UNIVERSIDAD MAYOR DE SAN ANDRES

II SEMESTRE - 2018
Carrera – Economía
Econometría I
Prof.: J. Humerez Quiroz
TRABAJO PRÁCTICO Nº 1

MODELOS LINEAL GENERAL, PRUEBA DE HIPOTESIS Y PRONÓSTICO

1. Los ejercicios deberán ser resueltos en grupos de tres integrantes, conformados por afinidad. Cualquier
modificación del grupo deberá ser autorizada por el profesor de la materia.
2. Los trabajos de grupos con un número de miembros distinto al indicado en el punto (1) no serán
revisados.
3. Las preguntas computacionales deben ser presentadas en medio magnético.
4. La fecha de entrega es la clase inmediata después del primer parcial, de acuerdo a lo establecido al
inicio del semestre.

Parte I: Ejercicios Analíticos

Nota: Las definiciones y respuestas deben ser sustentadas con citación a la bibliografía usada.

1. Defina los siguientes conceptos:

a) Estimador y parámetro.
b) Defina el error tipo I, error tipo II, el poder de un test y explique qué relación tienen.
c) Proceso estocástico y Ruido blanco.

2. Conteste las siguientes preguntas:

a) Explique la metodología de la econometría aplicada.
b) Explique conceptual y gráficamente que se entiende por :
1. Asintóticamente insesgado.
2. Asintóticamente eficiente.
3. Consistentes.
4. Asintóticamente normal.

3. Uno de los criterios para ajustar una función es el de minimizar la suma de los errores al
cuadrado.
a) ¿En qué consiste el criterio de mínimos cuadrados ordinarios (MCO)?
b) Indique cuales son las propiedades que lo hacen ser el más adecuado.
c) Nombre otros dos de estos criterios e indique sus ventajas y desventajas.
d) ¿En qué consiste la propiedad MELI del estimador MCO?
e) Como hacer inferencia con Teoría Asintótica si el modelo NO presenta Normalidad en los
residuos.

Auxiliar: Elías Ramírez Calderón 1

 4. ¿Qué papel desempeña el término de error estocástico “u” en el análisis de regresión? ¿Cuál es
la diferencia entre error estocástico y error residual?

5. Indique la importancia de suponer que el término de error estocástico sigue una distribución
normal.

6. Supongamos que en la regresión, estimada por MCO de Y sobre X, el coeficiente estimado de

X es 5.3. Indique si son ciertas o falsa las siguientes afirmaciones. Justifique:
a) Tomando distintas muestras para la variable Y, pueden obtenerse distintas afirmaciones.
b) La distribución de estas estimaciones, debe estar centrada en torno a 5.3.

7. El modelo simple de regresión lineal tiene la siguiente expresión: 𝒀 = 𝜷𝟏 + 𝜷𝟐 𝑿𝟐𝒕 + 𝒖𝒕 , con

los siguientes supuestos:
- 𝑬(𝒖𝒕 ) = 𝟎, ∀𝒕
- 𝑽𝒂𝒓(𝒖𝒕 ) = 𝝈𝟐 , ∀𝒕
- 𝑪𝒐𝒗(𝒖𝒊 𝒖𝒋 ) = 𝟎, ∀¡ ≠ 𝒋
- 𝑻>𝟐
∑𝑻 ̅ 𝟐
𝒕=𝟏[𝑿𝒕 −𝑿]
- <∞
𝑻
𝑋 𝑛𝑜 𝑒𝑠𝑡𝑜𝑐𝑎𝑠𝑡𝑖𝑐𝑎.
a) Explique con detalle el significado de los supuestos de este modelo.
b) Derive las ecuaciones normales.
c) Derive los estimadores de 𝛽1 𝑦 𝛽2 .

8. Un investigador considera que la relación entre consumo y renta debe ser estrictamente
proporcional. Por ello plantea el siguiente modelo:

𝑪𝒕 = 𝜷𝒀𝑫
𝒕 + 𝒖𝒕

Se pide:
a) Deduzca la fórmula para estimar 𝛽.
b) Deduzca la fórmula para estimar la varianza 𝜎𝑢2 .
c) ¿En este modelo a que sería igual ∑𝑇𝑖=1 𝑢̂𝑡2 ?

