APUNTES DE ESTADISTICA I (ECONOMIA Y ADMON)

EL PENSAMIENTO ESTADISTICO ES NECESARIO PARA SER UN BUEN

CIUDADANO PERO TAMBIEN PARA TOMAR DECISIONES ACERTADAS EN
LOS NEGOCIOS
H. G. WELLS.
ESTADISTICA : ES LA CIENCIA DE REUNIR , ORGANIZAR, PRESENTAR,
ANALIZAR E INTERPRETAR DATOS PARA AYUDAR EN LA TOMA DE
DECISIONES ACERTADAS.
PARA QUE SE UTILIZA LA ESTADISTICA???
AL GOBIERNOLE INTERESA LA SITUACION ACTUAL DE LA ECONOMIA
ADEMAS DE PRDECIR TENDENCIAS ECONOMICAS FUTURAS . EL
GOBIERNO LLEVA A CABO UN GRAN NUMERO DE ENCUESTAS PARA
DETERMINAR LA CONFIANZA DEL CONSUMIDOR Y LAS EXPECTATIVAS DE
LOS DIRIJENTES RESPECTO A LAS VENTAS Y LA PRODUCCION PARA LOS
PROXIMOS 12 MESES. INDICES TLES COMO EL DE PRECIOS AL
CONSUMIDOR SE REALIZAN CADA MES PARA FIJAR LA INFLACION.
INFORMACION SOBRE LAS VENTAS EN TIENDAS DEPARTAMENTALES, EL
INICIO DE CONSTRUCCIONES DE CASAS, EL MOVIMIENTO DE DINERO Y
LAPRODUCCION INDUSTRIAL SON SOLO UNA MINIMA PARTE DE LOS
DATOS QUE FORMAN LA BASE DE LA PROYECCION PARA LA PLANEACION
LOS BANCOS UTILIZAN ESTAS EVALUACIONES PARA DETERMINAR EL
TIPO DE INTERES PREFERENTE Y EL BANCO DE MXICO PARA
DETERMINAR EL NIVEL DE CONTROL PARA EL FLUJO DE DINERO.






PARA TOMAR UNA DECISION ACERTADA SE REQUIERE.
1. Determinar si la informacin existente es adecuada y suficiente o si se
necesita informacin adicional.
2. Conseguir informacin adicional de ser necesario para evitar los resultados
errneos.
3. Resmir la informacio de una manera til y efectiva
4. Analizar la informacin disponible
5. Sacar conclusones y hacer inferencias determinando el riesgo de una
decisin incorrecta

DATOS ESTADISTICOS.
INFORMACION COMPLETA: usualmente de una poblacin pequea y finita.
MUESTRA: 1) de una poblcion finita pero relativamente grande
2) de una poblacion infinita
METODOS ESTADISTICOS.
De acuerdo con el orden de aplicacin en un estudio estadstico, los mtodos
estadsticos se dividen en 5 pasos bsicos:
1. Recopilacin
2. Organizacin
3. Presentacin
4. Anlisis
5. Interpretacin




RECOPILACION.
DATOS INTERNOS : Los obtenidos dentro de la organizacion
DATOS EXTERNOS. Datos publicados , encuestas
ORGANIZACIN :
1) Critica y correccin de datos recopilados
2) Clasificacin de datos corregidos
3) Tabulacin de datos similares mediante clases
PRESENTACION:
1) Enunciado ( mediante palabras)
2) Tablas estadsticas
3) Garficas estadsticas
ANALISIS:
1) ANALISIS ESTADISTICO SIMPLE: mtodos bsicos
2) INDUCCION ESTADISTICA. Muestreo
3) ANALISIS DE SERIES DE TIEMPO: medicin de cambios en los negocios
y actividades econmicas
4) ANALISIS DE RELACION: entre 2 o mas conjuntos de datos.
INTERPRETACION : interpretacin de los resultados del anlisis para la toma de
decisiones.





LOS ERRORES MAS FRECUENTES QUE SE PRESENTAN EN ESTADISTICA
OCURREN POR LAS SIGUIENTES RAZONES:
1) DATOS ESTADISTICOS INADECUADOS
2) SESGOS PERSONALES
3) SUPUESTOS FALSOS
4) INDICACION FALSA DE RELACIONES
5) COMPARACIONES INAPROPIADAS
6) ERRORES MATEMATICOS.

TIPOS DE ESTADISTICA.
ESTADISTICA DESCRIPTIVA: tiene que ver con mtodos para organizar, resumir
y presentar datos de manera descriptiva.
ESTADISTICA INFERENCIAL. Tiene que ver con los mtodos usados para
determinar algo acerca de la poblacin basndose en una muestra.
POBLACION .es el conjunto de todos los posibles individuos, objetos o
mediciones de inters.
MUESTRA: es un sub-conjunto o una parte de la poblacin de inters.
TIPOS DE VARIABLES.
Hay 2 tipos bsicos de datos: 1) los obtenidos de una poblacin cualitativa
Y 2 ) Los obtenidos de una poblacin cuantitativa.
VARIABLE CUALITATIVA:
Es aquella que no es numrica
Ej. Genero
Religin tipo de auto , lugar de nacimiento, color de los ojos etc.


VARIABLE CUANTITATIVA.
ES aquella que se puede expresar numricamente. Ej, cuenta de cheques ,
edades, pesos, tallas, tiempo de vida til, velocidad , no de hijos etc-
( DISCRETAS O CONTINUAS)



VARIABLE DISCRETA:
Adoptan solo ciertos valores y existen vacios entre ellos, ej el nde camas en una
casa
El nde automviles en un estacionamiento, el Nde estudiantes en un curso. Etc



VARIABLE CONTINUA.
TOMAN CUALQUIER VALOR DENTO DE un intervalo especifico, EJ la presin de
aire en una llanta., el peso de una cargameno, la cantidad de granos , la duracio
de vuelo de un avin, el promedio de calificacin. Etc
NIVELES DE MEDICION.
Los datos se clasifican por niveles de medicin. Este rige los clculos que se
llevan a cabo con el fin de resumir y presentar los datos, tambin determina las
pruebas estadsticas que s e deben realizar.

TIPOS DE
VARIABLES
CUANTITATIVAS
DISCRETA CONTINUA
CUALITATIVA
MARCA DE PC
EDO. CIVIL
COLOR CABELLO
TABLAS DE DISTRIBUCION DE FRECUENCIAS PARA DATOS SIMPLES.
Consiste en un ordenamiento rectangular de datos presentados en una tabla que
incluye una columna con la variable a analizar relacionada con su frecuencia en
otra columna, en esta misma tabla se acostumbra agregar informacin que nos
sirve para construir los graficos como son las ojivas o para calcular las medidas de
tendencia central
TABLAS PARA DATOS AGRUPADOS
R= dm DM
NI = RAIZ N DATOS ( ENTRE 100 Y 200) MAS RAIZ CUBICA U OTRA
FORMULA
A = R / NI
NOTA. Si el ancho calculado resulta ser un mltiplo exacto de la unidad de
variacin, por ej 811, el ancho ajustado deber ser por lo menos una unidad de
variacin mayor que el ancho calculado en este caso 812 o los valores mas
grandes no cabrian detro de los limites resultantes.

1.3.1. Media aritmtica, geomtrica y ponderada.

Media aritmtica. Es el promedio de un conjunto de datos; es una descripcin
numrica de la tendencia de ellos. El smbolo de la media aritmtica es x .
La media aritmtica se obtiene por medio del cuociente entre la suma de los datos
y el nmero de ellos.
n
x
x
i
= = sumatoria de todos los datos / nmero de datos

Caractersticas de la media aritmtica:
1.- Es una medida totalmente numrica o sea slo puede calcularse en datos de
caractersticas cuantitativas.
2.- En su clculo se toman en cuenta todos los valores de la variable.
3.- Es lgica desde el punto de vista algebraico.
4.- La media aritmtica es altamente afectada por valores extremos.
5.- No puede ser calculada en distribuciones de frecuencia que tengan clases
abiertas.
6.- La media aritmtica es nica, o sea, un conjunto de datos numricos tiene una
y solo una media aritmtica.

EJEMPLO 1:
Mediante los siguientes datos hallar la media aritmtica.
10, 8, 6, 5, 10, 7
SOLUCION:

Resuelve:
Ejemplo 2
Las siguientes mediciones corresponden a las temperaturas de un horno
registradas en lotes sucesivos de un proceso de fabricacin de semiconductores
(las unidades son F): 953, 950, 948, 955, 951, 949, 957, 954 y 955.




Media geomtrica:
La media geomtrica de un conjunto de observaciones es la raz n sima de su
producto. El clculo de la media geomtrica exige que todas las observaciones
sean positivas.



