1) Regresión: dependencia de una variable dependiente respecto de una o mas variables explicativas (independientes) para predecir X̅ poblacional.

Relación estadística: variables aleatorias, por lo que su predicción no es exacta.

Relación determinista: variables no aleatorias o estocásticas

Correlación: medir la fuerza o asociación lineal entre 2 variables

Ceof relación: mide la fuerza de asociación/ 1=cor fuerta-directa/0=no se cor/-1=cor fuerte indirecta

Datos series tiempo: variable en periodo de tiempo/diaria, semanal, mensual,etc

Datos transversales: n variables en un momento del tiempo

Datos en panel: n variables en periodos de tiempo

Datos combinados: reúne elementos de series de t y transversales

Escala de razón: variables económicas (PIB)

Escala de intervalo: distancia entre 2 periodos

Escala ordinal: cumple propiedad “orden natural” (notas, lvl ingresos)

Escala nominal: denotan categorías (genero. Estado civil)

2) CRP: curva regresión pob. regresión de Y sobre X

FRP: función reg pob, como la media de Y varia con X

FEC: función espe cond E(YIXi= f(Xi)

Análisis reg: estimar FRP, es decir los valores no conocidos B1 y B2

ui: perturbación estocástica, variables no observables con valores + y –

FRM: fun reg muestral, es una aproximación de la FRP

Estimación: valor num obtenido por el estimador en un análisis

3) MCO: mínimos cuadrados ordinarios, para estimar Beta

MCRL: modelo clásico reg línea

Supuesto1: linealidad en los parámetros

Supuesto2: valores fijos de x o valores de x independiente del error

MNRL: modelo neoclasico de reg lineal, si la variable es estocástica

Supuesto3: valor medio de la perturbación ui=0

Supuesto4: Homoscedasticidad o var cte de ui: igual var/ hetero: var no =

Supuesto5: no hay autocorrelación entre las perturbaciones

Supuesto6: el num de obs n debe ser mayo que el num de parámetros por estimar

Supuesto7: naturaleza de las variables X

Error estándar: desviación estándar de la distrib muestral del estimador

SCR: suma de cuadrados de los residuos

MELI: mejor estimador lineal insesgado ( gauss markov)

Tiene que ser lineal, insesgado y estimador eficiente

Cuaderno: variable aleatoria: puede ser discreta o continua

Pob muestral: conjunto de valores posibles que puede tomar la variable aleatoria

PGD: proceso generador de datos

v.continua: salarios, costos

v.aleatoria: sexo, edad

prop estimadores : insesgamiento: si su valor esperado es igual al verdadero valor esperado

eficiencia: mas achatada la curva = mas eficiente

consistencia: aumenta el tamaño de la muestra y se vuelve mas eficiente

parámetros: valor carac de una pob, puede ser conocido o no, y no aleatoria

estimadores: resumen la info muestral

estimaciones: valor obtenido de la estimacion