9. En el Modelo Lineal Simple 𝒀 = 𝜷𝟏 + 𝜷𝟐 𝑿𝟐𝒕 + 𝒖𝒕 , la varianza del estimador MCO del

parámetro 𝛽1.

Se pide:
Razone si son verdaderas o falsas las siguientes afirmaciones:
a) No depende del tamaño de la muestra.
b) Es mayor cuanto menor es la dispersión de las observaciones de la variable exógena.

Auxiliar: Elías Ramírez Calderón 2

 c) Depende de la varianza de la perturbación aleatoria, siendo mayor cuando mayor es esta.
d) Tiende al infinito a medida que 𝑋𝑖 → 𝑋̅, ∀𝑖

10. Indique las propiedades asintóticas del modelo lineal general.

Parte II: Demostraciones

1. Demuestre que si denotamos por “y “a la matriz de datos centrados de Y, entonces yTy coincide
con la suma los cuadrados totales (SCT) de la matriz Y.

2. 𝑌̅ = 𝑌̅̂ , en un modelo de regresión bivariada y en el modelo lineal general.

3. Demuestre las propiedades de Mínimos Cuadrados Ordinarios del Modelo de Regresión

Simple y del Modelo de Regresión Lineal General.

4. Demuestre en un modelo de regresión lineal con ordenada en el origen que los residuos
mínimos cuadrados ordinarios, 𝒖 ̂ 𝑡 , son ortogonales,
̂ 𝒕 , y los valores ajustados de la regresión, 𝒀
𝒏
es decir, ∑𝒊=𝟏 𝒀̂𝒕 𝒖̂ 𝒕 = 𝟎 , o el vector de valores estimados 𝒀 ̂ 𝒕 esta incorrelacionado con el
vector de errores 𝑢̂𝑡 .

5. Demuestre las siguiente identidad de relación matricial:

 ̂𝑻 𝒀
𝒀 ̂𝑻 𝑿𝑻 𝒀
̂=𝜷

6. Demuestre algunas propiedades matemáticas del Modelo Lineal General:

 XTe
 𝒀
̅=𝑿 ̅𝜷

7. Demuestre que los residuos de la estimación por Mínimos Cuadrados ordinarios (MCO)
pueden expresarse como e = MU, siendo M la siguiente matriz simétrica e idempotente:
 𝑴 = [𝑰 − 𝑿(𝑿𝑻 𝑿)−𝟏 𝑿𝑻 ]
 M es ortogonal a X [𝑴𝑿 = 𝟎].

8. Pruebe que la suma de los cuadrados de los residuos de la estimación MCO puede escribirse
como:
̂𝑻 𝑿𝑻 𝒀
 𝒆𝑻 𝒆 = 𝒀𝑻 𝒀 − 𝜷

9. Demuestre que el coeficiente de determinación con datos centrados se puede calcular como:
̂𝑻 𝑿𝑻 𝒀
𝜷
𝑹𝟐 =
𝒀̂𝑻 𝒀
̂

Auxiliar: Elías Ramírez Calderón 3

 10. Demuestre matemática y estadísticamente que sucede con el error de especificación en
omisión de variables relevantes e inclusión de variables irrelevantes. En los estimadores de
Mínimos Cuadrados Ordinarios.

11. Demuestre que la matriz de covarianzas entre los coeficientes estimados y los errores mínimo
cuadráticos ordinarios del modelo de RLM es una matriz de ceros.

12. Realice los pasos de estimación de los parámetros mediante el método de Máxima
Verisimilitud y demuestre que el estimador de la varianza del error estocástico es sesgado.