Caractersticas de la Media Geomtrica

1.- Se toman en cuenta todos los valores de la variable
2.- Es afectada por valores extremos aunque en menor medida que la media
aritmtica.
3.- La media geomtrica de un nmero y su recproco ser siempre igual a uno.
4.- No puede ser calculada en distribuciones con clase abiertas.
5.- Es mayormente usada para promediar tazas de cambio, razones y valores que
muestren una progresin geomtrica.

Ventajas e Inconvenientes

Como ventajas cabe sealar:
En su determinacin intervienen todos los valores de la distribucin.
Es menos sensible que la media aritmtica a los valores extremos; se utiliza para
promediar porcentajes, tasas, nmeros ndices, etc.

Como inconvenientes destaquemos:
Su significado estadstico es menos intuitivo que la media aritmtica.
Puede quedar indeterminada cuando alguno de los valores es igual a cero.
Puede quedar indeterminada con algunos valores negativos de la variable.


Media ponderada
En ciertas circunstancias no todas las observaciones tienen igual peso. En general
si se tienen observaciones con sus respectivos pesos es:

b) TRATAMIENTO PARA DATOS NO AGRUPADOS.

A qu se refiere esto? Cuando la muestra que se ha tomado de la
poblacin o proceso que se desea analizar, es decir, tenemos menos de
20 elementos en la muestra, entonces estos datos son analizados sin
necesidad de formar clases con ellos y a esto es a lo que se le llama
tratamiento de datos no agrupados.

b1. Medidas de tendencia central. Se les llama medidas de tendencia
central a la media aritmtica, la mediana, la media geomtrica, la moda,
etc. debido a que al observar la distribucin de los datos, estas tienden a
estar localizadas generalmente en su parte central. A continuacin
definiremos algunas medidas de tendencia central y la forma de calcular
su valor.

1i) 1) Media aritmtica (x ). Tambin se le conoce como promedio ya
que es el promedio de las lecturas o mediciones individuales que se
tienen en la muestra, se determina con la frmula siguiente:


donde:
x = media aritmtica
x
i
= dato i
n = nmero de datos en la muestra

Ejemplos:
1. Se han tomado como muestra las medidas de seis cables usados en
un arns para lavadora, las cuales son; 15.2 cm, 15.0, 15.1, 15.2, 15.1 y
15.0, determine su media aritmtica.
Solucin:



n
x
x
n
i
i
=

=
1
cm .
. . . . . .
x 1 15
6
0 15 1 15 2 15 1 15 0 15 2 15
=
+ + + + +
=

2. Se toman varias muestras de cierto tipo de queso y se determina la

cantidad de protena por cada 100 gramos de queso, encontrndose lo
siguiente: 26.5 gramos, 24.8, 25.3, 30.5, 21.4, determine la cantidad
promedio de protena encontrada en la muestra por cada 100 gramos
de queso que se elabora.

Solucin:




3. 3. Se hacen varias lecturas de una muestra que contiene cobre, las
lecturas se hacen en un espectrofotmetro de absorcin atmica y
son la siguientes: 12.3%, 12.28, 12.27, 12.3, 12.24, 15.01, determine
la concentracin promedio de Cu en la muestra.

Solucin:



Si observamos las lecturas del espectrofotmetro nos damos
cuenta que el valor de 15.01% es un valor diferente al de las lecturas
anteriores, por lo que se descarta el valor ya que se considera un valor
atpico, es decir un valor que es debido a circunstancias especiales,
en este caso puede ser que se deba al hecho de que se est
descalibrando el aparato de absorcin atmica o simplemente que se
ha equivocado el operador del aparato al tomar la lectura, por lo que la
media se debe calcular con las primeras cinco lecturas; como se
muestra a continuacin:

Solucin:

y esta sera la
media correcta

4. Si deseamos determinar la edad promedio de los estudiantes de
una escuela de nivel superior al iniciar sus estudios, suponga que se
toman las edades de algunos de los alumnos de cierta clase y estas
son las que siguen: 20, 18, 18, 19, 18, 19, 35, 20, 18, 18, 19.

Solucin:
grs .
. . . . .
x
_
7 25
5
4 21 5 30 3 25 8 24 5 26
=
+ + + +
=
Cu % .
. . . . . . .
x
_
73 12
6
4 76
6
01 15 24 12 3 12 27 12 28 12 3 12
= =
+ + + + +
=
Cu % .
. . . . . .
x
_
278 12
5
39 61
5
24 12 3 12 27 12 28 12 3 12
= =
+ + + +
=


Luego, la media se determinar con solo 10 de las edades ya que es
necesario descartar la edad de 35 aos, que es un dato atpico o un
caso especial, por lo que;




Nota: Cuando es necesario determinar aquellas medidas de tendencia
central que hagan uso de todos los datos de la muestra se recomienda
descartar todos aquellos datos atpicos que se encuentren en la muestra o
muestras tomadas.


2ii) 2) Media geomtrica (G). Es la raz en ensima del producto de los
valores de los elementos de la muestra, es usada cuando los valores de
los datos de la muestra no son lineales, es decir que su valor depende de
varios factores a la vez, se determina de la siguiente forma:





Donde:
G = media geomtrica
x
i
= dato i
n = nmero de datos en la muestra


Ejemplos:
1. 1. Las siguientes temperaturas han sido tomadas de un proceso
qumico, 13.4
o
C, 12.8, 11.9, 13.6, determine la temperatura promedio de
este proceso.

Solucin:

G = = 12.9077
o
C

2. 2. Las siguientes temperaturas han sido tomadas de un proceso para
fabricar queso chihuahua, 21.4
o
C, 23.1, 20.2, 19.7, 21.0, determine la
temperatura promedio de este proceso.

Solucin:
aos . x
_
7 18
10
187
10
19 18 18 20 19 18 19 18 18 20
= =
+ + + + + + + + +
=
n
n
x * ... * x * x G
2 1
=
4 4
7968 27758 6 13 9 11 8 12 4 13 . . x . x . x . =

G = = 21.048
o
C

3i) Media aritmtica ponderada ( x
w
). Esta media se usa cuando el peso
que tiene cada uno de los datos de la muestra es diferente, se calcula de
la siguiente manera:




donde:
x
w
= media aritmtica ponderada
x
i
= dato i
w
i =
peso del dato i

Ejemplo:
A continuacin se mencionan las materias que Luis Prez llev en el
primer semestre de Ingeniera Qumica, el nmero de crditos y la
calificacin obtenida;

MATERIA NUMERO CREDITOS CALIFICACIN
Metodologa de la
investigacin
8 90.5
Matemticas I 10 100.0
Programacin 8 81.0
Qumica 10 78.0
Dibujo 4 100.0
Economa 8 84.0
Determine la calificacin promedio que obtuvo Luis Prez en su primer
semestre.

Solucin:

=



5 5
852 4131070 0 21 7 19 2 20 1 23 4 21 . . x . x . x . x . =

=
=
=
k
i
i
k
i
i i
w
x w
w
x
1
1
8 4 10 8 10 8
0 84 8 100 4 0 78 10 0 81 8 0 100 10 5 90 8
+ + + + +
+ + + + +
=
) . x ( ) x ( ) . x ( ) . x ( ) . x ( ) . x (
X
w
0 88
48
4224
48
672 400 780 648 1000 724
. = =
+ + + + +
=
Nota: S comparamos este promedio con el que se obtiene usando
simplemente la media aritmtica, que es un 88.91, nos damos cuenta de
que este ltimo es mayor, por no tomar en cuenta el peso o nmero de
crditos que aporta cada materia a la carrera que se estudia, el promedio
de esta persona es menor al de la media aritmtica debido a que obtiene
una calificacin baja es Qumica que es una de las materias que aporta
ms crditos.

4i) 4) Media armnica (H). La media armnica se define como el recproco
del promedio de los recprocos de cada uno de los datos que se tienen en
la muestra, y
se determina de la siguiente manera:


Ejemplo: Determine la media armnica de los siguientes datos, 3.1, 2.8, 2.84,
3.05, 3.09

Solucin:







5) 5) Mediana (x
med
). La mediana es aquel valor que se encuentra en la
parte central de los datos que se tienen en la muestra una vez que
estos han sido ordenados segn su valor o magnitud. Para calcular la
mediana se presentan dos casos:

a. a. Cuando el nmero de datos en la muestra es impar.- En este
caso despus de ordenar los datos de la muestra en cuanto a su
magnitud, es decir de mayor a menor valor o de menor a mayor
valor, se procede a localizar aquel dato que se encuentra justo
en el centro de los datos o en la parte central de los mismos, el
valor de este dato ser el que d valor a la mediana.

Ejemplo:
Los siguientes datos son las mediciones obtenidas de un
circuito utilizado en un arns de lavadora; se toman como
muestra siete circuitos y sus mediciones son: 11.3, 11.2, 11.5,
11.2, 11.2, 11.4, 11.5 cm.

