1 / 25

APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 14/3/03

APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 14/3/03. MODELIZACIÓN DE DISTRIBUCIONES. 3. MODELIZACIÓN DE DISTRIBUCIONES USANDO Eviews v4.0. 3.1 FUNCIONES DE DISTRIBUCIÓN EMPÍRICAS NO PARAMÉTRICAS:.

colin-leonard
Download Presentation

APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 14/3/03

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. APLICACIONES ECONOMÉTRICASLIC. EN ECONOMIAPRÁCTICA 14/3/03 EVIEWS

  2. MODELIZACIÓN DE DISTRIBUCIONES EVIEWS

  3. 3.MODELIZACIÓN DE DISTRIBUCIONES USANDOEviews v4.0 EVIEWS

  4. 3.1 FUNCIONES DE DISTRIBUCIÓN EMPÍRICAS NO PARAMÉTRICAS: • HISTOGRAMA: Eviews muestra el histograma junto con estadísticos descriptivos (no tiene la opción de guardar la serie de los datos obtenidos). • Comando HIST(opciones) nombre_serie • Objeto nombre_serie.HIST(opciones) • Opciones: • P Imprime el Histograma junto con los estadísticos EVIEWS

  5. FUNCIONES KERNEL: Eviews v4.0 muestra el gráfico de la función de densidad no paramétrica generada según 7 tipos diferentes de núcleos o Kernels y tiene la opción de guardar la serie de los datos obtenidos. • Series nombre_serie.KDENSITY(Opciones) • Opciones: • K= Tipo de Núcleo: [E] (Epanechnikov),R (Triangular), U (Uniforme), N (Normal-Gaussiano), B (Cuadrático), T (Cúbico), C (Coseno). • B= Tamaño de la ventana, por defecto es la de Silveman [S] • B Intervalo de Tamaño de ventana. Calcula tres FD con tres tamaños de ventana: 0.5 h, h, 1.5h . • O= Nombre de la matriz dónde se guardará el output • p Imprime el Gráfico EVIEWS

  6. 3.1 Normal estándar: zN(0,1) normstd.prg 'Crea el espacio de trabajo, reserva la memoria: CREATE DISTRIBZ U 1 1000 'Genera la variable aleatoria N(0,1): SERIES Z=@NRND GRAPH NORMAL.LINE Z 'Hace el histograma: HIST Z FREEZE(HISTOGRAMA_Z) Z.HIST 'Para calcular y mostrar su Función de Densidad Empírica 'mediante núcleo o Kernel de Epanechnikov FREEZE(F_DENSIDAD_KERNEL_Z) Z.KDENSITY(O=Z_KDENSITY_SERIES) EVIEWS

  7. 'Para guardar las series resultantes SMPL 1 100 MTOS(Z_KDENSITY_SERIES) SERIES GRADE=SER01 SERIES ZKDF=SER02 DELETE SER01 SER02 'Bucle para acumular la función de densidad y obtener 'la Función de Distribución mediante núcleo o Kernel de Epanechnikov SERIES ZCDF SCALAR AC=0 FOR !I=1 TO 100 SCALAR AC=ZKDF(!I)+AC ZCDF.FILL(O=!I) AC NEXT EVIEWS

  8. 'Grafico de la Función de Distribución mediante núcleo 'o Kernel de Epanechnikov SMPL 1 100 GRAPH NORMAL_ADF.LINE ZCDF ‘Para ver todos los gráficos juntos GRAPH GNORMAL.MERGE NORMAL F_DENSIDAD_KERNEL_Z NORMAL_ADF ‘Para guardar SAVE C:/DATA/DISTRIBZ EVIEWS

  9. Normal estándar: zN(0,1) EVIEWS

  10. Normal estándar: zN(0,1) EVIEWS

  11. 3.2 Chi-cuadrado: x X2(3) xi2.prg 'Crea el espacio de trabajo, reserva la memoria: CREATE DISTRIBX U 1 1000 'Genera la variable aleatoria x2(3) con 3 grados de libertad SERIES X=@RCHISQ(3) GRAPH XI2.LINE X 'Hace el histograma: HIST X FREEZE(HISTOGRAMA_X) X.HIST 'Para calcular y mostrar su Función de Densidad Empírica 'mediante núcleo o Kernel de Epanechnikov FREEZE(F_DENSIDAD_KERNEL_X) X.KDENSITY(O=X_KDENSITY_SERIES) EVIEWS