13. Demuestre que el estimador de la varianza del error estocástico es un estimador insesgado.

14. Demuestre el teorema de Gauss – Markov.

15. Demuestre el Teorema de Frich – Waugh.

Parte III: Ejercicios Prácticos

1. Se han obtenido los siguientes resultados al estimar dos rectas de regresión.

̂ 𝒕 = 𝟏. 𝟕𝟐 + 𝟎. 𝟑𝟕 𝑿
𝒀 ̂ 𝟐𝒕 ; (𝟎, 𝟎𝟑) 𝑹𝟐𝟐𝒙 = 𝟎, 𝟕𝟏 (1)
̂ 𝒕 = 𝟐, 𝟑𝟕 + 𝟎. 𝟖𝟏 𝑿
𝒀 ̂ 𝟑𝒕 ; (𝟎, 𝟑𝟓) 𝑹𝟐𝟑𝒙 = 𝟎, 𝟐𝟐 (2)

a) Sabiendo que las variables X2 y X3 no están correlacionadas entre si y que 𝑌̅ = 20 ,

indique cuáles serán las estimaciones de los coeficientes y el valor del R2 al estimar por
MCO de la siguiente ecuación de regresión.

𝒀 = 𝜷𝟏 + 𝜷𝟐 𝑿𝟐𝒕 + 𝜷𝟑 𝑿𝟑𝒕 + 𝒖𝒕 (3)

b) ¿Se puede decir qué la suma del cuadrado residual del modelo “3” es igual a la suma de
los SCR de los modelos “1” y “2”?

2. Dada la siguiente información.

−𝟑 𝟏 𝟓 𝟐
−𝟏 𝟏 𝟏𝟎 𝟔
𝒀= 𝟎 X= 𝟏 𝟐𝟎 𝟓
𝟐 𝟏 𝟐𝟓 𝟕
[𝟕] [𝟏 𝟒𝟎 𝟏𝟎]

a) Estime el modelo: 𝒀 = 𝜷𝟏 + 𝜷𝟐 𝑿𝟐𝒕 + 𝜷𝟑 𝑿𝟑𝒕 + 𝒖𝒕

b) Estime R2 y R2 ajustado e interprete ambos estadísticos. ¿Qué diferencias existen entre
ambos estadísticos? Explique detalladamente.
̂ 𝟐𝒖 ¿Por qué se dice que este es un estimador insesgado de 𝝈𝟐𝒖 ?
c) Estime 𝝈

Auxiliar: Elías Ramírez Calderón 4

 3. Un investigador ha estimado el siguiente modelo con una muestra de cinco observaciones:

𝒀 = 𝜷 + 𝜸𝑿 + 𝒖
Una vez realizada la estimación se extraía toda la información del que disponía excepto la
información de la siguiente tabla.
Obs. x u
1 1 2
2 3 -3
3 4 0
4 5 ¿?
5 6 ¿?

Con la información anterior el investigador debe calcular una estimación de la varianza de las
perturbaciones aleatorias. ¿Cómo debe proceder?

4. Considerando el modelo: 𝑌 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑋3𝑡 + 𝑢𝑡 y los siguientes datos para su ajuste.

Y X1 X2
10 1 0
25 3 -1
32 4 0
43 5 1
58 7 -1
62 8 0
67 10 -1
71 10 2

a) Estimar el modelo e interpretas el coeficiente de determinación, el coeficiente de

determinación corregido, los estadísticos t, el estadístico F los valores de probabilidad.
b) Realizar los contrastes de hipótesis.

- 𝑯𝟎 : 𝜷 𝟎 = 𝜷 𝟏 = 𝜷 𝟐 = 𝟎
- 𝑯𝟎 : 𝜷𝟏 = 𝟏𝟎𝜷𝟐
- 𝑯𝟎 : 𝟐𝜷𝟎 + 𝟐𝜷𝟏 + 𝟕𝜷𝟐 = 𝟓𝟎
- 𝑯𝟎 : 𝜷𝟏 = 𝟏𝟎𝜷𝟐 , 𝟐𝜷𝟎 + 𝟐𝜷𝟏 + 𝟕𝜷𝟐 = 𝟓𝟎

Auxiliar: Elías Ramírez Calderón 5

 5. Suponga que desea estimar el modelo: 𝒚 = 𝑿𝜷 + 𝒖𝒕 , el cual es un modelo trivializado, (Dos
exógenas y una constante). Se sabe que:

𝑌̅ = 12 , 𝑋̅2 = 8, 𝑋̅3 = 𝑩

−14 𝑬 4
𝑋 𝑇 2 𝐴 𝑦 =[ ] ; 𝑋 𝑇 2 𝐴 𝑋2 =[ ] ; 𝑒 𝑇 𝑒 = 91.846
20 4 40

1 12 7 4 1
1 8 1 0 −5
1 9 5 1 −1
𝑋= 1 𝑪 8 𝐴𝑋2 = 2 𝑫
1 4 6 −4 0
1 6 6 −2 0
[1 7 9] [1 3]
7 56 42
0.02403846 −0.002240385
[𝑋2𝑇 𝐴𝑋2 ]−1 = [ ] ; [𝑋 𝑇 𝑋] = [56 490 𝑭 ]
−0.002240385 0.002524038
42 𝑮 292
14 2
8 −4
7 −5 2.3592033 −0.17788462 −0.13221154
𝑇 −1
𝑦= 𝑯 𝐴𝑦 = 1 [𝑋 𝑋] =[−0.17788462 0.02403846 −0.00240385]
14 2 −0.13221154 −0.00240385 0.02524038
19 7
[9] [−3]

a) Halle: B, C, D, E, F, G y H.
b) Estimar los parámetros 𝛽 por Minimos Cuadrados Ordinarios.
c) Encuentre la SCT, SCE y la SCR.
d) Calcule el R-cuadrado, R- cuadrado ajustado y los valores de criterios de información de
Akaike y Schwartz.

6. Una empresa dedicada a los estudios econométricos y estadísticos se le encarga estudiar el

comportamiento de las horas extraordinarias trabajadas por las empleadas femeninas de las
empresas (Y). Se plantea un modelo lineal clásico con la siguiente expresión.

𝒀𝒕 = 𝜷𝟏 + 𝜷𝟐 𝑿𝟐𝒕 + 𝜷𝟑 𝑿𝟑𝒕 + 𝜷𝟒 𝑿𝟒𝒕 + 𝒖𝒕

 Y = Horas extraordinarias trabajadas por las empleadas femeninas.
 X2 = Salario por hora no extraordinaria en decenas de u.m.
 X3 = Salario por hora extraordinaria en cientos de u.m.
 X4 =Número de hijos.

Auxiliar: Elías Ramírez Calderón 6

 Se recoge información de 48 empresas obteniéndose los siguientes sumatorios.
48 48 48 48

∑ 𝑌𝑖 = 305.514 ∑ 𝑋2𝑖 = 5.161,464 ∑ 𝑋3𝑖 = 250,8 ∑ 𝑋4𝑖 = 151,4784

𝑖∗1 𝑖=1 𝑖=1 𝑖=1
48 48 48 48

∑ 𝑦𝑐𝑖 = 2.497.925,28 ∑ 𝑥2𝑐𝑖 = 467, 89392 ∑ 𝑥3𝑐𝑖 = 169,4916 ∑ 𝑥4𝑐𝑖 2 = 55,958496

2 2 2

𝑖∗1 𝑖=1 𝑖=1 𝑖=1

48 48 48

∑ 𝑦𝑐𝑖 𝑥2𝑐𝑖 = −25.413,3504 ∑ 𝑦𝑐𝑖 𝑥3𝑐𝑖 = 18.077,112 ∑ 𝑦𝑐𝑖 𝑥4𝑐𝑖 = 8.743,6464

𝑖∗1 𝑖=1 𝑖=1
48 48 48

∑ 𝑥2𝑐𝑖 𝑥3𝑐𝑖 = −118,324112 ∑ 𝑥2𝑐𝑖 𝑥4𝑐𝑖 = −113,4864 ∑ 𝑥3𝑐𝑖 𝑥4𝑐𝑖 = 78,5184

𝑖∗1 𝑖=1 𝑖=1

Se pide:

a) Estimar los parámetros por el modelo MCO.

b) Obtener una medida de la bondad de ajuste.
c) Contrastar la significancia del modelo utilizando el R-cuadrado.
d) ¿Puede considerarse que el número de hijos es significativo en la explicación de las
horas extraordinarias trabajadas? Utilice un nivel de significancia del 1%
e) Contrastar que los salarios por hora extraordinaria y no extraordinaria son iguales a un
nivel de confianza del 95%.
f) Contrastar la hipótesis conjunta:
𝑯𝟎 : 𝜷𝟑 = 𝟗𝟎 ; 𝜷𝟐 = 𝟐 ∗ 𝜷𝟒
g) ¿Cuántas horas extraordinarias se trabajarían con un salario por hora no extraordinaria de
1.500 bs., un salario por hora extraordinaria de bs 600 y con 3 hijos? Construir un
intervalo de confianza al 95%.