= =
= =
n
i
n
i
xi /
n
xi / n /
H
1 1
1 1 1
1
=
+ + + +
=
09 3 1 05 3 1 84 2 1 8 2 1 1 3 1
5
. / . / . / . / . /
H
9703 2
6833 1
5
3236 0 3279 0 3521 0 3571 0 3226 0
5
.
. . . . . .
= =
+ + + +
=

Solucin:
Ordenando los datos de menor a mayor valor;
11.2, 11.2, 11.2, 11.3, 11.4, 11.5, 11.5

Se observa que el dato 11.3 es el que queda en la parte central,
por lo que este es el que dar valor a la mediana; entonces,

x
med
= 11.3 cm.

b. b. Cuando el nmero de datos en la muestra es par.- En este
caso despus de ordenar los datos en cuanto a su magnitud,
observamos que en la parte central de los datos no se
encuentra dato alguno, en este caso, la mediana tomar el valor
del promedio de dos datos; el que se encuentra antes de la
parte central y el que se encuentra despus de la parte central.


Ejemplo:
Los siguientes datos son las mediciones obtenidas de un
circuito utilizado en un arns de lavadora; se toman como
muestra ocho circuitos y sus mediciones son: 11.3, 11.2, 11.5,
11.2, 11.2, 11.4, 11.5, 11.4 cm.

Solucin:

Ordenando los datos de mayor a menor valor,

11.5, 11.4, 11.4, 11.3, 11.2, 11.2, 11.2, 11,1 cm.

Se observa que en la parte central de los datos no hay dato
alguno por lo que la mediana se determina con el promedio de
los datos subrayados, entonces,




Nota: Es imprescindible para calcular el valor de la mediana el
que primero se ordenen los datos en cuanto a su magnitud, ya
que de no hacerlo, se incurrira en un grave error.

5) 5) Moda (x
mod
). La moda se define como aquel valor o valores que ms
se repiten o que tienen mayor frecuencia entre los datos que se han
obtenido en una muestra, la muestra de una poblacin nos genera la
distribucin de los datos una vez que estos se han graficado y en esta
cm .
. .
Xmed 25 11
2
2 11 3 11
=
+
=
grfica es posible observar la moda o modas de la misma, es por esto
que una distribucin de datos puede ser amodal (carece de moda),
unimodal (tiene una sola moda), bimodal (tiene dos modas) o
polimodal (tiene ms de dos modas).

Ejemplos:
1. 1. Determine la moda de los datos que se muestran a
continuacin, se refieren a la estatura de un grupo de
jvenes; 1.60m, 1.65, 1.70, 1.71, 1.70, 1.70, 1.70, 1.71,
1.70, 1.93, 1.87, 1.85

Solucin:

Estatura Frecuencia
1.60 1
1.65 1
1.70 5*
1.71 2
1.85 1
1.87 1
1.93 1

La tabla muestra la distribucin de frecuencias de los datos o el
nmero de veces que estos se repiten, la mayor frecuencia que
es 5 corresponde a una estatura de 1.70m, por lo que esta sera
la moda.

Luego, x
mod
= 1.70m

2. 2. Determine la moda de los siguientes datos que se
refieren a la edad de alumnos de primer semestre del
tecnolgico de Chihuahua, 18 aos, 17, 19, 21, 19, 18, 22,
22, 18, 18, 17, 19, 19, 19, 18, 20, 21, 20, 18, 19, 18, 19,
18,19, 22, 35

Solucin:


Edad Frecuencia
17 2
18 7*
19 8*
20 2
21 2
22 3
35 1


En este caso se observa que las edades que ms frecuencia tienen
son las de 18 y 19 aos, por lo que se concluye que existen dos
modas,

X
mod1
= 18 aos , X
mod2
= 19aos

Hay que hacer notar que la frecuencia para ambas modas puede
ser de igual magnitud o diferente, como en el caso que se ilustra.

b2. Medidas de Dispersin. Cuando se tiene una muestra de datos
obtenida de una poblacin cualquiera, es importante determinar
sus medidas de tendencia central as como tambin es bsico el
determinar que tan dispersos estn los datos en la muestra, por lo
que se hace necesario determinar su rango, la varianza, la
desviacin estndar, etc., ya que una excesiva variabilidad o
dispersin en los datos indica la inestabilidad del proceso en
anlisis en la mayora de los casos.

1) 1) Rango o recorrido. El rango es la diferencia entre el valor
mayor y el valor menor encontrados en la muestra, tambin se
le denomina recorrido ya que nos dice entre que valores hace
su recorrido la variable de inters; y se determina de la
siguiente manera:

R = V
M
Vm
Donde:

R = rango o recorrido
V
M
= valor mayor en la muestra
V
m
= valor menor en la muestra

Ejemplo:
1. Se han tomado como muestras las mediciones de la resistencia a
la tensin de la soldadura usada para unir dos cables, estas son:
78.5kg, 82.4, 87.3, 78.0, 90.0, 86.5, 77.9, 92.4, 75.9, determine su
rango o recorrido.

Solucin:

V
M
= 92.4 kg
V
m
= 75.9 kg
R = V
M
V
m
= 92.4 75.9 = 16.5 kg

2. Se toman las mediciones de la cantidad de grasa de la leche en
gramos por cada 100 ml de leche que entra a un proceso de
pasteurizacin, a continuacin se enumeran; 14.85, 15.32, 12.76,
16.29, 15.84, 17.3, 17.61, 16.33, determine el rango o recorrido de la
cantidad de grasa de la leche.

Solucin:

V
M
= 17.61
V
m
= 12.76

R = 17.61 12.76 = 4.85gramos

2) 2) Desviacin absoluta media ( ). Esta medida de dispersin
nos representa la diferencia absoluta promedio que existe entre
cada dato que se encuentra en la muestra y la media de los
datos y se determina de la siguiente manera:





Donde:
x
i
= dato i
= media aritmtica de la muestra
n = nmero de datos en la muestra


Ejemplo:
1. Determine la desviacin absoluta media de los siguientes datos
que son las concentraciones de plomo de algunas muestras, las
que a continuacin se enumeran: 18gr, 12, 21, 19, 16, 20, 22

Solucin:

Para determinar la desviacin absoluta media o promedio, lo
primero que hay que hacer es calcular la media aritmtica de los
datos de la muestra, la que es 128/7 =18.286, luego se procede a
calcular el promedio de las diferencias absolutas entre cada dato y
la media calculada.


_
d
n
x xi
d
n
i
_
_

=

=
1
_
x
=

=
7
286 18 22 286 18 20 286 18 12 286 18 18 . . ..... . .
d
_



La interpretacin de este resultado sera que el grado de
alejamiento absoluto promedio de los datos con respecto a su
media es de 2.5305 gramos.

Por qu sacar el valor absoluto de las diferencias entre cada dato
y la media aritmtica? Si solo se hicieran diferencias entre cada
dato y la media aritmtica, estas tendran signos positivos y
negativos ya que algunos datos son menores que la media y otros
son mayores que la media, luego al sumar las diferencias, con sus
signos correspondientes, stas se iran anulando unas con otras y
no sera posible medir leal grado de alejamiento promedio de los
datos en la muestra.

3) 3) Varianza o variancia (s
2
). Es el promedio de las diferencias
elevadas al cuadrado entre cada valor que se tiene en la
muestra (x
i
) y la media aritmtica ( ) de los datos y se
determina de la siguiente manera:





Donde n es el nmero de datos en la muestra.




Ejemplo:
Los siguientes datos es la cantidad de glucosa en miligramos
encontrada en muestras de sangre de algunos pacientes, 14.2, 12.1,
15.6, 18.1, 14.3, determine su varianza.

Solucin:
Lo primero que hay que calcular es la media aritmtica de la
muestra como ya se ha hecho anteriormente.



gr .
. . . . . . . .
d
_
5305 2
7
714 17
7
714 3 714 1 286 2 714 0 714 2 286 6 286 0
= =
+ + + + + +
=
_
x
1
1
2
2

\
|
|
.
|

=

=
n
x xi
S
n
i
_
mg .
. . . . . .
x 86 14
5
3 74
5
3 14 1 18 6 15 1 12 2 14
= =
+ + + +
=

Nota:
Dentro de la inferencia estadstica se plantea la deferencia entre
una variancia muestral s
2
y una poblacional, representada por o
2
.

4) 4) Desviacin estndar (s). Es la desviacin o diferencia
promedio que existe entre cada dato de la muestra y la media
aritmtica de la muestra. Y se obtiene a partir de la varianza,
sacndole raz cuadrada.




donde:
s
2
= varianza o variancia

Por tanto la desviacin estndar de la muestra anterior sera;

s =

La interpretacin de este resultado sera, que la cantidad de
glucosa encontrada en la muestra es en promedio de 14.86
miligramos y que la cantidad de glucosa en la muestra se aleja o
dispersa en promedio 1.9704 mg alrededor de la media.