  12. 'Para guardar las series resultantes SMPL 1 100 MTOS(X_KDENSITY_SERIES) SERIES GRADE=SER01 SERIES XKDF=SER02 DELETE SER01 SER02 'Bucle para acumular la función de densidad y obtener 'la Función de Distribución mediante núcleo o Kernel de Epanechnikov SERIES XCDF SCALAR AC=0 FOR !I=1 TO 100 SCALAR AC=XKDF(!I)+AC XCDF.FILL(O=!I) AC NEXT EVIEWS

  13. 'Grafico de la Función de Distribución mediante núcleo 'o Kernel de Epanechnikov SMPL 1 100 GRAPH XI2_CDF.LINE XCDF ‘Para ver todos los gráficos juntos GRAPH GXI2.MERGE XI2 F_DENSIDAD_KERNEL_X XI2_CDF ‘Para guardar SAVE C:/DATA/DISTRIBX EVIEWS

  14. Chi-cuadrado: x X2(3) EVIEWS

  15. Chi-cuadrado: x X2(3) EVIEWS

  16. 3.3 F-snedecor: f F(3 ,2) fsned.prg 'Crea el espacio de trabajo, reserva la memoria: CREATE DISTRIBF U 1 1000 'Genera la variable aleatoria F(3,2), con 3 y 2 grados de libertad: SERIES F=@RFDIST(3,2) GRAPH FSNED.LINE F 'Hace el histograma: HIST F FREEZE(HISTOGRAMA_F) F.HIST 'Para calcular y mostrar su Función de Densidad Empírica 'mediante núcleo o Kernel de Epanechnikov FREEZE(F_DENSIDAD_KERNEL_F) F.KDENSITY(O=F_KDENSITY_SERIES) EVIEWS

  17. 'Para guardar las series resultantes SMPL 1 100 MTOS(F_KDENSITY_SERIES) SERIES GRADE=SER01 SERIES FKDF=SER02 DELETE SER01 SER02 'Bucle para acumular la función de densidad y obtener 'la Función de Distribución mediante núcleo o Kernel de Epanechnikov SERIES FCDF SCALAR AC=0 FOR !I=1 TO 100 SCALAR AC=FKDF(!I)+AC FCDF.FILL(O=!I) AC NEXT EVIEWS

  18. 'Grafico de la Función de Distribución mediante núcleo 'o Kernel de Epanechnikov SMPL 1 100 GRAPH F_CDF.LINE FCDF ‘Para ver todos los gráficos juntos GRAPH GFSNED.MERGE FSNED F_DENSIDAD_KERNEL_F F_CDF ‘Para guardar SAVE C:/DATA/DISTRIBF EVIEWS

  19. F-snedecor: f F(3 ,2) EVIEWS

  20. F-snedecor: f F(3 ,2) EVIEWS

  21. 3.4 t-student: t t(3) tstud.prg 'Crea el espacio de trabajo, reserva la memoria: CREATE DISTRIBT U 1 1000 'Genera la variable aleatoria t (3), con 3 grados de libertad: SERIES TS=@RTDIST(3) GRAPH TSTUD.LINE TS 'Hace el histograma: HIST TS FREEZE(HISTOGRAMA_TS) TS.HIST 'Para calcular y mostrar su Función de Densidad Empírica 'mediante núcleo o Kernel de Epanechnikov FREEZE(F_DENSIDAD_KERNEL_TS) TS.KDENSITY(O=TS_KDENSITY_SERIES) EVIEWS

  22. 'Para guardar las series resultantes SMPL 1 100 MTOS(TS_KDENSITY_SERIES) SERIES GRADE=SER01 SERIES TSKDF=SER02 DELETE SER01 SER02 'Bucle para acumular la función de densidad y obtener 'la Función de Distribución mediante núcleo o Kernel de Epanechnikov SERIES TSCDF SCALAR AC=0 FOR !I=1 TO 100 SCALAR AC=TSKDF(!I)+AC TSCDF.FILL(O=!I) AC NEXT EVIEWS

  23. 'Grafico de la Función de Distribución mediante núcleo 'o Kernel de Epanechnikov SMPL 1 100 GRAPH TS_CDF.LINE TSCDF ‘Para ver todos los gráficos juntos GRAPH GTSTUD.MERGE TSTUD F_DENSIDAD_KERNEL_TS TS_CDF ‘Para guardar SAVE C:/DATA/DISTRIBT EVIEWS

  24. t-student: t t(3) EVIEWS

  25. t-student: t t(3) K e r n e 12 .4 8 .3 4 .2 0 .1 -4 -8 .0 250 500 750 1000 -8 -6 -4 -2 0 2 4 6 8 TS T S l D e n s i t y ( E p a n e c h n i k o v , h = 0 . 5 5 1 2 ) 6 5 4 3 2 1 0 25 50 75 100 TSCDF EVIEWS

More Related