ANEXO:

OBTENCIÓN DE LOS ESTIMADORES MCO DEL MODELO TEORICO

Y t =12 X t u t ; t=1,2 ,... ,T

Los estimadores de los coeficientes 1 y 2 del modelo teórico por el método de MCO se
obtienen minimizando la suma de los residuos al cuadrado. A continuación se muestra cómo se
obtienen:
T T T
min ∑ u =min ∑ Y t −Y t 2=min ∑ Y t −1− 2 X t 2
2
t
t=1 t=1 t=1
condiciones de minimización
T T
 ∑ u 2t  ∑ u 2t
t =1 t =1
=0 ; =0
 1  2
T
 ∑ u 2t T
=∑ 2 −1Y t −1− 2 X t =0
t=1

 1 t =1
T

∑ Y t −1− 2 X t =0

t =1
T T

∑ Y t−T 1 −2 ∑ X t =0 1ª ecuación normal

t =1 t=1
T
 ∑t=1 u 2
T t
=∑ t=1 2−X t Y t − 1 −2 X t =0
 2
T

∑ X t Y t− 1−2 X t =0
t =1
T T T

∑ X t Y t −1 ∑ X t −2 ∑ X 2t =0 2ª ecuación normal

t =1 t=1 t=1

De la 1ª ecuación normal despejamos el estimador MCO del término independiente 1 :

1=Y − 2 X

Sustituyendo 1 en la 2ª ecuación normal y despejando 2 , se obtiene el estimador de la

pendiente 2 :

S
2 = X2,Y
SX
DEMOSTRACIONES PROPIEDADES DE LOS RESIDUOS MCO
T
1) La suma de los residuos MCO es nula siempre ∑ u t =0
t =1
DEMOSTRACION
T

∑ u t =
t=1
T

∑ Y t −Y t =
t=1
T

∑ Y t −1−2 X t =
t=1
T T

∑ Y t−T 1 −2 ∑ X t =0

t =1 t =1
La ultima expresión se iguala a cero ya que es la 1ª ecuación normal que sabemos que
siempre es igual a cero

2) Los residuos están incorrelacionados muestralmente con la variable explicativa (no tienen
T
dependencia lineal con X) (covarianza muestral nula entre residuos y X) ∑ u t X t=0
t =1
DEMOSTRACION
T

∑ u t X t =
t=1
T

∑ Y t −Y t  X t =
t=1
T

∑ Y t−  1− 2 X t  X t =
t=1
T

∑ Y t X t−  1 X t −  2 X 2t =
t=1
T T T

∑ Y t X t − 1 ∑ X t − 2 ∑ X 2t =0
t =1 t =1 t=1

La última expresión se iguala a cero ya que es exactamente la segunda ecuación normal

T
NOTA ACLARATORIA: Si se cumple ∑ u t X t=0 la covarianza muestral entre residuos
t =1
y la variable explicativa X es nula ya que:
T

∑ u t X t 0
S u , X = t=1 −u X = −0 X =0
T T
3) La media muestral de la variable dependiente es igual a la media muestral del pronóstico
Y =Y

DEMOSTRACION
Y t=Y t− ut
Sila igualdad anterior se cumple para t , se cumple también para la suma de todo t
T T T

∑ Y t =∑ Y t −∑ ut
t =1 t=1 t=1
Por la propiedad 1, la suma de los residuos es siempre cero , luego
T T

∑ Y t =∑ Y t
t=1 t=1
Dividimos ambos lados de la igualdad por T
T T

∑Yt ∑ Y t
t =1
= t =1
T T
Y =Y

4) La recta estimada por MCO siempre pasa por el punto medio  X ,Y  . Dicho de
otro modo, el residuo en el punto  X ,Y  es cero para cualquier muestra.

DEMOSTRACIÓN
Y t =1 2 X t ut ; t =1,2 , .. ,T
Si sumamos para todo t a izquierda y derecha , la igualdad anterior se mantiene
T T T

∑ Y t =T 12 ∑ X t∑ ut

t =1 t=1 t =1
Por propiedad 1, la suma de los residuos es cero , luego
T T

∑ Y t =T 1 2 ∑ X t
t=1 t =1
Si dividimos por T a izquierda y derecha ,la igualdad se mantiene
T T

∑ Yt 2 ∑ X t
t=1 T 1
=  t =1
T T T
Y = 12 X
Se oberva que el pronóstico del punto medio es exactamente Y , luego el residuo es cero,
luego la recta MCO siempre pasa por el punto medio  X ,Y 
5) Los residuos están incorrelacionados muestralmente con el prónostico (no tienen
dependencia lineal con Y ) (covarianza muestral nula entre residuos y Y )
T

∑ u t Y t=0
t =1

DEMOSTRACION
T

∑ u t Y t =
t=1
T

∑ u t  12 X t =
t =1
T

∑  u t 12 u t X t =
t =1
T T
1 ∑ u t 2 ∑ u t X t=0
t =1 t =1

La expresión anterior toma el valor 0 ya que por la propiedad 1 de los residuos, el primer
sumatorio vale cero y por la propiedad 4, el segundo sumatorio también se anula.
T
NOTA ACLARATORIA: Si se cumple ∑ u t Y t=0 , la covarianza muestral entre residuos
t =1
y el pronóstico es nula ya que:
T

∑ u t Y t 0
S u , Y = t=1 −u Y = −0 Y =0
T T