En este caso solo nos interesa conocer el significado de la
desviacin estndar, aunque es necesario decir que s es la
desviacin de la muestra y que o es la desviacin de la poblacin,
as como s
2
es la varianza de la muestra y o
2
es la varianza de la
poblacin.


FORMULARIO
Moda = L
i 1
+ n
i + 1
x A
i

n
i 1
+ n
i + 1

Amplitud = A
i
= L
i
- L
i 1

=

+ + +
=
1 5
86 14 3 14 86 14 1 12 86 14 2 14
2 2 2
2
) . . ( .... ) . . ( ) . . (
s
2
2
853 4
4
412 19
4
3136 0 4976 10 5476 0 6176 7 4356 0
mg .
. . . . . .
s = =
+ + + +
=
2
s s =
mg . mg . 2029 2 853 4
2
=
Densidad de Frecuencias = d
i
= n
i
/ A
i

Intervalo de Mediana = N
i
.
2
Mediana = L
i 1
+ N/2 N
i 1
x A
i

n
i

Media Aritmtica = = X
i
n
i
.
n
i

Varianza = S
2
= (X
i
)
2
x n
i
.
n
i

Desviacin Media = X
i
n
i
.
n
i

Desviacin Tipica = S = raiz S
2

Cuantiles = (r/k) N N
i 1
x A
i
+ L
i 1

n
i


Coeficiente de Variacin = CV = S/
CVPearson = S/ x 100
Variable Tipificada = Z
i
= X
i
.
S
Marca de Clase = X
i
= L
i
+ L
i 1

2
Momentos = m
n
= (Xi )
n
n
i

N
Frecuencia Absoluta = n
i

Frecuencia Relativa = f
i
= n
i
/ N
Frecuencia Absoluta Acumulada = N
Frecuencia Relativa Acumulada = F
i
= Ni / N
Media Geomtrica=G= raiz
N
X
1
n1
x X
2
n2
=(X
1
n1
x X
2
n2
...)
1/N

Media Armnica = H = N .
1/X
i
n
i
H = N Xi
ni
Media Cuadrtica = C = raiz X
i
2
n
i

N
Covarianza = Sxy = Xi Yi ni
N
- Nota C X G H
Coeficiente de Correlacin Lineal = r = Sxy
Sx Sy
Coeficiente de Determinacin Lineal = R
2
= r
2

Numeros Indices de Laspeyres
Precios = I
LP
= P
t
q
o
x 100
P
o
q
o

Cantidades = I
Lq
= P
o
q
t
x 100
P
o
q
o

Numeros Indices de Paasche
Precios = I
PP
= P
t
q
t
x 100
P
o
q
t

Cantidades = I
Pq
= P
t
q
t
x 100
P
t
q
o

Numeros Indices de Fisher
Precios = I
FP
= raiz I
LP
x I
PP

Cantidades = I
Fq
= raiz I
Lq
x I
Pq

Indice de Valores = Indice Precios x Indice Cantidades
Coeficiente de Asimetria de Pearson = As = Mo .
S
- Si As = 0 Distribucion Simetrica
- Si As < 0 Distribucin Asimtrica Negativa
- Si As > 0 Distribucin Asimtrica Positiva
Coeficiente de Asimetria de Fisher = g1 = m
3
/S
3


Coeficiente de Sesgo Cuartlico = SC = (Q
3
Q
2
) (Q
2
Q
1
)
Q
3
Q
1

Coeficiente de Sesgo Percentilico 10-90 = SP
10-90
= (P
90
P
50
) (P
50
P
10
)
Q
90
Q
10

Coeficiente de Apuntamiento = Ap = m
4
/ S
4

- Si Ap = 3 la distribucin es mesocurtica
- Si Ap < 3 la distribucin es platicurtica
- Si Ap > 3 la distribucin es leptocrtica.
Coeficiente de Apuntamiento Percentilico = Ap
10 90
= Q
3
Q
1
.
2 (P
90
P
10
)
Indice de Concentracin de Gini (I
co
)
p
i
= N
i
x 100
N
q
i
= X
i
n
i
x 100
X
i
n
i

I
co
= (p
i
q
i
)
p
i

Spearman = 1 - 6di
2

N
3
N
Contingencia = raiz X
2
.
X
2
+ N
X
2
= (n
ij
n
ij
)
2

n
ij


RAMAS DE LA ESTADSTICA

a estadstic Inferencia - III.

ades probabilid de Clculo - . II
a descriptiv a Estadstic - I.
a Estadstic

ETAPAS DE UNA INVESTIGACIN ESTADSTICA

les poblaciona parmetros los de estimacin y n Descripci - 3.

muestral Encuesta
censal Encuesta
os estadstic datos de Recogida - 2.
objetivos de Definicin - 1.
a estadstic in Investigac



DISTRIBUCIONES UNIDIMENSIONALES

MEDIDAS DE POSICIN CENTRALES

1.- Media aritmtica

- Distribuciones de tipo unitario






- Distribuciones no unitarias , agrupadas no






En las no agrupadas los x
i
son las marcas de clase .


Propiedades de la media aritmtica


1.-




2.-

N
n x
x
n
i
i i
=
=
1
N
x
x
n
i
i
=
=
1
t
t i
i
O y C x
C
O x
y + =

=
0 ) (
1
=

=
i i
r
i
n x x


3.-



4.-




2.- Media geomtrica

- Distribuciones unitarias






- Distribuciones no unitarias , agrupadas no





x C C x C S
i
N
i
= =

=
si mnimo es ) ( ) (
2
1
L
L L
N N N
N x N x N x
x L N
+ + +
+ + +
=
...
...
partes en Dividimos
2 1
2 2 1 1
N
r
i
i
N
r
x x x x G
[
=
= - - - =
1
2 1
...
N
r
i
n
i
N
n
r
n n
i r
x x x x G
[
=
= - - - =
1
2 1
...
2 1

Propiedad

=
=
r
i
i i
x n
N
G
1
log
1
log

3.- Media armnica







Relacin entre las medias aritmtica , geomtrica y armnica :





4.- Mediana

- Distribuciones unitarias

=
=
+ + +
=
r
i i
i
r
r
x
n
N
x
n
x
n
x
n
N
H
1 2
2
1
1
...
x G H s s
Valor que deja a izquierda y derecha el mismo n de valores .
Si el n de valores es impar ser un nico valor ; si es par
sern dos .

- Distribuciones no unitarias y sin agrupamiento en clases

Valor que contiene el valor N/2 . Se observa la clase que , en
su N
i
, supera iguala en primer lugar a N/2 . Dos casos :

o Si

o Si





- Distribuciones agrupadas en clases



5.- Moda

= -

+ =

i
i
i
i
c
n
N
N
L Me
1
1
2
i i
x Me
N
N = >
2
2 2
1 +
+
= =
i i
i
x x
Me
N
N
- Moda absoluta


Valor ( valores) de la variable con mayor frecuencia


- Moda relativa


Valor ( valores ) de la variable cuya frecuencia absoluta no es
superada por la de sus valores contiguos



Mo en distribuciones agrupadas en clases





MEDIDAS DE POSICIN NO CENTRALES


Distribuciones no agrupadas

= -
+
+ =
+
+

c
n n
n
L Mo
i i
i
i
1 1
1
1
1.-Cuantiles

- Cuartiles




- Deciles



- Percentil



Distribuciones agrupadas

El cuantil de orden r y n de intervalos iguales q , o sea C
r/q
:


q
rN
Q
r
=
d
rN
D
r
=
p
rN
P
r
=
= -

+ =

i
i
i
i q r
c
n
N
q
rN
L C
1
1 /



2.- Momentos


- Momento de orden h respecto al origen


- Momento de orden h respecto a la media aritmtica central


Relaciones entre los momentos




Cambios de escala y origen para el clculo de los momentos
respecto de la media

=
= + + + =
r
i
i h
i
i h
i
h h
h
N
n
x
N
n
x
N
n
x
N
n
x a
1
2
2
1
1
...

=
= + + + =
r
i
i h
i
i
i
h h
h
N
n
x x
N
n
x x
N
n
x x
N
n
x x m
1
2
2
1
1
) ( ) ( ... ) ( ) (

=

=

|
|
.
|

\
|
=
|
|
.
|

\
|
=
h
j
j
j h
j
h
h
j
j j h
i
j h
i
x a
j
h
m
x x
j
h
x x
0
0
) 1 (
) 1 ( ) (






MEDIDAS DE DISPERSIN


1.- Recorrido , rango intervalo de variacin








2.- Intervalos intercuantlicos


- Intervalos intercuartlicos
) ( ) ( : acin transform la Con
i h
h
i h i t i
i
i
y m C x m Cy O x
C
O x
y = + =

=
r i x mn x mx x x R
i i r
s s = = 1 para , } { } {
1

I = Q
3
Q
1


- Intervalo semiintercuartlico


- Intervalo intercuartlico relativo


-
Intervalos 10 90 por 100 : D
9
D
1
7 93 por 100 : P
93
P
7

etc.



