
      set.seed(1)
      DGP_OLS <- function() {
        X <- runif(100,2,10)
        Y <- X + rnorm(100, sd = sqrt(X))
        return(
          c("beta_1_hat" = sum(X*Y)/sum(X^2))
        )
      }
      estimates <- replicate(1000, DGP_OLS())
      est_var_OLS <- var(estimates)


      set.seed(1)
      
      # definir la función `DGP_GLS()`
      
      # estimar la varianza, asignar el valor a `var_est_GLS`
      
      # comparar las varianzas estimadas


      set.seed(1)

      # definir la función `DGP_GLS()`
      DGP_GLS <- function() {
      X <- runif(100,2,10)
      Y <- X + rnorm(100, sd = sqrt(X))
      w <- 1/sqrt(X)
      return(
        c("beta_1_hat" = sum(w^2*X*Y)/sum((w*X)^2))
      )
      }

      # estimar la varianza, asignar el valor a `var_est_GLS`
      est_var_GLS <- var(replicate(1000, DGP_GLS()))

      # comparar las varianzas estimadas
      est_var_GLS < est_var_OLS


      test_predefined_objects(c("DGP_OLS","est_var_OLS"))
      test_function_definition("DGP_GLS",
                              function_test =
                              test_expression_result("DGP_OLS()")
      
      )
      test_object("est_var_GLS")
      test_or({
        test_student_typed("est_var_GLS < est_var_OLS")
      },{
        test_student_typed("est_var_GLS > est_var_OLS")
      },{
        test_student_typed("est_var_OLS > est_var_GLS")
      },{
        test_student_typed("est_var_OLS < est_var_GLS")
      })
      success_msg("¡Lindo! Esto indica que el estimador GLS de hecho tiene una varianza más baja que OLS bajo heterocedasticidad.")