambin es necesario considerar el tipo de variables que
se desean estimar.
3. Debe existir variabilidad en las variables independientes, es lgico pensar este
supuesto ya que la funcin de regresin estimada se logra a partir de las
desviaciones entre el valor de X y el de Y, determinando de esta manera un estimado
de los parmetros, de no encontrar variabilidad, se estara esperando una no relacin
lineal entre las variables.
4. Debe el modelo debe estar especificado correctamente, es decir que lo que se plante
matemticamente debe estar respaldado por supuestos del modelo econmico y que
la forma funcional sea la que ms se ajusta, finalmente se deben incluir todas las
variables involucradas que inciden en la explicacin de un fenmeno, para ello se
pueden correr muchos modelos y aquellos que demuestren un mejor nivel de
correlacin y de pruebas estadsticas son los que clasifican para hacer estimaciones
o demostraciones de relaciones funcionales.
El grado de cumplimiento de cada una de los supuestos anteriores puede variar segn el
criterio del investigador, algunas pruebas que se mencionan son determinadas
automticamente por programas computacionales, adems para hacer proyecciones a futuro
se analiza la estacionariedad de la serie, el sentido de estas pruebas esta vinculado con la
variabilidad de las perturbaciones, en este curso se presenta la prueba de significancia
estadstica.

TIPOS DE MODELO.

Los modelos economtricos pueden incluir hbridos o combinaciones, generalmente se trata

con modelos lineales, en la mayora de los casos encontraremos que con dificultad se logra
una serie con tendencia lineal debido a la variabilidad de las observaciones y por tanto no
siguen una tendencia visible en primera impresin.

Por tal motivo el uso de los logaritmos es una herramienta que facilita ajustar una serie a
una tendencia, en la medida que se tiene una serie con mucha dispersin, se aplica a todas
las variables o a una parte de ellas los logaritmos con el objetivo de suavizar el efecto
distorsionador.
Por lo tanto tenemos los siguientes tipos de modelos
1. Lineales en sus variables (lineales en sus variables y parmetros)
2. Modelos log-lineales, se ajusta una o todas las variables que no tiene
compartimiento lineal
1. Log-log
2. Log lineales o semi logartmicos
En los modelos lineales al graficar podemos apreciar su tendencia y estimar sin mayor
cambio utilizando el mtodo de MCO.
Para los modelos doble log o log-log se aplica a ambos lados de la ecuacin los logaritmos,
este es el caso de las funciones exponenciales y de potencia.
En los semi-logartmicos aplicamos a la variable dependiente un valor en logaritmo para
suavizar la tendencia y de esta manera obtener un mejor estimador.

MTODO DE MNIMOS CUADRADOS ORDINARIOS

Uno de los puntos determinantes en la econometra se basa en el procesamiento estadstico

y para ello el mtodo de Mnimos Cuadrados Ordinarios MCO permite encontrar los
Mejores Estimadores Lineales Insesgados, este mtodo presenta muchas ventajas en cuanto
a lo fcil de su uso y por lo adecuado del planteamiento estadstico matemtico que permite
adecuarse a los supuestos para los modelos economtricos.
El trmino de MCO esta vinculado con la regresin y la correlacin, ambas determinan la
existencia de relacin entre dos o mas variables (siempre una dependiente y una o varias
independientes), la diferencia radica en que le regresin se expresa en una funcin o
relacin funcional mediante una ecuacin con su uso predictivo, y la correlacin es un valor
que mide la intensidad con que estn relacionadas linealmente las variables, se esta hablado
de una regresin o correlacin simple cuando se relacionan 2 variables, si existen mas se
habla de una correlacin mltiple (el alcance de este curso se limita a la simple).
Las funciones regresivas principalmente pueden ser de cuatro tipos:

1. Lineales
De la forma matemtica
Y su expresin Regresiva

Y(x) = a+ bXi
Yi = 1+ 2Xi + i

2. De segundo grado
De la forma matemtica
Y su expresin Regresiva

Y(x) = a+ bXi+cXi
Yi = 1+ 2Xi + 3Xi+ i

3, Exponenciales
De la forma matemtica
Y su expresin economtrica

Y(x) = ab
log F(x) = log a + x log b + i

4, De potencia
De la forma matemtica
Y su expresin Regresiva

Y(x) = ax^in
log Yi = log a + b log X + i

Observacin: la variable i se refiere al trmino de perturbacin o de error, se le conoce

como una variable aleatoria estocstica y se utiliza para recoger todos aquellos elementos
que afectan a las variables del modelo de manera externa, es decir mejora la prediccin del
modelo en la medida que captura los efectos de variables no relacionadas con el modelo, en
la mayora de casos y cuando se cuenta con la suficiente informacin el valor que toma esta
variable es aproximadamente igual a cero y por lo tanto es un valor descartable, siempre y
cuando sea un valor cercano a cero.
Para trabajar con una ecuacin no importando el tipo (exponencial, logartmica o de
potencia), es necesario en primer lugar linealizar la ecuacin, que no es ms que llevar a
potencia 1 la variable explicativa o independiente y para ello se puede valer de distintos
mtodos algebraicos que permiten llevar efectuar este procedimiento.

FUNCIN LINEAL

Cuando se han recolectado los datos y si estos cumplen con el teorema de lmite central
(informacin que se ajusta a una curva normal) se procede a presentar la informacin bajo
un esquema bidimensional que no es ms que plantearla en trminos del plano cartesiano.

Que bien puede representar la funcin de oferta, donde Y seria la cantidad de productos
ofertados, a el intercepto y b la elasticidad precio de la oferta; ahora la siguiente tabla
muestra que la cantidad de kilos de carne de cerdo ofrecidas a los precios de mercado
Cantidades Y 2
Precio X

2,5 3

3.5 3.5 4.5 5

5.5 5.5 6

7.5 9

3.3 4.4 3.3 5.5 4.4 5.5 6.6 6.6 7.2 7.7 7.7 8.8 8.8 11

8.5
9.9

La forma grfica queda entonces

El grafico anterior muestra una relacin directa, como la funcin de oferta se supone es
lineal su forma funcional as se expresa, no obstante esta puede ser una curva semejante a

una parbola o a una exponencial (todo depende el caso) y por lo tanto se puede optar por la
mejor forma, en este caso para efectos de simplificacin se muestra una lineal.
DESARROLLO
La ecuacin de la lnea recta es Y(x) = a+ bXi ,
donde
a es el intercepto o el valor que adquiere Y cuando X es igual a cero,
b representa la pendiente o elasticidad de la ecuacin (por el cambio en una unidad
adicional de x el valor total de Y cambia en la proporcin de b).

CLCULO

Para obtener los valores de los coeficientes se tiene en primer lugar efectuar los productos
encontrar sus sumatorias y luego simultanear la ecuacin y despejando en cada caso el
valor que se requiera.
Esto puede observarse en la siguiente tabla:

Precio X

Cantidades Y (X)(Y)

3.3

6.6

10.89

4.4

2.5

11

19.36

3.3

9.9

10.89

5.5

22

30.25

4.4

3.5

15.4

19.36

5.5

3.5

19.25

30.25

6.6

4.5

29.7

43.56

6.6

33

43.56

TOTAL

7.15

5.5

39.325

51.1225

7.7

5.5

42.35

59.29

7.7

46.2

59.29

8.8

61.6

77.44

8.8

7.5

66

77.44

11

99

121

9.9

8.5

84.15

98.01

100.65

77

585.475 751.7125

Con el coeficiente encontrado se procede a sustituir en cualquiera de las dos funciones

originales para despejar el valor de a por lo que se obtiene
585.475

= (a) 100.65+ (b) 751.7125

585.475

= (a) 100.65+ 0.901166978) 751.7125

585.475-667.7418482 = (a) 100.65

-91.94348195/100.65= a
a

= -0.913497088

De manera tal que la ecuacin queda:

Y(X)

0.9012 X- 0.9135

A un precio de 0, segn esa ecuacin, la produccin seria -0.91 unidades, la elasticidad

precio de la oferta como es de esperarse es positiva en la medida que cambie el precio de la
produccin este tendr un impacto en el cambio de oferta a un mayor precio se ofrecer
una mayor cantidad de producto.
Para efectos simplificadores se puede usar de manera general

FUNCIN CUADRTICA

La forma funcional de cada modelo economtrico depende en alguna parte por su forma
grfica, es decir que al reflejar en un esquema bidimensional se puede apreciar la forma y
hacerse una idea de la ecuacin que se ajusta de mejor manera al modelo que se busca.
Para el caso tomaremos un ejemplo hipottico en el que se toma el esquema de una funcin
de costos totales, donde se sabe que hasta cierto punto en el que la produccin aumenta los
costos caen dado un nivel de tecnologa llegando a un mnimo y a partir de ah existe un
incremento progresivo por cada unidad adicional por tanto se espera una forma parablica.
La siguiente tabla muestra el valor del costo total Y que se obtiene con un nivel de
produccin especfico X.

200 240 300 400 500 540 600 640 700 800 900 1000 1040 1100 1200
x
y 3910 3680 2990 2070 2070 1380 1610 1380 1725 1495 2070 1840 2530 2990 4025

Y su forma grfica es:

Como ejercicio de aplicacin, construir la grfica.

El grfico anterior muestra claramente que la tendencia no se ajusta a una recta, esta se
plantea como una curva en forma de u, siendo una parbola la ecuacin que ms se ajusta
es cuadrtica.

En este caso estamos tratando con una ecuacin de la forma

lo que indica que tiene un valor mximo o en su defecto un mnimo.

DESARROLLO

Para el caso de la funcin cuadrtica es necesario aclara que es un caso espacial que se ve
en muchos ejemplos econmicos, su aplicacin es til para determinar mximos y mnimos.
El procedimiento es el mismo que en el anterior se encuentra

mnimo, se deriva respecto a los coeficientes a, b y c y luego se igualan a cero, para

posteriormente simultanearlas, las ecuaciones quedan entonces:

CLCULO

El siguiente paso a realizar consiste en obtener los productos y sumatorias indicadas en las
tres ecuaciones:

200

XY

X2Y

X2

X3

X4

3,910 782,000

156,400,000

40,000

8,000,000

1,600,000,000

240

3,680 883,200

211,968,000

57,600

13,824,000

3,317,760,000

300

2,990 897,000

269,100,000

90,000

27,000,000

8,100,000,000

400

2,070 828,000

331,200,000

160,000

64,000,000

25,600,000,000

500

2,070 1,035,000 517,500,000

250,000

125,000,000 62,500,000,000

540

1,380 745,200

402,408,000

291,600

157,464,000 85,030,560,000

600

1,610 966,000

579,600,000

360,000

216,000,000 129,600,000,000

640

1,380 883,200

565,248,000

409,600

262,144,000 167,772,160,000

700

1,725 1,207,500 845,250,000

490,000

343,000,000 240,100,000,000

800

1,495 1,196,000 956,800,000

640,000

512,000,000 409,600,000,000

900

2,070 1,863,000 1,676,700,000 810,000

729,000,000 656,100,000,000

1,000 1,840 1,840,000 1,840,000,000 1,000,000 1,000,000,000 1,000,000,000,000

1,040 2,530 2,631,200 2,736,448,000 1,081,600 1,124,864,000 1,169,858,560,000
1,100 2,990 3,289,000 3,617,900,000 1,210,000 1,331,000,000 1,464,100,000,000