3.- Medidas de dispersin respecto a la media aritmtica

- Desviacin absoluta media respecto a la media



- Varianza

2
1 3
Q Q
Me
Q Q
1 3

N
n x x
d
r
i
i i
a

=

=
1
2
2 2
1
2
2
* ) (
x a m
N
n x x
s
i
r
i
i
= =

=

=









Propiedades

1.-

2.-

3.- Clculo abreviado de s
2



4.- Clculo de la varianza a travs de los momentos
respecto al origen
< s
2
0 s
2 1
2
) ( , Entonces . cuando mnimo es
* ) (
) ( s x f x k
N
n k x
k f
i
r
i
i
= =

=

=
2 2 2
y x
s C s =




- Desviacin tpica




- Coeficiente de variacin de Pearson


MEDIDAS DE ASIMETRA Y CURTOSIS

- Asimetra

Coeficiente de asimetra de Fisher


2
2 2
1
2
* ) (
x a m
N
n x x
s
i
n
i
i
= =

=

=
x
s
P =
2
2
2
x a s =
3
1
3
3
3
1
) (
1
s
n x x
N
s
m
g
r
i
i i
=

= =


- Curtosis

ndice de curtosis de Fisher






MEDIDAS DE CONCENTRACIN

- ndice de Gini

- Curva de Lorentz
Grfica de los puntos (p
i
, q
i
) , i = 1 , 2 , 3 , ... , r en el plano
cartesiano
(derecha) positiva asimtrica 0
) (izquierda negativa asimtrica 0
no simtrica 0 : Si
1
1
1
>
<
=
g
g
g
3
) (
1
3
4
1
4
4
4
2

= =

=
s
n x x
N
s
m
g
r
i
i i
ca leptocrti 0
ca platicrti 0
a mesocrtic 0 : Si
2
2
2
>
<
=
g
g
g

=

=
1
1
1
1
) (
r
i
i
r
i
i i
G
p
q p
I

renta la de mxima in Concentrac 1 I
renta la de bucin Equidistri 0 I Si
=
=
G
G














DISTRIBUCIONES BIDIMENSIONALES


VARIABLES CUANTITATIVAS

- Tablas de correlacin

X/Y y
1
y
2
... y
i
... y
s
n
i.

x
1

x
2
















Frecuencia absoluta



Frecuencias marginales absolutas

x
i

...
x
r

...
x
n
.j


= =
s
i
ij
r
i
n
1 1
N n n
s
i
j
r
i
i
= =

= = 1
.
1
.








Frecuencias relativas






Frecuencias relativas marginales

=
=
s
i
j
r
i
i
n
n
1
.
1
.

1 .
1 1
= =

= =
s
i
ij
r
i
ij
ij
f
N
n
f

Distribuciones marginales de frecuencias

De X : {(x
i
, n) : i = 1 , 2 , ... , r}
De Y : {(y
j
, n) : j = 1 , 2 , ... , s}


Distribuciones condicionadas de frecuencias

(X|Y = y) = {(x , n) : i = 1 , 2 , ... , r} , para cualquier
j=1,2,...,s

Su frecuencia total es


(Y|X= x) = {(y , n) : j = 1 , 2 , ... , r} , para cualquier
i=1,2,...,r

Su frecuencia total es

=
=
= =
= =
r
i
ij
j
j
s
i
ij
i
ij
f
N
n
f
f
N
n
f
1
.
.
1
.

=
= = =
r
i
ij j i
n n y Y X
1
.
| (

=
= = =
s
i
ij i i
n n x X Y
1
.
| (
Frecuencias relativas condicionadas





Momentos

o Respecto al origen

Algunos momentos relevantes :


.
|
|
/
.
/
ni
n
f x X Y
n
n
f y Y X
ij
i j i
j
ij
j i j
= =
= =

= =
e =
s
i
ij k
j
h
i
r
i
hk
N k h
N
n
y x a
1 1
) , ( ,
producto momento ,
Y de marginal media ,
de marginal media ,
1 1
11
1
.
2
02
1
. 2
20
.
1
01
.
1
10

= =
=
=
=
=
=
=
=
=
=
s
i
ij
j i
r
i
s
i
j
i
r
i
i
i
j
s
i
i
i
r
i
i
N
n
y x a
N
n
y a
N
n
x a
N
n
x a
X
N
n
x a
o Respecto a la media


Algunos momentos :







- Independencia estadstica


Si :

= =
e =
s
i
ij k
i
h
i
r
i
hk
N k h
N
n
a y a x m
1
01 10
1
) , ( , . ) ( ) (
01 10 11 11 11
2
01 02 02
2
02
2
10 20 20
2
20
01 10
) , (
) (
) (
0
a a a m S Y X Cov m
a a m y S m
a a m x S m
m m
XY
= =
= =
= =
= =
N
n
N
n
N
n
f f f f f f f f
f f f
j
i
ij
j i ij i s i j i i i
j j i ij
.
.
. . . / / 2 / 1 /
. /
. : indepencia de Condicin
... ... Si
=
- = = = = = = =
- =




VARIABLES CUALITATIVAS

- Tablas de contingencia












- Distribuciones marginales

{(M
i
, n
i.
) : i = 1 , 2 , ... , r}
{ Mj

, n
.j
) : j = 1 , 2 , ... , s}


M/M M
1
M
2
... M
i
... M
s
n
i.

M
1
n
11
n
12
... n
1j
n
1s
n
1.

M
2
n
21
n
22
... n
2j
n
2s
n
2.

...
M
i
n
i1
n
i2
... n
ij
n
is
n
i.

...
M
r
n
r1
n
r2
... n
rj
n
rs
n
r.

n
.j
n
.1
n
.2
... n
.j
n
.s
N
contrario) caso el (no
0 ntes independie son , =
XY
S Y X

- Distribuciones condicionadas

{ (M/M = M

j
) ; n
ij
para i = 1,2,,r}

{ (M/M = M
i
) ; n
ij
para j = 1,2,,s}


- Independencia estadstica





DEPENDENCIA FUNCIONAL Y DEPENDENCIA ESTADSTICA . LNEA
DE REGRESIN


- Mediante las distribuciones de frecuencia condicionadas


- Mediante el ajuste mnimo cuadrtico
j i
N
n
N
n
N
n
j
i
ij
, , .
.
.
=
) , / ( );...; , / ( : sobre
) / , ( );...; / , ( : sobre Y
'
1 1
'
1
1 1 1
s s s
r r r
y y X P y y X P Y X
x Y x P x Y x P X



REGRESIN Y CORRELACIN LINEAL SIMPLE

- Regresin lineal simple

o De Y sobre X :


Coeficientes :


o De X sobre Y :

=
i
ti i
y y
2
) ( S
) (
10
20
11
01
a x
m
m
a y =
) (
01
02
11
10
a y
m
m
a x =
2
20
11
2
10 10
.
X
XY
X
XY
S
S
m
m
b
X
S
S
Y ba a a
= =
= =
Coeficientes :


- Correlacin lineal simple


o Relacin de varianzas



o Coeficiente de determinacin y de correlacin lineal simple

2
02
11
2
10 01
.
Y
XY
Y
XY
S
S
m
m
b
Y
S
S
X ba a a
= =
= =
i ti i
e y y + =
2 2 2
ry yt y
S S S + =
20
11
20
2
11
02
2
02
2 2 2
11 02 11
20
11
02
2
.
.
m
m
b
m
m
m m S S S
bm m m
m
m
m S
ry y yt
ry
= + = =
= =














ptima no lineal Relacin 75 ' 0
ptima lineal Relacin 75 ' 0
1 0
1
2
2
2
2
2
2
2
2
<
>
s s
= =
R
R
R
S
S
S
S
R
y
yt
y
ry
variables las entre lineal a dependenci existe No . 0
funcional exacta a Dependenci . 1 0
negativa n Correlaci . 0 0 0
positiva n Correlaci . 1 0 0
'
.
1
2 2
2
2
2
= =
= =
< <
s s >
- = = =
R S S
R S
R S
R S
b b
S S
S
S
S
R
y ry
ry
xy
xy
y x
xy
y
ry


REGRESIN Y CORRELACIN LINEAL MLTIPLE

- Ecuacin normal

- Coeficientes de regresin parcial y trmino independiente

- Desviaciones de las variables respecto de sus medias

02 20
2
11 2
.m m
m
R =
' . .
02
11
20
11 2
b b
m
m
m
m
R = =
) 1 (
2
02
2
R m S
ry
=
n distribuci la de gravedad de Centro
2 2 1 1 0
+ + = X b X b b Y
2 2 1 1 0
2
2
1
1
X b X b Y b
X
Y
b
X
Y
b
=
=
=