Parte IV: Ejercicios Computacionales

1. Actividad de exploración. Reciben el nombre de “pozos de exploración” los que se perforan
para encontrar y producir petróleo o gas natural en una zona mejorada, o para encontrar una
nueva reserva en un yacimiento donde antes se encontró petróleo o gas natural, o para extender
el límite de una reserva de petróleo o gas conocida. El archivo Excel <Bolivia > contiene datos
sobre estas variables:

 Y = número de pozos de exploración perforados.

 X2 = precio en la cabeza del pozo en el periodo anterior (en dólares constantes, 1972 =
100).
 X3 = producción interna.
 X4 = PNB en dólares constantes (1972 = 100).
 X5 = variable de tendencia, 1948 = 1, 1949 = 2,…, 1978 = 31.

Auxiliar: Elías Ramírez Calderón 7

 Vea si el siguiente modelo se ajusta a los datos:

𝒀𝒕 = 𝜷𝟏 + 𝜷𝟐 𝑿𝟐𝒕 + 𝜷𝟑 𝑿𝟑𝒕 + 𝜷𝟒 𝑿𝟒𝒕 + 𝜷𝟓 𝑿𝟓𝒕 + 𝒖𝒕

a) Puede ofrecer una justificación a priori para este modelo (sugerencia: grafique cada
variable exógena en función de la Endógena)
b) Estime el modelo e interprete cada coeficiente.
c) Comente sus resultados desde el punto de vista de sus expectativas a priori.
d) Encuentre la Matriz de Varianzas y Covarianzas de los estimadores.
e) Elabore las pruebas de significancia Individual y Global.
f) Elabore una tabla ANOVA y determine la bondad de ajuste y su corregida.
g) Considere la siguiente función de demanda de dinero para Estados Unidos durante.

2. Considere la siguiente función de demanda de dinero para Estados Unidos durante el periodo
1980-1998:
𝜷
𝑴 = 𝜷𝟏 𝒀𝒕 𝟐 𝒆𝜷𝟑 𝒓+𝒖𝒕
- M = demanda real de dinero, de acuerdo con la definición M2 de dinero
- Y = PIB real
- r = tasa de interés
Para estimar la anterior función de demanda de dinero, revisar el archivo Excel <F_Money >
Nota: Para convertir cantidades nominales a reales, divida M y PIB entre IPC. No es
necesario dividir la tasa de interés variable entre el IPC. También tenga en cuenta que se
proporcionaron dos tasas de interés, una de corto plazo, medida de acuerdo con la tasa de
interés de los bonos del Tesoro a tres meses, y otra de largo plazo, medida según el
rendimiento de los bonos del Tesoro a 30 años, según la línea de estudios empíricos previos
que emplearon ambos tipos de tasas de interés.
a) Con los datos anteriores, calcule la función de demanda anterior. ¿Cuáles son las
elasticidades del ingreso y de la tasa de interés de la demanda de dinero?
En lugar de estimar la función demanda anterior, suponga que debe ajustar la función

𝑴
( ) = 𝜷𝟏 𝒆𝜷𝟑 𝒓+𝒖𝒕
𝒀 𝒕
b) ¿Cómo interpretaría los resultados? Muestre los cálculos necesarios.
c) ¿Cómo decidiría cuál es la mejor especificación? Se pide una prueba Formal.