1,200 4,025 4,830,000 5,796,000,000 1,440,000 1,728,000,000 2,073,600,000,000

10,160 35,765 23,876,300 20,502,522,000 8,330,400 7,641,296,000 7,496,879,040,000
Con 15 observaciones se tiene un n de 15

Siguiendo el esquema anterior se procede a simultanear las ecuaciones, comenzaremos

con (1) y (2)

Simultaneando (1) y (3)

Multiplicando -8.330.400 por la (1) y 15 por la (3)

Sustituyendo este valor en 4 y despejando b tenemos

b= (-5,227,900 29,982,576,000(0.009954675))/ 21,730,400
b= -13.97556819

Para encontrar el coeficiente c hay que sustituir en cualquiera de (1), (2) (3), tomando la
ecuacin primera se tiene:
35,765
35,765
35,765
a
a

= 15 a + 10,160 b + 8,330,400 c
= 15 a + 10,160 (-13.97556819) + 8,330,400 (0.009954675)
= 15 a -141991.7728 + 82926.42106
= (35,765+141991.7728- 82926.42106)/15
= 6322.023448

En consecuencia la ecuacin queda

Y(x)

0.009954675 X2 - 13.97556819 X + 6322.023448

FUNCIN EXPONENCIAL.

El caso de una ecuacin exponencial requiere de un tratamiento especial, el crecimiento

exponencial se le aplica en la mayora de variables poblacionales, la explicacin se debe
entre otras, adems de la relacin grfica, a que el crecimiento en un tramo es lento y a
partir de cierto punto, este se incrementa en mayor cantidad, tal como muestra la siguiente
grfica.

La forma de la funcin estimada es

Los coeficientes a y b se calculan a partir de un sistema de ecuaciones que a

continuacin se explicara, el primer paso a realizar es linealizar la funcin para ello se
aplican logaritmos base 10.
Teniendo el siguiente cuadro que relaciona tiempo y niveles Poblacin ocupada, se puede
observar una tendencia no lineal, una curvatura en la secuencia de datos, la forma grfica
muestra que el modelo de regresin mas adecuado es la exponencial.
Es necesario aclarar que cuando se relaciona el tiempo y otra variable, se considera al
tiempo como la variable independiente.

escolaridad

1979

2.890

1980

2.740

1981

3.230

1982

3.400

1983

3.123

1984

3.365

1985

3.563

1986

3.735

1987

3.960

1988

3.560

1989

3.573

1990

3.662

1991

3.842

1992

3.523

1993

3.760

1994

3.990

1995

4.126

1996

4.356

1997

4.653

1998

5.236

1999

5.136

2000

5.313

2001

5.459

2002

5.609

2003

5.763

N= 25

Desarrollo
El procedimiento para determinar los coeficientes entonces es:

Al igual que en los casos anteriores se busca que la desviaciones de los valores observados
respecto a los estimados sea el mnimo posible, por lo que se debe derivar respecto a los
coeficientes a y b para luego igualar los resultados a cero.
Para el caso se debe sustituir la funcin exponencial linealizada en la expresin sumatoria a
minimizar por lo que:

CLCULO

Tomando como base la tabla presentada anteriormente y para simplificar los clculos, se
sustituyen los valores de aos por un equivalente numrico que no afecta el resultado (este
mtodo se utiliza principalmente en aos o en variables de tiempo que poseen un
incremento unitario). En consecuencia tenemos la siguiente grfica que relaciona el tiempo
y la cantidad de poblacin ocupada en millones de personas:
X