- Ecuaciones normales

o En funcin de las covarianzas y varianzas marginales

Por Cramer obtenemos las expresiones de b
1
y b
2
:

2 2
'
2
1 1
'
1
'
X x x
X x x
Y y y
i i
i i
i ti
=
=
=


= = =
= = =
+ =
+ =
N
i
i
N
i
i i
N
i
i i
N
i
i i
N
i
i
N
i
i i
x b x x b x y
x x b x b x y
1
2 '
2 2
1
'
2
'
1 1
1
'
2
'
1
'
2
'
1 2
1
2 '
1 1
1
'
1
'
2
2 2 12 1 2
12 2
2
1 1 1
S b S b S
S b S b S
y
y
+ =
+ =
2
12
2
2
2
1
1 12 2
2
1
2
2
12
2
2
2
1
12 2
2
2 1
1
S S S
S S S S
b
S S S
S S S S
b
y y
y y

=


En funcin de los coeficientes de correlacin lineal simple :


AJUSTE DE UN HIPERPLANO MEDIANTE LA UTILIZACIN DEL
LAGEBRA MATRICIAL

y x xb x ' ' =

Siendo :

(
(
(
(
(
(
(
(

=
(
(
(
(

(
(
(
(
(
(
(
(

=
=
=
= = =
= = =
= =
N
i
i ki
N
i
i i
N
i
i
k
N
i
ki
N
i
i ki
N
i
ki
N
i
ki i
N
i
i
N
i
ki
N
i
ki
N
i
ki
y x
y x
y
b
b
b
x x x x
x x x x
x x N
1
1
1
1
1
0
1
2
1
1
1
1
1
1
2
1
1
1 1
...
...
...
... ... ... ...
...
...



Se trata de calcular b :


| | | | | | y x x x b x x x x y x xb x ' ' ' ' ' '
1 1
= =
2
12
1 12 2
2
2
2
12
12 2 1
1
1
1
.
1
R
R R R
S
S
b
R
R R R
S
S
b
y y y
y y y

=

Luego ,

| | y x x x b ' '
1
=


Coeficiente de determinacin mltiple


2
2
2
2
... 123 .
2
... 123 .
'
' '
Y N y y
Y N y x b
S
S
R
y
k y
k y
t

= =

AJUSTES NO LINEALES

- Ajuste a una parbola

El modelo a ajustar es
2
2 1 0
x a x a a y + + =

El sistema de ecuaciones normales es :





= = = =
= = = =
= = =
+ + =
+ + =
+ + =
N
i
i
N
i
i
N
i
i
N
i
i i
N
i
i
N
i
i
N
i
i
N
i
i i
N
i
N
i
N
i
i i i
x a x a x a x y
x a x a x a x y
x a x a Na y
1
4
2
1
3
1
1
2
0
1
2
1
3
2
1
2
1
1
0
1
1 1 1
2
2 1 0


- Ajuste a una hiprbola equiltera

El modelo a ajustar es
x
z z a a y
o
1
con ,
1
= + =

- Ajuste potencial

La ecuacin es
1
0
a
x a y =


Y el modelo a ajustar es u = a + bz , con

=
=
=
0
log
log
log
a a
x z
y u


- Ajuste exponencial

La ecuacin es
x
a a y
1 0
- = , y el modelo a ajustar

u = a + bx , con

=
=
=
1
0
log
log
log
a b
a a
y u



ESTUDIO DE LA ASOCIACIN ENTRE VARIABLES CUALITATIVAS

Cuadrado de contingencia



= =

=
s
j
ij
ij
ij ij
r
i
n
n
n n
1
'
ij
'
2 '
1
2
tericas s frecuencia : n
relativas s frecuencia : :
siendo ,
) (
_

Coeficiente de contingencia de Pearson


2
2
_
_
+
=
N
C

= =
=
s s

1 que ya , grande muy . lmite Caso 1 C
cia Independen 0
1 0
lim
2
2
C
C
C
_
_


El grado de asociacin aumenta a medida que C se acerca a 1






















NMEROS NDICES

- Nmeros ndices simples


- Nmeros ndices complejos sin ponderar







100 - =
io
it
it
X
X
I
100
1 1
1 1
- = =

= =
N
i
N
i io
it
it t
X
X
N
I
N
I
- Nmeros ndices complejos ponderados

- Propiedades









* ndices de precios
it it
it
io
io
it
it
it
it
io
io
it
it
it
it
io
io
it
it
io
io
it
it
io
io
io
io
it
it
I K I
I
I
I I I I I
I
I I I
X
X
X
X
I
) 1 ( : alidad Proporcion - 5.
1
1 : Circular - 4.
1
1 : Inversin - 3.
1 100 100 : Identidad - 2.
Existencia - 1.
'
'
'
'
'
+ =
= = - = - -
= = -
= - = - =

=
=
=
=
-
= - =
N
i
i
N
i
i
io
it
N
i
i
N
i
i it
BD
W
W
X
X
W
W I
I
1
1
!
1
. 100
100



- ndices simples de precios

- Nmeros ndices complejos sin ponderar




o ndice de Sauerbeck . Media aritmtica de ndices




o ndice de Bradstreet Dutot . Media agregativa simple

Fisher
Edgeworth
Paaasche
Laspeyres
Ponderados
Dutot - Bradstreet
Sauerbeck
ponderar Sin
Complejos
Simples
precios de ndices Nmeros
100
1 1
1 1
- = =

= =
N
i
N
i io
it
it s
p
p
N
P
N
P
100 - =
io
it
it
p
p
P


- ndices complejos de precios ponderados

o ndice de Laspeyres

o ndice de Paasche

o ndice de Edgeworth

o ndice de Fisher


100 100
1
1
1
1
!
1
- = - =

=
=
=
=
N
i
io
N
i
it
N
i
io
N
i
it
BD
p
p
p
N
p
N
I
100
1
1
- =

=
=
N
i
io io
N
i
io it
L
q p
q p
P
100
1
1
- =

=
=
N
i
it io
N
i
it it
P
q p
q p
P
100
1 1
1 1
-
+
+
=


= =
= =
N
i
it io
N
i
io io
N
i
it it
N
i
io it
E
q p q p
q p q p
P
P L F
P P P - =
- ndices cunticos de cantidades

o ndice cuntico de Laspeyres

o ndice cuntico de Paasche

o ndice cuntico de Edgeworth

o ndice cuntico de Fisher

Propiedades que cumplen los ndices complejos y ponderados de
precios y cantidades


PROPIEDAD
ES
Existenc
ia
Identid
ad
Inversi
n
Circul
ar
Proporcionalid
ad
100 ; 100
1
1
1
1
- = = - =

=
=
=
=
N
i
io io
N
i
io it
L io io i
N
i
i
N
i
i
io
it
L
p q
p q
Q q p w
w
w
q
q
Q
it io io io i
N
i
it io
N
i
io io
N
i
it it
N
i
io it
E
p q p q w
p q p q
p q p q
Q + = -
+
+
=


= =
= =
; 100
1 1
1 1
P L F
Q Q Q - =
100 ; 100
1
1
1
1
- = = - =

=
=
=
=
N
i
it io
N
i
it it
L it io i
N
i
i
N
i
i
io
it
L
p q
p q
Q q p w
w
w
q
q
Q
NDICES
Sauerbeck S S No No S
Bradstreet-
Dutot
S S S S S
Laspeyres S S No No S
Paasche S S No No S (*)
Edgeworth S S S No S(*)
Fisher S S S No S(*)


(*) Presentan ciertas limitaciones en el campo econmico





- ndices en cadena

- Cambio de base en una misma serie de nmeros ndices

o Coeficiente de enlace tcnico de transformacin
t
t
t
I I I I
1
2
1
1
0 0
- - =
t t i
I
I
I
t
i
i
t
,..., ' ,..., 2 , 1 , 0 ,
'
0
0
'
= =


- Repercusin y participacin en las variaciones de un ndice


o Variacin del ndice general




o Repercusin R
i




o Variacin porcentual del ndice general
'
0
'
0
0
0 0
'
100
t t
t
I I
I
I = =

=
=
=
- A =
A
= A
N
i
i
t
i
N
i
io io
N
i
io it
t
w I
q p
q p
I
1

0 ,
1
1 0
t
o
N
i
i i
t
o i
N
i
io io
io it
i
I R w I
q p
q p
R A = - A =
A
=

=
=
1
,
1

=
=
=
=
A
= -
A
= -
A
N
i
i
t
o i
N
i
i
t
o i
N
i
io it
N
i
io it
t
o
t
o
w I
w I
q p
q p
I
I
1
,
1
,
1
1
100 100






o Repercusin en porcentaje de la componente i-sima en el
ndice general



- Participacin porcentual de cada componente i-sima en el ndice
general








100 100 100
1
,
,
1
-
A
= -
A
= -

= =
N
i
i
t
o i
i
t
o i
N
i
io it
io it
t
o
i
w I
w I
q p
q p
I
R
100 100
1 1
-
A
A
= - =