3. Estime el siguiente modelo propuesto en base a los datos del archivo <F_cons >
𝟒 𝟒 𝟒 𝟑

∆𝒄𝒕 =∝𝟎 +∝𝟏 (𝒄𝒕 − 𝒚𝒕 )−𝟏 + ∑ ∆𝒚𝒕−𝒊 + 𝝎𝟏 ∑ 𝝅𝒕−𝒊 + ∑ ∆𝒄𝒕−𝒊 + ∑ 𝜹𝒊 𝑸𝒊 + 𝒖𝒕

𝒊=𝟎 𝒊=𝟎 𝒊=𝟏 𝒊=𝟏

- Δ𝑐𝑡=𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑜 𝑑𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑚𝑜

- Δ𝑦𝑡=𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑜 𝑑𝑒𝑙 𝑃𝐼𝐵
a) Analice la significancia estadística de las variables exógenas y comente si este modelo
cumple con la cualidad de parsimonia. ¿Necesita correcciones?

Auxiliar: Elías Ramírez Calderón 8

 b) Estime la siguiente regresión de consumo para Bolivia con la muestra 1990 – 2016, con
periodicidad trimestral, en base a los datos del archivo <F_cons>. Para la estimación de la
siguiente variable utilice una función de consumo Keynesiana y tome los residuos, estos
mismos serán la variable: (𝑐𝑡−𝑦𝑡)
c) Explique el test de quiebre estructural con variables binarias con efectos aditivos y
multiplicativos y compare con el test de Chow dando a conocer las ventajas y desventajas
de los mismos y analice con el modelo de función de consumo si dan ambos el mismo
resultado y estadístico F.
d) En qué casos se da y en que consiste la trampa de variables ficticias ¿cómo solucionar?

Pronóstico y evaluación de predicción.-

4. En base a los datos del archivo <DataTP2> Estime el siguiente modelo de función de inversión
para Bolivia 1988 – 2015, periodicidad anual, por MCO

𝑰𝒕=𝜸𝟎+𝜷𝒕+𝜷𝟏𝑷𝑰𝑩𝒕+𝜷𝟐(𝒊−𝝅)𝒕+𝒖𝒕
- 𝐼𝑡=𝐼𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛 𝑟𝑒𝑎𝑙
- 𝑡=𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛
- 𝑃𝐼𝐵𝑡=𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖𝑛𝑡𝑒𝑟𝑛𝑜 𝑏𝑟𝑢𝑡𝑜
- (𝑖−𝜋)𝑡=𝑡𝑎𝑠𝑎 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑒𝑠 𝑟𝑒𝑎𝑙

a) Interprete cada estimador y analice la significancia económica y estadística de cada

variable.
b) Proyecte para un periodo el valor de la inversión real 2016 y obtenga los intervalos de
confianza de pronóstico al 95% de nivel de confianza.
c) Proyecte para tres periodos más la inversión para los años 2016, 2016, 2018 comente
que sucede con los I.C y los pronósticos.
d) Para el inciso c) y d) realice los mismos ejercicios de pronóstico al 1% y al 10% de
significancia.

5. Un modelo de consumo se especifica mediante el siguiente modelo:

Δ𝒄𝒕=∝ + (𝒄𝒕−𝒚𝒕)−𝟏+𝜷𝟏Δ𝒚𝒕+𝜷𝟐𝒚−𝟑

- Δ𝑐𝑡=𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑜 𝑑𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑚𝑜.

- Δ𝑦𝑡=𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑜 𝑑𝑒𝑙 𝑃𝐼𝐵

a) Estime la siguiente regresión de consumo para Bolivia con la muestra 1990 – 2016, con
periodicidad trimestral, en base a los datos del archivo <F_cons>. Para la estimación de
la siguiente variable utilice una función de consumo Keynesiana y tome los residuos,
estos mismos serán la variable: (𝑐𝑡−𝑦𝑡)
b) Tomando en cuenta que el interés es pronosticar C t, escriba y desarrolle las
transformaciones matemáticas para obtener los pronósticos de la variable original.
c) Para 2017 Q1 el dato para el PIB es de 10.461.781,1 millones. Obtenga el pronóstico del
consumo para 2017Q1 y la banda de confianza para el 5% de nivel de significancia.

Auxiliar: Elías Ramírez Calderón 9