Log Y

X*log Y

X2

1979

-12

2.890

0.46089784

-5.53077411

144

1980

-11

2.740

0.43775056

-4.81525619

121

1981

-10

3.230

0.50920252

-5.09202522

100

1982

-9

3.400

0.53147892

-4.78331025

81

1983

-8

3.123

0.49457198

-3.95657587

64

Aos

1984

-7

3.365

0.52698507

-3.68889548

49

1985

-6

3.468

0.54007909

-3.24047453

36

1986

-5

3.684

0.56631962

-2.83159811

25

1987

-4

3.860

0.5865873

-2.34634922

16

1988

-3

3.560

0.55149767

-1.654493

1989

-2

3.573

0.55301164

-1.10602328

1990

-1

3.662

0.56367494

-0.56367494

1991

3.842

0.58450797

1992

3.900

0.59106461

0.59106461

1993

3.760

0.57518784

1.15037569

1994

3.990

0.6009729

1.80291869

1995

4.126

0.61548712

2.46194847

16

1996

4.356

0.63908787

3.19543936

25

1997

4.653

0.66773305

4.00639832

36

1998

5.236

0.71899964

5.03299747

49

1999

5.018

0.70049474

5.6039579

64

2000

5.190

0.715185

6.43666501

81

2001

10

5.333

0.72695922

7.26959218

100

2002

11

5.479

0.73873907

8.12612979

121

2003

12

5.630

0.7505158

9.00618959

144

101.067229

14.946992

15.0742268

1300

En este caso no habr necesidad de simultanear debido a que la sumatoria de X es igual a

cero y por lo tanto el valor de a y b se obtienen de manera ms rpida
En consecuencia el valor de a se obtiene:

Para este caso se debe sustituir valores comprendidos entre -12 y 12, para que de como
resultado el valor en su equivalente en aos.

FUNCIN DE POTENCIA.

A esta funcin se le conoce como curva geomtrica de la forma f[x] = x^n, ; al igual que los
casos anteriores es necesario linealizar la ecuacin, como se puede esperar basta aplicar
logaritmo a la ecuacin de igual manera que el en caso exponencial para obtener una
ecuacin de la tendencia buscada y se procede a derivar respecto a a y b .

En este caso utilizamos la relacin ingreso y consumo

Ingreso

Consumo

3.01

1.904236782

3.26

2.389395036

3.69

2.93138203

3.98

3.321130844

3.654

2.884343721

4.024

3.074481512

3.89

3.198127393

4.2

3.629445223

4.36

3.860393932

4.56

4.156912734

4.268

3.726912485

4.689

3.957023376

4.93

4.727987654

5.3

5.327630566

5.21

5.179181854

5.36

4.934102133

n=16

DESARROLLO

La secuencia de pasos es similar a la exponencial se tiene que minimizar la expresin,

substituir el valor equivalente de Y estimado y derivar.

Aplicando propiedades de logaritmos

Igualando a cero y derivando respecto a los coeficientes a y b se llega a las siguientes

expresiones

CLCULO

Con la informacin anterior se construye los cuadros respectivos que permitirn determinar
los valores de los coeficientes; tal como lo muestra la siguiente tabla:

X (Ingreso) Log X

Log Y

Log X* Log Y(Log X) 2

1.904

3.010

0.479

0.280

0.134

0.229

2.389

3.260

0.513

0.378

0.194

0.263

Y (Consumo)

2.931

3.690

0.567

0.467

0.265

0.322

3.321

3.980

0.600

0.521

0.313

0.360

2.884

3.654

0.563

0.460

0.259

0.317

3.074

4.024

0.605

0.488

0.295

0.366

3.198

3.890

0.590

0.505

0.298

0.348

3.629

4.200

0.623

0.560

0.349

0.388

3.860

4.360

0.639

0.587

0.375

0.409

4.157

4.560

0.659

0.619

0.408

0.434

3.727

4.268

0.630

0.571

0.360

0.397

3.957

4.689

0.671

0.597

0.401

0.450

4.728

4.930

0.693

0.675

0.467

0.480

5.328

5.300

0.724

0.727

0.526

0.525

5.179

5.210

0.717

0.714

0.512

0.514

4.934

5.360

0.729

0.693

0.505

0.532

10.002

8.842

5.661

6.333

Sumatoria
n=16

En consecuencia la ecuacin queda

Y(X) = aXb
Y(X) = 3.57 X70.32