= =
N
i
io it
io it
N
i
i
i
i
q p
q p
R
R
P







- ndices de valor y deflactacin de series econmicas

o ndices de valor




o Deflactacin

. deflactor un da nos no Laspeyres
: Laspeyres Con
1
1
1
1
1
1
P t
N
i
io it
N
i
it it
N
i
io io
N
i
io io
N
i
io it
N
i
it it
L
t
Q V
q p
q p
q p
q p
q p
q p
P
V
- = = =

=
=
=
=
=
=

=
=
=
=
=
N
i
io io
N
i
it it
V
N
i
it it t
q p
q p
I
q p V
t
1
1
1
: constantes Precios
: corrientes ecios Pr











- ndice de precios al consumo


o Mtodo de clculo

general idad Comparabil - 2.

tividad Representa - 1.
Cualidades
1 - t ao al referido t ao del m mes el en i componente del ndice
1 - t ao al referido i componente del n ponderaci
1 - t ao al referida t ao del m mes el en general ndice
: Siendo
1
1
1
1 1 1
=
=
=
- =

mt
i t
i t
mt
G t
i
mt
i t i t
mt
G t
I
W
I
I W I
) constantes cios reales(pre valores de Serie
precios de ndice
monetarios valores de Serie
: decir Es
: Paasche Con
1
1
1
1
=
= =

=
=
=
=
N
i
it io
N
i
it io
N
i
it it
N
i
it it
P
t
q p
q p
q p
q p
P
V


- ndice de precios de consumo armonizados (IPCA)

- Otros ndices indicadores de coyuntura elaborados

o ndice de Produccin Industrial (IPI) ( de naturaleza
cuntica)

o ndice de precios Industriales (IPRI)

o ndice de Comercio al por Menor (ICM)

o ndice de Precios Hoteleros (IPH)

o ndice de cotizacin burstil



- SERIES TEMPORALES

A E C T y A
A E C T y
A E C T y
t
t
+ - - =
- - - =
+ + + =

errtica do Consideran
Producto
Adicin
es(A) accidental s Variacione - 4.
es(E) estacional s Variacione - 3.
) cclicas(C s Variacione - 2.
T) Tendencia( - 1.
s Componente

=
i
i i
I W I
o Anlisis de la Tendencia

=
=
=
=

+ = =
+ = =

-
=
=
+ =

= -
=

=
=
=
=
=
=
= =
=
2 1
2
2
2 1
2
2
'
1
'
2 2
'
2
'
2
' '
1
2 '
1
1
1
2 '
1
1
) ' (
'
) ' (
'
) (
in determinac de e Coeficient
) ( 2 ) ( 2 '
) ( ' impar
variable de ios Camb
'
'
'
normales Ecuaciones
cuadrados mnimos los de analtico Mtodo . 3
par nes observacio de n
impar nes observacio de n
mviles medias las de Mtodo . 2
fondos
cimas
grfico Mtodo . 1
t t
t
t
t
t
N
i
t
y
N
i
t
N
i
t
y t
y t
y t
t t t
t t t
N
i
N
i
t
N
i
t
t
N
i
N
i
t
N
i
t
t
t
y
n
y
S
t
n
t
S
y t
n
y t
S
S S
S
R
O t b a y O t t par
O t b a y O t t
t
t y
b
n
y
a
bt a y
t b t y
na y
y
y










o Determinacin de las variaciones estacionales

= - =
-
=
+ =

= - =
- =
-
- - -
=
-
r i
A M
M
I
b r
M M
M M
bt a y
y y
r i
MA
M
I
MA
M M M
A C
E T
A C E T
E T
y
y
i
r r
t
i
i
t
t
,..., 2 , 1 , 100
'
e)
estaciones de n
) 1 (

: corregidas es estacional medias las Obtenemos d)
,... , Calculamos c)
b)
,... , Calculamos a)
cuadrtico mnimo ajuste por tendencia la de Mtodo . 2
,..., 2 , 1 , 100
estacional variacin de ndices los Calculamos e)
anual aritmtica media la Calculamos d)
,... , , : s aritmtica medias las Calculamos c)
b)
os Determinam a)
mvil media la a razn la de Mtodo - 1.
nalizacin Desestacio
'
1
'
2 1
2 1
3 2 1



o Determinacin de las variaciones cclicas

A C
E T
A C E T
TE
y
- =
-
- - -
=

tendencia la de n Eliminaci d)
serie la de nalizacin Desestacio c)
estacional variacin de ndices los Calcular b)
tendencia la Estimar a)
ciclo el Aislar


















PROBABILIDAD . FENMENOS ALEATORIOS Y SUCESOS

a estadstic
d regularida de modelo algn aparece , veces de grande n un o experiment el Repitiendo - 4.
particular resultado un e previament predecir
puede se no pero , o experiment del resultados posibles los determinar pueden Se - 3.
final resultado el e modificars puede iniciales s condicione las modifican se Si - 2.
s condicione idnticas bajo mente indefinida repetir puede Se - 1.
aleatorio o Experiment

= = A

=
=
=

=
= C =
= C =
=
C =
=
=

c
c
=
c

=
=
) ( ) ( ) ( ) ( simtrica Diferencia
Diferencia
ocurre no cuando ocurre contrario ario Complement
,... 2 , 1 , , , les incompatib disjuntos , s excluyente Mutuamente
,..., 2 , 1 , , particin completo Sistema
... exhaustivo Sistema
s excluyente mutuamente les incompatib , Disjuntos
sucesos los dos ocurren to ; n Intersecci
sucesos los de uno menos al ocurre ; Unin
Igualdad
; otro en contenido Suceso
eraciones Sucesos.Op
Imposible -
universal cierto , Seguro -
Compuesto -
muestral punto simple , Elemental -
Suceso de o Subconjunt
Continuo -
numerable Finito -
Finito -
) ( muestral Espacio resultados posibles los Todos
muestral Punto resultado posible Cada
muestral Espacio
Aleatorios - 2.
ticos Determins - 1.
os Experiment aleatorios Fenmenos
3 2 1
n
1 i
n
1 i
A B B A A B B A B A
A B B A
A B A B
B A B A
A A
n j i A A
n j i A A
E A A A A
B A
A A B A
A A B A
A B
B A
B A
B A B A
E
E
E
j i
j i
n
i i
i i

LGEBRA DE SUCESOS

= = A

=
=
=

=
= C =
= C =
=
C =
=
=

c
c
=
c

=
=
) ( ) ( ) ( ) ( simtrica Diferencia
Diferencia
ocurre no cuando ocurre contrario ario Complement
,... 2 , 1 , , , les incompatib disjuntos , s excluyente Mutuamente
,..., 2 , 1 , , particin completo Sistema
... exhaustivo Sistema
s excluyente mutuamente les incompatib , Disjuntos
sucesos los dos ocurren to ; n Intersecci
sucesos los de uno menos al ocurre ; Unin
Igualdad
; otro en contenido Suceso
eraciones Sucesos.Op
Imposible -
universal cierto , Seguro -
Compuesto -
muestral punto simple , Elemental -
Suceso de o Subconjunt
Continuo -
numerable Finito -
Finito -
) ( muestral Espacio resultados posibles los Todos
muestral Punto resultado posible Cada
muestral Espacio
Aleatorios - 2.
ticos Determins - 1.
os Experiment aleatorios Fenmenos
3 2 1
n
1 i
n
1 i
A B B A A B B A B A
A B B A
A B A B
B A B A
A A
n j i A A
n j i A A
E A A A A
B A
A A B A
A A B A
A B
B A
B A
B A B A
E
E
E
j i
j i
n
i i
i i

= =
= =

=
=

=
=

=
=

=
=

=
=
C = C = C =
= = C =
= = C C =
= =
= =


n
i
i
n
i
i
n
i
i
n
i
i
A A B A B A
A A B A B A
A B A A
A B A A
C A B A C B A
C A B A C B A
C B A C B A
C B A C B A
A B B A
A B B A
A A A
A A A
A A A A A E
E A A E E E A E
A A E E
1 1
1 1

Morgan de Leyes . 9
) (
) (
tiva simplifica Propiedad . 8
) ( ) ( ) (
) ( ) ( ) (
va distributi Propiedad . 7
) ( ) (
) ( ) (
asociativa Propiedad . 6
a conmutativ Propiedad . 5
e idempotent Propiedad - . 4
, , . 3
, , . 2
, , - 1.
opiedades sucesos.Pr con s Operacione

|
|
.
|

\
|
= =
|
|
.
|

\
|
= =

= +
= |
+
c c c |
=

1 1
1 1
1
1
3 2 1
3 2 1
sup lim : Superior
inf lim : Inferior
inferior e superior Lmites
lim } {
lim } {
sucesin una de Lmite
... } { : e decrecient Sucesin
... } { : creciente Sucesin
1,2,3,...} n , {
sucesos de Sucesiones
n k
k n
o
n k
k n o
n
n n
n
n
n
n n
n
n
n
n
n
A A A
A A A
A A A
A A A
A A A A
A A A A
A

= = e
e e

e =
e =
e
e C
e e
e

e e
e e
=

=
medible conjunto Espacio ) , (
sucesos) de numerable infinito (n
A ... A A A ,... A , A , A
A A
Borel de Campo lgebra
A A ... A A
A A ... A A
...A A , A , A
B A B A,
ias Consecuenc
A A A , A
A A
s Propiedade
) ( conjuntos de Coleccin
Boole de lgebra - sucesos de ebra lg
1
i 3 2 1 3 2 1
1 n
i n 2 1
1
i n 2 1
n 3 2 1
2 1 2 1
A E
A A
A A
A
A
A
A
A A
A E
A A
A A
E P A

n
n

= = = =
- - -

rbol de Diagramas
ser uplas - k de n el y , ... Cuando
. uplas - k ... formar pueden
elementos ,..., , con ,..., , conjuntos los cin multiplica de Principio
) , ( pares
,... , elementos n y ,... , elementos entrada doble de Tablas
conteo n enumeraci de Mtodos
2 1
2 1
2 1 2 1
2 1 2 1
k
k
k
k k
s r
n m
n n n n n
n n n
n n n C C C
b a n m
f orman b b b a a a m

= + + +

=
=

=

= + =

+
=
|
|
.
|

\
| +
=

=

=
n x x x
x x x
n
P
n P
m V
n m
m
n m m m m V
m n
n m
n
n m
C
n m n
m
n
n m m m m
C
k
k
x x x
n
n
n
n m
n m
n m
n
m
k
... ,
! !... !
!
repeticin Con
! repeticin Sin
nes Permutacio
repeticin Con
)! (
!
) 1 )...( 2 )( 1 ( repeticin Sin
s Variacione

)! 1 ( !
)! 1 (

1
repeticin Con
)! ( !
!
!
) 1 )...( 2 )( 1 (
repeticin Sin
nes Combinacio
ia Combinator
2 1
2 1
,... ,
'
,
,
'
,
2 1































PROBABILIDAD

=
|
|
.
|

\
|
s
|
|
.
|

\
|
+ s
e
+ =
e
s e
=
s c e
=
= C

=
|
|
.
|

\
|
+ + =
e
=
e >
=
=

= =
= =

=



: disjuntos fuesen Si
) (
general En
) ( ) ( ) (
que verifica se , - . 6
) ( ) ( ) ( ) (
que verifica se , , - . 5
1 ) ( que verifica se , - . 4
) ( ) ( ) (
) ( ) ( con , , - . 3
) ( 1 ) ( - 2.
0 ) ( - 1.
Kolmogorov de
axiomas los de ias Consecuenc
tico Probabils Espacio ) , , (
) ( P
bien o
... ) ( ) ( ...) (
que verifica se
,... , , les incompatib sucesos de coleccin una Dada . 3
1 ) ( . 2
A , 0 ) ( - 1.
Kolmogorov de Axiomas
) (
) ( ta frecuentis Definicin
E de posibles Casos
A de favorables Casos
) ( Laplace) de gla clsica(Re Definicin
AD PROBABILID
1 1
1 1
1 1 i
2 1 2 1
2 1
lim
n
i
i
n
i
i
n
i
i
n
i
i
i
i i
n
A A P
A P A P
B P A P B A P
A B A
B A P B P A P B A P
A B A
A P A A
B P A P B A P
B P A P B A A B A
A P A P
P
P A E
A P A
A P A P A A P
A A A
E P
A A P
n
A n
A P
A P

=
|
|
.
|

\
|
s
|
|
.
|

\
|
+ s
e
+ =
e
s e
=
s c e
=
= C

=
|
|
.
|

\
|
+ + =
e
=
e >
=
=

= =
= =

=



: disjuntos fuesen Si
) (
general En
) ( ) ( ) (
que verifica se , - . 6
) ( ) ( ) ( ) (
que verifica se , , - . 5
1 ) ( que verifica se , - . 4
) ( ) ( ) (
) ( ) ( con , , - . 3
) ( 1 ) ( - 2.
0 ) ( - 1.
Kolmogorov de
axiomas los de ias Consecuenc
tico Probabils Espacio ) , , (
) ( P
bien o
... ) ( ) ( ...) (
que verifica se
,... , , les incompatib sucesos de coleccin una Dada . 3
1 ) ( . 2
A , 0 ) ( - 1.
Kolmogorov de Axiomas
) (
) ( ta frecuentis Definicin
E de posibles Casos
A de favorables Casos
) ( Laplace) de gla clsica(Re Definicin
AD PROBABILID
1 1
1 1
1 1 i
2 1 2 1
2 1
lim
n
i
i
n
i
i
n
i
i
n
i
i
i
i i
n
A A P
A P A P
B P A P B A P
A B A
B A P B P A P B A P
A B A
A P A A
B P A P B A P
B P A P B A A B A
A P A P
P
P A E
A P A
A P A P A A P
A A A
E P
A A P
n
A n
A P
A P

{ }
|
|
.
|

\
|
= |
.
|

\
|
=
+

=

1 n
lim lim
) (
que verifica se , sucesin una Dada - . 7
n
n n
n
n
n
A P A P A P
A


{ }
|
|
.
|

\
|
= |
.
|

\
|
=
|

=

1 n
lim lim
) (
que verifica se , sucesin una Dada - . 8
i
n n
n
n
n
A P A P A P
A






- Probabilidad condicionada
) / ( ) ( ) ( 0 ) ( ,
) (
) (
) / ( A B P A P B A P A P
A P
B A P
A B P - = >

=


) / ( ) ( ) ( 0 ) ( ,
) (
) (
) / ( B A P B P B A P B P
B P
B A P
B A P - = >

=


Se puede extender a cualquier n finito de sucesos .

- Teorema de la probabilidad compuesta producto

) ... / ( ... ) / ( ) / ( ) ( ) ... (
que verifica se , 0 que tales , ,... , sucesos n Dados
1 1 2 1 3 1 2 1 2 1
1
1
2 1

=
- - - - =
>
|
|
.
|

\
|
e
n n n
n
i
i n
A A A P A A A P A A P A P A A A P
A P A A A A



- Teorema de la probabilidad total

=
=
- =
e
=
= C =
= >
e
n
i
i i
i
i
j i
i
n
A B P A P B P
A B P A B
E A
j i A A
n i A P
A A A A n
1
n
1 i
2 1
) / ( ) ( ) (
que verifica se
conocidas ) / ( das condiciona ades probabilid con , suceso cualquier Para

,
: sucesos de completo sistema un forman que tales
,..., 2 , 1 , 0 ) ( con
, ,..., , disjuntos sucesos - Dados

- Teorema de Bayes

=
-
-
=
n
i
i i
i i
i
A B P A P
A B P A P
B A P
1
) / ( ) (
) / ( ) (
) / (

Siendo


posteriori a ades probabilid : ) / (
itudes verosimil : ) / (
priori a ades probabilid : ) (
B A P
A B P
A P
i
i
i





- Independencia de sucesos

Dos sucesos A y B son independientes si se verifica una
cualquiera de las siguientes
condiciones equivalentes :


) ( ) ( ) ( - . 3
0 ) ( si , ) ( ) / ( - . 2
0 ) ( si , ) ( ) / ( - 1.
B P A P B A P
B P A P B A P
A P B P A B P
- =
> =
> =


Si A y B son dos sucesos independientes , tambin lo son los
sucesos


B A
B A
B A
y
y
y

+ =

= =

- =
-
- - -
=
-

A M O
r i
b i
M M
M M M
M M M
bt a y
y y
i
MA
M
I
MA M M M
A E
C T
A E C T
C T
y
y
i i
r
r
t
i
i
r
t
t
' btener . 5
,..., 2 , 1 ,
estaciones n
) 1 (

,... , Obtener . 4
,... , Obtener . 3
Obtener . 2
,... , Obtener - 1.
cuadrtico mnimo ajuste por tendencia la de Mtodo b)
,... 2 , 1 , . 4
media su obtiene Se ,... , Obtener . 3
. 2
de Obtencin - 1.
mvil media la a razn la de Mtodo a)
nalizacin Desestacio
'
' '
2
'
1
2 1
2 1
2 1

=
+ =
=

= -
=

= =
=
a
bt a y
O t t
t b t y
na y
y
y
t
N
i
N
i
t
N
i
t
t
t
'
) ' (
'
normales Ecuaciones
cuadrados mnimos los de analtico Mtodo . 3
impar es nes observacio de n el si
par es nes observacio de n el si
mviles medias las de Mtodo . 2
fondos
cimas -
grfico Mtodo . 1
1
2 '
1
1